5. Bố cục của nghiên cứu
2.3 Vận dụng mô hình Logistic đo lường xác suất vỡ nợ của doanh nghiệp đối vớ
quản trị rủi ro tín dụng của NHTM
2.3.1 Lợi ích từ việc triển khai đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM
2.3.1.1 Công cụ hỗ trợ cho hệ thống chấm điểm, xếp hạng tín dụng nội bộ Hiện nay đa số các NHTM Việt Nam đều có hệ thống xếp hạng khách hàng để làm căn cứ cho thẩm định tín dụng và ra quyết định cho vay. Ví dụ, Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam chia khách hàng ra thành 10 hạng căn cứ vào số điểm khách hàng có được từ hạng AAA đến hạng D. Khách hàng bị xếp hạng BB trở xuống sẽ không thể nhập hợp đồng tín dụng vào hệ thống.
Thực tế, nếu coi hạng khách hàng là biến kết quả, thì các biến nguyên nhân để xác định được biến kết quả trên chính là các đánh giá về tình hình tài chính, phi tài chính của doanh nghiệp vay tiền. Phương pháp, những ưu và nhược điểm của phương pháp xếp hạng tín dụng nội bộ được các NHTM Việt Nam đang áp dụng và phương pháp đo lường xác suất vỡ nợ bằng mô hình Logistic được trình bày tại bảng 2.7.
Bảng 2.7 So sánh phương pháp xếp hạng tín dụng nội bộ và mô hình Logistic Xếp hạng tín dụng nội bộ Mô hình Logistic
Phương pháp
Hạng khách hàng được xác định theo phương pháp chấm điểm các chỉ tiêu với trọng số cho trước
Xác suất vỡ nợ của khách hàng được xác định theo phương pháp đánh giá định lượng dựa trên nền tảng toán học và xác suất thống kê
Kết quả, mục tiêu
Biết được hạng tín dụng của một khách hàng, từ đó xây dựng chính sách tín dụng phù hợp (từ chối hay đồng ý cấp tín dụng, hạn mức, lãi suất...)
Ước tính xác suất vỡ nợ của khách hàng, từ đó xác định các chỉ tiêu khác phù hợp với khuyến cáo của Basel: tổn thất ước tính, vốn yêu cầu để chống
đỡ rủi ro Ưu điểm - Xác định chất lượng tín dụng và mức độ rủi ro theo từng lĩnh vực hay ngành kinh tế. - Giúp xây dựng chính sách khách hàng và quy trình tín dụng đồng bộ, tiết giảm chi phí quản lý, nâng cao hiệu quả hoạt động.
- Tính toán được tổn thất dự tính cho toàn bộ danh mục cho vay của NHTM.
- Loại bỏ được các ý kiến chủ quan của cán bộ tín dụng (do không đưa vào các chỉ tiêu phi tài chính)
Nhược điểm
- Bộ chỉ tiêu đặt ra chưa mang tính định lượng nhiều, dựa trên phương pháp kinh nghiệm, chuyên gia; chưa cập nhật các phương pháp thống kê kinh tế lượng.
- Thông tin chưa được cập nhật thường xuyên, gây khó khăn cho công tác đánh giá lại.
- Kết quả phụ thuộc hoàn toàn vào chất lượng nguồn thông tin và đánh giá chủ quan của cán bộ tín dụng.
- Kết quả chỉ có ý nghĩa tại thời điểm xếp hạng, chưa đưa ra dự báo cho thời gian tiếp theo.
- Chưa tính toán các chỉ tiêu phi tài chính nên chưa đưa vào mô hình đầy đủ các yếu tố tác động đến xác suất vỡ nợ.
- Phụ thuộc vào chất lượng nguồn thông tin nên đặt yêu cầu cao về tính chính xác của báo cáo tài chính và cơ sở dữ liệu lớn, đầy đủ về tình trạng nợ của khách hàng.
Có thể thấy mỗi phương pháp đều có ưu điểm và nhược điểm, các phương pháp này lại không loại trừ lẫn nhau, nên trong thực tế có thể xem việc xác định xác suất vỡ nợ là một công cụ bổ trợ cho phương pháp xếp hạng tín dụng nội bộ mà một số NHTM hiện đang áp dụng: có thể dựa vào kết quả của xác suất vỡ nợ để tái xếp hạng khách hàng.
2.3.1.2 Xây dựng quỹ dự phòng rủi ro sát với rủi ro thực tại của NHTM
Hiện nay, theo các quy định của NHNN về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của các TCTD, các ngân hàng Việt Nam đa phần vẫn áp dụng việc trích lập dự phòng theo “tuổi nợ”. Chỉ có một số ít ngân hàng đã có hệ thống xếp hạng tín dụng nội bộ sử dụng phương pháp định tính để xác định mức độ rủi ro của các khoản tín dụng, từ đó trích lập dự phòng theo tỷ lệ phù hợp. Tuy nhiên, hệ thống xếp hạng tín dụng nội bộ thể hiện nhiều nhược điểm, chủ yếu mang tính hình thức hoặc đang trong giai đoạn thử nghiệm và tiếp tục hoàn thiện. Tuy nhiên, nếu ngân hàng xác định được chính xác xác suất vỡ nợ của danh mục cho vay, từ đó xác định được tổn thất ước tính thì việc trích lập trở nên đơn giản, hiệu quả và chính xác hơn rất nhiều.
Đây cũng chính là phương pháp xác định vốn yêu cầu tối thiểu rủi ro tín dụng được Basel khuyến cáo các NHTM áp dụng, mà xác suất vỡ nợ là một nhân tố cấu thành quan trọng.
2.3.1.3 Tạo điều kiện triển khai các công cụ phái sinh tín dụng
Một trong những công cụ phái sinh tín dụng chủ yếu được nhiều nước trên Thế giới sử dụng là hợp đồng hoán đổi rủi ro tín dụng (Credit Default Swap – CDS).
Hợp đồng hoán đổi rủi ro tín dụng, còn được gọi là hợp đồng hoán đổi rủi ro vỡ nợ tín dụng, ban đầu là một dạng bảo hiểm dành cho trái phiếu tồn tại dưới hình thức một khoản nợ được chứng khoán hoá.
CDS là một loại chứng khoán phái sinh và có thể so sánh với hợp đồng bảo hiểm ở chỗ đây là một thoả thuận hoán đổi rủi ro. Người mua CDS trả cho người bán
một khoản phí để được bảo hiểm cho rủi ro vỡ nợ tín dụng, xảy ra khi một bên thứ ba rơi vào trường hợp vỡ nợ. Phí CDS thường có liên hệ chặt chẽ với việc xếp hạng tín dụng của bên đi vay, và được tính theo tỷ lệ phần trăm hàng năm trên mỗi đơn vị mệnh giá của hợp đồng.
Cách thức thực hiện CDS: hai bên tham gia sẽ hoán đổi cho nhau hai dòng tiền, người mua trả cho người bán dòng phí CDS hàng năm trong suốt thời hạn hợp đồng; người bán trả cho người mua dòng tiền bảo hiểm rủi ro. Dòng tiền bảo hiểm rủi ro sẽ bằng 0 nếu vỡ nợ không xảy ra, ngược lại, sẽ bằng giá trị khoản cho vay được bảo hiểm.
Tuy đã được nhiều nước trên Thế giới áp dụng nhưng công cụ này chưa phát triển tại Việt Nam. Việc xác định chính xác tổn thất có thể dự tính sẽ giúp ngân hàng xác định chính xác được giá trị khoản vay. Điều này sẽ phục vụ hiệu quả cho việc thực hiện quy trình hoán đổi rủi ro tín dụng. Đây là một xu thế tất yếu mà các NHTM Việt Nam sẽ hướng tới vì hoán đổi tín dụng là những công cụ hiệu quả nhất để san sẻ rủi ro và tạo tính linh hoạt trong quản lý danh mục các khoản cho vay của mỗi NHTM.
2.3.1.4 Chỉ tiêu đánh giá, quản trị đội ngũ cán bộ tín dụng
Trên thực tế, nhiều ngân hàng trên thế giới đã xây dựng hệ thống chấm điểm kết quả công việc của cán bộ tín dụng để xác định mức lương và lộ trình thăng tiến phù hợp. Tại Việt Nam, lương và thưởng thường được dựa vào số dư nợ, số lượng khách hàng và thâm niên công tác. Nay, xác suất vỡ nợ có thể giúp ngân hàng xác định chất lượng khoản vay của từng cán bộ tín dụng đang quản lý và đưa chỉ tiêu này vào căn cứ đánh giá cán bộ tín dụng. Điều này tạo động lực quản lý khoản vay chặt để tránh rủi ro, cũng như sẽ hạn chế được rủi ro đạo đức trong công tác xét cấp tín dụng.
2.3.2 Đề xuất vận dụng kết quả mô hình logistic đo lường xác suất vỡ nợ của doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM doanh nghiệp đối với quản trị rủi ro tín dụng của NHTM
Quản trị rủi ro tín dụng là việc nhận diện – đánh giá – đo lường và đề ra các biện pháp quản lý nhằm hạn chế sự xuất hiện của rủi ro và những thiệt hại khi chúng phát sinh.
Dựa theo tinh thần của Basel II, nghiên cứu đề xuất quy trình quản trị rủi ro tín dụng được trình bày tại sơ đồ 2.1.
Sơ đồ 2.1 Quy trình quản trị rủi ro tín dụng đề xuất Xác định từng
yếu tố liên quan: + PD + EAD + LGD Quản trị cấp chi nhánh Xếp hạng tín dụng Quản trị toàn hệ thống + Tính toán rủi ro tín dụng + Tính toán vốn tối thiểu tín dụng
(Nguồn: Tác giả tự xây dựng)
Quản trị cấp chi nhánh
Mỗi chi nhánh trong hệ thống của một ngân hàng sẽ có nhiệm vụ thu thập, xử lý và tổng hợp dữ liệu của khách hàng. Sau đó có trách nhiệm báo cáo về Hội sở để tổng hợp, phân tích. Kết quả đầu ra của hệ thống quản trị cấp chi nhánh là các thông số PD, EAD, LGD được tính toán cho từng khách hàng vay vốn do chi nhánh quản lý. Tuy nhiên, xét về quy mô và mục đích sử dụng, quản trị cấp chi nhánh là việc sử dụng kết quả của quy trình để xếp hạng tín dụng cho từng khách hàng doanh nghiệp vay vốn tại chi nhánh, nhằm phục vụ cho các quyết định: đồng ý hay từ chối cấp tín dụng, phát triển, duy trì quan hệ hay phải có các biện pháp thu hồi, giảm nợ đối với từng khách hàng cụ thể.
Nghiên cứu đề xuất các bước thực hiện cụ thể của quá trình quản trị rủi ro tín dụng cấp chi nhánh như sau:
Yêu cầu của bước này là đảm bảo tính chính xác của báo cáo tài chính và lịch sử khoản vay. Yêu cầu này cũng chính là điều kiện quan trọng để thiết lập được mô hình logistic hiệu quả, từ đó ước lượng chính xác thông số PD.
Để đảm bảo tính chính xác của dữ liệu lịch sử khoản vay (khách hàng default và khách hàng non-default), chi nhánh cần có một hệ thống thông tin đủ mạnh, kết nối toàn hệ thống để có thể lưu trữ trong một khoảng thời gian dài đối với một khách hàng, ngoài ra, hệ thống lưu trữ này cũng phải dễ dàng truy vấn, truy xuất thông tin.
Báo cáo tài chính là một nguồn dữ liệu đầu vào quan trọng trong mô hình logistic thiết kế ở trên. Do vậy, sai lệch thông tin trên báo cáo tài chính dẫn đến việc ước lượng mô hình không chính xác. Điều này đặt ra yêu cầu phải đảm bảo tính chính xác của các thông tin trên báo cáo tài chính do khách hàng cung cấp.
Bước 2 Tính toán các thông số
Đối với thông số PD – Xác suất vỡ nợ của khách hàng:
Tiến hành xử lý dữ liệu và hồi quy như các bước thực hiện ở trên, sau đó thiết lập nên mô hình chuẩn, mô hình này chỉ có giá trị sử dụng trong một thời gian nhất định (đề nghị là 12 tháng) sau đó phải luôn được kiểm định tỷ lệ dự báo đúng trong thực tế: dựa trên ghi chép rõ ràng, đầy đủ về giá trị do mô hình ước lượng được và mức độ, khả năng trả nợ của khách hàng trong thực tế.
Đối với thông số EAD – Tổng dư nợ của khách hàng tại thời điểm khách hàng không trả được nợ:
Nếu khách hàng vay theo hình thức vay từng lần, vay đầu tư (các khoản vay có kỳ hạn) thì EAD được xác định không quá khó khăn.
Nếu khách hàng vay theo hạn mức tín dụng thì có thể dựa trên công thức tính của Basel như sau:
EAD = Dư nợ bình quân + LEQ x Hạn mức tín dụng chưa sử dụng bình quân Trong đó, LEQ (Loan Equivalent Exposure) là tỷ trọng phần vốn chưa sử dụng có nhiều khả năng sẽ được khách hàng rút thêm tại thời điểm không trả được nợ.
Việc xác định LEQ - tỷ trọng phần vốn rút thêm có ý nghĩa quyết định đối với độ chính xác của ước lượng về dư nợ của khách hàng tại thời điểm không trả được nợ. Cơ sở xác định LEQ là các số liệu quá khứ. Điều này dẫn đến những khó khăn lớn trong tính toán. Ví dụ, khách hàng uy tín, trả nợ đầy đủ thường hiếm khi rơi vào tình trạng này, do đó, không thể tính chính xác được LEQ của một khách hàng tốt. Ngoài ra, một số vấn đề dẫn đến sự phức tạp của LEQ có thể còn gồm: loại hình kinh doanh của khách hàng, khả năng khách hàng tiếp cận với thị trường tài chính, quy mô hạn mức tín dụng, tỷ lệ dư nợ đang sử dụng so với hạn mức,…
Đối với thông số LGD – Tỷ trọng tổn thất ước tính:
LGD = (EAD - Số tiền có thể thu hồi)/EAD
Trong đó, số tiền có thể thu hồi bao gồm các khoản tiền mà khách hàng trả và các khoản tiền thu được từ xử lý tài sản thế chấp, cầm cố. Theo nghiên cứu của ủy ban Basel, hai yếu tố giữ vai trò quan trọng nhất quyết định khả năng thu hồi vốn của ngân hàng khi khách hàng không trả được nợ là tài sản bảo đảm của khoản vay và cơ cấu tài sản của khách hàng.
Cơ cấu tài sản của khách hàng được nhắc đến ở đây với ý nghĩa thứ tự ưu tiên trả nợ khác nhau của các khoản phải trả trong trường hợp doanh nghiệp phải phá sản. Trên thực tế, khi một doanh nghiệp phá sản, tỷ lệ thu hồi vốn từ các khoản vay của ngân hàng thường cao hơn tỷ lệ thu hồi vốn từ trái phiếu bởi ngân hàng có quyền được ưu tiên trả nợ trước các nhà đầu tư trái phiếu. Bên cạnh đó, khi kinh tế trong tình trạng suy thoái, tỷ lệ thu hồi vốn cũng sụt giảm. Ngành nghề kinh doanh cũng ảnh hưởng nhất định đến tỷ lệ thu hồi vốn: các khách hàng hoạt động trong lĩnh vực công nghiệp nặng thường cho tỷ lệ thu hồi vốn cao hơn các khách hàng kinh doanh trong lĩnh vực dịch vụ. Hiện nay, tồn tại ba phương pháp chính để tính LGD:
Một là, Market LGD - tỷ trọng tổn thất căn cứ vào thị trường. Phương pháp này được sử dụng khi các khoản tín dụng có thể được mua bán trên thị trường. Ngân hàng có thể xác định tỷ trọng tổn thất của một khoản vay căn cứ vào giá của khoản vay đó
một thời gian ngắn sau khi nó được xếp vào hạng không trả được nợ. Giá này được tính trên cơ sở ước tính của thị trường bằng phương pháp hiện tại hóa tất cả các dòng tiền có thể thu hồi được của khoản vay trong tương lai.
Hai là, Workout LGD - tỷ trọng tổn thất căn cứ vào việc xử lý các khoản tín dụng không trả được nợ. Ngân hàng sẽ ước tính các luồng tiền trong tương lai, khoảng thời gian dự kiến thu hồi được luồng tiền và chiết khấu các luồng tiền này. Việc xác định lãi suất chiết khấu phù hợp là vấn đề mấu chốt và nan giải nhất.
Ba là, Implied Market LGD - xác định tỷ trọng tổn thất căn cứ vào giá các trái phiếu rủi ro trên thị trường.
Bước 3 Sử dụng kết quả đầu ra
Sau khi nhận được kết quả tính toán từ Bước 2, Chi nhánh sẽ sử dụng kết quả như sau: tiến hành xếp hạng cho khách hàng đối với thông số PD và báo cáo về hội sở để tổng hợp (đối với thông số EAD, LGD và cả thông số PD).
Do hạn chế về mặt thời gian, kinh nghiệm và kiến thức: tác giả chưa tiến hành nghiên cứu cụ thể cách xác định, ước tính hai thông số còn lại là EAD và LGD (đặc biệt là LGD với cách tính phức tạp). Nghiên cứu chỉ giải quyết được cách tìm ra thông số PD – Xác suất vỡ nợ của doanh nghiệp.
Căn cứ trên xác suất vỡ nợ của doanh nghiệp, hội sở sẽ tiến hành lưu trữ dữ liệu qua thời gian để xác định hạng tín dụng tương đương, tuỳ thuộc khẩu vị rủi ro của từng ngân hàng.
Để trực quan cho cách thức hệ thống quản trị rủi ro này hoạt động, tác giả đưa ra ví dụ về bảng quy đổi giữa xác suất vỡ nợ và hạng tín dụng của khách hàng như sau: