Các nhân tố tác động đến rủi ro tín dụng tại ngân hàng thương mại việt nam

Trong phần lớn các nghiệp vụ cốt lõi của NHTM như cung cấp dịch vụ thanh toán không dùng tiền mặt, huy động vốn, cung ứng tín dụng, hoạt động cấp tín dụng giúp ngân hàng tìm kiếm được ng

Mục tiêu nghiên cứu

Mục tiêu tổng quát

Phân tích, đánh giá các nhân tố tác động đến RRTD của NHTM Việt Nam trong giai đoạn 2011-2020 Xem xét thông tin và cập nhật số liệu hoạt động cấp tín dụng đến cuối năm 2022 đồng thời đề ra với các hàm ý chính sách, cải tiến hoạt động QTRRTD ngân hàng thương mại trong giai đoạn tiếp theo.

Mục tiêu cụ thể

Để đạt được mục tiêu tổng quát, cần thực hiện các mục tiêu cụ thể sau:

Nhận diện, phân tích, đánh giá các cấp độ ảnh hưởng của các nhân tố tác động đến RRTD tại các NHTM Việt Nam trong giai đoạn 2011-2020 dưới tác động của các yếu tố vi mô và vĩ mô, chủ quan và khách quan của nền kinh tế

Từ các kết quả nghiên cứu, tác giả rút ra các kết luận để có các đề xuất trong công tác ngăn chặn và phòng ngừa RRTD, đồng thời kiến nghị hàm ý chính sách nhằm nâng cao tính hiệu quả của công tác QTRRTD tại các NHTM Việt Nam trong thời gian tới.

Câu hỏi nghiên cứu

Để đạt được mục tiêu tổng quát và các mục tiêu cụ thể, tác giả cần giải đáp một số nội dung sau:

(i) Các nhân tố quan trọng tác động đến RRTD NHTM Việt Nam là gì?

(ii) Mức độ tác động của các nhân tố ảnh hưởng đến RRTD tại các NHTM Việt Nam như thế nào?

(iii) Những hàm ý chính sách và đề xuất, kiến nghị thiết thực gì nhằm kiểm soát hiệu quả RRTD đối với hoạt động của các NHTM trong thời gian tới.

Dữ liệu và phương pháp nghiên cứu

Dữ liệu

Theo dữ liệu trích lục nghiên cứu, các số liệu được tạo thành bảng dữ liệu, có tính chất đầy đủ với tất cả số liệu liên tục qua các năm từ 2011 đến 2020 ở 25 ngân hàng, được thu thập dựa trên các Báo cáo tài chính đã kiểm toán trong suốt thời gian mười (10) năm Các số liệu kinh tế vĩ mô, các báo cáo và chỉ số tài chính tham chiếu phân tích có nguồn được công bố tại cổng thông tin điện tử của website Tổng cục thống kê và đăng trên website mỗi ngân hàng từng năm, cùng với các số liệu thống kê chung được tham chiếu từ Cổng điện tử của website Ngân hàng Nhà nước, Bộ Tài chính, bên cạnh đó có sự tham khảo tài liệu liên tục tiếp nối nhằm đảm bảo tính kế thừa và phát triển thuộc giai đoạn trước và sau giai đoạn phân tích tính đến thời điểm hoàn tất đề tài.

Phương pháp nghiên cứu

Phân tích trong luận văn được thực hiện bằng việc sử dụng các phương pháp định tính như phân tích và tổng hợp, quy nạp và suy diễn Phân tích số liệu định lượng cũng được sử dụng trong nghiên cứu này Để phân tích, tác giả sử dụng Bayes, đó là một phân tích thống kê nhằm trả lời các câu hỏi về thông số chưa biết của mô hình thống kê bằng cách sử dụng các tuyên bố xác suất (probability statements) Phân tích Bayes dựa trên giả định rằng tất cả các thông số của mô hình là ngẫu nhiên và do vậy, nó có thể kết hợp với các thông tin tiên nghiệm (prior knowledge) Giả định này trái ngược hoàn toàn với phương pháp thống kê tần suất (frequentist) truyền thống, phương pháp này cho rằng các thông số của mô hình là chưa biết nhưng là một đại lượng cố định (fixed quantities) Phương pháp thống kê Bayes tuân theo một quy tắc xác suất đơn giản, quy tắc Bayes, nó cung cấp một phương thức cho sự kết hợp giữa thông tin tiên nghiệm và các dữ liệu nghiên cứu thu thập được Quy tắc Bayes được sử dụng để định dạng cho một phân phối gọi là phân phối hậu nghiệm (posterior distribution) cho các thông số của mô hình Đây là phân phối dựa trên kết quả của việc cập nhật các dữ liệu quan sát được vào thông tin tiên nghiệm Phân tích Bayes sử dụng thông tin tiên nghiệm để thiết lập các tóm tắt khác nhau cho các thông số của mô hình bao gồm ước lượng điểm như số phần trăm, trung vị, trung bình giá trị hậu nghiệm và ước lượng mật độ xác suất hậu nghiệm (credible intervals) Hơn thế nữa, các kiểm định thống kê về các hệ số của mô hình đều được thể hiện dưới dạng xác suất dựa trên việc ước lượng phân phối hậu nghiệm

Trong khuôn khổ cách tiếp cận Bayes, tác giả sử dụng một thuật toán Markov chain Monte Carlo (MCMC), cụ thể lấy mẫu Hydrid Meropolis-Hasing (MH) kết hợp với Gibbs Phương pháp tích phân Monte Carlo có thể giải quyết vấn đề Bayes về tính toán xác suất phân phối hậu nghiệm bằng cách lấy mẫu từ chính phân phối hậu nghiệm đó Đây là một vấn đề quan trọng trong thống kê và là trọng tâm của các nghiên cứu chuyên sâu Thuật toán lấy mẫu MH (hay Rejection sampling) đóng vai trò là công cụ cơ bản để tạo mẫu từ phân phối xác suất tổng quát (von Neumann 1951) Một giải pháp thay thế là sử dụng chuỗi Markov để tạo chuỗi các điểm mẫu tương quan từ miền của phân phối đích (target) và giữ tỷ lệ chấp nhận hợp lý.

Khoảng trống nghiên cứu, mục đích và tác dụng thực tế của đề tài

Về mặt lý luận, đề tài thực hiện phân tích và đánh giá các thành phần gây ra nguy cơ RR đối với các NHTM trong giai đoạn các năm trước, từ 2011 - 2020 Tiếp nối các kết quả nghiên cứu trước, với cùng một đối tượng nghiên cứu là các nhân tố tác động đến RRTD NHTM, các kết quả nghiên cứu đã phân tích và rút ra được kết luận nghiên cứu theo từng giai đoạn thời gian khác nhau, tiến đến giai đoạn mới hơn và trước sự thay đổi khác hơn của các tác động kinh tế, xã hội trong và ngoài nước năm 2023 Việc nghiên cứu thường được dựa trên một hệ thống cơ sở dữ liệu thống kê đã qua, với một bối cảnh kinh tế khác với thời điểm lập báo cáo nghiên cứu, do vậy, việc đề xuất các hàm ý chính sách thường có độ trễ hơn Khoảng trống nghiên cứu không khỏi tránh được là ở chỗ thời gian tổng hợp trong quá khứ, nhưng hàm ý chính sách lại hướng về tương lai và nhất là đối diện với thực tế kinh tế thị trường thời kỳ hội nhập năng động hiện nay Trước tình hình kinh tế, chính trị, xã hội luôn diễn ra những biến đổi khó lường thì RRTD cũng từ đó luôn có các nhân tố mới, và đôi lúc những tác động mới xuất hiện nằm sau khoảng thời gian nghiên cứu

Về mặt phương pháp, dữ liệu bảng cho Bayes được tác giả sử dụng để tổng hợp phân tích Phương pháp Bayes cho phép phân tích ảnh hưởng của tất cả các yếu tố độc lập trong mẫu nghiên cứu, đưa ra các tuyên bố xác suất về kết quả tổng hợp phân tích mô hình, đánh giá các tác động riêng biệt của các yếu tố, đặc biệt các yếu tố tiềm tàng tương quan cao với nhau

Về mặt thực tiễn, hiệu quả của việc thực hiện đề tài góp phần vào quá trình tìm ra các bằng chứng thực tế, nhận diện các khiếm khuyết trong hệ thống vận hành hoạt động kinh doanh tín dụng NHTM qua từng giai đoạn phát triển Thêm vào đó, đề tài còn có các cập nhật những điểm mới, tổng hợp các phương thức QTRRTD hiện đại để các NHTM có thể lựa chọn mô hình phù hợp tại mỗi NHTM, kèm theo đó là các phương án triển khai vận hành, kiểm tra tuân thủ, giám sát thực hiện và kiểm soát, đánh giá cải tiến qui trình nhằm làm cho hoạt động QTRRTD phù hợp hơn, cải tiến hơn Trong lịch sử phát triển hoạt động kinh doanh tín dụng NHTM, đã có các nghiên cứu tương tự ở các giai đoạn trước Tiếp nối với quá trình đó, trong giai đoạn phục hồi sau khủng hoảng tài chính toàn cầu 2008-2009 và với sự xuất hiện có gây tác hại nghiêm trọng của đại dịch bệnh COVID-

19, đề tài cung cấp thêm các dữ liệu phân tích mới trong giai đoạn mới Nghiên cứu thực hiện trong giai đoạn nền kinh tế trong nước mở cửa hội nhập, công nghệ phát triển ở cấp độ nhanh và chịu nhiều tác động biến đổi không ngừng từ tình hình tài chính, tiền tệ, ngân hàng trong khu vực và trên thế giới Với thực trạng tăng trưởng kinh tế Việt Nam trong 2020 thấp hơn 3% đã thể hiện các mặt tiêu cực của nền kinh tế và có thêm các RR đối với các NHTM Việt Nam Vì vậy, nghiên cứu sẽ cập nhật những điểm mới, thiết thực, hiệu quả để hoàn thiện hơn đồng thời đưa ra các kiến nghị, giải pháp và là một phần tiếp nối các nghiên cứu trước đây trong giai đoạn mới.

Kết cấu đề tài

Đề tài bao gồm các chương chính sau đây:

CHƯƠNG II : CƠ SỞ LÝ THUYẾT VỀ RỦI RO TÍN DỤNG NGÂN HÀNG VÀ

CÁC NGHIÊN CỨU THỰC NGHIỆM LIÊN QUAN CHƯƠNG III : MÔ HÌNH, PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU

CHƯƠNG IV : KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

CHƯƠNG V : KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

CHƯƠNG II CƠ SỞ LÝ THUYẾT VỀ RỦI RO TÍN DỤNG NGÂN HÀNG

VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM LIÊN QUAN

Khái quát các loại rủi ro của ngân hàng thương mại

Để hiểu rõ các vấn đề liên quan đến RRTD, chương này bắt đầu bằng việc tổng hợp sơ lược về các loại RR của NHTM Và RRTD được xếp vào loại “ RR tài chính phi thị trường”

“NHTM là loại hình tổ chức tài chính cung cấp một danh mục các dịch vụ tài chính đa dạng nhất, đặc biệt là tín dụng, tiết kiệm, dịch vụ thanh toán, và thực hiện nhiều chức năng tài chính nhất so với bất kỳ tổ chức tài chính nào trong nền kinh tế” theo Peter Rose (Commercial Bank Management) Theo Điều 4, khoản 3 - Luật các TCTD, văn bản bổ sung sửa đổi số 07/VBHN-VPQH ngày 12 tháng 12 năm 2017 thì “NHTM là loại hình ngân hàng được thực hiện tất cả các hoạt động ngân hàng và các hoạt động kinh doanh khác theo quy định của Luật các TCTD nhằm mục tiêu lợi nhuận”; Và theo Điều 4, khoản 12 Luật các TCTD thì “Hoạt động ngân hàng là việc kinh doanh, cung ứng thường xuyên một hoặc một số các nghiệp vụ như: Nhận tiền gửi; Cấp tín dụng; Cung ứng dịch vụ thanh toán qua tài khoản” Theo đó, NHTM thực hiện các vai trò và chức năng sau: (i) Một trung gian tài chính (huy động vốn để cho vay, đầu tư; (ii) Là trung gian thanh toán (giao dịch tài khoản giữa các khách hàng); (iii) Như là người bảo lãnh (tín dụng, dự thầu, phát hành chứng khoán; (iv) Là một kênh thực hiện điều tiết tài chính, tiền tệ, ngân hàng của Chính phủ

Theo cách phân loại RR tài chính, bao gồm RR thị trường và RR phi thị trường thì các RR thị trường dưới tác động thay đổi của tỷ giá gồm có: RR lãi suất; RR tỷ giá;

RR chứng khoán và RR hàng hóa Và RR phi thị trường gồm có RR tín dụng: với tác động gây giảm thứ hạng tín dụng, gây nguy cơ vỡ nợ; và RR thanh khoản tạo ra nguy cơ không đáp ứng được tức thời các nghĩa vụ tài chính Qua đó, RRTD thực chất được xếp vào loại RR phi thị trường

Trong hoạt động của NHTM, các nội dung dịch vụ cung cấp như trên luôn có mối quan hệ hỗ tương lẫn nhau trong việc sử dụng luân chuyển tuần hoàn nguồn vốn huy động để cho vay đến khách hàng Và cấp tín dụng ngân hàng là hoạt động luôn chiếm tỷ trọng cao trong danh mục các hoạt động kinh doanh có sử dụng nguồn vốn của NHTM, đồng thời dịch vụ cung cấp tín dụng cũng tạo lợi nhuận kinh doanh nguồn vốn lớn nhất và là hoạt động mang nhiều RR nhất có thể dẫn đến việc làm cạn kiệt nguồn vốn và phá sản ngân hàng nếu không quản lý tốt các RRTD trong suốt quá trình diễn tiến của hoạt động kinh doanh NHTM

Hình 2.1: Các chức năng của ngân hàng thương mại hiện đại

Nguyễn Văn Tiến; Nguyễn Mạnh Hùng (2017)

Hình 2.2: Các rủi ro chính trong hoạt động ngân hàng thương mại

CÁC RỦI RO CHÍNH TRONG HOẠT ĐỘNG NGÂN HÀNG THƯƠNG MẠI

RR mất khả năng chi trả

RR là yếu tố không tránh khỏi trong nền kinh tế thị trường và NHTM không miễn nhiễm với RR Các RR chính của hoạt động kinh doanh NHTM bao gồm các loại sau:

(1) RR tín dụng; (2) RR thanh khoản; (3) RR lãi suất; (4) RR thị trường; (5) RR thu nhập; (6) RR mất khả năng chi trả

Bên cạnh đó, NHTM phải đối diện với các RR khác trong hoạt động mà được phân loại như sau:(1) RR lạm phát; (2) RR tỷ giá; (3) RR chính trị; (4) RR tội phạm; (6)

CÁC RỦI RO KHÁC TRONG HOẠT ĐỘNG NGÂN HÀNG THƯƠNG MẠI

Hình 2.3: Các rủi ro khác trong hoạt động ngân hàng thương mại

Một trong các RR trên diễn ra ra sẽ làm ảnh hưởng đến toàn bộ hoạt động kinh doanh của NHTM như: về thương hiệu của NHTM, độ tin cậy của khách hàng đối với NHTM, khả năng thanh khoản của NHTM Trước rất nhiều những khả năng RR có thể xảy ra trong kinh doanh tín dụng có tính chất sống còn của NHTM, việc nghiên cứu chi tiết các nhân tố tác động đến RRTD NHTM được thực hiện từ bước nghiên cứu lý thuyết đến bước phân tích số liệu.

Rủi ro tín dụng của ngân hàng thương mại

Khái niệm

Thực tế đã có rất nhiều cách định nghĩa về RRTD, cụ thể như: Anthony Sauders

(2007) định nghĩa: RRTD là “khoản lỗ tiềm năng khi ngân hàng cấp tín dụng cho một khách hàng, nghĩa là luồng thu nhập dự tính mang lại từ khoản vay của ngân hàng không thể được thực hiện cả về số lượng và thời hạn” Theo Timothy W Koch (2006): RRTD là “sự thay đổi tiềm ẩn của thu nhập thuần và thị giá khi khách hàng không thanh toán hay thanh toán trễ hạn”

Theo khoản 1 điều 3 Thông tư số 02/2013/TT-NHNN: RRTD là “tổn thất có khả năng xảy ra đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài do khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết”

Ngoài ra, RRTD NHTM là sự xuất hiện những biến cố không bình thường xảy ra trong quan hệ tín dụng, dẫn đến việc gia tăng nợ xấu, có thể làm mất thanh khoản tại từng ngân hàng và dẫn đến nhiều RR trong việc luân chuyển vốn từ nguồn tiền gửi huy động sang vốn cho vay Các RRTD không thu hồi được vốn cho vay và tiền lãi kéo theo RR mất cân đối giữa dòng tiền vốn thu vào từ tiền gửi tiết kiệm và các khoản thu trong hoạt động kinh doanh của NHTM với dòng tiền vốn chi ra cho hoạt động kinh doanh tín dụng và các khoản chi trong hoạt động kinh doanh của NHTM Các RR mất cân đối giữa dòng vốn thu vào và dòng vốn chi ra dẫn đến xuất hiện nhiều RR khác ảnh hưởng đến uy tín ngân hàng, tác động vào sự tin cậy trong tâm lý khách hàng gửi tiền cũng như các khách hàng có giao dịch tại ngân hàng, đồng thời gây ra các hậu quả xấu trong quá trình kinh doanh tại các ngân hàng

Tóm lại, RRTD xảy ra khi “khách hàng vay không thực hiện nghĩa vụ trả nợ (bao gồm lãi vay và gốc) hoặc trả nợ không đúng hạn cho ngân hàng như đã cam kết trong hợp đồng tín dụng Đây là RR gắn liền với hoạt động tín dụng, dẫn đến tổn thất tài chính như giảm thu nhập ròng và giảm giá trị thị trường của vốn”.

Nguyên nhân của rủi ro tín dụng

Hình 2.4: Các loại rủi ro tín dụng ngân hàng thương mại

Về mặt khách quan, môi trường vĩ mô: được đề cập với mô hình PEST

Thứ nhất, RR do môi trường chính trị và pháp luật (Political): Trước tình hình môi trường kinh doanh trong nước chịu sự ảnh hưởng lan tỏa, việc tạo ra một cơ chế điều hành tài chính, tiền tệ, ngân hàng linh hoạt, kịp thời và an toàn là điều cần thiết như chính sự đòi hỏi của thực tế phát sinh Một hành lang pháp lý hoàn thiện, chặt chẽ, thiết thực, hữu hiệu để định hướng, vận hành và giải quyết các vấn đề nảy sinh trong quá trình phát triển cũng luôn cần những sự điều chỉnh cập nhật với từng giai đoạn khác nhau trong tiến trình phát triển chung Môi trường pháp lý toàn diện và hiệu quả với các qui tắc, chuẩn mực, qui định… minh bạch, sâu sát với các văn bản thực thi theo pháp luật thực sự cần thiết có những sự bãi bỏ, điều chỉnh, bổ sung cập nhật kịp thời những điều khoản, chương mục đã không còn phù hợp, thay vào đó là những qui định và hướng dẫn thực hiện tốt hơn, rõ ràng, thông thoáng hơn theo các Thông tư, Nghị định, Luật qui định cho giai đoạn phát triển mới Điều này cũng không nằm ngoài mục tiêu nhằm phát huy hết tính năng điều tiết kinh tế, quản lý nhà nước bằng pháp luật trong mọi hoạt động kinh tế và đặc biệt đối với hoạt động của ngành tài chính ngân hàng Với những qui định trong nhiều lĩnh vực khác nhau của tổng thể các qui định pháp luật, vẫn có các sự chồng chéo giới hạn xử lý công việc do thời điểm ban hành và các văn bản ở từng ngành có những sự đặc biệt khác nhau Các văn bản đôi khi có sự mâu thuẫn và làm cho việc xử lý công việc theo qui định gặp khó khăn Đối với hoạt động tín dụng ngân hàng, đôi khi các gúc mắc xảy ra trong giải quyết về nợ xấu, tài sản đảm bảo là bất động sản, một số khía cạnh giải quyết công việc chưa được pháp luật qui định chi tiết cụ thể dẫn đến khó khăn trong quá trình kiểm tra, giám sát và giải quyết tranh chấp về tài sản đảm bảo, nợ xấu, …

Thứ hai, RR do môi trường kinh tế (Economics): Sự khủng hoảng của kinh tế trong và ngoài khu vực, chiến tranh cục bộ diễn ra ở một số nước, dịch bệnh lan rộng toàn cầu…đã tạo ra các tác động liên đới đối với kinh tế trong và ngoài khu vực Có những RR phát sinh do tính chu kỳ của nền kinh tế Thêm vào đó, có những RR do sự biến động quá nhanh của thị trường thể hiện qua những biến số kinh tế như lãi suất, lạm phát, tỷ giá…có tác động đến khách hàng của NHTM, và dưới tác động của kinh tế thế giới, các NHTM trong nước không kịp dự đoán được Thêm vào đó, nền kinh tế Việt Nam vẫn còn lệ thuộc quá nhiều vào sản xuất nông nghiệp, hơn nữa công nghiệp phục vụ cho nông nghiệp nên khi chịu ảnh hưởng xấu của thị trường thế giới làm cho giá cả các mặt hàng thiết yếu nhập khẩu có biến động cũng tạo ra những bất ổn nhất định Quá trình mở cửa nền kinh tế đã làm cho môi trường kinh doanh có được những cơ hội mới, sự tự do hóa trong giao thương được mở ra hơn trước, tuy nhiên, cùng với đó là môi trường kinh doanh cũng có sự chọn lọc gay gắt đối với những khách hàng thường xuyên vay vốn của ngân hàng trong việc khách hàng vay phải đối mặt với nguy cơ thua lỗ, mất vốn Thêm vào đó, sự cạnh tranh ngay từ chính các ngân hàng nội địa và ngân hàng nước ngoài khiến cho các ngân hàng trong nước gặp RR kinh doanh Các NHTM trong nước có thể dễ dàng giữ các khách hàng có RR nợ xấu tín dụng, còn các khách hàng có tiềm lực tài chính, phương án vay khả thi có thể bị thu hút bởi các ngân hàng nước ngoài Khi có phát sinh khủng hoảng tài chính tiền tệ và suy thoái kinh tế, trong điều kiện môi trường kinh doanh chung có nhiều bất ổn thì các vấn đề liên quan đến NHTM như: sự cân đối vốn tín dụng và tính thanh khoản trong hoạt động kinh doanh NHTM; sự luân chuyển vốn tín dụng NHTM; Mặt bằng chung của lãi suất huy động và lãi suất tín dụng NHTM… có ảnh hưởng trực tiếp đến khả năng sinh lời của vốn tín dụng và dễ có phát sinh các vấn đề về nợ xấu Đây cũng là một trong những nội dung trọng yếu để ổn định, khôi phục và duy trì nguồn cung ứng vốn trong nền kinh tế

Thứ ba, RR do môi trường văn hóa, xã hội (Socio Cultural): Tạo ra các nét đặc trưng riêng thể hiện qua đặc điểm của người tiêu dùng, là đối tượng phục vụ chính của người vay vốn Các nhóm khách hàng thường mang đặc điểm về lối sống, thói quen, tình trạng sức khỏe, mức thu nhập, mức chi phí qua đó có tính ảnh hưởng đến kết quả hoạt động kinh doanh của khách hàng vay vốn

Thứ tư, vấn đề RR môi trường công nghệ thông tin (Technological): Các thông tin về doanh nghiệp và ngân hàng cần được cập nhật nhanh chóng và chính xác Bên cạnh CIC, cần có một cơ quan đánh giá về doanh nghiệp trước khi duyệt vay một cách khách quan, độc lập và hiệu quả Thông qua đó, mở rộng được việc kiểm soát tín dụng trong nền kinh tế, giảm RR nợ xấu trong khách hàng và trong toàn bộ hệ thống NHTM Đồng thời với việc đầu tư và ứng dụng công nghệ thông tin 4G, dựa trên nền tảng phát triển dịch vụ ngân hàng đa năng, tiên tiến cũng là vấn đề cần được trang bị đồng bộ, đầu tư đúng mức cả về hạ tầng công nghệ và nhân lực quản lý, vận hành

Về mặt khách quan, môi trường vi mô

Trong điều kiện thực hiện quá trình kinh doanh, với sự cạnh tranh ngày càng gay gắt giữa các chủ thể vay vốn với nhau luôn tiềm ẩn những RR đối với kết quả kinh doanh của các khách hàng có sử dụng vốn vay Những yếu tố khó khăn của doanh nghiệp cũng là những RR tiềm ẩn đối với NHTM như từ phía nhà cung cấp; từ khách hàng tiêu thụ sản phẩm và từ các yếu tố thuộc về tài sản đảm bảo (sự tăng giảm giá trị tài sản đảm bảo, loại tài sản đảm bảo, tranh chấp phát sinh đối với tài sản đảm bảo )

Một số nguyên nhân chủ quan

Thứ nhất, RRTD từ phía người đi vay: Một trong những nguyên nhân RRTD từ phía người đi vay thể hiện qua việc khách hàng vay thực hiện mục đích sử dụng vốn Đối với doanh nghiệp khi vay vốn, để được ngân hàng duyệt vay cần chứng minh được mục đích sử dụng vốn, qua đó NH có thể xem xét đến hiệu quả của khoản giải ngân và khả năng có thể tiến hành thu hồi vốn gốc cũng như lãi của việc sử dụng vốn vay theo phương án đã duyệt hay không Tuy nhiên, cũng có trường hợp khách hàng dùng vốn vay để thực hiện các công việc khác với phương án đã duyệt ban đầu dẫn đến việc không đảm bảo được nguồn trả nợ và lãi khoản vay Bên cạnh đó, đôi khi người vay vốn vì nhiều lý do khác nhau đã không giữ thiện chí trả nợ vay ban đầu Trong thực tế đã xảy ra tình huống các cá nhân, tổ chức chần chừ trong việc thực hiện thanh toán các khoản nợ vay đúng hạn Đôi khi khách hàng vay ngắn hạn với mục đích tiêu dùng, sau đó không chủ động tìm cách để thanh toán khoản vay đã giải ngân Ngoài ra, khách hàng vay có những hạn chế về quản lý nên việc kinh doanh đã mang lại kết quả không tốt, dẫn đến sự phá sản của các phương án kinh doanh khả thi Riêng đối với tình hình tài chính doanh nghiệp thiếu minh bạch, không trung thực đã phản ánh sai về tài chính doanh nghiệp cũng làm cho việc thẩm định khoản vay không đúng

Thứ hai, RRTD cũng có thể xuất phát từ chính NHTM: Từ việc xây dựng chính sách tín dụng với các điều kiện thẩm định khoản vay hay là trong công tác bổ nhiệm, xem xét trình độ chuyên môn của nhân sự khi tham gia công việc, chất lượng nhân sự tuyển dụng, đạo đức, trách nhiệm, trình độ chuyên môn nghiệp vụ cũng có tác động làm giảm hoặc tăng các khả năng xấu trong hoạt động cho vay Ngoài ra, các bước kiểm soát, giám sát hoạt động tín dụng trong qui trình QTRRTD cũng là một trong những nguyên nhân quan trọng Bên cạnh đó là xuất phát từ mục đích lợi nhuận cao với các khoản vay chất lượng hay chỉ vì mục tiêu cạnh tranh mà các khoản tín dụng có thể được duyệt dễ dàng hơn để thu hút khách hàng

Thứ ba, việc gian lận trong cung cấp thông tin thẩm định: Trước, trong và sau giải ngân, việc thẩm định cũng quan trọng không kém trong việc kiểm tra thông tin khách hàng, giám sát hàng hóa thương mại hình thành từ vốn vay Thông qua việc đối chiếu số liệu, chứng từ ghi chép sổ sách kế toán, kết hợp với sự kiểm tra lưu lượng hàng hóa nhập xuất tồn được lưu trữ thực tế tại kho bãi của khách hàng cũng góp phần giảm thiểu RR trong hoạt động tín dụng thương mại RR thường xảy ra khi số liệu sổ sách có hàng hóa tồn kho nhưng khách hàng đã không còn hàng hóa tồn kho thực tế tại nhà máy hoặc tại các kho bãi lưu trữ hàng hóa của khách hàng

Thứ tư, sự hợp tác giữa các NHTM còn lỏng lẻo: Một phần thông tin lịch sử giao dịch của khách hàng được lưu giữ tại CIC, mặt khác vẫn còn thiếu sự trao đổi thông tin giữa các ngân hàng vì lý do bảo mật thông tin khách hàng Điều này dẫn đến việc nhiều ngân hàng cùng cho vay chồng chéo cùng một khách hàng, đến mức vượt quá giới hạn khả năng thanh toán khoản vay của khách hàng, dẫn đến RR đồng thời xảy ra với các ngân hàng.

Phân loại rủi ro tín dụng ngân hàng thương mại

Các loại RRTD được phân loại với các đặc điểm sau trong hoạt động NHTM, phân loại theo nguyên nhân phát sinh, gồm có:

RR giao dịch: phát sinh trong quá trình giao dịch của hoạt động cấp tín dụng

NHTM đối với khách hàng cá nhân Trong RR giao dịch có các loại RR chia theo chi tiết như:

+ RR lựa chọn: trong quá trình xem xét mức độ khả thi của phương án vay và duyệt cho vay tín dụng, RR lựa chọn xảy ra trong việc tiến hành phân tích và lựa chọn phương án vay vốn có khả năng mang lại lợi nhuận, trong bước tiến hành chọn lọc khách hàng cho vay

+ RR bảo đảm: phát sinh từ các tiêu chuẩn đảm bảo khoản vay khi được duyệt Cần có các yếu tố đảm bảo khả năng thu hồi vốn vay bằng các tài sản thế chấp được ghi nhận tại điều khoản trong hợp đồng tín dụng

+ RR nghiệp vụ: các phát sinh RR thường xảy ra đối với các quyết định duyệt hồ sơ vay, xác định duyệt mức cho vay Và công tác quản lý khoản vay sau khi giải ngân cũng như các xử lý RRTD khi khoản vay có vấn đề Các yếu tố RR nghiệp vụ thường thuộc về yếu tố con người và các tiêu chuẩn cho điểm đối với khoản vay

RR danh mục: phát sinh từ việc quản lý danh mục tín dụng của NHTM Trong

RR danh mục gồm có các loại RR chi tiết như:

+ RR nội tại: phát sinh trong thời gian hiện tại của khách hàng vay, yếu tố nội tại thuộc về các đặc điểm đặc thù, riêng biệt như: tùy vào tính chất hoạt động ngành nghề, mục đích sử dụng vốn, tiến độ sử dụng vốn giải ngân… trong thời hạn phát sinh hiệu lực của Hợp đồng tín dụng

+ RR tập trung: Các phát sinh RR tập trung thường là tập trung vào cùng đối tượng khách hàng vay, cùng nhóm ngành nghề được ưu tiên duyệt vay hay cho vay đối với nhiều khách hàng nhưng áp dụng tập trung vào cùng một sản phẩm cho vay

Theo Basel II, với các nguyên tắc QTRRTD được Ủy ban Basel ban hành có đề cập: “RRTD là khả năng bên vay nợ ngân hàng hoặc bên đối tác không đáp ứng nghĩa vụ thanh toán theo các điều khoản đã thỏa thuận” RRTD được phân biệt rõ ràng với RR thị trường và là một dạng cụ thể của RR tài chính RRTD là điều không thể tránh khỏi trong hoạt động kinh doanh NHTM Theo tài liệu QTRR ngân hàng (2001) của Joel Bessis, RRTD được hiểu là những tổn thất do khách hàng không trả được nợ hoặc đó là sự giảm sút chất lượng tín dụng của những khoản vay RRTD có thể xảy ra bất cứ lúc nào, nó là sự không chắc chắn trong việc thực hiện đầy đủ nghĩa vụ thanh toán của người được cấp tín dụng cho ngân hàng theo đúng cam kết đã ký

Với nhân tố có tính định lượng, tính bằng con số để đánh giá RRTD bao gồm:

+Tỷ số các tài sản không được thực hiện đối với tổng số khoản tín dụng và cho thuê +Tỷ số xóa sổ ròng về khoản tín dụng đối với tổng số khoản tín dụng và cho thuê + Tỷ số dự phòng hàng năm đối với các tổn thất cho vay so với tổng số các khoản cho vay và cho thuê hay so với tổng vốn cổ phần

+Tỷ số tiền bù đắp đối với các tổn thất cho vay so với tổng khoản cho vay và cho thuê hay so với tổng vốn cổ phần

Với nhân tố có tính định tính, hoạt động ngân hàng có các RRTD tiềm ẩn như:

+ RR thiếu tiền lưu động trong vấn đề thanh khoản của ngân hàng

+ RR về giá trị khoản vay

Xét về nguồn gốc RRTD có: RR cá nhân, RR năng lực thành công, RR vốn; RR kỹ thuật; RR hoàn cảnh kinh tế; RR liên quan đến việc bảo đảm; RR về thể thức cấp tín dụng.

Hậu quả của rủi ro tín dụng ngân hàng thương mại

Các RRTD NHTM xảy ra thường gây tổn thất cho mỗi NHTM, ảnh hưởng đến cả hệ thống tài chính - tiền tệ - ngân hàng của một quốc gia, và ảnh hưởng không nhỏ đến các hoạt động trong nền kinh tế

Hậu quả của RRTD với đối tượng khách hàng sử dụng dịch vụ NHTM Đối với khách hàng gửi tiền: Ngân hàng gặp RRTD là khi ngân hàng không thu hồi được gốc và lãi của khoản giải ngân cho vay Vốn NHTM để thực hiện các khoản cho vay tín dụng đến đối tượng sử dụng khoản vay chủ yếu từ nguồn tiền gửi tiết kiệm và vốn huy động Khi xảy ra các phát sinh ảnh hưởng đến uy tín của NHTM dẫn đến việc khách hàng kéo đến rút tiền ồ ạt cùng một thời điểm dẫn đến việc ngân hàng mất khả năng thanh khoản trong cân đối dòng tiền, và người gửi tiền cũng gặp khó khăn là họ không thể nhận lại khoản tiền đã gửi ngân hàng đúng hạn Đối với người vay tiền: RRTD ở mức độ cao có tạo ra hậu quả cho các đối tượng sử dụng khoản vay Một phần, khi ngân hàng có sự cố trong hoạt động kinh doanh, uy tín của NHTM có khả năng bị thuyên giảm, và có tác động đến độ tin cậy của khách hàng, có ảnh hưởng dẫn đến sự sụt giảm nguồn tiền vào từ người gửi tiền Để giữ khách hàng ở phần huy động vốn, NHTM sẽ phải trả một mức lãi suất huy động thu hút hơn làm cho giá trị của vốn vay cao hơn Khi người vay tiền cần đến khoản tín dụng, vào thời điểm giá trị vốn vay có tăng cao hơn, đồng thời sẽ chịu mức lãi trả cho nguồn vốn NHTM giải ngân cao tương ứng trong một giới hạn qui định Và hơn nữa, đối với người vay vốn có khoản nợ xấu, nợ quá hạn với NHTM thì khách hàng có thể có một mức lãi suất phạt cao hơn, đồng thời cơ hội để khách hàng tìm các nguồn tài trợ khác giảm đi rất nhiều

Hậu quả của RRTD đối với NHTM khi thực hiện hoạt động cấp tín dụng

NHTM khi không thu được vốn và lãi tín dụng đã cấp cho khách hàng, NHTM gặp RR đối với khách hàng gây ra nợ xấu, điều này cũng làm cho thu chi NHTM mất cân đối, ngân hàng bị mất thanh khoản, khả năng chi trả lãi và gốc vốn huy động giảm dẫn đến mất lòng tin người gửi tiền, ảnh hưởng đến uy tín NHTM

Các khoản nợ khi đã đến hạn nhưng khách hàng vẫn không thể thực hiện việc trả vốn gốc và lãi vay sẽ gây nên các khoản nợ xấu Các RRTD NHTM do nợ xấu tín dụng tăng nhanh, tại cùng một thời điểm mất khả năng thanh khoản và nợ xấu tăng cao sẽ làm cho NHTM gặp RR cao và nếu các NHTM không có các giải pháp tốt sẽ lâm vào tình trạng phá sản

Các khoản nợ xấu được phân loại khác nhau theo tiêu chí “Cơ sở phân loại; Theo đảm bảo tiền vay; Theo nguyên tắc hạch toán kế toán” như sau:

CÁC TIÊU CHÍ PHÂN LOẠI NỢ XẤU

Hình 2.5: Phân loại nợ xấu tín dụng ngân hàng thương mại

Nợ mất khả năng thu hồi đúng hạn như hợp đồng tín dụng nói chung trong hoạt động tín dụng NHTM tạo nên RRTD NHTM Do vậy, NHNN đã có lộ trình cho các NHTM triển khai các nội dung qui định trong Hiệp ước Basel, đặc biệt là Basel II trong vấn đề QTRRTD NHTM Các NHTM trong và ngoài nước đều có chung các RR về các khoản nợ tín dụng và luôn cần có các phương án giảm thiểu nợ xấu, xử lý nợ xấu khi tiến hành hoạt động giám sát cho vay và hạn chế RR vỡ nợ tại các NHTM

Hậu quả của RRTD đối với nền kinh tếHoạt động tín dụng NHTM liên quan đến đa dạng các đối tượng khách hàng là cá nhân, doanh nghiệp cũng như các ban ngành, đoàn thể, đơn vị Khi một ngân hàng gặp RRTD sẽ tạo nên hiệu ứng tâm lý làm hoang mang khách hàng sử dụng dịch vụ gửi tiết kiệm, cụ thể qua việc rút tiền hàng loạt tại ngân hàng trong cùng một thời gian Trong hoạt động kinh tế quốc gia, RRTD có thể gây những bất ổn đối với hệ thống tài chính, tiền tệ và ngân hàng, làm cho nền kinh tế bị rối loạn, doanh nghiệp gặp khó khăn về vốn đi vào sản xuất, giá cả hàng hóa tăng, sức mua giảm, thất nghiệp tăng…và nhiều tác động phát sinh khác đến mọi mặt của xã hội Từ sự liên đới của các tác động có tính dây chuyền này, RRTD có thể tạo ra hiệu ứng đổ vỡ “domino” khiến cho chuỗi trung gian tài chính có sự RR toàn cục Thực tế

PHÂN LOẠI Theo cơ sở phân loại -

- Nợ có khả năng mất vốn

PHÂN LOẠI Theo đảm bảo tiền vay -

- Nợ xấu có tài sản đảm bảo

- Nợ xấu không có tài sản đảm bảo

PHÂN LOẠI Theo nguyên tắc kế toán -

Theo Thông tư 11/2021/TT-NHNN trong khủng hoảng kinh tế tài chính toàn cầu, đã xảy ra hiện tượng các NHTM lớn trên thế giới và trong khu vực phá sản, đóng cửa hoạt động, sáp nhập hoặc chuyển nhượng vốn, và ngay cả xảy ra việc các ngân hàng mua bán các khoản nợ, có sự chuyển giao nợ xấu giữa các NHTM và các Công ty mua bán nợ trong nước trong khoảng một thập niên gần đây

Hậu quả của RRTD đối với xã hội

RRTD có thể gây hậu quả tiêu cực đến mọi đối tượng trong xã hội, làm giảm lòng tin của công chúng vào sự vững chắc và lành mạnh của hệ thống tài chính, đồng thời làm giảm tính hiệu quả của các chính sách tài chính, tiền tệ Do đó, việc phòng ngừa, hạn chế và QTRRTD không chỉ là nhiệm vụ của NHTM mà còn là của tất cả các chủ thể liên quan.

Quản trị rủi ro tín dụng ngân hàng thương mại

Khái niệm quản trị rủi ro tín dụng ngân hàng thương mại

QTRRTD NHTM - Credit risk management: “là quá trình xây dựng và thực thi các chiến lược, các chính sách quản lý và kinh doanh tín dụng nhằm đạt được các mục tiêu an toàn, hiệu quả và phát triển bền vững” Theo các tổng hợp phân tích của

“Moody’s Analytics: QTRRTD là một quá trình thực hiện các biện pháp giảm tổn thất bằng cách hiểu một cách đầy đủ về vốn và DPRRTD trong một khoảng thời gian nhất định” Với mục tiêu trọng tâm này thì QTRRTD đúng nghĩa là việc nhà quản trị có những biện pháp để quản lý nguồn vốn kinh doanh tín dụng và hoạch định các khoản dự phòng tương ứng đủ để bù đắp cho các RRTD trong hoạt động kinh doanh tại các NHTM Như Ủy ban Basel đã làm rõ mục đích của hoạt động QTRRTD nằm trong giới hạn xử lý RR bằng các tỷ lệ đảm bảo mà NHTM có thể chấp nhận được

Như vậy, “QTRRTD là việc thực hiện các biện pháp tối đa hóa tỷ suất sinh lời điều chỉnh theo RRTD bằng cách duy trì số dư tín dụng trong phạm vi các tham số cho phép” QTRRTD xem xét cụ thể ở một khoản vay ngân hàng cần thiết sự đánh giá ở cả hai khía cạnh bao gồm mức độ tổn thất và mức lợi nhuận kỳ vọng khi ngân hàng cấp tín dụng cho khách hàng đồng thời cũng là khi thực hiện kinh doanh trên nguồn vốn tín dụng dưới hình thức cấp tín dụng của NHTM

Tính chất lượng và hiệu quả của hoạt động QTRRTD có tác động đối với sự tồn tại và duy trì hoạt động của hệ thống NHTM Vấn đề QTRRTD đã được các chuyên gia trong nước và quốc tế rất quan tâm qua từng giai đoạn thăng trầm của lịch sử phát triển hệ thống NHTM, đặc biệt trong thời kỳ khủng hoảng tài chính tiền tệ toàn cầu và đại dịch Covid-

19 Sự quan tâm và tầm quan trọng của công việc nghiên cứu QTRRTD NHTM đã thể hiện qua nhiều dự án hỗ trợ kỹ thuật để cải thiện hệ thống QTRRTD tại các NHTM thời gian qua

Hoạt động QTRRTD NHTM được xây dựng, duy trì, từng bước cải tiến, và luôn có khuynh hướng đổi mới để hoàn thiện và thích ứng với từng giai đoạn phát triển cụ thể của từng NHTM trong các bối cảnh kinh tế khác nhau qua từng giai đoạn phát triển khách quan Hoạt động QTRRTD được soạn thảo, tóm tắt, mô phỏng, khái quát hóa thành qui trình trong từng NHTM, như một bộ phận không thể tách rời đối với sự tồn tại của NHTM.

Nội dung chính thuộc Qui trình quản trị rủi ro tín dụng

Các nhân tố tác động đến RRTD phát sinh trong hoạt động cho vay vốn Do vậy, thông qua quá trình thực hiện qui trình QTRRTD NHTM, cũng có thể làm giảm bớt tác hại làm hạn chế và gây ra nguy cơ thiệt hại trong quá trình tiến hành cho vay tại NHTM Hiện nay, có hai mô hình QTRRTD được sử dụng phổ biến trong hệ thống NHTM, đó là:

Mô hình QTRRTD tập trung Đối với mô hình này, việc thẩm định khách hàng và QTRRTD của ngân hàng được tập trung ở hội sở chính hoặc phân định theo vùng, miền Mô hình này tách biệt độc lập giữa chức năng kinh doanh và chức năng QTRR, điều này thể hiện sự chuyên nghiệp, khoa học và có tính chuyên môn hóa cao trong các bước tiến hành công việc và đối tượng thực hiện Mô hình này thông thường áp dụng tại các ngân hàng có quy mô hoạt động lớn, có tính tuân thủ cao và có sự đánh giá mức độ RRTD toàn diện hơn dựa trên tình hình kinh tế tổng thể và cụ thể của mỗi vùng, miền

Mô hình QTRRTD phân tán

Với mô hình này, công tác thẩm định khách hàng và QTRRTD của ngân hàng được thực hiện tại các chi nhánh riêng với một giới hạn như là hạn mức cho phép trong việc thẩm định và phê duyệt tín dụng tùy vào cấp độ mô hình Chi nhánh, phân theo cấp Chi nhánh Hội sở chính có nhiệm vụ chỉ đạo hướng dẫn chung, thực hiện công việc thẩm định khách hàng ở các cấp cao hơn, có giới hạn vượt quá khả năng cho phép của chi nhánh cấp dưới Khi thực hiện theo phương pháp QTRRTD này, sự độc lập giữa chức năng kinh doanh và chức năng QTRRTD chưa rõ ràng tại các chi nhánh Mô hình này thường được áp dụng ở các ngân hàng có quy mô hoạt động nhỏ, có sự đánh giá mức độ RRTD dựa trên tình hình kinh tế tại từng khu vực riêng lẻ thuộc phạm vi hoạt động của Chi nhánh Đối với các ngân hàng có tổ chức bài bản và đầy đủ cho công việc QTRRTD, qui trình các bước công việc của hoạt động QTRRTD cơ bản được thực hiện bao gồm bốn bước sau cùng với các hồ sơ, biểu mẫu quản lý và các lộ trình cải tiến theo hướng tích cực hơn trong công tác cấp tín dụng NHTM:

Hình 2.6: Các bước của qui trình quản trị rủi ro tín dụng

Bước 1: Nhận diện RRTD NHTM

Nhận diện RRTD là quá trình xác định liên tục và có hệ thống các dấu hiệu khách quan trong khi tiến hành công việc xem xét tính khả thi của khoản vay Thông qua các hoạt động để nhận diện RRTD như việc tiếp xúc, khảo sát, quan sát, nhận thông tin và phân tích môi trường hoạt động kinh doanh …của khách hàng để thống kê, nhận biết và có sự ước lượng RRTD cụ thể, sâu sát và hiệu quả nhất Thông qua môi trường hoạt động kinh doanh và quy trình tín dụng để nhận diện RRTD, xem xét và dự báo các nguy cơ tiềm ẩn có thể gây ra RRTD

Thực hiện bước phát hiện và nhận biết RR thông qua việc lập bảng liệt kê tất cả các loại RRTD có thể xảy ra đối với từng khách hàng, từng khoản vay… trong hạn mức của từng gói giải ngân Thông qua việc lập bảng câu hỏi để thu thập thông tin khách hàng, tham khảo, tiếp nhận và tổng hợp thông tin khách hàng đặc biệt là các hồ sơ TD có hạn mức cao, tài sản đảm bảo phức tạp…để nhận dạng các yếu tố RR của khoản TD, từ đó đưa ra các cảnh báo RRTD cần thiết

Bước 2: Đo lường RRTD NHTM

Thông qua việc thực hiện tập hợp số liệu và phân tích số liệu theo các tiêu chuẩn đã đặt ra tại bước nhận diện RRTD Các báo cáo sau khảo sát được tập hợp, trong đó có bao gồm ước lượng về mức độ RRTD đối với ngân hàng, khách hàng và danh mục đầu tư

NHẬN DIỆN ĐO LƯỜNG KIỂM SOÁT & ĐÁNH GIÁ XỬ LÝ

Thông qua công việc đo lường RRTD, với các nội dung phân tích và đánh giá cấp độ RRTD của khách hàng có thể giúp xác định phần bù RRTD xảy ra, và có thể cung cấp một hạn mức cấp TD của khách hàng ở giới hạn an toàn tối đa từ các mô hình đo lường RRTD phù hợp

Việc đo lường RRTD có tùy thuộc vào tình hình tài chính, phương án kinh doanh của từng khách hànhg cụ thể: tùy nội dung chi tiết các thành phần hồ sơ tín dụng, mục đích vay và nguồn thu nhập để thanh toán khoản vay… Khi các yêu cầu về chất lượng khách hàng ở mỗi NHTM phù hợp, kết quả đo lường RRTD ở mức tốt, công việc QTRRTD có thể xác định được các khả năng xảy ra RR và có các phê duyệt khoản vay an toàn, phù hợp cho khách hàng

Bước 3: Kiểm soát và đánh giá RRTD NHTM

Thông qua việc đo lường RRTD, xác định được hạn mức an toàn cho từng khoản vay, từng đối tượng khách hàng, việc tiến hành hoàn tất các bước lập tờ trình với các kết quả hồ sơ tại Bước 1, Bước 2, việc hoàn thiện thẩm định tín dụng sẽ được tiến hành

Bằng việc sử dụng các biện pháp kỹ thuật, công cụ phân tích chiến lược nhằm mục đích ngăn ngừa, hạn chế thấp nhất RRTD NHTM trong giải ngân khoản cho vay vốn, các công việc về thẩm tra, đánh giá và kiểm soát tín dụng là hết sức cần thiết Những hoạt động này dựa vào các nội dung như: chính sách tín dụng; Chính sách khách hàng; Bảng kết quả phân tích các hệ số áp dụng đạt mức an toàn đối với từng hồ sơ vay cụ thể; Các báo cáo đánh giá xếp hạng tín dụng đối với từng khách hàng cụ thể…Tùy các mức độ RR của khoản vay và khả năng chấp nhận RRTD của NHTM, các mức DPRRTD sẽ được thiết lập theo qui định tương ứng và là giải pháp làm giảm thiệt hại, ngăn ngừa việc phát sinh nợ xấu và bán nợ để phân tán RR tại các NHTM khi tiến hành duyệt hồ sơ vay vốn cho khách hàng

Trong quá trình kiểm soát RRTD luôn song hành cùng việc đánh giá các mức độ RRTD có thể xảy ra Đây là công việc được tiến hành đồng thời và dựa trên các tiêu chí đánh giá cụ thể tại mỗi NHTM Các nội dung của hoạt động đánh giá RRTD tại các khâu chia tách cụ thể của cả qui trình tín dụng NHTM sẽ theo các tiêu chí khác nhau, có liên quan chặt chẽ theo hướng logic Các tiêu chí đánh giá RRTD do các NHTM tự xây dựng dựa trên các nội dung thuộc nghiệp vụ tín dụng NHTM và khả năng QTRRTD tại mỗi NHTM Đánh giá RRTD là hoạt động đánh giá về hiệu quả của hoạt động tín dụng NHTM ở tất cả các yếu tố liên quan đến khách hàng, khoản vay và công tác cho vay của NHTM trong từng khoản vay cụ thể và cho tất cả hoạt động cho vay tín dụng tại mỗi NHTM trong một thời gian cụ thể Các khoản tín dụng có chất lượng tốt sẽ có khả năng thu hồi cả vốn và lãi đúng thời gian như đã cam kết tại Hợp đồng tín dụng Trong thực tiễn, có hai chỉ số cơ bản dễ xem xét nhất để xem xét chất lượng tín dụng là tỷ lệ nợ xấu và tỷ lệ phân bổ quỹ DPRRTD trên tổng dư nợ Bên cạnh đó, việc đánh giá tín dụng cũng còn bao gồm các yếu tố khác ngoài các tỷ lệ phân tích bằng con số có tác động từ môi trường kinh doanh và từ tình hình chung của thực trạng kinh tế, xã hội

Bước 4: Xử lý RRTD NHTM

Hoạt động QTRRTD bao gồm cả bước xử lý RRTD sau khi các nội dung của Bước 1,2,3 đã tiến hành nhưng vẫn phát sinh các RRTD không mong muốn Xử lý RRTD là công việc diễn ra khi có các phát sinh ngoài Hợp đồng tín dụng, thường bất lợi đối với việc thực hiện Hợp đồng tín dụng về cả hai phía khách hàng và NHTM Sau khi NHTM tiến hành quản lý và kiểm soát RRTD nhưng không giải quyết được vấn đề RRTD, bước cuối cùng để giải quyết và đi đến kết thúc quan hệ tín dụng NHTM là phải xử lý RRTD NHTM sẽ đưa ra những quyết định và biện pháp để khắc phục và hạn chế thấp nhất những chi phí RR và thiệt hại mà RRTD gây ra đối với ngân hàng, và đối với khách hàng sẽ theo qui định của pháp luật hiện hành Việc xử lý RRTD được thực hiện dựa trên khả năng chấp nhận RRTD của khách hàng và căn cứ trên việc thực hiện Hợp đồng tín dụng Các qui trình thuộc bước xử lý RRTD có dựa theo sự thỏa thuận xử lý của khách hàng đồng thời bộ phận xử lý RRTD cũng có những bước công việc chuyển giao để cơ quan chức năng tiến hành và ra phán quyết cuối cùng

Một số nội dung thuộc về QTRRTD luôn được xem xét, chú trọng bao gồm:

Việc xếp hạng khách hàng vay: Mục đích nhằm để dự báo nguy cơ vỡ nợ theo ba cấp độ cơ bản là: nguy hiểm, cảnh báo và an toàn dựa vào xác suất không trả nợ được của khách hàng – PD: Probality of Default NHTM dựa vào lịch sử giao dịch của khách hàng với ngân hàng trong quá khứ là năm năm, với ba nguồn thông tin chính là: “các chỉ tiêu tài chính mang tính định tính và mang tính định lượng”, “cùng nhóm dữ liệu mang tính cảnh báo” liên quan đến khả năng trả nợ của khách hàng (Trầm Thị Xuân Hương, 2009)”

Việc trích lập DPRRTD cụ thể cho từng khoản nợ: Được thực hiện theo qui định với tỷ lệ tương ứng mức RR đã tính Do đó, nếu dự báo RR nợ xấu có thực sự xảy ra thực, các NHTM vẫn có những biện pháp xử lý khoản nợ xấu, giảm thiểu được RRTD Ngoài ra, kết quả xếp hạng tín dụng còn dùng để kiểm soát các khoản vay NHTM sau khi NHTM xếp hạng khoản vay theo quy định về việc giám sát cho từng loại khoản vay và các chính sách để phục vụ khách hàng tốt hơn (Trầm Thị Xuân Hương, 2009)

Việc xếp hạng tín dụng nội bộ: Đây cũng là một trong các công cụ phục vụ công tác QTRRTD, thu nợ và xử lý RRTD Do đó, “việc xây dựng một hệ thống xếp hạng tín dụng nội bộ” theo những quy định của chuẩn mực quốc tế là cần thiết cho việc nâng cao năng lực QTRRTD ở các NHTM

Xây dựng hệ thống quản trị rủi ro tín dụng như chuẩn mực quốc tế - Hiệp hội Basel

Nhằm thực hiện tốt các hoạt động giám sát và QTRRTD theo tiêu chuẩn quốc tế như là những thỏa ước chung, Hiệp ước Basel II đã nêu một số nội dung như là những nguyên tắc chung đối với việc QTRRTD NHTM Về Hiệp ước Basel với các quy định được đề xuất đã mang đến các thách thức về tính tuân thủ nhằm phục vụ cho đối tượng chính là các ngân hàng, khách hàng NHTM, cơ quan đánh giá và cuối cùng là các thị trường vốn toàn cầu của họ Với mục đích thực hiện đồng bộ trong hoạt động NHTM theo các chuẩn mực quốc tế, đặc biệt đối với hoạt động QTRRTD nhằm đảm bảo an toàn cho hệ thống NHTM, các nội dung thuộc Basel II đã được thống nhất tiến hành thực hiện tại hệ thống NHTM Việt Nam “Basel II cũng khuyến khích trên những cải tiến đang diễn ra trong đánh giá và giảm nhẹ RR, khuyến cáo các NHTM cải tiến, phát huy các lợi thế cạnh tranh bằng cách phân bổ vốn cho các quy trình, phân đoạn và các thị trường có thể chứng minh một tỷ lệ RR cụ thể Phát triển nhận thức sâu hơn về mối quan hệ RRTD, hiệu quả về vốn để hỗ trợ các chủ thể vay vốn cụ thể Khách hàng, sản phẩm và quy trình là một trong những tiềm năng kinh doanh quan trọng nhất Basel II được thiết kế và cải tiến liên tục, có điều chỉnh để phù hợp với xu thế phát triển chung của các quốc gia qua từng giai đoạn Basel II với một chuỗi các cách tiếp cận RRTD phức tạp và xoay quanh công tác giám sát, kiểm soát và QTRRTD trong RR vận hành Basel II sử dụng mô hình ba trụ cột “three pillars” trong vấn đề (1) vốn tối thiểu, (2) trong vấn đề giám sát, (3) đề cập về nguyên tắc thị trường (Theo phụ lục 5 đính kèm) Theo yêu cầu của Basel II, các NHTM dùng phương thức tiếp cận xếp hạng tín dụng nội bộ cho toàn bộ khoản mục tín dụng, đầu tư của tài sản Có Trên cơ sở đó, các NHTM tính toán các hệ số RRTD cho từng khoản nợ vay hay cho từng loại tài sản Mức kết quả đạt được càng thấp thì mức độ RR càng cao.

Các nhân tố tác động đến rủi ro tín dụng ngân hàng thương mại

Các nhân tố vĩ mô

Tổng sản phẩm quốc nội (GDP)

Các công trình nghiên cứu trước đã chứng minh rằng: tăng trưởng GDP, lạm phát và lãi suất có ảnh hưởng tới RRTD, đồng thời có ảnh hưởng đến hiệu quả QTRRTD Khi nền kinh tế tăng trưởng, phát triển sẽ tạo điều kiện thuận lợi cho hoạt động kinh doanh của khách hàng được cấp tín dụng, RRTD lúc này sẽ thấp hơn ở thời kỳ nền kinh tế suy thoái, hiệu quả QTRRTD của NHTM trong thời điểm này sẽ cao hơn

Khi lạm phát cao, sẽ đặt các doanh nghiệp trong tình trạng khó khăn Khi vật giá tăng quá nhanh thì tình trạng đầu cơ, tích trữ hàng hóa tăng lên, gây sự mất cân đối giả tạo làm cho kinh tế rối loạn, làm ảnh hưởng tiêu cực đến hoạt động kinh doanh cũng như thu nhập của các thành phần tham gia vào nền kinh tế Khi lạm phát cao và siêu lạm phát sẽ làm cho hoạt động của hệ thống tín dụng NHTM lâm vào tình trạng khủng hoảng Nguồn tiền lưu thông bị sụt giảm, các thành phần tham gia vào nền kinh tế có thể mất khả năng thanh toán, các chỉ số dự kiến tính toán về kinh tế bị sai lệch gây khó khăn cho các hoạt động đầu tư, tạo ra RRTD, làm giảm hiệu quả QTRRTD

Có những RRTD phát sinh từ việc người vay gặp phải các tác động thuộc môi trường kinh doanh, hoặc chu kỳ kinh tế hay do dịch bệnh gây ra Các doanh nghiệp kinh doanh không thuận lợi nên khó thu hồi nợ vay, RRTD xảy ra là cao và ngược lại Vào thời kỳ suy thoái, nhiều doanh nghiệp gặp khó khăn làm cho khoản vay dễ xảy ra RR đặc biệt là những khoản tín dụng trung và dài hạn

Môi trường pháp lý Đây là nhân tố gây RRTD thông thường ở các nước có chính sách quản lý kinh tế bất ổn Những thay đổi về chính sách thuế, quy định bất cập về kinh doanh bất động sản…sẽ làm cho các doanh nghiệp khó chủ động trong chiến lược kinh doanh của mình Môi trường kinh doanh không ổn định sẽ làm tình hình tài chính của khách hàng vay vốn suy yếu, đồng thời RRTD cũng có khả năng tăng cao.

Các nhân tố thuộc về nội tại của ngân hàng

Quy mô của ngân hàng

Qua các nghiên cứu cho thấy, thực tế quy mô của ngân hàng có tác động hai chiều đến RRTD cũng như hiệu quả QTRRTD Hiện nay, các nghiên cứu đi theo hai hướng:

Một mặt có quan điểm: Ngân hàng có quy mô lớn thường có nguy cơ RRTD cao hơn, hiệu quả QTRRTD thấp hơn các ngân hàng có quy mô nhỏ Thông thường, đối với những ngân hàng có quy mô lớn, đối tượng khách hàng đều là những doanh nghiệp lớn nên khi xảy ra biến động thị trường, các doanh nghiệp này dễ bị tổn thất nặng nề, ảnh hưởng đến hoạt động kinh doanh từ đó xác suất không thực hiện được nghĩa vụ tín dụng đối với ngân hàng Bên cạnh đó, việc đơn giản hoá các thủ tục tín dụng tạo ra lỗ hổng trong quá trình cấp tín dụng và sẽ phát sinh RRTD

Mặt khác lại có quan điểm ngược lại: Với những ngân hàng có quy mô lớn, có đầy đủ nguồn lực để xây dựng một hệ thống QTRRTD tốt hơn, do đó RRTD đối với các ngân hàng này là khá thấp mang lại hiệu quả QTRRTD cao Xét về lộ trình tăng vốn, nhóm NHTM cổ phần có nhiều ưu thế hơn do chủ động được vốn từ nhiều nguồn và vẫn có nhiều cơ hội để tăng vốn trong thời gian tới, do vậy, tạo ra nhiều cơ hội cần thiết cho việc tăng trưởng tín dụng Tuy nhiên, việc này cũng tạo ra áp lực nhất định cho các NHTM trong việc QTRRTD để sử dụng vốn hiệu quả

Tốc độ tăng trưởng tín dụng

Tốc độ tăng trưởng tín dụng NHTM nhanh tiềm ẩn chất lượng tín dụng NHTM không cao, xác suất xảy ra RRTD lớn, hiệu quả QTRRTD không cao Xét về cơ cấu tín dụng trong từng thời kỳ của các NHTM cũng có ảnh hưởng đến RRTD Cơ cấu tín dụng sẽ có thay đổi tùy thuộc vào chính sách kinh doanh tín dụng và kế hoạch giải ngân nguồn vốn cho vay của các NHTM Nếu xảy ra biến động lớn, ngân hàng có khả năng sẽ lâm vào tình trạng mất cân đối vốn, mất khả năng thanh khoản, làm giảm uy tín của ngân hàng

Chính sách tín dụng của NHTM

Chính sách tín dụng là tổng thể các định hướng, chủ trương, biện pháp, nguyên tắc, của ngân hàng trong việc cấp tín dụng nhằm hạn chế RR và đạt mục tiêu của hoạt động tín dụng Tùy vào từng giai đoạn phát triển và kế hoạch khác nhau của mỗi NHTM, chính sách tín dụng cụ thể bao gồm: giới hạn dư nợ (tổng dư nợ, dư nợ tối đa với một khách hàng, dư nợ tối thiểu để đảm bảo bù đắp chi phí ); danh mục cho vay; thời hạn cho vay; ranh giới các đối tượng cấp tín dụng; tiêu chuẩn khách hàng; tiêu chuẩn tài sản đảm bảo; quyền phán quyết duyệt vay; các nội dung về quản lý khoản vay và hồ sơ vay; các chính sách xử lý khoản vay có vấn đề và chính sách định giá tín dụng

Cần thiết có sự phù hợp giữa đặc điểm nguồn vốn, nguồn nhân lực, chính sách tín dụng và khả năng QTRRTD giúp hiệu quả hoạt động tín dụng cao hơn Ngoài ra, các yếu tố khác cũng cần được quan tâm đúng mức như chính sách tín dụng an toàn, sâu sát, cẩn trọng từ khâu dự báo đến các định hướng cho chi nhánh và đơn vị trực thuộc hệ thống NHTM trong việc thực thi chính sách tín dụng tại mỗi NHTM

Nợ xấu theo Reed (1984) là các phần tiền mà NHTM cho khách hàng vay nhưng không thể thu hồi khi đến hạn vì các lý do khách quan từ phía khách hàng Các nghiên cứu về RRTD trước đây đã đề cập đến hệ quả của RRTD là nợ xấu, trong đó vấn đề mấu chốt là sự gia tăng của nợ xấu NHTM Tìm ra lý do nợ xấu phát sinh chủ yếu là do thu thập và xử lý thông tin gặp những mặt khiếm khuyết, chưa đầy đủ… dẫn đến thông tin không đầy đủ, chưa chính xác, từ đó dễ dẫn đến RRTD và cần thiết hạn chế nợ xấu Các nội dung gồm có: chọn lọc và giám sát tín dụng, thiết lập hệ thống thông tin với khách hàng trên nguyên tắc tín dụng lâu dài, cùng với các khái niệm về tài sản thế chấp và số dư bù, khái niệm về vốn tín dụng Tương tự, nghiên cứu về sự gia tăng của nợ xấu của Reinhart & Rogoff (2010) kết luận: “Nợ xấu chính là dấu hiệu cảnh báo khủng hoảng tài chính trong tương lai” Nếu không được xử lý kịp thời, nợ không thu hồi được sẽ có các tác động tiêu cực đến hoạt động kinh doanh NHTM Khi lượng nợ xấu trong ngân hàng tăng lên, điều này ảnh hưởng đến lợi nhuận của ngân hàng Khi tỷ lệ nợ xấu tăng, tỷ lệ DPRRTD của ngân hàng cũng tăng lên nhằm đối phó với các RR cao hơn

Thu nhập lãi ròng cận biên (NIM)

Thu nhập lãi ròng cận biên cũng ảnh hưởng đến DPRRTD của ngân hàng vì phần lớn thu nhập của các ngân hàng dựa vào thu nhập lãi thuần “Thu nhập lãi ròng cận biên” được tính bằng cách chia thu nhập lãi thuần cho tổng tài sản có sinh lời Nghiên cứu của Espinosa và cộng sự (2011) đã cho thấy mối quan hệ tích cực giữa DPRRTD và thu nhập lãi ròng cận biên Kết quả này cũng được tái xác nhận trong nghiên cứu của “Garza- Garcia (2010)”, “Nguyễn Văn Thuận và Dương Hồng Ngọc (2015)”, cũng như “Phạm Xuân Quỳnh và Trần Đức Tuấn (2019)” Các nghiên cứu này đã thể hiện rằng các ngân hàng có hoạt động cho vay nhiều có khả năng gặp RR cao, do đó, họ cần trích lập nhiều dự phòng để đối phó với các RR dự kiến Do vậy, thu nhập lãi ròng cận biên có chịu sự tác động trực tiếp của RRTD và mức TLDPRRTD

Khả năng sinh lời của ngân hàng Để đánh giá khả năng sinh lời của ngân hàng, các nghiên cứu thường sử dụng ROA (Tỷ lệ lợi nhuận trên tài sản) hoặc ROE (Tỷ lệ lợi nhuận trên vốn chủ sở hữu), cho thấy mức độ hiệu quả trong việc quản lý tài sản và vốn chủ sở hữu để tạo ra lợi nhuận Nhiều nghiên cứu đã chứng minh mối quan hệ nghịch đảo giữa khả năng sinh lời và nợ xấu, nhận ra quản lý kém thường liên quan đến kỹ năng đánh giá tín dụng kém, việc thẩm định tài sản đảm bảo và quản lý cam kết đối với khách hàng vay nợ không chính xác Trong khi đó, hợp lý khi cho rằng một ngân hàng có khả năng sinh lời cao thường ít động cơ để tạo ra thu nhập nhiều hơn, vì vậy họ thường ít bị ràng buộc khi tham gia vào các hoạt động cho vay có RR

Tỷ lệ dư nợ/vốn huy động

Khi tỷ lệ cho vay của ngân hàng cao hơn số tiền được gửi vào ngân hàng, để tránh việc thể hiện rằng họ đang cố gắng thu hút vốn từ nguồn bên ngoài, ngân hàng có động cơ giảm tỷ lệ TLDPRRTD Do vậy, các ngân hàng thường phải cân đối, xác định tỷ lệ dư nợ phù hợp và nhu cầu vốn huy động cần thiết trong hoạt động cân đối nguồn vốn giải ngân khoản vay Đòn bẩy tài chính

Các nghiên cứu trước đây thường sử dụng tỷ lệ vốn chủ sở hữu trên tổng tài sản là một biến đại diện cho mức độ vốn hóa Họ đã chỉ ra rằng “tỷ lệ đòn bẩy tài chính cao hơn, do áp lực về vốn khắt khe hơn, ngụ ý rằng các ngân hàng thường thận trọng hơn trong việc cho vay” Ngược lại, tỷ lệ đòn bẩy tài chính thấp có thể dẫn đến tăng cường

RR nợ xấu, và có khả năng xảy ra việc mở rộng danh mục cho vay mà không đảm bảo đủ mức vốn hóa

Nhìn chung, có nhiều yếu tố tác động đến RRTD từ bên trong nội tại NHTM Một số NHTM đã có xây dựng một số phương pháp để phân tích yếu tố đo lường RRTD như Mô hình 6C (Character; Capacity; Capital; Collateral; Conditions; Control) để tiến hành công việc thuộc qui trình QTRRTD NHTM hiệu quả Bên cạnh đó còn có Mô hình điểm số Z-Score của Altman những năm 1981 để đo lường khả năng phá sản của các công ty dựa trên số liệu kế toán được cung cấp từ khách hàng vay Mô hình này cũng cung cấp thêm một số nội dung đáng lưu ý trong quá trình tiến hành hoạt động QTRRTD NHTM.

Các chỉ tiêu đo lường rủi ro tín dụng ngân hàng thương mại

Tỷ lệ nợ xấu trên tổng dư nợ

Các nhóm nợ được phân loại bao gồm: Nhóm 1 – Nợ trong hạn; Nhóm 2 – Nợ cần chú ý; Nhóm 3 – Nợ dưới tiêu chuẩn; Nóm 4 – Nợ nghi ngờ; Nhóm 5 – Nợ có khả năng mất vốn

Nợ quá hạn phát sinh trong quá trình cấp tín dụng NHTM là khoản nợ bao gồm cả gốc và/hoặc lãi bị quá hạn mà người đi vay không trả được cho NHTM theo thời gian như trong hợp đồng tín dụng Tiêu chí Nợ quá hạn, nợ xấu cho biết chất lượng của khoản vay và mức độ RR Nợ xấu là các khoản nợ được tính từ các khoản nợ thuộc nhóm 3,

4, 5 theo qui định xếp loại nhóm nợ và phân loại nợ của NHNN Tỷ lệ nợ xấu được sử dụng để đánh giá chất lượng tín dụng của NHTM Tỷ lệ nợ xấu cao thể hiện sự giảm sút thu nhập ở hiện tại do các khoản dư nợ này không còn mang lại lợi nhuận hoặc lợi nhuận mang lại không đáng kể

Theo “Thông tư số 11/2021/TT-NHNN” các khoản nợ TD NHTM được chia thành các nhóm như:

Hình 2.7: Phân loại Nhóm nợ ngân hàng thương mại

Nợ xấu trong hoạt động tín dụng của NHTM bao gồm nợ quá hạn hoặc không thể thu hồi, nợ liên quan đến các vụ án chờ xử lý và những khoản nợ quá hạn không được Chính phủ xử lý RR

Một trong những tiêu chí đánh giá hiệu quả tín dụng là tỷ lệ nợ xấu Trong phạm vi cho phép, tỷ lệ nợ xấu được cho phép là là 5% ở Việt Nam, và mức ở ngưỡng an toàn là dưới 3% Nếu vượt quá tỷ lệ trên, các RRTD có thể cao hơn vì có những khoản vay không thể thu hồi

Nợ quá hạn tăng, thể hiện nguy cơ khó thu hồi nợ tăng Nợ xấu thể hiện khả năng thu hồi một phần gốc khoản vay và lãi vay không như cam kết khi duyệt khoản vay ban đầu, làm cho các RR gia tăng đối với từng khoản vay, và đối với hoạt động tín dụng của NHTM

(1) Tỷ lệ nợ xấu trên tổng dư nợ

Tỷ lệ nợ xấu trên

Nợ xấu Tổng dư nợ x 100%

Nợ quá hạn từ 181 đến

Thông tư số 11/2021/TT-NHNN

CÓ KHẢ NĂNG MẤT VỐN

Tỷ lệ nợ quá hạn trên tổng dư nợ

Nợ quá hạn của tín dụng NHTM là khoản nợ mà một phần hoặc toàn bộ nợ gốc và lãi đã quá hạn, bao gồm nợ khách hàng không có khả năng thanh toán nợ gốc đã vay hoặc lãi vay đã quá hạn mà NHTM không thu được từ khách hàng Trong các khoản nợ quá hạn, một số khoản nợ chuyển sang nợ khó đòi, nợ xấu, và khi đó sẽ làm RRTD càng gia tăng hơn

Tỷ lệ nợ quá hạn trên tổng dư nợ tỷ lệ thuận với mức độ RRTD của NHTM Nợ quá hạn tăng chứng tỏ khách hàng gặp khó khăn trong việc trả nợ, do vậy xác suất sau này khách hàng trả nợ cho ngân hàng thấp Bên cạnh đó, khi khoản vay có phát sinh nợ xấu, cần thêm các chi phí để giám sát, xúc tiến thu hồi nợ và chi phí khác có liên quan đến việc giải quyết thu hồi nợ quá hạn, nợ xấu.

Tỷ lệ nợ có khả năng mất vốn trên tổng dư nợ

Nợ có khả năng mất vốn là nợ được phân loại thành nợ xấu phải trích lập dự phòng 100% Các NHTM luôn mong muốn hoạt động tín dụng có phát sinh tỷ lệ nợ có khả năng mất vốn trên tổng dư nợ ở mức trong vòng giới hạn tốt, tối đa là 1%

Trong đó: Nợ có khả năng mất vốn là nợ thuộc nhóm 5 với các khoản nợ quá hạn trên 360 ngày.

Tỷ lệ dự phòng rủi ro tín dụng

Kwan & Eisenbeis (1997) đã có các lược khảo về tác động của nợ xấu trong hoạt động NHTM và đã đề cập đến sự ảnh hưởng của lãi suất đến nền kinh tế Mishkin (1992) đã đề cập đến các khoản trích lập dự phòng như là cách khắc phục hậu quả của nợ xấu trong hoạt động cho vay Nghiên cứu đã tìm thấy nguyên lý của mối liên quan giữa lãi suất và nợ xấu Khi hai yếu tố lãi suất và nợ xấu tiến đến một giới hạn, nó sẽ tạo ra hiệu ứng

“suy giảm tín dụng”, phản ánh sự cẩn trọng của các NHTM trong việc QTRRTD Bên cạnh

(2) Tỷ lệ nợ quá hạn trên tổng dư nợ

Tỷ lệ nợ quá hạn trên

Tổng dư nợ = Nợ quá hạn

(3) Tỷ lệ nợ có khả năng mất vốn trên tổng dư nợ

Tỷ lệ nợ có khả năng mất vốn trên Tổng dư nợ =

Nợ có khả năng mất vốn Tổng dư nợ x 100% việc đề cập đến hai vấn đề trên cũng cho thấy các NHTM đã có sự chủ động hơn trong việc gia tăng hay giảm thiểu tín dụng khi tình hình nợ xấu có biến động theo chiều hướng xấu Để khắc phục một phần RR Nợ xấu và dự phòng tổn thất trong hoạt động cấp tín dụng, đã có các qui định về mức TLDPRRTD đối với từng khoản vay được các TCTD thực hiện như một trách nhiệm Tỷ lệ trích lập DPRRTD càng cao thể hiện việc quản lý RRTD càng thấp Theo qui định về việc trích lập DPRRTD tại Thông tư 02/2013/TT- NHNN ngày 21/01/2013 và gần nhất là Thông tư 11/2021/TT-NHNN có qui định như sau:

+ DPRRTD: là “số tiền được trích lập và hạch toán vào chi phí hoạt động để dự phòng cho những tổn thất có thể xảy ra đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài” Theo Thông tư 11/2021/TT-NHNN đã nêu:

Tỷ lệ qui định theo nợ đã xếp hạng thuộc mỗi nhóm:

Nhóm 1: Nợ trong hạn  Tỷ lệ TLDPRRTD = 0%

Nhóm 2: Nợ cần chú ý  Tỷ lệ TLDPRRTD = 5%

Nhóm 3: Nợ dưới tiêu chuẩn  Tỷ lệ TLDPRRTD = 20%

Nhóm 4: Nợ nghi ngờ  Tỷ lệ TLDPRRTD = 50%

Nhóm 5: Nợ có khả năng mất vốn  Tỷ lệ TLDPRRTD = 100%

TLDPRRTD theo nợ chung các nhóm từ Nhóm 1 đến nhóm 4 là 0,75% trên tổng số nợ các nhóm tính đến thời điểm tính ra số phải trích lập dự phòng.

Hệ số khả năng bù đắp rủi ro tín dụng

Chỉ tiêu này cho biết một đồng nợ quá hạn khó đòi của ngân hàng được bù đắp bằng bao nhiêu đồng DPRRTD Hệ số này cho biết khả năng bù đắp vốn của ngân hàng đối với nợ xấu

(4) Tỷ lệ Dự phòng rủi ro tín dụng

(5) Hệ số khả năng bù đắp RRTD

Hệ số khả năng bù đắp

Dự phòng rủi ro tín dụng

Các hệ số phản ánh khả năng bù đắp RRTD (lớn hơn) >1 chứng tỏ trích lập dự phòng là đầy đủ và có khả năng bù đắp vốn cho ngân hàng khi xảy ra RRTD hay nói cách khác nguồn vốn của ngân hàng được đảm bảo an toàn trước bằng khoản TLDPRRTD.

Hệ số khả năng bù đắp khoản cho vay bị mất

Chỉ tiêu này cho biết khả năng bù đắp RR của các khoản nợ tín dụng có khả năng mất vốn Nếu hệ số này (nhỏ hơn) < 1, cho thấy ngân hàng không có khả năng bù đắp

RR từ các khoản trích lập dự phòng Thông qua tỷ lệ này, cho biết mức độ bù đắp các khoản nợ có khả năng mất vốn thuộc nhóm 5 Hệ số này cho biết số dự phòng mà ngân hàng đã trích lập có đủ để bù đắp nợ mất vốn của ngân hàng hay không Hệ số này rất quan trọng vì nếu dự phòng không đủ để bù đắp nợ mất vốn thì sẽ dẫn đến việc thiếu hụt vốn và RR thanh khoản Điều này rất nguy hiểm đối với tín dụng NHTM, thậm chí trường hợp xấu nhất của việc thiếu hụt và mất vốn không bù đắp được trong hoạt động tín dụng sẽ dẫn đến phá sản NHTM

Hệ số được tính cụ thể như sau:

Mức độ tập trung tín dụng

Bên cạnh các chỉ tiêu đo lường RRTD như trên, còn có các tiêu chí để xem xét

RR có liên quan, được xem như nhóm tiêu chí về “Mức độ tập trung tín dụng” Theo đó, có sự phân chia các loại mức độ tập trung tín dụng như: chia theo ngành nghề kinh doanh; mức độ tập trung tín dụng theo loại tiền; mức độ tập trung tín dụng theo thời hạn; mức độ tập trung tín dụng theo đối tượng khách hàng.\

Ngoài ra, một số các tiêu chí khác:

- Dư nợ tín dụng ngắn hạn = Dư nợ ngắn hạn/Tổng dư nợ

- Dư nợ tín dụng dài hạn = Dư nợ dài hạn/Tổng dư nợ

- Tỷ trọng dư nợ tín dụng với 1 KH = Dư nợ TD với 1 KH/Tổng dư nợ

- Tỷ trọng dư nợ TD với 1 nhóm KH = Dư nợ TD với 1 nhóm KH/Tổng dư nợ

(6) Hệ số khả năng bù đắp khoản cho vay bị mất

Hệ số khả năng bù đắp khoản cho vay bị mất = DPRRTD được trích lập

Nợ có khả năng mất vốn

Các hệ số đo lường rủi ro tín dụng phổ biến khác

Theo Quy định tại Basel II, bên cạnh việc dùng các chỉ tiêu đo lường RRTD cơ bản như các chỉ tiêu trên trong hoạt động tín dụng NHTM, còn đề cập đến vấn đề xác định vốn tối thiểu cần thiết ở mức an toàn nhằm giảm thiểu RRTD cho từng khoản mục tài sản Hiệp hội đưa ra tiêu chí xem xét và xác định tỷ lệ an toàn vốn qua hệ số an toàn vốn CAR, với mục đích cải tiến các hạn chế của Basel I và tạo ra sự đánh giá linh hoạt, thiết thực hơn trong quá trình thực hiện Basel II, chú trọng nội dung thực thi giám sát thuộc hoạt động QTRRTD Các NHTM khi áp dụng Basel II đã xây dựng các chuẩn mực giám sát RRTD NHTM nhằm hoàn thiện các kỹ thuật QTRR tốt Tuy nhiên, việc triển khai áp dụng các chuẩn mực trong giám sát, kiểm soát RRTD vào từng NHTM cụ thể đến mức độ nào, tương thích và phù hợp đến đâu còn tùy thuộc vào đặc điểm, đặc thù riêng của từng NHTM

Hệ số an toàn vốn CAR theo Basel II

Trong đó: CAR đảm bảo ở tỷ lệ qui định từ 8% trở lên

“Vốn cấp 1”: Core capital: là vốn cơ sở ; “Vốn cấp 2”: Supplemental capital: là vốn bổ sung; CAR: Capital Ade Ratio; RWA: Risk-Weighted Assests; KOR: Vốn yêu cầu cho

RR hoạt động; KMR: Vốn yêu cầu cho RR thị trường

Tiếp cận của Basel II trong đo lường RR khoản vay

Vốn tự có (Vốn cấp 1 + Vốn cấp 2)

RWA + RWA + RWA tín dụng hoạt động thị trường

CAR = Vốn chủ sở hữu

Tổng tài sản RR (RWA)

Vốn tự có (Vốn cấp 1 + Vốn cấp 2)

RWA + 12.5* (KOR + KMR) tín dụng

Basel II: áp dụng từ 2006 đến nay

Tỷ lệ an toàn vốn tối thiểu tính theo tỷ lệ % x 100%

EL (Expected Loss): Tổn thất dự kiến

PD (Probability of default): Xác suất vỡ nợ của khách hàng /ngành hàng đó là bao nhiêu

LGD ( Loss Given Default): Tỷ trọng % số dư RR ngân hàng sẽ bị tổn thất khi khách hàng không trả được nợ

EAD ( Exposure at Default): Số dư nợ vay (và tương đương) của khách hàng/ ngành hàng đang chịu RR

Bên cạnh đó, còn có thể xem xét thêm nội dung mô hình điểm số Z (Altman’s Z-Score Model)

(American Edward Altman published the Z-score Model in 1968 as a measure of the probability of a company going bankrupt)

X1 = tỷ số "vốn lưu động ròng/tổng tài sản"

X2 = tỷ số "lợi nhuận giữ lại/tổng tài sản"

X3 = tỷ số "lợi nhuận trước thuế và tiền lãi/tổng tài sản"

X4 = tỷ số "thị giá cổ phiếu/giá trị ghi sổ của nợ dài hạn"

X5 = tỷ số "doanh thu/tổng tài sản"

“Trị số Z càng cao, thì người vay có xác suất vỡ nợ càng thấp Như vậy, khi trị số Z thấp hoặc là một số âm sẽ là căn cứ để xếp khách hàng vào nhóm có nguy cơ vỡ nợ cao”.

Các nghiên cứu đã thực hiện

Các nghiên cứu ở nước ngoài

Các tác giả đã xem xét các khoản DPRRTD của NHTM trong bối cảnh quy định về vốn tối thiểu Họ sử dụng số liệu từ 1.176 NHTM lớn, trong đó có 372 NHTM từ các nước bên ngoài G10, trong giai đoạn từ năm 1988 đến 1999 Từ phân tích cho thấy mối quan hệ nghịch chiều giữa tăng trưởng tín dụng và tỷ lệ dư nợ cho vay trên tổng tài sản với mức DPRRTD.

Tác giả đã với dữ liệu bảng đánh giá các yếu tố quyết định của RRTD là nợ xấu ở các NHTM và Quỹ tiết kiệm Tây Ban Nha trong giai đoạn 1985-1987 Phương pháp kết hợp giữa ba mô hình và kiểm định Hausman cho kết quả nghiên cứu là mối quan hệ ngược chiều giữa nợ xấu và GDP, trong khi đó việc mở rộng tín dụng trở thành nhân tố quyết định nợ xấu

Công trình tập trung vào việc ước lượng sự tương quan giữa việc trích lập DPRRTD và khủng hoảng kinh tế Dữ liệu các tác giả sử dụng được lấy từ 1.419 ngân hàng thuộc 45 nước khác nhau trong giai đoạn từ năm 1988 đến năm 1999 Bằng việc sử dụng các kỹ thuật GLS và GMM, phân tích kết luận có sự nghịch chiều giữa tăng trưởng tín dụng và mức DPRRTD Kết quả này thể hiện tính nhất quán trên toàn bốn khu vực nghiên cứu, bao gồm châu Á, châu Âu, Mỹ Latinh và Mỹ

Tác giả đã thực hiện một phân tích về các nhân tố tác động đến việc các NHTM trích lập DPRRTD, bao gồm các NHTM Mỹ và ngoài Mỹ như Nhật Bản, Canada và cũng như một nhóm 21 quốc gia khác Với việc áp dụng mô hình tác động cố định để đo lường ảnh hưởng của các nhân tố: Tỷ lệ tổng nợ trên tổng tài sản; Tỷ lệ nợ xấu trên tổng tài sản; Tỷ lệ vốn chủ sở hữu trên tài sản của ngân hàng; Dự phòng trước đến DPRRTD; Tỷ lệ giá trị tổn thất ròng trên tổng tài sản; Tỷ lệ thu nhập trước thuế Nghiên cứu phát hiện một mối quan hệ đồng biến giữa tỷ lệ trích lập DPRRTD và tỷ lệ nợ xấu Ngoài ra, tỷ lệ dư nợ trên tổng tài sản và tỷ lệ nợ không thu hồi được cũng có quan hệ đồng biến với trích lập DPRRTD

Tác giả với việc chọn mẫu ngẫu nhiên bao gồm 40 NHTM ở Đài Loan được thành lập trong giai đoạn 1996-1999 Các ngân hàng đã chọn thuộc cả ba nhóm bao gồm NHTM cổ phần có 100% vốn Chính phủ, NHTM hỗn hợp với cổ phần Chính phủ đóng góp 1%-99% trên tổng vốn và các NHTM tư nhân Biến được giải thích đại diện cho RRTD là tỷ lệ nợ xấu của NHTM Phân tích đi đến kết luận rằng cổ phần Chính phủ trong NHTM tăng dẫn đến tỷ lệ nợ xấu giảm, nhưng sau đó thì nợ xấu cũng có nguy cơ tăng lên; Bên cạnh đó, quy mô ngân hàng có mối quan hệ nghịch chiều với nợ xấu Ngoài ra, sự phong phú của doanh thu không làm giảm nợ xấu

Nghiên cứu này đã đề cập đến xác suất vỡ nợ (PD) của tín dụng NHTM của hơn ba triệu khoản vay tại các TCTD của Tây Ban Nha trong giai đoạn (1988-2000) Nghiên cứu quan tâm về vai trò của một tập các biến: tài sản thế chấp, loại hình cho vay và mối quan hệ giữa NHTM và người đi vay trong khi kiểm soát các biến giải thích khác như môi trường kinh tế vĩ mô, đặc điểm ngành nghề, khu vực của người đi vay và các yếu tố đặc biệt của khoản vay như loại tiền, thời hạn vay Qua nghiên cứu đi đến kết luận rằng các khoản vay thế chấp có một xác suất vỡ nợ cao hơn, còn các khoản nợ của các ngân hàng thì có

RR cao hơn Trong tính chất mối quan hệ giữa người vay và

NHTM sẽ có tác động tăng độ chấp nhận RR cao hơn khi giải ngân khoản vay thế chấp

Tác giả đã thực hiện một phân tích về việc trích lập DPRRTD của các NHTM tại 29 quốc gia OECD trong khoảng thời gian kéo dài 10 năm Kết quả của nghiên cứu này đã cho thấy rằng tăng trưởng GDP có tác động ngược chiều đối với tỷ lệ DPRRTD, trong khi đó thu nhập và tăng trưởng tín dụng, tỷ lệ DPRRTD năm trước có ảnh hưởng cùng chiều

Nghiên cứu đã sử dụng mô hình hồi quy, phân tích việc làm đẹp thu nhập NHTM thông qua DPRRTD Dữ liệu được thu thập từ báo cáo tài chính của các NHTM thuộc khu vực Hội đồng hợp tác vùng Vịnh (GCC) trong giai đoạn từ năm 2001 đến năm 2003 Kết quả cho thấy sự nghịch chiều giữa tỷ lệ dư nợ trên tiền gửi và DPRRTD Khi mức cho vay tăng lên, đồng nghĩa với việc nhu cầu vốn từ các công ty tăng cao, NHTM sẽ giảm tỷ lệ DPRRTD để giảm chi phí thu hút vốn từ bên ngoài

Phân tích dựa trên thông tin của chín NHTM tại Hy Lạp từ quý 1/2003 đến quý 3/2009 Kết quả cho ra giải thích về các yếu tố tác động đến RRTD các ngân hàng Hy Lạp bằng cách tách biệt ba loại tín dụng: tín dụng có thế chấp, tín dụng cho kinh doanh và tín dụng tiêu dùng Tác giả sử dụng kỹ thuật thống kê momen tổng quát (GMM) được đề xuất bởi Arellano và Bond

(1991) và được nhân rộng bởi Arellano và Bover (1995) và Blundell cùng với Bond (1998) Kết quả chỉ ra rằng các biến như tốc độ tăng trưởng GDP thực, tỷ lệ thất nghiệp và lãi suất cho vay; cũng như các biến khác là chất lượng quản trị và biến hiệu quả hoạt động có tác động mạnh đến RRTD và các tác động này có sự khác biệt giữa ba danh mục cho vay nêu trên

Tác giả sử dụng phương pháp GMM về tác động của vốn ngân hàng đến DPRRTD được thực hiện dựa trên một mẫu dữ liệu bao gồm các NHTM Philippines từ 2001-2009 Theo kết quả phân tích, tỷ lệ nợ xấu, tỷ lệ DPRRTD năm trước và tỷ lệ dư nợ trên tổng tài sản có mối quan hệ cùng chiều với tỷ lệ DPRRTD Trong khi đó, tăng trưởng kinh tế lại có mối quan hệ nghịch chiều

Nghiên cứu này đã đi sâu vào phân tích các nhân tố quyết định biên lãi ròng trong hai khoảng thời gian từ 2001 và 2008 đối với hai mẫu nghiên cứu trên các quốc gia đang phát triển và trên các quốc gia phát triển Sử dụng hồi quy dữ liệu bảng động GMM, tác giả tìm thấy DPRRTD có tác động cùng chiều với thu nhập lãi ròng cận biên Theo đó, nhận ra khi các ngân hàng cấp tín dụng nhiều có thể đối diện với RR cao nên phải trích lập dự phòng nhiều Vì điều này, họ phải tính toán một mức lợi nhuận cao hơn để bù đắp các RR dự kiến

Tác giả đã tiến hành xem xét về mối quan hệ giữa tốc độ tăng trưởng tín dụng và RRTD của các NHTM tư nhân tại 16 quốc gia Dữ liệu nghiên cứu được thu thập từ hơn 160.000 NHTM tư nhân cho giai đoạn từ năm 1997 đến 2007 Kết quả cho thấy tăng trưởng tín dụng dẫn đến việc gia tăng RRTD ngân hàng với độ trễ 2-4 năm Ngoài ra, phân tích không đạt được ước lượng có ý nghĩa về mối quan hệ giữa quy mô ngân hàng và RRTD

Với dữ liệu được thu thập từ báo cáo tài chính của các NHTM địa phương của Palestine cho giai đoạn 2006-2010, công trình là một nghiên cứu về vai trò của DPRRTD trong thu nhập và quản lý vốn Kết quả cho thấy có mối quan hệ nghịch biến giữa tỷ lệ DPRRTD và tỷ lệ cho vay trên tiền gửi của khách hàng

Tác giả đã tiến hành nghiên cứu về các yếu tố quyết định biên lãi ròng (NIM) trong ngành ngân hàng của 15 nền kinh tế phát triển và mới nổi thập niên 2000 Nghiên cứu tìm thấy mối quan hệ cùng chiều của DPRRTD với thu nhập lãi ròng cận biên

Các nghiên cứu ở trong nước

Tác giả đã phân tích và nêu ra những vấn đề cơ bản về QTRRTD, mô hình QTRRTD của Ngân hàng TMCP Công Thương Việt Nam

Tác giả đã phân tích và đưa ra giải pháp QTRRTD tại Ngân hàng TMCP Công Thương Việt Nam theo chuẩn mực quốc tế Basel

Tác giả đã nghiên cứu về các yếu tố ảnh hưởng đến RRTD của các Ngân hàng TM Nhà nước ở khu vực Đồng bằng Sông Cửu Long

Tác giả đã đề cập về công tác QTRRTD theo Hiệp ước Basel tại Ngân hàng TMCP Công Thương Việt Nam

Nghiên cứu phân tích các định hướng hoàn thiện hoạt động QTRRTD tại Ngân hàng TMCP Công Thương và đã hướng đến việc xem xét các yếu tố như: chính sách tín dụng, quy trình cấp

(2013) tín dụng, thông tin tín dụng, hệ thống xếp hạng tín dụng, chất lượng nguồn nhân lực và các yếu tố có tác động từ bên ngoài đến NHTM

Nhóm tác giả dựa trên dữ liệu phân tích của mười (10) ngân hàng tại địa bàn TP.HCM Đề tài đã chú trọng phân tích các yếu tố ảnh hưởng đến nợ xấu với các yếu tố vĩ mô bao gồm: tốc độ tăng trưởng GDP và lạm phát; Và các yếu tố vi mô bao gồm: tỷ lệ nợ xấu của năm trước, quy mô của ngân hàng, sự tăng trưởng tín dụng, kết quả kinh doanh NHTM, và tỷ lệ nợ trên tổng tài sản

Công trình nghiên cứu đã mô hình hóa các yếu tố bên trong NHTM có tác động đến nợ xấu (NPL) phát sinh trong hoạt động cho vay tại các NHTM Cổ phần Việt Nam từ 2010 đến 2017 Tác giả đã sử dụng mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) để thực hiện phân tích định lượng Kết quả cho thấy lợi nhuận trên vốn chủ sở hữu (ROE) có ý nghĩa thống kê ở mức độ tin cậy 95%, và biến này cũng có tác động tiêu cực đến NPL Kết quả phân tích cũng đưa ra nhận xét rằng: mặc dù hệ số CAR thay đổi, không có ý nghĩa thống kê nhưng chỉ tiêu CAR cũng có tác động ảnh hưởng trong mối quan hệ tác động đến NPL

Với đề tài về sự phát triển của hình thức mua bán nợ xấu tại Việt Nam, tác giả đã đưa ra lý luận và các dẫn chứng thực tiễn về tình trạng RR nợ không thu hồi được của hoạt động tín dụng NHTM và khuynh hướng mở rộng hình thức mua bán nợ tín dụng NHTM trong nước

Phân tích đã áp dụng phương pháp Difference Generalized Method of Moments (DGMM) và phương pháp System Generalized Method of Moments (SGMM) phân tích nợ xấu

NHTM giai đoạn 2005-2015 Kết luận đề tài là tất cả yếu tố đặc thù và vĩ mô đều có tác động quan trọng đến nợ xấu của hệ thống NHTM trong nước và có đưa ra các đánh giá về các yếu tố ảnh hưởng có tác động đến nợ xấu của NHTM Những yếu tố chính có phản ứng ngược chiều đến nợ xấu của hệ thống NHTM bao gồm khả năng tạo lợi nhuận và tăng trưởng kinh tế Ngoài ra, nghiên cứu cũng đề cập đến vốn chủ sở hữu NHTM, yếu tố lạm phát cũng có tác động đến tỷ lệ nợ xấu của các NHTM Việt Nam

Tác giả đã xem xét đến khuynh hướng phát triển của hoạt động mua bán nợ xấu NHTM Nợ xấu NHTM trong thời kỳ mới với cơ chế thị trường cũng đã được đề cập bằng phương pháp phân tích định lượng và mô hình toán để xoay quanh các nhân tố tác động đến thị trường nợ xấu

Bằng phân tích của các nghiên cứu thực tiễn, trong tổng thể các tác động của các nhân tố RR tiềm ẩn, các NHTM đều cần thiết xem xét, lượng định đến các khả năng

RR cao nhất có thể gặp phải trong hoạt động kinh doanh để có các DPRRTD phù hợp Đối với hoạt động tín dụng, cần có giải pháp xử lý và khắc phục đối với từng loại RRTD khác nhau một cách kịp thời tại từng NHTM và cả trên phạm vi hệ thống NHTM nhằm khống chế RR mang hiệu ứng Domino, tắc nghẽn hệ thống điều hành từ vĩ mô đến vi mô và ngược lại Việc tiến hành QTRRTD cần phải thực hiện đồng bộ thống nhất trong cả hệ thống NHTM và có vươn ra sự liên kết quốc tế Do vậy, cần thiết thực hiện các nguyên tắc QTRRTD theo điều khoản chung thuộc Hiệp ước của tổ chức hiệp hội chuyên ngành ngân hàng (Hiệp ước Basel…), và các qui định liên kết của tổ chức liên minh thuộc lĩnh vực tài chính tiền tệ ngân hàng trong nước và quốc tế trong quá trình hướng đến đạt tiêu chuẩn liên kết trong hội nhập

Phân tích các nội dung thuộc về QTRRTD NHTM nhằm làm rõ vai trò tín dụng trong nền kinh tế cùng với các RRTD có thể xảy ra Các sản phẩm tín dụng NHTM tốt, ít RRTD có thể thúc đẩy nhanh tốc độ sản xuất hàng hóa, tiêu thụ sản phẩm, mở rộng hoặc hữu hiệu đối với hoạt động sản xuất kinh doanh của các chủ thể vay vốn Hơn nữa, việc tiếp nhận nguồn vốn vay còn giúp các chủ thể vay vốn tiếp cận được với các phương án đầu tư mới và nâng cao năng lực sản xuất dễ dàng hơn Song song mọi hoạt động là sự hiện diện của hoạt động QTRRTD, hoạt động này luôn cần thiết sự hiểu biết về các đặc điểm của RRTD và đặc thù của hoạt động cấp tín dụng NHTM Bên cạnh đó, trong mọi hoạt động kinh doanh NHTM, việc giám sát, phòng ngừa và xử lý RRTD là việc thuộc qui trình QTRRTD Thực hiện được chức năng, vai trò của NHTM, QTRRTD hiệu quả thể hiện hiệu quả kinh doanh tín dụng và khả năng thích ứng cao của các NHTM trong mọi tình huống xảy ra RRTD và qua từng giai đoạn phát triển khách quan của thực trạng kinh tế

CHƯƠNG III MÔ HÌNH, PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU

Mô hình nghiên cứu

Dựa vào các kỳ vọng lý thuyết và các nghiên cứu trước về các thành phần tác động đến RRTD của NHTM, tác giả đề xuất một mô hình Bayes như sau:

LLP = β0 + β1(LLP-1) + β2(CRED) + β3(CRED-1) + β4(NPL) + β5(NIM) + β6(ROA) + β7(LDR) + β8(SIZE) + β9(GDP) + β10(INF) + β11(COV) + ε

Tuy nhiên, điểm khác biệt của nghiên cứu này là bổ sung biến độc lập COV thể hiện nhân tố tác động từ dịch bệnh COVID-19 gây ra Thống kê các chi tiết của mô hình được trình bày trong Bảng 3.1

Bảng 3.1: Thống kê các biến cho mô hình phân tích

Tên biến Ký hiệu Công thức

DPRRTD của thời kỳ trước

(t-1)/Tổng dư nợ tín dụng năm (t-1)

Tỷ lệ tăng trưởng tín dụng

CRED (Tổng dư nợ năm (t)-

Tổng dư nợ năm (t- 1))/Tổng dư nợ năm (t-1)

(+) Bikker và Metzemakers (2005), Foos & ctg (2010), Suluck & Supat (2012)

Tỷ lệ tăng trưởng tín dụng của thời kỳ trước

(Tổng dư nợ năm (t- 1)-Tổng dư nợ năm (t-2))/Tổng dư nợ năm (t-2)

(+) Bikker và Metzemakers (2005), Foos & ctg (2010), Suluck & Supat (2012)

Nợ xấu NPL Nợ xấu/Tổng dư nợ (+) Hasan & Wall, 2003 Thu nhập lãi ròng cận biên

NIM Thu nhập lãi thuần/Tài sản có sinh lời

Tỷ lệ Dư nợ/Vốn huy động

LDR Tổng dư nợ năm

SIZE Tổng tài sản (+/-) Nguyễn Văn Thuận &

GDP Tỷ lệ tăng trưởng

INF CPI(t)/CPI(t-1) (-) Phạm Xuân Quỳnh &

Trần Đức Tuấn (2019) COVID-19 COV Biến nhị phân với giá trị bằng 1 nếu có khủng hoảng và bằng

0 nếu không có khủng hoảng do dịch bệnh COVID-19

(+) Được giả định bởi tác giả

LLP Mức DPRRTD/Tổng dư nợ tín dụng

Diễn giải mô hình nghiên cứu Để phân tích mô hình, chú trọng đến vai trò của QTRRTD, tác giả chọn biến phụ thuộc đại diện cho RRTD là Mức trích lập DPRRTD (LLP)

Lý do chọn biến Mức trích lập DPRRTD (LLP) làm biến phụ thuộc trong phân tích của nghiên cứu:

Nhằm kế thừa các công trình nghiên cứu trước một cách khách quan và không bị trùng lặp trong phương pháp nghiên cứu, để chọn lựa đối tượng phân tích, tác giả đã chọn biến Mức trích lập DPRRTD để làm biến phụ thuộc và các biến độc lập khác đại diện cho các yếu tố tác động có tính chất độc lập nhau cùng tác động lên một biến phụ thuộc được chọn, các biến là các nhân tố độc lập có tác động cùng chiều hoặc ngược chiều thể hiện thông qua dấu kỳ vọng (+) hoặc (-) hoặc có thể (+/-) trong mối quan hệ tác động vào biến phụ thuộc như đã thống kê tại Bảng 3.1

Biến phụ thuộc RRTD: chịu tác động của các biến độc lập như Bảng 3.1 Các biến độc lập hay là các thành phần có tác động đến “biến phụ thuộc” gồm có: DPRRTD của thời kỳ trước (LLP-1), Tỷ lệ tăng trưởng tín dụng (CRED), Tỷ lệ tăng trưởng tín dụng của thời kỳ trước (CRED-1), Nợ xấu (NPL), Thu nhập lãi ròng cận biên (NIM), Khả năng sinh lời (ROA), Tỷ lệ Dư nợ/Vốn huy động (LDR), Quy mô tài sản (SIZE), Tăng trưởng GDP thực (GDP) và Tỷ lệ lạm phát (INF), riêng biến COVID-19 (COV) là biến nhị phân

Về tác động giữa các biến phụ thuộc: Nợ xấu (NPL) và mức trích lập DPRRTD

(LLP) có tính cùng chiều Khi nợ xấu tăng cao thì khoản trích lập dự phòng cũng tăng lên một tỷ lệ tương ứng theo qui định, và ngược lại với mục đích để bù đắp các khoản bù cho RR có thể xảy ra trong hoạt động tín dụng NHTM Sau khi xử lý xong RRTD của gói tín dụng cụ thể, khoản trích lập DPRRTD của gói đó giảm xuống cùng với sự mất đi của RRTD đã xử lý cho chính từng sự vụ RRTD trong tổng số trích lập DPRRTD đã tổng hợp bao gồm nhiều phần trích lập DPRRTD của nhiều gói tín dụng khác nhau Chính vì vậy, do tương quan cao giữa hai biến độc lập dự kiến (Nợ xấu và mức trích lập DPRRTD), tác giả chỉ sử dụng một mô hình hồi quy với biến phụ thuộc là DPRRTD (LLP) Thay vào đó, để kiểm soát nợ xấu, tác giả sử dụng biến NPL làm biến độc lập, tương tự như nhiều nghiên cứu trước, chẳng hạn Foos & cộng sự (2010); Ashour (2011); Misman & Ahmad (2011); Suluck & Supat (2012); Nguyễn Văn Thuận & Dương Hồng Ngọc (2015); Phạm Xuân Quỳnh & Trần Đức Tuấn (2019)

Các tác động giữa các biến độc lập và biến phụ thuộc có thể cùng chiều (+) hoặc ngược chiều (-) Cụ thể:

Các biến có tác động cùng chiều tới RRTD gồm có: DPRRTD của thời kỳ trước (LLP-1), Tỷ lệ tăng trưởng tín dụng (CRED), Tỷ lệ tăng trưởng tín dụng của thời kỳ trước (CRED-1), Nợ xấu (NPL), Thu nhập lãi ròng cận biên (NIM), Quy mô tài sản (SIZE), và COVID-19 (COV) Ý nghĩa mang lại là khi các tiêu chí trên có biến động tăng thì sẽ làm cho RRTD chịu tác động gia tăng và mức trích lập DPRRTD cũng bị kéo theo một mức tương ứng theo như qui định về tỉ lệ trích lập DPRRTD Mức trích lập DPRRTD cụ thể của từng loại mức độ nợ xấu khác nhau phụ thuộc vào xếp loại nhóm nợ xấu NHTM như nêu ở phần lý thuyết Đặc biệt, biến COVID-19 (COV) được giả thuyết có tác động cùng chiều với DPRRTD vì khi mức độ dịch bệnh càng nghiêm trọng sẽ dẫn đến các hậu quả gây khó khăn chung cho kinh tế và an sinh, từ đó có tác hại đến khả năng trả nợ vay và có chiều hướng làm gia tăng nợ xấu NHTM, do vậy, NHTM phải tập trung một khoảng dành cho trích lập DPRRTD với nhân tố tác động đến RR là dịch bệnh Covid-19 trong thời gian nghiên cứu

Các biến Khả năng sinh lời (ROA), Tỷ lệ Dư nợ/Vốn huy động (LDR), Tăng trưởng GDP thực (GDP) và Tỷ lệ lạm phát (INF) có tác động ngược chiều đến RRTD Giải thích giả thuyết chiều tác động âm (-) giữa các mối quan hệ trên là khả năng sinh lời trên vốn chủ sở hữu càng cao thì RR nợ xấu sẽ giảm Ngoài ra, theo lý luận phân tích ở

Chương II, các thành phần khác cũng có ảnh hưởng đến RRTD theo mối quan hệ ngược chiều (-) với RRTD Cụ thể: Tăng trưởng GDP thực (GDP); Tỷ lệ lạm phát (INF), Qui mô tài sản (SIZE); tỷ lệ Dư nợ/Vốn huy động (LDR) Ý nghĩa là kinh tế tăng trưởng sẽ có tương quan thuận với sự gia tăng tín dụng mà RRTD NHTM thì lại có mối quan hệ ngược chiều với tăng trưởng tín dụng

Thông qua mô hình các biến tác động đến RRTD đã phân tích cho thấy có nhiều nguyên nhân xuất phát từ nội tại NHTM và môi trường vĩ mô Nhìn chung, thời gian vừa qua, các khoản nợ khó thu hồi ở Việt Nam luôn được kiểm soát dưới 3%, tuy nhiên tỷ lệ này luôn có khuynh hướng gia tăng lên do việc tăng trưởng tín dụng, do hạn chế trong năng lực QTRRTD của bản thân các NHTM, và do các yếu tố khách quan bên ngoài như dịch bệnh hay khủng hoảng kinh tế.

Phương pháp nghiên cứu

Trong nghiên cứu này, tác giả sử dụng phương pháp phân tích dữ liệu là phân tích thống kê mô tả và ước lượng mô hình hồi qui Bayes dữ liệu bảng Để ước lượng mô hình hồi quy Bayes, cần thực hiện thuật toán lấy mẫu MCMC, cụ thể thuật toán MH kết hợp với phương pháp lấy mẫu Gibbs (Hydrid MH algorithm)

Phân tích Bayes được đề xuất bởi mục sư Thomas Bayes (1701–1761) Tuy nhiên, phân tích này chỉ thực sự được biết đến vào năm 1763, khi Richard Price công bố nghiên cứu “An Essay towards solving a Problem in the Doctrine of Chances” của người bạn quá cố Thomas Bayes trên tạp chí khoa học danh tiếng “Philosophical Transactions of the Royal Society” Ý tưởng của phân tích Bayes là kết hợp lý thuyết hay thông tin sẵn có (prior information) về các tham số mô hình và dữ liệu quan sát (observed data) để đưa ra các kết luận Do đó, để sử dụng phân tích Bayes, tác giả cần có một “xác suất tiên nghiệm” (Prior Probability) cho giả thuyết, sau đó mới sử dụng dữ liệu quan sát để điều chỉnh và đưa ra kết luận Đây cũng chính là thế mạnh và cũng là vấn đề chính của phân tích Bayes bởi “xác suất tiên nghiệm” thường không có sẵn

Khoảng thời gian sau đó, các nhà thống kê truyền thống đã phê phán sự chủ quan và cảm tính trong việc đưa ra “xác suất tiên nghiệm” của phân tích Bayes Do đó, họ đã phát triển ý tưởng “significant test” Phương pháp này bỏ qua xác suất tiên nghiệm và tập trung vào xác suất khách quan chỉ dựa vào dữ liệu được quan sát Trên thực tế, ý tưởng “significant test” chỉ dựa vào dữ liệu được quan sát, do đó các kết quả nghiên cứu dường như không thể được tái lập lại

Trong những năm gần đây, cùng với sự phát triển của khoa học máy tính và các phần mềm thống kê, phân tích Bayes đang trong thời kỳ phục hưng và được áp dụng trong nhiều lĩnh vực khoa học xã hội, sinh học, y học và vật lý

Trong Nguyễn Ngọc Thạch & cộng sự (2021), các tác giả nêu bật rằng để lĩnh hội nguyên tắc thống kê Bayes, chúng ta bắt đầu với một trường hợp đơn giản với việc phân tích sự tương tác giữa hai biến ngẫu nhiên A và B Đặt 𝑝 ( ) là hàm khối xác suất hoặc mật độ xác suất tùy theo các biến là rời rạc hoặc liên tục Nguyên tắc xác suất có điều kiện:

𝑃(𝐵) , có thể được sử dụng để hình thành nên định lý Bayes:

Nguyên tắc này cũng được sử dụng trong trường hợp tổng quát khi A và B là các vector ngẫu nhiên

Trong một vấn đề thống kê điển hình, chúng ta có một dữ liệu vector y, nó được giả định rằng là một mẫu từ một mô hình xác suất với một vector thông số chưa biết 𝜃 Chúng ta sẽ thể hiện mô hình này bằng việc sử dụng hàm khả năng (likelihood function) 𝐿(𝜃; 𝑦) = 𝑓(𝑦; 𝜃) = ∏ 𝑛 𝑖=1 𝑓(𝑦 𝑖 |𝜃)trong đó, 𝑓(𝑦 𝑖 |𝜃) thể hiện hàm phân phối mật độ xác suất của 𝑦 𝑖 dưới điều kiện 𝜃 Chúng ta muốn suy luận một vài tính chất của𝜃 trên cơ sở dữ liệu y Trong phân tích Bayes, mô hình thông số 𝜃 là một vector ngẫu nhiên Chúng ta giả định rằng 𝜃 có phân phối xác suất 𝑝(𝜃) = 𝜋(𝜃) Bởi vì cả 𝜃 và y đều ngẫu nhiên, ta có thể áp dụng định lý Bayes (1) để tính toán phân phối hậu nghiệm (posterior distribution) của 𝜃 với dữ liệu y cho trước

𝑚(𝑦) (2) trong đó: 𝑚(𝑦) ≡ 𝑝(𝑦), được gọi là phân phối biên (marginal distribution) của y, được xác định bởi:

Phân phối biên 𝑚(𝑦) trong phương trình (3) không phụ thuộc vào tham số 𝜃, do đó chúng ta có thể giảm (2) xuống:

Phương trình (4) là ý tưởng cơ bản trong phân tích Bayes, nó hàm ý rằng phân phối hậu nghiệm của các tham số mô hình tỷ lệ thuận với hàm khả năng và phân phối xác suất tiên nghiệm của chúng Chúng ta thường chuyển đổi phương trình (4) sang dạng log nhằm giúp cho việc tính toán thuận tiện hơn ln{𝑝(𝜃|𝑦)} = 𝑙(𝜃|𝑦) + ln{𝜋(𝜃)} − 𝑐 (5) trong đó l (.;.) biểu thị hàm khả năng của mô hình Tùy thuộc vào quá trình phân tích liên quan đến hàm log hậu nghiệm (log-posterior) ln{p(𝜃|𝑦)}, giá trị của hằng số 𝑐 ln{𝑚(𝑦)}có thể phù hợp hoặc không Tuy nhiên, để phân tích thống kê là vững, chúng ta sẽ luôn giả định rằng c là hữu hạn

Trong phân tích Bayes, để tìm kiếm sự cân bằng giữa thông tin tiên nghiệm dưới dạng kiến thức chuyên môn hoặc niềm tin và bằng chứng từ dữ liệu có sẵn Đạt được sự cân bằng phù hợp là một trong những nhiệm vụ khó khăn trong việc lập mô hình và suy luận theo cách tiếp cận Bayes Nói chung, chúng ta không nên để thông tin tiên nghiệm lấn át các bằng chứng thu được từ dữ liệu, đặc biệt khi chúng ta thu thập được một mẫu dữ liệu lớn Theo định lý Bernstein – von Mises nổi tiếng, với dữ liệu có số lượng quan sát lớn, phân phối hậu nghiệm cơ bản là độc lập với phân phối tiên nghiệm Do vậy, các suy luận Bayes dựa trên hàm khả năng nhìn chung sẽ có kết quả giống nhau Mặt khác, chúng ta cần phải có thông tin tiên nghiệm đủ mạnh để hỗ trợ bằng chứng yếu thường đến từ những bộ dữ liệu có số lượng quan sát ít Nhằm đảm bảo thông tin tiên nghiệm là hợp lý, chúng ta nên tiến hành phân tích độ nhạy để kiểm tra mức độ biến động của phân phối hậu nghiệm với các thông tin tiên nghiệm được lựa chọn

Tính linh hoạt của việc tự do lựa chọn thông tin tiên nghiệm luôn là vấn đề gây ra nhiều tranh cãi và nhiều nhà nghiên cứu thực nghiệm cho rằng phân tích Bayes mang tính chủ quan Đây cũng là lý do giải thích cho việc các nhà nghiên cứu thực nghiệm theo trường phái Bayes, đặc biệt là giai đoạn ban đầu, luôn sử dụng tiên nghiệm phi thông tin (noninformative priors), còn được gọi là tiên nghiệm phẳng hoặc mơ hồ (flat or vague priors), có nghĩa chúng ta sẽ gán xác suất bằng nhau cho tất cả các khả năng có thể có của không gian tham số, với mục đích khắc phục vấn đề chủ quan Một trong những nhược điểm của flat or vague priors là chúng thường không phù hợp; nghĩa là, chúng không chỉ định một phân phối xác suất chính thống (legitimate probability distribution) Ví dụ: sử dụng phân phối tiên nghiệm đều (a uniform prior) cho một tham số liên tục trên một miền không giới hạn không thể lấy tích phân cho một số hữu hạn Tuy nhiên, điều này không nhất thiết phải là một vấn đề quan trọng vì phần hậu nghiệm tương ứng vẫn có thể phù hợp Mặc dù suy diễn Bayes dựa trên các tiên nghiệm phi thông tin, nhưng điều này tương đương với việc loại bỏ hàm log 𝜋(𝜃) và giá trị hằng số c trong phương trình (5) Do vậy, diễn giải Bayes lúc này chỉ dựa trên hàm khả năng và làm mất đi các lợi thế của phương pháp Bayes Điều này giải thích tại sao các nhà nghiên cứu thường hạn chế đến mức tối đa việc sử dụng tiên nghiệm phi thông tin Trong những năm gần đây, ngày càng có nhiều nhà nghiên cứu ủng hộ việc sử dụng thông tin tiên nghiệm mạnh (sound informative priors), ví dụ Thompson (2014); ví dụ lĩnh vực như di truyền học, việc sử dụng thông tin tiên nghiệm là bắt buộc, với phân phối tiên nghiệm có cơ sở vững chắc và phản ánh kiến thức khoa học

Một phương pháp lựa chọn thông tin tiên nghiệm thuận tiện được ưa thích, đó là phân phối liên hợp (Nếu các xác suất phân phối hậu nghiệm p cùng họ phân phối xác suất với phân phối xác suất tiên nghiệm p(θ), thì phân phối trước và sau được gọi là phân phối liên hợp, và phân phối tiên nghiệm được gọi là liên hợp tiên nghiệm đối với hàm khả năng p) Sự lựa chọn này giúp thỏa mãn cả quan điểm kỹ thuật và tính toán mà không nhất thiết phải cung cấp một phân phối thực tế (realistic representation) của thông số mô hình Tuy nhiên, do xác suất phân phối hậu nghiệm phải cùng họ với hàm phân phối xác suất tiên nghiệm, do vậy phân phối liên hợp có những hạn chế nhất định, xu hướng sử dụng chúng quá mức đã hạn chế nghiêm trọng tính linh hoạt của mô hình Bayes

Trong luận văn này, tác giả sẽ xem xét thuật toán MH để lấy mẫu từ phân phối hậu nghiệm trong một công thức tổng quát Nó yêu cầu chỉ định phân phối xác suất đề xuất 𝑞( ) và trạng thái bắt đầu 𝜃 0 trong miền hậu nghiệm, nghĩa là, 𝑝(𝜃 0 |𝑦) > 0 Thuật toán tạo chuỗi Markov {𝜃 𝑡 } 𝑡=0 𝑇−1 sao cho ở mỗi bước 𝑡 1) trạng thái đề xuất 𝜃 ∗ được tạo có điều kiện đối với trạng thái hiện tại, và 2) 𝜃 ∗ được chấp nhận hoặc bị từ chối theo tỷ lệ chấp nhận được xác định

1 Tạo ra một trạng thái đề xuất: 𝜃 ∗ ~ 𝑞( |𝜃 𝑡−1 )

2 Tính xác suất chấp nhận 𝛼(𝜃 ∗ |𝜃 𝑡−1 ) = min {𝑟(𝜃 ∗ |𝜃 𝑡−1 ), 1)}, trong đó:

4 Đặt 𝜃 𝑡 = 𝜃 ∗ nếu 𝑢 < 𝛼(𝜃 ∗ |𝜃 𝑡−1 ), và 𝜃 𝑡 = 𝜃 𝑡−1 trong trường hợp ngược lại

Chúng ta tiếp tục lặp lại các bước từ 1 đến 4 dưới dạng cập nhật MH Theo thiết lập, bất kỳ chuỗi Markov nào được mô phỏng bằng thuật toán MH đều được đảm bảo sẽ có 𝑝(𝜃 0 |𝑦) là phân phối dừng của nó

Hai tiêu chí quan trọng đo lường hiệu quả của MCMC là tỷ lệ chấp nhận của chuỗi và mức độ tự tương quan trong mẫu được tạo ra Khi tỷ lệ chấp nhận gần bằng 0, thì hầu hết các đề xuất đều bị từ chối, điều đó có nghĩa là chuỗi đã thất bại trong việc khám phá các vùng xác suất hậu nghiệm được chấp nhận Trong một trường hợp cực đoan khác là khi xác suất chấp nhận gần bằng 1, khi đó chuỗi này nằm trong một vùng nhỏ và không thể khám phá toàn bộ miền hậu nghiệm Một MCMC hiệu quả có tỷ lệ chấp nhận không quá nhỏ cũng không quá lớn và cũng có mức độ tương quan thấp Gelman, Gilks và Roberts (1997) đã chỉ ra rằng trong trường hợp mô hình hậu nghiệm đa biến, tỷ lệ chấp nhận 0,234 là tiệm cận tối ưu và trong trường hợp hậu nghiệm đơn biến, tỷ lệ chấp nhận đạt 0,45 là mức tiệm cận tối ưu

Trong trường hợp đặc biệt của MH sử dụng cập nhật Metropolis với 𝑞( ) là phân phối đối xứng, tỷ lệ chấp nhận giảm xuống tỷ lệ xác suất hậu nghiệm:

Phân phối Gaussian là lựa chọn phổ biến cho phân phối đề xuất 𝑞( ) và nguồn gốc thuật toán Metropolis cũng được đề xuất bởi phân phối này

Một phương pháp MCMC quan trọng khác có thể được xem là một trường hợp đặc biệt của MH là cách lấy mẫu Gibbs (Gelfand et al 1990), trong đó các bản cập nhật là bản phân phối xác suất có điều kiện của từng tham số đối với phần còn lại của các tham số khác Cập nhật Gibbs luôn được chấp nhận Nếu 𝑗 = 1 … , 𝑑, 𝑞 𝑗 là phân phối xác suất có điều kiện của 𝜃 𝑗 với phần còn lại 𝜃 {−𝑗} , thuật toán lấy mẫu Gibbs được thực hiện như sau Với 𝑡 = 1, … , 𝑇 − 1 và 𝑗 = 1, … 𝑑: 𝜃 𝑡 𝑗 ~ 𝑞 𝑗 ( |𝜃 𝑡−1 {−𝑗} ) Bước này được gọi là cập nhật Gibbs

Kết quả thu thập

Thống kê mô tả

Trong giai đoạn từ 2011-2020, theo thống kê các NHTM và có mở rộng ra trên

35 NHTM trong hệ thống nhưng mẫu nghiên cứu chỉ bao gồm 25 NHTM có đầy đủ số liệu Các NHTM trong mẫu có tốc độ gia tăng tín dụng bình quân là 20% hàng năm, cao nhất là 108%, thấp nhất -29.9% Tỷ lệ dư nợ cho vay so với tổng nguồn vốn huy động thường xuyên ở mức cao, bình quân khoảng 86% Với kết quả phân tích và các số liệu tính toán bình quân trên, chứng tỏ các NHTM có lệ thuộc nhiều vào hoạt động tín dụng Thêm vào đó, chỉ số ROA min và ROA max theo kết quả cho lệch nhau trong khoảng từ -0.055% đến 0.07%; NIM min và NIM max trong khoảng từ -0.008 đến 0.127 chứng tỏ có một sự chênh lệch khác nhau lớn giữa các NHTM trong suốt thời gian nghiên cứu trên các mẫu NHTM có qua khảo sát và phân tích

Bảng kết quả của mô hình Bayes chi kết như Bảng 4.1

Bảng 4.1: Thống kê mô tả

Giá trị trung bình Độ lệch chuẩn

Kiểm định tính phù hợp mô hình

Phân tích sử dụng các phương pháp biểu đồ (graphical) và số (numeric) hay hình thức (formal) để kiểm định tính phù hợp (goodness of fit) của mô hình nghiên cứu Các biểu đồ phần dư so với dự báo (residuals vs predicted), dự báo so với quan sát (fitted vs observed), Q & Q (quantiles & quantiles) và tỷ lệ giá trị ngoại lai (outliers) được sử dụng Tác giả cũng sử dụng các kiểm định số như tính tỷ lệ số giá trị ngoại lai trong tổng số quan sát và tỷ lệ quan sát thực tế nằm trong khoản dự báo (predictive intervals)

Hình 4.1 cho thấy các điểm phần dư (chêch lệch giữa giá trị quan sát và giá trị dự báo) nằm trên trục Y và các giá trị dự báo trên trục X Theo quan sát, các điểm phần dư tập trung tương đối đều dọc theo các giá trị dự báo trên trục X, thể hiện tính phù hợp của mô hình nghiên cứu

Biểu đồ 4.1: Biểu đồ giá trị phần dư so với giá trị dự báo

Biểu đồ 4.2 đặt các giá trị dự báo trên trục X và các giá trị quan sát (dữ liệu thực tế) trên trục Y Đường chéo (diagonal line) cho thấy tính hợp lý hoàn toàn (perfect fit) khi giá trị dự báo đúng bằng giá trị quan sát Trong hệ tọa độ Decarte, đường chéo chính là đường phân giác (bisector) chia góc tọa độ thành hai góc bằng nhau Một mô hình có tính phù hợp cao khi các điểm trên biểu đồ tập trung sát theo đường chéo Quan sát Hình 4.2, tác giả nhận thấy phần lớn các điểm trên đều tập trung xung quanh đường chéo, thể hiện tính phù hợp cao của mô hình

Biểu đồ 4.2: Biểu đồ giá trị dự báo so với giá trị quan sát

Biểu đồ Q-Q so sánh phân phối của phần dư với đường chéo (diagonal line) đại diện cho phân phối chuẩn Các điểm phần dư càng bám sát đường chéo thì phân phối của phần dư càng tuân theo phân phối chuẩn Hình 4.3 cho thấy phân phối phần dư mô phỏng một phân phối chuẩn, phản ánh mô hình là hợp lý

Biểu đồ 4.3: Biểu đồ Q-Q cho phần dư

Hình 4.4 biểu diễn các giá trị ngoại lai (outliers) (màu đỏ) so với các giá trị quan sát (màu hồng) trên biểu đồ Thêm vào, để tính được tỷ lệ số giá trị ngoại lai trong tổng số giá trị quan sát, tác giả sử dụng phương pháp số (numeric) Nhìn chung, tỷ lệ này càng thấp thì mô hình càng phù hợp Theo phương pháp số, phần trăm số lượng ngoại lai (outliers) tính được là 4, 98% và đây là một tỷ lệ tương đối thấp

Biểu đồ 4.4: Biểu đồ giá trị ngoại lai so với giá trị quan sát

Biểu đồ 4.5: Biểu đồ tỷ lệ số quan sát trong khoảng dự báo

Dữ liệu thực tế của LLP - Đường bao dưới (95%) Đường bao trên (95%)

Hình 4.5 cho thấy hầu hết các giá trị quan sát nằm trong khoảng dự báo Tỷ lệ này càng cao thì mô hình càng phù hợp Theo tính toán của tác giả, có khoảng 0,996% dữ liệu quan sát nằm trong khoảng dự báo Như vậy, phát hiện này chỉ ra mô hình nghiên cứu là phù hợp.

Kiểm định hội tụ chuỗi MCMC

Kiểm định hội tụ chuỗi MCMC nhằm mục đích kiểm tra hiệu quả lấy mẫu Một khi chuỗi MCMC cho tất cả các tham số mô hình hội tụ thì các tham số hội tụ về các giá trị phù hợp Nghiên cứu này sử dụng phương pháp đồ họa (visual) như biểu đồ vết (trace plots), biểu đồ tự tương quan (autocorrelation plots), biểu đồ cusum, biểu đồ histogram và biểu đồ kdensity Quan sát các loại biểu đồ này, tác giả không tìm thấy sự bất thường chứng tỏ các chuỗi MCMC không hội tụ ( như phụ lục 1, 2, 3 và 4) Các biểu đồ vết cho tất cả các tham số có chuỗi pha trộn tốt Biểu đồ vết là chẩn đoán hội tụ dễ tiếp cận nhất và dễ dàng kiểm tra trực quan Biểu đồ vết của một tham số biểu thị các giá trị được mô phỏng cho tham số này so với số lần lặp Biểu đồ vết của một tham số trộn tốt phải nhanh chóng đi qua miền hậu nghiệm và phải có giá trị trung bình và phương sai gần như không đổi, bên cạnh còn có một phương pháp chuẩn đoán đồ họa để đánh giá sự hội tụ của các tham số riêng lẻ dựa trên tổng tích lũy, còn được gọi là biểu đồ cusum Theo định nghĩa, bất kỳ biểu đồ cusum nào đều bắt đầu từ 0 và kết thúc ở 0 Các biểu đồ cusum rất hữu ích để phát hiện các điểm trôi dạt trong chuỗi Đối với một chuỗi không có xu hướng, biểu đồ cusum phải vượt qua trục X Ví dụ, sự trôi dạt sớm (drift: trôi dạt ngẫu nhiên, đây là sự thay đổi giá trị trung bình của một quá trình ngẫu nhiên), có thể cho thấy sự phụ thuộc vào các giá trị bắt đầu Nếu phát hiện ra sự trôi dạt sớm, tác giả nên loại bỏ một phần ban đầu của chuỗi và tăng kích cỡ chuỗi MCMC Đồ thị cusum cũng có thể được sử dụng để đánh giá tốc độ trộn của chuỗi Quá trình trộn chuỗi càng chậm, các ô cusum càng mượt Ngược lại, việc trộn chuỗi càng nhanh, các ô cusum càng gồ ghề kiểu răng cưa Các biểu đồ tự tương quan rớt nhanh; chuỗi MCMC của mô hình này có pha trộn tốt, tức là tự tương quan thấp; các biểu đồ “histogram” mô phỏng hình dạng của các phân phối xác suất Từ đó, có thể kết luận rằng chuỗi MCMC hội tụ về phân phối mục tiêu nên kết quả suy diễn Bayes là vững

Bên cạnh các phương pháp đồ họa, có thể dùng phương pháp số như ESS (Effective Sample size) Các ước tính của ESS càng gần với kích thước mẫu MCMC, thì mẫu MCMC càng ít tương quan và các ước tính về các tham số càng chính xác Thực tế, gần như không có trường hợp các ước tính của ESS càng gần với kích thước mẫu MCMC trong thuật toán MH, tuy nhiên nếu các giá trị này dưới 1% của kích thước mẫu MCMC thì đây chính là một dấu hiệu cảnh báo Kết quả kiểm định ESS trong Bảng 4.2 cho thấy hiệu quả lấy mẫu cao do thuật toán Gibbs được sử dụng kết hợp với MH

Tham số ESS Corr time Efficiency

Nguồn: Tác giả tính toán

Thảo luận kết quả nghiên cứu

Qua các phân tích tính hợp lý ở trên, tác giả sử dụng mô hình Bayes với tiên nghiệm chuẩn (0,1) cho các tham số cấu trúc để phân tích tiếp theo Bảng 4.3 tổng kết kết quả ước lượng của mô hình này

Bảng 4.3: Kết quả ước lượng mô hình Bayes

Trung bình (Mean) Độ lệch chuẩn

Sai số chuẩn Monte Carlo (MCSE)

Xác suất mean>0 hoặc

Tiêu đề	Các Nhân Tố Tác Động Đến Rủi Ro Tín Dụng Tại Ngân Hàng Thương Mại Việt Nam
Tác giả	Phạm Thị Thu Thảo
Người hướng dẫn	PGS.TSKH Nguyễn Ngọc Thạch
Trường học	Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
Chuyên ngành	Tài Chính - Ngân Hàng
Thể loại	Luận Văn Thạc Sĩ
Năm xuất bản	2023
Thành phố	Thành Phố Hồ Chí Minh

Định dạng
Số trang	97
Dung lượng	2,51 MB