Chuyên đề tốt nghiệp: Ứng dụng mô hình Logistic trong đo lường rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Quân đội – Chi nhánh Thăng Long – PGD Nhân Chính

Hiện nay có rất nhiều mô hình định lượng được sử dụng trong đo lường rủi ro tín dụng của ngân hàng: Mô hình VaR Value at Risk 1994 đo lưởng tôn thất tối đa của một khoản tín dụng; Mô hìn

TRƯỜNG ĐẠI HỌC KINH TE QUOC DÂN

VIỆN NGÂN HÀNG - TÀI CHÍNH

-000 -DE TAI:

UNG DUNG MO HÌNH LOGISTIC TRONG ĐO LUONG RỦI

RO TIN DUNG KHACH HANG CA NHAN TAI NGAN HANG

TMCP QUAN DOI — CHI NHANH THANG LONG

-PGD NHAN CHINH

Ho va tén : Nguyén Thi Bich Ngoc

Lép chuyên ngành : Tài chính doanh nghiệp 58A Mã sinh viên : 11163746

GV hướng dẫn : Th§ Đặng Ngọc Biên

Hà Nội, tháng 12 năm 2019

MỤC LỤC

DANH MỤC TU VIET TAT DANH MUC BANG ;

DANH MUC BIEU DO, HINH VE

PHAN MO) ĐÂ 5-5 (5 HT THỌ TH HT HT 0 0 09000 80 1

1.1 Cho vay khách hàng cá nhân tại ngân hàng thương mại - 5

1.1.1 Khai niệm tín dụng khách hàng cá nhân - «+ +s «+ x++e£+se+sx+sxe 5

1.1.2 Đặc điểm cho vay khách hàng cá nhân - 2 z+++cs++cx++zxzz 5

1.1.3 Phan loại cho vay khách hàng cá nhân - 5+ + ++++£+se+seesseess 7

1.2 Rúi ro tín dụng tại ngân hàng thương mai - 5 555 +<£+xsesesss 8

1.2.1 Khái niệm rủi ro tin Ụng - - + + kg HH nh HH nưệp 8

1.2.2 Phân loại rủi ro tín dung - s11 HH ng net 9

1.2.3 Nguyên nhân dẫn đến rủi ro tín dụng 2-2 z+s+cx+zx+rserxeee 11

1.2.4 Hau qua của rủi ro tín dụng oo eee eeeeneeeeeneceeeesesseeseceeessesseseeeeeeseraeeeees 11

1.3 M6 hình Logistic do lường rủi ro tín dung khách hang cá nhân 12

1.3.1 GiGi thigu CHUNG oo 12

1.3.2 M6 hình nghién CỨU G111 1911 11 91 E91 911 911g km 14

1.3.3 Điều kiện ước lượng mô hình s5 6+2 1xx ng cư, 16

1.3.4 Ước lượng mô hình + +*92EEEEEE+t+ESEeErxtrtrtrkrkrrkrrrkerree 16

1.3.5 Kiểm định mô hình + k+Sx+Et+EEEE+EEEEEEEEEEEEEEEEkEEEEkErkrkrrkrrerkrre 17

1.3.6 Danh gid m6 hinh 19

1.4 Tống quan nghiên cứu - 2 esecsccssessesscsvessssessessesseseessessessesseeee 21

1.4.1 Cac nghiên cứu ngoai nu6c G5 191319119 11 111111 re 21

1.4.2 Cac nghiên cứu trong HƯỚC - eee s3 tk ng Hư 24

CHUONG 2: THUC TRẠNG HOẠT ĐỘNG QUAN TRI RỦI RO TÍN DUNG TẠI NGÂN HÀNG TMCP QUAN DOI - CHI NHANH THANG LONG - PGD

NHAN 0i) 27

2.1 Giới thiệu về Ngân hàng TMCP Quân đội — Chi nhánh Thăng Long —

PGD Nhan Chimh 0T 27

2.1.1 Thong tin khái qQuat 0 eee ceeseneeeeseeeeeeseeeeseeesecsceessesesecsesesseeeeesseeeaees 27

2.1.2 Kết quả hoạt động kinh doanh c.ccccscsssessessessessesssessesssessessessesseesseeseeees 28

2.2 Tinh hình rủi ro tín dụng tại Ngân hàng TMCP Quân đội — Chi nhánh

Thang Long — PGD Nhân Chính À - Án HH gi, 34

2.2.1 Quy trình tín ụng - - Gv TH HH ngư 34

2.2.2 _ Thực trang cho vay khách hàng cá nhân - - «+ £+sx£++xeesee 36

2.2.3 Thực trạng triển khai công tác quản trị rủi rO -. -¿-sz+s+xs+2 38 2.2.4 Các chỉ tiêu phản ánh kết quả hoạt động quản trị rủi ro 39

2.3 Đánh giá hoạt động quan trị rủi ro tín dụng tại Ngân hàng TMCP Quân đội — Chi nhánh Thang Long — PGD Nhân Chính 555555 s<c++ 42

23.1 Kết quả dat được -©c++cs+ck2EE E21 2112217121121 cEkcrkee 42 2.3.2 Hạn chế tom tại ccccccrrttrtrrttrrrrtrrirrrrrrrrrrrirrrrirrrriei 43 CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG ĐO LƯỜNG RỦI RO TÍN DUNG CUA KHACH HÀNG CÁ NHÂN TẠI NGÂN HÀNG TMCP QUẦN

DOI - CHI NHANH THANG LONG - PGD NHÂN CHÍNH 46

3.1 Quy trình nghiên CỨU - - - 6 s19 9v ng nh HH nghiệt 46

3.2 Phương pháp nghiên CỨU - - - + %1 S3 SE HH rệt 46

3.2.1 _ Xác định các biến và giả thuyẾt - + + c++xecxczkerxerkesrxerrerree 48

B.A Dit eu nghién nh 59

3.2 Kết qua nghiên tru oo cccccssesscsseessessesssessessvessessesssessessesssesseeseess 69

3.2.1 Phân tích dit liệu sơ D6 c.cccscsesssesssesssessseessesssesssesssecssecssesssesesecssecssessseessess 69

3.2.2 _ Tính chính xác của mô hình nghiên cỨu - - «+ +« + +++x+se+eeexs 75

CHUONG 4: TONG KET UNG DUNG MO HÌNH LOGISTIC VÀ CÁC GIẢI

PHÁP KIÊN NGHI ecccsssssssscsssscssscsssscsssecsssccssscsssscenscsssscssuscssscssnscessscsssccsascsssscesseesseees 82

4.1 Tống kết ứng dung mô hình L.ogistic -2- 2 52 5++2s++zx++zxe+zsez 82

4.1.1 _ Những kết quả dat được ¿ -©s++x++EkeEkc2EEEEEEEEEEkerkrrrrrkerreee 82 4.1.2 Những hạn chế còn tồn tại -¿-¿- ¿+ £+EE+EE2EEEEEEEEEEEkErkrrrkerkerreee 83 4.2 Giải pháp kiến nghị đối với Ngân hàng TMCP Quân đội 84

4.2.1 Kiến nghị từ kết quả mô hình ¿- 2 ©+++2++xtzx+zrxerxrzreerxerrree 84 4.2.2 Giải pháp nâng cao chất lượng hoạt động quan trị rủi ro tin dung khách

hang C4 NAN 0 89

sunn 0 - 95 TÀI LIEU THAM KHẢO °- << 5£ s£ se Ss£EEseESseESseExseExserssersserssersee 97

DANH MỤC TU VIET TATBCDX Báo cáo đề xuất

MB Ngân hàng TMCP Quân đội

MB Nhân Chính Ngân hàng Quân đội Chi nhánh Thang Long

-PGD Nhân Chính

NHNN Ngân hàng nhà nước

NHTM Ngan hang thuong mai

NQH No qua han

PGD Phong giao dich

RRTD Rui ro tin dung

SXKD San xuat kinh doanh

TSBD Tai san bao dam

XHTD Xép hang tin dung

Bang 2.4: Cơ cau dư nợ theo đối tượng khách hàng (không gồm cầm cé số tiết

kiệm) tại MB Nhân Chính giai đoạn 2016 — 2018 - - s5 ++5<+x++cxsexers 37

Bảng 2.5: Xếp hạng tín dụng khách hàng cá nhân tại Ngân hàng TMCP Quân đội

39

Bảng 2.6: Tình hình nợ xấu, nợ quá hạn tại MB Nhân Chính giai đoạn 2016 —

01107 Ơ© L 4I

Bảng 2.7: Tỷ lệ KHCN có NQH tai MB Nhân Chính giai đoạn 2016 — 2018 42

Bang 3.1: Tóm tắt dữ liệu được XỬ lý - -.-SĂc + kS SH ng triệt 60

Bang 3.2: Hệ số tương quan giữa các biến độc lập nhóm “Đặc điểm cá nhân” 61

Bảng 3.3: Hệ số tương quan giữa các biến độc lập nhóm “Gia đình, người thân”

Bang 3.5: Hệ số tương quan giữa các biến độc lập nhóm “Tài sản bao đảm” 63Bảng 3.6: Hệ số tương quan giữa các biến độc lập nhóm “Hoạt động tín dụng với

NGAN NANG” Ô 64

Bang 3.7: Các bién độc lập sử dung trong hồi quy va giả thuyết 65Bang 3.8: Tong hợp thông kê mô ta dit liệu các biến định lượng 66Bảng 3.9: Kết quả ước lượng Mô hình PD Method: Backward (LR) G7Bảng 3.10: Kết quả ước lượng Mô hình trả nợ kém Method: Backward (LR) 69Bảng 3.11: Mức ảnh hưởng của các nhân tô đến xác suất vỡ nợ 70Bang 3.12: Mức ảnh hưởng của các nhân tố đến xác suất trả nợ kém 72Bang 3.13: Kiểm định Omnibus với Mô hình PD - 2 2 5 s5s+Szz£zzsz 76Bảng 3.14: Kiểm định Omnibus với Mô hình trả nợ kém ¿- - - ss¿ 76Bang 3.15: Kiém định mô hình tông thé Mô hình PD - 5-2 252 76

Bang 3.16: Kiêm định mô hình tông thé Mô hình trả nợ kém -.- 71

Bang 3.17: Kiêm định HL Mô hình PD - 2-55 22522£E+£Ee£EzEzrxrrxred 71

Bang 3.18: Kiêm định HL Mô hình trả nợ kém -2- 5-55 5s+£s£xezzxece2 78

Bảng 3.19: Kiểm định mức độ dự đoán Mô hình PD - 2 +2 79Bảng 3.20: Kiểm định mức độ dự đoán Mô hình trả nợ xấu - 79Bảng 3.21: Kiểm định dựa trên case quan sát thực TA 80Bảng 4.1: Xếp hạng tín dụng khách hàng cá nhân theo mô hình Logistic 85

DANH MỤC BIEU DO, HÌNH VE

Hình 2.2:Quy trình tín dụng KHCN tại Ngân hàng TMCP Quân đội 35

Hình 2.3: Phương pháp chấm điểm tín dụng trên CRA của Ngân hàng TMCP

6001i0i00n44444 39

Hình 3.1: Sơ đồ quy trình nghiên cứu -2-©2¿-++2z++£x++zx+rxrzxxerxesred 46

Hình 3.2: Mô hình nghiên CỨU - -G < 1kg ng, 58

Hình 3.3: Ham sigmoid của hồi quy logistic c.cceccscescessesesseseessesesseesesseesesessees 78

PHAN MỞ DAU

1 Ly do lwa chon dé tai

Theo Uy ban Basel BCBS, đối với hau hết các ngân hàng, các khoản vaylà nguồn rủi ro lớn nhất và rõ ràng nhất Gắn liên với các khoản vay đó chính làrủi ro tín dụng — rủi ro mang tính đặc thù của hệ thống ngân hàng Vì rủi ro tíndụng luôn là nguồn gây rắc rối hang đầu trong các ngân hàng trên toàn thế giới,nên các ngân hàng và cán bộ tín dụngcó thể rút ra những bài học hữu ích từ kinhnghiệm trong quá khứ Các ngân hàng cần có nhận thức sâu sắc về quy trình xácđịnh, đo lường, giám sát và kiểm soát rủi ro tín dụng cũng như xác định rằng họcó đủ vốn chống lai các rủi ro này va họ được bồi thường thỏa đáng cho các rủiro phát sinh Hiện nay có rất nhiều mô hình định lượng được sử dụng trong đo

lường rủi ro tín dụng của ngân hàng: Mô hình VaR (Value at Risk) (1994) đo

lưởng tôn thất tối đa của một khoản tín dụng; Mô hình Merton KMV (Merton,

1974 được phát triển bởi công ty KMV) đo lường rủi ro vỡ nợ của các doanhnghiệp vay ngân hang; Mô hình cham điểm xếp hạn tín dụng (Henry Well, 1992)được sử dụng phố biến ở hầu hết các ngân hàng thương mại dé xác định phânloại khách hàng vay vốn theo rủi ro các mô hình này không triệt tiêu hay bácbỏ lẫn nhau mà phụ trợ dé giúp các ngân hàng thương mại trong việc đo lườngrủi ro tín dụng một cách hiệu quả hơn Sử dụng mô hình định lượng để đo lườngrủi ro hiện nay dang trở thành xu hướng mới va được các nước phát triển như

Mỹ, các nước Chau Au ưa chuộng vi tính chính xác và độ tin cậy cao.

Sự ra đời của Basel II là một bước tiễn mới trong thước đo và các chuẩnmực về quản lý rủi ro tại các ngân hàng thương mại, và Việt Nam không nằmngoài các chuân mực đó Tính đến tháng 09/2019, NHNN công nhận 9 NHTM đãđáp ứng các tiêu chuẩn của Basel II Theo phương pháp xếp hạng nội bộ (Internal

Ratings Basel — IRB) ma Basek II đưa ra, ngân hang áp dụng IRB cơ ban (FIRB)

va IRB nâng cao (AIRB) đều phải ước lượng PD nội bộ; từ đó xây dựng mô hình

đo lường ton thất rủi ro dự kiến EL Và dé ước lượng được xác suất vỡ nợ PDcủa khách hàng là bao nhiêu thì phương pháp hữu hiệu nhất được sử dụng đó là

hình hồi quy Logistic đã được sử dụng và nghiên cứu, áp dụng từ rất sớm nhưTrung Quốc (Y Yang, G Nie, và L Zhang (2007)[1]), Đức (G.Dong, K KeungLai và J.Yen (2010)[2]) cho dén nay van có tính ứng dung cao (Michel

Alexandre va cộng sự (02/2017) nghiên cứu trường hop Central Bank of

Brazil[3]) Từ các nghiên cứu thực tế cho thấy, mô hình hồi quy Logistic khôngnhững đem lại kết quả đo lường đáng tin cậy mà phương pháp và quy trình thựchiện cũng rat dé dàng, hiệu quả và tiết kiệm chi phí

Mặc dù việc sử dụng các mô hình định lượng nói chung và mô hình hồi

quy Logistic nói riêng trong đo lường rủi ro đã được nghiên cứu và áp dung rộng

rãi trên thế giới từ khá lâu nhưng tại Việt Nam thì mới bắt đầu vào năm 2012

Đặc biệt với rủi ro tín dụng của khách hàng cá nhân, các nghiên cứu sử dụng

phương pháp định lượng còn rất ít và chưa được áp dụng rộng rãi Các nghiêncứu trong nước được thực hiện dựa trên dữ liệu thong kê từ nhiều ngân hàngkhác nhau (Nguyễn Thị Thúy Quỳnh, Trần Thị Xuân Anh và Bùi Lê Trà Linh(2017)[4], Nguyễn Văn Huân, Đỗ Năng Thắng (2018)[5] ) với kích thước mẫusố liệu nhỏ, thường tập trung từ trên 200 đến dưới 400 đối tượng khách hàngthuộc nhiều ngân hàng khác nhau nên kết quả đưa ra chưa thực sự đáng tin cậy vì

tai mỗi ngân hàng có chính sách tín dụng khác nhau, kèm theo đó là tập dữ liệu

thu thập về khách hàng khác nhau (quy trình thu thập, xử lý số liệu) mà chưa cósự tập trung cụ thể trong một ngân hàng nhất định

Ngân hàng TMCP Quân đội — Chi nhánh Thăng Long - PGD Nhân Chính

hoạt động theo mô hình ngân hàng cộng đồng, tập trung vào mảng bán lẻ, đặc

biệt hướng tới phục vụ đối tượng là khách hàng cá nhân Thực tiễn hoạt động tín

dụng tại chi nhánh thời gian qua cho thấy rủi ro tín dụng khách hàng cá nhân

chưa được kiểm soát một cách hiệu quả, tỷ lệ nợ xấu, nợ quá hạn, có xu hướng

gia tăng gây ra nhiều tôn thất cho Chi nhánh Chính vì vậy, yêu cầu cấp bách đặt

ra hiện nay là nâng cao công tác quản trị rủi ro tín dụng khách hàng cá nhân giúp hoạt động kinh doanh của ngân hàng an toàn và hiệu quả hơn.

Xuất phát từ những lý do trên, tác giả lựa chon đề tài: “Ứng dung mô

hình Logistic trong đo lường rủi ro tín dụng khách hàng cá nhân tại Ngân

hàng TMCP Quân đội — Chỉ nhánh Thăng Long - PGD Nhân Chính” làm đềtài chuyên đề tốt nghiệp.

2 Mục đích nghiên cứu của chuyên đề+“ Xây dựng mô hình với những yếu tố đặc thù của khách hang tại Ngânhàng Quân đội — Chi nhánh Thăng Long — PGD Nhân Chính ảnh hưởng đến xác

suất xảy ra rủi ro tín dụng tại ngân hàng này.v Phân tích và đánh giá mức độ tác động của từng nhân tố ảnh hưởng đến

xác suất xảy ra rủi ro tín dụng của khách hàng cá nhân tại ngân hàng

v Thông qua kết quả nghiên cứu về nhân tố ảnh hưởng đến xác suất xảy rarủi ro tín dụng của người vay, tác giả đưa ra những giải pháp, kiến nghị cho Ngânhàng TMCP Quân đội và Ngân hàng nhà nước nhằm nâng cao chất lượng hoạt

động quản trị rủi ro.

3 Nội dung nghiên cứu chuyên đề

> Đối tượng nghiên cứu

Căn cứ vào mục đích và nhiệm vụ nghiên cứu, đê tài xác định đôi tượng nghiên cứu của đê tài là: tín dụng khách hàng cá nhân và các nhân tô ảnh hưởng

đến xác suất xảy ra rủi ro tín dụng của khách hàng cá nhân tại MB Nhân Chính

> Phạm vi nghiên cứu

e Dữ liệu: những đặc điểm của khách hàng cá nhân và khoản vay được thu thập

thông qua quá trình thâm định và các giấy tờ, thông tin xác minh hợp lệ.e Không gian và thời gian nghiên cứu: tất cả khách hàng cá nhân hiện hữu có

quan hệ tín dụng với MB tại PGD Nhân Chính tính đến ngày 31/12/2018

4 Câu hỏi nghiên cứu

(1) Những nhân tố nào ảnh hưởng đến xác suất xảy ra rủi ro tín dụng của

khách hàng cá nhân tại Ngân hàng TMCP Quân đội?

(2) Chiều hướng và mức độ tác động của các nhân tố nghiên cứu tới xác suất

xảy ra rủi ro tín dụng của khách hàng cá nhân như thế nào?

(3) Mô hình đo lường xác suất xảy ra rủi ro tín dụng của khách hàng cá nhân

như thê nào?

(4) Đề xuất các kiến nghị nhằm nâng cao chất lượng quản trị rủi ro tại Ngân

hàng TMCP Quân đội.

5 Ý nghĩa chuyên đề> Ý nghĩa lý luận

Đề tai đã đóng góp tài liệu nghiên cứu về mặt lý luận, học thuật thông qua

việc xây dựng mô hình lý thuyết giải thích các nhân tố ảnh hưởng Đồng thờichuyên đề đã xây dựng được mô hình đo lường xác suất xảy ra rủi ro tín dụng tạiMB Nhân Chính và góp phần làm nền tảng cho các nghiên cứu tiếp theo về đề tài

tương tự.

> Ý nghĩa thực tiễn

Chuyên đề giúp những người quan tâm đến chủ đề đo lường rủi ro tíndụng bằng mô hình định lượng xác định đúng phương pháp và quy trình thựchiện cũng như lựa chọn các nhân tố phù hợp với tập khách hàng cá nhân cụ thể

tại một Ngân hàng xác định Từ đó sẽ đánh giá và áp dụng nghiên cứu với những

khoản vay tại nhiều ngân hàng khác với người vay có đặc điểm đặc thù khác.Qua đó cũng đóng góp thêm nghiên cứu về việc sử dụng mô hình đo lường trongquản trị rủi ro mà hiện nay tại Việt Nam chưa thực sự phô biến và được áp dụng

hiệu quả.

6 Kết cầu đề tài

Dé tai gôm có 4 chương được chia như sau:

* Chương 1: Cơ sở lý thuyết và tổng quan nghiên cứu

Y Chương 2: Thực trạng hoạt động quản trị rủi ro tín dụng tại Ngân hàng

TMCP Quân đội — Chi nhánh Thăng Long — PGD Nhân Chính.

* Chương 3: Ung dụng mô hình Logistic trong đo lường rủi ro tín dụng của

khách hang cá nhân tại Ngân hàng TMCP Quân đội — Chi nhánh Thăng

Long — PGD Nhân Chính.

* Chương 4: Tổng kết ứng dụng mô hình logistic và các giải pháp kiến

nghi.

CHƯƠNG 1: CƠ SỞ LÝ THUYET VA TONG QUAN NGHIÊN CỨU

1.1 Cho vay khách hàng cá nhân tại ngân hàng thương mại

1.1.1 Khái niệm tín dụng khách hàng cá nhân

Theo Luật các tổ chức tín dụng 2010 (Luật số 47/2010/QH12) định nghĩa:“Cap tin dụng là việc thỏa thuận dé tổ chức, cá nhân sử dụng một khoản tiền

hoặc cam kết cho phép sw dụng một khoản tiễn theo nguyên tắc có hoàn trả bằng

nghiệp vụ cho vay, chiết khẩu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân

hang và các nghiệp vụ cấp tín dụng khác.”[6]

Dựa trên cơ sở đó, tín dụng khách hàng cá nhân (KHCN) được hiểu làthỏa thuận nhượng lại tạm thời cho một cá nhân cụ thể quyền sử dụng nguồnvốn/tài sản từ ngân hàng thương mại Nguồn vốn/tài sản này được cá nhân sửdụng nhằm phục vụ nhu cầu đời song sinh hoạt hoặc tài trợ hoạt động sản xuấtkinh doanh trong một thời gian xác định và phải hoàn trả nợ gốc và lãi vay khi

đến hạn tat toán HDTD

Tín dụng ngân hàng cho các cá nhân đã tăng lên đáng ké trong nửa thé kyqua khi nhu cầu tiêu dùng tăng lên, cùng với đó là hành vi thường xuyên sử dụng

thẻ tín dung trong thanh toán của các cá nhân cũng tăng lên (Alexandra Twin,

2019)[7] Chủ yếu sản phẩm tín dụng mà NHTM cung cấp cho khách hàng cá

nhân là cho vay Mặc dù tín dụng ngân hang đa dạng sản phẩm (chiết khấu, chothuê tài chính, bảo lãnh, bao thanh toán ) nhưng chiếm quy mô và tỷ trong

không đáng kê trong tín dụng khách hàng cá nhân Do đó, trong phạm vi nghiên

cứu chuyên đề tốt nghiệp này, hoạt động tín dụng khách hàng cá nhân chính là

hoạt động cho vay của ngân hàng đôi với cá nhân.

1.1.2 Đặc điểm cho vay khách hàng cá nhân[S]

- — Thời gian cho vay linh hoạt: Các hợp đồng cho vay KHCN có thé là ngắn

hạn (T < 12 tháng), trung hạn (12 thang < T < 60 tháng) hoặc dài hạn (T > 60

tháng) tùy vào nhu cầu và sản phẩm tín dụng.- Quy mô cho vay nhỏ, số lượng khách hàng lớn: Các khoản vay của KHCN

có độ lớn tùy vào sản phẩm tín dụng khách hàng sử dụng Quy mô cho vay

nhỏ hơn quy mô của vay vốn mua ô tô, nhà đất hay sản xuất kinh doanh.

Nhìn chung, các khoản vay này đều có quy mô nhỏ hơn đối với tín dụngKHDN mặc dù lượng khách hàng là nhiều hơn đáng kể

Chi phí cho vay cao: Mac đù có một lượng khách hàng nhiều với lượng lớn

thông tin nhưng quy mô cho vay lại nhỏ (so với KHDN) nên chi phí cho vay

phải bỏ ra trên mỗi đồng vốn cho vay cũng cao hơn so với KHDN.Có tính nhạy cảm theo chu kỳ: Nhu cầu cho vay KHCN tăng lên trong thờikỳ kinh tế mở rộng, người tiêu dùng lạc quan về thu nhập cũng như sự pháttriển của nền kinh tế, cho vay mở rộng Ngược lại, khi nền kinh tế rơi vàokhủng hoảng, suy thoái, cá nhân và các hộ gia đình cảm thấy không tin tưởngvào nên kinh tế, đặc biệt khi tỷ lệ thất nghiệp tăng cao, từ đó tiêu dùng giảm,

cho vay KHCN cũng giảm.

Lãi suất cho vay cao: Theo Chương trình phân tích chi phí chức năng (FCA)

của FED, tín dụng KHCN có chỉ phí lớn nhất và rủi ro cao nhất trong danhmục cho vay của ngân hàng Đây cũng chính là nguyên nhân khiến lãi suấtcho vay KHCN thường cao hơn cho vay KHDN nhiều lần trong cùng một hệthống NHTM Bên cạnh đó người tiêu dùng là những đối tượng kém nhạycảm với lãi suất, họ có mối quan tâm đến số tiền phải trả hàng tháng hơn(mặc dù lãi suất ảnh hưởng đến số tiền đó) Do vậy, lãi suất cao không chỉ để

bu đắp rủi ro lãi suất, rủi ro đến từ khách hang mà còn là công cụ kiếm lợi

nhuận hiệu quả cho ngân hàng.

Rui ro cao: Nhiều khoản vay KHCN là tín chấp mà không cần tài sản bảođảm như KHDN, trong khi đó lượng khách hàng lớn, các đặc điểm cá nhâncủa người vay theo thời gian có thé thay đổi như tuổi tác, sức khỏe, côngviệc, làm cho khả năng thanh toán nợ thay đổi, gây nên rủi ro cho ngân

hàng.

Chất lượng thông tin khách hàng không cao: So với thông tin của mộtdoanh nghiệp có mã số thuế, đăng ký kinh doanh, báo cáo thuế, báo cáo tàichính đầy đủ, minh bạch và được quản lý chặt chẽ theo Pháp luật thì thôngtin của một cá nhân lại khó kiểm chứng hơn nhiều Bên cạnh đó, van đềthông tin bất đối xứng khi người vay che giấu hoặc không trung thực cũng

khiến cho việc thâm định thông tin tài chính KHCN gặp nhiều vấn đề và lỗhồng.

1.1.3 Phân loại cho vay khách hàng cá nhân

Vì lượng lớn khách hàng với nhu cầu vay vốn đa dạng mà cho vay KHCN

cũng có nhiều sản phẩm và hình thức cấp tín dụng khác nhau Dựa trên đặc điểm

sản phẩm cho vay và hình thức cấp tin dụng, ta có thé phân loại tín dụng KHCN

theo 3 tiêu chí sau:

1.1.3.1 Phân theo mục đích sử dụng

- Cho vay tiêu dùng: Sản phâm tín dụng KHCN tài trợ nhu cầu chỉ tiêu cá nhân

của người vay hay nhu cầu sinh hoạt đời sống Mục đích vay tiêu dùng cụ thê

thường gặp như vay mua ô tô, nhà đắt, phục vụ sửa chữa, tu sửa nhà ở, du

học

- Cho vay san xuất kinh doanh: San phẩm tín dụng KHCN phục vụ cho hoạt

động sản xuất kinh doanh của khách hàng trong đầu tư hoặc tự doanh Mụcđích vay SXKD cụ thê thường gặp như đầu tư tài chính (bất động sản, chứngkhoán ), bổ sung vốn lưu động, đầu tư tài sản cô định

1.1.3.2 Phân theo hình thức cấp tin dụng

Hiện nay hình thức cấp tín dụng tại NHTM rat đa dạng, riêng về cho vayKHCN, NHTM thường triển khai các hình thức cấp tín dụng sau:

- Cho vay từng lan: hay còn được biết đến là vay theo món Đối với hình thức

vay vốn từng lần, mỗi lần thực hiện giao dịch ngân hàng và người vay phảithực hiện đủ thủ tục vay và có riêng từng khế ước vay

- Cho vay hạn mức: là hình thức vay mà thỏa thuận giữa ngân hàng và người

vay đề ra một mức dư nợ tối đa duy trì trong một thời kỳ xác định Mức hạnmức này gồm: (1) Hạn mức quay vòng/tuần hoàn: trong thời gian duy trì hanmức, người vay thực hiện vay nợ - trả nợ nhiều lần song dư nợ của kháchhàng phải đảm bảo bé hơn hoặc băng hạn mức đã thỏa thuận; (2) Hạn mức

không quang vòng

- Cho vay thấu chỉ: là việc ngân hàng cho KHCN được tải trợ vốn/sử dụng

vượt số tiền có trong tài khoản thanh toán của mình với một mức nhất định

Thời gian duy trì hạn mức không quá | năm.

1.1.3.3 Phan theo tài san bảo đảm

Tài sản bảo đảm (TSBĐ) là một hoặc nhiều tài sản mà ngân hàng chấp

nhận là nguồn bảo đảm cho việc gia hạn khoản vay của khách hàng Nếu ngườivay vỡ nợ hoặc không còn khả năng thanh toán khoản vay nợ, ngân hàng có thểthu giữ TSBD và bán/thanh ly tài sản đó dé thu lại một phần hoặc toàn bộ khoản

vay của khách hàng TSBĐ có thể ở nhiều dạng khác nhau như quyền sử dụng

đât, nhà ở, xe ô tô, sô tiêt kiệm

- Cho vay có TSBĐ cụ thé: Người vay có nguồn dam bảo trả nợ là TSBD thuộc

quyền sở hữu của chính khách hàng hoặc bên thứ 3 liên quan TSBD này có

thê độc lập hoặc hình thành từ nguồn vốn vay.- Cho vay tin chấp: Người vay không có TSBĐ cho khoản vay Ngân hàng

quyết định tài trợ vốn vay cho KH dựa trên uy tín, khả năng tài chính (thu

nhập, lương ) của chính khách hàng 1.2 Rủi ro tín dụng tại ngân hàng thương mại

Tín dụng là một trong những hoạt động chính và là nguồn chủ yếu đem lạidoanh thu cho NHTM Tuy nhiên, hoạt động tín dụng lại phức tạp nhất và tiềm

an nhiều rủi ro nhất trong các hoạt động của NHTM Rui ro tín dụng là loại rủi ro

mà NHTM phải quan tâm đầu tiên và hàng dau (Joel Bessis, 2002)[9]

1.2.1 Khái niệm rủi ro tin dung

Rui ro tin dụng được NHNN định nghĩa tại Khoản 2 Thông tư 08/2017/TT- NHNN như sau: “Rui ro tín dụng: là rui ro do khách hàng không

thực hiện hoặc không có khả năng thực hiện một phan hoặc toàn bộ nghĩa vu trả

nợ theo hợp đông hoặc thỏa thuận với ngân hàng, chỉ nhánh ngân hàng nước

ngoải "[10]

Theo Joel Bessis: “Rui ro tin dung là rui ro mà khách hang võ nợ, có

nghĩa là người vay không tuân thủ các điều khoản đối với hợp đông tín dung Ruiro tín dụng gây ton that một phan hoặc toàn bộ số tiền của doi tác cho vay ”[9]

Có rất nhiều quan điểm về rủi ro tín dụng, mà tóm lại, ta có thé định nghĩađơn giản nhất về rủi ro tín dụng như sau: Rủi ro tín dụng là khả năng mà một

người vay ngân hàng hoặc đối tác không đáp ứng một phần hoặc toàn bộ cácnghĩa vụ của minh theo các điều khoản đã thỏa thuận trong HDTD

1.2.2 Phan loại rủi ro tín dụng[8] > Phân loại theo nguyên nhân

Hình 1.1: Phân loại rủi ro tín dụng theo nguyên nhân

Rủi ro nội tại Rủi ro danh mục

(N, guon: Toàn tập Quan trị ngân hàng thương mai[8])

- Rui ro danh mục: là khả năng danh mục tín dụng của NHTM không đạt

được mục tiêu tài chính Nguyên nhân xuất phát từ những hạn chế, yêu kém

trong quản lý danh mục các khoản cho vay của ngân hàng Loại rủi ro này

được chia thành 2 loại bao gồm: Tủi ro nỘi tai và rủi ro tập trung.+ Rúi ro nội tại: là rủi ro liên quan tới đặc điểm của từng loại sản phẩm tíndung Rủi ro này xuất phát từ các yếu tố, những đặc tính riêng biệt nội tại

(bên trong) của mỗi người vay hoặc ngành, lĩnh vực SXKD hoạt động Đặc

điểm hoạt động hay đặc điểm sử dụng tín dụng của khách hàng ảnh hưởng

đến rủi ro này

+ Rui to tập trung: nguyên nhân gây ra rủi ro đến từ việc không đa dang

vào một loại đối tượng mà có chung nhóm đặc điểm giống nhau Bên cạnh đó

rủi ro tập trung cũng có thể xuất phát từ việc ngân hàng cho lượng lớn kháchhàng vay cùng một loại sản phẩm tín dụng có rủi ro cao

- Rui ro giao dịch: là rủi ro mà nguyên nhân phát sinh từ những sai sót, hạn

chế trong quá trình giao dịch và tác nghiệm như thâm định, xét duyệt chovay, giải ngân, kiểm soát sau cho vay hoặc đánh giá khách hàng trong việcđảm bảo nghĩa vụ thực hiện thỏa thuận HDTD Từ rủi ro giao dịch, ta có thểchia ra thành 3 bộ phận khác gồm: rủi ro lựa chọn, rủi ro nghiệp vụ và rủi ro

bảo đảm.

+Rui ro lựa chọn: là rủi ro có liên quan đến quá trình đánh giá và phân tíchtín dụng Loại rủi ro này do thông tin bất đối xứng tạo ra khi ngân hàng sử

dụng các phương án tin dụng dé ra quyết định cho vay

+ Rui ro nghiệp vụ: là rủi ro liên quan tới việc quản lý khoản vay va quá

trình cho vay, trong đó bao gồm việc ngân hàng sử dụng hệ thống xếp hạng

rủi ro và kỹ thuật về xử lý các khoản tín dụng của khách hàng có vấn đề.+ Rui ro bảo đảm: phát sinh từ các tiêu chuẩn bảo đảm cho khoản vay nhưcác điều khoản trong HĐTD, chủ thể bảo đảm, tài sản bảo đảm, cách thức

bảo đảm và tỷ lệ cho vay trên giá trị của TSBĐ.

> Phân loại theo khả nang trả nợ

Xét đến khả năng trả nợ của khách hàng, có 2 loại rủi ro chính đó là:- — Rúi ro trả nợ không đúng hạn (rủi ro đọng vốn): là rủi ro xảy ra khi đến

thời hạn trả nợ gốc/lãi theo thỏa thuận trên HDTD mà ngân hàng vẫn chưa

thu hồi được vốn dẫn đến các khoản vốn kém lỏng (bị đóng băng) Từ đó kế

hoạch sử dụng vốn cùng quản lý thanh khoản của ngân hàng gặp khó khăn

- Rui ro vỡ nợ (rúi ro mat vốn): là rủi ro nghiêm trọng nhất xảy ra khi mà

người vay mất khả năng trả nợ vay, ngân hàng không thể thu hồi vốn (mấtvốn) Từ đó các chi phí cho vay (chi phí nợ khó đòi, chỉ phí giám sát) tăng,

lợi nhuận của ngân hàng cũng giảm do các khoản dự phòng RRTD tăng.

Hình 1.2: Phân loại rủi ro tín dụng theo khả năng trả nợ

Rủi ro đọng vốn

Không thu được lại

đúng hạn:

Lãi treo phát sinh

Không thu được vốn

(Nguồn: Toàn tập Quản trị ngân hàng thương mai[8])

12.3 Nguyên nhân dẫn đến rủi ro tín dụng|S]

- Nguyên nhân khách quan từ môi trường bên ngoài: sự thay đối trong các

chính sách kinh tế, pháp luật; những biến động lớn về thời tiết, thiên tai, hỏahoạn, tai nạn gây ảnh hưởng hoạt động sản xuất kinh doanh; chất lượngcủa thông tin chưa cao, vẫn còn tồn tại hiện tượng bat đối xứng thông tin

- _ Nguyên nhân chủ quan từ ngân hàng: năng lực yếu kém của đội ngũ cán bộ;

sự giám sát lỏng lẻo của cấp quản lý trong hoạt động của ngân hàng; danhmục đầu tư tín dụng chưa đa dạng, tập trung nhiều vào một số đối tượng

khách hàng hoặc sản phâm cho vay; định giá thiếu chính xác về khoản vay

không tương xứng với rủi ro.

- Nguyên nhân từ khách hàng: thu nhập/doanh thu không đảm bảo kha năng

trả nợ; đạo đức tín dụng chưa cao, KH cố ý chiếm dụng vốn vay từ ngân

hàng; KH mất khả năng trả nợ do chết hoặc mất tích dẫn đến nợ cần xử lý.

1.2.4 Hậu quả của rủi ro tín dụng

Y Đối với ngân hàng: Rui ro tin dụng khiến ngân hàng bị mat các khoản bị

chiếm dụng (khoản phải thu) nên nguồn vốn bị thất thoát, không đảm bảo cho

các khoản chi (lãi tiền gửi, chi phí hoạt động ) khiến lợi nhuận giảm và có

thé là vốn tự có giảm theo Điều nay ảnh hưởng đến quy mô hoạt động củachính ngân hàng Không những vậy, tỷ lệ nợ xấu, nợ quá hạn quá cao cũng

khiến uy tín của ngân hàng bị sụt giảm, khả năng huy động vốn giảm và dẫn

tới mat khả năng thanh khoản Đây cũng là hậu quả nặng nè nhất đối với

ngân hàng, dẫn ngân hàng đến vỡ nợ và phá sản, ảnh hưởng trực tiếp lên toànbộ hệ thống.

VY Đối với khách hàng: Việc khách hàng không đảm bảo thỏa thuận tin dụng

với ngân hàng sẽ khiến uy tín và XHTD của người này giảm, từ đó việc xincấp tin dụng trở nên khó khăn hơn khi có nhu cầu vay vốn Bên cạnh đó, việckhông trả được nợ sẽ dẫn đến mat TSBĐ (nếu có) của khách hàng khi ngânhàng thanh lý dé thu hồi von

v Đối với nên kinh tế: Ngân hàng là một trung gian tài chính lớn và quan trong

bậc nhất của nền kinh tế, vì vậy rủi ro tín dụng xảy ra khiến ngân hàng thắtchặt cho vay, từ đó hoạt động SXKD của nên kinh tế cũng bị hạn chế Đó làrủi ro thấp, còn nêu rủi ro tín dụng bị đây lên cao sẽ gây nên nguy hiểm đối

với toàn bộ hệ thống ngân hàng, khủng khoảng xảy ra và nền kinh tế đi vào

giai đoạn đình trệ, tuột dốc.

1.3 M6 hình Logistic đo lường rủi ro tín dụng khách hàng cá nhân

1.3.1 Giới thiệu chung

Đo lường rủi ro là một bước quan trọng trong quá trình quản tri rủi ro tại

ngân hàng, vì vậy việc sử dụng các phương pháp lượng hóa rủi ro để xây dựngcác mô hình đo lường là thực sự cần thiết Đối với khoản vay của khách hàng cá

nhân — những khoản vay nhỏ nhưng tệp khách hàng lớn, đa dạng, dữ liệu xử lý

nhiều đòi hỏi các mô hình đo lường rủi ro cần có sự linh hoạt, dễ dàng thực hiện

và đem lại kết quả có mức tin cậy cao Những mô hình đo lường rủi ro tín dụng

KHCN thường được sử dụng đó là: Mô hình VaR (Value at Risk), Mô hình ước

lượng tôn thất EL và UL, Mô hình chấm điểm tín dụng, Mô hình Logistic MôVaR được sử dụng phô biến trong tính toán mức thua lỗ tối đa của một danh mụcđầu tư tín dụng, tuy nhiên VaR lại không thực sự hiệu quả vào phân tích các nhântố ảnh hưởng đến mức thua lỗ đó Tương tự, mô hình ước lượng ton thất EL và

UL được Basel II đưa ra dé do lường mức tổn that mà ngân hàng có thể gặp phải

nhưng phương pháp thực hiện lại cần thông qua các thừa số (điển hình là xác suấtvỡ nợ PD) cần được tính toán và ước lượng phức tạp với dữ liệu trên 5 năm

Trên thực tế, khi ngân hàng đo lường rủi ro có thé gặp phải do KH gây ra,cách phô biến và dé dàng nhất có thé áp dụng là sử dụng hệ thống cham điềm tín

dụng nội bộ Mục tiêu của các mô hình chấm điểm tín dụng là dự đoán mức độ

tín nhiệm của KHCN và kiểm tra liệu họ có thể đáp ứng một nghĩa vụ tài chínhnhất định hoặc vỡ nợ hay không Những mô hình như vậy cho phép một tổ chứctài chính giảm thiểu rủi ro thua lỗ bằng cách đặt ra các quy tắc quyết định về việc

khách hàng nhận được khoản vay và phê duyệt thẻ tín dụng Và trong quá trình

xây dựng hệ thống này, ngân hàng cần đánh giá được rủi ro vỡ nợ của KH là baonhiêu tức ước lượng xác suất vỡ nợ có khả năng xảy ra là bao nhiêu Đối với quátrình ước lượng xác suất thì miền giá trị của biến phụ thuộc chỉ nằm trongkhoảng từ [0;1] nên việc áp dụng các mô hình hồi quy linear (hồi quy tuyến tính)sẽ không phù hớp do hàm linear không bị giới hạn miền giá trị kết quả trả về Vàmô hình hồi quy Logistic giải quyết được van dé này Không những thế, mô hìnhhồi quy Logistic còn có thé sử dụng độc lập như một giải pháp về đo lường rủi rotín dụng KHCN hiệu quả, đồng thời đánh giá, phân tích được rủi ro ảnh hưởng

bởi các nhân tố nào

Hồi quy Logistic là một mô hình thống kê điển hình, ban đầu được tìm ravà được phổ biến chủ yếu bởi Joseph Berkson (1944)[11], nơi ông tìm ra khái

niệm "logit" Sau đó mô hình được hoàn thiện bởi Maddala (1984)[12] Hồi quy

logistic được sử dụng trong rất nhiều ứng dụng bao gồm nghiên cứu y sinh,nghiên cứu khoa học xã hội, tiếp thị cũng như ứng dụng tài chính Phân tích hồiquy logistic nghiên cứu mối liên hệ giữa một biến phụ thuộc và một tập hợp các

biến độc lập (biến giải thích) và được sử dụng khi biến phụ thuộc chỉ có hai giá

trỊ, chăng hạn như 0 và 1, “Có” và “Không” hoặc “Thành công” và “Thất bại”.Hồi quy Logistic đa thức thường được dành cho trường hợp khi biến phụ thuộc

có ba hoặc nhiều giá trị duy nhất, chăng hạn như Đã kết hôn, Độc thân, Đã li di

hoặc Góa phụ Mặc dù loại dữ liệu được sử dụng cho biến phụ thuộc khác vớiloại hồi quy bội, việc áp dụng trên thực tế của quy trình là tương tự nhau

Mô hình hồi quy Logistic là mô hình đo lường phổ biến được sử dụngtrong hệ thống ngân hàng ở các nước trên thế giới hiện nay Bên cạnh đó, mô

hình này cũng là công cụ bắt buộc được Basel II sử dụng để đo lường chỉ số PD

(xác suất vỡ nợ) trong tôn thất dự kiến EL và tổn that ngoài dự kiến UL

1.3.2 Mô hình nghiên cứu

Giả sử rằng có k quan sát độc lập yi , yk, và quan sát thứ i là một biến

ngau nhiên Y¡ Giả định rang Yj có phân phối nhị thức:

Y; ~ B (ni pi) (1.4)

với mau số nhị thức n¡ và xác suất pi Dữ liệu đơn nhất thi nj = 1 V i Điều này

xác định cấu trúc ngẫu nhiên của mô hình

Gia định thêm rằng logit của xác suất cơ ban pi là hàm tuyến tinh của cácbiến độc lập của giả thiết:

logit (pi) = xi? q.5)

Trong đó x; là một vectơ của hiệp phương sai và là vecto của các hệ sô hôi

quy Điêu nay xác định câu trúc hệ thông của mô hình.

Mô hình được xác định trong công thức (1.4) và (1.5) là mô hình tuyến

tính tổng quát với đáp ứng nhị thức và logit liên kết Lưu ý việc xem xét phânphối ngẫu nhiên biến phụ thuộc Yj là điều tự nhiên hơn phân phối Y: - wi

Các hệ số hồi quy có thé được hiểu theo phân phối như trong các mô hìnhtuyến tính Do đó, B; đo lường sự thay đổi trong logit của xác suất liên quan đến

thay đôi don vị của biến độc lập thứ j trong khi các yếu tố khách không đổi Điềunày khiến cho mô hình logit sử dụng hiệu quả và dễ dàng hơn

Phương trình (1.5) cho biết odds cho biến độc lập thứ ¡ được đưa ra bởi

công thức:

Di

1-p, exp (By + B;X¿¡ + :+ Xi) (1.6)

Biểu thức nay xác định hệ số OR (odds ratio) Nếu chúng ta thay đổi bộ

dữ liệu dự đoán của biến thứ j bằng một đơn vị trong khi giữ tất cả các biến khác

không đổi, chúng ta sẽ nhân tỷ lệ OR với exp;) Dé xem điểm này, giả sử ướclượng tuyến tính là x;’B, tăng x; thêm một don vị, dé có được x;jØ + /; Số mũnhận được gấp exp(xi’B) lần exp(Ø;) Do đó, hệ số lũy thừa exp;) biéu thị tỷ lệ

OR.

Việc giải quyết các xác suất p¡ trong mô hình logit trong công thức (1.5)

cho mô hình phức tạp hơn như sau:

exp(x:'B)Pi = 1+ exp(x,'B) (1.7)

Trong khi về trái là ước lượng xác suất thông thường, thi về phải là mộtham phi tuyến tính của các yếu tố dự đoán và không có cách nao đơn giản débiểu thị hiệu ứng xác suất tăng lên khi tăng một đơn vi cho biến độc lập (các biếnkhác không đổi) Từ đó ta có thể ước lượng xác suất gần đúng băng các lấy đạo

hàm của x; Từ đó yêu cầu đây là một hàm liên tục Sử dụng quy tắc thương số

chúng ta nhận được:

dx, ~ P1 — Pi) (1.8)

Do đó, ảnh hưởng của bộ dữ liệu dự đoán biến phụ thuộc thứ j đến xác

suat pi phụ thuộc vào hệ sô Bj và giá tri của xác suât.

Vậy, ta xác định mô hình được sử dụng có công thức như sau:

P.= eBttfzXatlfkXu — - exp(i + B¿X¿¡ + ¬ + BuXni) (1.9)

— 1+efit8zXait-+kXu 1 + exp (By + P¿X¿¡ ++ + BXki) ,

hay viét lai: In(P;) = By + B2X2i + + 8,X„(1.10)

trong đó: P: Xác suất xảy ra vỡ nợ của khách hang

Xi: Biến độc lập thứ i

Bj: Hệ SỐ ưỚớC lượng của biến độc lập j

Hệ so OR (odds ratio): cho biệt xác suât vỡ nợ bang bao nhiêu xác suat

không vỡ nợ

_ Pi

1—p;

OR = exp(By + zX¿;¡ + + ByX xi): (1.11)

1.3.3 Điều kiện ưóc lượng mô hình

Biến phụ thuộc của mô hình chỉ nhận giá trị nhị phân “0” và “1”Y Déi với hồi quy nhị phân, hệ số cấp 1 của biến phụ thuộc sẽ biểu thị kết

quả mong muốn

Y Mô hình chỉ bao gồm các biến có ý nghĩa

Y Các biến độc lập nên độc lập với nhau Từ đó mô hình nên có ít hoặc

không có đa cộng tuyến.Y Các biến độc lập có liên quan tuyến tính với tỷ lệ cược log

Y Kích thước mau lớn.

1.3.4 Uéc lượng mô hình

Đề ước lượng hệ số hồi quy, ta sử dụng phương pháp ước lượng khả năng

tối đa (MLE — Maximum Likelihood Estimation) Phương pháp ước lượng này làmột trong những phương pháp được sử dụng rộng rãi nhất Phương pháp MLE

chọn tập hợp các giá trị của các tham số mô hình tối đa hóa hàm khả năng

Giả sử có các biến ngẫu nhiên Xị, X› tạp thành một không gian mẫun

gau nhiên ƒ(x|Ø); nếu X tiếp tục là biến ngẫu nhiên, ƒ(x|Ø) là hàm mật độ xác

suất (pdf); X là biến ngẫu nhiên rời rac, f (x|@) là hàm khối xác suất (pmf) Phânphối xác suất phụ thuộc vào tham số, ký hiệu là 0 Đối với một mẫu ngẫu nhiên

quan sat được X1, ,Xn ta có hàm kha năng:

ƒŒ\, ,*„|Ø) = ƒ(x¡|8) ƒ(x„|8) (1.12)

Như công thức (1.12) thì hàm khả năng phụ thuộc vào tham số 0 chưa biết, và

được ký hiệu là L(6).

Phương pháp MLE yêu cầu tối da hóa ham khả năng L(0) đối với tham số 0 chưa

biết Từ phương trình (1.12), L(0) được định nghĩa là một sản phẩm của n biến,

không dễ dé tối đa hóa Tối đa hóa L(0) tương đương với tối da hóa log[L(6)] vi

log là một ham tăng đơn điệu Ta định nghĩa log[L(Ø)] là hàm khả năng log, hay ký hiệu là 1(6), tức là:

1(6) = logh(6) = log | [f7Œ&|8) = ) Iogƒ(,|8) (1.13)

i=1 i=1

Tối đa hóa 1(0) đối với 6 sẽ cho ra phương pháp MLE.

Đối với ham Logistic như phương trình (1.9) thì thực hiện phương phápMLE thông qua tối đa hóa hàm:

thức:

Nếu chap nhận Hp thì các giá trị quan sát được và dự đoán là gần nhau, O; — E¡ là

rất nhỏ Ngược lại, nếu dự đoán không phù hợp, O; — E¡ sẽ lớn Do đó, mô hình

được coi là phù hợp nếu kiểm định Chi-square không đủ điều kiện bác bỏ Ho

Bác bỏ Họ khi giá trị y? quá nhỏ (này phụ thuộc vào mức độ quan trọng của kiểmđịnh, nghĩa là xác suất của Sai lầm loại I (Bác bỏ Ho khi Ho đúng) có thé chấp

Thông thường kiểm định hệ số -2LL để kiểm định sự chênh lệch giữa các

hàm khả năng likelihood: LR = —2[I(Øạ) — I(8)|(1.16) với 0o€ ®o va ổ e ©

biểu thị các giá tri cực đại tương ứng Theo định lý cua Wilks (1938)[14], LR có

một tiệm cận +2 phân phối theo giả thiết Ho Cặp giả thiết: ti -0=80

pO = Oy

A>c,khong du dk bác bỏ Hạ

(x)= voi A < c,bác bỏ Họ

 =c,bác bỏ Hovớix ác suất q

trong đó q, c thường được xác định dé đạt một mức ý nghĩa a cụ thé thông qua

mỗi quan hệ: q.P(A = c|Hạ) + P(Â< c|Hạ) =a Thông thườngc=0.5

(Wooldridge, 2008)[15], -2LL được so sánh giữa các kết quả, -2LL càng thấp thì

mô hình giải thích càng tốt

Kiểm định R?:Có nhiều cách dé tính R? cho hồi quy Logistic, trong đó hay sử dụng nhất

là Cox-Snell R? (1989) [16] và Nagelkerke R?(1991){17].

Cox and Snell R?: R?c«s = 1 — (Lo/ Lu)”“(1.17) dựa trên ham kha năng

log của mô hình so với hàm khả năng log của mô hình cơ sở Tuy nhiên, với kết

qua phân loại, nó có giá trị tối đa về mặt lý thuyết là đưới 1 (<1), ngay cả đối với

một mô hình "hoàn hao".

Nagelkerke R?: R? = 1— {L(0) /L@)}” ”(1.18) là phiên bản điều chỉnh

của Cox & Snell R? điều chỉnh tỷ lệ của thống kê dé bao quát toàn bộ phạm vi từ0 đến 1

Mô hình có số liệu thống kê R? lớn nhất là tốt nhất theo Nagelkerke R?.> Kiểm định Hosmer and Lemeshow

Kiểm định HL kiểm tra mức độ phù hợp của mô hình so với thực tế khi so

sánh mức chênh giữa giá trị quan sát và giá trị dự đoán, nếu mức chênh càng nhỏthì mô hình dự đoán càng tốt Cặp giả thiết:

Ho:Gia trị thực tế và giá trị dự báo là đồng nhấtH¡:Giá trị thực tế khác biệt so với giá trị dự báoThống kê kiểm định Hosmer Lemeshow:

_ Mô hình hiệu quả mà đơn giản: Hồi quy Logistic được sử dụng rộng rãi vì

rất hiệu quả, không đòi hỏi quá nhiều phép tính phức tạp; dé hiểu, không yêucầu điều chỉnh các biến, đầu ra xác suất dự đoán hiệu chuẩn tốt

v Dễ thực hiện, nghiên cứu: Việc phân tích mô hình bang các công cụ ước

lượng dễ thực hiện và tiếp cận Từ đó việc đảo tạo xây dựng, ước lượng môhình này cũng dé dang hơn và tiết kiệm them chi phí nhân lực Đồng thời, hồi

quy Logistic được xem như tiền dé cho việc xây dựng những mô hình do

lường phức tạp hơn.

Y Các biến độc lập linh hoạt: Hồi quy Logistic không yêu cầu khắt khe về các

biến độc lập được sử dụng trong mô hình như đặc điểm phân phối chuẩn hay

phương sai đồng nhất trong mỗi nhóm phân chia biến ở những mô hình hồiquy tuyến tính khác

Dữ liệu đa dạng: Dữ liệu đầu vào của mô hình không bị gò bó theo một

khuôn mẫu có định mà tùy thuộc vào từng ngân hàng với tệp khách hàng và

chính sách, sản phẩm tín dụng khác nhau dé xác định các biến độc lập Từ đókhi xây dựng mô hình, các biến độc lập cũng được đa dạng hóa và xác định

tùy vào góc nhìn, nghiên cứu của người thực hiên Cũng vì lý do này mà

thông qua các báo cáo đề xuất, thầm định hay hồ sơ cá nhân của khách hàng,CBTD có thé thuận tiện và dé dàng tìm kiếm dữ liệu phục vụ cho công việc

phân tích.

ii Hạn chế của mô hìnhv Biến phụ thuộc có giới hạn (kết quả không liên tục): Hồi quy logistic hoạt

động tốt dé dự đoán kết quả phân loại như vỡ nợ hoặc không vỡ nợ Nó cũng

có thê dự đoán kết quả xác suất khoản vay thuộc nhóm nợ nào là bao nhiêu

Tuy nhiên, hồi quy logistic không thé dự đoán kết quả liên tục.Mẫu quan sát lớn, chỉ phí thực hiện lớn: Vì kết quả của hồi quy Logistic

chỉ là 0 và 1, rất hẹp nên từ đó yêu cầu nhiều đữ liệu hơn các mô hình địnhlượng khác dé đạt kết quả chính xác và ôn định Với hồi quy tiêu tuyến tínhthông thường thì 20 mẫu dữ liệu được coi là giới hạn dưới Đối với hồi quy

logistic, cần ít nhất 50 mau dit liệu cho mỗi du đoán dé đạt được kết quả ồn

định Từ đó chi phí thu thập dữ liệu cũng lớn hơn so với các mô hình ước lượng khác.

* Không linh hoạt khi biểu hiện các mối quan hệ phức tạp: Tuy hồi quy

Logistic có hồi quy đa thức nhưng nhưng mô hình không thực sự hiệu quả khi

có các biến độc lập có mối quan hệ phi tuyến đối với biến phụ thuộc, điển

hình là những mối quan hệ lũy thừa bậc cao hoặc phép chia phức tạp.1.4 Tổng quan nghiên cứu

1.4.1 Các nghiên cứu ngoài nước

Việc sử dụng các mô hình định lượng trong mô hình hóa rủi ro đã trở

thành xu hướng mới trong hoạt động quản trị rủi ro trong hệ thống NHTM trên

thế giới, đặc biệt là đối với rủi ro tín dụng Bên cạnh đó, sự ra đời của Basel II

không chỉ có tác động đến cách thức quản lý rủi ro hay tỷ lệ an toàn vốn tại cácngân hàng mà còn ảnh hướng rất nhiều đến phương pháp đo lường rủi ro Nhữngđổi mới và bé sung của Basel II (2004) so với Basel I (1988) về đo lường rủi ro

tín dụng đã được nâng cao, hiệu quả hơn nhiều, trong đó có việc đo lường PD

(xác suất vỡ nợ) dựa trên dữ liệu lich sử của KH được ước lượng bằng mô hìnhhồi quy Logistic

Nghiên cứu về xây dựng hệ thống chấm điểm tín dụng tại Ngân hàngthương mại Trung Quốc của Y Yang, G Nie, va L Zhang (2007)[1] chia dữ liệu

sử dụng thành 2 giai đoạn: 01/01/2006 — 31/12/2016 là giai đoạn quan sát va

01/01/2007 — 31/12/2017 là giai đoạn hiệu suất (kiểm định mô hình trong thực

tế) Tác giả nghiên cứu các biến độc lập như tuổi, tông tài sản, hệ số thanh toáncá nhân trên 1317 khách hàng và thực hiện Logistic Regression đều mang hệ

số đương, tức tác động cùng chiều với khả năng vỡ nợ của người vay Thông quakiểm định Hosmer-Lemeshow cho kết quả R?=0,9175 chứng tỏ độ chính xác caocủa mô hình Phương pháp ước lượng sử dụng hàm hợp lý tối đa Backward (LR)

với các kiêm định đêu đưa ra ket qua tot, có độ tin cậy cao.

Một nghiên cứu khác về rủi ro tín dụng khách hàng cá nhân của NHTM

tai Đức của G.Dong, K Keung Lai và J.Yen (2010)[2] được đăng tại

mô hình Logistic như một công cụ định lượng mạnh mẽ Dữ liệu thu thập từ Tập dữ liệu tín dung Duc từ Đại hoc California tai Kho lưu trữ máy hoc cua Irvine

(UCI) gom 20 đặc điểm về KHCN trong đó có 7 biến số định lượng và 13 biến sốđịnh tính Nghiên cứu có 1000 mẫu gồm 700 khách hàng tốt (good) và 300 kháchhàng xấu (bad) Bộ dit liệu được chia ngẫu nhiên thành 10 tập con có cùng kíchthước Mỗi tập hợp con bao gồm 100 mẫu, trong đó 70 mẫu là “Good” và 30 mẫulà “Bad” Mỗi lần chạy mô hình ước lượng, 9 tập con được sử dụng dé xây dựngmô hình hồi quy logistic với các hệ số cố định sử dung SPSS, phương pháp Entervà Backward (LR) Do đó, 10 mô hình hồi quy logistic với các hệ số có địnhđược xác định, đối với mỗi mô hình, một tập hợp các đặc tính với các hệ SỐ CÓ ýnghĩa được xây dựng Các đặc điểm chung của 10 bộ này được sử dụng làm đặcđiểm cho mô hình đề xuất của nghiên cứu Có 5 đặc điểm được chia sẻ bởi 10 bộ,bao gồm Trạng thái của tài khoản kiểm tra hiện tại, Thời lượng tính theo tháng,Lịch sử tín dụng, Tiết kiệm,Tỷ lệ trả góp theo phần trăm thu nhập khả dụng vàđược mã hóa thành 22 biến giả.Trong nghiên cứu, Percentage Correctly

Classified (PCC) được sử dụng làm tiêu chí đo lường độ chính xác của mô hình.

PCC đại diện cho tỷ lệ phần trăm quan sát được phân loại chính xác tương tự nhưhệ số Odds

Michel Alexandre và cộng sự (02/2017)[3] đã có nghiên cứu ứng dụng mô

hình Logistic Regression trong do lường ton thất tín dụng tại ngân hàng CentralBank of Brazil dựa trên dữ liệu thuộc Hệ thống Cục Rui ro Tín dụng cua Ngân

hàng Trung ương Brazil (SCR) và Khảo sát Thông tin Xã hội Hang năm (RAIS).

Đầu tiên, nghiên cứu đã tạo ra một mẫu ngẫu nhiên thống nhất của các cá nhântrên 18 tuổi từ bộ dữ liệu SCR Mẫu này chứa 299.369 người vay, tổng cộngkhoảng 0.5% SCR thực hiện trong 3 năm từ tháng 12/2012 đến tháng 12/2014

Các biến độc lập đưa vào sử dụng ước lượng mô hình gồm các biến về nhân khẩucủa khách hàng (tuổi, giới tính, thu nhập, vùng cư trú, nghề nghiệp ) đến cácbiến về khoản vay (dư nợ tín dụng cá nhân, tài sản bảo đảm, điểm XHTD ).Nhóm tác giả sử dụng thống kê mô tả để loại bỏ những biến số khuyết thiếutrong 12 tháng với tỷ lệ phần trăm nhất định (>2,6%) và sử dụng tính toán mối

tương quan đê loại bỏ các biên độc lập có môi quan hệ chặt chẽ với nhau (với hệ

số tương quan lớn hơn 0,4 và sig < a) Kết quả mô hình cho thay mức độ chịu rủi

ro của các sản phẩm tín dụng khác nhau là khác nhau: xác suất vỡ nợ cao nhấtđến từ các khoản cho vay tài trợ phương tiện vận chuyển và bat động sản vớimức ton thất là 12% Trong các sản phẩm cho vay thì cho vay có nguồn bảo đảmhình thành trên vốn vay là khoản vay có thé thu hồi cao nhất trong trường hop

khách hàng vỡ nợ.

Một nghiên cứu khác về mô hình hồi quy Logistic thuộc về nhóm tác giả

Dominic M Obare, Gladys G Njoroge và Moses M Muraya (2019)[18] thực

hiện nghiên cứu về khả năng vỡ nợ của KHCN tai tru sở Ngân hang Equity của

Kenya trong giai đoạn 10 năm từ năm 2006 đến năm 2016 Một mẫu ngẫu nhiên

gồm 1000 khách hàng có khoản vay đã được ngân hàng chấp thuận trong giai

đoạn này Dữ liệu thu được về gồm lịch sử tín dụng, mục đích của khoản vay, sỐtiền vay, bản chất của các tài khoản tiết kiệm, tình trạng việc làm, tình trạng hônnhân, tuổi tác của người vay và vực cư trú của người nộp đơn (nông thôn haythành thị) Dữ liệu được xử lý trước bằng seeding sử dụng R-Software và sau đóchia thành tập dữ liệu huấn luyện (training dataset) và tập dữ liệu kiểm định (testdataset) Training dataset được sử dụng dé chạy mô hình hồi quy logistic bằngcách sử dụng máy học Mô hình hồi quy logistic đã dự đoán 303 trường hợp vỡ

nợ từ training dataset, 122 trường hợp không vợ nợ và các khoản vay được phân

loại sai là 56 và 69 Mô hình hồi quy logistic cho thay độ chính xác là 0,8440 và

0,8244 với test dataset và training dataset Nghiên cứu đề xuất sử dụng hồi quy

logistic kết hợp với phương pháp học máy có giám sát trong dự đoán vỡ nợ chovay trong các tổ chức tài chính và cũng cần thực hiện nhiều nghiên cứu hơn về

các phương pháp dự đoán vỡ nợ cho vay đề tăng độ chính xác dự đoán

Như vậy, tại các tổ chức tín dụng thuộc các quốc gia khác nhau thi các

biến độc lập có ý nghĩa là khác nhau Từ đó đặt ra câu hỏi liệu mô hình Logisticđược áp dụng tại Ngân hàng TMCP Quân đội phải dựa vào các biến số như thế

nào là phù hợp dé đo lưởng tốn thất tín dụng? Điều này phụ thuộc không nhữngvào bản thân khách hàng và khoản vay mà còn phụ thuộc vào sản phẩm tín dụng,

chính sách cho vay của chính ngân hàng.

1.4.2 Các nghiên cứu trong nước

Theo quy định của Thông từ 41/2006/TT-NHNN[19] thì kể từ 1/1/2020,

các NHTM tại Việt Nam phải áp dụng tỷ lệ an toàn vốn theo chuẩn Basel II

Đồng thời, cũng không nằm ngoài xu hướng về quản trị rủi ro tín dụng trên thế

giới, việc áp dụng các mô hình đo lường tốn thất trong NHTM cũng đang dần

được phát triển và nghiên cứu, trong đó có mô hình hồi quy Logistic Trongnghiên cứu “Xếp hạng tín dụng khách hàng cá nhân tại NHTM Việt Nam, thựctrang và những hạn chế cần hoàn thiện” của PGS TS Truong Thị Hồng và ThS

Lê Thị Minh Ngọc (2014)[20] là một trong những nghiên cứu tiên phong tại Việt

Nam về van dé này đã sử dụng mô hình Logistic như một giải pháp mạnh mẽ chonhững hạn chế của xếp hạng tín dụng KHCN nói riêng và quản trị rủi ro tín dụng

tai NHTM nói chung.

Nghiên cứu của Nguyễn Thị Thúy Quỳnh, Trần Thị Xuân Anh và Bùi Lê

Trà Linh (2017)[4] đã sử dụng mô hình Logistic trong chấm điểm KHCN trênLendingclub với mẫu gồm 235.629 KHCN nộp hồ sơ vay vốn tại Lendingclub -

một trong những tổ chức cho vay ngang hàng (Peer - to - Peer) đầu tiên tại Mỹ

Dữ liệu nghiên cứu được phân tích trong 2 năm 2014 và 2015 gồm 111 đặc điểm

của người vay và sử dụng mô hình Logistic Regression ước lượng trên những

KH trả nợ tốt Sau đó sử dụng Stepwise lựa chọn các biến đưa vào mô hình Có

17 biến được lựa chọn và tính giá tri WOE tương ứng: mục dich vay, giá tri vaytrén tong du ng hién tai, thoi gian vay, s6 lan diéu tra trong 6 thang Trong tapdữ liệu thu thập, nhóm nghiên cứu sử dung ngẫu nhiên 70% mẫu dé xây dựng mô

hình và 30% mẫu sử dụng để hậu kiểm Hé số Gini của 70% mẫu là 0,334 cho

thấy mức độ dự báo đạt trung bình và 30% mẫu còn lại là 0,3289 cho thấy kiểm

định ôn định, đáng tin cậy, Trên cơ sở đó, tô chức tín dụng sẽ xác định được mức

rủi ro tín dụng của khách hàng vay vốn nhằm đưa ra quyết định cho vay phù hợp

Một nghiên cứu khác thuộc Nguyễn Văn Huân, Đỗ Năng Thắng (2018)[5]đã sử dung mô hình hồi quy Binary Logistic với bộ dữ liệu của 240 khách hangngẫu nhiên nhằm đưa ra cảnh báo rủi ro tín dụng KHCN cho các NHTM tại Việt

Nam Tác giả sử dụng phương pháp ước lượng hợp lý tối đa, kết quả hồi quy lặp

bằng Method: Backward (LR) dé đưa ra kết quả có tính khả thi cao nhất Kết qua

cho thấy, các biến như thu nhập hàng tháng, chức vụ công việc, thời gian vay, giátrị TSBĐ trên tổng khoản vay, mục đích sử dụng vốn đều có tác động đến khả

năng trả nợ của KHCN OR của mô hình áp dụng đạt 95,8%.

Bên cạnh đó, mô hình hồi quy Logistic có thể sử dụng kết hợp với các môhình khác Điển hình cho việc kết hợp này được thê hiện trong công trình nghiêncứu của ThS Nguyễn Tiến Hưng và ThS Lê Thị Huyền Trang (2018)[21] khi sửdụng 4 mô hình gồm Logistic Regression (LR), Cây quyết định (Decision Tree —DT), K láng giềng gần nhất (K-nearest neighbor — KNN) và Mạng nơ-ron nhântao (ANN) dé thực hiện cham điểm tín dụng KHCN Mô hình dé xuất trong côngtrình nghiên cứu là sự kết hợp giữa mô hình DT và các mô hình LR, KNN, ANNnhằm so sánh hiệu quả giữa mô hình kết hợp với các kĩ thuật hiện đại và truyềnthống Kết quả từ mô hình DT bao gồm dự báo về phân loại khách hàng và xácxuất rủi ro được xem như 2 biến mới để kết hợp với bộ dữ liệu đã có làm nhân tố

đầu vào cho các mô hình được kết hợp cùng Bộ dữ liệu của nghiên cứu gồm số

liệu từ 15.470 khách hàng thu thập từ cơ sở dữ liệu tại một NHTM với 18 biếnđộc lập là đặc điểm tương ứng với từng khách hàng Tập biến độc lập mà tác giảsử dụng dựa trên 12 đặc điểm cá nhân (tuổi, giới tính, trình độ, tình trạng hônnhân, bảo hiểm nhân thọ ) và 6 đặc điểm của khoản vay (lãi suất, thời hạn, giátrị khoản vay, thời gian vay ) Đề đảm bảo độ tin cậy và tính đại diện của các

kết quả phân loại, các mô hình được thực hiện lặp lại 10 lần và kết quả phân loại

cuối cùng là trung bình kết quả của các lần chạy trước Kết quả phân loại tổngthé cho thấy rõ rằng phương pháp kết hợp đem lại kết quả dự báo tốt hơn so vớiriêng lẻ 3 mô hình Bài nghiên cứu đã đề cập đến một hướng đi mới đang đượcnhiều học giả quan tâm, đó là kết hợp các kĩ thuật thống kê hiện đại nhằm pháthuy tối đa khả năng khai phá dit liệu của những công cụ này dé thiết lập một môhình cham điểm tin dụng tốt nhất

Việc nghiên cứu và ứng dụng mô hình định lượng trong quan tri rủi ro tín

dụng tại Việt Nam còn nhiều hạn chế, đến năm 2012 mới bắt đầu được quan tâm,chú trọng nên vẫn chưa thực sự theo kịp với xu hướng thế giới, nhiều ứng dụng

thực sự được nghiên cứu chin chu, bài ban Tuy vậy, mô hình hồi quy Logistic

cũng đang từng bước khăng định vị trí và vai trò trong việc đo lường rủi ro tíndụng trong hệ thong NHTM hiện nay Kết quả từ mô hình cho thấy việc cần thiết

có những mô hình toán học trong hoạt động quản tri rủi ro trong ngân hang là vô

cùng cần thiết, tạo điều kiện cho CBTD đánh giá người vay một cách chính xác

hơn.

CHƯƠNG 2: THỰC TRẠNG HOAT DONG QUAN TRI RỦI RO TÍN

DỤNG TẠI NGAN HANG TMCP QUAN DOI - CHI NHÁNH THANG

LONG - PGD NHÂN CHÍNH2.1 _ Giới thiệu về Ngân hàng TMCP Quân đội — Chi nhánh Thăng Long —

PGD Nhân Chính 2.1.1 Thông tin khái quát

2.1.1.1 Quá trình hình thành và phát triển

Ngân hàng TMCP Quân đội được thành lập vào ngày 04/11/1994 với tổngnguồn vốn tại thời điểm đó ~20 tỷ đồng, nhân sự gồm 25 người và có một diémgiao dịch duy nhất tại địa chỉ 28A Điện Biên Phủ, Hà Nội Trải qua 25 năm hìnhthành và phát triển, hiện nay MB được đánh giá là định chế tài chính tin cậy, có

một vị trí vững chắc trong TOP 5 ngân hàng TMCP đứng đầu Việt Nam Tính tớithời điểm cuối năm 2018, vốn điều lệ của MB đạt 21.605 tỷ đồng, tổng nguồn

vốn lớn hơn 350.000 tỷ đồng cùng với đội ngũ nhân sự lên đến 10.000 người làmviệc trên toàn hệ thông Ngân hàng hiện nay có tới 285 điểm giao dịch trên toàn

quốc, một trụ sở chính đặt tại Hà Nội, 101 chi nhánh (trong đó gồm 2 chi nhánh

tại Lào và Campuchia) cùng văn phòng đại diện tại Nga và hợp tác với 6 công ty

thành viên.

Sứ mệnh: “Vì sự phát triển của đất nước, vì lợi ích của khách hàng”.Tâm nhìn: “Trở thành một Ngân hàng thuận tiện nhất với Khách hàng”.Giá trị cốt lõi: Đoàn kết — Kỷ luật — Tận tâm; Thực thi — Tin cậy — Hiệu

quả.

Ngân hàng TMCP Quân đội — Chi nhánh Thăng Long — PGD Nhân Chính

được thành lập theo Quyết định Số 185/QD-NHQD-HDQT của Hội đồng quan

trị vào ngày 03/12/2013 Địa chỉ trụ sở: Tang 1, tòa nhà Thăng Long, 98A Ngụy

Như Kon Tum, phường Nhân Chính, quận Thanh Xuân, Hà Nội.

PGD Nhân Chính là một trong ba PGD, hay còn biết đến là Chi nhánh cấp

2 thuộc quản lý của Chi nhánh Thang Long Chi nhánh Thăng Long là chi nhánh

nhánh đa năng Đến ngày 15/04/2016, sau hơn 2 năm hoạt động hiệu quả, PGD

Nhân Chính được quyết định trở thành PGD Online (hoạt động kinh doanh, hoạt

động hanh chính và tài chính độc lập với chi nhánh cấp 1) Về nội bộ, MB Nhân

Chính có mô hình hoạt động hoan chỉnh như 1 chi nhánh quy mô nhỏ, định

hướng phát triển, kinh doanh theo mô hình chi nhanh ngân hang cộng đồng.2.1.1.2 Mô hình tổ chức

Hình 2.1: Sơ đồ bộ máy tổ chức tại MB Nhân Chính

Bảng 2.1: Số liệu huy động vốn tại MB Nhân Chính giai đoạn 2016-2018

(Đvi: triệu đông)

x x x Chênh lệch Chênh lệch

Năm 2016 Năm 2017 Năm 2018 2017/2016 2018/2017

Chỉ tiêu , 5 ở

Số tiền trang Số tiền trọng Số tiền trang Tuyệ t Tương Tuyệ t Tương

(% ) (% ) (%) đôi đổi (%) đôi đổi (%)

1 Phân theo kỳ hạn gửi

Không kỳ hạn (CASA) 124.509 | 21,59 | 225.136 | 27,76 | 325.219 | 29,68 | 100.627 | 8062 |100.083| 4445

Có ky han 452.204 | 78,47 | 585.789 | 72,24 | 770.531 | 70,32 | 133.585 | 29,54 | 184.742 | 31,54

2 Phân theo đối tượng KH

KHCN 265.310 | 46 | 313.518 | 38,66 | 435.889 | 39,78 | 48.208 | 18,17 |122371| 39,03 KHDN 311.403 | 54 | 497.407 | 61,34 | 659.861 | 60,22 | 186.004 | 59,73 | 162.454 | 32,66

3 Phân theo đồng tiền

Dựa vào Bảng 2.1 và Biểu đồ 2.1 ta thấy, trong giai đoạn 2016 — 2018

quy mô nguồn vốn huy động của MB Nhân Chính tăng đều qua các năm Năm2017, nguồn vốn huy động của PGD tăng mạnh mẽ mức 234.212 triệu đồng,tương đương tỷ lệ tăng 40,61% so với năm 2016 Đến năm 2018, mức tăngtrưởng chậm hơn ở mức 35,12% so với năm 2017, đạt 1.095.750 triệu đồng tổngvốn huy động Tuy nhiên, mức huy động chỉ đạt khoảng 85% kế hoạch Hội sởgiao (1.300 tỷ đồng) Từ năm 2016 đến năm 2018, tốc độ huy động vốn của MBNhân Chính ở nhóm KHCN luôn giữ ở mức tăng ổn định trong khoảng 18 —

39%/năm Trong cơ cấu vốn huy động phân theo kỳ hạn gửi, ta có thê thấy tỷtrọng tiền gửi không kỷ hạn (CASA) tại ngân hàng cũng tăng lên qua từng năm,từ 21,59% (năm 2016) tăng lên mức 29,68% (năm 2018) Có được điều này lànhờ MB Nhân Chính đã ý thức được biên lợi nhuận rất lớn đến từ nguồn tiềnnày Do đó mà thu hút nguồn vốn thông qua việc mời các KHDN trả lương quaPGD, khuyến khích các khách hàng hiện hữu mở tài khoản thanh toán tại ngân

hàng

Mặc dù tổng vốn huy động của ngân hàng tăng đều qua các năm nhưngđến năm 2018 lại bị chững lại và gặp nhiều khó khăn vì trên địa bàn có nhiều

NHTM hoạt động như BIDV, Viettinbank, Maritimebank Các ngân hàng cạnh

tranh thông qua lãi suất tiền gửi và các ưu đãi sản phẩm tiền gửi khiến chỉ tiêu kếhoạch huy động vốn mà Hội sở đề ra đều không đạt

Nam 2016 Năm 2017 Nam 2018

lm Thuc hién mmm KéhoachHO s=®Kết qua

(Nguon: Báo cáo kết quả kinh doanh MB Nhân Chính giai đoạn 2016 — 2018[22])

Giai đoạn 2016 — 2018 là giai đoạn nền kinh tế Việt Nam khởi sắc với lạm

phát ở mức thấp, năng suất và hiệu quả ở các lĩnh vực SXKD, bất động sản haychứng khoán cũng trở nên khả quan và sôi động hơn những năm trước Nắm bắtthời cơ đó, PGD Nhân Chính đã chú trọng day mạnh hoạt động tín dung nhămdap dứng nhu cầu về vốn của khách hàng Dựa vào Bảng 2.2 và Biểu đồ 2.2 tathấy: tính tới thời điểm 31/12/2018 tổng dư nợ cho vay thời điểm đạt khoảng1.181 tỷ đồng, tăng 26,08% so với năm 2017, tăng 53,1% so với năm 2016.Trong 3 năm 2016, 2017, 2018, kết quả về dư nợ thời điểm và dư nợ bình quâncủa PGD Nhân Chính đều đạt trên mức 90% kế hoạch mà Hội sở đã giao

Có được kết quả tăng trưởng tín dụng đều qua các năm, MB Nhân Chínhđã triển khai các kênh và sản phẩm tín dụng đa dạng cho khách hàng của mình,bao gồm cả KHCN và KHDN Những sản phẩm tín dụng nổi bật mà PGD đã

triển khai trong giai đoạn này đó là cho vay tiêu dùng trả góp, vay bổ sung vốnlưu động trong hoạt động SXKD, cho vay tín chấp theo hạn mức, thực hiệnphương thức bán hàng “vết dầu loang”

Bảng 2.2: Tổng hợp dư nợ tại MB Nhân Chính giai đoạn 2016 — 2018

(Dyt: triệu đồng)

Năm 2016 Năm 2017 Năm 2018

2 k Thực k Thực Thực

tên Thực hình hiện Thực hành hiện Thực Kế hoạch | hiện

hiện HO KH hiện HO KH hiện HO KH

2.1.2.3 Hiệu quả hoạt động kinh doanh

Biểu đồ 2.3: Kết quả kinh doanh của MB Nhân Chính giai đoạn 2016 — 2018

Năm 2016 Năm 2017 Năm 2018

=Doanh thu #Chiphídựphòng #DTsaurủiro = Loi nhuận trước thuế

(Nguôn: Báo cáo kết quả kinh doanh MB Nhân Chính giai đoạn 2016 — 2018)[22]

Từ Bảng 2.3 và Biểu đồ 2.3 ta có thể thấy doanh thu từ hoạt động tíndụng luôn đóng góp tỷ trọng cao nhất vào doanh thu của PGD, chiếm khoảng

trên 60% trên tổng doanh thu các năm Dù chiếm tỷ trọng ít hơn (~35% tổng

doanh thu) nhưng thu từ dịch vụ đang có tốc độ tăng trưởng tốt lên do kế hoạchkinh doanh của ngân hàng đang tăng cường triển khai thu phí dịch vụ từ việc đa

dạng hóa và phát triển triển các dịch vụ song song như bảo hiểm, chuyển tiền

nước ngoài, tài khoản thanh toán số đẹp, gói tiện ích tích hợp dành cho KHDNSME Care kết hợp áp dụng tăng biểu phí áp dụng tương ứng

Hệ quả từ việc tăng trưởng tín dụng qua các năm là chi phí dự phòng cầntrích lập nhiều hơn, từ khoảng 1,8 tỷ trong năm 2016 tăng lên gần 2,1 ty đồngtrong năm 2018, tương đương với tỷ lệ tăng 16,67%, tác động không tốt đến lợinhuận kinh doanh của ngân hàng Do đó, để hoạt động kinh doanh đạt hiệu quảhơn, PGD đang xây dựng các biện pháp giảm chi phí trích lập hay thu hồi các

khoản lãi treo.