Chuyên đề tốt nghiệp: Ứng dụng phương pháp hồi quy mô hình Logistic trong đánh giá rủi ro tín dụng KHDN tại Ngân hàng TMCP Kỹ thương Việt Nam - Techcombank

Trang 1

TRƯỜNG ĐẠI HỌC KINH TE QUOC DANKHOA TOAN KINH TE

DE TAI:

UNG DUNG PHƯƠNG PHAP HOI QUY MO HÌNH

LOGISTIC TRONG DANH GIA RỦI RO TÍN DUNGKHACH HANG DOANH NGHIEP TAI NGAN HANG

TMCP KỸ THUONG VIET NAM - TECHCOMBANK

Sinh viên thực hiện : NGUYÊN THỊ THÙY LINHChuyên ngành : TOÁN TÀI CHÍNH

Giảng viên hướng dẫn : TS NGUYÊN QUANG HUY

HÀ NỘI - Tháng 12/2022

Trang 2

TRƯỜNG ĐẠI HỌC KINH TE QUOC DANKHOA TOAN KINH TE

DE TAI: UNG DUNG PHUONG PHAP HOI QUY MOHINH LOGISTIC TRONG ĐÁNH GIA RỦI RO TINDUNG KHACH HANG DOANH NGHIEP TAI NGAN

HANG TMCP KY THUONG VIET NAM TECHCOMBANK

-Sinh viên thực hện —: NGUYEN THI THUY LINHMã sinh viên : 11192957

Lớp : TOÁN KINH TẾ 61

Chuyên ngành : TOÁN TÀI CHÍNH

Giảng viên hướng dẫn : TS NGUYÊN QUANG HUY

HÀ NỘI - Tháng 12/2022

Trang 3

LỜI CAM ĐOAN

Em xin cam đoan đây là chuyên đề nghiên cứu của riêng em Các sốliệu và trích dẫn trong chuyên đề tốt nghiệp là trung thực, có nguồn gốc rõràng, đã công bé theo quy định Các kết quả nghiên cứu của chuyên dékhông trùng với bất kỳ công trình nghiên cứu nào khác.

Sinh viên

Nguyễn Thị Thùy Linh

Trang 4

LỜI CẢM ƠN

Trong suốt khoảng thời gian học tập và rèn luyện tại trường Đại học Kinh

tế Quốc dân, em đã nhận được sự giúp đỡ tận tình từ phía thầy/cô Em xin được

gửi lời cảm ơn tới tất cả các thầy/cô giáo là giảng viên trong trường, đặc biệt là cácthầy/cô giáo trong khoa Toán Kinh tế đã nhiệt thành hỗ trợ em tích lũy những kiến

thức cơ bản về nganh.

Qua đây em cũng xin gửi lời cảm sâu sắc tới TS Nguyễn Quang Huy —

người đã tận tình hướng dẫn, giúp đỡ em hoàn thành chuyên đề tốt nghiệp này.Đồng thời, em cũng xin chân thành cảm ơn sự giúp đỡ tận tình từ phía các anh chị

là chuyên gia phân tích rủi ro từ phòng Phân tích Rủi ro tín dụng và Mô hình tại

Ngân hàng TMCP Kỹ Thương Việt Nam — Techcombank trong suốt quá trình emhoàn thành chuyên đề tốt nghiệp.

Do nhiều hạn chế khách quan và chủ quan phát sinh nên không thể tránhkhỏi đề tài vẫn còn nhiều thiếu sót Em mong nhận được sự đóng góp ý kiến của

các thầy cô chuyên đề tốt nghiệp của em được hoàn thiện hơn.

Sinh viên

Nguyễn Thị Thùy Linh

Trang 5

MỤC LỤC

7/2102 0000808080806 i

LOT CAM ONossssesssssssesssessssssscsnessssnesessuseccnseessnseecsuseecsuesecsueessnseessuseessusesenneeesnseessneeessnseees iiDANH MỤC CAC BANG BIEU VA HINH VEvisssssssssesssessesssessessssssesssssssssessessessesssessees v

DANH MỤC CÁC HINH VE vcssssssessessssssessesssessssssessessssssesssssssssessssssesscssssssesscssssssessesssesss y

DANH MỤC CAC TU VIET TAT vessssssessesssessessssssessssssesvessssssessesssessesssesssssssssaneeseesseess vii

LOT MO DAU vessssssesscsssssssssssssccsvssscsnsesescansssessnssessnsscessansesessnssessnnsesessnseeesanseseenneeeseaneess 1CHUONG 1 CƠ SỞ LY LUẬN VA TONG QUAN NGHIÊN CỨU 3

1.1 Cơ sở lý luận về rủi ro tín dụng và quan tri rủi ro tin dụng 3

LLL RUi v0 tin KUing nen ố.ố 3

1.1.2 Quan tri rủi FO tint (ỊH Ăn nghiệt 5

1.1.3 Tổng quan về xếp hạng tin dung.ccccccccccccccsscsssesssessessssssessesssessesssessecsssssessessessees 81.1.4 Thực tiễn tình hình cho vay KHDN và quản trị rủi ro tin dụng tại Ngân

[/.7/1.WW24/1 /),.//J20000nn0n0n0n0n898Ẻ 12

1.2 Tống quan nghiên €ứu 2-2 2© E£+EE£EE£2EESEEEEEE2EEEEEEEEEEEEEEEEEErrrkrrtree 14

1.2.1 Tổng quan các nghiên cứu về các phương pháp xây dựng mô hình dự báo

xác suất vỡ nợ của KHIDN 5s ch H112 1 ryk 14

1.2.2 Các yếu tô chính có mối liên hệ với xác suất vỡ nợ của KHDN 16KET LUAN CHUONG 1 ocsssesssssssesssesssssssesssesssesssssssessscssscssscsssssssssssssscssucssscssacssseesseesses 17

CHUONG 2 PHƯƠNG PHAP NGHIÊN CỨU -ccccessecccrceeeseeeee 18

2.1 Phương pháp hồi quy mô hình L.0gistie 2- 2 5225z2cs++cxz+cxe2 182.2 Phép biến đỗi WOE - 1c 222 2E E212211211211211211111211 01111 xe 20

2.3 Phương pháp ước lượng hop lý cực đại - cành 21

2.4 Chỉ tiêu chọn lọc biến độc Map c.cccececccescssesseessessesssessesseessessessessesseessessesseens 22

2.5 Tiêu chí đánh giá mức độ hiệu quả của mô hình - - «5-55 25

2.5.1 Ma trận nhằm lẫn (Confusion IMatfiv) 55-©525<Sccctc+Eerkerrerxerree 25

2.5.2 Hệ số Gini (Gini Coefficient) - 5c St EEEEEEEEE1211211E11111 11k 27

PL 7., an .ố 28

Trang 6

2.6 Tiêu chí đánh giá mức độ 6n định của mô hình - 2-52 28

KET LUAN @/2(/001c7200000e®8®®e - 29

CHUONG 3 XAY DUNG MO HINH LOGISTIC DANH GIA RUI RO TIN DUNG

KHACH HANG DOANH NGHIEP TAI NGAN HANG TECHCOMBANK VA THEDIEM PHAN LOẠI HO SƠ KHACH HANG wessessssssesssessesssessessssssessessssssessssssessesssessees 30

3.1 Xây dung mô hình hồi quy Logistic đánh giá rủi ro tín dụng KHDN tại

Ngân hàng Techeombbank - 6 5G 23223911351 151 3553515111215 1 E11 11x 30

3.1.1 Tổng quan dữ liỆU 2-52- 5S SEEEtEEEE E212 E211 1 crrree 30

L9 T0 Ng.hgốẶ Ả 35

3.1.3 Phân tích đơn ĐiẾn - 2+ 5< EEEEEEEEE 2221.2212112 keo 36

3.1.4 Phân tích đa ĐiẾN +22 SSSESEEEtEEEEEEE12211171221211.11211.11 11 1e 363.2 Đánh giá sức mạnh dự báo của mô hình hồi quy - 2-52 55+ 453.2.1 Hệ số Gini (Gini Coefficient) - 22-©52©25+27SScxcSExtSExrsrxrsrkrrrerrrrees 45

3.2.2 Ma trận nhằm lẫn (CONFUSION HẠT X) , HH hư, 45

KP (70,702 n 47

3.3 Đánh giá mức độ 6n định của mô hình - 2 2 s¿2x+2zx+2zxezzxeee 41

3.4 Thiết kế thé điểm tín dụng phân loại KHDN -. -2-5¿- 5 c5c5s+ 48KET LUAN @ c[(0/9)À1C8-0000N/NNgmD Ô 49LOT KET LUẬN — KHUYEN INGHỊ, -e- 5< 5e se SxeExeExeEteereerkerrerrerrkerrerree 50

DANH MỤC TAI LIEU THAM KHAO 2- 2< 2 ©s£ s2 ©s£Ese©ss£ee+ss+ssersecse 54

PHU LUC ssssssssssssssssssssssssssssssssssssssssssssssssssssssusessssssssssssssssssssssssssssssssssssssssssssssssesssssssssess 56

Trang 7

DANH MỤC CAC BANG BIEU VA HÌNH VE

STT Tén Trang

DANH MUC CAC BANG BIEU

1 | Bảng 1.1.4.2: Thống kê ty lệ dư nợ tín dụng theo nhóm tại 13

thông tin) của các nhóm biến

7 | Bảng 3.1.2a Thống kê số lượng quan sát ở mỗi tập dữ liệu 35

8 | Bảng 3.1.2b: Bảng mô tả số lượng quan sát trong môi phân 35

khúc KH

9 | Bang 3.2.1 Hệ số Gini của mô hình trên 3 tập dữ liệu 45

10 | Bang 3.2.2: Kết quả tính độ chính xác trên mỗi tập dữ liệu 46

11 | Bảng 3.2.3 Kết quả tinh Gini Impurity 47

12 | Bảng 3.4: Kết quả thẻ điểm 48

DANH MỤC CÁC HÌNH VỀ

Trang 8

1 | Hình 1.4.1.1: Số lượng KHDN hoạt động trung bình tại 13

2 | Hình 2.1.1: Hồi quy tuyến tính 19

3 | Hình 2.1.2: Hoi quy Logistic 19

4 | Hình 2.5.1: Ma trận nham lan 265 | Hình 2.5.3: Hệ số Gini 275 | Hình 3.1.3: Xu thé WOE của biến No_mth_od1 36

6_ | Hình 3.1.4a: Danh sách biến độc lập sau khi chạy hồi quy mô 37

hình Logistic dựa trên phương pháp hồi quy từng bước

7| Hình 3.1.4b: Ma trận hệ số tương quan 388 | Hình 3.1.4c: Xu thế WOE của biến Typ_loan1& Ov_day1 38,39

9 | Hình 3.1.4d: Xu thé WOE của biến No_mth_od2 3910 | Hình 3.1.4e: Xu thé WOE của biến Trans1, Trans2, Trans3 40

17 | Hình 3.2.2a: Dữ liệu mat cân bằng giữa số lượng hồ sơ tốt/ 46xấu

18 | Hình 3.2.2b: Ma trận nhằm lan 41

Trang 9

DANH MUC CAC TU VIET TAT

BCTC Báo cáo tài chính Financial Statement

CASA Tài khoản thanh toán va Tài |Current account vs Saving

khoản tiết kiệm account

CAR Tỷ lệ an toàn vốn Capital Adequacy Ratio

CIC Trung tâm Thông Tin Tin Dung | Credit Information Center

DN Doanh nghiệp Corporation

IV Giá trị thông tin Information Value

KH Khách hàng Customer

KHDN Khách hàng doanh nghiệp Corporate Customer

LPM Mô hình xác suất tuyến tính Linear Probability ModelMDA Multiple Discriminant Analysis | Phân tích phân biệt đa biến

MM DN có quy mô siêu lớn Middle Market

NHNN | Ngân hàng nhà nước The State Bank of VietnamNHTM | Ngân hàng thương mai Commercial Bank

TSDB Tai san dam bao Collateral

TCTD Tổ chức tin dung Credit Institution

WOE Trọng số bang chứng Weight of Evidence

RRTD Rui ro tin dung Credit Risk

SME DN có quy mô vừa va nhỏ Small and Medium Enterprise

Trang 10

MSME _ | DN có quy mô siêu nhỏ Micro, Small and Medium

MM DN có quy mô siêu lớn Middle Market

USME DN có quy mô lớn Upper Small and MediumEnterprise

XHTD Xép hang tin dung Credit Scoring

Trang 11

Chuyên dé tốt nghiệp chuyên ngành Toán Tài chính

LỜI MỞ ĐẦU

1 Lý do chọn đề tài

Hoạt động tín dụng là hoạt động kinh doanh mang lại thu nhập chính cho

các NHTM ở Việt Nam nói chung, đồng thời đây cũng là hoạt động kinh doanhsinh lời lớn nhất song cũng chứa đựng nhiều rủi ro và khi xảy ra rủi ro mang lạihậu quả nghiêm trọng, khó lường (Zakrzewska, 2007) Các khoản cấp tín dụng choKHDN là những khoản cho vay tài chính hoặc các cam kết bảo lãnh, thư tín dụngcho DN dé phục vụ hoạt động san xuất kinh doanh như bố sung von luu động, đầutư xây dựng cơ sở vật chất, nhà xưởng hoặc mua sắm máy móc thiết bị mới Vì thếnhững khoản cấp tin dụng sẽ tương đối lớn và phức tạp trong quá trình thẩm định,

đánh giá KHDN.

Ngân hàng TMCP Kỹ Thương Việt Nam — Techcombank được ghi nhận

trong giai đoạn 2015 — 2020, liên tiếp đạt kết quả kinh doanh tăng trưởng và hiệuquả vượt trội cùng nhiều Chương trình tài trợ vốn đặc biệt ưu đãi đành cho DN đãdần tạo được lòng tin và thu hút không ít KHDN có nhu cầu về vốn, muốn tiếp cậndịch vụ tài chính Theo đó, trước bối cảnh kinh tế thị trường han chưa minh bachhoàn toàn, van còn nhiều DN cé tình che giấu tình hình sức khỏe tài chính khi nộp

hồ sơ vay vốn, Ngân hàng đặc biệt cần chú trọng đến chất lượng cấp tín dụng, giải

quyết triệt dé nợ xấu dé không làm ảnh hưởng đến hiệu quả hoạt động kinh doanh.Thực tế, Techcombank có mong muốn rà soát kĩ lưỡng khâu thâm định tín dụngKHDN nên việc phân loại được nhóm hồ sơ KH vào các mức rủi ro vỡ nợ khácnhau để kịp thời đánh giá đối tượng KH tại thời điểm ra quyết định cấp vốn là vô

cùng cân thiết.

Xếp hạng tín dụng KHDN là một trong những biện pháp phổ biến tại cácNgân hàng trong đánh giá RRTD, bằng việc thiết kế thẻ điểm để XHTD DN vớimục đích ngăn ngừa, hạn chế đến mức thấp nhất rủi ro có thé xảy ra, giảm thiểucác thiệt hại phát sinh từ hoạt động cấp tín dụng và tăng lợi nhuận cho Ngân hàng,dần nâng cao uy tín và lợi thế trong cạnh tranh Đã có nhiều phương pháp chấmđiểm tín dụng và phân loại khoản vay chứng tỏ nhiều ưu thế về độ chính xác cũngnhư tin cậy so với một số mô hình theo phương pháp thống kê truyền thống Trongsố đó, hồi quy Logistic được áp dụng rộng rãi trong xây dựng thẻ điểm đánh giá

mức độ tín nhiệm của KHDN, có thể giúp Ngân hàng tăng khả năng giám sát các

khoản cho vay Kết hợp với nguồn đữ liệu sẵn có tại Techcombank cùng phương

Trang 12

pháp thông dụng đã được học là hồi quy mô hình Logistic để xác định khả năngkhách hàng doanh nghiệp vay von sẽ có rủi ro vỡ nợ, em đã lựa chọn đề tài: “Ú? ng

dung phương pháp hồi quy mô hình Logistic trong đánh giá rủi ro tín dung

KHDN tại Ngân hàng TMCP Kỹ thương Việt Nam - Techcombank” làm chuyên

đề tốt nghiệp.

2 Mục tiêu nghiên cứu

- Hệ thống hóa các lý thuyết, lý luận liên quan đến đánh giá RRTD và quản trị

—_ Xác định các yếu tố là tín hiệu cảnh báo kha năng vỡ nợ của KH;

- Ứng dụng thuật toán hồi quy mô hình Logistic để xây dựng mô hình dự báo

xác suất vỡ nợ của KHDN vào thời điểm sau 12 tháng ké từ khi chốt dữ liệu dé

XHTD và phân loại KH;

— Thiết kế thẻ điểm với mục đích ra quyết định cấp tín dụng tùy thuộc vào đặc

điểm hồ sơ KH.

3 Đối tượng và phạm vi nghiên cứu

- Đối tượng nghiên cứu: mô hình đánh giá rủi ro tín dụng của KHDN tại Ngân

hàng Techcombank.

— Phạm vi nghiên cứu: chuyên đề được triển khai dựa trên dữ liệu của 13,615

KHDN có quan hệ tin dung với Ngân hàng Techcombank trong giai đoạn 2015— 2020.

4 Phương pháp nghiên cứu

Phương pháp hồi quy Logistic cho biến mục tiêu là biến nhị phân Ngoài ra,kết hợp sử dụng phép biến đổi WOE (weight of evidence) dé xử lý các biến đầu

5 Bố cục chuyên đề

Ngoài chương mở đầu, kết luận và tài liệu tham khảo, chuyên đề gồm 3 chương:Chương 1: Cơ sở lý luận và Tổng quan nghiên cứu

Chương 2: Phương pháp nghiên cứu

Chương 3: Xây dung mô hình hồi quy Logistic đánh giá rủi ro KHDN taiNgân hàng Techcombank và thẻ điểm phân loại hồ sơ KHDN

11192957 — Nguyễn Thị Thùy Linh 2

Trang 13

CHƯƠNG 1

CƠ SỞ LÝ LUẬN VA TONG QUAN NGHIÊN CỨU

Mục tiêu của Chương 1 là trình bay cơ sở lý luận và tổng quan về van đề

nghiên cứu Cụ thé: Phan 1.1 trình bay cơ sở lý luận về rủi ro tín dụng và quan trị

rủi ro tín dụng nói chung và quản trị rủi ro tín dụng theo Hiệp ước Basel và các

văn bản pháp luật tại Việt Nam nói riêng; Phan 1.2 sơ lược các nghiên cứu vềphương pháp hồi quy mô hình dự báo xác suất vỡ nợ của DN từ trước đến nay từđó rút ra các nhóm yếu tố có ảnh hưởng tới xác suất vỡ nợ của KHDN.

1.1 Cơ sở lý luận về rủi ro tín dụng và quản trị rủi ro tin dụng

1.1.1 Rủi ro tín dung

1.1.1.1 Các khái niệm rủi ro tín dụng

RRTD là rủi ro xuất phát từ tính không chắc chắn về khả năng hay sự sẵn

sàng của người vay trong việc thực hiện các nghĩa vụ quy định trong hợp đồng tín

dụng Nói cách khác Nói cách khác, RRTD là khả năng xảy ra ton thất khônglường trước từ việc người đi vay không hoàn trả được đúng hạn hoặc đầy đủ baogồm cả vốn gốc và lãi theo đúng nghĩa vụ với Ngân hàng Vì RRTD là khả năngkhông trả nợ của KH nên các tổ chức tín dụng cần nhận diện nguyên nhân của nó

càng rõ, càng kỹ thì sẽ càng tốt (Norden và Weber, 2010).

Có nhiều cách dé định nghĩa RRTD, tuy nhiên các quan điểm khác nhau đóđều cùng thể hiện một ban chất: RRTD là những biến cố mà một khi xảy ra sẽ dẫnđến sự thiệt hại về mặt kinh tế mà NHTM phải gánh chịu do KH vay vốn không

có khả năng thực hiện một phần hoặc toan bộ nghĩa vụ của mình theo cam kết.1.1.1.2 Đặc điểm rủi ro tín dụng

- Tính chất da dang, phức tạp: do su da dang trong loại hình tín dụng, quyđịnh của pháp luật ảnh hưởng nhiều đến quyết định cấp vốn, sự chuyền biếncủa nền kinh tế, sự phức tạp trong nguyên nhân dẫn đến RRTD khiến choRRTD có tính chat đa dạng và phức tạp;

- Tính chất gián tiếp: trong quan hệ tin dụng thì Ngân hàng chuyển giao

quyền sử dụng vốn cho KH trong một thời gian nhất định, vì thế những thiệt

hại cũng như thất thoát về vốn xảy ra trước hết là từ việc sử dụng vốn củaKH Chi KH mới có day đủ thông tin về chất lượng, hiệu qua của khoản

Trang 14

vay tín dụng đó, vậy nên dé hạn chế tình trạng thông tin bat cân xứng thìNgân hàng cần tập trung nghiên cứu thông tin về KH, thiết lập hệ thốngthông tin theo dõi dấu hiệu rủi ro, xây dựng và đảm bảo mỗi quan hệ minh

bạch giữa cán bộ tín dụng và KH, kiểm soát việc sử dụng vốn vay của KH,kiểm soát việc sử dụng vốn vay của KH và đưa ra những biện pháp kịp thời;

- Tính tat yếu: NHTM luôn phải đối mặt với RRTD khi thực hiện hoạt độngcho vay, bởi RRTD gia tăng cùng với sự theo đuôi mục tiêu gia tăng lợinhuận Do đó, các NHTM cần đánh giá cân thận khi ra quyết định cấp tín

dụng dựa trên mối quan hệ giữa rủi ro và lợi nhuận nhằm tìm ra những cơ

hội đạt được những lợi ích phù hợp với mức chấp nhận rủi ro Theo đó,Ngân hàng sẽ hoạt động hiệu quả nếu mức rủi ro mà họ gánh chịu là hợplý, có thé được kiểm soát và nằm trong năng lực tín dung của Ngân hang.

1.1.1.3 Nguyên nhân dẫn đến rủi ro tín dụng

— Nguyên nhân khách quan: là nguyên nhân do môi trường bên ngoài tác động

vào, thường khó kiêm soát, có thé liệt kê như sau:

> Do môi trường chính trị, kinh tế không ổn định: khi nền kinh tế tăngtrưởng và ôn định thì hoạt động tín dụng cũng sẽ tăng trưởng theo và ít

rủi ro hơn Ngược lại, nếu nền kinh tế rơi vào suy thoái thì sản xuất kinh

doanh của KH bị thu hẹp hoặc đình trệ dẫn tới thua lỗ và phá sản, lúc

này chính Ngân hàng sẽ chịu khả năng rủi ro không thu được nợ Cơ chế- chính sách có thê làm cho quá trình sản xuất kinh doanh của DN củanhà nước thay đổi có thê thuận lợi hay khó khăn;

> Do các yếu tố của môi trường tự nhiên: có thé ké đến thiên tai, dịch bệnhlàm cho tình hình kinh doanh của DN sẽ bị tốn thất lớn hoặc kế hoạchkinh doanh gặp nhiều khó khăn, đồng nghĩa với việc Ngân hàng cũngkhông dé gì có thé thu hồi lại nợ;

> Do môi trường pháp lý: còn nhiều khe hở trong áp dụng thi hành pháp

luật khi luật và các văn bản có liên quan chưa được đồng bộ, đặc biệt làquy định về các NHTM có quyền xử lý TSBD nợ vay khi KH không trả

được nợ Nhưng trên thực tế, các NHTM không phải là cơ quan quyềnlực Nhà nước nên không có chức năng cưỡng chế, do đó phải đưa ra Tòaán xử lý và sẽ tốn không ít chi phi phat sinh.

— Nguyên nhân chủ quan

Trang 15

> Từ phía KH, chủ yếu có thể do sử dụng vốn sai mục đích hoặc không có

thiện chí trong việc trả nợ, cụ thê đối với phạm vi đề tài chỉ tập trungvào KH doanh nghiệp Có rất nhiều lý do để KHDN không trả nợ đúnghạn như: Thị trường sản pham của DN sản xuất ra không tiêu thụ được,kém khả năng cạnh tranh, kém chất lượng: Tình hình tài chính DN yếukém, thiếu minh bạch, nội bộ DN có tình trạng tham nhũng, gian lận;DN có sự thay đổi nhân sự hay chủ sở hữu hoặc kha năng quan lý điềuhành bộ máy quản trị DN yếu kém;

> Từ phía ngân hàng, RRTD có thể bắt nguồn từ nguyên nhân chính sáchtín dụng của Ngân hàng còn thiếu khoa học, chiến lược, thiếu chặt chẽ,gây cản trở hoạt động kiểm tra giám sát làm ảnh hưởng đến quyết định

đối với một khoản vay hoặc có thể gây ảnh hưởng đến hiệu quả hoạtđộng của Ngân hàng Hoặc do Ngân hàng quá chú trọng về lợi nhuận,

đặt những khoản vay có lợi nhuận cao hơn những khoản vay lành mạnh.

1.1.2 Quản trị rủi ro tín dung

1.1.2.1 Khai niệm quản trị rủi ro tin dụng

Quản tri RRTD là vấn đề cốt lõi trong sự ton tại của phần lớn các Ngânhàng theo quan điểm của Creuning và Bratanovic (2003) Trong khi Kloman,Haimes và một số nhà kinh tế nồi tiếng trên thế giới cho rằng “Quản tri rui ro làqua trình tiếp cận rủi ro một cách khoa học, toàn diện và có hệ thống nhằm nhậndạng, kiểm soát, phòng ngừa và giảm thiểu những ton that, mat mát và ảnh hưởng

bat lợi của rủi ro ”.

Ngoài ra có thé hiểu quản trị RRTD trong ngân hàng là một quá trình baogồm việc tô chức, điều khiển và thực hiện các hoạt động, các quy trình liên quanđến việc cấp tín dụng nhằm đảm bảo an toàn tín dụng Công việc này được bắt đầungay khi xem xét hồ sơ vay vốn, thâm định KH, ký kết hợp đồng tín dụng, thực

hiện giải ngân và kiểm soát khi cho vay đến khâu thu hồi nợ và xử lý nợ quá hạn.1.1.2.2 Sự can thiết của quan trị rui ro tín dụng trong hoạt động cho vay tai Ngân

Trong một môi trường kinh tế vẫn còn tiềm ân nhiều rủi ro, nếu Ngân hàng

yếu kém trong khâu quản trị rủi ro tín dụng thì sẽ rat dé rơi vào thé bi động nếu córủi ro ngoài mong đợi xảy ra, không chỉ gây tôn thất về vốn mà còn thiệt hại vềdanh tiếng một khi RRTD xảy ra Chính vì thế, quản trị RRTD là vấn đề tất yếu

Trang 16

đối với Ngân hàng nhằm hạn chế tối đa rủi ro và đảm bảo mục tiêu hoạt động kinh

doanh “ôn định, an toàn và lợi nhuận”:

- Quản trị rủi ro tín dụng giúp Ngân hàng hạn chế các khoản nợ khó thu hồigây ảnh hưởng đến hoạt động kinh doanh của Ngân hàng do luồng vốn bị ứđọng từ đó làm giảm vòng quay vốn của Ngân hàng Ngoài ra, uy tín củaNgân hàng có thể được đảm bảo do một khi có rủi ro tín dụng xảy ra, đặcbiệt là khi rủi ro này xảy ra liên tiếp, ở mức độ lớn và phạm vi rộng, nếuNgân hàng có sự chuẩn bị trước dé kịp thời ứng phó thì có thé giảm thiểunguy cơ phá sản và xoa dịu hiệu ứng lan truyền trên thị trường tín dụng,

chứng khoán, toàn bộ thị trường tài chính ngân hàng;

— Quản trị rủi ro tín dụng giúp Ngân hàng hoạt động kinh doanh ồn định, an

toàn và lợi nhuận: nếu Ngân hàng có phương pháp kiểm soát rủi ro tín dụng

hiệu quả như xây dựng chính sách tín dụng rõ ràng, đào tạo vững nghiệp vụcho các cán bộ tín dụng hay có sự giám sát, quản lý sau cho vay thì chính

bản thân Ngân hàng có thê tránh được thất thoát, tăng doanh thu, lợi nhuậnvà bảo toàn vốn, tạo lòng tin từ phía KH và nhà đầu tư, mở rộng thị phần

trên thị trường cạnh tranh.

1.1.2.3 Quản trị rủi ro tín dụng theo hiệp ước Basel và một số văn bản pháp luật

tại Việt Nam

a Quản trị rủi ro tín dung theo Hiệp ước Basel

Uy ban Basel đã xây dựng và cải tiến khung quản trị rủi ro từ Basel I, BaselII và mới đây nhất đến Basel III, là hiệp ước được hoàn thiện và lần đầu được giớithiệu năm 2010 nhằm khắc phục hạn chế và có nhiều sự hoàn thiện so với hai Hiệp

ước trước đó Tính đến thời điểm hiện nay, còn rất nhiều Ngân hàng tại Việt Nam

vẫn đang trong quá trình hoàn thiện quy trình áp dụng tiêu chuẩn Basel II Đối với

Basel L, rủi ro thị trường và rủi ro tín dụng được đo lường một cách cơ bản thì sang

đến Basel II giới thiệu một chuỗi các phương pháp tiếp cận mới có thể đo lường

rủi ro tín dụng phức tạp hon va tập trung thêm vao rủi ro hoạt động, theo đó, “hiệp

ước Basel II vẫn được xây dựng nội dung dựa trên cơ sở gồm 3 tru cột, trong do:- Trụ cột Ila các quy định về vốn đã kết hợp cả rủi ro hoạt động vào công

thức tinh vốn toi thiểu yêu cầu Giống với Basel I, tỷ lệ an toàn vốn tối thiểu(CAR) van là 8% của tổng tài sản có rui ro theo tiêu chuẩn an toàn von toithiểu của Basel I;

Trang 17

- Trụ cột 2 dé cập đến hoạt động thanh tra, giám sát, giúp cung cấp mộtkhung giải pháp cho các rủi ro mà Ngân hàng có nguy cơ phải đối mặt như:

rủi ro hệ thống, rủi ro chiến lược, rủi ro thanh khoản, rủi ro pháp lý;

- Trụ cột 3 là các nguyên tắc thị trường đảm bảo tính mình bạch, công khaithông tin theo nguyên tắc thị trường Theo đó, các Ngân hàng phải công

khai thông tin, từ những thông tin về cơ cấu vốn, mức độ day đủ vốn đếnnhững thông tin liên quan đến mức độ nhạy cảm của Ngân hàng với rủi ro

tin dụng, rủi ro thị trường, rui ro hoạt động và quy trình đánh giá của Ngân

hang doi với từng loại rủi ro này.

Nguyên tắc quản trị rủi ro tín dụng của Basel II gom:-_ Thiết lập môi trường RRTD phù hợp

—_ Hoạt động theo một quy trình cấp tin dụng lành mạnh

— Duy trì việc cấp tin dụng hiệu quả

— Hệ thống kiểm soát RRTD

- Giám sát RRTD”

Tại Việt Nam, theo kết quả khảo sát sức khỏe của các TCTD của NHNNcho thay, có gần 20 NHTM được công nhận đạt chuan Basel II, đáng chú ý duBasel II là tiêu chuẩn cao nhất được nhiều nhà quản lý đặt ra hiện nay nhưng nhiềuNgân hàng đã chủ động triển khai Basel III với nhiều tiêu chí khắt khe hơn nhằm

củng cố chất lượng về vốn và năng lực thanh khoản.

b Quản trị rủi ro tín dụng theo một số văn bản pháp luật tại Việt Nam

Theo khoản 01 Điều 02 của Quy định về phân loại nợ, trích lập và sử dụng

dự phòng để xử lý RRTD trong hoạt động ngân hàng của tô chức tín dụng (Ban

hành theo Quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 của Thống đốc

Ngân hàng Nhà nước) thi “Rui ro tin dung trong hoạt động ngân hàng của tổ chức

tín dụng là khả năng xảy ra ton thất trong hoạt động ngân hàng của to chức tin

dụng do KH không thực hiện hoặc không có khả năng thực hiện nghĩa vụ của mình

theo cam kết” Nguyên tắc đánh đôi rủi ro và lợi nhuận phát biểu rằng: Lợi nhuậncàng cao thì rủi ro kèm theo cũng càng lớn, vậy nên dé các NHTM cần dé đặt vanđề quản trị RRTD lên hàng đầu.

Chính sách trích lập dự phòng rủi ro được nêu rõ trong Điều 12 Trích lập

dự phòng của Thông tư 11/2021/TT - NHNN, cu thể các NHTM sẽ xây dựng Quỹ

Trang 18

dự phòng rủi ro được trích một phần từ lợi nhuận sau thuế sau đó được chia theotrọng số đối với 5 nhóm nợ tương ứng như sau:

- Nợ nhóm 1, nợ đủ tiêu chuẩn: 0%- Nợ nhóm 2, nợ can chú ý: 5%

- Nợ nhóm 3, nợ dưới tiêu chuẩn: 20%

- Nợ nhóm 4, nợ nghi ngờ mat vốn: 50%

— Nợ nhóm 5, nợ có khả năng mất vốn: 100%

Luật Tổ chức tín dụng 1997 tương tự cũng có quy định về tỷ lệ bảo đảm an

toàn khi TCTD hoạt động kinh doanh cho vay, là tỷ lệ tài sản “C6” dùng để thanhkhoản và tài sản “Nợ” phải trả vào một thời điểm nhất định có thé là bất chợt,

không lường trước Không chỉ kiểm soát đảm bảo khả năng chỉ trả mà Thống đốc

NHNN còn chỉ thị rõ “Mỗi TCTD đêu phải trích lập khoản dự phòng rủi ro, phòngkhi có các khoản nợ xấu xảy ra có thé gây thất thoát ảnh hưởng đến kết quả hoạt

động kinh doanh cua Ngân hang”.

Ngoài trích lập mức dự phòng rủi ro, mỗi TCTD cụ thê là các NHTM cũngcần rõ ràng về chính sách tín dụng như thời hạn nợ của các khoản vay tín dụng,

gia hạn nợ hoặc hoãn tra nợ Vi dụ như các mức độ vi phạm của các khoản tín dụng

được xét điều chỉnh thời hạn, số lần điều chỉnh thời hạn nợ tối đa cho một khoản

vay và đánh giá lại khả năng thực hiện nghĩa vụ trả nợ vay của KH đối với Ngânhàng như đã cam kết trước đó.

1.1.3 Tổng quan về xếp hạng tín dụng1.1.3.1 Khái niệm về xếp hạng tin dụng

Xếp hạng tín dụng là một phương thức phân loại một đối tượng KH ở vị

thế đi vay vào các nhóm dựa trên đánh giá về khả năng hoàn trả những gì mà KHhứa thanh toán đầy đủ cho Ngân hàng Đây được coi là một trong những công cụ

quan lý rủi ro tin dung khoa học và hiệu quả mà nhiều NHTM đang áp dụng nhằmrút ngắn thời gian va dé dàng hơn trong việc đánh giá khả năng thu hồi day đủ cáckhoản nợ gốc và lãi vay.

1.1.3.2 Vai trò của xếp hạng tín dụng KHDN doi với hệ thong ngân hang

XHTD có vai trò quan trọng trong việc thực hiện hiệu quả công tác quản trirủi ro tín dụng thê hiện qua việc:

Trang 19

- Giúp Ngân hàng kiêm soát được danh mục KHDN hiện có, kịp thời pháthiện KH nào đang chuyền xấu để thiết lập chính sách tín dụng và chính sách

KH về lãi suất cho vay, hạn mức vay, thời hạn tín dụng cho phù hợp;

— Giúp Ngân hàng giảm chi phí và thời gian ra quyết định cấp tín dụng, quanlý tốt hơn danh mục cho vay, cụ thê là đánh giá KH khi khoản tín dụng đang

còn dư nợ, tùy thuộc vào mục tiêu kinh doanh của Ngân hàng;

- Giúp Ngân hàng trong quá trình đánh giá và xếp hạng KHDN trước khi cấptín dụng, việc lựa chọn người cho vay luôn là một quyết định phải cân nhắckỹ lưỡng trong hoạt động tín dụng của Ngân hàng vì nếu lựa chọn sai có thêdẫn đến tồn thất lớn trong trường hợp KH chậm trả nợ hoặc không trả được

— Tái đánh giá va XHTD KH định ky, trong quá trình quan hệ tín dụng, Ngân

hàng có phải tiến hành phân tích khả năng thanh toán lãi vay và gốc của KHdựa vào nguồn thông tin thu thập được về KH, với mục đích tái xếp hạng

rủi ro tín dụng KH và điều chỉnh hạng mức khi cần thiết Trong trường hợp

phát hiện rủi ro tin dụng, Ngân hàng có thé yêu cầu KH đi vay phải bổ sung

vốn, tài sản thế chấp hoặc áp dụng chính sách lãi suất sao cho thích hợp;

- Ngoài ra, còn hỗ trợ Ngân hàng phân loại khoản vay và trích lập dự phòng

rủi ro: XHTD được có thê hỗ trợ Ngân hàng trong phân loại các khoản cho

vay thành các nhóm nợ thích hợp, có sự tính toán đưa ra mức dự trữ cần

Trước đây, khi khoa học thống kê chưa phát triển, công tác đánh giá rủi ro

tín dụng hoàn toàn dựa trên phán đoán chủ quan của nhà quản trị hoặc chuyên viên

tín dụng dựa trên nguồn thông tin được cung cấp từ KH Do vậy, phương phápđánh giá rủi ro này ắt sẽ có nhiều hạn chế và sai sót, đặc biệt là sẽ khó giải quyếtkhi có một số lượng lớn khách hàng.

Trong bối cảnh tài chính hiện nay, ngày càng nhiều các phương pháp phân

tích, dự báo rủi ro tín dụng được hoàn thiện hơn so với phương pháp truyền thống:

Trang 20

- Phương pháp chuyên gia là phương pháp thu thập và trưng cầu ý kiến củachuyên gia về rủi ro đối với một khoản vay dựa trên các thông tin được cungcấp về một DN đó là:

> Đặc điểm của chủ thể vay (Character): danh tiếng, uy tín DN xin cấp tín

dụng, mục đích khoản vay,

> Năng lực tài chính (Capacity): là yếu tố then chốt thể hiện dòng tiền haylợi nhuận của một DN cho biết DN đó có đủ khả năng hoàn trả khoản

vay hay không.

> Vốn (Capital): tỷ trọng vốn vay và vốn chủ sở hữu trong cấu trúc vốn,Ngân hàng sẽ chịu ít rủi ro hơn nếu như DN có vốn chủ sở hữu đủ lớn

vì khi DN làm ăn thua lỗ có thé dùng chính khoản tiền này dé chi trả cho

khoản nợ vay, làm giảm nguy cơ vỡ nợ của DN hơn.

> Tài sản đảm bao (Collateral): được coi là một nguồn đảm bảo thực hiệnđúng nghĩa vụ vay nợ với Ngân hàng bên cạnh khoản tiền được dự tínhdùng dé trả nợ Khi DN có nguy cơ vỡ nợ hoặc mat khả năng chi trả thìNgân hàng sẽ được ưu tiên sử dụng tài sản đảm bảo để thanh toán khoản

vay trước các chủ nợ khác Trước khi đồng ý cấp tín dụng cho DN có tàisản thế chấp thì Ngân hàng cần kiểm tra xem có các tài sản gì, giá trịthực của các tài sản là bao nhiêu, tài sản có được bảo hiểm không hay

khả năng lỗi thời và mất giá trong tương lai.

> Điều kiện (Condition): các yêu tố khách quan từ bên ngoài như tình hìnhkinh doanh của đối thủ cạnh tranh cùng ngành, sự thay đối của chu kỳ

kinh doanh/ chu ky sản pham, lạm phát hay triển vọng phát triển của

ngành trong tương lai.

Phương pháp chuyên gia tồn tại nhược điểm là bị hạn chế về nhận địnhkhách quan khi chỉ dựa vào kinh nghiệm của các chuyên gia đề đánh giá khả năng

trả nợ của KH.

Theo Javier Marque (2008), giữa xác suất vỡ nợ và việc chấm điểm(scorecard) có mối liên hệ trực tiếp với nhau Do đó, có thể thực hiện cho mức

điểm tín dụng theo một thang điểm nhất định tương ứng với xác suất vỡ nợ của

KH, từ đó có thé giúp dự báo rủi ro tín dụng, phân loại các khoản nợ xấu và nợ tốt

nhằm cải thiện hoạt động quản trị rủi ro của Ngân hàng Chính vì thế, phương phápmô hình ra đời giúp lượng hóa hồ sơ khách hàng thành điểm số giúp dé dang hơntrong đánh giá rủi ro tín dụng cho từng hồ sơ vay.

Trang 21

- Phuong pháp mô hình tối ưu hơn so với phương pháp chuyên gia khi khôngbị chi phối bởi yếu tố chủ quan từ phía các chuyên gia, có thê nhanh chóngxử lý hồ sơ và cho ra kết quả gần như chính xác hoàn toàn dù khối lượng

công việc lớn Hơn hết, do Ngân hàng nhận thấy có thé tiết kiệm chi phíthuê nhiều chuyên gia đánh giá nên phương pháp này dang dần phổ biến

không chỉ trong lĩnh vực Ngân hàng mà còn nhiều lĩnh vực khác.

Đánh giá RRTD của hồ sơ cho vay sẽ đều được nhất quán dựa trên điểm tínnhiệm của KH bằng việc cân nhắc đưa vào không giới hạn các biến giải thích làđặc điểm hành vi của chính các KH này Các nhà quản trị có chức năng ra quyếtđịnh dựa trên thang điểm tín dụng có thể đưa ra quyết định cho vay cuối cùng.

Đã có rất nhiều kỹ thuật khác nhau được áp dụng dé thiết lập mô hình chamđiểm rủi ro tín dụng Trước đây, mô hình toán học Z - score đầu tiên được xâydựng bởi Altman được coi là mô hình gốc được nhiều nhà nghiên cứu sử dụngtrong dự báo rủi ro phá sản Tuy nhiên mô hình này còn nhiều hạn chế và không

còn phù hợp với thị trường ngày nay khi các chỉ tiêu sử dụng trong công thức tính

toán đều đến từ dữ liệu thu thập được từ BCTC, trong trường hợp DN cố tinh chegiấu thông tin hoặc làm giả BCTC sẽ rất khó để đánh giá được rủi ro tín dụng củaDN này Mô hình của Altman (2000) và Altman và cộng sự (2007) bao gồm 5 biến

như sau với Z là giá trị đánh giá khả năng vỡ nợ:

Z =1.2X, + 14X, + 3.3X3 + 0.6X, + 1.0X;

X, _ |Vốn lưu động/ Tong tài sản

X, |Lợi nhuận trước thuế chưa phân phối/ Tổng tài sảnXs |Lợi nhuận trước lãi vay và thué/ Tổng tài san

X4 |Vốn chủ sở hữu/ Tổng nợ phải traXs |Doanh thu thuan/ Tong tài sản

Bang 1.2.3 Danh sách biến trong mô hình Z— score

Hiện nay, phương pháp xây dựng mô hình XHTD dựa trên mô hình hồi quyLogistic được cho là phương pháp phù hợp trong đánh giá rủi ro các hồ sơ cho vaytín dụng tại các NHTM và điều này cũng được khăng định qua nhiều nghiên cứu.

Theo Theo Wiginton, J C (1980), “Mô hình hoi quy Logistic có kỹ thuật do lườngRRTD khá đơn giản, dễ thực hiện và được sử dụng rộng rãi trong xếp hạng tín

dung cho ra kết quả phân tích với tỉ lệ chính xác cao”.

Ưu điểm nổi bật của mô hình Logistic so với các mô hình XHTD truyền

thống là có thé đo lường sự tác động của các biến độc lập lên xác suất vỡ nợ của

Trang 22

KHDN, ngoài ra các yếu tố đầu vào này còn có thé dé dàng hiệu chỉnh hoặc thêmbớt trong trường hợp khả năng giải thích cho biến phụ thuộc không đủ lớn, tránhhiện tượng các biến giải thích có tương quan lẫn nhau dẫn đến kết quả mô hình bị

sai lệch.

Mô hình Logistic có kỹ thuật đo lường rủi ro tín dụng khá đơn giản, dễ thực

hiện bằng nhiều công cụ khác nhau Mô hình có thể ước lượng được xác suất vỡnợ của KH với biến mục tiêu là biến nhị phân, từ đó Ngân hàng có thé xác địnhđược DN nào đang năm trong vùng an toàn, DN nào nằm trong vùng cảnh báo và

giúp Ngân hàng chủ động trong việc đưa ra những biện pháp hạn chế rủi ro.1.1.4 Thực tiễn tình hình cho vay KHDN và quản trị rủi ro tín dụng tại

Ngân hàng Techcombank

1.1.4.1 Thực tiễn cho vay KHDN tại Ngân hàng Techcombank từ năm 2015 —

Trong khoảng thời gian từ năm 2015 — 2020, môi trường kinh doanh tại

Việt Nam có những sự thay đôi tích cực tạo đà phát triển thuận lợi cho các DN nhỏva vừa (DNNVV), tính đến thời điểm cuối năm 2020, số lượng phân khúc DN nàyđược thống kê chiếm 96.7% tổng số DN cả nước, kéo theo nhu cầu về vốn để mởrộng quy mô sản xuất và kinh doanh nhằm khang định vị thế trên thị trường ngàymột tăng cao Techcombank vốn được cho là Ngân hàng doanh nghiệp khi cam kếtđồng hành cùng phát triển với DN vừa và nhỏ của Việt Nam, chính vì vậy mà hoạtđộng cho vay KHDN của Ngân hàng có dấu hiệu tăng trưởng mạnh mẽ và mang

lại lợi nhuận lớn khi.

Hình 1.1.4.1: Số lượng KHDN hoạt động trung bình tại Techcombank

Trang 23

Hoạt động cho vay KHDN tại Ngân hàng Techcombank được ghi nhận tăng

trưởng mạnh trong suốt 5 năm ngay sau khi được công nhận là Ngân hàng tốt nhấtvà DN hàng đầu tại Việt Nam vào năm 2014 Lợi nhuận thu được từ hoạt động cấp

tín dụng cũng kèm theo không ít rủi ro khó lường, trong trường hợp Ngân hàng

không có công tác quản trị rủi ro phù hợp có thé dẫn đến tốn thất lớn cho Ngân

1.1.4.2 Thực tiễn quản trị tín dụng tại Ngân hàng Techcombank

Thống kê phân tích chất lượng du nợ cho vay tại Ngân hàng Techcombank

cho thấy, nợ đủ tiêu chuẩn nhóm 1 luôn chiếm phần lớn so với 4 nhóm nợ còn lại,

cho thấy công tác quản lý rủi ro tín dụng tại Techcombank luôn hướng tới chất

lượng tín dụng và tăng cường tín dụng an toàn.

2015 | 2016 | 2017 | 2018 | 2019 | 2020

Nhóm 1 - Nợ đủ tiêu chuẩn 96.8% | 96.9% | 96.9% | 96.6% | 97.7% | 99%Nhóm 2 - Nợ cần chú ý 1.6% | 1.5% | 1.5% | 1.6% | 0.9% | 1%Nhóm 3 - Nợ dưới tiêu chuẩn 0.3% | 0.3% | 0.4% | 0.1% | 0.1% | 0%

Nhóm 4 - Nợ nghỉ ngờ 0.5% | 0.3% | 0.3% | 0.5% | 0.1% | 0%

Nhóm 5 - Nợ có khả năng mat von | 0.9% | 1.0% | 1.0% | 1.1% | 0.1% | 0%

Bang 1.1.4.2: Thong kê tỷ lệ du nợ tín dụng theo nhóm tại Techcombank

Nhìn chung, trong 5 năm từ năm 2015 — 2020, công tác quản quản trị tín

dụng đã tích cực được củng cô và có những thay đôi rõ rệt so với các năm trước:

- Techcombank là một trong số ít các NHTM tại Việt Nam triển khai mô hìnhđánh giá rủi ro tín dụng nhằm nâng cao khả năng phòng ngừa và phát hiện

rủi ro tín dụng, hạn chế tối đa ton that cho Ngân hàng.

— Đảo tạo đội ngũ chuyên gia chuyên nghiệp, có trình độ cao trong công tác

thực hiện kiểm soát tín dụng chặt chẽ, ngày một quan tâm và chú trọng vàochất lượng khoản cho vay hơn là tăng trưởng tín dụng.

—_ Từ năm 2019, Ngân hàng Techcombank đã chính thức được NHNN phê

chuẩn áp dụng trước thời hạn Thông tư 41/2016/TT — NHNN quy định ty

lệ an toàn vốn đối với Ngân hàng, tuân thu theo tiêu chuẩn của Basel II.

11192957 — Nguyễn Thị Thùy Linh13

Trang 24

Techcombank luôn nỗ lực khang định là một trong những Ngân hàng antoàn và chất lượng hàng đầu trên cả nước trong quá trình nâng cao năng lựcquản trị rủi ro và đáp ứng đủ các yêu cầu về chuân mực an toàn trong hoạt

động Ngân hàng theo thông lệ quốc tế Trong suốt 5 năm, Techcombankluôn đặt mục tiêu hàng đầu là lấy KH làm trung tâm của mô hình kinh

doanh, đã và đang chú trọng vào phân khúc quản trị rủi ro toàn diện.

Tuy Techcombank đã và đang thực hiện tốt trong quy trình quản trị RRTDnhưng rủi ro là điều khó lường trước và đôi khi mat cảnh giác có thé gây tốn thấtlớn Chính vì thế, công tác giám sát và đánh giá KH khi khoản tín dụng còn đangdư nợ dựa trên mô hình chấm điểm tín dụng là điều vô cùng cần thiết, Ngân hàngcần cân nhắc điều chỉnh mô hình sao cho phù hợp với đặc điểm KH để có chế độđánh giá khách quan và thống nhất.

1.2 Tống quan nghiên cứu

1.2.1 Tổng quan các nghiên cứu về các phương pháp xây dựng mô hình dựbáo xác suất vỡ nợ của KHDN

Nghiên cứu của Eljelly năm 2001 đã dự báo kha năng vỡ nợ của các DN tưnhân tại Xu — đăng dựa vào phương pháp phân tích đa khác biệt (MDA) Bộ dữ

liệu được sử dụng dé dự báo bao gồm 30 DN tư nhân đã vỡ nợ trong giai đoạn

1970 — 1996, mỗi một DN trong 30 DN phá sản sẽ được ghép với 1 DN chưa từng

phá sản có cùng ngành nghề kinh doanh, cùng năm công bố BCTC và không có sựchênh lệch nhiều về quy mô tổng tai sản Nhóm biến liên quan đến khả năng sinhlời, khả năng thanh toán và đòn bây tài chính được sử dụng trong phân tích và tácgiả đưa ra kết luận dựa trên danh sách biến có tác động đến xác suất vỡ nợ của DN.

Theo đó, một DN muốn đạt được hiệu quả trong hoạt động kinh doanh thì phải

đảm bảo có khả năng thanh toán tốt, đặc biệt tiền mặt là tài sản có tính thanh khoảncao nhất, linh hoạt nhất, là yếu tố quan trọng nhất dé thanh toán các khoản nợ.Nghiên cứu cũng chỉ ra rằng, áp dụng phương pháp và kỹ thuật đơn giản vào dựbáo xác suất vỡ nợ của DN ở các nước có nền kinh tế kém phát triển được cho là

có hiệu quả hơn là một mô hình phức tạp.

Hiện nay, có rất nhiều phương pháp hiện đại hơn được ứng dụng trong xâydựng mô hình trong các bài toán dự báo nói chung và bài toán dự báo xác suất vỡnợ nói riêng, có thé kê đến như hồi quy Logistic, Rừng ngẫu nhiên (RandomForest), Cây quyết định (Decision Tree), đều được chứng minh là có khả năng

dự báo xác suât vỡ nợ của KHDN nhanh chóng và độ chính xác cao.

Trang 25

Các nhà nghiên cứu (như Bonfirm, 2009; Ali va Daly 2010; Fidrmuc va

Hainz, 2010; Psillaki và các tác giả, 2010) đã sử dụng phương pháp hồi quy môhình Logistic và Cây quyết định dé xây dựng mô hình dự báo xác suất vỡ nợ của

các DN Kết quả cho thấy độ chính xác của kết quả dự báo với mô hình Cây quyết

định cao hơn 70% trong khi mô hình dự báo xây dựng dựa trên hồi quy Logisticcó độ chính xác là 85% Không những thế, mô hình dự báo dựa trên hồi quyLogistic còn có đo lường ảnh hưởng của các biến độc lập trong mô hình đến xác

suất vỡ nợ của từng hồ sơ KHDN Trong khi đó, mô hình cây quyết định thì không

thé chỉ ra điều này dù các biến độc lập đều tham gia vào mô hình dé xây dung cây

dự báo.

Trong nghiên cứu của Lin Zhu và cộng sự, 2019 có xây dựng mô hình dự

báo xác suất vỡ nợ của khoản vay dựa trên thuật toán Rừng Ngẫu nhiên (Random

Forest), sau đó so sánh mức độ hiệu quả với mô hình được xây dựng dựa trên thuật

toán Support Vector Machine (SVM) và thuật toán Cây quyết định (Decision

Tree) Kết quả nghiên cứu chỉ ra rằng thuật toán Random Forest được đánh giá caonhất khi ước lượng được mô hình có khả năng dự báo xác suất vỡ nợ tốt và được

định hướng sử dụng cho nghiên cứu tiếp theo với tập dữ liệu lớn hơn.

Theo nghiên cứu của Mays (1998), tác giả xây dựng mô hình hồi quyLogistic dé du báo xác suất vỡ no của KH, với biến mục tiêu dưới dạng biến nhị

phân: 0 — KH không gặp van dé gì khi hoàn trả khoản vay và 1 — KH vỡ nợ cùng

16 biến độc lập được xác định là có ảnh hưởng đến biến đầu ra của mô hình.

Phương pháp hồi quy mô hình Logistic dựa trên phương pháp hồi quy tiến(Forward Regression) được sử dụng đưa ra kết quả cuối cùng gồm 8 biến độc lậpvà mức độ hiệu quả của mô hình được đánh giá bởi chỉ số Recall - chỉ số này đolường tỷ lệ dự báo chính xác số hồ sơ xấu trên tat cả các trường hợp hồ sơ KH là

xấu bằng 80% Nghiên cứu kết luận rang, phương pháp hồi quy mô hình Logistic

hỗ trợ trong việc ra quyết định chính xác hơn về chấp nhận hay từ chối cho vayKH.

Nghiên cứu của nhóm tác giả Đồng Thị Hồng Ngọc, Nguyễn Quỳnh Hoa,Nguyễn Thị Thu Hường, Hoàng Thanh Hải, Nguyễn Thị Thu Hằng — “Ứng dụng

mô hình Logistic XHTD DN xây dựng niêm yết tại Việt Nam” đưa ra phân tíchcho thấy các biến đánh giá mối quan hệ giữa khả năng trả nợ của DN với các chỉtiêu tài chính Nghiên cứu cũng chỉ ra rang dé thu được một mô hình dự báo tốtđòi hỏi lượng biến đầu vào lớn, trong khi việc tiếp cận đầy đủ và chính xác nguồnsố liệu hiện nay là điều không hề đơn giản Cùng với những diễn biến khó lường

Trang 26

của thị trường trong và ngoải nước, mô hình được xây dựng cũng cân được cập

nhật và thay đôi linh hoạt sao cho phù hợp.

Dựa trên những nghiên cứu trên cho thấy do đặc điểm của mỗi phạm vinghiên cứu và thời điểm nghiên cứu khác nhau, mối quan hệ giữa RRTD với cácyêu tố liên quan đến tiềm lực tài chính của người di vay được xác định cũng khônghoàn toàn giống nhau, nhưng nhìn chung các nghiên cứu đều tập trung phân tíchnhóm yếu tố có tác động đến xác suất vỡ nợ của DN dựa trên phương pháp hồi quyLogistic do tính ưu việt và dé giải thích, từ đó đánh giá RRTD của hồ sơ cho vay

1.2.2 Các yêu tô chính có môi liên hệ với xác suất v6 nợ của KHDN

Theo các nhà nghiên cứu, có rât nhiêu chỉ tiêu có sức mạnh dự đoán khả

năng vỡ nợ của một DN (Tang va Yan, 2010), có thể ké đến:

- Nhóm chỉ tiêu đánh giá hiệu quả tài chính cốt lõi gồm: Lợi nhuận gộp/Doanh thu thuần (ROS), Lợi nhuận sau thuế/ Vốn chủ sở bình quân (ROE),

Lợi nhuận sau thuế/ Tổng tài sản bình quân (ROA);

- Nhóm chỉ tiêu đánh giá khả năng thanh khoản gồm Khả năng thanh toán

hiện hành, Khả năng thanh toán nhanh và Khả năng thanh toán tức thời;

- Nhóm chỉ tiêu đánh giá hiệu quả hoạt động gồm: Vòng quay vốn lưu động,Vòng quay hàng tồn kho, Vòng quay các khoản phải thu,

— Nhóm chỉ tiêu về đòn bay tài chính: Tổng nợ phải tra/ Tổng tài sản, Nợ dàihạn/ Vốn chủ sở hữu.

Bên cạnh nhóm chỉ tiêu tài chính được thu thập từ BCTC thì chỉ tiêu phi tài

chính cũng được đề cập răng “Phân tích những chỉ tiêu phi tài chính là bước cầnthiết đối với việc XHTD KHDN một cách đầy đủ và khách quan” (Bonfirm, 2009).

Theo đó, các biến liên quan đến lịch sử tín dụng, lịch sử trả nợ, lịch sử giao dịch

của KHDN với các NHTM khác, khả năng cạnh tranh với các DN cùng ngành hoặc

tốc độ ứng dụng công nghệ hiện đại vào sản xuất kinh doanh có thé cân nhắc đưa

vào mô hình Ngoài ra, Ngân hàng có thể lấy thông tin tín dụng, thông tin trả nợ,

thông tin tài chính của KHDN từ bên cung cấp thứ ba như: Trung tâm Thông TinTín Dung (CIC), Tổng cục Thué, Tổng cục Thống kê,

Ngoài những chỉ tiêu phản ánh lên sức khỏe tài chính của DN thì nhóm biếnkinh tế vĩ mô cũng đóng vai trò vô cùng quan trọng, là tác động khách quan từ bên

ngoài như: chu kỳ kinh doanh/ chu kỳ sản phẩm, tỷ giá, lạm phát, mức lương tối

thiêu vùng, Tài sản đảm bảo cũng có môi liên hệ với rủi ro tín dụng của KHDN,

Trang 27

theo nhà nghiên cứu (Steijvers, 2009), kha năng thu hồi các khoản cho vay có tài

sản đảm bảo cao hơn các khoản cho vay không có tài sản đảm bảo Bên cạnh các

tiêu chí nêu trên, kết quả xếp hang DN càng cao càng thé hiện DN có khả năng tra

nợ vay tốt và RRTD thấp (Tang, 2009).

Do bản chất mỗi DN là khác nhau nên đánh giá hiệu quả kinh doanh củamỗi DN cũng sẽ khác, các biến được cho là có khả năng phản ánh được rủi ro vỡnợ của DN cần được linh hoạt đưa vào mô hình, với mục tiêu tìm ra mô hình phùhợp dựa trên căn cứ thuyết phục mang tính khách quan giúp giảm thiêu đáng ké

RRTD trong hoạt động cho vay KHDN.

KET LUẬN CHƯƠNG 1

Chương 1 khái quát cơ sở lý luận về RRTD và quản trị RRTD trong hệthống NHTM nói chung và thực tiễn tại Ngân hàng Techcombank nói riêng Theo

đó, RRTD được cho là loại rủi ro xảy ra khi người ở vị thế đi vay không thực hiệnđược đầy đủ nghĩa vụ chỉ trả tiền lãi hoặc hoàn trả vốn gốc theo hợp đồng đã cam

kết với Ngân hàng Chính vì RRTD có thé gây ton thất khó lường, ảnh hưởng đếnlợi nhuận và danh tiếng của Ngân hàng nên quản trị RRTD ngày càng được chútrọng hơn Xếp hạng tín nhiệm KH đi vay là một trong những phương pháp đánhgiá rủi ro tin dung, khả năng và thiện chí của chủ thé đi vay phổ biến nhất trong hệ

thống NHTM tại Việt Nam.

Chương này còn đưa ra cái nhìn tổng quan về các bài nghiên cứu trên thégiới và tại Việt Nam về phương pháp xây dựng mô hình đánh giá RRTD của

Một số yếu tố được cho có tác động đến khả năng vỡ nợ của DN bao gồm:nhóm chỉ tiêu Tài chính, nhóm chỉ tiêu Phi tài chính, nhóm biến kinh tế vĩ mô và

Tài sản đảm bảo của KHDN.

Dựa ưu điểm của phương pháp hồi quy mô hình Logistic đã được làm rõ ởphần trên nên bài toán dự báo xác suất vỡ nợ của KHDN tại Ngân hàng

Techcombank được đề cập trong chuyên dé tốt nghiệp này có thé được giải quyết

dễ dàng.

Trang 28

CHƯƠNG 2

PHƯƠNG PHÁP NGHIÊN CỨU

Mục tiêu Chương 2 là trình bày phương pháp sử dụng trong xây dựng môhình đánh giá RRTD KHDN tại Ngân hàng Techcombank Phương pháp chính

được sử dung là hồi quy mô hình Logistic và ước lượng dựa trên phương pháp hợplý tối đa Mục 2.1 trình bày phương pháp hồi quy mô hình Logistic và hàm ướclượng hợp lý tối đa Mục 2.2 đề cập đến công cụ xử lý biến đầu vào WOE và chỉtiêu IV Mục 2.3 giới thiệu về một số chỉ tiêu đánh giá mức độ hiệu quả của môhình còn chỉ tiêu đánh giá mức độ 6n định của mô hình được nhắc đến ở Mục 2.4.2.1 Phương pháp héi quy mô hình Logistic

Mô hình tuyến tính tổng quát (GLM) giải thích sự tương tác của các biếnđộc lập X lên biến mục tiêu Y trong hồi quy Bộ tham số sau khi hồi quy mô hình

được xác định bởi hàm tuyến tính sau với ¡ chạy từ 1 > n:

tục hoặc biên rời rac còn biên mục tiêu Y là biên liên tục với mọi giá tri của X;.

Hình 2.1.1: Hoi quy tuyến tính

Trang 29

Đối với bài toán đánh giá điểm tín dụng, xác suất của một sự kiện có diễnra P(Y = 1|X = x) được biểu diễn dưới dạng biến nhị phân tức là biến phụ thuộc

Y sẽ có 2 kết quả trả về được gán nhãn 0 và 1 được ước tính bởi mô hình Logistic.

Mô hình này là trường hợp đặc biệt của mô hình tuyến tính tổng quát (GLM).

Một đối tượng sẽ có thông tin đặc trưng bởi một vectơ các biến độc lập X; =(X1;,Xoj, »-, X„¡) Mục tiêu là với những thông tin thu thập được về đối tượng cầndự báo xác suất xảy ra sự kiện P(Y = 1|X = X;) được xác định bởi hàm phân bốLogistic, khi Ø¡X; nhận xác giá trị (—00, +00) thì xác suất P nằm trong đoạn [0,1]

và có mối quan hệ phi tuyến với X và các tham số Bp:

1 e Pot BiXi

PY = 1|X = Xj) = 1+e-Œ*BiX) — 1 + eBo*BiXi (2)

Hình 2.1.2: Hoi quy Logistic

Trong khi đó, xác suất không xảy ra sự kiện P(Y = 0|X = X;) được xác

định bởi công thức:

PY = 0|X =X) = 1~ PY = 1|X = Xi) = aa

Tuyến tính hóa (1) vì xác suất P(Y = 1|X = X;) chưa phải là hàm tuyếntính của các biến độc lập X; nên cần đưa xác suất P về hồi quy tuyến tinh dé dédàng hơn khi giải thích tác động của các biến độc lập lên biến phụ thuộc.

PY SUX =X) _ _õạ+g,

1-P(Y = 1|X = Xj)xảy ra su kiện trên xác suât không xảy ra.

Ta có: tỷ số Odds = Xi(3); là tỷ số của xác suất

Lay log của tỷ số Odds thu được ham L; tuyến tính đối với các biến số:

P(Y = 1|X =X;

¡=n(TP IX = X0Tư si) = Bo + BiX1 + BoX2 + + BpXp(4)

11192957 — Nguyễn Thi Thùy Linh 19

Trang 30

Biến đổi Logistic được thể hiện thông qua log của tỷ số Odds có quan hệ

tuyến tính với các biến độc lập X;.

Thực hiện hồi quy tuyến tính (4) dé đánh giá tác động của các biến độc lậplên biến phụ thuộc Như vậy, với các nhân tố có ảnh hưởng tới KH DN được xácđịnh trước, xác suất KH đó trả được nợ có thê xác định được Với xác suất trả được

nợ (P(Y = 0|X = x) càng cao thi KH đó càng it có rủi ro tin dụng và ngược lại.

Dựa vào bảng dự báo xác suất của KH, đối chiếu với thực tế trả nợ, Ngân hàng cóthé thiết kế thẻ điểm dé xếp hạng rủi ro tin dung phù hợp.

Trước khi đưa vào chạy hồi quy mô hình Logistic, phép biến đổi được sửdụng hỗ trợ trong trong lựa chọn các biến độc lập theo đó, các đặc trưng được biếnđôi về định dạng WOE và lựa chọn dựa trên chỉ tiêu IV nhằm đảm bảo phân loạiđược quan sát tốt và quan sát xấu WOE mô tả mối quan hệ giữa biến độc lập vabiến mục tiêu nhị phân còn IV đo lường sức mạnh của mối quan hệ đó.

2.2 Phép biến đối WOE

Trọng số bằng chứng (WOE) là phép biến đổi được ứng dụng trong quátrình xử lý các biến giải thích trước khi đưa vào mô hình hồi quy và được sử dụngphổ biến trong quy trình xây dựng mô hình XHTD hiện nay WOE mô tả mối quanhệ giữa các biến độc lập và biến phụ thuộc dưới dạng biến nhị phân, dựa vào chỉ

tiêu IV, các biến đã gan giá tri WOE có thé duoc xếp hạng dựa trên sức mạnh dự

báo khả năng vỡ nợ.

Trường hợp biến liên tục, WOE sẽ nhóm các giá trị lại thành các khoảngliên tục, sao cho số lượng quan sát ở mỗi khoảng là gần bằng nhau Chăng hạn, vớibiến thu nhập hang tháng, chúng ta có thé nhóm các quan sát thành các khoảng: <

10 triệu, 10 - 18 triệu Một KH hàng tháng có mức thu nhập là 12 triệu sẽ đượcphân vào khoảng 10 -18 triệu.

Trường hợp biến phân loại, WOE có thé cân nhắc mỗi một lớp là một nhóm

hoặc có thể nhóm vài nhóm có số lượng quan sát ít vào thành một Hoặc cũng cóthé nhóm các quan sát có giá trị WOE gần nhau vào một nhóm Việc nhóm những

giá trị có WOE gan bang nhau lại thành giá các nhóm giá trị đại điện nhằm làm

giảm số lượng nhóm và tăng tính phân loại cho mô hình Ngoai ra, trường hợpMissing (là trường hợp không có thông tin) cũng có thể được coi là một nhómriêng biệt nếu số lượng của nó là đáng ké hoặc nhóm vào các nhóm khác nêu nó là

thiêu sô.

Trang 31

WOE, =1 (0% quan sat tot;

' %Số quan sát xấu,

Tiêu chí nhóm các giá trị quan sát của WOE gồm:

- Mỗi khoảng giá trị phải chứa ít nhất 5% số quan sát trong tong thé;

- Những khoảng giá trị có WOE tương tự nhau thì có thé nhóm lại với nhau;— Việc nhóm các khoảng giá trị phải đảm bảo có xu thé phù hợp với kỳ vọng

lý thuyết kinh tế thực tế về mối quan hệ giữa WOE và biến độc lập.

Uu điểm của WOE:

— Giúp chia nhỏ các biến liên tục thành các khoảng biến mà giá trị của nó là

đơn điệu với biến phụ thuộc dựa trên WOE tương ứng với mỗi khoảng Dođó các hệ số trong phương trình hồi qui mô hình Logistic sẽ giải thích đượcđúng thực tế mối quan hệ giữa biến độc lập với biến phụ thuộc;

- Phương pháp WOE giúp loại bỏ ảnh hưởng của các giá trị ngoại lai

(outliers) vì các biến có khoảng biến thiên lớn sẽ được nhóm về các nhóm

khoảng Giá trị của các quan sát các giá trị ngoại lai sẽ không còn khácbiệt so với các những quan sát khác thuộc cùng nhóm vì chúng cùng được

quá phân tán thì WOE sẽ nhóm thành những nhóm thành các nhóm và hệ

số WOE thé hiện thông tin cho toàn bộ nhóm.Hạn chế của WOE:

— Khi tính toán WOE, rất khó để biết phân chia bao nhiêu khoảng giá trị là

phù hợp đối với biến liên tục hoặc khi nào thì nên nhóm các nhóm với nhau

hoặc tách nhóm;

- Do các biến WOE là luôn đơn điệu với biến phụ thuộc nên giữa các biến

độc lập luôn có sự tương quan (do cùng tương quan với biến phụ thuộc).Điều này có thé dẫn đến nguy cơ đa cộng tuyến cao ảnh hưởng tới khả năng

giải thích của hệ số hồi quy.

2.3 Phương pháp ước lượng hợp lý cực đại

Ban đầu xác suất P(Y = 1|X = x) phi tuyến đối với các biến độc lập X;,

tuy nhiên ngay cả khi tuyến tính hóa hàm phân bố Logistic về hàm L; thì cũng

Trang 32

không thể áp dụng trực tiếp phương pháp bình phương nhỏ nhất (OLS) để ướclượng các tham số mà thay vào đó sẽ sử dụng phương pháp ước lượng hợp lý tốiđa (Maximum likelihood) Giải thích vì biến phụ thuộc là biến nhị phân được gán

nhãn 0 hoặc 1 nên khi thay một trong hai giá tri này vào ham L; =

in( P(Y = 1ỊX = X;)ates) thì biểu thức trở thành không xác định.

Giả sử có n biến ngẫu nhiên X¿, X;, Xs, , X„ và có cùng phân phối và độc

lập với nhau, biết rằng mô hình được mô tả bởi tham số Ø Mục tiêu của phương

pháp ước lượng hop lý tối đa là ước lượng giá tri Ổ sao cho kha năng xảy ra các

biến độc lập X¡, X;, Xz, , X„ là lớn nhất.

Cách xác định hàm hợp lý:

Đối với biến rời rac, L(@) = P(X, = X; = X3 = : = X„)

Đối với biến liên tục, L(O) = ƒ(X;;6) * ƒŒ;;6) * ƒŒ:; 8) x *

log(.(6)) = logP(X,; 6) = log P(X;; 6) = log P(X;; 8) = «++ = log P(X„; 8)

2.4 Chi tiêu chọn lọc biến độc lập

—_ Giá trị thông tin (IV)

trong phân phối.

Trang 33

<0.02 | biên độc lập không có quan hệ với biên phụ thuộc

0.02 - 0.1 | biên độc lập không có quan hệ quá chặt chẽ với bién phụ thuộc0.1-0.3 | biến độc lập có môi quan hệ khá chặt chẽ với biên phụ thuộc0.3— 0.5 | biên độc lập có môi quan hệ chặt chẽ với biên phụ thuộc

>0.5 biên có sức mạnh dự báo, tuy nhiên trường hợp này cân được điêutra lại dé tránh trường hợp biến có môi quan hệ trực tiếp dé định

nghĩa hô sơ tốt hoặc xâu

Hình 2.4.1: Bảng thang do đánh giá chỉ số IV

Ngoài công cụ WOE va IV, các biên độc lập còn được lọc dựa trên hệ sô

Gini của chính các biên đó, hệ sô Gini của biên là chỉ sô đo lường sức mạnh phân

biệt của từng biên tham gia vào mô hình Hệ sô Gini của biên cũng chính là hệ sô

Gini của mô hình hồi quy biến phụ thuộc với biến độc lập duy nhất là biến đó.— Khía cạnh lý thuyết kinh tế

Đường xu thế biêu thị mối quan hệ phù hợp về lý thuyết kinh tế giữa giá trị

các biến độc lập với WOE Mối quan hệ này có thể không cần phải là quan hệ đơn

điệu (tăng hoặc giảm) Tiêu chí này được cho là hữu ích trong quá trình lựa chọn

các biến giải thích đưa vào mô hình miễn là có thê giải thích được dưới góc độ củađơn vị kinh doanh còn trong trường hợp nếu biến gây tranh cãi, khó giải thích thìcó thê cân nhắc không sử dụng biến.

— Hồi quy mô hình Logistic dựa trên phương pháp Stepwise

Phương pháp hồi quy từng bước (Stepwise Regression) là sự kết hợp củaphương pháp hồi quy tiến và phương pháp hồi quy lùi, thêm vào và loại biến ra

khỏi mô hình cùng một lúc Trong đó:

> Phương pháp hồi quy tiến (Forward Selection): bắt đầu từ mô hìnhkhông có biến nào, chọn lần lượt các biến tốt nhất để đưa vào mô hìnhdựa trên sức mạnh dự báo, sau đó lần lượt thêm các biến khác vào, xâydựng mô hình với kết hợp tốt nhất của 2, 3, 4, cho dé khi không cácbiến đưa vào không tác động đến mô hình (đánh giá dựa trên p — values)hoặc hiệu quả mô hình không được cải thiện nữa thì dừng lại (hệ số xácđịnh R2 hoặc hệ số Gini của mô hình) Mặc dù phương pháp này được

cho là hiệu quả tuy nhiên việc thêm các biên độc lập vào mô hình có thê

Trang 34

làm phức tạp mô hình khi có quá nhiều biến hoặc xảy ra hiện tượng tự

tương quan giữa các biến độc lập.

> Phương pháp hồi quy lùi (Backward Elimination): ngược với phươngpháp hồi quy tiến, trong phương pháp này, tất cả các biến độc lập có

trong danh sách được đưa vào mô hình hồi quy Sau đó, loại bỏ lần lượtcác biến có mức độ ảnh hưởng nhỏ nhất ra khỏi mô hình, đến khi nào

biến bị loại ra ảnh hưởng nhiều đến mô hình hoặc hiệu quả của mô hìnhkhông cải thiện được nữa thì không loại bỏ biến đó và dùng lại.

— Quan sát dâu cua các hệ số ước lượng < 0 vì:

Mô hình hồi quy Logistic ước lượng xác suất xảy ra sự kiện vỡ nợ củaKHDN P(Y = 1|X = x) Tuy nhiên, dé dễ dàng giải thích tác động của biến độclập lên biến phụ thuộc nên đã tuyến tính hóa hàm phân bố Logistic thành hàmtuyến tinh dé thực hiện hồi quy khi đó có dang như sau:

PŒ = 1ÌX =x)

log 1_PŒ= eo) = Bo + Bixi

Với điều kiện biến độc lập X; đã được gán giá tri WOE, giả sử hệ số ước

lượng B; của biến có kết quả > 0 Nghia là, biến độc lập có tương quan thuận vớixác suất vỡ nợ của KHDN Cụ thé, khi X_WOE tăng 1 đơn vị (số lượng hồ sơ tốt

tăng lên) thì xác suất vỡ nợ sẽ tang BX đơn vị và ngược lại trong trường hợp cácyêu tố khác không đồi Kết quả này đường như vô lý, vì xác suất vỡ nợ của KHDN

tăng đồng nghĩa với sỐ lượng hồ sơ xấu tăng lên Chính vì thé, hệ số ước lượngđược từ mô hình của các biến độc lập phải âm.

- P-value

Kiém dinh gia thiét:

Ho: B; = 0, hệ số ước lượng của biến độc lập X; không có ý nghĩa thống kê,biến độc lập X; không có tác động đến biến phụ thuộc

H.: B; # 0, hệ số ước lượng của biến độc lập X; có ý nghĩa thống kê, biến

Trang 35

Ma trận hệ số tương quan giúp dé dàng quan sát mức độ tương quan củacác biến độc lập trước khi đưa vào hồi quy, nhằm đảm bảo rằng mô hình khôngxảy ra hiện tượng đa cộng tuyến (các biến giải thích sử dụng trong hàm hồi quy có

tương quan chặt chẽ với nhau) Theo đó, nếu mô hình hồi quy xảy ra hiện tượngđa cộng tuyến thì có thể làm sai lệch kết quả, mức ý nghĩa và hệ số hồi quy củacác biến có tương quan trong mô hình Nếu hệ số tương quan giữa các biến giải

thích càng nhỏ thì chứng tỏ mô hình sử dụng càng tốt và ít có khả năng xảy ra hiện

tượng đa cộng tuyến Hệ số tương qua giữa 2 biến số được tính toán bởi công thức

2.5 Tiêu chí đánh giá mức độ hiệu quả của mô hình

2.5.1 Ma trận nhầm lẫn ( Confusion Matrix)

La bảng tóm tat sô lượng dự báo đúng/ sai thê hiện két qua cua bai toán phân

loại với việc xem xét tat cả các chỉ sô vê độ chính xác và độ bao quát của các dựđoán cho từng lớp Một ma trận sai sót và nhâm lân gôm 4 chỉ sô sau đôi với môi

lớp phân loại:

— TP (True Positive): Số luong hồ sơ KH được dự đoán vỡ nợ đúng hay vỡ

nợ thật.

— TN (True Negative): Số lượng hồ sơ KH được dự đoán là tốt và tốt thật.

—_ FP (False Positive): Số lượng hồ sơ KH bị phân loại nhằm là xấu hay thựcchất hồ sơ KH là tốt.

— FN (False Negative): Số lượng hồ sơ KH được phân loại tốt là sai mà thựcchất hồ sơ KH là xấu.

Trang 36

Predicted Classes Hình 2.5.1 Ma trận nham lẫn

Một mô hình hiệu quả là mô hình có ty lệ TP va TN cao, trong khi đó ty lệ

FP va FN thap Từ 4 chỉ số này, mức độ tin cậy của mô hình theo đó được đánh

giá dựa trên các chỉ sô sau:

Độ chính xác — Accuracy: cho biết có bao nhiêu hồ sơ KH được dự đoánđúng trên tổng thé toàn bộ hồ sơ KH Độ chính xác giúp đánh giá hiệu qua

dự báo của mô hình trên một bộ dữ liệu.

score Recall + Precision

Fl — score nằm trong nửa khoảng từ (0,1], giá trị này dung hòa giá tri Recall

va Precision làm cơ sở đê lựa chọn mô hình, giá tri Fl — score càng cao thì hiệusuât của mô hình phân loại càng cao.

Trang 37

2.5.2 Hệ số Gini (Gini Coefficient)

Là chi số cho biết khả năng mô hình có thé phân biệt KH tốt/ xấu qua cácdải điểm

— Mô hình ngẫu nhiên là mô hình không có tinh phân biệt, ty lệ hồ sơ xấu ởmỗi nhóm xác suất là như nhau và bằng tỷ lệ số hồ sơ xấu của tông thể Giả

sử ty lệ hồ sơ xấu là 10%, khi có 100 quan sát của tổng thể cũng có thé dễdàng dự đoán được có 10 KH xấu.

- Mô hình hoàn hảo là mô hình có độ phân biệt KH tốt/ xấu một cách chính

xác tuyệt đối.

- Đa số các mô hình khác sẽ có khả năng phân biệt nằm giữa mô hình ngẫu

nhiên và mô hình hoàn hảo Hệ số Gini của mô hình càng cao thì mô hìnhcàng có độ phân biệt tốt nghĩa là có thể đưa được nhiều KH xấu hơn vào

những dải diém được cho là có rủi ro cao.

Hình 2.5.3: Hệ số Gini- Công thức tính hệ số Gini:

Gini = —~ hay Gini = 2A do A+ B=0.5

Trang 38

Bảng 2.5.3: Thang đo đánh giá độ phân biệt của mô hình dựa trên hệ số Gini

2.6 Tiêu chí đánh giá mức độ ôn định của mô hình

Là chỉ sô đánh giá mức độ ôn định của mô hình, được tính toán theo công

thức sau:

PSI < 0.1 Xanh Có sự thay đôi không đáng kê, mô hình

có thê đưa vào sử dụng

0.1 < PSI < 0.25 Vàng Có 1 số sự thay đôi nhỏ, cân kiêm tra lạimô hình xem sự thay đôi bắt nguôn từ đâu

Có sự thay đôi lớn, cân nghiên cứu kĩ lạiPSI > 0.25 Đỏ mô hình, và tốt hơn hết không nên sử

dụng mô hình này

Bang 2.6: Thang do đánh giá mức độ ôn định của mô hình dựa trên chỉ số PSI