Chuyên đề thực tập: Mô hình cây quyết định với phương pháp tỷ lệ sử dụng hạn mức tại thời điểm vỡ nợ để ước lượng tổng dư nợ của khách hàng tại thời điểm vỡ nợ

Báo cáo chuyên đề thực tập chuyên ngành Toán kinh tế với đề tài “Mô hìnhcây quyết định với phương pháp tỷ lệ sử dụng hạn mức vỡ nợ tại thời điểm vỡ nợ déước lượng tổng dư nợ của khách hà

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG DAI HỌC KINH TE QUOC DÂN

KHOA TOAN KINH TE

DE TAI:

MO HINH CAY QUYET DINH VOI PHUONG PHAP TY LE SU

DUNG HAN MUC TAI THOI DIEM VO NO DE UOC LUQNG TONG

DU NO CUA KHACH HÀNG TAI THOI DIEM VO NO

Sinh viên thực hiện : Nguyễn Chiến Thắng

Mã sinh viên : 11194663

Lớp chuyên ngành : Toán kinh tế 61 Giảng viên hướng dẫn : TS Phạm Thị Hồng Thắm

HÀ NỘI, 2023

LỜI CẢM ƠN

Lời đầu tiên, em xin gửi lời cảm ơn chân thành đến Tiến sĩ Phạm Thị HồngThắm — Giang viên bộ môn Toán Tài chính, khoa Toán Kinh té, truong Dai hoc Kinh

tế Quốc dân đã đồng hành và hướng dẫn em hoàn thành chuyên đề thực tập nay

Báo cáo chuyên đề thực tập chuyên ngành Toán kinh tế với đề tài “Mô hìnhcây quyết định với phương pháp tỷ lệ sử dụng hạn mức vỡ nợ tại thời điểm vỡ nợ déước lượng tổng dư nợ của khách hàng tại thời điểm vỡ nợ” là kết quả của quá trình

cố gắng không ngừng nghỉ của ban thân và được sự giúp đỡ, chi dạy của các thầy côkhoa Toán kinh tế, đặc biệt là các thầy cô bộ môn Toán tài chính, cũng như của tậpthể Toán kinh tế 61

Bên cạnh đó, em cũng chân thành cảm ơn gia đình, bạn bè đã chia sẻ và tạo

điều kiện, nhiệt tình hỗ trợ giúp em có thể hoàn thành chặng đường dài 4 năm tại Đạihọc Kinh tế Quốc dân

Tuy nhiên, do trình độ, năng lực còn yếu kém, nhiều hạn chế của bản thân nên

đề tài còn nhiều phần chưa được chin chu, hoàn thiện về nhiều mặt Vì thế, em rất

mong được nhận những ý kiến đóng góp từ thầy cô, bạn học để hoàn thiện sự thiếu

sót của đề tài Mong muốn của em là kết quả nghiên cứu sẽ làm rõ vài điểm trong quy

định của Basel.

Cuối cùng, em xin kính chúc thầy cô déi dao sức khỏe, thành công trên cuộcsống và tiếp tục là những người lái đò nhiệt huyết dé có thé đưa những thế hệ tiếp

theo bước xa hơn trên đường đời của chính mình.

Em xin chân thành cảm ơn!

Sinh viên thực hiện,

ThắngNguyễn Chiến Thắng

MỤC LỤC

0980096710077 1CHƯƠNG 1 CƠ SỞ LÝ THUYET VÀ TONG QUAN NGHIÊN CỨU 6

1.1 Cơ sở lý thUYẾT ¿52-52 EEEE9E121121121121711111111111 2111111111111 6

1.1.2 Tổng dư nợ tại thời điểm VO nỢ ¿c5 + k+EEE‡E+EvEEEE+EeEervskerresxee 7

1.1.3 Khoản vay quay vòng và khoản vay không quay vòng - - 9

1.2 Tổng quan nghiên cứu -¿- 2£ ©£+2+++x2E++EEE£EE+2EEtEEEEEEEerkrrrxerrerrke 10

CHƯƠNG 2 XÂY DUNG MÔ HÌNH TONG DƯ NO TẠI THỜI DIEM VO NO

— ,ÔỎ 12

2.1 Khái niệm về mô hình tổng dư nợ tại thời điểm vỡ nợ - 12

2.2 Quy trình xây dựng mô hình - - 5 5 2+ +2 k vn HH ng ưệt 13

2.3 Kiểm định mô hình 2-2 £+SE+EE+EE£EE+£EEEEEEEECEEEEEEEEEEEErrkkrrkerkerkree 18

CHƯƠNG 3 ÁP DUNG MÔ HÌNH DE UOC LƯỢNG TONG DU NO TAI

THOT DIEM 84909001377 23

3.1 (tán ẽ 23 3.2 Mô hình EAD cccecsesssesssesssesseessesssesssessesssecssesssessssssesssesssessesssesssesssesseseseessess 28

3.2.1 Ước lượng tổng dư nợ tại thời điểm vỡ nợ, s- s sec++xezx+xerez 303.2.2 Kiểm định mô hình 2 2£ +£++£+E++2E++2EE+EE+£EE2EEtEEEerxrrrxrrresrke 31

4 CHƯƠNG 4 KET LUẬN VÀ KHUYEN NGHỊ - -s s2 se css 35

4.1 Kết luận chung về đề tai cecceececceccccsessecsessessessessessessessessssssessessessesseeseeseess 35

4.2 Hạn chế và khuyến nghị của đề tài - 2 s+5s+Sz+E£+E£Eczkerkerxerxerxrex 36

DANH MỤC TÀI LIEU THAM KHÁO 2s ©ss©cssecsssesssesse 38

0:80 Ẳằệ.H.HH , ,, 39

DANH MỤC TỪ VIẾT TÁT

Cụm từ viết tắt Giải thích

EAD Dư nợ tại thời điểm vỡ nợ

TRB Phương pháp mô hình nội bộ (Basel ID

URAO Ty lệ sử dụng hạn mức tại thời điểm quan sát

URAD Ty lệ sử dụng hạn mức tại thời điểm vỡ nợ

SVM Support Vector Machine

DANH MỤC BANG

Bang 1.1: Số lượng dữ liệu sử dụng ¿2-2 sSE+E£+E2Et£EeEEerxerkerkrrkrrerree 4 Bảng 1.2: 02 nhóm sản phẩm của Ngân hàng 2- 22 ++x+£xzx++zxered 9

Bảng 3.1: Tổng hợp các trường dữ liệu sử dụng trong việc tính EAD 23

Bang 3.2: Danh sách các biến đầu vào của mô hình EAD -: 25

Bảng 3.3: Kết quả phân loại quay vòng/không quay vòng - 27

Bang 3.4: Kết quả chia tách dữ liệu cho xây dụng mô hình - 28

Bảng 3.5: Các tham số sử dụng trong mô hình 2 2 2 +2 £sz£++xz+z 29 Bang 3.6: Kết quả mô hình E.AD ¿- 2 ¿5£ EeSE‡EE2EE2EE2EEEEEEEEEEEEkerkrrkrrree 30 Bang 3.7: Bảng ước lượng EALD - ó5 4kg HH ng ng 30 Bang 3.8: Bảng kết quả kiểm định sai số tương đối -2©52csc sec: 31 Bang 3.9: Bang kết quả kiểm định MSE c.ceccesessessessessesseesessesseesesssesesseesees 32 Bang 3.10: Bảng kết qua kiểm định Two-tailed T-test 00.00.00 33 Bang 3.11: Bảng kết quả kiểm định PSI - - 2-52 2522S22E££Ee£EeEEeEerszreee 33 Bang A: Phân loại sản pham quay vòng/không quay vòng - 39

Bảng B: Code xây dựng mô hình EA 5 5 <1 1k ng 42

Bang C: So sánh 2 phương pháp ước tính EATD c5 c-csssseeeerssereeres 58

DANH MỤC HÌNH VE

Hình 3.1: Kết quả của mô hình cây quyết định -2- 2 2 s+s+sz£s+zz+xeez

Nghiên cứu về đề tài vỡ nợ trong ngân hàng cũng giúp ta có cái nhìn tổng quan

hơn về ngành ngân hàng, bao gồm các yếu tố kinh tế, chính sách, pháp luật và thịtrường Từ đó, em có thé đưa ra những đánh giá và khuyến nghị về hoạt động của

ngân hàng không chỉ trong lĩnh vực cho vay và thu hồi nợ mà còn các hoạt động khác

như tài chính, kê toán và quan tri.

Đối với một ngân hàng, rủi ro tín dụng là một trong những yếu t6 quan trong

nhất ảnh hưởng đến sự phát triển và tồn tại của ngân hàng Việc định lượng và đánh

giá rủi ro này là rat cân thiệt đê đưa ra các quyét định về việc cho vay, cap tín dụng.

Theo Basel II, các ngân hàng phải đánh giá rủi ro tín dụng của các khách hang

và chia họ thành các nhóm rủi ro cụ thê dựa trên khả năng trả nợ của họ Các nhómnày được sử dụng dé xác định số vốn mà ngân hàng phải giữ dé bù đắp các khoản lỗtiềm an do khách hàng không trả nợ

Đây chính là lý do tại sao khái niệm vỡ nợ được quan tâm trong tài liệu Basel

IL Nếu một người vay tiền không thé hoàn trả khoản vay, ngân hàng có thể gánh chịucác khoản lỗ, gây ảnh hưởng đến vị thế vốn của nó Basel II nhằm giải quyết vấn đềnày bằng việc yêu cầu các ngân hang giữ đủ vốn dé đảm bảo bù đắp các khoản lỗtiềm an do các khoản vay không được trả về

Vì tầm quan trọng của quản lý rủi ro tín dụng và ngăn chặn các trường hợp vỡ

nợ trong khung Basel II, nghiên cứu về van dé này trong ngành ngân hàng và tài chính

có thé cung cấp thông tin quý giá cho các nhà nghiên cứu, nhà quản lý và chính phủ

Bằng cách nghiên cứu các yếu tố góp phần vào vấn đề vỡ nợ và khám phá các giải

pháp tiềm năng dé giảm thiểu rủi ro tín dụng, trong đó có mô hình EAD (Tổng dư nợ

tại thời điểm vỡ nợ)

Một số lý do quan trọng về tính cần thiết của mô hình EAD bao gồm:

Điều chỉnh mức vốn: Ngân hàng cần đánh giá rủi ro tín dụng của các khoảnvay dé quyết định mức vốn cần thiết dé đảm bảo an toàn tài chính Nếu mức độ rủi

ro tín dụng của một khoản vay cao, ngân hàng cần phải tăng mức vốn đảm bảo để

bảo vệ tài chính của mình Mô hình EAD giúp ngân hàng ước tính số tiền mà ngânhàng có thé mat khi khách hàng không trả nợ, từ đó giúp ngân hàng tính toán mức độ

rủi ro tín dụng và điêu chỉnh mức von cân thiệt.

Quản lý rủi ro tín dụng: Mô hình EAD giúp ngân hàng đánh giá rủi ro tín dụng

của khách hàng và tính toán tông rủi ro tín dụng của ngân hàng Nếu tổng rủi ro tíndụng quá cao, ngân hàng có thé quyết định không cho vay hoặc tài trợ khách hàng

Điêu này giúp ngân hàng quản lý rủi ro tín dụng hiệu quả và bảo vệ tài chính của mình.

Đáp ứng yêu cau của định chế tài chính: Mô hình EAD là một phan quan trọng của

phương pháp tính toán rủi ro tin dụng dựa trên IRB Việc sử dụng phương pháp IRB được

yêu cầu bởi các định chế tài chính như Basel II và Basel III Điều nay đảm bảo ngân hàng

đáp ứng các yêu câu của định chê tài chính và đảm bảo an toàn tài chính của mình.

Vì những lý do trên, em lựa chọn đề tài “Mô hình cây quyết định với phươngpháp tỷ lệ sử dụng hạn mức tại thời điểm vỡ nợ để ước lượng tổng dư nợ củakhách hàng tại thời điểm vỡ nợ” cho khóa luận tốt nghiệp Thông qua đề tài này,

em hy vọng đây là tài liệu hữu ích cho các Ngân hang và Tổ chức tài chính chưa triểnkhai IRB Em cũng hy vọng dé tài là nguồn cung cấp thông tin cho các bạn sinh viênmuốn tìm hiểu và phát triển bản thân trong lĩnh vực quản trị rủi ro, đặc biệt là mô

hình rủi ro tín dụng.

2 Mục tiêu nghiên cứu

Mô hình tông dư nợ tại thời điêm vỡ nợ được sử dụng đê đánh giá rủi ro cho các khoản vay Nêu rủi ro được ước tính cao, ngân hàng có thê yêu câu bô sung tài sản bảo đảm, tăng mức phí lãi suât hoặc từ chôi yêu câu vay Nêu rủi ro được ước

tính thấp, ngân hàng có thé cung cấp khoản vay với mức lãi suất thấp hơn

Đề tài nghiên cứu phương pháp xây dựng mô hình EAD theo tiêu chuẩn IRB

Đầu tiên, đề tài nghiên cứu các quy định của Basel về định nghĩa vỡ nợ (default), quy

định về khung thời gian quan sát lấy dữ liệu Sau đó, đề tài đưa ra phương pháp luận

triển khai mô hình EAD theo IRB, tiến hành xây dựng, kiểm định và đánh giá môhình trên tập xây dựng và tập huấn luyện, kỳ vọng phương pháp xây dựng mô hìnhbang học máy (machine learning) cho kết quả chính xác hơn với mô hình hồi quy

tuyến tính

3 Phương pháp nghiên cứu

Dé xây dựng mô hình này, ta sẽ thu thập các thông tin về khách hang, bao gồmnhân khẩu học, lịch sử tín dụng, dư nợ hiện tại, thu nhập và các khoản nợ khác Sau

đó, các thông tin này sẽ được phân tích, chọn lọc và quyết định lựa chọn đưa vào môhình dé ước tính tong dư nợ tại thời điểm vỡ nợ

Mô hình tổng dư nợ tại thời điểm vỡ nợ là một phương pháp định lượng rủi rođược sử dụng trong ngân hang dé đánh giá khả năng thanh toán nợ của khách hang

tại thời điểm vỡ nợ Cụ thé, mô hình này sẽ ước tính tông số tiền khách hàng cần phải

trả cho ngân hàng tại thời điêm vỡ nợ, bao gôm cả sô tiên gôc và lãi phải trả.

Dé xây dựng mô hình tổng dư nợ tại thời điểm vỡ nợ, có thể sử dụng các

phương pháp thống kê và học máy như logistic regression, decision tree hoặc random

forest Dé đảm bao tính chính xác của mô hình, các thuật toán này cần được đảo tạo

trên một tập dữ liệu lớn va đa dạng.

4 Pham vi dữ liệu

Dữ liệu thực hiện tính toán cho mô hình EAD bao gồm:

« Toàn bộ thông tin của khách hàng có quan hệ tin dụng với Ngân hang trong

72 tháng (bang THONG TIN CIF);

« Toàn bộ danh mục cho vay khách hang cá nhân va khách hang doanh nghiệp

trong 72 tháng (bảng HD TIN DUNG);

‹ Dữ liệu về thu hồi nợ bao gồm dòng tiền thực chỉ thực trả của tất cả các hợpđồng/ khế ước giải ngân trong khoảng 64 tháng (bảng BILL TRA NO) dé xác định

trên file gôc bản ghi dữ liệu

THONG TIN CIF 11 453.428 72 thang

HD TIN DUNG 29 1.434.041 72 thang

XU LY NO XAU 5 27 64 thang

BILL TRA NO 8 2.006.904 60 hang

5 Dự kiến kết quả

Kết quả của đề tài cho ra được kết quả dự báo của mô hình EAD cũng như sự

chính xác và độ hiệu quả của nó

6 Kết cấu đề tài

Đề tài gồm 4 chương, cụ thé:

Chương 1: Cơ sở lý thuyết và tong quan nghiên cứuChương 2: Xây dựng mô hình tổng dư nợ tại thời điểm vỡ nợ

Chương 3: Ap dụng mô hình cây quyết định dé ước lượng tông dư nợ tại thời

điêm vỡ nợ

Chương 4: Kết luận và khuyến nghị

CHƯƠNG 1 CƠ SỞ LÝ THUYET VA TONG QUAN

NGHIEN CUU

Trong chương I này trình bày về cơ sở ly thuyết của vỡ nợ, tong du nợ tai thời

điêm vỡ nợ và yêu câu cua Basel II với mô hình tông dư nợ tại thời điêm vỡ nợ

Bên cạnh đó, chương này cung cấp tông quan nghiên cứu về đặc điểm, lýthuyết, áp dụng của mô hình EAD cũng như là một số kỹ thuật để ước lượng tổng dư

nợ tại thời điểm vỡ nợ

1.1 Cơ sở lý thuyết

1.1.1 Võ nợ là gi?

Các lý thuyết về vỡ nợ bao gồm cả lý thuyết xác định rủi ro tín dụng và lýthuyết về tài chính hành vi Lý thuyết xác định rủi ro tín dụng giúp định lượng rủi ro

của các khoản vay và đưa ra các biện pháp dé giảm thiểu rủi ro này Trong khi đó, lý

thuyết về tài chính hành vi nghiên cứu cách mà các cá nhân và tổ chức đưa ra các

quyết định tài chính và ảnh hưởng của các yếu tố tâm lý và hành vi trong việc đưa ra

quyết định đó

Định nghĩa vỡ nợ theo quy định của Basel II (Đoạn 452, 453) Vỡ nợ phát sinh

đôi với một người có nghĩa vụ tín dụng khi một trong hai điêu sau xảy ra:

- Ngân hàng cho rằng người có nghĩa vụ tín dụng có khả năng cao là sẽ khôngthực hiện được nghĩa vụ tín dụng một cách đầy đủ nếu ngân hàng không có hànhđộng truy đòi nợ như xử lý tài sản bảo đảm (nếu có);

- Người có nghĩa vụ tín dụng đã quá han 90 ngày đối với bat kỳ nghĩa vụ tín

dụng trọng yếu đã ký kết nào với Ngân hàng Thấu chi sẽ được coi là quá hạn khi makhách hàng vi phạm hạn mức được cấp hoặc được cấp một hạn mức thấp hơn mức

dư nợ hiện tại.

-Những yếu tố khác được coi là các dấu hiện của không thực hiện được nghĩa

gôc, lãi hoặc các loại phí liên quan;

- Ngân hàng yêu cầu khách hàng thực hiện thủ tục phá sản hoặc các hình thứctương tự do không thực hiện được các nghĩa vụ đối với ngân hàng;

- Bên đi vay đang thực hiện thủ tục hoặc đã ở trong tình trạng phá sản hay

những hình thức bảo vệ tương tự, dẫn đến việc tránh hoặc trì hoãn thực hiện nghĩa vụtín dụng đối với ngân hàng

Các mô hình và phương pháp thống kê được sử dụng dé định lượng rủi ro vỡ

nợ và dự báo khả năng vỡ nợ của khách hàng, bao gồm mô hình logit, SVM, KNN

và các phương pháp khác Việc nghiên cứu và ứng dụng các mô hình này trong ngành

ngân hàng và tài chính đóng vai trò quan trọng trong việc đưa ra các quyết định tín

dụng an toàn và bảo vệ các khoản vay.

1.1.2 Tổng du nợ tại thời điểm vỡ nợ

Hiệp định Basel II và III cho phép các ngân hàng tính toán vốn điều lệ bằng

cách sử dụng các mô hình phát triển nội bộ của riêng họ theo cách tiếp cận dựa trên

xếp hạng nội bộ nâng cao (AIRB) Tổng dư nợ tại thời điểm vỡ nợ (EAD) là mộttham số cốt lõi được mô hình hóa cho các cơ sở tín dụng quay vòng với mức độ rủi

ro thay đồi

Tổng dư nợ tại thời điểm vỡ nợ là một khái niệm quan trọng trong lĩnh vực

quản lý rủi ro tín dụng Nó đo lường giá trị tài sản hoặc số tiền mà một ngân hàng

hoặc tổ chức tài chính có thê mắt trong trường hợp khách hàng không thể trả nợ Tổng

dư nợ tại thời điểm vỡ nợ được sử dụng dé ước lượng mức độ rủi ro tín dụng và dongvai trò quan trọng trong việc đánh giá tính bền vững của các khoản vay và quản lý

danh mục tín dụng.

Lý thuyết tông dư nợ tại thời điểm được xây dựng một cách tiếp cận phân tíchdựa trên dữ liệu và mô hình hóa các yếu tố quan trọng ảnh hưởng đến tong du no tai

thời điểm vỡ nợ Các yếu tố này có thể bao gồm mức độ sử dụng hạn mức tín dụng,

tình trạng tài chính của khách hàng, loại tài sản đảm bảo và rủi ro thị trường.

Các phương pháp ước lượng tổng dư nợ tại thời điểm vỡ nợ được phát triển

dựa trên các mô hình tín dụng, dữ liệu lịch sử và các công cụ phân tích Các mô hình

này có thé sử dụng các phương pháp thống kê, mô hình hóa tài chính, hoặc kỹ thuật

học máy dé dự đoán và đo lường tổng dư nợ tại thời điểm vỡ nợ Đồng thời, việc ápdụng EAD trong quản lý rủi ro tín dụng đòi hỏi các biện pháp kiểm soát nội bộ chặt

chẽ, quan ly dữ liệu chính xác và hiệu quả, cùng với việc đánh giá và cập nhật định

kỳ các mô hình ước lượng tổng dư nợ tại thời điểm vỡ nợ

Yêu cầu của Basel đối với mô hình EAD

Basel II — đoạn 264: Giai đoạn chuyền tiếp bắt đầu từ ngày tuân thủ Basel và

sẽ kéo dai trong 3 năm ké từ ngày đó Trong giai đoạn chuyên tiếp, các yêu cầu tốithiểu sau có thê được nới lỏng, tùy theo quyết định của ngân hàng quốc gia:

- Đối với các khoản tín dụng doanh nghiệp, quốc gia và ngân hàng theo phương

pháp cơ bản, đoạn 463, ngân hàng phải sử dụng ít nhất năm năm đữ liệu để ước tính

PD; và

- Đối với các khoản tín dụng bán lẻ, đoạn 466, ngân hàng phải sử dụng ít nhấtnăm năm dé liệu dé ước tính các tồn that (EAD, và tổn thất dự kiến (EL) hoặc PD va

LGD)

- Đối với các khoản tin dụng doanh nghiệp, quốc gia, ngân hàng và doanhnghiệp bán lẻ, đoạn 445, ngân hàng phải chứng minh đã sử dụng hệ thống mô hìnhrủi ro tín dụng phù hợp với các yêu cầu tối thiểu được nêu trong tài liệu này ít nhất

ba năm trước khi đủ điều kiện

- Các thỏa thuận chuyền tiếp áp dụng nói trên cũng áp dụng cho các phương

pháp tính PD / LGD đối với vốn chủ sở hữu Không có thỏa thuận chuyển tiếp nào

đối với cách tiếp cận dựa trên thị trường đối với vốn chủ sở hữu

1.1.3 Khoản vay quay vòng và khoản vay không quay vòng

Theo thông lệ của Basel, công thức xác định EAD phụ thuộc vào vào việc khoản vay là tín dụng quay vòng hay không quay vòng.

Bảng 1.2: 02 nhóm sản phẩm của Ngân hàng

Phân loại sản

2 Mô ta

pham

Khoản vay quay |- Đây là các khoản vay khách hàng có thé rút tiền đến một

vòng mức hạn mức Sau khi khách hàng đã trả hết nợ lãi và gốc của

khoản vay thì có thể tiếp tục giải ngân Ví dụ: Vay hạn mức,

thẻ tín dụng, v.v

- EAD của các khoản vay nay sẽ được tính toán dựa trên

sự thay đổi số dư tại thời điểm quan sát so với thời điểm vỡ nợ

Khoản vay không |- Là các khoản vay khách hàng có thê được giải ngân một

quay vòng hoặc nhiều lần đến một hạn mức Sau khi đã giải ngân hết hạn

mức, khách hàng sẽ không thê giải ngân thêm Ví dụ: cho vay

mua nhà, cho vay mua máy móc, cơ sở vật chất, v.v

- EAD của các khoản vay này được xác định bằng du nợ

1.2 Tổng quan nghiên cứu

Dé ước lượng EAD cho thẻ tín dụng hoặc các hình thức tín dụng xoay vòngkhác, Hiệp định Basel II/III da đề xuất sử dụng dữ liệu lịch sử để đánh giá ty lệ chuyênđổi tín dụng (CCP), tức là ty lệ phan trăm của số tiền chưa rút hiện tại có thể sẽ đượcrút trong trường hợp khách hàng không thể trả nợ (Valvonis, 2008) Hiệp định khôngyêu cầu rõ ràng các mô hình EAD phải sử dụng tính toán CCF; tuy nhiên, CCF thường

được đề cập đến trong Basel Sau khi ước lượng tỷ lệ chuyên đổi tín dụng cho một

(phân đoạn) số tiền phải trả biến đổi, EAD được tính bằng công thức:

EAD = Số tiền đã rút hiện tại + (CCE x Số tiền chưa rút hiện tại)

Với phương pháp này, độ chính xác của việc dự đoán tổng dư nợ tại thời điểm

vỡ nợ rõ ràng phụ thuộc vào chất lượng của mô hình CCF và việc mô hình hóa nay

đã đặt ra những thách thức đáng ké do phân phối của tỷ lệ chuyên đổi tín dụng khôngtuân theo các phân phối thống kê tiêu chuẩn Phân phối tỷ lệ chuyền đổi tín dụngthường có xu hướng kép lệnh cao với khối lượng xác suất băng không (không có sự

thay đổi trong số dư), một khối lượng xác suất băng một (vượt quá hạn mức tín dụng),

và một phân phối tương đối phăng ở giữa, tương tự như một số phân phối LGD (tốn

thất vỡ nợ) (Loterman et al., 2012)

Hơn nữa, trong nhiều tập dữ liệu CCF, có thé thấy một số lượng đáng kể các

tỷ lệ chuyền đôi tín dụng âm và tỷ lệ chuyên đôi tín dụng lớn hơn một (một ví dụ về

điều cuối cùng có thé là khi hạn mức tin dụng đã tăng giữa điểm quan sát và thờiđiểm vỡ nợ, cho phép khách hàng vượt quá hạn mức ban đầu); vì các ước lượng môhình cuối cùng cần được giới hạn trong khoảng từ không đến một, những quan sát

10

riêng lẻ như vậy đôi khi được cắt giảm thành không hoặc một, tương ứng (Jacobs,

2010).

Taplin, Minh To và Hee (2007) đã chỉ ra rằng công thức CCF gặp van đề vìphân phối tỷ lệ chuyên đổi tín dụng có giới hạn, khiến cho tổng dư nợ tại thời điểm

vỡ nợ phải bang han mức tín dụng khi tỷ lệ chuyên đổi tin dụng bang 1 Trong thực

tẾ, thường có những tài khoản với tổng dư nợ tại thời điểm vỡ nựo lớn hơn hạn mức

tín dụng do các chi phí phát sinh từ việc mua sắm vượt quá hạn mức và các khoản lãi

suất, hoặc thay đôi han mức tín dụng

Bên cạnh đó, còn một phương pháp ít phổ biến hơn đó là sử dụng công thức

URAD - tỷ lệ sử dụng hạn mức tại thời điểm vỡ nợ Khi khách hàng không thê trả

nợ, tỷ lệ sử dụng hạn mức tại thời điểm vỡ nợ cho biết mức độ sử dụng hạn mức tíndụng của khách hàng tai thời điểm đó Với EAD, tỷ lệ sử dụng hạn mức tại thời điểm

vỡ nợ được sử dụng để ước lượng giá trị tài sản hoặc số tiền mà ngân hàng hoặc tổ

chức tài chính có thể mất trong trường hợp khách hàng không thê trả nợ Tỷ lệ sử

dụng hạn mức tại thời điểm vỡ nợ có thê được tính toán băng công thức:

URAD = Số dư nợ tại thười điểm vỡ nợ / Hạn mức tín dụng tại thời điểm quan sát

Và tổng dư nợ tại thời điểm vỡ nợ được tính qua tỷ lệ sử dụng hạn mức tại thời

điêm vỡ nợ như dưới đây:

EAD = Max (Số dư nợ tại thời điểm quan sát, URAD x Hạn mức tín dụng tạithời điểm quan sát)

11

CHƯƠNG 2 XÂY DỰNG MÔ HÌNH TỎNG DƯ NỢ TẠI

THỜI DIEM VO NO

Chương này trình bay cụ thé từng bước trong việc xây dựng mô hình EAD dégiải quyết vấn đề tổng dư nợ tại thời điểm của khách hàng

2.1 Khái niệm về mô hình tổng dư nợ tại thời điểm vỡ nợ

Mô hình tổng dư nợ tại thời điểm vỡ nợ là một trong những mô hình quan

trọng trong việc đánh giá rủi ro tín dụng của các khách hàng vay tiền Theo mô hìnhnày, tổng số tiền nợ còn lại của khách hàng tại thời điểm vỡ nợ được xem là chỉ sốquan trọng đề đánh giá khả năng hoàn trả nợ của khách hàng đó

Cụ thể, mô hình tổng dư nợ tại thời điểm vỡ nợ xác định tổng số tiền khách

hàng đang nợ tại thời điểm xảy ra sự cố vỡ nợ Đây là một chỉ số quan trọng dé đánh

giá khả năng khách hàng có khả năng hoàn trả nợ hay không, và từ đó giúp ngân hàng

đưa ra quyết định về việc cho vay hay không

Mô hình tổng dư nợ tại thời điểm vỡ nợ được xây dựng dựa trên các yếu tốnhư tông số tiền vay, thời gian vay, lãi suất, trạng thái nợ hiện tại của khách hàng, thunhập của khách hàng và một số yếu tố khác Từ đó, mô hình đưa ra dự báo về tổng

số tiền nợ mà khách hàng đang phải trả tại thời điểm vỡ nợ, giúp ngân hàng đưa ra

quyết định đúng đắn về việc cho vay hay không và giảm thiểu rủi ro tín dụng

Trong thực tế, mô hình tổng dư nợ tại thời điểm vỡ nợ được áp dụng rộng rãi

trong ngành ngân hang và được coi là một công cụ quan trọng dé đánh giá rủi ro tíndụng của khách hàng vay tiền Các ngân hàng thường sử dụng các công cụ và phầnmềm tín dụng dé tính toán tổng dư nợ tại thời điểm vỡ nợ của khách hàng, từ đó đưa

ra quyết định về việc cho vay hoặc từ chối cho vay

Trong đề tài này, ta sử dụng phương pháp Tỷ lệ sử dụng hạn mức tại thời điểm

vỡ nợ (URAD) do hạn mức còn lại tại thời điểm quan sát tương đối thấp và tỷ lệ

khoản vay (tính giá tri cả sốc và lãi) vượt hạn mức tương đối pho bién Cu thé, tỷ lệ

12

sử dụng hạn mức tại thời điểm quan sát (URAO) được thống kê đối với các khoản tín

dụng quay vòng như sau:

EAD = Max (OSops,URAD X Limitops)

Trong đó

OSqerault

URAD = — .,

Limitops

- OSops: Số du nợ tại thời điểm quan sát

- OSaefaut: Số du nợ tại thời điểm vỡ nợ

- Limitops: Hạn mức tín dụng hiệu lực tại thời điểm quan sát

Toàn bộ dữ liệu nội bộ của hai phân khúc cá nhân và doanh nghiệp đã được

thu thập và sử dụng cho mục đích xây dựng mô hình Mô hình được dự kiến sẽ sử

dụng cho mục đích ước tính tôn thất đối với các khoản vay của khách hàng cá nhân

và doanh nghiệp hiện đang trong trạng thái nợ bình thường (nợ nhóm 1 và nhóm 2)

nhằm phục vụ mục đích đánh giá mức độ rủi ro của khoản vay cũng như mục đíchquan tri rủi ro ở cấp độ danh mục

2.2 Quy trình xây dựng mô hình

Bước 1: Thu thập dữ liệu, đánh giá chất lượng dữ liệu và làm sạch dữ liệu

Dữ liệu được thu thập, kiểm tra và làm sạch để phục vụ cho mục đích xây dựng

mô hình EAD (Tất cả các bước tiền xử lý dit liệu đã được xử lý trong code python

(Phụ lục B))

13

Bước 2: Liên kết dữ liệu

Các dữ liệu từ nhiều tệp dữ liệu (HD TIN DUNG, BILL, phân loại nợ, xử lýng) được liên kết với nhau thông qua các trường khóa kết nối (data_ key) dé tạo thành

một tệp dữ liệu duy nhất cho mục đích xây dựng mô hình

- Có số ngày quá hạn lớn nhất theo thông tin BILL hơn 90 ngày;

- Có số ngày quá hạn theo ngày đáo hạn khế ước lớn hơn 90 ngày;

- Bi xử lý nợ (Mã khách hàng xuất hiện trong bảng XU LY NO XAU)

Cờ vỡ nợ sẽ được xác định ở cấp độ khách hàng Điều này có nghĩa là khi mộthợp đồng gắn với khách hàng được xác định là vỡ nợ thì trạng thái của toàn bộ các

hợp đồng khác của khách hàng này sẽ chuyền thành trạng thái vỡ nợ

Đề phục vụ cho việc hệ thong xép hang tín dung nội bộ, các bang dữ liệu cung

cấp thường được yêu cầu có độ dài bao quát 1 chu kỳ kinh tế, thông thường tối thiếu

là 5 năm, tương đương với 60 tháng theo dõi

Bước 4: Xác định mẫu xây dựng mô hình EAD

Các loại trừ sau sẽ được thực hiện

- Loại trừ các hợp đồng chưa từng bị vỡ nợ

- Loại trừ các quan sát xảy ra sau thời điêm vỡ nợ hoặc trước thời điêm vỡ nợ

trên 12 tháng

14

- Loại các trường hợp vỡ nợ lần đầu tiên vào tháng 9 năm 2015 do đây làtháng đầu tiên có đữ liệu nên không thể xác định được liệu khách hàng có vỡ nợ từ

trước đó hay không

Bước 5: Tính toán tỷ lệ URAD, URAO

- Để xây dựng mô hình EAD, ta sử dung tat cả các khách hang đã vỡ nợ từdanh mục cho vay ban đầu (bảng HD TIN DUNG) Cờ vỡ nợ sẽ được xác định theođịnh nghĩa vỡ nợ của mô hình PD và được gắn 0 cap độ khách hàng Điều này cónghĩa là khi một hợp đồng gắn với khách hàng được xác định là vỡ nợ thì trạng tháicủa toàn bộ các hợp đồng khác của khách hàng này sẽ chuyền thành vỡ nợ

Tính toán URAD

Sau khi xác định được các khách hàng vỡ nợ, việc chuan bi dữ liệu được tiên

hành theo các bước sau:

- Xác định ngày vỡ nợ đầu tiên của khách hang

- Xác định ty lệ sử dụng hạn mức tại từng hợp đồng tại thời điểm vỡ nợ theo

Outstandingperauit: Tổng dư nợ của khách hang tại thời điểm vỡ nợ (bao gồm số

dư nợ lãi + phí dự thu gán với khoản vay nếu có)

Limitopservation: Tong han mức của khách hàng tại thời điểm quan sát

URAO = Outstanding opservation

Limitopservation

Trong do:

Outstandingopservation Tong dư nợ của khách hang tai thời điểm quan sát (bao

gôm sô dư nợ lãi)

Limitopservation: Tông hạn mức của khách hàng tại thời diém quan sát

Bước 6: Phân khúc khách hàng và phân loại khoản tín dụng quay vòng và không quay vòng

- Khách hàng được phân loại thành hai phân khúc, khách hàng cá nhân và khách hàng doanh nghiệp Tương ứng với phân loại được xác định, các khoản vay

của khách hàng được gắn cờ phân loại tương ứng

- Phân loại các hợp đồng thành khoản tín dụng quay vòng và không quay vòngdựa trên thông tin sản phẩm

Bước 7: Phân chia mẫu xây dựng mẫu kiểm định mô hình

Mẫu xây dựng mô hình cần phải đảm bảo một số tiêu chí sau:

o Xác định được chính xác ngày vỡ nợ đầu tiên của khách hàng:

o Thời gian quan sát và lẫy thông tin trong khoảng thời gian 12 tháng trướcthời điểm ngày vỡ nợ đầu tiên

Trong quá trình xây dựng mô hình, dữ liệu sẽ được chia thành 02 tập dữ liệu,

bao gồm: mẫu xây dựng mô hình và mẫu kiểm định mô hình Mẫu xây dựng mô hìnhđược định nghĩa là mẫu dùng trong việc xây dựng mô hình còn mẫu kiểm định là mẫu

dé kiểm tra lại chất lượng và khả năng dự báo của mô hình đã được xây dựng Theothông lệ, mẫu xây dựng chiếm 70-80% dit liệu ban đầu

Bước 8: Tạo biến đầu vào cho mô hình EAD

Tạo các biến đầu vào cho mô hình EAD được xây dựng dựa trên nội dung

phương pháp luận đã được xây dựng, cụ thể:

16

- Biến về tỷ lệ sử dụng hạn mức tại thời điểm quan sát (URAO);

- Biến tong hạn mức của khách hang;

- Biến phân loại phân khúc khách hàng;

- Số tháng trên số (month on book — MOB);

- Tỷ lệ sử dụng hạn mức còn lại;

- Thời gian đến ngày đáo hạn;

- Ty lệ trả nợ.

Bước 9: Xây dựng mô hình EAD theo biện pháp cây quyết định

Mô hình cây trong đó biến mục tiêu có thé nhận một bộ giá trị rời rac được gọi

là cây phân loại (classification trees), trong các cau trúc cây này, các lá (nodes) biéuthị các nhãn và các nhánh biểu thị các liên kết của các trường dữ liệu dẫn đến cácnhãn đó Cây quyết định trong đó biến mục tiêu có thé nhận các giá trị liên tục (thường

là số thực) được gọi là cây hồi quy (regression trees) Cây quyết định là một trongnhững phương pháp mô hình dự đoán được sử dụng trong thống kê, khai thác dữ liệu

và máy học Phương pháp này sử dung cây quyết định dé đi từ các dữ liệu thông tin

của một khách hàng (URAO, hạn mức tín dụng, phân khúc khách hàng, v.v) đến kếtluận về giá trị mục tiêu của khách hàng (URAD, v.v)

Trong phạm vi xây dựng mô hình EAD tại Ngân hàng, cây quyết định được

sử dụng dé dự đoán Tỷ lệ sử dụng hạn mức trong tương lai của khách hang tại thờiđiểm vỡ nợ trong 12 tháng tới

Trên cơ sở giá trị URAD được dự báo, giá trị EAD được xác định thông qua

công thức:

EAD = max (URAD x Limitopbservation, Outstanding opservation) Trong do:

Outstandingopservation Tong dư nợ của khách hang tai thời điểm quan sát (bao

gôm sô dư nợ lãi)

17

Limifopservation: Tong hạn mức của khách hang tại thời điểm quan sát

2.3 Kiểm định mô hình

- Kiểm định có ý nghĩa quan trọng, nhất là Kiém định sai số tương đối, nếukiểm định này không được đáp ứng có nghĩa là mô hình dự đoán không chính xác giátrị EAD do vậy mô hình cần phải được điều chỉnh kịp thời để nâng cao khả năng dự

báo.

- Kiểm định ở cấp độ danh mục có ý nghĩa nhiều hơn kiểm định đối với từngnhóm Nếu kiểm định bị thất bại ở cấp độ nhóm nhưng vẫn đáp ứng được yêu cầu ởcấp độ danh mục (Mô hình ít nhất phải dự đoán tương đối chính xác ở cấp độ danhmục) thì có thé thực hiện theo dõi thêm chat lượng mô hình với tần suất thường xuyênhơn và có kế hoạch hiệu chỉnh/ xây dựng lại mô hình khi có nguồn lực và kế hoạch

thích hợp.

Kiểm định sai số tương doi (Actual vs Predicted)

- Mô tả:Một phép ước lượng là giá trị tương đối các sai số, tức là sự khác biệtgiữa các ước lượng và những gì được đánh giá Kiểm định được thực hiện để so sánhgiữa các nhóm giá trị URAD thực tế và ước lượng

- Phương pháp/ công thức:

(EAD thực tế, — EAD dự đoán,)

Sai số tương đối = :9 EAD thực té;

Trong đó:

- 1: nhóm (pool) được mô hình chia tách

18

Thang đánh giá:

Sai số tương đối < 10% : Mô hình dự đoán chính xác10% < Sai số tương đối < 20% _ : Mô hình dự đoán tương đối chính xác20% < Sai số tương đối : Mô hình dự đoán không chính xác

Kiểm định T hai phía giữa URAD Dự đoán của 02 nhóm liền kề (Two-tailed

T-test) để đánh giá tính khác biệt giữa các nhóm

- Mô tả: Kiểm định T hai phía là kiểm định thống kê được sử dụng trong kiêmđịnh giả thuyết dé xác định xem sự khác biệt giữa hai giá trị trung bình có khác nhau

đáng kê hay không

- Phương pháp/Công thức:

t — statistic = Pool — Pools

J

o Thực hiện kiểm định p-value như sau:

Giả thiết: Ho: Pool; = Pool;

Giả thiết: Hi: Pool; # Pool;

Trong do:

- i,j : giá tri trung bình của URAD dự đoán ở nhóm i và URAD dự đoán ở

nhóm liền kề j

- $?: phương sai của URAD dự đoán nhóm i và URAD dự đoán nhóm liền kề

- N: số lượng quan sát trong nhóm (Pool) của URAD dự đoán ở nhóm i vàURAD dự đoán ở nhóm liền kề j

19

Giá trị kiểm định:

- P-value > 0.05: Giá trị trung bình URAD dự đoán nhóm 1 = Giá trị trung

bình URAD dự đoán nhóm liền kề j (các nhóm không có sự phân biệt rõ ràng)

- P-value < 0.05: Giá trị trung bình URAD dự đoán nhóm i # Giá tri trung bình

URAD dự đoán nhóm liền kề j (các nhóm có sự phân biệt rõ ràng)

Kiểm định trung bình sai số toàn phương (MSE)

- Mô tả: Một phép ước lượng là trung bình của bình phương các sai số, tức là

sự khác biệt giữa các ước lượng và những gì được đánh giá Kiểm định đượcthực hiện để so sánh giữa các nhóm giá trị URAD thực tế và ước lượng

o_n: số lượng nhóm (Pool) được mô hình chia tách

Thang đánh giá chỉ số MSE:

MSE < 10% : Mô hình dự đoán chính xác

10% < MSE < 25% : Mô hình dự đoán tương đối chính xác

25% < MSE : Mô hình dự đoán không chính xác

Kiểm định tương quan Spearman (SRC)

- Mô tả: Hệ số tương quan thứ tự cấp bậc Spearman (viết tat là tương quan

Spearman) là một phép đo không đối xứng về sức mạnh và hướng liên kết tồntại giữa hai biến được đo lường trên ít nhất một thang đo thứ tự

- Phương phap/ công thức:

o Bước I: Xép hang các nhóm theo thứ tự tăng dần giá trị URAD thực tế

20

o_ Bước 2: Tiếp tục xếp hạng các nhóm theo thứ tự tăng dần giá trị URAD

- Giá trị tương quan < 30%: Thứ tự xếp hang giữa các nhóm của 2 mẫu có

tương quan thấp cho thấy khả năng phân hang của mô hình chưa 6n định

Kiểm định tính ôn định PSI

- Mô tả: So sánh phân bồ tổng thé xây dựng mô hình và tông thé kiểm định mô

hình dé đánh giá tính ôn định của các phân nhóm trong danh mục

- Phuong phap/ công thức:

- % mẫu xây dựng i: là tỷ lệ % số lượng mẫu xây dựng thuộc nhóm i trên tong

sô mâu xây dựng

- % mẫu kiểm định ¡: là tỷ lệ % số lượng mẫu kiểm định thuộc nhóm ¡ trên

tông sô mẫu kiêm định

Thang đánh giá chỉ số PSI:

PSI > 20 : Mô hình không ổn đinh

20 > PSI > 10 : Mô hình tương đối ôn đinhPSI < 10 : Mô hình ồn đinh

22

CHUONG 3 ÁP DUNG MÔ HÌNH CAY QUYÉT ĐỊNH DE UOC LƯỢNG TONG DU NO TẠI THỜI DIEM VO NO

Chương nay tap trung vào việc đưa ra kết quả dự báo của mô hình EAD, kiểmđịnh mô hình Trước hết là việc mô tả đữ liệu nghiên cứu, tiếp là dự báo tông dư nợtại thời điểm vỡ nợ của nhóm khách hàng và kiểm định mô hình

3.1 Mô tả dữ liệu

Đề tài tập trung xây dựng và dự báo tổng dư nợ tại thời điểm vỡ nợ EAD, vì

lý do bảo mật thông tin, đữ liệu sẽ được ân một số trường dữ liệu

Giới thiệu dữ liệu

Bảng dưới đây mô tả các trường dữ liệu chính dùng trong việc xây dựng mô

hình EAD.

Bảng 3.1: Tổng hợp các trường dữ liệu sử dụng trong việc tính EAD

Tên trường Mô tả

CLIENT_NO Số định danh duy nhất của khách hàng

CLIENT_TYPE_DESC Thông tin diễn giải loại khách hàng

MA_KH Số định danh duy nhất của khách hàng

NGAY_SAO_KE Ngay sao ké

MA_HDTD Mã hợp đồng tin dụng

MA_KHE_UOC Mã khế ước

NGAY_DAO_HAN_HDTD Ngày đáo hạn hợp đồng tin dụng

NGAY_DAO_HAN KU Ngày đáo hạn khế ước

23

Tên trường Mô tả

MA_SAN PHAM Mã sản phẩm, chỉ tiết trong bảng MA SAN

PHAM TIEN VAY BAO LANH

SO_DU_NO_GOC Sô du nợ gôc

SO_TIEN_HAN_MUC Sô tiên han mức

Mã loại hình tô chức, cá nhân Mã loại hình tổ chức, cá nhân (doanh nghiệp

SO_TIEN SO tiên trên hóa don

SO_TIEN_THUC_TRA Số tiền thực tra

Số CIF Số định danh duy nhất của khách hàng

Phân loại nợ Mã phân loại nợ

Loại hình cho vay Thông tin về loại hình cho vay, ví dụ: cho vay,

bảo lãnh, thấu chi, chiết khấu

24

Bảng 3.2: Danh sách các biến đầu vào của mô hình EAD

vì vậy EAD thấp hơn

limit_AO_cus

Han muc cho vay cua

khách hang tại thời điểm

quan sat

Mục đích phân tách mô hình trường hợp có sự

chênh lệch giá tri URAD

đáng kê

SEGMENT Phân khúc khách hàng

Mục đích phân tách mô

hình trường hợp có sự chênh lệch giá trị URAD

đáng kế

HMIT_AVAIL pc Ty lệ giữa hạn mức còn lại

va sô tiên hạn mức

Hạn mức còn lại thấpcho thay khách hàng có

xu hướng sử dụng hạn mức ở mức độ cao do

vậy URAD được kỳ

vọng sẽ cao hơn

HMTIT_AVAIL flag

Co chỉ báo có còn han mức còn lại hay không, cờ chỉ báo = 0 nghĩa là hạn mức còn lại = 0

Time_to_maturity1 Số thang giữa ngày sao kê

và ngày đáo hạn kê ước

Thời gian còn đến ngày

đáo hạn ngăn sẽ hạn chê

25

STT Tên biến Diễn giải Ý nghĩa

max của các kê ước hiện

và ngày đáo hạn hợp đông

Thời gian còn đến ngàyđáo hạn ngắn sẽ hạn chế

khả năng vay thêm của khách hàng do vậy

URAD được kỳ vọng sẽ

thấp hơn

Số tháng kể từ ngày mở

Trong một số trườnghợp MOB thấp được kỳvọng có URAD thấp

trong tháng chia tổng số dư

8 |MOB ` ,

hợp dong đên ngày sao kê | hon, tuy nhiên xu hướng

giữa MOB và URAD

không thực sự rõ rệt

` Ty lệ trả nợ cao tức là

Ty lệ trả nợ được tính băng |,

„ oo toc độ thanh toán nợ cua

9_ |ty le tra no tông sô tiên thanh toán

khách hàng nhanh, do

đó kỳ vọng URAD thấp

- Có nhiều khoản vay trên bảng HD TIN DUNG về bản chất là khách hàng đãtrả hết gốc, tuy nhiên dé tiếp tục theo dõi phan lãi nên vẫn được ghi nhận trên số với

SO_DU_NO_GOC = 0 hoặc bằng 1000 Đối với những khoản vay khách hàng có

SO_DU_NO_GOC tại thời điểm vỡ nợ < 1000 VND, loại khỏi mẫu xây dựng môhình EAD do đây là các khoản vỡ nợ không trọng yếu

26