Đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam

Lýdochọnđềtài

Như vậy hoạt động cho vay đối với các doanhnghiệpchỉthựcsựhiệuquảkhidoanhnghiệpđảmbảokhảnăngtrảnợđầyđủ,đúnghạn cho Ngân hàng, do đó Ngân hàng rất cần có sự đánh giá đầy đủ, khách quan vềkhả năng trả nợ, từ đó tạo tiền đề cho việc thiết lập, mở rộng quan hệ tín dụng đốivới các khách hàng mới và khách hàng hiện hữu mà vẫn đảm bảo được sự hiệu quảcả về quy mô và chất lượng; hạn chế tối đa xảy ra rủi ro không trả được nợ từ phíaKhách hàng, từ đó góp phần kiểm soát tỷ lệ nợ xấu và gia tăng lợi nhuận cho Ngânhàng. Với kinh nghiệm công tác nhiều năm của bản thân tại BIDV với vị trí chuyên viên tín dụng doanh nghiệp và vị trí chuyên viên kiểm tra, giám sát tuân thủ của hệthống BIDV, tác giả nhận thấy BIDV có nền khách hàng doanh nghiệp vay vốn rấtdồi dào và đa dạng về ngành nghề cũng như quy mô, tuy nhiên khả năng trả nợ củacác Doanh nghiệp đang quan hệ tín dụng tại các chi nhánh trong hệ thống BIDV làkhônggiốngnhau;nhữngnghiêncứutrướcđâyđaphầnchỉtậptrungphântích,đánhgiá khả năng trả nợ của các khách hàng doanh nghiệp trong phạm vi chi nhánh màhọ đang công tác, dẫn đến nghiên cứu bị thu hẹp trong đặc thù hoạt động, về địnhhướngcủalãnhđạochinhánhvàcáclýdoriêngbiệtkháccủachinhánh;chưacósựđa dạng, đầy đủ về quy mô doanh nghiệp, về ngành nghề kinh doanh khi tiến hànhnghiên cứu, chính vì thế chưa đảm bảo được sự hiệu quả của mô hình đánh giá khảnăng trảnợ khimở rộngratoànhệthống củaNgânhàng.

Câuhỏinghiêncứu

- Thứ ba,Ngân hàng cần có các giải pháp nào để cải thiện, nâng cao hiệu quảtrong việc đánh giá khả năng trả nợ của doanh nghiệp để không bỏ sót các doanhnghiệp tốt,giảmthiểutốiđarủiro tíndụngchoNgânhàng.

Bốcụccủađềtài

Khi khách hàng không có khả năng trả nợ theo đúng cam kết trong Hợp đồngtíndụngđãkývớiNgânhàngsẽdẫnđếnquáhạncáckhoảnnợ;trongbàinghiêncứucủa Đinh Mai Long (2015) đã đề cập đến định nghĩa về nợ xấu của nhiều tổ chứctrên thế giới, cụ thể như: Quỹ Tiền Tệ quốc tế (IMF) và Liên Hợp Quốc (nhómchuyên gia tư vấn –AEG) cho rằng nợ xấu là khoản nợ quá hạn trả lãi và/hoặc gốctrên 90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, táicấpvốnhoặctrảtheothỏathuận,hoặccáckhoảnphảithanhtoánđãquáhạndưới90ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanhtoánđầyđủ;cònđịnhnghĩacủaỦybanBaselvềgiámsátNgânhàng(BCSC)khôngđưarathờigianquáhạ nchitrảkhikhoảnnợbịcoilà“xấu”màchorằngđólà“khoảnnợ đã quá hạn và Ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khiNgân hàng chưa thực hiện hành động gì để cố gắng thu hồi”; riêng Ngân hàng trungương Châu Âu (ECB) căn cứ trên tiêu chí chủ yếu của BCSC, cho rằng “một khoảnnợ được coi là xấu khi quá hạn trả lãi và gốc trên 90 ngày trở lên, phù hợp với địnhnghĩa của Basel II về tổn thất, hoặc khi có lý do chắc chắn đề nghi ngờ về khả năngkhoảnvaysẽđược thanhtoánđầyđủ”. KếtquảhồiquyBinaryLogisticchothấykhôngchỉcácyếutốvềtàichínhcủadoanh nghiệp mà các yếu tố phi tài chính cũng có những ảnh hưởng nhất định đếnrủiromấtkhảnăngtrảnợcủadoanhnghiệp,cụthểcó9/12biếnđộclậpcótácđộngcùng chiều đến khả năng trả nợ làChỉ số thanh toán ngắn hạn, Chỉ số thanh toánnhanh, Vòng quay hàng tồn kho, Vòng quay các khoản phải thu, ROE, ROA, Trìnhđộ quản lý, Số năm hoạt động, Quy mô doanh nghiệp; có 3/12 biến độc lập có tácđộng ngược chiều đến khả năng trả nợ làHệ số nợ, Vốn vay ngân hàng, Lịch sử tíndụng.Trong bài nghiên cứu này tác giả cũng đã xác định nhân tố có tác động lớnnhấtđếnxácsuấtkhảnăngtrảnợ làChỉsốthanhtoánngắnhạn. Trêncơsởcácnghiêncứucóliênquan,tácgiảlựachọnBiếnđònbẩytàichínhđể áp dụng trong bài nghiên cứu để thay thế nhân tố hệ số nợ mà các nghiên cứutrước áp dụng và phù hợp hơn với quy định của Ngân hàng Nhà nước tại Thông tưsố 41/2016/TT-NHNN ngày 30/12/2016, đồng thời phù hợp với chính sách cấp tíndụngcủaBIDV(từ11/2020chỉsố“Đònbẩytàichính”đãđượcápdụngđể thaythếchỉsốHệsốnợtrướcđây).BiếnĐònbẩytàichínhđượcđolườngbằngTổngnợvayvànợthuêtàichín h(ngắnhạnvàdàihạn)/Tổngtàisản.Nếuhệsốnàycànglớnchothấy số tiền vay nợ của doanh nghiệp chiếm tỷ trọng cao trong cơ cấu tài sản, doanhnghiệp lệ thuộc quá nhiều vào nợ vay sẽ chịu áp lực tài chính lớn, do đó tiềm ẩn rủirosuygiảmkhảnăng trảnợvayNgânhàng.

Trong bài nghiên cứu này, tác giả lựa chọn Biến Vòng Quay tài sản (được đolường bằng công thức Doanh thu thuần/Tổng tài sản) để đánh giá mức độ hiệu quảtrong sử dụng tài sản của doanh nghiệp, tỷ số này cho thấy 1 đồng tài sản được sửdụngtronghoạtđộngkinhdoanhtạorabaonhiêuđồngdoanhthu.Doanhnghiệpcótỷsốnàycànglớnch ứngtỏvòngquaytàisảncàngnhanhvàtạoradoanhthucaođểbùđắpchiphí,trongđócóchiphínợvaytạiNgâ nhàng;điềunàychothấykhảnăngtrả nợ của khách hàng là tốt hơn và có tính đảm bảo nhiều hơn, rủi ro suy giảm trảnợ thấp. TrongnghiêncứunàytácgiảsẽtiếnhànhtínhtoántỷlệTSBĐbằngtỷsốgiữaTổng giá trị tài sản sau quy đổi/ Tổng dư nợ bình quân của từng khách hàng doanhnghiệp(hệ số quy đổi của từng loại tài sản áp dụng theo quy định hiện hành củaBIDV), sở dĩ việc áp dụng hệ số quy đổi để phản ánh chính xác hơn về mức độ đảmbảo tại Ngân hàng theo tính thanh khoản của các tài sản(ví dụ các tài sản như bấtđộng sản, tiền gửi thì hệ số sẽ cao hơn các tài sản là máy móc, phương tiện vậntải..).

ThựctrạngtíndụngtạiBIDV

2020mặcdùphảichịuảnhhưởnglớntừdịchbệnhcovid19nhưngsốdưtiềngửivàchovaynăm2020đềutăng sovới2019; Lợi nhuậnđãsụt giảmhơn15%đếntừviệcgiảmlãi suất chovayvàcơcấunợ(giữnguyênnhómnợ)chocáckháchhàngvaybịảnhhưởngbởidịchbệnhcovid1 9tronggiaiđoạnnày,tuynhiênvớiviệctăngtrưởngvềsốdưhuyđộngvốnvàdưnợchovayđãphầnnàoc hothấynỗlựccủaBIDVtronggiaiđoạnkhó khănvừaqua. Nguồn:BCTCcủaBIDVgiaiđoạn 2017 –2020 (đã kiểm toán) Từbảng4.2cóthểthấymặcdùhoạtđộngtíndụngluôncósựtăngtrưởngquacác năm, nhưng đi kèm với đó là rủi ro khách hàng không trả được nợ dẫn đến giatăng các khoản nợ quá hạn, nợ xấu, ảnh hưởng đến khả năng thu hồi vốn của Ngânhàng. Trong giai đoạn 2017 – 2020 nợ nhóm 2 đến nhóm 4 (nợ cần chú ý, nợ dướitiêu chuẩn và nợ nghi ngờ) đều đã giảm đáng kể, điều này cho thấy một phần từ nỗlựctrongcôngtácthuhồinợquáhạn,nợxấu;tuynhiênnợnhóm5(nợcókhảnăngmất vốn) lại tăng cao đột biến với mức tăng bình quân 47% vì trong giai đoạn nàyNgân hàng thực hiện nhiều đề án tái cơ cấu các chi nhánh kém hiệu quả, các chinhánh có nợ tiềm ẩn cao; các khoản nợ xấu lớn, khả năng thu hồi thấp, thời hạn quáhạn trên 360 ngày đều được phân lợi nợ nhóm 5 nhằm phản ánh chính xác, kháchquan chất lượng tín dụng của BIDV nói chung và các chi nhánh trong hệ thống nóiriêng.

Kếtquảnghiên cứutừmôhìnhhồiquy

-NhântốTàisảnbảođảmchothấymứcđộ,tỷtrọngthếchấptàisảncủadoanhnghiệpđểđả mbảochokhoảnvaytạiBIDV,trong360mẫuquansátthìdoanhnghiệpcó tỷ trọng tài sản bảo đảm thấp nhất là 0% (cho vay tín chấp 100%), cao nhất là526%, trung bình đạt 70%, điều này cho thấy đa phần các doanh nghiệp đang vayvốn tạiBIDVđượcvaysố vốn nhiềuhơnphần tàisảnhiệnđang thếchấp. Nguồn:KếtquảtừchươngtrìnhSPSS Vớikếtquảhồiquytạibảng4.8,tácgiảxemxétgiátrịSigcủakiểmđịnhWald,cụ thể giá trị Sig kiểm định Wald của các biến KNTT, VLDR, DB, VQTS, LS, DN,ROA và EQUIA đều nhỏ hơn 0.05 (mức ý nghĩa 5%), do đó các biến này đều có ýnghĩathốngkê.RiêngcácbiếnSNHDvàTSBĐ cóSiglớnhơn0.05,vìvậy02biếnnày khôngcóýnghĩathốngkêkhiphântíchhồiquy. Nguồn:KếtquảtừchươngtrìnhSPSS Hệ số xác định mức độ giải thích của mô hình là giá trị Nagelkerke R SquaretrongBảng4.12,giátrịnàycàngcao(càngtiếnvề1)càngchothấymôhìnhhồiquycóđộphùhợpcao ,cụthểkếtquảhồiquychothấygiátrịNagelkerkeRSquarebằng0.809 (tức 80,9%), điều này cho thấy 80,9% sự thay đổi của biến phụ thuộc (khảnăng trả nợ) được giải thích bằng các biến độc lập KNTT, VLDR, DB, VQTS, LS,DN,ROAvàEQUIAtrongmôhình.

Thảoluậnkếtquảnghiêncứu

-Thứ sáu, biến DN (Số tiền vay) có tác động ngược chiều đến khả năng trả nợcủa KHDN (thể hiện qua hệ số β = -0.004 < 0), điều này có ý nghĩa khi Số tiền vaycàngtăngthìkhảnăngtrảnợcànggiảm.Thựctếnhữngdoanhnghiệpđượccấpgiớihạn tín dụng cao sẽ phải chịu áp lực rất lớn trong việc chi trả nợ gốc và lãi khi đếnhạn,việcchitrảnàydoanhnghiệpphảicânđốitấtcảnguồnthuhoạtđộng. Thực tế những doanh nghiệp sử dụng hiệuquả tài sản trong việc tạo ra lợi nhuận thì luôn đảm bảo được khả năng thanh toánhầu hết các khoản nợ, bao gồm cả nợ vay Ngân hàng, do đó doanh nghiệp có xácsuấttrảnợcao.Kếtquảnàyphùhợpvớigiảthiếtnghiêncứubanđầuvàtươngđồngvới các kết quả nghiờn cứu của Nguyễn Văn Thộp và Tạ Quang Dũng (2017); VừMinh Long (2020); Đỗ Năng Thắng và Nguyễn Văn Huân (2019), Lê Khương NinhvàLêThịThuDiềm(2012). Tác giả đã sử dụng mô hình hồi qua Binary Logistic để đo lườngkhả năng trả nợ của 360 khách hàng doanh nghiệp đang vay vốn tại BIDV, kết quảcho thấy có 2/10 biến độc lập không có ý nghĩa thống kê – trái với giả thiết ban đầucủatácgiả;có8/10biếnđộclậpcóýnghĩathốngkêvàcó sựtácđộng lênkhảnăngtrảnợtươngđồngvớigiảthiếtbanđầucủabàinghiêncứu,cụthể:có5/8biếncótácđộng cùng chiều đến khả năng trả nợ làKhả năng thanh toán, Vốn lưu động ròng,Vòng quay tài sản, Tỷ số ROA, Tỷ số tự tài trợ;có 3/8 biến có tác động ngược chiềuđến khảnăng trảnợ là:Đònbẩytàichính,Lãisuấtvay,Dư nợvay.