TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN NGUYỄN HẢI TRƯỜNG ĐÁNH GIÁ KHẢ NĂNG TRẢ NỢ VÀ PHÂN LOẠI KHÁCH HÀNG VAY TÍN CHẤP TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM THỊNH VƯỢNG Chuyên ngành: Điều khiển học kinh tế TÓM TẮT LUẬN VĂN HÀ NỘI - 2017 TÓM TẮT LUẬN VĂN Trong hoạt động kinh doanh NHTM, hoạt động tín dụng chiếm tỷ trọng lớn đóng góp phần lớn vào tổng lợi nhuận ngân hàng.Đồng thời,hoạt động tín dụng hoạt động tiềm ẩn nhiều rủi ro cho ngân hàng khách hàng không đủ khả không thực đầy đủ nghĩa vụ trả nợ ngân hàng Rủi ro tín dụng ảnh hưởng trực tiếp đến ngân hàng cho vay, sau đến ngân hàng bên có liên quan, lan rộng cịn ảnh hưởng xấu đến toàn kinh tế, đặc biệt kinh tế phát triển Việt Nam Nhóm sản phẩm tín dụng bao gồm sản phẩm cho vay có tài sản đảm bảo (thế chấp) sản phẩm cho vay khơng tài sản đảm bảo (tín chấp), sản phẩm cho vay tín chấp dành cho khách hàng cá nhân sản phẩm phổ biến thị trường ngân hàng TMCP trọng phát triển nhằm phục vụ đối tượng khách hàng, từ người có nguồn thu qua thẻ, tiền mặt đến hộ kinh doanh với mục đích vay đa dạng như: mua sắm nội thất, mua xe, cưới hỏi, du học, mở rộng sản xuất kinh doanh…Do tính chất sản phẩm khách hàng vay khơng cần chấp tài sản số tiền vay tối đa lên đến 500 triệu đồng, nên sản phẩm tiềm ẩn nhiều rủi ro ngân hàng khách hàng không đủ khả không thực đầy đủ nghĩa vụ trả nợ Đề tài: “Đánh giá khả trả nợ phân loại khách hàng vay tín chấp Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank)” thực nhằm xác định yếu tố ảnh hưởng tới khả trả nợ (xác suất có nợ hạn) khách hàng vay tín chấp, để sau phân loại khách hàng (“tốt” – khơng có nợ q hạn, “xấu” – có nợ hạn) Những kết thu từ nghiên cứu sở để hỗ trợ ngân hàng định nên cho vay hay không, cho vay cho vay với lãi suất ưu đãi hay lãi suất thường khách hàng Còn khách hàng hữu, việc đánh giá khả trả nợ khách hàng giúp cho ngân hàng nhận diện khách hàng “xấu” (khả cao có nợ hạn), từ đưa biện pháp xử lý để hạn chế rủi ro từ khoản vay khách hàng Dựa nghiên cứu trước việc người ta khả chi trả khoản nợ với ngân hàng Livingston Lunt (1992), Lea (1993), Cox Jappelli (1993), Duca and Rosenthal (1993), Black and Morgan (1998), Crook (2001), Vương Qn Hồng (2006), mơ hình chấm điểm tín dụng FICO, hệ thống xếp hạng tín dụng cá nhân BIDV, Vietinbank, Erst& Young, với việc nghiên cứu phân tích liệu khách hàng vay tín chấp VPBank, tác giả đề xuất mơ hình nghiên cứu bao gồm 11 yếu tố ảnh hướng tới khả trả nợ khách hàng vay tín chấp, bao gồm: độ tuổi, giới tính, tình trạng nhân, trình độ học vấn, chức vụ công tác, thu nhập hàng tháng khách hàng, số sản phẩm khách hàng nắm giữ, thời hạn cho vay, thời gian lại khoản vay, lãi suất cho vay dư nợ gốc lại khoản vay Trong nghiên cứu này, tác giả sử dụng kết hợp hai phương pháp nghiên cứu nghiên cứu định tính nghiên cứu định lượng Nghiên cứu định tính dùng để xử lý làm liệu Nghiên cứu định lượng dùng để xây dựng mơ hình dự báo đánh giá chất lượng mơ hình Nghiên cứu định lượng thực việc sử dụng liệu thứ cấp lấy từ hệ thống T24bao gồm thơng tin 45,876 khoản vay tín chấp khách hàng cá nhân VPBank chốt đến thời điểm 31/12/2016 Sau xử lý làm liệu, tác giả sử dụng phân tích thống kê mơ tả để tìm hiểu mối quan hệ biến mơ hình Theo kiểm định t-test kết cho thấy có khác biệt độ tuổi, thu nhập hàng tháng, thời gian lãi suất vay hai nhóm khách hàng có khơng có nợ q hạn, khơng có khác biệt thời gian cịn lại khoản vay, dư nợ gốc hai nhóm khách hàng Theo kiểm định Pearson's Chi-squared kết cho thấy với mức ý nghĩa 99% biến rời rạc giới tính, tình trạng nhân, trình độ học vấn chức vụ công tác khách hàng có mối quan hệ với biến nợ hạn (biến đầu mơ hình) Vì vậy, đưa biến vào để xây dựng mơ hình dự báo Mơ hình sử dụng để xây dựng mơ hình dự báo mơ hình hồi quy Logistic Ban đầu ta chia tập liệu làm hai phần: liệu huấn luyện (training data) liệu kiểm tra (testing data) phương pháp lấy mẫu ngẫu nhiên không hoàn lại Dữ liệu huấn luyện chiếm 70% tổng quan sát, liệu kiểm tra bao gồm 30% số quan sát lại Dữ liệu huấn luyện sử dụng để xây dựng mơ hình dự báo, cịn liệu kiểm tra sử dụng để dự báo xác suất khách hàng có nợ hạn (tức hạn từ 10 ngày trở lên theo định nghĩa NHNN), từ phân loại khách hàng (“tốt” – khơng có nợ hạn, “xấu” – có nợ hạn) tập liệu kiểm tra dựa vào giá trị ngưỡng xác suất 0.5, nghĩa xác suất khách hàng có nợ q hạn lớn 0.5 khách hàng gọi khách hàng “xấu”, ngược lại, xác suất khách hàng có nợ q hạn khơng lớn 0.5 khách hàng gọi khách hàng “tốt” Sau tác giả so sánh kết phân loại khách hàng theo mơ hình dự báo nhóm khách hàng thực tế liệu kiểm tra để từ đánh giá chất lượng mơ hình dự báo Kết mơ hình hồi quy Logisticdựa liệu huấn luyện cho thấy với mức ý nghĩa 99% tất 11 yếu tố đề cập ảnh hướng đến khả có nợ hạn khách hàng vay tín chấp, bao gồm: độ tuổi, giới tính, tình trạng nhân, trình độ học vấn, chức vụ công tác, thu nhập hàng tháng khách hàng, số sản phẩm khách hàng nắm giữ, thời hạn cho vay, thời gian lại khoản vay, lãi suất cho vay dư nợ gốc lại khoản vay Trong q trình xây dựng mơ hình tác giả xử lý vấn đề liệu không cân (imbalanced data), độ tương quan biến, vấn đề đa cộng tuyến loại bỏ biến khơng có ý nghĩa thống kê thơng qua việc sử dụng hàm phần mềm phân tích R (phần mềm sử dụng đề tài nghiên cứu) Kết đánh giá chất lượng mơ hình liệu kiểm tra cho thấy AUC = 0.76 (chất lượng dự báo khá), tỷ lệ dự báo khoản vay có nợ hạn thực tế 73% (tức 100 khoản vay có nợ hạn thực tế mơ hình dự báo xác 73 khoản vay) Kết nghiên cứu mơ hình dự báo giúp ngân hàng việc đánh giá khả trả nợ khách hàng vay tín chấp (khả có nợ q hạn khách hàng) khách hàng hữu khách hàng mới, phân loại khách hàng “tốt”/ “xấu” để từ đưa biện pháp, sách phù hợp với đối tượng khách hàng nhằm giảm thiểu rủi ro khoản vay tín chấp tiềm ẩn nhiều rủi ro khách hàng vay không cần chấp tài sản So với nghiên cứu trước đây, điểm đóng góp nghiên cứu tác giả bao gồm: đối tượng nghiên cứu (khách hàng cá nhân vay tín chấp); liệu lớn với 45,876 mẫu quan sát đáng tin cậy (dữ liệu thu thập từ hệ thống ngân hàng lõi); đề cập đến vấn đề liệu không cân (imbalanced data) – vấn đề thường gặp thực tế toán ngân hàng như: dự báo thẻ đóng, dự báo khoản vay có nợ hạn, có nợ xấu… Trong đề tài nghiên cứu tác giả, toán đặt dự báo khoản vay có nợ hạn (quá hạn từ 10 ngày trở lên) Số khoản vay có nợ hạn chiếm khoảng 5% tổng số khoản vay, vậy, khó để xây dựng mơ hình dự báo với độ xác cao không xử lý vấn đề liệu không cân nêu Trong đề tài nghiên cứu để xử lý vấn đề liệu không cân tập liệu huấn luyện tác giả sử dụng phương pháp “oversampling” (sao chép ngẫu nhiên có hồn lại khoản vay có nợ hạn cho số khoản vay có nợ hạn với số khoản vay khơng có nợ q hạn), phương pháp “resampling” (lấy mẫu lại) Kết đánh giá chất lượng dự báo tập liệu kiểm tra dựa vào số AUC cho thấy: AUC chưa xử lý liệu không cân có 0.6 – chất lượng dự báo kém, AUC sử dụng phương pháp “oversampling” để xử lý liệu không cân 0.76 – chất lượng dự báo Ngoài ra, liệu ngân hàng lớn trình nhập liệu thường có sai sót liệu khơng đẩy đủ xuất phát từ lỗi chuyên viên nhập liệu từ hệ thống, nên liệu thường chưa làm Việc xử lý làm liệu nhiều thời gian công sức Hạn chế đề tài nghiên cứu việc sử dụng mơ hình hồi quy Logistic để dự báo khoản vay có nợ q hạn chưa đem lại độ xác thực cao vấn đề liệu không cân Trong tương lai, cần nhữngmơ hình cao cấp để cải thiện chất lượng dự báo tốn liệu khơng cân nêu mơ hình định hay mơ hình kết hợp ... vụ trả nợ Đề tài: ? ?Đánh giá khả trả nợ phân loại khách hàng vay tín chấp Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank)” thực nhằm xác định yếu tố ảnh hưởng tới khả trả nợ (xác suất có nợ hạn) khách. .. thường khách hàng Còn khách hàng hữu, việc đánh giá khả trả nợ khách hàng giúp cho ngân hàng nhận diện khách hàng “xấu” (khả cao có nợ hạn), từ đưa biện pháp xử lý để hạn chế rủi ro từ khoản vay khách. .. suất khách hàng có nợ q hạn lớn 0.5 khách hàng gọi khách hàng “xấu”, ngược lại, xác suất khách hàng có nợ q hạn khơng lớn 0.5 khách hàng gọi khách hàng “tốt” Sau tác giả so sánh kết phân loại khách