Đánh giá tính khả thi của mô hình

Một phần của tài liệu ỨNG DỤNG mô HÌNH BINARY LOGISTIC vào PHÂN TÍCH rủi RO tín DỤNG đối với DOANH NGHIỆP NHỎ và vừa có QUAN hệ tín DỤNG tại NGÂN HÀNG THƯƠNG mại cổ PHẦN VIỆT NAM THỊNH VƯỢNG (Trang 79)

Ta cũng có thể áp dụng mô hình trên để đánh giá khả năng trả nợ của một khách hàng DNNVV khi phát sinh nhu cầu vay vốn tại VPBank.

Ví dụ Công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thành - một công ty có nhu cầu vay vốn tại VPBank, với hồ sơ BCTC mà khách hàng cung cấp cho ngân hàng, VPBank có thể đánh giá khả năng trả nợ của khách hàng theo các bước sau:

Bƣớc 1: Theo hệ thống xếp hạng tín dụng nội bộ hiện đang áp dụng tại VPBank, Công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thành được xếp vào:

- Nhóm nợ: 1 - Xếp loại: A

Bƣớc 2: Căn cứ tổng hợp số liệu từ BCTC, ứng dụng mô hình Binary Logistic trên ta có bảng số liệu sau:

70

Bảng 4.17: Chỉ tiêu đánh giá Công ty TNHH Sản xuất Thƣơng Mại Nhựa Chấn Kiến Thành

Chỉ tiêu Công thức Mã hóa Giá trị

Chỉ báo đòn bẩy tài chính Tổng nợ/Tổng tài sản X1 0,859

Đòn bẩy nợ Nợ phải trả/VCSH X2 6,103

Tỷ suất tài sản ngắn hạn TSNH/Tổng tài sản X3 0,900

Tỷ số tăng trưởng Lợi nhuận sau thuế/Tổng Tài sản X7 0.005

Tỷ suất sinh lời trên VCSH Lợi nhuận sau thuế/Vốn CSH X8 0.0385

Nguồn: Báo cáo tài chính năm 2013 của công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thành E1(Y=1/X)= 𝑒(10,991 – 18,919 ∗0,859 + 1,648 ∗6,103 − 3,348 ∗0,9 + 52,373 ∗0,0054 – 24,271 ∗0,0385 ) 1+𝑒((10,991 – 18,919 ∗0,859 + 1,648 ∗6,103 − 3,348 ∗0,9 + 52,373 ∗0,0054 – 24,271 ∗0,0385 )) = 3,093 1+3,093= 0,7557

Bƣớc 3: Đối chiếu với Bảng 4.16 và Bảng 4.17, Công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thànhđược xếp vào nhóm 1, xếp loại: A, xác suất khả năng trả được nợ của công ty là 75,5%.

Bƣớc 4: Tiến hành nhập số liệu của 137 khách hàng (136 khách hàng trong mẫu và 01 khách hàng là Công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thành) vào phần mềm SPSS để chạy mô hình.

Mô hình 04 cũng được lựa chọn có dạng: Loge [𝑃(𝑌=1) P(Y=0)]= 10,991 - 18,919X1 + 1,648X2 - 3,348X3 + 52,373X7 - 24,271X8 E2(Y=1/X)= = 𝑒 (10,991 – 18,919 ∗0,859 + 1,648 ∗6,103 − 3,348 ∗0,9 + 52,373 ∗0,0054 – 24,271 ∗0,0385 ) 1+𝑒(10,991 – 18,919 ∗0,859 + 1,648 ∗6,103 − 3,348 ∗0,9 + 52,373 ∗0,0054 – 24,271 ∗0,0385 ) = 3,093 1+3,093= 0,7557

71

Tương tự đối chiếu Bảng 4.16 và Bảng 4.17 Công ty TNHH Sản xuất Thương Mại Nhựa Chấn Kiến Thành xếp vào nhóm 1, xếp loại: A, xác suất khả năng trả được nợ của công ty là 75,57%.

Xác suất khả năng trả nợ E1 và E2 không chênh lệch nhau.

Nhận xét:

* Kết quả đạt được

- Khả năng áp dụng của mô hình là khá tốt khi so sánh giữa xác suất trả nợ của khách hàng và phân loại nợ.

- Có thể áp dụng được với doanh nghiệp không đủ điều kiện xếp hạng tín dụng. Giúp ngân hàng có thể ra quyết định cho vay chính xác hơn, góp phần giảm thiểu rủi ro tín dụng và nâng cao chất lượng tín dụng trong hoạt động cho vay.

* Hạn chế

- Mô hình không đánh được trực tiếp khả năng trả nợ của khách hàng mà đánh giá thông qua xác suất khả năng trả nợ.

- Các biến đưa vào mô hình chỉ là một trong những yếu tố ảnh hưởng đến khả năng trả được nợ, cần phải nghiên cứu chuyên sâu hơn nữa để có được một mô hình hoàn hảo nhất từ đó áp dụng thực tế sẽ dễ dàng hơn.

72

Tóm lƣợc chƣơng 04

Chương 04 với nội dung là xây dựng mô hình hồi quy Binary Logistic để phân tích khả năng xảy ra rủi ro tín dụng thông qua việc đánh giá khả năng trả nợ của khách hàng là cơ sở để VPBank hạn chế rủi ro cũng như đưa ra quyết định cho vay. Bằng việc vận dụng mô hình hồi quy Binary Logistic đã xây dựng được hàm số dự báo rủi ro tín dụng cho các khách hàng DNNVV vay vốn tại VPBank.

Với các kết quả kiểm định mô hình nghiên cứu gồm ma trận tương quan các biến trong mô hình, kết quả hồi quy, tính phù hợp của mô hình cho thấy: Tất cả các kiểm định trên có tính khả dụng và mức độ phù hợp của mô hình là khá tốt. (adsbygoogle = window.adsbygoogle || []).push({});

Mô hình không chỉ đánh giá khả năng trả nợ của khách hàng để xác định khả năng có rủi ro tín dụng từ đó ra quyết định cho vay mà còn giúp cho việc phân nhóm nợ của các doanh nghiệp cũng như định hạng doanh nghiệp để đưa ra chính sách hợp lý cho từng đối tượng khách hàng DNNVV khác nhau.

Đây cũng là chỉ dẫn cần thiết cho công tác quản lý và giám sát tín dụng, cung cấp thông tin hữu ích cho các đối tượng liên quan trong quá trình ra quyết định và là cơ sở hình thành Chương 05 (chương hàm ý các giải pháp).

73

CHƢƠNG 5

KẾT LUẬN VÀ HÀM Ý GIẢI PHÁP

Một phần của tài liệu ỨNG DỤNG mô HÌNH BINARY LOGISTIC vào PHÂN TÍCH rủi RO tín DỤNG đối với DOANH NGHIỆP NHỎ và vừa có QUAN hệ tín DỤNG tại NGÂN HÀNG THƯƠNG mại cổ PHẦN VIỆT NAM THỊNH VƯỢNG (Trang 79)