Dựa trên thực trạng hoạt động tín dụng và các phương pháp đánh giá khả năng trả nợ của khách hàng DNNVV nói riêng và khách hàng DN của VPBank nói chung, xét thấy cần phải xây dựng một mô hình có thể đo lường cụ thể khả năng trả nợ của khách hàng DNNVV: không chỉ dừng lại ở việc phân tích tình trạng của khách hàng mà còn xem xét khách hàng trong bối cảnh quan hệ tín dụng tại VPBank.
Tiêu chí lựa chọn mô hình dựa trên cơ sở như sau:
- Phải là mô hình thống kê để khắc phục những hạn chế từ các phương pháp đánh giá khả năng trả nợ của khách hàng DNNVV tại VPBank dựa hoàn toàn trên kinh nghiệm của chuyên gia;
- Mô hình có khả năng lượng hóa từ khả năng trả nợ thành xác suất trả nợ, dùng làm cơ sở định giá rủi ro tín dụng cho từng khách hàng tại VPBank;
- Mô hình đơn giản, dễ sử dụng và mô hình có thể đưa vào cùng lúc biến định lượng và biến định tính trong việc đánh giá khả năng trả nợ của khách hàng từ đó phân tích mức độ rủi ro tín dụng đối với từng khách hàng.
Qua nghiên cứu những ưu nhược điểm của từng loại mô hình cũng như dựa vào đặc điểm riêng của khách hàng DNNVVvay vốn tại VPBank, học viên sử dụng phương pháp hồi quy Logistic trong bài luận văn. Đây là mô hình được sử dụng nhiều nước trên thế giới hiện nay trong việc đánh giá khả năng trả nợ của khách hàng DNNVVsau khi cấp tín dụng. Ứng dụng mô hình này vào thực tiễn tại VPBank, tác giả dựa trên nghiên cứu của PGS.TS. Hoàng Tùng (2011), nghiên cứu Tabeb Ahmad (2005) với hệ thống các biến sử dụng trong luận văn được lấy từ nghiên cứu này. Bên cạnh đó, căn cứ vào tình hình thực tế về công tác phân tích đánh giá khả năng trả nợ của VPBank đối với các khách hàng DNNVV, tác giả có bổ sung thêm biến vào mô hình nghiên cứu để phù hợp với đặc thù của VPBank.
36 Với phương trình Logistic tổng quát như sau: Loge[P(Y=1)
(P(Y=0)]=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+…..+ βnXn
Trong đó, biến Y là biến nhị phân có thể được giải thích như sau: Y=[