LỜI CAM ĐOAN Tôi xin cam đoan đề tài: “CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN TẠI NGÂN HÀNG TMCP QUỐC TẾ VIỆT NAM – TRUNG TÂM THẨM ĐỊNH PHÊ DUYỆT TÍN DỤNG MIỀN NAM” là công t
GIỚI THIỆU CHUNG VỀ ĐỀ TÀI
LÝ DO CHỌN ĐỀ TÀI
Một trong những thách thức lớn nhất đối với sự tồn tại và phát triển của các ngân hàng thương mại là nâng cao chất lượng dịch vụ tín dụng và giảm thiểu rủi ro liên quan Hoạt động tín dụng đóng góp một phần lớn vào doanh thu của ngân hàng, nhưng cũng tiềm ẩn nhiều rủi ro đáng kể, đặc biệt là rủi ro tín dụng, có thể ảnh hưởng nghiêm trọng đến hiệu quả kinh doanh và sự ổn định của tổ chức.
Theo báo cáo tài chính của 28 ngân hàng, tổng dư nợ cho vay khách hàng trong 6 tháng đầu năm đạt 10,5 triệu tỷ đồng, tăng 6% so với cuối năm 2022 Đến ngày 30/6/2023, tổng nợ xấu của các ngân hàng này là 213.416 tỷ đồng, tăng 33% Cụ thể, nợ dưới tiêu chuẩn (nhóm 3) đạt 64.906 tỷ đồng, tăng 79%; nợ nghi ngờ (nhóm 4) tăng 41% lên 73.881 tỷ đồng; và nợ có khả năng mất vốn (nhóm 5) tăng 3,5% lên 74.628 tỷ đồng.
Tình trạng vay mượn vượt quá khả năng trả nợ của khách hàng có nhiều nguyên nhân, trong đó đại dịch Covid-19 đã làm giảm thu nhập và ảnh hưởng đến thị trường, khiến khả năng trả nợ của họ giảm sút Theo nghiên cứu của Ngân hàng Nhà nước Việt Nam (2023), khả năng hạn chế trong việc đánh giá và quản lý tài chính cá nhân cũng góp phần quan trọng vào tình hình này.
Trung tâm Thẩm định và Phê duyệt Tín dụng tại VIB đang gặp phải tình trạng tỷ lệ nợ xấu gia tăng, điều này tạo ra áp lực lớn trong việc xử lý nợ Tình hình này không chỉ ảnh hưởng đến lợi nhuận và chi phí hoạt động của ngân hàng mà còn tác động đến thu nhập của cán bộ nhân viên.
Theo báo cáo của Hiệp hội Ngân hàng Việt Nam (2023), tín dụng là yếu tố then chốt trong chiến lược kinh doanh và nguồn lợi nhuận chính của các tổ chức tài chính Nhằm cải thiện tình hình, ban lãnh đạo ngân hàng đã áp dụng nhiều biện pháp mạnh mẽ Tuy nhiên, nghiên cứu của Trường Đại học Kinh tế Quốc dân (2023) chỉ ra rằng các biện pháp này thường thiếu cơ sở khoa học và không đạt hiệu quả như mong đợi.
Nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại ngân hàng TMCP Quốc tế Việt Nam (VIB) là cần thiết để hiểu rõ hơn về các yếu tố tác động đến khả năng này Bài nghiên cứu không chỉ cung cấp cơ sở khoa học cho ngân hàng mà còn giúp đề xuất các giải pháp hiệu quả nhằm giảm thiểu rủi ro tín dụng Học viên thực hiện đề tài “Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại VIB” với hy vọng đạt được kết quả thực nghiệm, từ đó đưa ra các giải pháp cho trung tâm thẩm định và phê duyệt tín dụng tại ngân hàng.
MỤC TIÊU NGHIÊN CỨU
Luận văn nhằm xác định các yếu tố ảnh hưởng và mức độ tác động của từng yếu tố đến khả năng trả nợ của khách hàng cá nhân tại VIB Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng Dựa trên những phân tích này, bài viết sẽ đề xuất các giải pháp nhằm nâng cao khả năng trả nợ của khách hàng cá nhân.
Thứ nhất, xác định được các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng
Đo lường mức độ tác động của các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Ngân hàng Quốc Tế (VIB) là một nhiệm vụ quan trọng tại Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng Việc này giúp đánh giá chính xác rủi ro tín dụng và nâng cao hiệu quả trong quá trình phê duyệt khoản vay.
Thứ ba, đề xuất các giải pháp góp phần nâng cao khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng
CÂU HỎI NGHIÊN CỨU
Để hoàn thành các mục tiêu nghiên cứu thì các câu hỏi sau cần được giải đáp:
Thứ nhất, những yếu tố nào ảnh hưởng đến khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng?
Thứ hai, các yếu tố nào ảnh hưởng đến khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng?
Thứ ba, những giải pháp nào có thể nâng cao khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Luận văn nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Quốc tế (VIB) - Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng.
Thời gian nghiên cứu: Giai đoạn từ năm 2021 đến tháng 9/2023
Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng – VIB là không gian nghiên cứu chính, tập trung vào việc phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân Nghiên cứu này nhằm hiểu rõ hơn về các yếu tố tác động đến khả năng tài chính của khách hàng, từ đó đưa ra những giải pháp cải thiện hiệu quả tín dụng.
PHƯƠNG PHÁP NGHIÊN CỨU
1.5.1 Nghiên cứu định tính Được thực hiện bằng việc tổng hợp các đề tài nghiên cứu trong và ngoài nước để làm nền tảng cơ sở lý thuyết Sau đó, hệ thống xếp hạng chuyên gia trong thẩm định tín dụng (Five Cs of Credit) - một trong những nhóm chỉ số quan trọng khi tiến hành thẩm định tín dụng một hợp đồng vay vốn do Sinkey (2007) chỉ ra, trích dẫn ở tài liệu Heffernan (2005) và mô hình hồi quy Logit của Maddala (1984) để xác định các yếu tố ảnh hưởng đến khả năng trả nợ khả năng trả nợ của khách hàng
Phương pháp thống kê và so sánh được áp dụng trong đề tài này thông qua việc sử dụng số liệu từ các báo cáo và thống kê của Trung tâm thẩm định và phê duyệt tín dụng - VIB Phương pháp này cho phép phân tích và so sánh dữ liệu, từ đó đưa ra những nhận xét và đề xuất phương án phù hợp.
Phương pháp phân tích và tổng hợp dữ liệu trong nghiên cứu này được thực hiện thông qua việc thu thập số liệu thống kê từ các KHCN sử dụng dịch vụ tại VIB - Trung tâm thẩm định và phê duyệt trong khoảng thời gian từ tháng 01/2021 đến tháng 09/2023 Dữ liệu sẽ được xử lý bằng phần mềm Excel và phân tích sâu hơn bằng phần mềm SPSS.
NỘI DUNG NGHIÊN CỨU
Nghiên cứu này nhằm tổng hợp khung lý thuyết về hoạt động cho vay đối với khách hàng cá nhân và doanh nghiệp nhỏ, đồng thời phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của nhóm khách hàng này Bên cạnh đó, nghiên cứu cũng tiến hành lược khảo các tài liệu liên quan để xác định những khoảng trống trong nghiên cứu hiện tại, từ đó đề xuất mô hình và giả thuyết nghiên cứu phù hợp với bối cảnh của Ngân hàng VIB – Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng.
Dựa trên số liệu thu thập, chúng tôi đã tiến hành xử lý và hồi quy theo phương pháp Logistic để xác định các yếu tố ảnh hưởng đến ngân hàng Nghiên cứu này nhằm đưa ra những hàm ý phù hợp, giúp VIB – Trung Tâm có thể đề xuất các giải pháp dựa trên mức độ ảnh hưởng của các nhân tố này.
Thẩm Định Và Phê Duyệt Tín Dụng nhận diện được KH nào có khả năng trả nợ tốt và phòng ngừa được nợ xấu.
ĐÓNG GÓP CỦA ĐỀ TÀI
Nghiên cứu này nhằm tổng hợp khung lý thuyết về cho vay đối với khách hàng cá nhân (KHCN) và các yếu tố ảnh hưởng đến khả năng trả nợ của họ Qua việc khảo sát các nghiên cứu trước, nghiên cứu xác định khoảng trống và đề xuất mô hình cùng giả thuyết phù hợp với bối cảnh nghiên cứu Dữ liệu thu thập được xử lý qua mô hình hồi quy đa biến, cung cấp bằng chứng thực nghiệm về các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN tại VIB – Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng Kết quả nghiên cứu sẽ là nền tảng cho các nghiên cứu tiếp theo trong lĩnh vực này.
Dựa trên kết quả nghiên cứu, bài viết sẽ đưa ra các khuyến nghị chính sách khả thi nhằm nâng cao khả năng trả nợ của khách hàng doanh nghiệp tại VIB, đồng thời rút ra bài học kinh nghiệm cho các ngân hàng thương mại khác trong hệ thống ngân hàng Việt Nam.
KẾT CẤU LUẬN VĂN
Ngoài phần mở đầu và phần kết luận, luận văn được chia làm 5 chương:
Chương 1: Giới thiệu chung về đề tài
Chương 2: Cơ sở lý thuyết và khảo lược các nghiên cứu
Chương 3: Phương pháp nghiên cứu và quy trình nghiên cứu
Chương 4: Kết quả nghiên cứu và thảo luận
Chương 5: Kết luận và khuyến nghị
CƠ SỞ LÝ THUYẾT VÀ KHẢO LƯỢC CÁC NGHIÊN CỨU
TỔNG QUAN KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN
2.1.1.1 Khái niệm tín dụng khách hàng cá nhân
Theo Luật các Tổ chức Tín dụng Việt Nam năm 2010, cấp tín dụng là thỏa thuận cho phép tổ chức hoặc cá nhân sử dụng một khoản tiền với cam kết hoàn trả Các hình thức cấp tín dụng bao gồm cho vay, chiết khấu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân hàng và các nghiệp vụ tín dụng khác.
Cho vay là hình thức cấp tín dụng, trong đó tổ chức tín dụng cung cấp cho khách hàng một khoản tiền để sử dụng vào mục đích và thời gian cụ thể theo thỏa thuận Khách hàng có trách nhiệm hoàn trả cả gốc và lãi, theo định nghĩa tại khoản 1 Điều 3 Văn bản hợp nhất số 20/VBHN-NHNN ngày 22/5/2014 của Ngân hàng Nhà nước về cho vay của tổ chức tín dụng đối với khách hàng cá nhân.
Theo Law và Smullen (2007), tín dụng cá nhân được định nghĩa là số tiền hoặc tài sản mà các tổ chức tín dụng cấp cho cá nhân, sau khi đã thực hiện đánh giá rủi ro liên quan Cá nhân sẽ phải hoàn trả khoản tiền gốc cùng với lãi suất theo thỏa thuận trong một khoảng thời gian nhất định.
Tín dụng cá nhân là hình thức tín dụng mà tổ chức tín dụng chuyển nhượng quyền sử dụng vốn cho khách hàng cá nhân hoặc hộ gia đình, sau khi đã đánh giá rủi ro Ngân hàng sẽ thu hồi cả gốc và lãi theo thỏa thuận trong một khoảng thời gian nhất định Trong luận văn này, tác giả sẽ dựa vào định nghĩa này để nghiên cứu về tín dụng khách hàng cá nhân.
2.1.1.2 Đặc điểm của tín dụng khách hàng cá nhân
Theo Đường Thị Thanh Hải (2014), tín dụng KHCN cũng là một loại hình tín dụng nên có những đặc điểm chung như sau:
Sự tin tưởng lẫn nhau là yếu tố then chốt trong việc duy trì và phát triển quan hệ tín dụng ngân hàng Tin tưởng không chỉ đảm bảo sự ổn định mà còn thúc đẩy sự hợp tác giữa các bên, góp phần vào sự bền vững của hệ thống tài chính.
Ngoài những đặc điểm chung và cơ bản mà khoản cho vay nào cũng có cho vay KHCN còn có những đặc điểm:
Số lượng khoản vay cá nhân (KHCN) rất phong phú và đa dạng, khác biệt so với cho vay khách hàng doanh nghiệp (KHDN) Giá trị mỗi khoản vay thường không lớn, chủ yếu phục vụ cho nhu cầu đời sống như mua nhà, ô tô và trang thiết bị sinh hoạt.
Lãi suất cho vay cá nhân thường cao hơn so với doanh nghiệp do rủi ro vay cá nhân lớn hơn và thời gian vay kéo dài Các ngân hàng áp dụng lãi suất cao hơn cho vay cá nhân để bù đắp cho những rủi ro tiềm ẩn trong tương lai.
Tính nhạy cảm theo chu kỳ ảnh hưởng lớn đến việc cho vay cá nhân, thường tăng trong giai đoạn kinh tế phát triển khi người dân lạc quan về tương lai Ngược lại, trong thời kỳ suy thoái với tỷ lệ thất nghiệp cao và niềm tin giảm sút, người dân có xu hướng hạn chế vay mượn từ ngân hàng.
Cho vay cá nhân tiềm ẩn rủi ro tín dụng cao do đối tượng vay chủ yếu là cá nhân và hộ gia đình, với thu nhập không ổn định từ lương và cho thuê tài sản, có thể thay đổi theo tình trạng sức khỏe và công việc Ngân hàng thường dựa vào hồ sơ khách hàng như bản sao thu nhập và hợp đồng cho thuê để thẩm định, nhưng đánh giá này thường tập trung vào ngắn hạn và không đảm bảo sự ổn định của thu nhập trong tương lai, vì nó phụ thuộc vào tính chất và thời gian gắn bó của khách hàng với công việc.
2.1.2 Khả năng trả nợ của khách hàng cá nhân
Hiện tại, vẫn chưa có một định nghĩa thống nhất về khả năng trả nợ của khách hàng Một số tổ chức đã công bố các định nghĩa khác nhau liên quan đến vấn đề này.
Khả năng trả nợ của khách hàng, theo định nghĩa của Ngân hàng Nhà nước (2013), là khả năng hoàn trả nợ đúng hạn và đầy đủ cho bên cho vay.
Ngoài ra, có một số dấu hiệu về khả năng thanh toán của khách hàng, cụ thể là dấu hiệu của việc họ không thể trả nợ
Thông tư số 11/2021/TT-NHNN quy định rằng rủi ro tín dụng trong ngân hàng là khả năng xảy ra tổn thất đối với nợ của tổ chức tín dụng hoặc chi nhánh ngân hàng nước ngoài Rủi ro này xảy ra khi khách hàng không có khả năng trả một phần hoặc toàn bộ nợ theo hợp đồng hoặc thỏa thuận với tổ chức tín dụng.
Khi ngân hàng cấp tín dụng, nợ của khách hàng, bao gồm nợ cá nhân, được phân loại theo hai phương pháp: định tính và định lượng, theo Thông tư số 11/2021/TT-NHNN Phương pháp định lượng chia nợ thành 5 nhóm, giúp ngân hàng đánh giá và quản lý rủi ro hiệu quả hơn.
Bảng 2.1: Các nhóm nợ theo quy định:
STT Tên gọi Đặc Điểm
1 Nợ đủ tiêu chuẩn Đủ khả năng thu hồi nợ đúng hạn
2 Nợ cần chú ý Nợ quá hạn dưới 90 ngày
3 Nợ dưới chuẩn Nợ quá hạn từ 90 ngày đến 180 ngày
4 Nợ nghi ngờ Nợ quá hạn từ 181 ngày đến 360 ngày
5 Nợ không có khả năng chi trả Nợ quá hạn trên 360 ngày
Ủy ban Basel xác định khách hàng "default - không có khả năng trả nợ" trong báo cáo của Ủy ban Giám sát Ngân hàng Basel (2006) là những khách hàng có ít nhất một trong các biểu hiện sau:
Không có khả năng thanh toán đầy đủ nghĩa vụ nợ khi đến hạn trước khi ngân hàng phải bán tài sản (nếu có) để thu hồi
Các khoản nợ quá hạn thanh toán từ 90 ngày trở lên được xác định là "không có khả năng trả nợ" theo định nghĩa trong tài liệu của Basel.
MÔ HÌNH ĐO LƯỜNG KHẢ NĂNG TRẢ NỢ CỦA KHCN
2.2.1 Hệ thống xếp hạng chuyên gia
Hệ thống "5 Cs" do Sinkey (2007) phát triển và được trích dẫn trong tài liệu của Heffernan (2005) là một trong những hệ thống chuyên gia phổ biến nhất Hệ thống này phân tích năm yếu tố quan trọng để đưa ra quyết định tín dụng, bao gồm: Tư cách người vay (Character), Thu nhập của người vay (Cashflow), Vốn (Capital), Bảo đảm tiền vay (Collateral), và Các điều kiện khác (Conditions) Các chuyên gia sử dụng sự cân bằng chủ quan giữa những yếu tố này để đánh giá khả năng vay vốn của người tiêu dùng.
Tư cách người vay là ấn tượng tổng quát mà khách hàng tạo ra đối với ngân hàng, ảnh hưởng đến khả năng được chấp nhận khoản vay Thái độ của khách hàng, bao gồm sự hợp tác và độ tin cậy, là yếu tố quyết định trong việc phê duyệt khoản vay nhỏ Các vấn đề như lừa dối, kiện tụng và sự không hợp tác có thể dẫn đến chi phí lớn hơn so với thu nhập dự kiến Tuy nhiên, đối với các khoản vay lớn cho doanh nghiệp, ảnh hưởng của những vấn đề này giảm đi Ngoài ra, ngân hàng cũng xem xét trình độ học vấn, kinh nghiệm quản lý và phẩm chất cá nhân của khách hàng.
Thu nhập của người vay, hay dòng tiền, là yếu tố quan trọng trong việc đánh giá khả năng hoàn trả khoản vay của khách hàng Ngân hàng cần hiểu rõ phương thức hoàn trả nợ của khách hàng, dựa trên các yếu tố như kinh nghiệm quản lý, báo cáo tài chính trước đây, sản phẩm, tình hình hoạt động thị trường và năng lực cạnh tranh Từ đó, ngân hàng có thể ước tính dòng tiền khách hàng sẽ dùng để trả nợ, thời gian dự kiến hoàn trả và xác suất thành công Lịch sử vay và trả nợ, bao gồm cả khoản vay cá nhân và thương mại, cũng là chỉ báo quan trọng cho khả năng thanh toán nợ trong tương lai.
Vốn là yếu tố quan trọng mà ngân hàng và tổ chức tín dụng xem xét khi đánh giá khả năng vay của người vay, bao gồm tài sản sở hữu và khả năng đóng góp vốn tự có Việc người vay có vốn góp trước giúp giảm nguy cơ vỡ nợ, đặc biệt trong các khoản vay lớn như mua nhà hay ô tô Đối với các khoản vay đầu tư, tổ chức tín dụng sẽ xem xét vốn đầu tư vào kinh doanh, nguồn tiền tự có, hàng tồn kho và trang thiết bị Thông thường, các khoản vay được trả bằng thu nhập của người vay, và vốn cũng đóng vai trò như một sự đảm bảo bổ sung trước các rủi ro như thua lỗ trong kinh doanh hoặc thất nghiệp.
Bảo đảm tiền vay (Collateral) là tài sản mà ngân hàng có quyền xử lý trong trường hợp khách hàng không thể thanh toán nợ hoặc bị phá sản, giúp ngân hàng thu hồi từ tài sản này trước các chủ nợ khác Ngân hàng có thể yêu cầu khách hàng thế chấp thêm tài sản cá nhân ngoài công ty, tạo sự đảm bảo cho khoản vay và cung cấp nguồn thay thế cho việc trả nợ Ngoài ra, một số ngân hàng có thể yêu cầu bảo lãnh từ bên thứ ba, cam kết thanh toán nếu người vay không đủ khả năng trả nợ.
Các điều kiện (Conditions): NH quy định các điều kiện tùy theo chính sách tín dụng theo từng thời kỳ
2.2.2 Các mô hình đo lường định lượng
Hiện nay, để đánh giá khả năng nợ tín dụng của khách hàng một cách hiệu quả, các ngân hàng thương mại thường áp dụng nhiều mô hình phân tích và phương pháp dự báo Một số mô hình phổ biến được sử dụng bao gồm:
Theo nghiên cứu của Hand, D.J., & Henley, W.E (1997), Thomas, L.C (2000), Baesens, B., Van Gestel, T., Viaene, S., Stepanova, M., Suykens, J., & Vanthienen, J
Mô hình chấm điểm tín dụng (Credit Scoring Model) là một hệ thống đánh giá rủi ro tín dụng dựa trên các yếu tố định lượng và định tính, nhằm dự đoán khả năng trả nợ của khách hàng trong tương lai Mô hình này giúp ngân hàng quyết định việc cấp tín dụng và quản lý rủi ro hiệu quả Sử dụng các thuật toán thống kê và học máy, mô hình phân tích dữ liệu lịch sử tín dụng để đưa ra điểm số tín dụng, từ đó dự báo khả năng trả nợ của khách hàng.
Mô hình cây quyết định, được phát triển từ cuốn sách "Classification and Regression Trees" của Breiman và các cộng sự (1984), đã trở thành một phương pháp học máy quan trọng trong phân loại và dự đoán Các nghiên cứu của Quinlan (1986), Mitchell (1997), Han & Kamber (2006), và Hastie et al (2009) khẳng định rằng mô hình này hoạt động bằng cách chia nhỏ tập dữ liệu thành các nhóm có cấu trúc dạng cây, với các quyết định được đưa ra từ một nút gốc dựa trên giá trị của các biến độc lập Mục tiêu chính của mô hình là tối ưu hóa việc phân loại hoặc dự đoán giá trị của biến phụ thuộc dựa trên các thuộc tính đầu vào.
Nghiên cứu "Đánh giá rủi ro tín dụng cá nhân dựa trên XGBoost" của Wang và cộng sự (2022) trình bày việc áp dụng thuật toán XGBoost để nâng cao độ chính xác và hiệu quả trong đánh giá rủi ro tín dụng cá nhân Mục tiêu chính của nghiên cứu là cải thiện quy trình đánh giá rủi ro bằng cách sử dụng XGBoost, một thuật toán học máy mạnh mẽ cho các bài toán phân loại và hồi quy Tác giả đã thu thập dữ liệu tín dụng cá nhân và xây dựng mô hình dự đoán rủi ro dựa trên XGBoost.
XGBoost đã được so sánh với các phương pháp truyền thống để chứng minh ưu điểm vượt trội của nó Kết quả cho thấy việc áp dụng XGBoost giúp các tổ chức tài chính cải thiện khả năng đánh giá rủi ro tín dụng, từ đó hỗ trợ quyết định chính xác hơn trong cho vay và quản lý tín dụng.
Bài báo của Stepanova và Thomas (2002) nghiên cứu "Các phương pháp phân tích sống sót cho dữ liệu cho vay cá nhân" nhằm dự đoán xác suất vỡ nợ của khoản vay theo thời gian Các tác giả áp dụng mô hình phân tích sống sót, bao gồm mô hình Cox, để đánh giá rủi ro tín dụng và so sánh với các phương pháp chấm điểm tín dụng truyền thống Kết quả cho thấy rằng phương pháp phân tích sống sót cung cấp thông tin chi tiết hơn về rủi ro vỡ nợ, từ đó giúp các tổ chức tài chính nâng cao khả năng quản lý rủi ro và ra quyết định cho vay hiệu quả hơn.
Mô hình hồi quy Logit do Maddala phát triển vào năm 1984 được chọn làm mô hình trong bài luận này nhờ tính đơn giản và dễ hiểu Các tham số trong mô hình dễ dàng giải thích, giúp các nhà quản lý và bên liên quan hiểu rõ hơn về các yếu tố ảnh hưởng.
Mô hình hồi quy Logit đang được áp dụng phổ biến trong phân tích kinh tế, đặc biệt là trong việc đánh giá rủi ro tín dụng Với khả năng xác định hiệu quả khả năng nợ tín dụng của khách hàng, mô hình này hỗ trợ các ngân hàng thương mại trong quá trình ra quyết định tín dụng.
Mô hình logistic, hay còn gọi là mô hình logit, là công cụ phân tích trong thống kê giúp dự đoán xác suất xảy ra của một sự kiện Mô hình này tính toán tỷ lệ cược log của sự kiện dựa trên một hoặc nhiều biến độc lập thông qua tổ hợp tuyến tính Trong hồi quy, hồi quy logit được sử dụng để ước tính các tham số của mô hình logistic, bao gồm các hệ số trong tổ hợp tuyến tính.
Việc áp dụng mô hình hồi quy Logit trong ngân hàng cho phép phân tích các biến số liên quan đến khách hàng, từ đó giảm thiểu tác động của bất cân xứng thông tin thông qua việc dự đoán xác suất vỡ nợ dựa trên dữ liệu lịch sử và đặc điểm cá nhân Hơn nữa, việc tích hợp các biến kinh tế vĩ mô như tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất sẽ giúp mô hình phản ánh chính xác hơn tác động của chu kỳ kinh tế đến khả năng trả nợ của khách hàng.
LƯỢC KHẢO NGHIÊN CỨU CÓ LIÊN QUAN ĐẾN ĐỀ TÀI
2.3.1 Các nghiên cứu quốc tế
Việc sử dụng sản phẩm và dịch vụ tín dụng để đáp ứng nhu cầu chi tiêu cá nhân là một vấn đề kinh tế quan trọng và phổ biến Nhiều nhà học giả và nhà nghiên cứu trên thế giới đã thực hiện các nghiên cứu về khả năng trả nợ của khách hàng cá nhân Luận văn này tổng hợp một số nghiên cứu gần đây liên quan đến vấn đề này.
Jappelli và Pagano (2002) nhấn mạnh rằng lịch sử quá hạn không chỉ ảnh hưởng đến điểm tín dụng mà còn tác động đến hành vi tài chính của người vay Những cá nhân có lịch sử quá hạn thường lo lắng về tài chính, dẫn đến giảm khả năng tập trung và quản lý nợ hiệu quả OECD (2020) cũng chỉ ra rằng những người vay có lịch sử quá hạn có xu hướng lo lắng về tài chính, điều này ảnh hưởng tiêu cực đến khả năng quản lý tài chính và trả nợ đúng hạn.
Nghiên cứu của Brown và Taylor (2008) chỉ ra rằng thời hạn vay dài hơn có thể giảm áp lực trả nợ hàng tháng, nhưng đồng thời cũng làm tăng tổng chi phí lãi vay Nếu không được quản lý tốt, điều này có thể tạo ra gánh nặng tài chính lâu dài cho người vay.
Lusardi và Tufano (2009) nghiên cứu mức độ hiểu biết về nợ và trải nghiệm tài chính của người tiêu dùng, cho thấy rằng những người có thu nhập thấp thường thiếu kiến thức tài chính, dẫn đến tình trạng nợ quá hạn Ngược lại, những người có thu nhập cao hơn có khả năng quản lý nợ hiệu quả hơn nhờ vào kiến thức và kinh nghiệm tài chính tích lũy.
Nghiên cứu của Roslan và Mohd-Zaini (2009) chỉ ra rằng lượng tín dụng mà người thụ hưởng nhận được có ảnh hưởng lớn đến khả năng trả nợ Khi tín dụng không đủ, nông dân gặp khó khăn trong việc mua sắm đầu vào cần thiết, dẫn đến tỷ lệ trả nợ thấp Ngược lại, nếu tín dụng vượt quá nhu cầu, người vay có thể sử dụng sai mục đích, gây ra nợ nần Tuy nhiên, khi người vay được đào tạo về cách sử dụng tín dụng, việc sử dụng vốn sẽ hiệu quả hơn, góp phần tăng năng suất và thu nhập Sự gia tăng doanh thu này giúp nông dân cải thiện khả năng trả nợ, cho thấy rằng việc cung cấp đào tạo cho người vay là cần thiết để nâng cao khả năng trả nợ của họ.
Nghiên cứu cho thấy độ tuổi của người vay ảnh hưởng đến khả năng trả nợ theo hai chiều hướng Người vay lớn tuổi thường thể hiện sự khôn ngoan và trách nhiệm cao, trong khi người vay trẻ tuổi lại có sự hiểu biết và độc lập Do đó, tuổi tác có thể tác động tích cực hoặc tiêu cực đến tỷ lệ trả nợ.
Nghiên cứu đánh giá 10 biến trong mô hình, bao gồm giới tính, độ tuổi, thu nhập, tỷ lệ nợ quá hạn, ngành nghề sản xuất, số tiền vay, thời hạn cho vay, thâm niên, người phụ thuộc, và lãi suất Kết quả cho thấy người vay trong lĩnh vực dịch vụ có rủi ro thấp hơn so với người trong lĩnh vực sản xuất Ngoài ra, quy mô khoản vay lớn hơn liên quan đến tỷ lệ nợ quá hạn thấp hơn, trong khi thời hạn cho vay có tác động ngược chiều và có ý nghĩa thống kê, cho thấy thời gian cho vay càng dài thì tỷ lệ nợ quá hạn càng cao.
Bandyopadhyay và Saha (2009) đã phân tích các yếu tố ảnh hưởng đến tình trạng nợ quá hạn ở các doanh nghiệp nhỏ tại Ấn Độ Nghiên cứu chỉ ra rằng số tiền vay lớn thường dẫn đến tỷ lệ nợ quá hạn cao hơn, do gánh nặng tài chính nặng nề và khả năng quản lý tài chính kém Các doanh nghiệp vay nhiều tiền thường gặp khó khăn trong việc trả nợ đúng hạn.
Nghiên cứu của Agarwal và cộng sự (2010) chỉ ra rằng thời hạn vay dài hơn có thể nâng cao khả năng tiếp cận tín dụng cho người vay, đặc biệt là những người có thu nhập thấp Việc gia tăng thời hạn vay không chỉ giảm tỷ lệ nợ quá hạn mà còn cải thiện khả năng tiếp cận các khoản vay mới.
Agarwal, Chomsisengphet, và Liu (2011) nghiên cứu vai trò của thông tin mềm trong thị trường cho vay cá nhân, chỉ ra rằng các khoản vay lớn hơn thường đi kèm với rủi ro cao và khả năng trả nợ thấp hơn Các ngân hàng thường dựa vào thông tin mềm, như mối quan hệ với khách hàng và lịch sử tín dụng, để đánh giá rủi ro và quyết định mức vay phù hợp.
Dinh, Kleimeier và Nguyen (2012) đã phát triển một mô hình rủi ro tín dụng cho các khoản vay nông nghiệp tại các thị trường mới nổi, cho thấy rằng các khoản vay lớn hơn thường đi kèm với rủi ro tín dụng cao hơn Điều này đặc biệt đúng trong các lĩnh vực có tính biến động cao như nông nghiệp, nơi số tiền vay lớn làm tăng gánh nặng tài chính và khó khăn trong việc trả nợ.
Nghiên cứu của Disney và Gathergood (2011) chỉ ra rằng mối quan hệ giữa thu nhập và khả năng trả nợ của người tiêu dùng tại Vương quốc Anh cho thấy những người có thu nhập thấp thường gặp khó khăn trong việc trả nợ do thiếu kiến thức tài chính và khả năng tiếp cận nguồn tài chính hợp lý Việc áp đặt các điều kiện vay và tần suất trả nợ không phù hợp có thể tạo ra áp lực tài chính lớn cho nhóm này Đặc biệt, đối với nông dân, thu nhập không ổn định theo mùa vụ và điều kiện thời tiết khiến họ gặp rủi ro khi phải trả nợ thường xuyên mà không có nguồn thu nhập bổ sung Nghiên cứu nhấn mạnh tầm quan trọng của việc thiết kế các điều kiện vay linh hoạt, phù hợp với tình hình tài chính của từng người vay, đặc biệt là những nhóm có thu nhập không đều như nông dân Đồng thời, các chính sách và chương trình vay cần xem xét các yếu tố văn hóa, kinh tế và xã hội của từng nhóm để đảm bảo tính hợp lý và bền vững.
Mian và Sufi (2011) chỉ ra rằng thời hạn vay dài có thể làm tăng rủi ro tín dụng theo thời gian, đặc biệt khi tình hình tài chính của người vay xấu đi Khi tài chính suy giảm, khả năng trả nợ của người vay bị ảnh hưởng, dẫn đến tỷ lệ nợ quá hạn tăng cao Những người có thời hạn vay dài thường có tỷ lệ trả nợ thấp hơn, làm gia tăng rủi ro về việc trả nợ đúng hạn.
Kim và Chatterjee (2013) đã nghiên cứu ảnh hưởng của nợ học phí đến sức khỏe và sự hài lòng trong cuộc sống của người trẻ Họ chỉ ra rằng nhiều người trẻ gặp khó khăn trong việc thanh toán nợ học phí, điều này dẫn đến căng thẳng tài chính và tác động tiêu cực đến sức khỏe tinh thần của họ.
Boadi Yeboah (2014) đã nghiên cứu các yếu tố tác động đến hiệu suất trả nợ tại các tổ chức tài chính vi mô ở Ghana, trong đó lãi suất được xác định là một yếu tố quan trọng.
TỔNG HỢP CÁC NGHIÊN CỨU
Bảng 2.2: Tổng hợp kết quả nghiên cứu trước đây
Trần Thế Sao (2017) Mohamed, M.A., Muturi, W., và Samantar (2019) Trần Huy Hoàng và Nguyễn Trọng Chương (2020) Andualem và Ebrahim Endris (2021)
Chengfeng Zhang và cộng sự (2021) Đinh Kiệm và Đỗ Hữu Trường (2022)
Werema và Opanga (2016) Sunil Sangwan và cộng sự (2020) Andualem và Ebrahim Endris (2021) Trần Huy Hoàng và Nguyễn Trọng Chương (2020) Chengfeng Zhang và cộng sự (2021)
3 Lịch sử Nguyễn Văn Hưng và Lê Thị Thúy (2017)
STT Nhân tố Nguồn quá hạn Andualem và Ebrahim Endris (2021)
Trần Huy Hoàng và Nguyễn Trọng Chương (2020) Chengfeng Zhang và cộng sự (2021)
Trần Văn Dũng và Lê Thị Thanh (2021) Đặng Văn Tú và Bùi Diệu Anh (2022) Nguyễn Thị Thanh Tâm và Phạm Văn Bảo (2023)
Trương Đông Lộc và Nguyễn Thanh Bình (2011) Nguyễn Văn Hưng và Lê Thị Thúy (2017)
Lê Minh Tuấn và Nguyễn Thị Hằng (2019), Phạm Thị Cúc và Trần Văn Dũng (2019), Sunil Sangwan cùng các cộng sự (2020), Trần Huy Hoàng và Nguyễn Trọng Chương (2020), Andualem và Ebrahim Endris (2021) là những tác giả tiêu biểu trong các nghiên cứu gần đây, đóng góp quan trọng cho lĩnh vực nghiên cứu hiện tại.
Chengfeng Zhang và cộng sự (2021) Trần Văn Dũng và Lê Thị Thanh (2021) Đinh Kiệm và Đỗ Hữu Trường (2022) Nguyễn Thị Thanh Tâm và Phạm Văn Bảo (2023)
Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023) Trần Quang Huy và Nguyễn Thị Bích Ngọc (2023)
Mohamed, M.A., Muturi, W., và Samantar (2019) Sunil Sangwan và cộng sự (2020)
Lê Minh Đức và Nguyễn Văn Phúc (2020) Andualem và Ebrahim Endris (2021) Chengfeng Zhang và cộng sự (2021)
Trần Huy Hoàng và Nguyễn Trọng Chương (2020) Đặng Văn Hải và Phạm Thị Yến (2022) Đặng Văn Tú và Bùi Diệu Anh (2022)
Mohamed, M.A., Muturi, W., và Samantar (2019) Siedsma và cộng sự (2017)
Lê Minh Đức và Nguyễn Văn Phúc (2020) Sunil Sangwan và cộng sự (2020)
Andualem và Ebrahim Endris (2021) Chengfeng Zhang và cộng sự (2021) Đặng Văn Hải và Phạm Thị Yến (2022) Đặng Văn Tú và Bùi Diệu Anh (2022)
Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023)
Nguyễn Thùy Dương và Nguyễn Thanh Tùng (2013) Werema và Opanga (2016)
Lê Minh Tuấn và Nguyễn Thị Hằng (2019) Trần Văn Dũng và Lê Thị Thanh (2021) Andualem và Ebrahim Endris (2021)
Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023)
Chengfeng Zhang và cộng sự (2021) Đỗ Hữu Trường (2022) Đặng Văn Tú và Bùi Diệu Anh (2022)
Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023)
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN VÀ GIẢ THUYẾT NGHIÊN CỨU
Dựa trên các nghiên cứu trong và ngoài nước, nhiều yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng đã được xác định Các chuyên gia phân tích đã đưa ra năm yếu tố chính, được gọi là 5C, bao gồm: Tư cách người vay (Character), Thu nhập của người vay (Cashflow), Vốn (Capital), Bảo đảm tiền vay (Collateral) và Các điều kiện khác (Conditions) Những yếu tố này được chọn làm cơ sở cho giả thuyết nghiên cứu, nhằm đánh giá một cách toàn diện khả năng trả nợ của khách hàng.
2.5.1 Độ tuổi Độ tuổi tại thời điểm vay vốn là một yếu tố quan trọng thường được xem xét khi đánh giá khả năng trả nợ của khách hàng cá nhân Thông qua độ tuổi, ngân hàng có thể dự đoán một số đặc điểm như thu nhập, kinh nghiệm và trình độ học vấn của khách hàng, những yếu tố này có ảnh hưởng trực tiếp đến khả năng trả nợ Một số ngân hàng đặt ra giới hạn về độ tuổi vay vốn để tránh cho vay đối với những người quá trẻ có thu nhập hạn chế và những người quá già có rủi ro về sức khỏe và thu nhập
Nghiên cứu cho thấy người lớn tuổi thường có khả năng trả nợ tốt hơn nhờ vào thu nhập cao và ổn định, cùng với kinh nghiệm và mối quan hệ xã hội phong phú Những yếu tố này tạo điều kiện thuận lợi cho việc trả nợ đúng hạn, như đã được chỉ ra trong các nghiên cứu của Trần Thế Sao (2017), Mohamed và cộng sự (2019), Trần Huy Hoàng và Nguyễn Trọng Chương (2020), Andualem và Ebrahim Endris (2021), cũng như Chengfeng Zhang và nhóm nghiên cứu.
Nghiên cứu của Đinh Kiệm và Đỗ Hữu Trường (2022) chỉ ra rằng độ tuổi ảnh hưởng tích cực đến khả năng hoàn trả nợ của khách hàng cá nhân Dựa trên luận điểm này, giả thuyết H1 được đưa ra.
Giả thuyết H1: Độ tuổi có tác động tích cực đến khả năng hoàn trả nợ vay của khách hàng cá nhân
Trong hệ thống chấm điểm tín dụng tại Việt Nam, trạng thái hôn nhân của người vay là thông tin bắt buộc phải khai báo, bao gồm các loại: “Độc thân,” “Đang có gia đình,” “Đã ly hôn,” và “Goá.” Nghiên cứu của Roslan và Karim (2009) chỉ ra rằng người có gia đình có khả năng trả nợ cao hơn so với người độc thân Các nghiên cứu khác như của Fan và Babiarz (2019), Sunil Sangwan và cộng sự (2020), Andualem và Ebrahim Endris (2021), và Nguyễn Thị Mai cũng hỗ trợ quan điểm này.
Nghiên cứu năm 2020 chỉ ra rằng người đã kết hôn thường quản lý tài chính hiệu quả hơn và có khả năng trả nợ tốt hơn so với người độc thân hoặc đã ly hôn Điều này xuất phát từ sự hỗ trợ tài chính từ bạn đời và việc chia sẻ trách nhiệm tài chính.
Theo tác giả, những người có gia đình có thể chia sẻ trách nhiệm trả nợ, dẫn đến khả năng trả nợ cao hơn so với những người sống đơn độc.
Khách hàng cá nhân có gia đình thường có khả năng trả nợ tốt hơn so với những người không có gia đình Điều này cho thấy rằng tình trạng hôn nhân có thể ảnh hưởng tích cực đến khả năng tài chính của cá nhân.
Lịch sử tín dụng quá hạn là yếu tố quan trọng trong việc phê duyệt hồ sơ vay, khi cán bộ tín dụng kiểm tra thông tin qua hệ thống CIC để đánh giá quá trình vay trước đây của khách hàng Ngân hàng nhận định rằng khách hàng có lịch sử trả nợ tốt có mức độ rủi ro tín dụng thấp hơn so với những người đã từng quá hạn Thông thường, việc quá hạn tín dụng xuất phát từ vấn đề thu nhập hoặc ý thức trả nợ của khách hàng, điều này được hỗ trợ bởi các nghiên cứu của Andualem và Ebrahim Endris (2021), Chengfeng Zhang cùng các cộng sự (2021), và Trần Huy Hoàng với Nguyễn Trọng Chương (2020).
Từ quan điểm này, tác giả đưa ra giả thuyết H5 về lịch sử tín dụng quá hạn:
Giả thuyết H3: Lịch sử tín dụng quá hạn có tác động nghịch biến đến khả năng trả nợ của khách hàng cá nhân
Thu nhập là yếu tố quyết định khả năng trả nợ của khách hàng Khi thu nhập cao và ổn định, khả năng thanh toán nợ cũng tăng lên Ngược lại, khách hàng có thu nhập thấp và không ổn định thường đối mặt với nguy cơ vỡ nợ cao hơn, theo Lê Thị Mai Hương.
Nghiên cứu của Đinh Kiệm và Đỗ Hữu Trường (2021, 2022) chỉ ra rằng thu nhập có ảnh hưởng lớn đến hành vi trả nợ cá nhân tại Việt Nam Những người có thu nhập cao thường có khả năng trả nợ tốt hơn nhờ vào khả năng quản lý tài chính hiệu quả và thu nhập ổn định Từ đó, tác giả đưa ra giả thuyết về mối liên hệ giữa thu nhập và hành vi trả nợ.
Giả thuyết H4: Thu nhập có tác động đồng biến đến khả năng trả nợ của khách hàng cá nhân
Số tiền vay là tổng giá trị khoản vay mà khách hàng nhận từ ngân hàng, ảnh hưởng lớn đến thu nhập của khách hàng cá nhân Một khoản vay lớn có thể tạo áp lực lên khả năng cân đối thu nhập cho các chi tiêu khác do phần thu nhập phải chi trả cho lãi và gốc Nghiên cứu của Trần Huy Hoàng và Nguyễn Trọng Chương (2020), Đặng Văn Hải và Phạm Thị Yến (2022), cùng Đặng Văn Tú và Bùi Diệu Anh (2022) đã chỉ ra sự tương đồng trong vấn đề này.
Dựa trên cơ sở này, tác giả đưa ra giả thuyết:
Giả thuyết H5: Số tiền vay có tác động nghịch biến đến khả năng trả nợ của khách hàng
Thời gian cho vay là yếu tố quan trọng trong tín dụng, ảnh hưởng đến khả năng trả nợ của khách hàng Thời gian vay dài mang lại sự linh hoạt và nhiều lựa chọn hơn cho người vay, trong khi thời gian vay ngắn hạn có thể tạo ra áp lực và hạn chế khả năng thanh toán Nhiều nghiên cứu, bao gồm của Andualem và Ebrahim Endris (2021), Chengfeng Zhang và cộng sự (2021), Đặng Văn Hải và Phạm Thị Yến (2022), cũng như Đặng Văn Tú và Bùi Diệu Anh (2022), đều chỉ ra sự tương đồng này.
Từ cơ sở này, tác giả đưa ra giả thuyết:
Giả thuyết H6: Thời gian vay có tác động đồng biến đến khả năng trả nợ của khách hàng
Lãi suất là tỷ lệ thu nhập mà khách hàng phải chi trả cho khoản vay, ảnh hưởng trực tiếp đến khả năng trả nợ của họ Khi lãi suất cao, việc trả nợ trở nên khó khăn hơn so với lãi suất thấp Nghiên cứu của Trần Văn Dũng và Lê Thị Thanh (2021), Andualem và Ebrahim Endris (2021), cùng với Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023) đã chỉ ra sự tương đồng này.
Giả thuyết H7: Lãi suất vay có tác động nghịch biến đến khả năng trả nợ của khách hàng
2.5.8 Loại hình tài sản bảo đảm Đối với các khoản vay có tài sản thế chấp là bất động sản, ngân hàng dễ dàng kiểm soát và quản lý tài sản này hơn so với tài sản thế chấp là động sản như ô tô Cũng tương tự như giấy tờ có giá (Sổ tiết kiệm) sẽ có tính thanh khoản tốt hơn bất động sản và ô tô Tài sản thế chấp là bất động sản thường có giá trị cao và ổn định, giúp ngân hàng có cơ sở đảm bảo hơn khi cho vay Đối với những khoản vay tín chấp không có tài sản bảo đảm, ngân hàng chủ yếu dựa vào thiện chí và uy tín trả nợ của người vay mà không có bất kỳ điều kiện ràng buộc trách nhiệm nào Kết luận này tương đồng với các nghiên cứu của Chengfeng Zhang và cộng sự (2021), như Đinh Kiệm và Đỗ Hữu Trường (2022) Ngoài ra, việc sử dụng bất động sản làm tài sản thế chấp còn giúp giảm thiểu rủi ro tín dụng cho ngân hàng, điều này cũng được hỗ trợ bởi các nghiên cứu khác trong lĩnh vực này
Dựa trên các kết luận này, tác giả đề xuất giả thuyết như sau:
KHOẢNG TRỐNG NGHIÊN CỨU
Dựa trên thông tin từ các nghiên cứu trước đây và hoạt động nghiên cứu tại VIB – Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng, tác giả nhận thấy rằng việc áp dụng các phương pháp thẩm định tín dụng hiện đại là cần thiết để nâng cao hiệu quả trong quá trình ra quyết định tín dụng.
Hiện tại, chưa có nghiên cứu nào được thực hiện về khả năng trả nợ của khách hàng cá nhân tại Ngân hàng VIB - Trung Tâm Thẩm Định Và Phê Duyệt Tín Dụng.
Số liệu thu thập trong luận văn được thực hiện đến thời điểm năm 2021 tới cuối tháng 9/2023, không trùng lắp với các đề tài có liên quan trước đây
Dựa trên các cơ sở đã nêu, tác giả nhận thấy có một khoảng trống trong nghiên cứu về khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Quốc Tế (VIB) – Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng Đối tượng nghiên cứu sẽ tập trung vào các khách hàng tại VIB – Trung Tâm Thẩm Định.
Và Phê Duyệt Tín Dụng
Lý thuyết đóng vai trò then chốt trong việc xây dựng phương pháp nghiên cứu
Trong chương 2, tác giả tổng hợp các lý thuyết cơ bản liên quan đến tín dụng cá nhân, bao gồm đặc điểm tín dụng, khả năng trả nợ của khách hàng, và mô hình đo lường khả năng trả nợ Bên cạnh đó, tác giả cũng xem xét các hệ thống và học thuyết liên quan đến khả năng trả nợ của khách hàng cá nhân, cùng với các yếu tố ảnh hưởng đến khả năng này Phần lược khảo các nghiên cứu trong và ngoài nước được nhấn mạnh, tạo nền tảng quan trọng cho việc đề xuất các biến và mô hình nghiên cứu trong chương 3.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ QUY TRÌNH NGHIÊN CỨU
MÔ HÌNH NGHIÊN CỨU
Đề xuất mô hình nghiên cứu như sau:
] = β0 + β1ĐT + β2HN + β3QH+ β4TN + β5TV + β6TH+ β7LS + β8TS + ϵ P(Y=0)
P(Y = 1) và P(Y = 0) là xác suất xảy ra và không xảy ra sự kiện Y
ln là hàm logarit tự nhiên
P(Y = 1)/P(Y = 0)là tỷ lệ odds của sự kiện Y=1
β0 là hệ số chặn (intercept)
β1 đến β8 là các hệ số hồi quy của các biến độc lập
Biến độc lập: Độ tuổi (ĐT), Hôn nhân (HN), Quá hạn (QH), Thu nhập (TN), Tiền vay (TV), Thời hạn (TH), Lãi suất (LS), Tài sản (TS)
ε là sai số ngẫu nhiên.
ĐO LƯỜNG BIẾN
Dựa trên các nghiên cứu trong và ngoài nước cùng với quy định pháp luật hiện hành, tác giả đã trình bày chi tiết phương pháp đo lường các biến trong mô hình nghiên cứu, bao gồm cả biến phụ thuộc và các biến độc lập.
Biến phụ thuộc là biến đại diện cho khả năng trả nợ của KHCN
Bảng 3.1: Cách xác định khả năng trả nợ của khách hàng Đánh giá khả năng trả nợ Cách xác định Giá trị biến
Có Dựa vào khoản nợ quá hạn < 90 ngày Y =1 Không Dựa vào khoản nợ quá hạn > 90 ngày Y = 0
Theo Điều 11 Thông tư số 11/2021/TT-NHNN ngày 30/07/2021 của Ngân hàng Nhà nước Việt Nam, các khoản nợ quá hạn dưới 90 ngày được coi là trong giới hạn chấp nhận và khách hàng vẫn được xem là có khả năng trả nợ Nợ quá hạn dưới 90 ngày thường xuất phát từ những lý do tạm thời và không nhất thiết phản ánh khả năng thanh toán của khách hàng Do đó, trong mô hình phân tích, những khách hàng này được gán giá trị Y = 1 để thể hiện khả năng trả nợ của họ.
Cách đo lường tương tự được sử dụng trong nghiên cứu của Trần Huy Hoàng và Nguyễn Trọng Chương (2020)
3.2.2 Biến Độc Lập Độ tuổi (ĐT):
Cách đo lường: biến độ tuổi là biến liên tục, đo lường bằng số năm tuổi của khách hàng tại thời điểm vay vốn
Công thức tính: ĐT = Năm hiện tại - Năm sinh của khách hàng
Trần Thế Sao (2017) đã sử dụng độ tuổi như một biến liên tục để phân tích tác động đến khả năng trả nợ, trong khi Mohamed et al (2019) áp dụng phương pháp tương tự để nghiên cứu ảnh hưởng của nhân khẩu học đến rủi ro tín dụng Theo Trần Huy Hoàng và Nguyễn Trọng Chương (2020), độ tuổi có tác động tích cực đến khả năng trả nợ, vì khách hàng lớn tuổi thường có thu nhập ổn định, kinh nghiệm phong phú và trách nhiệm cao hơn.
Tình trạng hôn nhân (HN):
Cách đo lường: Biến HN là biến định tính, được mã hóa dưới dạng biến giả (dummy variable):
HN = 1: Khách hàng đang có gia đình (đã kết hôn)
HN = 0: Khách hàng không có gia đình (độc thân, ly hôn, góa)
Roslan và Karim (2009) đã sử dụng biến giả để mã hóa tình trạng hôn nhân trong phân tích khả năng trả nợ Tương tự, Nguyễn Thị Mai (2020) áp dụng phương pháp này để nghiên cứu ảnh hưởng của các yếu tố cá nhân đến hành vi tài chính Ngoài ra, Fan và Babiarz (2019) chỉ ra rằng khách hàng đã kết hôn có xu hướng quản lý tài chính tốt hơn và có khả năng trả nợ cao hơn nhờ sự hỗ trợ từ bạn đời.
Lịch sử quá hạn (QH):
Cách đo lường: biến QH là biến định tính, mã hóa dưới dạng biến giả:
QH = 1: Khách hàng có lịch sử tín dụng quá hạn (đã từng có khoản nợ quá hạn)
QH = 0: Khách hàng không có lịch sử tín dụng quá hạn
Nghiên cứu của Andualem và Endris (2021) đã sử dụng lịch sử tín dụng dưới dạng biến nhị phân để đánh giá rủi ro tín dụng, trong khi Chengfeng Zhang et al (2021) áp dụng phương pháp mã hóa tương tự trong phân tích khả năng trả nợ Các nghiên cứu này chỉ ra rằng khách hàng có lịch sử quá hạn thường đối mặt với rủi ro tín dụng cao hơn.
Cách đo lường: biến liên tục, đo lường bằng thu nhập bình quân hàng tháng của khách hàng, tính bằng triệu đồng
Thu nhập bao gồm: lương, thưởng, thu nhập từ kinh doanh, đầu tư và các nguồn thu nhập hợp pháp khác
Nghiên cứu của Lê Thị Mai Hương (2021) đã đo lường thu nhập hàng tháng để phân tích ảnh hưởng đến khả năng trả nợ, trong khi Đinh Kiệm và Đỗ Hữu Trường (2022) áp dụng phương pháp tương tự để nghiên cứu hành vi trả nợ cá nhân Kết quả từ các nghiên cứu này chỉ ra rằng thu nhập cao và ổn định đóng vai trò quan trọng trong việc nâng cao khả năng trả nợ của khách hàng.
Biến TV là biến liên tục, đo lường bằng tổng số tiền mà khách hàng vay từ ngân hàng, tính bằng triệu đồng
Trần Huy Hoàng và Nguyễn Trọng Chương (2020) đã sử dụng số tiền vay như một biến liên tục trong mô hình phân tích, trong khi Đặng Văn Hải và Phạm Thị Yến (2022) áp dụng phương pháp đo lường tương tự để đánh giá tác động đến khả năng trả nợ Các nghiên cứu này cho thấy rằng số tiền vay lớn có thể tạo ra áp lực tài chính, dẫn đến ảnh hưởng tiêu cực đến khả năng trả nợ của người vay.
Cách đo lường: Biến TH là biến liên tục, đo lường bằng thời gian vay vốn của khách hàng, tính bằng tháng
Andualem và Endris (2021) đã sử dụng thời hạn vay như một biến liên tục trong phân tích của họ Tương tự, Đặng Văn Tú và Bùi Diệu Anh (2022) cũng áp dụng phương pháp này để nghiên cứu tác động đến khả năng trả nợ Các nghiên cứu cho thấy rằng thời hạn vay dài giúp khách hàng cải thiện khả năng trả nợ, nhờ vào việc giảm áp lực trả nợ hàng tháng.
Cách đo lường: Biến LS là biến liên tục, đo lường bằng lãi suất áp dụng cho khoản vay của khách hàng, tính bằng phần trăm (%)
Trần Văn Dũng và Lê Thị Thanh (2021) đã đo lường lãi suất dưới dạng tỷ lệ phần trăm trong phân tích rủi ro tín dụng, trong khi Lê Hoàng Anh và Trần Thị Minh Nguyệt (2023) áp dụng phương pháp tương tự để nghiên cứu ảnh hưởng của lãi suất đến khả năng trả nợ Cả hai nghiên cứu đều chỉ ra rằng lãi suất cao làm tăng chi phí vay vốn, từ đó tác động tiêu cực đến khả năng trả nợ của người vay.
Loại hình tài sản bảo đảm (TS):
Cách đo lường: Biến TS là biến định tính, mã hóa dưới dạng biến thứ tự:
TS = 2: Tài sản bảo đảm là giấy tờ có giá (sổ tiết kiệm, chứng chỉ tiền gửi)
TS = 1: Tài sản bảo đảm là bất động sản (nhà, đất)
TS = 0: Tài sản bảo đảm là động sản (xe ô tô, máy móc thiết bị) hoặc không có tài sản bảo đảm (tín chấp)
Chengfeng Zhang và cộng sự (2021) đã nghiên cứu về việc mã hóa loại tài sản bảo đảm theo thứ tự nhằm phản ánh mức độ an toàn tín dụng Tương tự, Đinh Kiệm và Đỗ Hữu Trường (2022) cũng đã đo lường ảnh hưởng của tài sản bảo đảm đến khả năng trả nợ, cho thấy rằng các tài sản bảo đảm có giá trị và tính thanh khoản cao, như giấy tờ có giá và bất động sản, giúp tăng cường khả năng trả nợ và giảm thiểu rủi ro tín dụng.
3.2.3 Dữ liệu nghiên cứu Để phục vụ nghiên cứu, tác giả thu thập thông tin từ hồ sơ tín dụng của chi nhánh và khách hàng, bao gồm các nguồn sau:
Để đánh giá khả năng tài chính của khách hàng, tác giả tiến hành phỏng vấn trực tiếp và xem xét các giấy tờ chứng minh tài chính cũng như hồ sơ mà khách hàng cung cấp Bên cạnh đó, tác giả cũng phân tích tình hình kinh doanh thực tế và các báo cáo thu nhập cùng các tài liệu liên quan khác.
Thông tin nội bộ ngân hàng bao gồm các chi tiết về khoản vay, tài sản bảo đảm và lịch sử thanh toán nợ vay Dữ liệu từ hệ thống quản lý tín dụng cùng với các báo cáo phân tích tài chính của ngân hàng được sử dụng để đánh giá toàn diện khả năng trả nợ của khách hàng.
Thông tin này tạo ra một cơ sở dữ liệu toàn diện cho nghiên cứu, giúp đánh giá chính xác các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng.
Tất cả thông tin được nhập liệu, cập nhật, quản lý và lưu trữ trên hệ thống quản lý tín dụng của VIB tại Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng.
Bước 1: Xác định vấn đề nghiên cứu
Bước 2: Tổng hợp cơ sở lý thuyết và các NC liên quan
Bước 3: Xác định phương pháp nghiên cứu
Bước 4: Thu thập dữ liệu và phân tích định lượng
Bước 5: Thảo luận kết quả và đưa ra giải pháp
Các giai đoạn nghiên cứu của luận văn được thực hiện theo quy trình sau:
Sơ đồ 3.1: Quy trình nghiên cứu
KỸ THUẬT HỒI QUY
Mô hình hồi quy Logit của Maddala (1984) đang được sử dụng phổ biến trong phân tích kinh tế và rủi ro tín dụng, giúp các ngân hàng thương mại đánh giá khả năng trả nợ của khách hàng.
Mô hình logistic, hay mô hình logit, là một công cụ thống kê quan trọng trong việc mô hình hóa xác suất xảy ra của sự kiện thông qua tỷ lệ cược log, dựa trên sự kết hợp tuyến tính của nhiều biến độc lập Trong phân tích hồi quy, hồi quy logit được sử dụng để ước lượng các tham số của mô hình logistic Đặc biệt, trong hồi quy logistic nhị phân, biến phụ thuộc là nhị phân và được mã hóa bằng một biến chỉ báo với hai giá trị "0" và "1", trong khi các biến độc lập có thể là biến nhị phân hoặc biến liên tục.
Hồi quy logistic (LR) là một mô hình phân loại phổ biến, trong đó biến mục tiêu là hàm phi tuyến tính của xác suất (Thomas, 2000) Kết quả phân loại của mô hình LR nhạy cảm với sự tương quan giữa các biến độc lập, do đó, các biến sử dụng trong mô hình không nên có sự tương quan chặt chẽ Tính phi tuyến tính của dữ liệu tín dụng có thể làm giảm độ chính xác của mô hình (Lahsasna và cộng sự, 2008).
Mô hình chấm điểm tín dụng LR, theo LR Yap et al (2011), xác định xác suất có điều kiện cho mỗi đơn xin thuộc về loại tốt hay xấu dựa trên các biến giải thích Lee và Chen (2005) cũng khẳng định rằng mỗi đơn xin chỉ được phân loại vào một lớp của biến phụ thuộc Mặc dù vậy, mô hình hồi quy logistic giới hạn giá trị dự đoán của biến phụ thuộc trong khoảng từ 0 đến 1, và đây là một kỹ thuật phổ biến để phân loại giữa hai nhóm dựa trên các biến dự đoán (Akkoc, 2012).
Dựa trên kết quả từ chương 1 và chương 2, chương 3 của luận văn trình bày quy trình nghiên cứu và các phương pháp thực hiện, tạo nền tảng cho các phân tích thực nghiệm ở chương 4 Nội dung chính của chương này bao gồm các phương pháp nghiên cứu và quy trình thực hiện.
Mô hình hồi quy logit là công cụ quan trọng trong phân tích dữ liệu, giúp xác định mối quan hệ giữa biến độc lập và biến phụ thuộc Bài viết này sẽ cung cấp cái nhìn chi tiết về cách xây dựng và kiểm định mô hình hồi quy logit, từ việc lựa chọn biến cho đến quy trình đánh giá hiệu suất của mô hình.
Nghiên cứu này trình bày nguồn gốc và quy trình thu thập dữ liệu, bao gồm các bước thu thập và xử lý thông tin từ nhiều nguồn khác nhau như hồ sơ tín dụng ngân hàng, phỏng vấn khách hàng và tài liệu tài chính liên quan.
Quy trình thực hiện từng giai đoạn bao gồm các bước chi tiết từ thu thập dữ liệu, xử lý dữ liệu, phân tích dữ liệu đến diễn giải kết quả Bài viết cũng đề cập đến các phương pháp kiểm định độ tin cậy và độ hợp lý của mô hình, cùng với các kỹ thuật xử lý số liệu bị thiếu và kiểm soát biến số nhiễu.
Chương này trình bày các công cụ và phần mềm được sử dụng trong quá trình phân tích, đặc biệt là phần mềm thống kê SPSS Nó cũng hướng dẫn cách áp dụng các kỹ thuật phân tích nhằm đảm bảo kết quả đạt độ tin cậy cao và có ý nghĩa thống kê.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
TỔNG QUAN VỀ NGÂN HÀNG TMCP QUỐC TẾ VIỆT NAM (VIB) VÀ
Ngân hàng TMCP Quốc tế Việt Nam (VIB) là một trong những ngân hàng hàng đầu tại Việt Nam, hoạt động chủ yếu trong lĩnh vực tài chính và ngân hàng Thành lập vào năm 1996, VIB đã đóng góp tích cực vào sự phát triển kinh tế Việt Nam thông qua các dịch vụ tài chính đa dạng và hiệu quả Qua nhiều giai đoạn phát triển, từ việc mở rộng mạng lưới chi nhánh đến cải cách và nâng cao chất lượng dịch vụ, VIB đã khẳng định vị thế vững chắc trên thị trường ngân hàng Việt Nam.
VIB cung cấp đa dạng sản phẩm và dịch vụ tài chính cho cả khách hàng cá nhân và doanh nghiệp Đối với khách hàng cá nhân, VIB cung cấp các sản phẩm vay tiêu dùng, thẻ tín dụng, dịch vụ tiết kiệm và giải pháp thanh toán điện tử Đối với khách hàng doanh nghiệp, ngân hàng hỗ trợ vay vốn, cung cấp dịch vụ ngân hàng đầu tư, quản lý rủi ro tài chính và các giải pháp tài chính toàn diện.
Trung tâm thẩm định và phê duyệt tín dụng KHCN của VIB, được thành lập từ năm 1996, đã hoạt động độc lập trong hệ thống ngân hàng với hai khối KHDN và KHCN Bài viết này sẽ tập trung phân tích môi trường làm việc tại Trung tâm thẩm định và phê duyệt tín dụng KHCN có TSBĐ, nhằm làm rõ những định hướng phát triển và quy trình vận hành của trung tâm.
Từ năm 1996 đến 2020, Trung tâm được gọi là Phòng Tái Thẩm Định Phê Duyệt Tín Dụng KHCN Tuy nhiên, từ năm 2020 đến nay, Trung tâm đã đổi tên thành Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng KHCN Sự thay đổi này nhằm mục đích phân nhánh thành các Head Block, thay vì quản lý theo các phòng ban như trước, để nâng cao hiệu quả quản lý và phù hợp với định hướng phát triển chung của VIB.
Trung Tâm Thẩm Định và Phê Duyệt VIB có cơ cấu tổ chức rõ ràng, tiếp nhận và xử lý tất cả các khoản vay tín chấp cùng các sản phẩm không có tài sản bảo đảm (TSBĐ) trên toàn hệ thống Đối với các khoản vay có TSBĐ, trung tâm chỉ xử lý các khoản vay có hạn mức từ 10 tỷ đồng trở lên hoặc những khoản vay đặc biệt với các ngoại lệ về sản phẩm và quy định của VIB trong từng thời kỳ.
Quy trình hoạt động bắt đầu khi các yêu cầu từ ĐVKD được tiếp nhận bởi các chuyên viên thẩm định hoặc chuyên gia phê duyệt có thẩm quyền Nếu mức đề xuất không đạt yêu cầu, họ sẽ tiến hành thẩm định lại khách hàng và đưa ra các ý kiến độc lập cho hệ thống phê duyệt tín dụng, bao gồm UBTD hoặc cá nhân có thẩm quyền phê duyệt ngoại lệ đặc biệt, nhằm phê duyệt khoản vay.
4.1.2 Tình hình kết quả hoạt động kinh doanh tới tháng 11/2023
Trong 11 tháng 2023, tình hình kinh odnah của VIB duy trì khá ổn định tuy nhiên mức độ tăng trưởng cần được thúc đẩy mạnh mẽ và bứt phá hơn trong những tháng cuối cùng của năm để hoàn thành chỉ tiêu được đặt ra
Trong 11 tháng năm 2023, dư nợ tín dụng toàn ngành tăng hơn 4.700 tỷ đồng, đạt mức tăng trưởng 8% Huy động vốn tiếp tục tăng trưởng tích cực, đặc biệt tại khối ngân hàng bán lẻ với mức tăng trưởng ròng trên 3.600 tỷ đồng trong tháng 11, nâng tổng mức tăng trưởng tiền gửi lũy kế lên 15% Thẻ tín dụng ghi nhận sự bùng nổ với 25.500 thẻ mới được phát hành trong tháng, nhờ vào cả kênh chi nhánh và kênh số Doanh số bán bảo hiểm (Banca) cũng tiếp tục có xu hướng tăng trưởng.
Về quản trị rủi ro, VIB có tháng giảm mạnh nhất nợ nhóm 2 – 5 với mức giảm
Trong tháng 11, ngân hàng đã thu hồi được 600 tỷ đồng, nhờ vào việc triển khai mạnh mẽ các giải pháp ngăn chặn và thu hồi nợ tại các vùng, chi nhánh và trung tâm kinh doanh của khối ngân hàng bán lẻ (NHBL) và khách hàng doanh nghiệp (KHDN) Điều này thể hiện kỳ vọng tiếp tục giảm tỷ lệ nợ xấu trong thời gian tới.
Trong 11 tháng năm 2023, VIB ghi nhận lợi nhuận lũy kế đạt trên 10.000 tỷ đồng, tăng 4% so với cùng kỳ năm 2022, với doanh thu tăng 22% và chi phí tăng 5% Ngân hàng tiếp tục trích lập dự phòng ở mức cao để tạo bộ đệm xử lý rủi ro, đồng thời đẩy mạnh thu hồi nợ write off, với tỷ lệ thu hồi tăng 59% so với năm trước.
Một số điểm nhấn trong 11 tháng năm 2023:
Ngày 7/12/2023, VIB đã ký kết hợp đồng vay Syndicated Loan trị giá 280 triệu USD cùng với sự tham gia của ban lãnh đạo VIB, đối tác UOB và 12 định chế tài chính hàng đầu thế giới Đây là khoản vay thương mại lớn nhất mà VIB nhận được và cũng là khoản vay Off-Shared Syndicated loans lớn nhất tại Việt Nam trong năm 2023 Nguồn vốn Off-Shore chất lượng và ổn định này sẽ củng cố nguồn lực tài chính và tạo sự ổn định cho VIB, đồng thời khẳng định vị thế và uy tín của ngân hàng trên thị trường tài chính quốc tế.
Trong năm 2023, VIB được NHNN đánh giá với mức xếp hạng cao nhất, khẳng định vị thế của ngân hàng này trong ngành tài chính Việt Nam Đây là năm thứ ba liên tiếp VIB đạt điểm cao trong các chỉ số định lượng và định tính theo mô hình CAMELS, bao gồm các yếu tố quan trọng như vốn, chất lượng tài sản, năng lực quản trị điều hành, khả năng thanh khoản và quản trị độ nhạy với rủi ro thị trường.
Sản phẩm thẻ tín dụng Mastercard của VIB đã đạt 4 giải thưởng tại Master Card Banking Award 2023, khẳng định vị thế dẫn đầu trong ngành Trong những năm qua, thẻ tín dụng VIB liên tục ghi nhận sự tăng trưởng ấn tượng, với mức tăng 7 lần so với năm 2018 trong nước và 5 lần so với quốc tế VIB cũng dẫn đầu về số lượng phát hành thẻ và tốc độ phát triển, đạt hơn 430% Năm 2023, tổng giá trị thẻ tín dụng VIB đã đạt mốc kỷ lục 4 tỷ đô la, đánh dấu cột mốc quan trọng trong hoạt động thẻ của ngân hàng.
4.1.3 Định hướng năm 2024 và kết quả 6 tháng đầu năm 2024 của VIB
Tính đến ngày 31/05/2024, tổng tài sản của VIB đạt gần 434 nghìn tỷ đồng, tăng 6% so với đầu năm Tổng dư nợ tín dụng của ngân hàng ghi nhận mức tăng khiêm tốn 1.2% sau 5 tháng, trong bối cảnh tăng trưởng chậm của toàn ngành ngân hàng Dư nợ khối ngân hàng bán lẻ (NHBL) vượt 228 nghìn tỷ đồng, với doanh số giải ngân mới trong tháng 5/2024 đạt gần 17.000 tỷ đồng Dư nợ khối khách hàng doanh nghiệp (KHDN) tăng trưởng 11% so với đầu năm, đạt hơn 33.000 tỷ đồng Huy động vốn của VIB tiếp tục tăng trưởng, tập trung vào nguồn huy động giá thấp, giúp duy trì hiệu quả biên lãi ròng Tháng 5/2024, thẻ tín dụng ghi nhận sự tăng trưởng bứt phá với hơn 26 nghìn thẻ mới, nâng tổng số thẻ lưu hành lên gần 745 nghìn thẻ Chi tiêu thẻ đạt kỷ lục mới gần 10.800 tỷ đồng/tháng, tổng chi tiêu 5 tháng đạt gần 49.000 tỷ đồng, gấp 1.5 lần so với cùng kỳ năm 2023.
Tỷ lệ nợ xấu (NPL) của VIB tính đến ngày 31/05/2024 đạt 2.48%, cho thấy sự kiểm soát hiệu quả nhờ vào các giải pháp và sản phẩm mới, cùng với nỗ lực từ Hội Sở và các trung tâm thu hồi nợ Đặc biệt, nợ nhóm 2 cũng ghi nhận sự cải thiện đáng kể với mức giảm ròng gần 1.000 tỷ đồng trong tháng 5.
PHÂN TÍCH THỐNG KÊ MÔ TẢ
Trước khi thực hiện mô hình hồi quy, học viên sử dụng phương pháp thống kê mô tả để tổng quát hóa các đặc điểm cơ bản của dữ liệu, đảm bảo tính phù hợp với tổng thể nghiên cứu Dữ liệu về tỷ lệ trả nợ đúng hạn của khách hàng cá nhân được thu thập từ 186 mẫu quan sát trong giai đoạn từ năm 2021 đến tháng 09/2023 tại VIB – Trung Tâm Thẩm Định và Phê Duyệt Tín Dụng.
Khả năng trả nợ của khách hàng KHCN tại VIB cho thấy 186 khách hàng tham gia khảo sát, trong đó 26 khách hàng không trả nợ đúng hạn, chiếm khoảng 13.98% Ngược lại, 160 khách hàng đã thực hiện nghĩa vụ trả nợ đúng hạn, chiếm 86.02%.
Dựa trên quy định của VIB và luật CCCD, việc đánh giá tình trạng pháp lý của khách hàng được chia thành ba nhóm tuổi Nhóm tuổi từ 23 đến 40 có 72 người, chiếm 48,38%, nhóm từ 41 đến 60 tuổi có 86 người, tương ứng với 45,24%, và nhóm từ 61 tuổi trở lên cũng được xem xét để đảm bảo thông tin pháp lý chính xác.
10 người tương ứng với tỷ lệ 6.38%
Bảng 4.3: Thống kê độ tuổi
Tên biến định tính Thành phần Số Lượng Phần Trăm (%) Độ tuổi Từ 23 đến 40 tuổi 90 48.38
(Nguồn: Tác giả tổng hợp) Phân bố độ tuổi khách hàng tại VIB chủ yếu tập trung vào nhóm tuổi từ 23 đến
Gần 94% tổng số khách hàng của ngân hàng là những người từ 60 tuổi trở lên, cho thấy ngân hàng đã tập trung chiến lược vào các nhóm khách hàng có khả năng tài chính vững mạnh và nhu cầu vay vốn cao.
4.2.2 Thống kê tình trạng hôn nhân
Tình trạng hôn nhân trong nghiên cứu cho thấy có 92 cá nhân độc thân, bao gồm những người chưa kết hôn hoặc góa, chiếm tỷ lệ 49.46% Trong khi đó, 94 cá nhân có gia đình chiếm tỷ lệ 50.54%.
Bảng 4.4: Thống kê tình trạng hôn nhân
Tên biến định tính Thành phần Số Lượng Phần Trăm (%) Tình trạng hôn nhân Độc thân 92 49.46
Kết quả thống kê cho thấy mẫu khách hàng có sự phân bố đồng đều về tình trạng hôn nhân, với tỷ lệ khách hàng độc thân và có gia đình gần như bằng nhau Điều này tạo điều kiện thuận lợi cho việc phân tích và so sánh ảnh hưởng của tình trạng hôn nhân đến khả năng trả nợ, nhu cầu vay vốn và quản lý tài chính cá nhân.
4.2.3 Thống kê lịch sử quá hạn
Lịch sử quá hạn được đánh giá dựa trên quy định hiện hành của VIB, sử dụng khung mẫu tổng hợp từ 186 cá thể với thang đo từ 0 đến 5 lần Sau khi tổng hợp, tác giả đã thống kê số lượng kết quả như dưới đây.
Bảng 4.5: Thống kê lịch sử quá hạn
Tên biến định tính Thành phần Số Lượng Phần Trăm (%)
Lịch sử quá hạn (Số 0 23 12.37 lần) 1 67 36.02
(Nguồn: Tác giả tổng hợp) Phần lớn khách hàng (87,63%) đã từng có ít nhất một lần quá hạn lí do vì những
Bộ phận KH của ngân hàng VIB chuyên xử lý những trường hợp ngoại lệ trong phê duyệt tín dụng Tuy nhiên, thống kê cho thấy ngân hàng cần cải thiện quy trình đánh giá và quản lý rủi ro tín dụng, đặc biệt với những khách hàng có lịch sử quá hạn nhiều lần, nhằm nâng cao chất lượng tín dụng và giảm thiểu rủi ro.
4.2.4 Thống kê thu nhập Đối với biến thu nhập căn cứ theo quy định của VIB và các đặc điểm phân khúc
Trong bài viết này, tác giả trình bày về mức thu nhập của phòng Thẩm định và phê duyệt tiếp xúc, với ba mức thu nhập khác nhau được thể hiện qua số lượng và tỷ lệ tương ứng Dưới đây là bảng tóm tắt chi tiết về các mức thu nhập này.
Bảng 4.6: Thống kê thu nhập
Tên biến định tính Thành phần Số Lượng Phần Trăm (%)
Thu nhập Từ 20trđ/tháng đến
Từ 101trđ/tháng đến 300trđ/tháng
Từ 301trđ/tháng trở lên 42 22.58
VIB đã thành công trong việc xây dựng một cơ cấu khách hàng tập trung vào nhóm đối tượng có thu nhập cao, điều này phù hợp với chiến lược kinh doanh và quản lý rủi ro của ngân hàng.
4.2.5 Thống kê số tiền vay của KH
Phòng Thẩm định phê duyệt tín dụng tại VIB tập trung vào khách hàng có nhu cầu vay lớn, từ 10 tỷ đến 150 tỷ đồng, và xem xét các khoản vay ngoại lệ theo quy định sản phẩm của ngân hàng Các yếu tố ngoại lệ này bao gồm số lần quá hạn, độ tuổi khách hàng và tài sản bảo đảm Dưới đây là ba mốc vay cùng với số lượng và tỷ lệ tương ứng.
Bảng 4.7: Thống kê số tiền vay của KH
Tên biến định tính Thành phần Số Lượng Phần Trăm (%)
Số tiền vay Từ 1 tỷ đến 10 tỷ 11 5.91
(Nguồn: Tác giả tổng hợp) 4.2.6 Thống kê thời hạn vay của KH
Khách hàng có thể xem xét các thời hạn vay ngoại lệ dựa trên các yếu tố tích cực như tình hình tài chính và mối quan hệ tín dụng với các tổ chức tín dụng, bao gồm cả VIB Tác giả đã phân loại thời hạn vay theo số lượng các khoản vay đối ứng với tỷ lệ tương ứng.
Bảng 4.8: Thống kê thời hạn vay của KH
Tên biến định tính Thành phần Số Lượng Phần Trăm (%) Thời hạn vay Từ 60 tháng đến 180 tháng 106 56.99
Theo thống kê, lãi suất cho các khoản vay có tài sản bảo đảm (TSBĐ) là giấy tờ có giá (GTCG) trung bình đạt 5% Đối với các khoản vay có TSBĐ khác, khách hàng có thể nhận được lãi suất ưu đãi hoặc lãi suất ưu tiên, mang lại nhiều lợi ích cho ngân hàng VIB, bao gồm CASA, giới thiệu khách hàng mới và hỗ trợ các dịch vụ khác, nhưng không vượt quá 10% Dựa trên những thông tin này, tác giả đã phân loại lại thống kê lãi suất cho 186 mẫu.
Bảng 4.9: Thống kê lãi suất
Tên biến định tính Thành phần Số Lượng Phần Trăm (%)
(Nguồn: Tác giả tổng hợp) 4.2.8 Thống kê loại hình TSBĐ
VIB nhận nhiều loại hình tài sản bảo đảm (TSBĐ), trong đó tác giả thống kê các loại hình phổ biến theo quy định hiện hành, bao gồm 186 mẫu được chia thành 3 loại: giấy tờ có giá (3 mẫu), bất động sản (135 mẫu) và xe ô tô (48 mẫu) Tỷ lệ tương ứng của các loại hình này là 1.61%, 72.58% và 25.81%.
KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
Sau khi áp dụng phần mềm SPSS phiên bản 20 để thực hiện hồi quy nhị phân, nghiên cứu đã xác định khả năng trả nợ là biến phụ thuộc và 8 biến độc lập có ảnh hưởng đến khả năng này Đồng thời, nghiên cứu cũng tiến hành kiểm tra độ phù hợp, khả năng giải thích và dự báo của mô hình hồi quy.
Kiểm định độ phù hợp của mô hình:
Bảng 4.10: Kiểm định độ phù hợp của mô hình
(Nguồn: Kết quả phân tích từ SPSS 20)
Dựa trên kết quả kiểm định độ phù hợp, với hệ số Sig = 0,000 ≤ 0,05, có thể kết luận rằng có sự tương quan giữa các biến trong mô hình
Kiểm định giải thích mô hình:
Bảng 4.11: Kiểm định mức độ giải thích của mô hình
-2 Log Likelihood Cox & Snell R Square Nagelkerke R Square
Chỉ số -2 Log Likelihood (125.407) đo lường sự khớp của mô hình hồi quy với dữ liệu quan sát, với giá trị thấp hơn cho thấy mô hình phù hợp hơn Giá trị -2 Log Likelihood của mô hình hiện tại là 125.407, thấp hơn so với mô hình trống ban đầu (234.029), chứng tỏ mô hình đã cải thiện độ phù hợp với dữ liệu và giải thích được 71,8% các mối tương quan trong mô hình.
Cox & Snell R Square (0.509) đo lường tỷ lệ phương sai của biến phụ thuộc được giải thích bởi mô hình hồi quy, tương tự như hệ số xác định R² trong hồi quy tuyến tính, nhưng có giới hạn dưới 1.
0.509 cho biết mô hình hồi quy giải thích được khoảng 50.9% biến thiên của dữ liệu Đây là một tỷ lệ giải thích khá tốt
Nagelkerke R Square (0.679) là phiên bản điều chỉnh của Cox & Snell R Square, cho phép giá trị đạt tới 1, mang lại ước lượng rõ ràng hơn về mức độ phù hợp của mô hình.
Mô hình hồi quy đạt được tỷ lệ giải thích 67.9%, cho thấy nó có khả năng giải thích biến thiên của dữ liệu một cách hiệu quả Điều này chứng tỏ rằng mô hình này có độ chính xác cao trong việc phân tích dữ liệu.
Mô hình hồi quy được kiểm định cho thấy khả năng giải thích tốt các biến thiên trong dữ liệu Cụ thể, giá trị -2 Log Likelihood của mô hình này thấp hơn nhiều so với mô hình trống, trong khi các hệ số Cox & Snell R Square và Nagelkerke R Square cho thấy mô hình có khả năng giải thích phần lớn biến thiên trong dữ liệu.
Kiểm định khả năng dự báo của mô hình:
Bảng 4.12: Khả năng dự báo của mô hình
Mô hình dự báo (Predicted)
Phần trăm dự báo đúng (%)
Khách hàng không trả được nợ
Khách hàng trả được nợ
Khách hàng không trả được nợ
Khách hàng trả được nợ
Tổng dự báo của toàn mô hình
Mô hình phân tích cho thấy mức độ dự báo chính xác về khả năng trả nợ của khách hàng đạt 86.8% đối với những người tin rằng khách hàng có khả năng trả nợ, trong khi tỷ lệ này là 87.4% đối với những người cho rằng khách hàng không trả nợ đúng hạn.
Mô hình hồi quy nhị phân đạt tỷ lệ dự báo đúng lên tới 87.1%, chứng tỏ độ chính xác cao trong việc dự đoán khả năng trả nợ của khách hàng.
Mô hình này phù hợp và có khả năng dự báo tốt, khi hơn 87% các trường hợp được dự báo chính xác
Từ phân tích hồi quy nhị phân theo mô hình logit, ta có kết quả hồi quy như sau:
Bảng 4.13: Kiểm định ý nghĩa thống kê của các hệ số hàm hồi quy
Tên biến B S.E Wald DF Sig Exp (B) Độ tuổi 0,048 0,021 5,339 1 0,021 1,050 Hôn nhân 1,731 0,472 13,480 1 0,000 5,648 Lịch sử quá hạn
Số tiền vay 0,000 0,000 8,758 1 0,003 1,000 Thời hạn vay 0,021 0,006 10,424 1 0,001 1,021
Theo kết quả phân tích từ SPSS 20, các biến độc lập trong mô hình hồi quy logistic có ý nghĩa thống kê với giá trị Sig < 5%, ảnh hưởng đến khả năng trả nợ của khách hàng Cụ thể, độ tuổi, tình trạng hôn nhân, thu nhập, thời hạn vay, và loại hình tài sản bảo đảm đều làm tăng khả năng trả nợ, trong khi lịch sử quá hạn và lãi suất lại làm giảm khả năng này.
Tác giả phân tích cụ thể từng yếu tố như sau: Độ tuổi (B = 0,048, Sig = 0,021, Exp(B) = 1,050):
Mỗi năm tăng thêm về tuổi tác, khả năng trả nợ của khách hàng tăng khoảng 5%, điều này có thể do người lớn tuổi thường có kinh nghiệm quản lý tài chính và thu nhập ổn định hơn Tại VIB, độ tuổi người vay chủ yếu từ 23 đến 60, với số lượng lớn khách hàng có quan hệ giao dịch lâu dài và uy tín cao trong việc trả nợ.
Độ tuổi có ảnh hưởng đáng kể đến khả năng trả nợ, với giá trị thống kê Sig = 0,021, cho thấy mối quan hệ này có ý nghĩa thống kê và tác động cùng chiều với khả năng tài chính của khách hàng.
Nghiên cứu của Trần Thế Sao (2017), Mohamed và cộng sự (2019), Trần Huy Hoàng và Nguyễn Trọng Chương (2020), Andualem và Ebrahim Endris (2021), Chengfeng Zhang và cộng sự (2021), cùng với Đinh Kiệm và Đỗ Hữu Trường (2022) đều cho thấy rằng khách hàng lớn tuổi thường sở hữu kinh nghiệm quản lý tài chính tốt hơn và có khả năng trả nợ cao hơn.
Khách hàng đã kết hôn có khả năng trả nợ cao gấp 5,6 lần so với những người chưa kết hôn Nguyên nhân có thể là do các gia đình thường có thu nhập kép, dẫn đến sự ổn định tài chính tốt hơn, phù hợp với giả thuyết ban đầu.
Biến hôn nhân có ý nghĩa thống kê cao (Sig = 0,000 < 0,001) và tác động cùng chiều với KNTN của KH
Nghiên cứu của Werema và Opanga (2016), Sunil Sangwan và cộng sự (2020), Andualem và Ebrahim Endris (2021), Trần Huy Hoàng và Nguyễn Trọng Chương (2020), Chengfeng Zhang và cộng sự (2021), cùng với Trần Thế Sao (2017) chỉ ra rằng những người đã kết hôn thường có thu nhập ổn định hơn và khả năng quản lý tài chính tốt hơn, dẫn đến khả năng trả nợ cao hơn.
Lịch sử quá hạn (B = -0,407, Sig = 0,022, Exp(B) = 0,666):
Mỗi đơn vị tăng lên về lịch sử quá hạn làm giảm khả năng trả nợ của khách hàng khoảng 33,4%, cho thấy rằng khách hàng có lịch sử quá hạn sẽ gặp khó khăn trong việc trả nợ đúng hạn, xác nhận giả thuyết ban đầu.
Biến này có ý nghĩa thống kê (Sig = 0,022 < 0,05) và tác động ngược chiều với KNTN của KH