Ứng dụng mô hình Logistic trong xếp hạng tín dụng cá nhân cho Ngân hàng Nông Nghiệp và Phát triển Nông thôn Việt Nam

LỜI MỞ ĐẦU Nền kinh tế nước ta đà phát triển Không thể phủ nhận tầm quan trọng hệ thống Ngân hàng việc thúc đẩy kinh tế lên Ngân hàng tổ chức tài trung gian, có chức chu chuyển vốn từ người có vốn sang người cần vốn, phần chênh lệch lãi suất huy động tiền gửi lãi suất cho vay lợi nhuận Ngân hàng Tín dụng Ngân hàng mang lại nguồn lợi nhuận cao tiềm ẩn nhiều rủi ro Rủi ro tín dụng hiểu khả người vay hoàn trả vốn vay cho Ngân hàng Những rủi ro gây tác động lớn đến hoạt động Ngân Hàng Trên thực tế, Ngân hàng thường ngăn chặn giảm thiểu rủi ro cách xây dựng hệ thống chấm điểm tín dụng để từ đánh giá mức độ rủi ro cho khách hàng vay, từ đưa định: Nên hay không nên cho khách hàng vay vốn Tuy nhiên, hệ thống chấm điểm tín dụng Ngân hàng Việt Nam thường dựa định tính nhiều bất cập Xuất phát từ lí đây, trình tìm hiểu đánh giá rủi ro tín dụng Ngân hàng Nông Nghiệp Phát triển Nông thôn, em nhận thấy việc xây dựng mô hình nhằm xếp hạng mức tín nhiệm cá nhân vay vốn Ngân hàng đánh giá rủi ro tín dụng cá nhân vô cần thiết để góp phần nâng cao an toàn hệ thống Ngân hàng.Vì vậy, em lựa chọn đề tài nghiên cứu cho đề án môn học: “Ứng dụng mô hình Logistic xếp hạng tín dụng cá nhân cho Ngân hàng Nông Nghiệp Phát triển Nông thôn Việt Nam” Nội dung nghiên cứu chuyên đề gồm chương: Chương 1: Lý thuyết tổng quan xếp hạng tín dụng cá nhân Chương 2: Các công trình nghiên cứu liên quan đến xếp hạng tín dụng cá nhân Chương 3: Xây dựng mô hình Logistic xếp hạng tín dụng khách hàng cá nhân cho NHNNo&PTNT Việt Nam Mục đích nghiên cứu Mục đích đề án nhằm áp dụng kiến thức học, đặc biệt kiến thức Kinh Tế Lượng vào thực tế việc xây dựng mô hình xếp hạng tín dụng khách hàng cá nhân Tuy mẻ, mô hình ngày sử dụng phổ biển với tính ưu việt so với mô hình định tính thông thường Việc xây dựng mô hình Logistic xếp hạng tín dụng, giảm thiểu rủi ro tín dụng hệ thống Nhân hàng Việt Nam Nhiệm vụ nghiên cứu Tìm hiểu công trình nghiên cứu mô hình xếp hạng tín dụng thực giới, từ đó, xây dựng mô hình Logistic xếp hạng đánh giá rủi ro tín dụng khách hàng cá nhân Ngân hàng Nông nghiệp Phát triển Nông thôn Việt Nam phân tích ứng dụng thực tế mô hình Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: Các cá nhân có quan hệ tín dụng với Ngân hàng Nông nghiệp Phát triển Nông thôn Việt Nam chi nhánh Hoàng Quốc Việt Phạm vi nghiên cứu: Sử dụng hệ thống tiêu chấm điểm tín dụng cá nhân Ngân hàng Nguồn số liệu Báo cáo kết thu thập thông tin đánh giá khách hàng cá nhân NHNNo&PTNT Việt Nam Em xin cảm ơn hướng dẫn, bảo tận tình TS Nguyễn Mạnh Thế, giảng dạy thầy cô khoa Toán Kinh Tế, với hỗ trợ Ban giám đốc các bộ, nhân viên Ngân hàng Nông nghiệp Phát triển Nông thôn Việt Nam chi nhánh Hoàng Quốc Việt giúp đỡ em hoàn thành đề án CHƯƠNG I: LÝ THUYẾT TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG CÁ NHÂN 1.3.1 Vai trò cần thiết khách quan XHTD khách hàng cá nhân 1.3.1.1 Đối với ngân hàng  XHTD sở để lựa chọn khách hàng cho vay Hoạt động ngân hàng hoạt động chứa nhiều rủi ro Đặc biệt quan hệ tín dụng, rủi ro mà ngân hàng phải gánh chịu nguyên nhân từ phía ngân hàng mà từ phía khách hàng Chính vậy, XHTD trở thành khâu thiếu quan hệ tín dụng  Xây dựng sách phù hợp với khách hàng Bất vay chứa đựng rủi ro tiềm ẩn cho ngân hàng Tuy nhiên, mà ngân hàng từ chối khoản vay Tùy theo kết xếp hạng tín dụng khách hàng, ngân hàng đưa sách phù hợp như:  Cung cấp sản phẩm tín dụng  Mức lãi suất áp dụng  Sử dụng tài sản đảm bảo  Phân loại quản lý nợ Theo Quyết định số 493/2005/QĐ-NHNN: tổ chức tín dụng phải xây dựng hệ thống XHTD nội để hỗ trợ cho việc phân loại quản lý nợ Căn vào kết XHTD, ngân hàng tiến hành trích lập dự phòng quản lý nợ theo quy định Nhà nước  Ngoài ra, hệ thống xếp hạng giúp cho ngân hàng xây dựng chiến lược Marketing hiệu quả, hướng tới đối tượng khách hàng rủi ro tiềm cho ngân hàng 1.3.1.2 Đối với khách hàng cá nhân Kết xếp hạng tín dụng cá nhân có ý nghĩa không nhỏ khách hàng Như trình bày phần trên, vay ngân hàng tiềm tàng rủi ro Nhưng mà vay với rủi ro thấp chấp nhận Rõ ràng, với nhóm khách hàng có rủi ro thấp, ngân hàng cho vay với mức lãi suất ưu đãi Còn nhóm khách hàng có rủi ro cao phải chịu mức lãi suất cao điều kiện cho vay khắt khe Làm vậy, ngân hàng vừa cung cấp tín dụng cho nhiều khách hàng, lại vừa đảm bảo an toàn cho vốn vay Các khách hàng đến vay vốn ngân hàng, muốn chấp thuận cần phải có điều kiện định Nếu khách hàng nhà kinh doanh, nhà đầu tư, tất yếu phải có chiến lược kinh doanh khả thi, làm ngân hàng tin tưởng vào khả trả nợ khách hàng cho khách hàng vay vốn Nói để thấy rằng, xét mặt này, hệ thống XHTD tạo điều kiện thúc đẩy khách hàng xây dựng chiến lược kinh doanh hiệu để thu lợi nhuận cao trả nợ cho ngân hàng 1.3.2 Các yếu tố thường xem xét thực XHTD khách hàng cá nhân Dưới tiêu thường ngân hàng xem xét thực xếp hạng tín dụng khách hàng cá nhân  Đặc điểm nhân thân khách hàng Các thông tin nhân thân khách hàng thông tin đánh giá khả trả nợ khách hàng Các thông tin nhân thân thường xem xét xếp hạng tín dụng bao gồm:  Tuổi khách hàng  Giới tính: Nam hay nữ  Tình trạng hôn nhân  Trình độ học vấn: Khả trả nợ khách hàng có trình độ Đại học & Đại học với khách hàng có trình độ Đại học khác  Tính chất công việc tại: Người quản lý, hay cán bộ, nhân viên,  Thời gian làm công việc tại: Dùng để đánh giá mức độ gắn bó khách hàng với công việc họ làm  Thông tin điều kiện sống khách hàng  Xem xét thông tin điều kiện sống khách hàng giúp cho cán tín dụng đánh giá tác động yếu tố xung quanh tới khả trả nợ khách hàng Dưới vài yếu tố điều kiện sống khách hàng thường sử dụng thực xếp hạng tín dụng:  Số người phụ thuộc gia đình: Những người phụ thuộc người già, trẻ em, khả làm việc tạo thu nhập Số người phụ thuộc lớn, gánh nặng cho khách hàng lớn hơn, tất yếu, khả trả nợ họ giảm  Tình trạng chỗ ở: Khách hàng có nhà riêng hay thuê nhà vấn đề cần xem xét Những khách hàng nhà thuê hàng tháng phải chịu thêm khoản chi phí cho việc thuê nhà  Ngoài ra, yếu tố xem xét là: đặc điểm nơi cư trú khách hàng, mức độ rủi ro công việc mà khách hàng làm…  Tình hình tài cá nhân  Thu nhập hàng tháng: Người có mức thu nhập cao ổn định khả trả nợ lớn người có mức thu nhập thấp  Tiết kiệm hàng tháng  Tài sản bảo đảm: Ngân hàng quan tâm đến loại tài sản đảm bảo, tính khoản tài sản, tức dễ dàng nhượng bán, tài sản đảm bảo dễ dàng xác định giá trị thị trường giá trị tài sản đảm bảo Thông thường ngân hàng cho vay tối đa 70% giá trị tài sản đảm bảo  Ngoài có yếu tố khác như: Mối quan hệ khách hàng với ngân hàng, số dịch vụ khách hàng sử dụng ngân hàng,… 1.3.3 Quy trình XHTD Sơ đồ: Quy trình XHTD khách hàng cá nhân Xác định mục đích xếp hạng Phân tích thông tin Rút kết luận đánh giá Thỏa mãn mục đích xếp hạng, đảm bảo xác, khách quan Đưa kết đánh giá thức Đồng ý cho ĐT vay vốn Theo dõi, giám sát đối tượng Không thỏa mãn Thu thập thông tin đối tượng cần xếp hạng 1.3.4 Các phương pháp XHTD cá nhân 1.3.4.1 Phương pháp chuyên gia Đây phương pháp thông qua việc tham khảo, tập hợp ý kiến chuyên gia lĩnh vực đó, từ đưa nhận định đánh giá Để áp dụng phương pháp chuyên gia, phải thông qua bước, bao gồm:  Lựa chọn chuyên gia phù hợp  Trưng cầu ý kiến chuyên gia  Tập hợp phân tích ý kiến, đánh giá chuyên gia  Các chuyên gia giỏi có nhìn bao quát, nắm vấn đề nội lĩnh vực mà họ nghiên cứu, từ đưa đánh giá, dự báo tương lai, giải pháp, phương hướng giải dựa kinh nghiệm, kiến thức chuyên môn kiến thức thực tế… Mục đích phương pháp chuyên gia đánh giá tình hình tại, dự báo biến động tương lai lĩnh vực thông qua ý kiến chuyên gia Trong XHTD, việc sử dụng phương pháp chuyên gia giúp tận dụng kinh nghiệm từ trải nghiệm thực tế, quan sát đối tượng, dự đoán mối quan hệ nhân thân khách hàng, tình hình tài với khả trả nợ, kiến thức tổng quát liên quan đến vấn đề này… Thực tế, có không mô hình sử dụng phương pháp chuyên gia  Bảng câu hỏi đánh giá cổ điển  Hệ thống định tính  Hệ thống chuyên gia Kết phương pháp chuyên gia phụ thuộc nhiều kinh nghiệm thực tế, đánh giá mang tính chủ quan chuyên gia tính dụng về: Khả đảm bảo trả nợ khách hàng mối tương quan tiêu (đặc điểm nhân thân, điều kiện sống, tình hình tài chính) đến khả trả nợ 1.3.4.2 Phương pháp thống kê Trong thực tế, có nhiều mô hình thống kê sử dụng XHTD Có thể kể đến vài mô hình như:        Mô hình hồi quy; Mạng Neutral; Mô hình phân tích phân biệt (MDA) Phương pháp lân cận gần K; Mô hình Logit, Probit; Phương pháp giải thuật di truyền Sơ đồ phân loại Khác với mô hình XHTD định tính, mang đậm tính chủ quan người chấm điểm, mô hình XHTD sử dụng phương pháp thống kê xây dựng dựa số liệu khứ Trong mô hình thống kê đó, mô hình Logistic (hay logit) sử dụng để xây dựng mô hình XHTD Điểm bật mô hình Logistic là: Các biến đưa vào mô hình biến định tính, biến định lượng, không đòi hỏi phải phân phối chuẩn mô hình phân tích phân biệt Ngoài ra, mô hình Logistic đưa xác suất mà khách hàng cá nhân trả nợ, vậy, dự báo xác so với mô hình chấm điểm cách định tính Bảng 3.2 Thống kê mô tả biến mô hình Bảng 3.3 Ma trận hệ số tương quan cặp biến mô hình Biến tnhap tkiem có tương quan chặt với nhau: Hệ số tương quan biến = 0.9312 Như vậy, đưa biến vào mô hình, xảy tượng đa cộng tuyến Tuy nhiên, đa cộng tuyến không ảnh hưởng đến khả dự báo mô hình, làm tăng khả dự báo Để giải tượng đa cộng tuyến, có nhiều hướng giải như: Loại bỏ biến có tương quan chặt, tăng kích thước mẫu, giữ biến nhằm tăng khả dự báo mô hình 3.2.3 Ước lượng mô hình phân tích kết Ta tiến hành ước lượng mô hình:  Mô hình 1: Ước lượng mô hình Logistic với đầy đủ 24 biến Sau đó, loại biến ý nghĩa thống kê (Prob > 0.1) khỏi mô hình, ước lượng mô hình Logistic với biến lại  Mô hình 2: Loại biến tkiem khỏi mô hình để khắc phục tượng đa cộng tuyến Sau uớc lượng biến lại, loại bỏ biến ý nghĩa thống kê khỏi mô hình Kết ước lượng mô hình sau: Bảng 3.4 Kết ước lượng mô hình với đầy đủ 24 biến Bảng 3.5 Kết ước lượng mô hình sau loại biến ý nghĩa thống kê  Mô hình sau loại biến ý nghĩa thống kê chịu tác động tượng đa cộng tuyến, nhiên, tất biến mô hình có mức ý nghĩa cao (Prob < 0.1)  Theo kết hồi quy mô hình, thứ tự tác động mạnh giảm dần biến lên xác suất khách hàng trả nợ cho ngân hàng là: hv, ts1, dvu, tgct, tkiem, gdinh, gtinh, rrcao Các biến có tác động thuận chiều, làm tăng khả trả nợ khách hàng gồm có: hv, dvu, ts1, tnhap Các biến có tác động ngược chiều, làm giảm khả trả nợ khách hàng biến lại: gdinh, tgct, ginh, rrcao, tkiem  Biến tkiem có tác động ngược chiều mô hình có tượng đa cộng tuyến chưa khắc phục Bảng 3.6 Kết ước mô hình sau loại biến tkiem để khắc phục tượng đa cộng tuyến Bảng 3.7 Kết ước lượng mô hình sau loại biến tkiem biến ý nghĩa thống kê  Sau ước lượng mô hình loại biến tkiem, mô hình không tượng đa cộng tuyến Tiếp tục loại biến ý nghĩa thống kê, ta kết ước lượng Bảng 3.7  Trong mô hình có biến tgct, thue có Prob > 0.1, nhiên Prob biến không lớn mức ý nghĩa 10% nhiều nên chấp nhận mô hình để tăng mức dự báo  Mặc dù biến tkiem đưa khỏi mô hình để giải vấn đề đa cộng tuyến, biến tnhap lại trở nên ý nghĩa thống kê  Nhận xét tổng quát mô hình:  Kiểm định Log likelihood Ratio cho thấy mô hình hồi quy phù hợp với Prob = 0.000  Dựa vào giá trị Pseudo R2, ta có mô hình giải thích được: mô hình 1: 51.37%, mô hình 2: 42.93% khả trả nợ khách hàng Như vậy, mô hình – mô hình giải vấn đề đa cộng tuyến lại mô hình có R2 thấp  Về kiểm định -2LL cho thấy, mô hình có số tương đối thấp, điều chứng tỏ mức độ phù hợp mô hình so với tổng thể Trong đó, mô hình có mức độ phù hợp thấp  Độ xác kết dự báo mô hình: Bảng 3.8 Độ xác kết dự báo mô hình Giải thích: Từ bảng trên, ta thấy: Trong 108 khách hàng dự báo có khả trả nợ Ngân hàng có 101 trường hợp dự báo đúng, tỉ lệ dự báo 93.52% Trong 22 người dự báo khả trả nợ, có 17 trường hợp đúng, tỉ lệ dự báo 70.83% Nhìn chung, tỉ lệ dự báo Mô hình 90.77% Bảng 3.9 Độ xác kết dự báo mô hình Giải thích: Trong 107 trường hợp dự báo có khả trả nợ, có 100 trường hợp dự báo đúng, tỉ lệ dự báo 93.46% Trong 23 trường hợp dự báo có khả trả nợ, có trường hợp dự báo đúng, tỉ lệ dự báo 70.83% Như vậy, tỉ lệ dự báo xác mô hình 90.00% Độ xác kết dự báo mô hình cao, xấp xỉ 90% Tuy nhiên, mô hình có độ xác cao hơn, mô hình có độ xác thấp  Lựa chọn mô hình:  Mô hình tượng đa cộng tuyến loại bỏ biến tnhap tkiem Nhưng mức độ xác dự báo mô hình lại thấp mô hình 1, tiêu thống kê mức độ phù hợp mô hình tổng thể, mức độ giải thích mô hình cao mô hình  Do đặc trưng mô hình XHTD khả dự báo Hơn nữa, biến tnhap tkiem lại biến quan trọng, ảnh hưởng trực tiếp đến khả trả nợ khách hàng => Vậy nên, ta lựa chọn mô hình để làm mô hình XHTD Hiện tượng đa cộng tuyến khắc phục tăng kích thước mẫu 3.2.4 Một số đề xuất việc sử dụng mô hình Ta nhận thấy, bắt đầu đưa vào mô hình, có 24 biến độc lập Tuy nhiên, số biến giảm nhiều ý nghĩa thống kê Nguyên nhân việc nguồn liệu chưa đủ lớn, vậy, ta đề xuất việc sử dụng mô sau:  Tiếp tục cập nhật thông tin khách hàng để ước lượng lại mô hình, tìm biến có ý nghĩa  Kết hợp mô hình với phương pháp định tính truyền thống để đưa bảng xếp hạng tin cậy  Khi có khách hàng cần thẩm định xếp hạng khách hàng, đưa thông tin vào mô hình tính xác suất đối chiếu với bảng xếp hạng để đưa đánh giá KẾT LUẬN Xếp hạng tín dụng từ lâu không khái niệm mẻ giới Việt Nam Tuy nhiên, XHTD Việt Nam mang đậm tính định tính Nền kinh tế Việt Nam đà phát triển, phải kể đến đóng góp không nhỏ hệ thống Ngân hàng XHTD đời nhằm mục đích bảo đảm an toàn cho hoạt động hệ thống Ngân hàng Trong khách hàng đến vay vốn Ngân hàng, khách hàng cá nhân đối tượng hay thay đổi khó quản lý Do vậy, việc sử dụng hệ thống chấm điểm định tính Ngân hàng Việt Nam nay, không ngăn ngừa rủi ro tín dụng Hoàn thiện nâng cao hệ thống xếp hạng tín dụng phương pháp định lượng mô hình Logistic góp phần giảm thiểu rủi ro không đáng có Tuy vậy, mô hình Logistic tồn hạn chế Mặc dù, mô hình ược lượng xác xác suất (khả năng) khách hàng trả nợ vốn vay cho Ngân hàng, lại đòi hỏi nguồn liệu lớn kết xác, khi, thông tin khách hàng cá nhân lại kho thu thập quản lý, điều kiện Việt Nam Bên cạnh đó, mô hình tính đến tác động số biến lên khả trả nợ ngân hàng không tính tác động biến khác Nhận thức ưu điểm tồn nêu trên, với hướng dẫn tận tình TS Nguyễn Mạnh Thế, em chọn đề tài “Xây dựng mô hình xếp hạng đánh giá rủi ro tín dụng cá nhân cho Ngân hàng Nông Nghiệp Phát triển Nông thôn Việt Nam” làm chuyên đề tốt nghiệp Tuy nhiên, vấn đề nghiên cứu phức tạp, kiến thức thân hạn hẹp, vậy, chuyên đề em tránh khỏi sai sót Em hy vọng nhận đóng góp thầy, cô giáo để hoàn thiện đề tài nghiên cứu Em xin chân thành cám ơn! TÀI LIỆU THAM KHẢO Nguyễn Quang Dong – Kinh tế lượng – NXB Khoa học kỹ thuật – 2006; PGS TS Nguyễn Văn Tiến – Quản trị rủi ro kinh doanh Ngân hàng – NXB Thống Kê; PGS TS Trần Huy Hoàng – Quản trị Ngân hàng – NXB Lao Động Xã Hội; Vương Quân Hoàng, Đào Gia Hưng, Nguyễn Văn Hữu, Trần Minh Ngọc Lê Hồng Phương – Phương pháp thống kê xây dựng mô hình định mức tín nhiệm khách hàng thể nhân – 2006; http://www.saga.vn/utilities/download/downloaddetail.aspx?id=6879 Ngân hàng Nhà nước - Quyết định số 18/2007/QĐ-NHNN việc sửa đổi, bổ sung số điều Quy định phân loại nợ, trích lập sử dụng dự phòng để xử lý rủi ro tín dụng hoạt động ngân hàng tổ chức tín dụng ban hành theo Quyết định số 493/2005/QĐ-NHNN ngày 22 tháng năm 2005 Thống đốc Ngân hàng Nhà nước – 2007; Ngân hàng Nhà nước – “Quyết định 493/2005/QĐ-NHNN: Quy định phân loại nợ, trích lập sử dụng dự phòng để xử lý rủi ro tín dụng hoạt động ngân hàng tổ chức tín dụng” – 2005; Tài liệu nội hoạt động kiểm toán tổ chức tín dụng E&Y – 2006; Dinh Thi Huyen Thanh Stefanie Kleimeier – Credit Scoring for Vietnam’s Retail Banking Market – Maastricht University, Netherlans - 2006 MỤC LỤC LỜI MỞ ĐẦU .1 CHƯƠNG I: LÝ THUYẾT TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG CÁ NHÂN 1.3.1 Vai trò cần thiết khách quan XHTD khách hàng cá nhân 1.3.1.1 Đối với ngân hàng 1.3.2 Các yếu tố thường xem xét thực XHTD khách hàng cá nhân 1.3.3 Quy trình XHTD 1.3.4 Các phương pháp XHTD cá nhân CHƯƠNG II: CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN ĐẾN XẾP HẠNG TÍN DỤNG CÁ NHÂN 12 2.1 Nghiên cứu Vương Quân Hoàng phương pháp thống kê xây dựng mô hình định mức tín nhiệm thể nhân .12 2.2 Nghiên cứu Stefanie Kleimeier Dinh Thi Huyen Thanh mô hình điểm số tín dụng cá nhân áp dụng cho ngân hàng bán lẻ Việt Nam 14 2.3 Mô hình xếp hạng tín dụng cá nhân Ernst & Young Việt Nam 16 CHƯƠNG III: ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG XHTD CÁ NHÂN TẠI NHNNo&PTNT VIỆT NAM 17 3.1 Mô hình Logistic .17 3.2 Phương pháp ước lượng mô hình Logistic 18 3.2.1 Phương pháp Golberger 18 3.2.2 Phương pháp Berkson .21 3.2 Xây dựng mô hình Logistic xếp hạng tín dụng khách hàng cá nhân NHNNo&PTNT Việt Nam 23 3.2.1 Lựa chọn biến cho mô hình .23 3.2.2 Mô tả thống kê 27 3.2.3 Ước lượng mô hình phân tích kết 29 3.2.4 Một số đề xuất việc sử dụng mô hình 36 KẾT LUẬN .37 TÀI LIỆU THAM KHẢO 39 [...]... thuyết về mô hình Logistic nêu trên đây, nhận thấy đây là mô hình có nhiều ưu điểm và phù hợp với việc xếp hạng tín dụng các khách hàng cá nhân ở Ngân hàng Dựa vào các chỉ tiêu trong hệ thống xếp hạng tín dụng nội bộ Ngân hàng Nông Nghiệp và Phát triển Nông thôn Việt Nam, ta lựa chọn những biến phù hợp với mục đích và xây dựng mô hình Logistic xếp hạng tín dụng các khách hàng cá nhân tại Ngân hàng này... người phụ thuộc, thu nhập hàng năm, thu nhặp hàng năm của gia đình  Chấm điểm quan hệ với khách hàng: Gồm các yếu tố Thực hiện cam kết với ngân hàng trong ngắn hạn, thực hiện cam kết với ngân hàng trong dài hạn, các dịch vụ khác đang sử dụng, số dư bình quan tài khoản tiết kiệm trong năm trước 2.3 Mô hình xếp hạng tín dụng cá nhân của Ernst & Young Việt Nam Mô hình XHTD cá nhân của tổ chức kiểm toán... Tình hình chậm trả lãi, Các dịch vụ sử dụng ở ngân hàng, Đánh giá khả năng trả nợ, Lợi nhuận / Doanh thu hoặc thu nhập ròng, Số tiền theo kế hoạch trả nợ / Nguồn trả nợ Căn cứ vào kết quả chấm điểm, E&Y thực hiện xếp hạng tín dụng với 10 mức từ A+ đến D, ứng với tổng điểm cao nhất là 100 cho mức A+ CHƯƠNG III: ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG XHTD CÁ NHÂN TẠI NHNNo&PTNT VIỆT NAM 3.1 Mô hình Logistic Trong. .. 2 mô hình:  Mô hình 1: Ước lượng mô hình Logistic với đầy đủ 24 biến Sau đó, loại các biến không có ý nghĩa thống kê (Prob > 0.1) ra khỏi mô hình, và ước lượng mô hình Logistic với các biến còn lại  Mô hình 2: Loại biến tkiem ra khỏi mô hình để khắc phục hiện tượng đa cộng tuyến Sau đó uớc lượng các biến còn lại, loại bỏ các biến không có ý nghĩa thống kê ra khỏi mô hình Kết quả ước lượng 2 mô hình. .. Vậy, ra rút ra các ( Ni P µi   P $ µ µ µ µ 1) Với mỗi X i ta tính P i = ni N i ; Li = Ln   1− P và w i = N i P i (1 − P i ) µi÷   2) Thực hiện biến đổi biến số và dùng phương pháp OLS để ước lượng mô hình: w i Li = β1 w i + β 2 wi X i + wi u L*i = βµ1 + β¶ 2 X i* + vi 3.2 Xây dựng mô hình Logistic xếp hạng tín dụng khách hàng cá nhân tại NHNNo&PTNT Việt Nam 3.2.1 Lựa chọn biến cho mô hình Từ những... hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ tại Việt Nam Nghiên cứu của Stefanie Kleimeier và Dinh Thi Huyen Thanh được thực hiện dựa trên việc xây dựng mô hình điểm số tính dụng khách hàng cá nhân cho các ngân hàng bán lẻ Nguồn số liệu mà Stefanie Kleimeier và Dinh Thi Huyen Thanh sử dụng được tổng hợp từ các NHTM, gồm 20 biến số – hết là các chỉ tiêu phi tài chính – bao gồm: độ... khi mô tả bằng mô hình kinh tế lượng biến phụ thuộc lại là biến chất, do đó cần phải dùng đến biến giả Mô hình Logit chính là dạng mô hình hồi quy trong đó biến phụ thuộc là biến giả hay biến nhị phân Y có thể nhận 2 giá trị bằng 0 hoặc bằng 1 Giả dụ trong nội dung chuyên đề, Y=1 khi khách hàng cá nhân có khả năng trả nợ và Y=0 khi khách hàng không có khả năng trả nợ cho Ngân hàng Trong mô hình Logistic, ... hình như sau:  Tiếp tục cập nhật thông tin của các khách hàng khi có thể để ước lượng lại mô hình, tìm ra những biến vẫn có ý nghĩa  Kết hợp mô hình với phương pháp định tính truyền thống để đưa ra 1 bảng xếp hạng tin cậy  Khi có khách hàng mới cần thẩm định hoặc xếp hạng khách hàng, đưa thông tin vào mô hình rồi tính xác suất và đối chiếu với bảng xếp hạng để đưa ra đánh giá ... trả nợ của khách hàng Như vậy, mô hình 2 – là mô hình đã giải quyết vấn đề đa cộng tuyến lại là mô hình có R2 thấp hơn  Về kiểm định -2LL cho thấy, cả 2 mô hình đều có chỉ số tương đối thấp, điều này chứng tỏ mức độ phù hợp của mô hình so với tổng thể Trong đó, mô hình 2 có mức độ phù hợp thấp hơn  Độ chính xác kết quả dự báo của 2 mô hình: Bảng 3.8 Độ chính xác kết quả dự báo của mô hình 1 Giải thích:... lý tục pháp lý = 0 nếu ngược lại 3.2.2 Mô tả thống kê Sử dụng bộ số liệu về thông tin của 130 khách hàng tại NHNNo&PTNT với các biến độc lập và biến phụ thuộc được chọn ở trên và phần mềm Stata10, ta có bảng thống kê mô tả của các biến: Bảng 3.2 Thống kê mô tả các biến trong mô hình Bảng 3.3 Ma trận hệ số tương quan cặp giữa các biến trong mô hình Biến tnhap và tkiem có tương quan chặt với nhau: Hệ