Ap dng ham proximity vao bai toan phan làm thế nào để giảm thiểu các nguy cơ rủi ro cho cáccác ngân hàng trong việc liên kết với các đối tác trong nước cũng như nướcngoài

MỞ ĐẦU Đất nước ta đường hội nhập kinh tế quốc tế, đặc biệt việc tham gia tổ chức thương mại quốc tế WTO mang lại hội to lớn cho doanh nghiệp nước để mở rộng đầu tư, phát triển thương hiệu, tiến trường quốc tế đồng thời mở hội cho doanh nghiệp quốc tế vào Việt Nam Trong doanh nghiệp phải kể đến doanh nghiệp kinh doanh lĩnh vực tài - ngân hàng, doanh nghiệp tiên phong việc nắm bắt thời tạo bước phát triển cho cho kinh tế Việt Nam Song song với tiềm lớn rủi ro khó lường ngân hàng bắt tay làm việc với doanh nghiệp họ muốn vay vốn để đầu tư, ví dụ việc lừa đảo, thơng tin sai lệch, Và điều khiến cho ngân hàng lúng túng việc định làm hội đáng quý Do vấn đề đặt làm để giảm thiểu nguy rủi ro cho các ngân hàng việc liên kết với đối tác nước nước Một biện pháp cho toán thiết lập mơ hình phân loại doanh nghiệp cho phép đánh giá doanh nghiệp dựa vào số tiêu chí riêng, từ tạo điều kiện cho ngân hàng hiểu rõ doanh nghiệp mà họ cộng tác, đồng thời tạo thêm kênh thơng tin cho doanh nghiệp ngồi nước việc lựa chọn đối tác kinh doanh Việc phát triển mơ tình hình thực tế Việt Nam cần thiết bách Bài toán phân lớp doanh nghiệp thực khơng cịn giới, việc áp dụng vào Việt Nam hạn chế Một phần việc hạn chế mặt thơng tin cần thu thập khơng xác mơ hình hồi qui cổ điển biến thực tế Trang Gần giới đưa phương pháp giải quyểt triệt để tốn – phương pháp dựa theo mơ hình liệu hỗn hợp (mixed data) hàm promixity ( hàm “gần gũi” ) Phương pháp áp dụng cho loại biến thực tế, mà áp dụng nhiều lĩnh vực không ngành tài ngân hàng mà điều tra xã hội, nhân chủng học, Và kết thu có độ xác vượt trội so với phương pháp cổ điển Ở Việt Nam có cơng trình nghiên cứu phương pháp Hà Nội, ngày 25/01/2008 Trang PHẦN I: GIỚI THIỆU CHUNG 1.1 Mục đích chấm điểm tín dụng phân loại khách hàng Việc chấm điểm tín dụng xếp hạng khách hàng thực nhằm hỗ trợ ngân hàng cho vay (NHCV) việc: - Ra định cấp tín dụng: xác định hạn mức tín dụng, thời hạn, mức lãi suất, biện pháp bảo đảm tiền vay, phê duyệt hay không phê duyệt - Giám sát đánh giá khách hàng tín dụng khoản tín dụng cịn dư nợ; Hạng khách hàng cho phép NHCV lường trước dấu hiệu cho thấy khoản vay có chất lượng xấu có biện pháp đối phó kịp thời Xét góc độ quản lý tồn danh mục tín dụng, hệ thống chấm điểm tín dụng xếp hạng khách hàng cịn nhằm mục đích: - Phát triển chiến lược marketing nhằm hướng tới khách hàng có rủi ro Ước lượng mức vốn cho vay không thu hồi để trích lập dự phịng tổn thất tín dụng 1.2 Khái niệm hệ thống chấm điểm tín dụng phân loại khách hàng Hệ thống chấm điểm tín dụng xếp hạng khách hàng quy trình đánh giá xác suất khách hàng tín dụng khơng thực nghĩa vụ tài ngân hàng cho vay (NHCV) khơng trả lãi gốc nợ vay đến hạn vi phạm điều kiện tín dụng khác Các tình rủi ro tín dụng hoạt động cấp tín dụng NHCV Mức độ rủi ro tín dụng thay đổi theo khách hàng xác định thơng qua q trình đánh giá thang điểm, dựa vào thơng tin tài phi tài có sẵn khách hàng thời điểm chấm điểm tín dụng Trang 1.3 Nguyên tắc chấm điểm tín dụng Trong q trình chấm điểm tín dụng, cán tín dụng (CBTD) thu điểm ban đầu điểm tổng hợp để xếp hạng khách hàng Điểm ban đầu điểm tiêu chí chấm điểm tín dụng CBTD xác định sau phân tích tiêu chí Điểm tổng hợp để xếp hạng khách hàng điểm ban đầu nhân với trọng số Trọng số mức độ quan trọng tiêu chí chấm điểm tín dụng (chỉ số tài yếu tố phi tài chính) xét góc độ tác động rủi ro tín dụng Trong quy trình chấm điểm tín dụng xếp hạng khách hàng, CBTD sử dụng bảng tiêu chuẩn đánh giá tiêu chí chấm điểm tín dụng theo nguyên tắc: Đối với tiêu chí bảng tiêu chuẩn đánh giá tiêu chí, số thực tế gần với trị số áp dụng cho loại xếp hạng đó, nằm hai trị số ưu tiên nghiêng phía loại tốt Trong trường hợp khách hàng có bảo lãnh tổ chức có lực tài mạnh hơn, khách hàng xếp hạng tín dụng tương đương hạng tín dụng bên bảo lãnh Quy trình chấm điểm tín dụng bên bảo lãnh giống quy trình áp dụng cho khách hàng 1.4 Phân nhóm khách hàng Do tính chất khác khách hàng, để chấm điểm tín dụng xác, khoa học, ta phân chia khách hàng vay thành hai nhóm: - nhóm khách hàng doanh nghiệp - nhóm khách hàng cá nhân (bao gồm cá nhân hộ gia đình) Trong đề tài em sâu vào tốn phân loại khách hàng doanh nghiệp Trang 1.5 Các cơng cụ tốn học áp dụng tốn phân lớp khách hàng Có nhiều mơ hình đưa cho tốn phân lớp, phải kể đến mơ hình hồi qui probit gần mơ hình liệu hỗn hợp 1.5.1 Mơ hình hồi qui Probit tổng quát Trong ngành khoa học thống kê, mô hình Probit kỹ thuật nhiều người biết tới mơ hình tổng qt hóa mơ hình tuyến tính Các mơ hình Probit Chester Ittner Bliss đưa lần vào năm 1935 Với Y biến nhị thức, X véctơ biến hồi qui Mơ hình hồi qui Probit giả sử rằng: P(Y = 1/ X = x) = Φ( x ' β ) (1.1) Trong đó, Φ hàm phân phối tích lũy phân phối chuẩn Tham số β thường ước lượng ước lượng hợp lý cực đại Mơ hình probit sinh mơ hình biến ẩn đơn Giả sử (1.2) Y* = x 'β +ε Trong ε /x~N(0, 1) giả sử Y là biến thị cho biết biến ẩn Y * dương:  nÕu Y *>o Y = (1.3) ng ợ c lại D dng ch rằng: P(Y = 1/ X = x) = Φ( x ' β ) (1.4) 1.5.2 Mơ hình Probit có thứ tự Giả sử Zk biến ngẫu nhiên rời rạc quan sát Đặt Zk* biến ngẫu nhiên liên tục không quát cho: Zk* =Xk’ β + ε k , E[ ε k /Xk] = (1.5) Trang Trong đó: - ε k độc lập khơng có phân phối cách đồng Xk véc tơ q × chiều định tới trung bình có điều kiện Zk* - Bản chất mơ hình hồi qui probit có thứ tự việc giả sử mối quan hệ Zk Zk* theo cách sau:  s1 s   s  m Z= nÕu Z* ∈ A nÕu Z* ∈ A (1.6) nÕu Z* ∈ A m Trong Aj tạo thành phân hoạch không gian S* Zk* nghĩa m A A ∩ Aj = ∅ S* = Ui=1 j i với i ≠ j (1.7) Và số sj giá trị tạo thành không gian S Zk Mục đích kỹ thuật hồi qui probit nhằm bóc tách mối quan hệ S* S Ta xác định không gian trạng thái S* khoảng sau: A1 ≡ (-∞, α1) A ≡ (α1, α 2) A i ≡ (α i+1, α i ) A m ≡ (α m-1, ∞) Ta giả sử m hữu hạn để hạn chế tham biến chưa biết hữu hạn Điều khơng làm phát sinh vấn đề ta ln cho vài trạng thái S thể khoảng lớn tùy ý Đương nhiên, lý thuyết m tăng, nghĩa có nhiều khơng gian trạng thái, kết xác Tuy nhiên thực tế liệu thực tế định giới hạn độ xác kỹ thuật ta thấy Trang khơng có giá trị quan sát trạng thái cực biên ta tăng m lên lớn, trường hợp số tham biến không nhận dạng ta ước lượng chúng Ta thấy εk giả sử độc lập có điều kiện khơng có phân phối giống Cấu trúc phụ thuộc biến quan sát Zk cách rõ ràng sau: P (Zk = s j / Zk −1 = si ) = P (Z * k ∈ Aj / Z * k −1 ∈ Ai ) (1.8) Nếu biến Xk Wk độc lập mặt thời gian biến quan sát Zk độc lập mặt thời gian Ta đòi hỏi εk độc lập cách có điều kiện để từ phụ thuộc theo chuỗi nắm bắt nhờ biến Xk Wk Phân phối có điều kiện biến quan sát Zk xác định biên phân hoạch phân phối đặc biệt ε k Với ε k tuân theo phân phối Gauss phân phối có điều kiện là: P (Zk = s j / X k ,Wk ) = P (X'k β +εk ∈ A i /X k ,Wk ) P (X'k β +εk ≤ α1 / X k ,Wk )  = P (αi −1 ≤ X'k β +εk ≤ αi / X k ,Wk ) P (α