tại của BIDV trong việc đánh giá xếp loại thông tin khách hàng trước khi ra quyết định cấp tín dụng.
Nghiên cứu đã thực hiện kiểm chứng tính chính xác của mô hình đề xuất đối
với khách hàng A và cho thấy mức độ đánh giá chính xác hơn rủi ro tín dụng của
khách hàng khi mô hình hiện tại của BIDV được bổ sung bởi mô hình đề xuất.
Trong phạm vi về thời gian và thông tin cho phép tiếp cận, khóa luận chỉ nghiên cứu trên tình huống khách hàng A nên khó có thể khẳng định được tính đại diên của
mô hình cho toàn bộ mẫu khách hàng của BIDV. Tuy nhiên, mặt làm được ở nghiên cứu là đã đưa ra một ý tưởng giúp khắc phục những hạn chế của mô hình hiện tại và bổ sung, kết hợp một phương pháp xếp hạng mới dựa trên cơ sở thống kê với mô
hình bảng chấm điểm rất phổ biến hiện nay. Sau đây là bảng tính điểm phân loại
khách hàng dựa trên xác suất vỡ nợ của mô hình đề xuất.
Bảng 4.1: Kết quả xếp hạng rủi ro tín dụng theo mô hình đề xuất
STT Xác suất vỡ nợ P(Y=1) Mức xếp hạng Điểm tương ứng Mức rủi ro 1 91% - 100% D 10 Rất cao 2 81% - 90% C 20 Rất cao 3 71% - 80% CC 30 Cao 4 61% - 70% CCC 40 Cao 5 51% - 60% B 50 Trung bình 6 41% - 50% BB 60 Trung bình 7 31% - 40% BBB 70 Thấp 8 21% - 30% A 80 Thấp 9 11% - 20% AA 90 Thấp 10 < 10% AAA 100 Thấp
Qua những phân tích trên, bài viết cũng đưa ra một số nhận xét về ưu điểm và hạn
chế của mô hình đề xuất:
- Ưu điểm của mô hình
Mô hình cung cấp công cụ mới hữu ích kết hợp với mô hình XHTD hiện tại nhằm đưa ra đánh giá khách quan, thực tế hơn về rủi ro tín dụng của khách hàng. Mô hình hạn chế được tính chủ quan trong phương pháp chuyên gia, phụ thuộc nhiều vào chuyên viên tín dụng khi xây dựng bảng chấm điểm. Các yếu tố xem xét trong mô
hình gọn nhẹ hơn bảng chấm điểm thông qua thống kê đã kiểm định cho thấy đây là các yếu tố trọng tâm có ảnh hưởng lớn đến khả năng vỡ nợ của khách hàng. Cuối
cùng, mô hình đã đưa ra kết quả có tính dự báo về khả năng vỡ nợ của khách hàng dựa trên dữ liệu lịch sử.
- Hạn chế tồn tại
Về mặt thống kê: việc ước lượng mô hình đề xuất gặp nhiều khó khăn về
thống kê làm cho kết quả nghiên cứu không chính xác hoặc không có tính đại diện
cho tổng thể như: Mẫu nghiên cứu được thu thập theo phương pháp chọn mẫu ngẫu
nhiên thuận tiện, phi xác suất. Chỉ chọn mẫu ở một chi nhánh ngân hàng và mẫu
không ngẫu nhiên mà có tính chỉ định nên không thể đại diện cho tổng thể. Số lượng mẫu quá nhỏ so với số lượng khách hàng của Ngân hàng nên không thể là đại
diện tốt cho tổng thể, đây chỉ là đại diện cho một chi nhánh. Các biến được đưa vào
nghiên cứu dựa trên kinh nghiệm và kiến thức của người viết nên chưa thể phản ánh được hết các yếu tố ảnh hưởng đến khả năng trả nợ.
Về áp dụng thực tế: việc xây dựng một mô hình hồi qui chính xác, có thể áp
dụng cho toàn bộ ngân hàng đòi hỏi phải có thời gian, có đầu tư cho nghiên cứu và
có cơ sở dữ liệu đủ mạnh nên cần có sự hợp tác rất lớn từ phía Ngân hàng. Thứ hai,
vì đây là mô hình mới nên việc triển khai và áp dụng sẽ gặp khó khăn về cơ sở vật
chất, đào tạo nhân viên,…Nhưng nếu các ngân hàng chấp nhận đầu tư nâng cấp hệ
thống sẽ thu được hiệu quả to lớn trong việc quản trị rủi ro tín dụng, vấn đề chính
4.3.2. Tăng cường công tác kiểm tra, giám sát khách hàng trước và sau khi giải ngân