Trang 1 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THỊ THÙY DUNG CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA Trang 2 BỘ G
GIỚI THIỆU ĐỀ TÀI
TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Khi một ngân hàng cho khách hàng vay đều tiềm ẩn hậu quả khi khách hàng không trả được nợ, đây chính là rủi ro tín dụng của ngân hàng Theo Nguyễn Minh Kiều (2009), rủi ro tín dụng là loại rủi ro phát sinh do khách hàng vay nợ có thể mất khả năng trả nợ một khoản vay nào đó Theo Alex White (2008), trong nghiên của mình, tác giả cho rằng một khách hàng tạo ra nguồn thu nhập ổn định, thường xuyên, liên tục để hoàn trả khoản nợ khi đến hạn thanh toán là người có khả năng trả nợ
Như trong tài liệu Basel Committee on Banking Supervision (2006), Ủy ban Basel : Khách hàng không có khả năng thực hiện nghĩa vụ thanh toán đầy đủ khi đến hạn mà chưa tính đến việc ngân hàng thanh lý tài sản (nếu có) để hoàn trả và/hoặc khách hàng có các khoản nợ xấu từ nhóm 3 trở lên thì được xem như mất khả năng trả nợ Đã có nhiều nghiên cứu trong và ngoài nước về vấn đề này, điển hình như:
Khi nghiên cứu về rủi ro không trả được nợ vay, Chapman (1990) đã phân tích những nguyên nhân gây ra nợ xấu mảng cho vay khách hàng cá nhân của ngân hàng, đồng thời kiểm định thực tế và kết luận những nhân tố chính tác động đến rủi ro tín dụng cho vay khách hàng cá nhân Đề tài chỉ ra những nhân tố như: nhân khẩu học của người đi vay (tuổi tác; giới tính; khách hàng đang độc thân, đã kết hôn, li hôn hay góa bụa; khách hàng có bao nhiêu người phụ thuộc, thời gian cư trú); tính chất nghề nghiệp; thu nhập, tài sản tích lũy của người đi vay; tính chất của khoản nợ Cuối cùng nghiên cứu đưa ra mối liên hệ quan trọng giữa những nhân tố rủi ro
Theo nghiên cứu của của Jonathan Crook (1995), tác giả sử dụng các biến độc lập như: độ tuổi, thu nhập, thu nhập ròng, sở hữu nhà riêng, giới tính, trình độ học vấn, nhu cầu vay, dư nợ, ngành kinh doanh, lãi suất Kết quả nghiên cứu chỉ ra rằng khả năng trả nợ chịu ảnh hưởng tích cực từ yếu tố độ tuổi của chủ hộ, yếu tố thu nhập, thu nhập ròng và sở hữu nhà riêng
Vương Quân Hoàng và ctg (2006), thông qua mô hình hồi quy Logit, với kích thước mẫu là 1.727 người vay đã có kết luận các biến độc lập tác động tích cực đến khả năng trả nợ của KHCN là: nguồn thu hàng tháng, chênh lệch giữa thu nhập và chi phí; tài sản tích lũy của khách hàng Ngược lại, các biến có tác động tiêu cực đến khả năng trả nợ của KHCN gồm độ tuổi, học vấn , nghề nghiệp, tình trạng hôn nhân, địa điểm sinh sống, thời gian sinh sống, người phụ thuộc, di chuyển bằng phương tiện gì (ô tô, xe máy )
Theo nghiên cứu của Roslan & Karim (2009) về các yếu tố ảnh hưởng đến khả năng trả nợ của các đối tượng tín dụng vi mô tại Agribank cho thấy những người vay hoạt động trong lĩnh vực dịch vụ ít rủi ro hơn đối với những người hoạt động trong lĩnh vực sản xuất, quy mô khoản vay càng lớn thì tỷ lệ nợ quá hạn càng thấp, thời hạn cho vay tác động ngược chiều và có ý nghĩa thống kê, và thời gian cho vay càng dài thì tỷ lệ nợ quá hạn càng cao
Theo Trương Đông Lộc và Nguyễn Thanh Bình (2011) “Các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ ở tỉnh Hậu Giang” Số liệu sử dụng trong nghiên cứu được thu thập từ một cuộc điều tra bằng bảng câu hỏi với một số hộ được phỏng vấn là 436 Nghiên cứu sử dụng mô hình Probit, kết quả phân tích cho thấy lãi suất đi vay tác động ngược chiều đến khả năng trả nợ, tức lãi suất càng cao thì khả năng trả nợ càng giảm; nguồn thu nhập và số thành viên tạo ra nguồn thu nhập trong gia đình thì tác động cùng chiều đến khả năng trả nợ vay của các nông hộ Cuối cùng, nghiên cứu cho thấy những hộ vay vốn sử dụng cho mục đích phi nông nghiệp có khả năng trả nợ đúng hạn thấp hơn những hộ đi vay vốn phục vụ cho sản xuất nông nghiệp
Sau khi tham khảo các nghiên cứu thực nghiệm trong và ngoài nước, có thể thấy các nghiên cứu trước tập trung vào từng nhóm đối tượng riêng biệt của từng vùng địa lý nên chưa đi đến kết luận thống nhất về các yếu tố ảnh hưởng đến KNTN của khách hàng Cùng với sự biến đổi trong các yếu tố kinh tế, xã hội như ảnh hưởng của đại dịch Covid-19 Ngày 13/03/2020, Thông tư số 01/2020/TT-NHNN của Thống đốc NHNH Việt Nam quy định về việc tổ chức tín dụng, chi nhánh ngân hàng nước ngoài cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí, giữ nguyên nhóm nợ nhằm hỗ trợ khách hàng chịu ảnh hưởng bởi dịch Covid – 19 Ngày 02/04/2021, Thông tư số 03/2021/TT-NHNN được NHNN ban hành để Sửa đổi, bổ sung một số điều của Thông tư số 01/2020/TT-NHNN với nội dung cho phép cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí, nhưng vẫn giữ nguyên nhóm nợ, trích lập dự phòng rủi ro nhằm hỗ trợ khách hàng chịu ảnh hưởng bởi dịch Covid -19 cho thấy mức độ ảnh hưởng nghiêm trọng của đại dịch này đến nền kinh tế nước ta, đặc biệt là tác động trực tiếp đến KNTN của khách hàng Do vậy, đánh giá đúng được khả năng trả nợ trong bối cảnh hiện nay lại càng trở nên khó khăn và quan trọng hơn bao giờ hết
Trong xu thế của thời đại, phát triển mảng cho vay khách hàng cá nhân đang trở thành mục tiêu chiến lược của các ngân hàng Tuy nhiên, nợ quá hạn, nợ xấu là luôn là trở ngại khi tăng trưởng tín dụng Nợ xấu không chỉ ảnh hưởng đến khả năng vay vốn của khách hàng trong tương lai mà còn tác động tiêu cực đến tình hình kinh doanh của các ngân hàng thương mại Có rất nhiều nguyên nhân dẫn tới nợ xấu ngân hàng như do bản thân khách hàng yếu kém hoặc do việc thẩm định còn lỗ hổng Đối với khách hàng doanh nghiệp, ngân hàng có thể đánh giá sức khỏe tài chính thông qua báo cáo tài chính nộp cơ quan thuế hoặc báo cáo tài chính có kiểm toán độc lập Đối với khách hàng cá nhân, do chưa xây dựng được những tiêu chí chuẩn mực để đánh giá khả năng trả nợ nên việc thẩm định còn khó khăn Vì vậy, kinh nghiệm, kỹ năng, hiểu biết của một chuyên viên thẩm định có vai trò rất lớn trong công tác thẩm định cho vay KHCN Trong báo cáo đánh giá về nhóm ngân hàng, chứng khoán BOS thống kê, Tổng giá trị nợ xấu của các ngân hàng hiện đang niêm yết đạt 91.244 tỷ đồng vào ngày 31/3/2021, tăng 3.948 tỷ đồng so với cuối
4 năm 2020 Tỷ lệ nợ xấu/tổng dư nợ cũng tăng nhẹ 0,02 điểm phần trăm lên mức 1,41% Đáng chú ý, ACB, VCB và HDB có mức tăng lần lượt là 0,32; 0,26 và 0,19% VPB là ngân hàng có tỷ lệ nợ xấu cao nhất với 3,5% và tăng 0,05 điểm phần trăm so với cuối năm trước Vì vậy, việc nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN là cần thiết và có ý nghĩa quan trọng trong việc giảm thiểu rủi ro tín dụng của chi nhánh từ đó đưa ra những khuyến nghị nhằm gia tăng hiệu quả phát triển mảng cho vay khách hàng cá nhân tại chi nhánh và toàn hệ thống Vietcombank Đó là động lực thúc đẩy tác giả chọn đề tài “Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietcombank chi nhánh TP.Hồ Chí Minh”.
MỤC TIÊU ĐỀ TÀI
Xác định các yếu tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh, từ đó đưa ra những khuyến nghị nhằm giảm thiểu rủi ro tín dụng, gia tăng hiệu quả phát triển mảng cho vay khách hàng cá nhân tại chi nhánh
1.2.2 Mục tiêu cụ thể Để thực hiện được mục tiêu tổng quát trên, luận văn sẽ hướng tới các mục tiêu cụ thể như sau:
- Xác định các yếu tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh
- Xác định mức độ ảnh hưởng của từng yếu tố trên đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh
- Đưa ra những khuyến nghị nhằm giảm thiểu rủi ro tín dụng, gia tăng hiệu quả phát triển mảng cho vay khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh
CÂU HỎI NGHIÊN CỨU
Với mục tiêu nghiên cứu nói trên, đề tài sẽ sáng tỏ các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietcombank CN TP.Hồ Chí Minh, thông qua việc trả lời những câu hỏi nghiên cứu như sau:
- Câu hỏi thứ nhất: Các yếu tố nào ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh?
- Câu hỏi thứ hai: Mức độ ảnh hưởng của từng yếu tố trên đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh như thế nào?
- Câu hỏi thứ ba: Cần có những khuyến nghị nào nhằm giảm thiểu rủi ro tín dụng, gia tăng hiệu quả phát triển mảng cho vay khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietcombank chi nhánh TP.Hồ Chí Minh
- Phạm vi không gian: Vietcombank chi nhánh TP.Hồ Chí Minh
- Phạm vi thời gian: Các số liệu phục vụ nghiên cứu được thu thập từ 250 hồ sơ vay khách hàng cá nhân từ 01/01/2019 – 30/06/2023 tại Vietcombank chi nhánh TP.Hồ Chí Minh.
PHƯƠNG PHÁP NGHIÊN CỨU
1.5.1 Phương pháp và thiết kế nghiên cứu
- Phương pháp nghiên cứu: kết hợp giữa phương pháp giữa định tính và định lượng
- Thiết kế nghiên cứu: hỗn hợp, nghiên cứu chuỗi thời gian, nghiên cứu tình huống điển hình, và quan sát
Trên cơ sở dữ liệu, thông tin thu thập được như: giáo trình, tạp chí, thông tư, luật, báo cáo thường niên của ngân hàng, báo cáo kết quả kinh doanh của chi nhánh, báo cáo nội bộ của phòng kế toán chi nhánh
Sử dụng mô hình hồi quy Binary Logictics trong SPSS 20.0 được xây dựng từ các lý thuyết và các nghiên cứu sẵn có để đo lường các yếu tố tác động đến khả năng trả nợ của khách hàng cá nhân đối với một ngân hàng thương mại
Theo Simon Jackman (2007), “với hồi quy Binary Logistic, thông tin chúng ta cần thu thập về biến phụ thuộc là một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có 2 giá trị là 0 và 1, với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và tất nhiên là cả thông tin về các biến độc lập X Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất sự kiện xảy ra quy tắc nếu xác suất được dự đoán lớn hơn 0.5 thì kết quả dự đoán sẽ cho là “có” xảy ra sự kiện, ngược lại thì kết quả dự đoán sẽ cho là “không” ”
Theo Hun Myoung Park (2010), khi biến phụ thuộc là một biến nhị phân, biến thứ bậc, hoặc biến định tính Thậm chí những dữ liệu đếm được là rời rạc nhưng thường được xem như liên tục Khi đó, phương pháp ước lượng bình phương nhỏ nhất (OLS) không còn là một ước lượng không chệch tuyến tính tốt nhất nữa, và OLS là ước lượng chệch và không hiệu quả Do đó, hồi quy Binary Logistic được sử dụng đến Ưu điểm:
- Vì là mô hình định lượng, thể hiện sự khách quan, nhất quán, không phụ thuộc vào ý kiến chủ quan của cán bộ tín dụng nên khắc phục được những nhược điểm cảm tính của các mô hình định tính
- Mô hình Logit này đo lường rủi ro cho vay đơn giản, dễ thực hiện bằng phần mềm chuyên dụng (như Eviews, SPSS)
- Thông qua kết quả từ mô hình, ngân hàng có thể ước lượng được xác suất không trả được nợ của khách hàng Ngân hàng có thể xác định được khách hàng nào có khả năng trả nợ tốt để phát triển thêm sản phẩm, dịch vụ; khách hàng nào tiềm ẩn rủi ro tín dụng, từ đó có biện pháp kịp thời Vì vậy, Mô hình Logit có thể là cơ sở để ngân hàng phân loại khách hàng và nhân diện rủi ro
- Một ưu điểm nổi bật của mô hình Logit có thể đo lường vai trò của các yếu tố tác động đến hạng tín dụng của khách hàng, có thể hiệu chỉnh hoặc thêm bớt các biến nhằm xác định cụ thể tác động của các yếu tố nđến rủi ro tín dụng như thế nào Đây là điểm tiến bộ so với mô hình xếp hạng tín dụng truyền thống hay mô hình KMV
Mô hình Logit là mô hình kinh tế lượng, vì vậy khi kích thước mẫu ở mức nhỏ thì mô hình có thế dự báo kém chính xác Ngoài ra, mức độ chính xác của nguồn thông tin thu thập và khả năng dự báo cũng như trình độ phân tích của cán bộ tín dụng ảnh hưởng rất lớn đến kết quả của mô hình
Tuy mô hình Logit còn một số nhược điểm, song thực tế các nghiên cứu trước đây, nhất là các nghiên cứu trong nước thường sử dụng mô hình này cho nghiên cứu về khả năng trả nợ của KHCN tại Việt Nam Do vậy, tác giả sử dụng mô hình Logit để thực hiện nghiên cứu các yếu tố ảnh hưởng khả năng trả nợ vay của KHCN tại Vietcombank CN TP.Hồ Chí Minh
Thống kê số liệu: Dữ liệu thứ cấp là tài khoản vay của 250 khách hàng cá nhân giai đoạn 01/01/2019 – 30/06/2023 trên chương trình báo cáo nợ vay của Vietcombank CN TP.HCM và hồ sơ bản cứng của các khách hàng cùng các báo cáo liên quan đến đề tài nghiên cứu tại Vietcombank CN TP.HCM
Phân tích dữ liệu và kiểm định giả thuyết: Sau khi phân tích các yếu tố tác động đến khả năng trả nợ vay của KHCN tại Vietcombank CN TP.HCM, tác giả sẽ sử dụng phần mềm thống kê SPSS để chạy hồi quy logit; sau đó kiểm độ chính xác của mô hình logit
1.5.3 Cách thức thu thập số liệu
Các quan sát được lựa chọn là những khoản vay đã phát sinh từ ngày 01/01/2019 đến thời điểm 30/06/2023 Tác giả chọn như vậy để đảm bảo rằng tất cả các quan sát được chọn đều đã phát sinh kỳ hạn trả nợ phải thanh toán Dữ liệu được trích xuất từ chương trình báo cáo nợ vay tại Vietcombank CN TP.HCM ngày 30/06/2023 Tác giả chọn lọc những khách hàng có đầy đủ thông tin và chọn ngẫu nhiên 250 khách hàng trong toàn bộ danh sách Số lượng thông tin chọn lọc được đối chiếu với hồ sơ gốc của khách hàng được quản lý tại Vietcombank CN TP.HCM
Đối với khách hàng có KNTN vay: thu thập các khách hàng đang có dư nợ tại thời điểm 30/06/2023 và có thời gian quan hệ tín dụng tại Vietcombank
CN TP.HCM đến 30/06/2023 ít nhất 01 năm
Đối với khách hàng không có KNTN vay: tác giả thu thập các khách hàng không có KNTN theo từng quý giai đoạn từ 01/01/2019 – 30/06/2023; trường hợp khách hàng không có KNTN qua nhiều quý thì chỉ lấy 01 quý; Bên cạnh đó, tác giả còn sử dụng số lệu thứ cấp được thu thập từ các báo cáo kết quả hoạt động kinh doanh, báo cáo nợ có vấn đề - nợ xấu của Vietcombank Chi nhánh TP.HCM trong giai đoạn 2019-2023
KNCN theo các sản phẩm vay trung dài hạn như mua nhà/đất, xây/sửa nhà ở, tiêu dùng có TSBĐ, vay sản xuất kinh doanh có TSBĐ
KHCN vay tiêu dùng tín chấp không có TSBĐ, vay cán bộ nhân viên: không chọn
1.5.4 Phương pháp xử lý số liệu
- Các số liệu thu thập được xử lý bằng phần mềm SPSS 20.0 để xác định các yếu tố liên quan đến KNTN vay của KHCN tại Vietcombank TP.HCM
- Tiến hành đưa biến phụ thuộc và các biến độc lập kỳ vọng vào phân tích hồi quy binary logistic, từng bước một loại bỏ dần các biến độc lập không có ý nghĩa thống kê đối với biến phụ thuộc cho tới khi thu được mô hình tối ưu (ở mức ý nghĩa lựa chọn, các biến độc lập trong mô hình đều có tác động tới biến phụ thuộc Y)
Ý NGHĨA CỦA ĐỀ TÀI
Dựa vào phân tích định tính và định lượng, tác giả xác định được các yếu tố và mức độ ảnh hưởng của từng yếu tố đến khả năng trả nợ vay của khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh, từ đó đề xuất những giải pháp, kiến nghị nhằm giảm thiểu rủi ro tín dụng, gia tăng hiệu quả phát triển mảng cho vay khách hàng cá nhân tại Vietcombank CN TP.Hồ Chí Minh
KẾT CẤU LUẬN VĂN
Ngoài các nội dung như danh mục hình ảnh, bảng biểu, tóm tắt, phụ lục, luận văn được chia thành năm chương với nội dung cụ thể từng chương như sau:
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Chương đầu tiên giới thiệu khái quát về tính cấp thiết, lý do chọn đề tài cũng như các nội dung chính của luận văn như: mục tiêu nghiên cứu; đối tượng, phạm vi nghiên cứu; phương pháp nghiên cứu; cũng như ý nghĩa thực tiễn, đóng góp của nghiên cứu vào mảng cho vay khối KHCN an toàn, hiệu quả tại Vietcombank CN TP.Hồ Chí Minh.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
ĐẶC ĐIỂM HOẠT ĐỘNG CHO VAY ĐỐI VỚI KHÁCH HÀNG CÁ NHÂN
Cho vay đối với KHCN là một loại hình tín dụng, do đó nó mang ba đặc điểm chung của tín dụng:
- Dựa trên cơ sở lòng tin: NH chỉ cho vay khi tin tưởng rằng vốn vay được sử dụng hợp pháp và đúng mục đích; phương án vay vốn hiệu quả, khả thi; khách hàng có tiềm lực tài chính mạnh, đủ khả năng trả nợ các khoản nợ đến hạn
- Đảm bảo tính hoàn trả về thời gian và giá trị: Về phía khách hàng, nếu chu kỳ luân chuyển vốn lớn hơn thời hạn cho vay thì khi đến kỳ trả nợ khách hàng chưa có nguồn để trả nợ, gây thách thức cho khách hàng và việc thu hồi nợ đúng hạn cho NH, ngược lại chu kỳ luân chuyển vốn thấp hơn thời hạn vay, khách hàng rất có thể sử dụng vốn sai mục đích, gây nhiều rủi ro cho
NH Về phía ngân hàng, NH căn cứ vào tính chất thời hạn nguồn vốn của mình và chu kỳ luân chuyển vốn của khách hàng Khi ngân hàng có nguồn vốn dồi dào thì NH có thể cho vay với thời hạn dài và ngược lại chỉ có thể cho vay với thời hạn ngắn
- Cho vay là sự chuyển nhượng tạm thời một lượng giá trị trên nguyên tắc có hoàn trả cả gốc và lãi: Khoản lãi này đối với người vay là chi phí của việc sử dụng vốn vay, đối với NH là nguồn để trả lãi cho người gửi tiền, bù đắp chi phí hoạt động, cũng như tạo ra lợi nhuận cho NH Do đó, người đi vay phải trả gốc và một khoản lãi theo lãi suất đã thỏa thuận khi ký kết hợp đồng tín dụng
Ngoài các đặc điểm chung của cho vay thông thường, cho vay đối với KHCN còn có các đặc điểm riêng như sau:
Số lượng khách hàng vay lớn với giá trị nhỏ
Lãi suất cho vay đối với khách hàng cá nhân thường ổn định
Cho vay khách hàng doanh nghiệp thường có lợi nhuận thấp hơn cho vay KHCN thường có chi phí và lợi nhuận cao hơn
Cho vay KHCN an toàn hơn cho vay KHDN vì hầu hết cấp tín dụng có tài sản bảo đảm
Đối với các khoản cho vay tín chấp đối với KHCN: Tổn thất tín dụng đối với cho vay KH doanh nghiệp thấp hơn KHCN Đối với khoản vay có TSBĐ, tổn thất tín dụng đối với cho vay KH doanh nghiệp cao hơn KHCN
LÝ THUYẾT VỀ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN
Theo thông tư số 11/2021/TT-NHNN về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của các tổ chức tín dụng (TCTD), chi nhánh ngân hàng nước ngoài, khách hàng nói chung và khách hàng cá nhân được theo dõi và phân loại nợ thành 5 nhóm như sau:
- Nhóm 1: Nợ đủ tiêu chuẩn (Đủ khả năng thu hồi nợ đúng hạn)
- Nhóm 2: Nợ cần chú ý (Nợ quá hạn < 90 ngày; nợ cơ cấu)
- Nhóm 3: Nợ dưới tiêu chuẩn (Nợ quá hạn từ 90-180 ngày; nợ cơ cấu)
- Nhóm 4: Nợ nghi ngờ (Nợ quá hạn từ 181-360 ngày; nợ cơ cấu)
- Nhóm 5: Nợ có khả năng mất vốn (Nợ quá hạn > 360 ngày)
Theo Nguyễn Ngọc Lê Ca (2011) thì tín dụng cá nhân thường có quy mô giao dịch nhỏ nhưng số lượng giao dịch lớn và phân tán rộng khắp khiến cho việc giao dịch không được thuận tiện (Nguyễn Minh Kiều, 2009) và như vậy ngân hàng phải mở thêm nhiều chi nhánh hoặc các dịch vụ trực tuyến khác để phục vụ cho đặc điểm này của khách hàng cá nhân Khi tiến hành giao dịch với khách hàng cá nhân, thông thường tổ chức tín dụng gặp rủi ro về thông tin bất
13 cân xứng (Heffernan, 2005) hơn so với khách hàng tổ chức do việc thu thập chính xác thông tin về loại khách hàng này là rất khó khăn đồng thời nguồn trả nợ chủ yếu của khách hàng cá nhân là từ thu nhập ổn định ở thời điểm hiện tại
Do vậy, nếu người vay gặp vấn đề về sức khỏe, mất việc làm hay gặp các biến cố bất ngờ ảnh hưởng đến thu nhập thì sẽ không trả được nợ vay cho ngân hàng Theo Alex White (2008), trong nghiên cứu về khả năng trả nợ của cá nhân, khả năng trả nợ vay của khách hàng là khả năng khách hàng tạo ra đủ thu nhập trong suốt thời gian vay để đảm bảo cho các khoản hoàn trả theo định kỳ Khả năng trả nợ đại diện cho năng lực tài chính của một khách hàng cá nhân hoặc một khách hàng doanh nghiệp, thực hiện tốt nghĩa vụ hoàn trả một khoản nợ, một khoản vay của họ Khả năng trả nợ của khách hàng được đánh giá bởi người cho vay khi quyết định có nên cho vay đối với một doanh nghiệp hay một cá nhân Khi nói đến khả năng tức là có thể xảy ra hoặc không thể xảy ra, và được đo lường bằng xác suất xảy ra hoặc xác suất không xảy ra Do đó, khả năng trả nợ của khách hàng được thể hiện dưới dạng xác suất trả nợ Trong điều kiện bình thường, một khách hàng có hai khả năng: trả được nợ hoặc không trả được nợ Như vậy, khả năng trả nợ vay của khách hàng cá nhân là khả năng khách hàng tạo ra đủ thu nhập trong suốt thời gian vay để đảm bảo thực hiện tốt nghĩa vụ hoàn trả các khoản nợ theo định kỳ
Có thể nhận thấy các quan điểm trên thế giới thường xem khách hàng phát sinh nợ xấu đồng nghĩa với khách hàng không có khả năng trả nợ Các nghiên cứu thực nghiệm trên thế giới khi xét về khả năng trả nợ vay, ở góc độ đối lập là rủi ro trả nợ vay của khách hàng cá nhân được biểu hiện ở hai góc độ chính là quy mô trả nợ gốc (Số tiền gốc trả nợ được) và thời hạn trả nợ Một số gốc nghiên cứu thực nghiệm gốc như Maharjan và ctg (1983) đúng hạn hay trễ hạn và Sileshi, Nyika và Wangia (2012) tập trung vào yếu tố quy mô trả nợ gốc
CÁC NGHIÊN CỨU TRƯỚC CÓ LIÊN QUAN
2.3.1 Các nghiên cứu trong nước
Vương Quân Hoàng và ctg (2006) đã sử dụng phương pháp thống kê, và mô hình hồi quy logit để đo lường các nhân tố ảnh hưởng đến KNTN vay của KHCN tại NH Techcombank Mẫu dữ liệu nghiên cứu gồm 1.727 khách hàng Kết quả nghiên cứu: Các nhân tố có quan hệ đồng biến với KNTN vay của khách hàng: Nguồn thu nhập, chênh lệch giữa thu nhập và tiêu dùng, tài sản tích lũy của khách hàng Các nhân tố có quan hệ nghịch biến với KNTN vay của khách hàng: loại hình nghề nghiệp, trình độ học vấn, thâm niên công tác, khách hàng độc thân/có gia đình/li dị hay góa bụa, địa điểm sinh sống, thời gian sống, số người phụ thuộc, phương tiện sử dụng (ô tô, xe máy ), khách hàng sử dụng các hình thức nhận thông tin nào, dư nợ, tình hình quan hệ và uy tín trong giao dịch với ngân hàng Techcombank
Theo nghiên cứu của Đinh Thị Thanh Huyền và Stefanie Kleimeier9 (2007), nghiên cứu sử dụng mẫu quan sát gồm 56.037 các khoản vay của các hợp đồng vay từ năm 1992 đến 2005, gồm cả khoản vay đúng hạn và quá hạn Các tác giả sử dụng mô hình hồi quy Logit để kiểm định 16 biến đưa vào mô hình bao gồm: giới tính, địa điểm cư trú, số lần vay vốn, số lượng tiền gửi, thời gian giao dịch với ngân hàng, thời gian vay, thời gian làm công việc hiện tại, giá trị tài sản bảo đảm, lượng người phụ thuộc, tình trạng hôn nhân, loại tài sản thế chấp, số điện thoại, trình độ học vấn và phương án vay vốn Kết quả chạy mô hình cho thấy các biến có ảnh hưởng đến khả năng trả nợ của khách hàng lần lượt là thời gian giao dịch với ngân hàng, giới tính, số lượng khoản vay và thời gian vay vốn
Các nghiên cứu Trương Đông Lộc (2010); Trương Đông Lộc & Nguyễn Thị Tuyết (2011) về các nhân tố ảnh hưởng đến rủi ro tín dụng của ngân hàng Mô hình xác suất (probit) và mô hình xác suất tuyến tính (logit) đã được tác giả sử dụng Tác giả sử dụng các yếu tố tài chính/phi tài chính để đưa vào mô hình từ hồ sơ khác hàng xin vay ở ngân hàng, ngoài ra còn quan sát hoạt động kinh doanh của khác
15 hàng và yếu tố của chính ngân hàng mà tác giả quan sát thực tế Bên cạnh đó, trong bài nghiên cứu về các yếu tố ảnh hưởng đến rủi ro tín dụng, Lê Khương Ninh & Lâm Thị Bích Ngọc (2012) đã phân tích với biến phụ thuộc rủi ro được xác định dựa theo đặc điểm hồ sơ khách hàng: có rủi ro và không có rủi ro Các tác giả đã chỉ ra rằng Sử dụng vốn vay; Khả năng tài chính của người vay; Kiểm tra và giám sát nợ vay; Đa dạng hóa hoạt động kinh doanh; Kinh nghiệm của cán bộ tín dụng; Lĩnh vực ngành nghề chính tạo ra thu nhập để trả nợ; Lịch sử vay vốn và Tài sản đảm bảo là các yếu tố vi mô giải thích cho rủi ro tín dụng
Trần Thế Sao (2017) “Các yếu tố ảnh hưởng khả năng trả nợ ngân hàng của nông hộ trên địa bàn huyện Bến Lức, tỉnh Long An” nghiên cứu sử dụng mô hình hồi quy Binary Logistic nhằm phát hiện các yếu tố ảnh hưởng đến khả năng trả nợ ngân hàng của nông hộ trên địa bàn huyện Bến Lức, tỉnh Long An Kết quả nghiên cứu cho thấy các biến có mối quan hệ thuận chiều với khả năng trả nợ đúng hạn của nông hộ là trình độ học vấn, diện tích đất canh tác, thu nhập phi nông nghiệp và thời hạn trả nợ Ngược lại, các biến có mối quan hệ nghịch chiều với khả năng trả nợ đúng hạn của nông hộ là số tiền vay và số người phụ thuộc Từ đó, nghiên cứu đã đề xuất giải pháp cho ngân hàng, chính quyền địa phương và nông dân nhằm giúp nâng cao khả năng trả nợ đúng hạn của nông hộ
Nghiên cứu của Nguyễn Đặng Thiên Hương (2022) về các nhân tố có tác động đến xác suất trả nợ của khách hàng cá nhân tại NHTMCP Ngoại Thương Việt Nam Bằng việc sử dụng mô hình hồi quy logistic, nghiên cứu đã chỉ ra các yếu tố như: tài sản thế chấp, thu nhập hàng tháng, tình trạng sở hữu nhà và lịch sử nợ quá hạn có tác động tích cực đến khả năng trả nợ Ngược lại, số người phụ thuộc và lãi suất vay vốn lại có tác động tiêu cực đến khả năng trả nợ
2.3.2 Các nghiên cứu nước ngoài
Kohansal và Mansoori (2009), Factors Affecting on loan Repayment Performance of Farmers in Khorasan-Razavi Province of Iran, hai tác giả đã tiến hành nghiên cứu trên mẫu dữ liệu gồm 175 nông dân vào năm 2008 Nghiên cứu sử
16 dụng mô hình hồi quy logic khi tìm hiểu khả năng khi trả nợ của nông dân tại tỉnh Kohansal và Razavi của Iran Mô hình nghiên cứu bao gồm biến phụ thuộc Y đạt giá trị bằng 0 nếu một lần trả nợ đúng hạn và bằng 1 nếu người nông dân không bao giờ trả nợ trễ hạn cho khoản vay trả dần theo từng phần Độ tuổi của người vay chính, số năm kinh nghiệm trong công việc của người nông dân, diện tích của một trang trại, tổng thu nhập, thời gian của khoản cho vay, lãi suất của khoản vay, tổng chi phí hành chính mà người nông dân phải trả để đạt được sự chấp thuận cho vay, kích cỡ của khoản vay, số thành viên phụ thuộc, tổng số kỳ thanh toán cho khoản vay là các biến độc lập Các biến số còn lại đều có ý nghĩa thống kê trong mô hình trừ biến độ tuổi của người vay chính và diện tích của một trang trại Nghiên cứu kết luận nhân tố quan trọng nhất ảnh hưởng tới khả năng trả nợ vay của người nông dân là lãi suất của khoản vay, kế tiếp là kinh nghiệm làm nông của người nông dân
Một bài nghiên cứu khoa học về những nhân tố ảnh hưởng đến khả năng hoàn trả của khách hàng tại Ngân hàng Akatakyiman Rural Nghiên cứu của George năm 2012 tại trường đại học khoa học và kỹ thuật Kwame Nkrumah Nghiên cứu thu thập dữ liệu từ 100 quan sát trong 4 năm 2006 đến 2010, bao gồm 11 biến Thông qua mô hình logit, kết quả cho thấy, các biến ảnh hưởng đáng kể là tài sản bảo đảm và mục đích vay Trong khi đó, các biến không ảnh hưởng là giới tính, tuổi, tình trạng hôn nhân, trình độ giáo dục, số năm quan hệ với ngân hàng và lãi suất
Trong nghiên cứu của Wongnaa (2013) về các nhân tố ảnh hưởng đến khả năng trả nợ của các hộ nông dân trồng khoai lang quận Sene – Ghana, mô hình nghiên cứu được tác giả sử dụng là mô hình probit 100 hộ nông dân bất kỳ đã được lựa chọn để tiến hành khảo sát Kết quả cho ra các biến tác động tích cực đến khả năng trả nợ là giáo dục, kinh nghiệm, lợi nhuận, tuổi tác, giám sát và thu nhập phi nông nghiệp Ngược lại, các biến có ảnh hưởng tiêu cực đến khả năng trả nợ của hộ là giới tính và tình trạng hôn nhân
Nghiên cứu của (Yasir Mehmood và cộng sự, 2012) về các yếu tố ảnh hưởng đến trễ hạn trả nợ tín dụng nông nghiệp cho thấy sự giám sát cẩu thả của nhân viên
17 ngân hàng, sử dụng vốn vay sai mục đích, lãi suất cao và sự biến đổi trong kinh doanh gây ra sự chậm trễ trong việc thanh toán nợ của người vay
Nghiên cứu của (Hussain và Shorouq, 2014) đề xuất hai mô hình chấm điểm tín dụng bằng cách sử dụng các kỹ thuật khai thác dữ liệu để hỗ trợ các quyết định cho vay đối với các ngân hàng thương mại Jordan Đánh giá ứng dụng cho vay sẽ cải thiện hiệu quả quyết định tín dụng và kiểm soát các nhiệm vụ văn phòng cho vay, cũng như tiết kiệm thời gian và chi phí phân tích Cả hai trường hợp được chấp nhận và từ chối đơn xin vay từ các ngân hàng thương mại Jordan khác nhau được sử dụng để xây dựng các mô hình chấm điểm tín dụng Kết quả chỉ ra rằng mô hình hồi quy logistic (logistic regression model) thực hiện tốt hơn một chút so với mô hình hàm cơ sở xuyên tâm (the radial basis function model) về tỷ lệ chính xác tổng thể Tác giả đã dùng các biến độc lập như: (i) độ tuổi, (ii) giới tính, (iii) nguồn thu nhập, (iv) nghề nghiệp, (vi) tài sản bảo đảm, (vii) khoản vay, (vii) thời hạn vay, (viii) mục đích vay, (ix) quốc tịch để đưa vào mô hình nghiên cứu
Frederick Murdoch Quaye, Valentina Hartarska và Denis Nadolnyak (2017) Factors Affecting Farm Loan Delinquency in the Southeast, nghiên cứu các nhân tố ảnh hưởng đến các khoản vay nông trại ở Đông Nam nước Mỹ Nghiên cứu kiểm trả các yếu tố và hành vi ảnh hưởng đến khả năng trả nợ của người nông dân ở Đông Nam Mỹ trong một kỳ hạn nhất định Một nông dân có thời hạn vay quá hạn ít nhất một năm và vẫn chưa thanh toán xong thì được định nghĩa là vi phạm nghĩa vụ trả nợ Từ dữ liệu khảo sát ARA của USDA, nghiên cứu sử dụng dữ liệu mặt cắt ngang 10 năm (2003-2012) Kết quả cho thấy một nông dân lớn tuổi ít có khả năng mất thanh toán hơn so với các đối tác trẻ của họ, do đó tuổi là một yếu tố quan trọng Nông dân là những người có nhiều năm kinh nghiệm canh tác và có trang trại lớn hơn thì ít có khả năng quá hạn nợ Dự kiến, nông dân có xu hướng trả các khoản vay của họ nhiều hơn khi họ có thu nhập từ trang trại thuần cao hơn Nông dân có tỷ lệ lợi nhuận cao hơn và có bảo hiểm thì xác suất trả nợ cao hơn Kết quả cũng cho thấy rằng những người nông dân có nhiều khả năng bị trả nợ quá hạn khi khoản vay trên tài sản bảo đảm lớn
Uma Murthy và ctg (2017) Factors Influencing Non-Performing Loans in Commercial Banks: The Case of Banks in Selangor, nghiên cứu phân tích các yếu tố ảnh hưởng đến các khoản nợ xấu tại các NHTM ở Selangor, Malaysia Đề tài sử dụng những phương pháp xác xuất thống kê bằng phần mềm SPSS: Phương pháp mô tả, tương quan và hồi quy hồi quy Cách tiếp cận mô tả hiển thị kết quả trực tiếp trong khi tương quan hiển thị mối quan hệ giữa các biến độc lập (tiêu chuẩn sống, thu nhập của người tiêu dùng, kinh tế đất nước, lãi suất ngân hàng) và biến phụ thuộc (Không trả nợ) và Ngoài ra, nhà nghiên cứu cũng đã đề cập tóm tắt mô hình, ANOVA và bảng hệ số trong nhiều lần hồi quy Đồng thời thảo luận về ý nghĩa và hạn chế của nghiên cứu này
Bảng 2.1 Tóm tắt các nghiên cứu trước có liên quan
Trương Đông Lộc (2010) Đặng Thị Cẩm Nhung (2015);
Frederic k Murdoc h Quaye, Valenti na Hartars ka và Denis Nadoln yak (2017)
Tỷ lệ cho vay trên TSBĐ
(Nguồn: Tổng hợp của tác giả)
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN 19 1 Nhân tố từ phía khách hàng
Thông qua các nghiên cứu trước đây, có thể tóm tắt các nhân tố tác động đến khả năng trả nợ của KHCN thành 4 nhóm sau: nhóm từ phía khách hàng, nhóm liên quan đến nội tại sản phẩm vay, nhóm đến từ phía ngân hàng và nhóm yếu tố từ nền kinh tế
2.4.1 Nhân tố từ phía khách hàng
- Nhân tố nhân thân: phản ánh các điều kiện cơ bản, nội tại ảnh hưởng đến khả năng giải quyết khó khăn và thực hiện cam kết trả nợ của khách hàng Nhân tố nhân thân bao gồm: tuổi tác, giới tính, dân tộc, tình trạng hôn nhân, trình độ học vấn, ý thức trả nợ, hành vi vi phạm, gian lận trước đây của khách hàng, tình hình sức khỏe …
- Nhân tố nghề nghiệp: phản ánh tính ổn định, bền vững trong nghề nghiệp và khả năng tạo ra thu nhập để trả nợ ngân hàng Các nhân tố liên quan yếu tố nghề nghiệp khách hàng bao gồm: thời gian công tác/số năm trong nghề, chức vụ hiện tại trong công việc, ngành nghề khách hàng đang làm việc, kinh doanh
- Nhân tố về hoàn cảnh sống của khách hàng: có tác động, chi phối đến năng lực tài chính của khách hàng Các nhân tố liên quan bao gồm: số thành viên trong gia đình, số người phụ thuộc, các tài sản mà khách hàng tích lũy được (như xe, bất động sản, tiền gửi tiết kiệm ), địa bàn cư trú của khách hàng
- Nhân tố về tình hình tài chính khách hàng: Các thông tin tài chính, các mối liên hệ tài chính của khách hàng là cơ sở quan trọng nhất cho thấy KNTN vay của KHCN Các nhân tố ảnh hưởng bao gồm: thu nhập giữ lại sau khi trừ các khoản chi phí, nợ phải trả hàng tháng, tổng dư nợ hiện tại, số lần vay nợ mới trong năm, khách hàng có sử dụng vốn giải ngân vào mục đích khác
2.4.2 Nhân tố liên quan đến đặc điểm sản phẩm vay
- Lãi suất vay: là cái giá khách hàng phải trả cho NH khi sử dụng vốn vay Khả năng thu xếp các nguồn trả nợ càng giảm khi lãi suất vay càng tăng
- Quy mô khoản vay: có liên quan trực tiếp đến nguồn thu nhập trả nợ, thời gian công tác/số năm trong nghề, quy mô hoạt động kinh doanh của khách hàng hoặc mối quan hệ giữa khách hàng và NH, có thể là một chỉ báo cho rủi ro tín dụng Các khoản vay nhỏ thường liên quan đến khách hàng có thu nhập thấp, quy mô kinh doanh nhỏ nên có rủi ro lớn hơn, KNTN kém hơn Ngược lại các khoản vay có quy mô lớn liên quan đến khách hàng có thu nhập cao, quy mô kinh doanh lớn nên tài chính đa số là bền vững, đồng thời NH giám sát nghiêm ngặt hơn nên rủi ro không trả được nợ thấp hơn
- TSBĐ nợ vay: giúp giải quyết một phần trường hợp rủi ro đạo đức của khách hàng do sự bất cân xứng thông tin giữa khách hàng và NH Một số sản phẩm vay cá nhân, NH yêu cầu khách hàng phải có TSBĐ để đảm bảo khách hàng thực hiện đúng cam kết trả nợ trong hợp đồng
2.4.3 Nhân tố từ phía ngân hàng
- Kỳ hạn vay: Từ áp lực về nguồn vốn và lợi nhuận, NH hướng khách hàng vay sản xuất kinh doanh đến kỳ hạn vay ngắn, lãi suất thấp, dẫn đến kỳ hạn vay ngắn hơn với chu kỳ sản xuất kinh doanh và dòng tiền của khách hàng dẫn đến khách hàng quá hạn Trường hợp NH áp dụng kỳ hạn vay dài hơn chu kỳ sản xuất kinh doanh của khách hàng thì khách hàng có thể sử dụng vốn sai mục đích, hoặc bắt đầu vào chu kỳ sản xuất kinh doanh mới thay vì trả nợ NH Khách hàng mất KNTN vay do nhân tố này còn do NH luôn ấn định phí trả nợ trước hạn, hay thu hồi lãi suất ưu đãi trong trường hợp khách hàng trả nợ trước hạn
- Năng lực và phẩm chất đạo đức của CBTD: ảnh hưởng đến quyết định lựa chọn đúng khách hàng có KNTN để cho vay Nếu CBTD có năng lực và phẩm chất đạo đức tốt thì khả năng ra quyết định cho vay đối với khách hàng không có KNTN sẽ thấp hơn so với CBTD không có năng lực và phẩm chất đạo đức
- Chính sách, quy trình, quy định cho vay đối với KHCN: nếu chính sách, quy trình, quy định cho vay của NH chặt chẽ thì CBTD có nhiều căn cứ để đánh giá KNTN vay của khách hàng, từ đó có quyết định cho vay đúng khách hàng có KNTN Đồng thời với quy trình, quy định cho vay chặt chẽ lãnh đạo NH dễ dàng phát hiện ra các trường hợp CBTD cho vay đối với KH không đủ điều kiện vay, hoặc không có KNTN vay Ngược lại, nếu chính sách, quy định, quy trình cho vay không chặt chẽ, sơ hở thì CBTD dễ sai lầm cho vay khách hàng không có KNTN, hoặc CBTD có điều kiện lợi dụng sơ hở trong quy định, quy trình cho vay để cho vay đối với khách hàng không có KNTN nhằm thu lợi ích riêng cho bản thân
- Sự cạnh tranh giành giật thị phần giữa các NH: với mục tiêu gia tăng thị phần, tăng trưởng dư nợ vay, các NH giao các chỉ tiêu tăng trưởng dư nợ cho vay và phát triển khách hàng quá cao đối với các CBTD dẫn đến CBTD quá mong muốn hoàn thành chỉ tiêu mà gặp sai lầm quyết định cho vay đối với KH không có KNTN
2.4.4 Nhân tố từ nền kinh tế
- Các yếu tố: thiên tai, dịch bệnh, sự thay đổi trong chính sách kinh tế, lạm phát, lãi suất, gia tăng trong giá nguyên vật liệu đầu vào có thể ảnh hưởng đến kết quả kinh doanh của khách hàng dẫn đến khó khăn về tài chính và mất KNTN vay
- Nếu như nền kinh tế suy thoái, bị đình trệ có thể dẫn đến hoạt động kinh doanh của khách hàng không ổn định, người lao động trong các cơ quan, doanh nghiệp bị giảm lương, sa thải, giảm nguồn trả nợ NH
- Tình hình chính trị bất ổn định có thể dẫn tới sự bất ổn trong xã hội, KNTN vay của khách hàng sẽ bị ảnh hưởng theo
PHƯƠNG PHÁP NGHIÊN CỨU
QUY TRÌNH NGHIÊN CỨU
Hình 3.1 Quy trình nghiên cứu của đề tài
(Nguồn: Tổng hợp của tác giả)
Quy trình nghiên cứu của đề tài gồm 2 bước:
Sử dụng phương pháp định tính thông qua kỹ thuật thảo luận nhóm, nhằm điều chỉnh, và bổ sung các biến quan sát dùng để đo lường trong nghiên cứu
Sử dụng phương pháp định lượng thông qua bảng câu hỏi chi tiết nhằm đánh giá các thang đo, và kiểm định mô hình lý thuyết đã đề xuất.
PHƯƠNG PHÁP VÀ THIẾT KẾ NGHIÊN CỨU
Nghiên cứu định tính được thực hiện thông qua kỹ thuật thảo luận với nhóm các chuyên gia, và KHCN nhằm xác định các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN, cũng như các biến quan sát dùng để đo lường các yếu tố Nghiên cứu định tính thực hiện thông qua hai cuộc thảo luận:
Thảo luận lần 1: Thảo luận nhóm gồm 10 chuyên gia về tài chính ngân hàng Trong buổi thảo luận, tác giả đã đưa ra các yếu tố trong mô hình (cùng với các biến quan sát) để đánh giá yếu tố, biến quan sát nào có ảnh hưởng đến khả năng trả nợ của KHCN, bổ sung thêm biến quan sát hay điều chỉnh các biến quan sát hiện có để cuối cùng đưa ra bảng phỏng vấn dự thảo
Năm câu hỏi đặt ra trong quá trình thảo luận nhóm:
1 Theo Anh/Chị, khi quyết định cho KHCN vay vốn, anh/chị thường quan tâm các yếu tố nào của khách hàng?
2 Theo Anh/Chị, các nguyên nhân dẫn tới việc KHCN không trả nợ đúng hạn?
3 Trình bày cho các chuyên gia về mô hình nghiên cứu đề xuất với thang đo ban đầu, và đặt câu hỏi để xác định yếu tố nào là quan trọng, và yếu tố nào không quan trọng?
4 Theo Anh/Chị ngoài những yếu tố nêu trên, yếu tố nào cần phải chỉnh sửa, bổ sung cho phù hợp?
5 Đưa các mục hỏi của mô hình nghiên cứu đề xuất và đặt câu hỏi về mức độ dễ hiểu của các mục hỏi, cần phải chỉnh sửa bổ sung gì cho các phát biểu, có những phát biểu nào trùng nội dung?
Kết quả thảo luận cho thấy, tất cả các chuyên gia đều đồng ý với 5 nhóm yếu tố và mô hình nghiên cứu đã đề xuất, và không bổ sung thêm yếu tố nào
Thảo luận lần 2: Phỏng vấn khoảng 20 KHCN nhằm kiểm tra mức độ dễ hiểu, hợp lý của bảng phỏng vấn, từ đó đưa ra thang đo và bảng câu hỏi phỏng vấn chính thức Bốn câu hỏi cụ thể như sau:
1 Theo Anh/Chị KHCN khi vay vốn tại Vietcombank CN TP.HCM mong đợi điều gì nhất?
2 Theo Anh/Chị, các nguyên nhân dẫn tới việc KHCN không trả nợ đúng hạn?
3 Trình bày cho các KHCN về mô hình nghiên cứu đề xuất với thang đo ban đầu, và đặt câu hỏi để xác định yếu tố nào là quan trọng, và yếu tố nào không quan trọng?
4 Theo Anh/Chị ngoài những yếu tố nêu trên, yếu tố nào cần phải chỉnh sửa, bổ sung cho phù hợp?
Kết quả thảo luận cho thấy, tất cả 20 khách hàng được hỏi đều đồng ý các câu hỏi tác giả đề xuất trong phiếu khảo sát
Tác giả sử dụng phần mềm excel và chương trình SPSS 20.0 để thực hiện mô hình nghiên cứu Các bước cụ thể:
Bước 1: Chọn mẫu và thu thập dữ liệu từng biến
Bước 2: Sử dụng chương trình SPSS 20.0 để thực hiện mô hình nghiên cứu Hồi quy Logistic các thang đo và lựa chọn mô hình
- Hàm Logistic được hồi quy bằng phương pháp Enter
- Các tiêu chuẩn đo lường hiệu quả của mô hình mà luận văn sử dụng gồm:
+ -2LL (-2 Log Likelihood): đo lường độ phù hợp tổng quát của mô hình, với quy tắc -2LL càng nhỏ càng thể hiện độ phù hợp cao Giá trị nhỏ nhất là 0 (tức là không có sai số), khi đó mô hình có một độ phù hợp cao
+ Classification Table: bảng so sánh trị số thực và trị số dự đoán cho từng biểu hiện có KNTN vay/không có KNTN vay và tính tỷ lệ dự đoán đúng Từ đó ta có hướng tiếp cận khác để xác định được mức độ phù hợp của mô hình + Kiểm định sự phù hợp của mô hình hồi quy với giả thiết H0 là các hệ số hồi quy đều bằng 0 (Omnibus Test of Model Coefficients) Nếu Sig 50 + 8m Trong đó, n là kích thước mẫu tối thiểu cần thiết và m là số lượng biến độc lập trong mô hình Giả sử vẫn áp dụng kinh nghiệm chọn mẫu của Green (1991), với số biến độc lập là 7, vậy kích thước mẫu nghiên cứu tối thiểu bằng 106 quan sát
Theo Tabachnick và Fidell (2007) để tiến hành phân tích hồi quy một cách tốt nhất thì cỡ mẫu tối thiểu N ≥ 8*n + 150 (n: tổng số biến độc lập của mô hình) Vậy số mẫu theo phương pháp này là N ≥ 206
Như vậy, cỡ mẫu tối thiểu cần đạt được cho nghiên cứu này là 206 Tuy nhiên, cỡ mẫu càng lớn hơn mức tối thiểu yêu cầu thì độ tin cậy của nghiên cứu càng cao (giảm những sai lệch do lấy mẫu)
Tác giả dùng hàm rand() trong excel chọn mẫu ngẫu nhiên các khách hàng có KNTN theo từng sản phẩm vay: nhà ở, ô tô, sản xuất kinh doanh, tiêu dùng có TSBĐ khác
Thông tin và dữ liệu mỗi khách hàng theo từng biến nghiên cứu được thu thập qua hệ thống dữ liệu của VCB, báo cáo đề xuất tín dụng của các CBTD, dữ liệu quản lý khách hàng của các cán bộ quản lý khách hàng Cỡ mẫu lựa chọn là 250 khách hàng.
PHƯƠNG PHÁP THU THẬP SỐ LIỆU
Đối tượng là các khách hàng cá nhân đã hoặc đang vay vốn tại Vietcombank
CN TP.HCM, có tài sản bảo đảm, số tiền vay từ 1 đến 5 tỷ đồng Các quan sát được lựa chọn là những khoản vay đã phát sinh từ ngày 01/01/2019 đến thời điểm 30/06/2023 Tác giả chọn như vậy để đảm bảo rằng tất cả các quan sát được chọn đều đã phát sinh kỳ hạn trả nợ phải thanh toán Dữ liệu được trích xuất từ chương trình báo cáo nợ vay tại Vietcombank CN TP.HCM ngày 30/06/2023 Tác giả chọn
34 lọc những khách hàng có đầy đủ thông tin và chọn ngẫu nhiên 250 khách hàng trong toàn bộ danh sách Số lượng thông tin chọn lọc được đối chiếu với hồ sơ gốc của khách hàng được quản lý tại Vietcombank CN TP.HCM
- Đối với khách hàng có KNTN vay: thu thập các khách hàng đang có dư nợ tại thời điểm 30/06/2023 và có thời gian quan hệ tín dụng tại Vietcombank CN TP.HCM đến 30/06/2023 ít nhất 01 năm
- Đối với khách hàng không có KNTN vay: tác giả thu thập các khách hàng không có KNTN theo từng quý giai đoạn từ 01/01/2021 – 30/06/2023; trường hợp khách hàng không có KNTN qua nhiều quý thì chỉ lấy 01 quý;
Bên cạnh đó, tác giả còn sử dụng số lệu thứ cấp được thu thập từ các báo cáo kết quả hoạt động kinh doanh, báo cáo nợ có vấn đề - nợ xấu của Vietcombank Chi nhánh TP.HCM trong giai đoạn 2020 -2023.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
TỔNG QUAN VỀ NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM –
4.1.1 Giới thiệu Ngân hàng TMCP Ngoại thương Việt Nam chi nhánh TP.Hồ Chí Minh
Ngân hàng TMCP Ngoại thương Việt Nam - Chi nhánh Thành phố Hồ Chí Minh là chi nhánh đầu tiên của hệ thống Vietcombank, được thành lập ngày 01/11/1976 Vietcombank chi nhánh TP HCM đã ghi dấu son vào sự chuyển mình mạnh mẽ của hệ thống ngân hàng và sự phát triển của kinh tế - xã hội thành phố trong suốt tiến trình giải phóng - xây dựng - đổi mới - phát triển - hội nhập Trải qua 47 năm hình thành và phát triển, Vietcombank TP.HCM trở thành chi nhánh ngân hàng thương mại đứng đầu ngành ngân hàng trên địa bàn thành phố, là chi nhánh đóng góp lớn nhất về quy mô, hiệu quả trong hệ thống ngân hàng TMCP Ngoại thương Việt Nam
Các sản phẩm, dịch vụ:
Dịch vụ huy động vốn
Dịch vụ chiết khấu, tái chiết khấu công cụ chuyển nhượng và giấy tờ có giá
Dịch vụ bảo lãnh ngân hàng
Dịch phụ phát hành thẻ tín dụng
Dịch vụ thanh toán và ngân quỹ
Dịch vụ ngoại hối trên thị trường trong nước và quốc tế
Các dịch vụ khác theo Giấy chứng nhận đăng ký kinh doanh của Vietcombank
Hình 4.1 Cơ cấu tổ chức Vietcombank CN TP.HCM
Nguồn: tác giả tổng hợp
4.1.2 Tình hình kết quả hoạt động kinh doanh
Huy động vốn đạt trên 117.800 tỷ đồng (tăng 6,7% so với đầu năm) Các chỉ tiêu huy động cuối kỳ và bình quân đều đạt và vượt kế hoạch năm ở cả khối bán buôn và bán lẻ Chi nhánh bám sát định hướng của trụ sở chính: đẩy mạnh huy động vốn không kỳ hạn bình quân thông qua việc phát triển khách hàng cá nhân mới; lãi suất được điều chỉnh linh hoạt, kịp thời theo nhu cầu sử dụng vốn và đảm bảo tuân thủ tỷ lệ an toàn Chính sách mới phí giao dịch ngân hàng điện tử, lãi suất nội bộ điều chỉnh kịp thời để duy trì tăng trưởng quy mô tiền gửi không kỳ hạn, tiền gửi ngoại tệ
Tính đến 31/12/2022, chi nhánh đạt dư nợ cuối kỳ 80.706 tỷ đồng (tăng 13% so với đầu năm) Trong đó, dư nợ cá nhân đạt 24.338 tỷ đồng, tăng 12,6% so với đầu năm
Chi nhánh bám sát định hướng của ngân hàng nhà nước và trụ sở chính là tăng trưởng tín dụng bền vững đi đôi với kiểm soát chất lượng tín dụng, cơ cấu tín dụng chuyển dịch hiệu quả Cụ thể: VCB luôn đồng hành chia sẻ khó khăn với khách hàng Trong 2 tháng cuối năm 2022, VCB đã giảm 1% lãi suất cho vay đối với các khoản vay bằng đồng Việt Nam Tăng trưởng tín dụng ngay từ đầu năm để tối đa hiệu quả sử dụng vốn, tốc độ tăng trưởng luôn được kiểm soát theo mức trần NHNN giao Dư nợ tín dụng đã dịch chuyển theo định hướng, khách hàng, ngành hàng; mở rộng ngành hàng cho vay theo chuỗi Triển khai hiệu quả các chương trình cho vay lãi suất cạnh tranh gắn với phát triển sử dụng các sản phẩm dịch vụ đi kèm
Nợ nhóm 2 và nợ xấu vẫn trong mức kiểm soát của chi nhánh và dưới mức trần cho phép của Trụ sở chính: Tỷ lệ nợ nhóm 2 ở mức 0,35%, tỷ lệ nợ xấu cho vay khách hàng ở mức 0,68%, thấp hơn so với kế hoạch được giao (theo Báo cáo thường niên Vietcombank năm 2022)
Về công tác bán lẻ, trong năm 2022, chi nhánh chú trọng phát triển khách hàng mới nhằm xây dựng cơ sở dữ liệu khách hàng lớn Tổng khách hàng tín dụng và huy động vốn mới chi nhánh phát triển được là 85.400 khách hàng
Về thu dịch vụ, mặc dù trong năm 2022, VCB miễn phí dịch vụ Digibank làm thu dịch vụ của chi nhánh giảm mạnh so với cùng kỳ, nhưng chi nhánh đã chủ động chuyển dịch nguồn thu sang các dịch vụ khác để bù đắp sự sụt giảm cho chính sách và đảm bảo thu dịch vụ vẫn tăng tốt so với cùng kỳ
Về kinh doanh ngoại tệ, mặc dù tình hình biến động tỷ giá các tháng cuối năm bất lợi cho chi nhánh trong hoạt động kinh doanh ngoại tệ, tuy nhiên chi nhánh đã nỗ lực rà soát và khai thác hiệu quả danh mục khách hàng có nhu cầu thanh toán quốc tế, tiếp cận các dự án lớn nhằm gia tăng doanh số và lợi nhuận Tính đến 31/12/2022, doanh số kinh doanh ngoại tệ đạt 5.862 triệu USD
4.1.3 Định hướng năm 2023 của Vietcombank và Vietcombank Chi nhánh TP.HCM
Bối cảnh thế giới năm 2023 dự báo có nhiều khó khăn thách thức khi kinh tế suy giảm và lạm phát duy trì ở mức cao Tăng trưởng GDP toàn cầu dự báo giảm tốc từ mức 3,4% năm 2022 xuống 2,9% năm 2023, nhiều nền kinh tế lớn có nguy cơ rơi vào suy thoái Lạm phát toàn cầu năm 2023 dự báo khoảng 6,6% vẫn cao hơn rất nhiều so với mức 3,5% trước đại dịch Covid-19 Ngân hàng Trung ương các nước vẫn đang trong lộ trình tăng lãi suất nhằm kiểm soát lạm phát Trong khi đó, cuộc chiến Nga-Ukraina chưa có dấu hiệu chấm dứt và tiếp tục ảnh hưởng tiêu cực tới hoạt động kinh tế, thương mại toàn cầu Sự phục hồi của kinh tế Trung Quốc sau khi tái mở cửa chưa đủ mạnh để góp phần vực dậy nền kinh tế thế giới
Tinh thần điều hành chủ đạo của Chính phủ Việt Nam năm 2023 là “Đoàn kết kỷ cương, bản lĩnh linh hoạt, chủ động sáng tạo, kịp thời hiệu quả” với mục tiêu cơ bản là tăng trưởng GDP đạt khoảng 6,5%, lạm phát khoảng 4,5% Nền kinh tế cũng phải đối diện với nhiều thách thức như sức cầu suy giảm, hoạt động ngoại thương chậm lại, thị trường bất động sản trầm lắng, thị trường trái phiếu doanh nghiệp ách tắc, lạm phát tiềm ẩn, lãi suất cao, tỷ giá chịu nhiều áp lực do chính sách tăng lãi suất của FED
Trong bối cảnh đó, Ban lãnh đạo Vietcombank chỉ đạo 3 trọng tâm trong chuyển dịch cơ cấu hoạt động kinh doanh như sau: i) Tăng trưởng tín dụng gắn với chuyển dịch cơ cấu tín dụng hiệu quả bền vững: Gia tăng tỷ trọng và chất lượng tài sản đảm bảo trong tổng dư nợ; Tăng trưởng tín dụng bán buôn gắn với phát triển khách hàng và dịch vụ; Tăng trưởng tín dụng bán lẻ, tín dụng tại phòng giao dịch đồng thời với việc đảm bảo chất lượng tín dụng ii) Phấn đấu cải thiện tỷ trọng thu nhập phi tín dụng, trọng tâm là thu nhập từ dịch vụ Mở rộng cung ứng các sản phẩm dịch vụ trên kênh số và nâng cao chất lượng dịch vụ, trải nghiệm của khách hàng
41 iii) Cơ cấu danh mục nguồn vốn theo hướng gia tăng hiệu quả và đảm bảo phát triển bền vững Phát triển mạnh mẽ vị thế tạo lập thị trường của VCB
4.1.4 Các sản phẩm cho vay dành cho KHCN tại Vietcombank
Dịch vụ cho vay KHCN tại Vietcombank phát triển với nhiều sản phẩm đa dạng, đáp ứng hầu hết nhu cầu của các đối tượng khách hàng
Bảng 4.1 Các sản phẩm tín dụng cá nhân chính của Vietcombank
TT SẢN PHẨM ĐẶC ĐIỂM
1 Cho vay bất động sản để ở
- Cho vay mua nhà ở/đất ở
- Cho vay xây, sửa nhà ở
- Cho vay mua/hoàn thiện nhà dự án
2 Cho vay tiêu dùng có
Cho KHCN vay phục vụ các nhu cầu đời sống, tiêu dùng hợp pháp như du học, du lịch, chữa bệnh, mua sắm nội thất, mua xe máy, mua đồ gia dụng…
3 Cho vay ô tô Cho KHCN vay mua ô tô mới/ô tô đã qua sử dụng phục vụ nhu cầu đi lại
4 Kinh doanh tài lộc Cho vay đối tượng là KHCN/ chủ hộ kinh doanh/chủ doanh nghiệp tư nhân đáp ứng nhu cầu thiếu hụt vốn lưu động trong kinh doanh
5 Cho vay mua đất hỗn hợp
Cho vay mua nhà ở/đất ở, trong đó: có phần đất nông nghiệp
6 Cho vay mua đất nền Cho vay mua đất nền dự án
7 Cho vay mua nhà ở/đất ở kết hợp kinh doanh
Cho vay mua nhà ở, đất ở vừa phục vụ đời sống vừa kết hợp kinh doanh như cho thuê…
(Nguồn: Tổng hợp của tác giả từ tài liệu nội bộ của Vietcombank)
4.1.5 Phương pháp đánh giá khả năng trả nợ của KHCN dựa trên hệ thống xếp hạng tín dụng nội bộ của Vietcombank
Hiện nay, Vietcombank đang áp dụng bộ điều kiện cho vay tối thiểu với toàn bộ sản phẩm vay dành cho KHCN Theo đó, để được Vietcombank cấp tín dụng, khách hàng cần có xếp hạng tối thiểu từ A trở lên Việc triển khai hệ thống XHTD nội bộ có vai trò như một công cụ quản trị rủi ro, là tiêu chí đánh giá khách hàng trước khi quyết định cho vay và là cơ sở để áp dụng lãi suất, trích lập dự phòng rủi ro tín dụng
THỐNG KÊ MÔ TẢ
Thống kê mô tả các biến định tính
Bảng 4.2 Thống kê mô tả các thành phần biến định tính
Tên biến định tính Thành phần Số lượng
Khả năng trả nợ của khách hàng
Không trả nợ đúng hạn 31 12.4
Trả nợ đúng hạn 219 87.6 Độ tuổi
Tình trạng hôn nhân Độc thân, ly dị, góa bụa 72 28.8
Cán bộ, công nhân viên 161 64.4
Tỷ lệ cho vay Dưới 50% 229 91.6
Nguồn: Kết quả phân tích của tác giả luận văn
- Khả năng trả nợ của khách hàng gồm 250 người tham gia khảo sát trong đó có 31 người không trả nợ đúng hạn chiếm 12.4%, 219 người trả nợ đúng hạn chiếm 87.6%
- Độ tuổi gồm từ 20-35 tuổi có 72 người chiếm 28.8%, từ 36-60 tuổi có 150 người chiếm 60%, từ 61 tuổi trở lên có 28 người chiếm 11.2%
- Tình trạng hôn nhân gồm có 72 người độc thân, ly dị, goá bụa chiếm
28.8% và có gia đình gồm có 178 người chiếm 71.2%
- Nghề nghiệp gồm có Cán bộ, công nhân viên có 161 người chiếm 64.4%, thành phần Khác gồm có 89 người chiếm 35.6%
- Thu nhập gồm có khách hàng có thu nhập 15-30 triệu có 55 người chiếm
22%, từ 31-50 triệu có 103 người chiếm 41.2% chiếm tỉ trọng cao nhất, từ 51-100 triệu có 70 người chiếm 28% chiếm tỉ trọng cao thứ hai, trên 100 triệu gồm có 22 người chiếm 8.8%
- Thời gian vay gồm có dưới 12 tháng có 135 người chiếm 54%, trên 12 tháng gồm 115 người chiếm 46%
- Lãi suất vay gồm 3 thành phần Dưới 9% gồm 169 người chiếm 67.6%, từ
9% tới 11% có 65 người tương đương với 26% chiếm tỉ trọng cao thứ hai; còn lại trên 11% có 6.4% tương đương với 16 người
- Tỷ lệ cho vay gồm có Dưới 50% chiếm tỉ trong đa số tương đương với 229 người -91.6%; trên 50% gồm có 21 người chiếm 8.4%
Hình 4.2 Biểu đồ các thành phần định tính
MÔ HÌNH VÀ CÁC GIẢ THUYẾT
Hình 4.3 Mô hình nghiên cứu
Nguồn: Tác giả đề xuất, 2023
Giả thuyết H1: Khách hàng càng lớn tuổi thì khả năng trả nợ càng cao
Giả thuyết H2: Khách hàng có gia đình khả năng trả nợ cao hơn KH độc thân, ly dị, góa bụa
Giả thuyết H3: Khách hàng là cán bộ, công nhân viên làm việc có lương hằng tháng thì khả năng trả nợ cao hơn
Giả thuyết H4: Khách hàng có thu nhập càng cao thì khả năng trả nợ càng cao
Giả thuyết H5: Khách hàng có thời gian vay càng dài thì khả năng trả nợ càng tốt
Giả thuyết H6: Lãi suất vay càng thấp thì khả năng trả nợ càng cao Độ tuổi
Khả năng trả nợ của khách hàng
Giả thuyết H7: Tỷ lệ cho vay trên tài sản đảm bảo càng cao thì khả năng trả nợ càng thấp.
HỒI QUY BINARY LOGISTIC THEO SPSS
4.4.1 Xây dựng phương trình hồi quy tuyến tính từ dữ liệu của mẫu
Mô hình hồi quy tuyến tính được xây dựng có dạng: Y= B0 + Bi*Xi
Xi là trị quan sát thứ I của biến độc lập
Y là giá trị dự đoán ( hay giá trị lí thuyết) thứ I của biến phụ thuộc
B0 và Bi: là hệ số hồi qui, phương pháp được dùng để xác định B0 và Bi là phương pháp OLS – phương pháp bình phương nhỏ nhất
Mối quan hệ giữa biến độc lập với khả năng trả nợ:
Phương trình đường thẳng có dạng:
Tác giả kí hiệu như sau:
- khanangtrano: Khả năng trả nợ của khách hàng (Y)
- tinhtranghonnhan: Tình trạng hôn nhân (X2)
- tylechovay: Tỷ lệ cho vay (X7)
Tiến hành hồi quy Binary Logistic giữa biến phụ thuộc là Khả năng trả nợ của khách hàng (Y) với các biến độc lập, ta có kết quả hồi qui như sau:
Sự phù hợp của mô hình
Bảng 4.3 Kiểm định Omnibus các hệ số mô hình
Nguồn: Kết quả phân tích của tác giả luận văn
Kết quả bảng 4.2 cho thấy: giá trị Chi bình phương bằng 114.996 với bậc tư do df = 7 tương ứng với 7 thành phần tham gia vào hồi quy là có ý nghĩa thống kê với Sig = 0.000 < 0.05 Nên bác bỏ giả thuyết các hệ số hồi quy trong mô hình đều bằng 0
Mức độ dự báo của mô hình
Bảng 4.4 Kiểm định Hosmer và Lemeshow
Step Chi-square df Sig
Nguồn: Kết quả phân tích của tác giả luận văn
Bảng 4.5 Bảng đánh giá mức độ dự báo của mô hình
QD Percentage Correct Không Có
Step 1 Khanangtrano Không trả nợ đúng hạn 24 7 77.4
Overall Percentage 96.4 a The cut value is 500
Nguồn: Kết quả phân tích của tác giả luận văn
Kiểm định Hosmer và Lemeshow về mức độ phù hợp của mô hình với Chi bình phương bằng 57.706 ở mức ý nghĩa Sig = 0.000 < 0.05 nên bác bỏ giả thuyết giá trị quan sát bằng giá trị mong đợi hay nói cách khác giá trị tiên đoán từ mô hình có phù hợp với giá trị quan sát thì phải xem kết quả hồi quy chạy dưới đây
Mức độ dự báo chính xác của mô hình đối với những người cho rằng khả năng trả nợ của khách hàng là 99.1%, đối với người cho rằng khách hàng không trả nợ đúng hạn là 77.4% Mức độ dự báo chung là 96.4%
Mức độ giải thích của mô hình
Bảng 4.6 Mức độ giải thích của mô hình
Step -2 Log TDkeTDhood Cox & Snell R Square Nagelkerke R Square
Nguồn: Kết quả phân tích của tác giả luận văn
Giá trị -2 Log TDkeTDhood cho biết độ phù hợp của mô hình, giá trị này càng nhỏ càng nhỏ thì mô hình càng phù hợp Đồng thời giá trị Nagelkerke R Square 0.699, tức là 30.1 % sự thay đổi trong khả năng trả nợ của khách hàng là do các biến như Độ tuổi (X1); Tình trạng hôn nhân (X2); nghenghiep: Nghề nghiệp (X3); Thu nhập (X4); Thời gian vay (X5); Lãi suất vay (X6); Tỷ lệ cho vay (X7)
4.4.2.2 Kết quả xác định hệ số hồi quy và ý nghĩa
Kết quả xác định hệ số hồi quy được thể hiện trong bảng 4.6 cho thấy, có 6 biến độc lập được đưa vào mô hình có quan hệ với biến phụ thuộc với Sig trong kiểm định Wald đều nhỏ hơn 0.05 Vậy mô hình hồi quy có ý nghĩa về mặt thống kê
Bảng 4.7 Kết quả hồi quy
B S.E Wald df Sig Exp(B) 95% C.I.for
1 a dotuoi 1.214 0.590 4.235 1 0.040 3.368 1.060 10.704 tinhtranghonnhan 1.913 0.777 6.058 1 0.014 6.772 1.476 31.062 nghenghiep 2.022 0.830 5.935 1 0.015 7.553 1.485 38.421 thunhap 1.590 0.739 4.624 1 0.032 4.903 1.151 20.882 thoigianvay 2.671 1.062 6.330 1 0.012 14.453 1.804 115.776 laisuatvay -1.541 0.577 7.128 1 0.008 0.214 0.069 0.664 tylechovay -2.548 1.199 4.518 1 0.034 0.078 0.007 0.820 Constant -3.179 2.839 1.253 1 0.263 0.042
Nguồn: Kết quả phân tích của tác giả luận văn
Hệ số B (cột B) mang dấu (+) chứng tỏ các biến Độ tuổi, Tình trạng hôn nhân, Nghề nghiệp, Thu nhập, Thời gian vay tác động cùng chiều và mang dấu âm (-) là Lãi suất vay, Tỷ lệ cho vay chứng tỏ 2 biến này sẽ có tác động ngược chiều Chiều tác động của các nhân tố tại cột Exp(B) và hệ số của cột Wald cho ta biết mức độ tác động tăng hay giảm tỷ suất giữa việc có ảnh hưởng tới khả năng trả nợ của khách hàng Cụ thể:
- Biến Độ tuổi tăng đến Khả năng trả nợ của khách hàng tăng là 4.235 lần;
- Biến Tình trạng hôn nhân tăng sẽ tác động đến Khả năng trả nợ của khách hàng tăng là 6.058 lần;
- Biến Nghề nghiệp tăng sẽ tác động đến Khả năng trả nợ của khách hàng tăng là 5.935 lần;
- Biến Thu nhập tăng sẽ tác động đến Khả năng trả nợ của khách hàng tăng là 4.624 lần;
- Biến Thời gian vay tăng sẽ tác động đến Khả năng trả nợ của khách hàng tăng là 6.330 lần;
- Biến Lãi suất vay tăng sẽ tác động đến Khả năng trả nợ của khách hàng giảm là 7.128 lần;
- Biến Tỷ lệ cho vay tăng sẽ tác động đến Khả năng trả nợ của khách hàng giảm là 4.518 lần;
Từ các kết quả kiểm định trên, ta có mô hình hồi quy là:
Khả năng trả nợ của khách hàng (𝐘) = 𝐥𝐧 ( 𝐩
∗ 𝐥𝐚𝐢𝐬𝐮𝐚𝐭𝐯𝐚𝐲(𝐗𝟔) − 𝟐 𝟓𝟒𝟖 ∗ 𝐭𝐲𝐥𝐞𝐜𝐡𝐨𝐯𝐚𝐲 (𝐗𝟕) trong đó: p: Xác suất khả năng không trả nợ của khách hàng
1-p: là xác suất có khả năng trả nợ của khách hàng
Vậy mô hình dự báo xác suất khả năng trả nợ của khách hàng:
Xác suất không có khả năng trả nợ:
𝐩(không có khả năng trả nợ = 𝟎) = 𝟏 − 𝐩(không có khả năng trả nợ = 𝟎)
4.4.2.3 Kiểm định các giả thuyết của mô hình
Kết quả kiểm định các giả thuyết từ phân tích tương quan và phân tích hồi quy cho thấy mối quan hệ giữa các biến độc lập với biến phụ thuộc đều có ý nghĩa ở độ tin cậy là 96.4% (Bảng 4.7)
Bảng 4.8 Kết quả kiểm định các giả thuyết
Giả thuyết Hệ số hồi quy
H1 Khách hàng càng lớn tuổi thì khả năng trả nợ càng cao 1.214 Chấp nhận với mức ý nghĩa 5%
H2 Khách hàng có gia đình khả năng trả nợ cao hơn
KH độc thân, ly dị, góa bụa 1.913 Chấp nhận với mức ý nghĩa 5
Khách hàng là cán bộ, công nhân viên làm việc có lương hằng tháng thì khả năng trả nợ cao hơn
Chấp nhận với mức ý nghĩa 5
H4 Khách hàng có thu nhập càng cao thì khả năng trả nợ càng cao 1.590 Chấp nhận với mức ý nghĩa 5
H5 Khách hàng có thời gian vay càng dài thì khả năng trả nợ càng tốt 2.671 Chấp nhận với mức ý nghĩa 5
H6 Lãi suất vay càng thấp thì khả năng trả nợ càng cao -1.541 Chấp nhận với mức ý nghĩa 5
H7 Tỷ lệ cho vay trên tài sản đảm bảo càng cao thì khả năng trả nợ càng thấp -2.548 Chấp nhận với mức ý nghĩa 5 Nguồn: Kết quả phân tích của tác giả luận văn
4.4.2.4 Ví dụ ứng dụng của mô hình
Ví dụ khi kiểm tra khả năng trả nợ của một khách hàng cá nhân qua mô hình tác giả xây dựng trong bài (giả sử chưa biết có khách hàng có trả nợ được hay không), ta sẽ xem xét như sau :
Bảng 4.9 Tóm tắt giá trị trung bình
Chỉ số Kí hiệu Đánh giá
Sig Nhận xét Độ tuổi X1
1.82 0.040 Chấp nhận với mức ý nghĩa
X2 0.71 0.014 Chấp nhận với mức ý nghĩa
0.64 0.015 Chấp nhận với mức ý nghĩa
2.24 0.032 Chấp nhận với mức ý nghĩa
1.46 0.012 Chấp nhận với mức ý nghĩa
1.39 0.008 Chấp nhận với mức ý nghĩa
1.08 0.034 Chấp nhận với mức ý nghĩa
Nguồn: Kết quả phân tích của tác giả luận văn
= −𝟑 𝟏𝟕𝟗 + 𝟏 𝟐𝟏𝟒 ∗ 𝟏 𝟖𝟐 + 𝟏 𝟗𝟏𝟑 ∗ 𝟎 𝟕𝟏 + 𝟐 𝟎𝟐𝟐 ∗ 𝟎 𝟔𝟒 + 𝟏 𝟓𝟗 ∗ 𝟐 𝟐𝟒 + 𝟐 𝟔𝟕𝟏 ∗ 𝟏 𝟒𝟔 − 𝟏 𝟓𝟒𝟏 ∗ 𝟏 𝟑𝟗 − 𝟐 𝟓𝟒𝟖 ∗ 𝟏 𝟎𝟖 Vậy mô hình dự báo xác suất khả năng trả nợ của khách hàng: