Hoạt động Ngân hàng luôn hàm chứa rủi ro, đặc biệt và thường xuyên là rủi ro tín dụng. Khi nào ngân hàng còn hoạt động, khi đó rủi ro còn tồn tại. Vì vậy các nghiên cứu về rủi ro tín dụng có thể nói là đề tài “kinh điển” nhưng luôn là vấn đề nóng bỏng và phức tạp trong từng giai đoạn hoạt động của ngân hàng, nhất là trong giai đoạn hiện nay, khi nền kinh tế vẫn chưa hồi phục sau khủng hoảng, các DN còn gặp nhiều khó khăn, kinh doanh ngân hàng cũng theo đó mà bị ảnh hưởng.
Đã có rất nhiều nghiên cứu về vấn đề này, tác giả xin trình bày một số tài liệu liên quan đến vấn đề nghiên cứu:
2.2.1. Tài liệu nghiên cứu ngoài nước
(1) Tabeb. A(2005), Logit models for Bankruptcy data Implemented in XploRe, A master of Science, Humboldt-Universitat zu Berlin, CASE-Center for Applied Statistic and Economics Institute for Statistics and Econometrics.
Kinh tế Mỹ trong giai đoạn 2000-2003 lâm vào thời kỳ suy thoái, lạm phát giảm đáng kể với chỉ số lạm phát giá tiêu dùng CPI vẫn ở mức dưới 2%, rủi ro thất nghiệp cao (hiện vẫn đang dao động trong khoảng 6%); thâm hụt tài khoản vãng lai vào khoảng 5,2% GDP và sự biến động thất thường của giá trị đồng USD. Tuy vậy,
nền kinh tế Mỹ vẫn là đầu tàu của quá trình phục hồi kinh tế nhờ các chính sách cắt giảm thuế và lãi suất (hiện ở mức 1% - mức thấp nhất trong vòng 40 năm qua). Đến quý III/2003, kinh tế Mỹ đã tăng 8,2%, mức tăng trưởng cao nhất trong 20 năm qua. Số lượng đơn đặt hàng sản xuất và lượng hàng xuất khẩu tăng và sự chuyển biến khá của thị trường chứng khoán tạo đà cho kinh tế Mỹ đạt mức tăng trưởng. Bước sang năm 2004 kinh tế Mỹ phục hồi sau đợt suy thoái năm 2000 và đạt mức tăng trưởng 4,3% là mức tăng trưởng cao nhất kể từ năm 1999.
Trong bài nghiên cứu của mình, tác giả Tabeb Ahmad đã ứng dụng mô hình kinh tế lượng vào việc dự đoán khả năng phá sản của doanh nghiệp. Tác giả đề xuất sử dụng mô hình Logistic để dự đoán xác suất vỡ nợ của các doanh nghiệp ở Mỹ với mẫu quan sát là dữ liệu thứ cấp 1.052 doanh nghiệp trong thời gian từ năm 1990 đến năm 2004. Tác giả đưa ra các biến ảnh hưởng đến khả năng phá sản của doanh nghiệp gồm 14 biến độc lập: Tiền mặt/Tổng tài sản (TTS); tồn kho/TTS; Tài sản ngắn hạn/TTS; TSCĐ/TTS; giá trị tài sản vô hình/TTS; Vòng quay tài sản; nợ ngắn hạn/TTS; Tổng nợ/TTS; vốn tự có/TTS; Doanh thu/TTS; Ebit/TTS; Ebit/tiền lãi phải thanh toán; thu nhập ròng/TTS; (tài sản ngắn hạn-Nợ ngắn hạn)/TTS.
Từ nghiên cứu tác giả kết luận nhóm chỉ số về lợi nhuận, đòn bẩy và thanh khoản tác động mạnh nhất tới khả năng phá sản của doanh nghiệp. Mô hình Logit chưa phải là công cụ hiệu quả nhất để đo lường rủi ro mà chỉ là một trong những phương pháp để hỗ trợ các nhà phân tích xem xét khi muốn quản lý rủi ro hiệu quả hơn.
(2) Chiara, P., Costanza, T., (2010), A a parsimonious default prediction model for Italian SMEs, Banks and banks Systems, 5(4).
Năm 2010 chúng ta có thể thấy kinh tế châu Âu đang ở mức đáy của cuộc khủng hoảng nợ công. Bắt đầu với điểm bùng nổ đầu tiên là Hy Lạp vào đầu năm 2010 khi chi phí cho các khoản nợ Chính phủ liên tục tăng lên; Cuộc khủng hoảng sau đó đã lan sang Bồ Đào Nha, Tây Ban Nha và tiếp theo là Ý trong khu vực đồng Euro. Tốc độ hồi phục kinh tế của các nước châu Âu vẫn còn khá khiêm tốn, các nền kinh tế dẫn đầu khu vực châu Âu vẫn đang tăng trưởng với tốc độ chậm. Chính sách thắt lưng buộc bụng, cắt giảm chi tiêu đã đẩy các nước này rơi vào trạng thái trì trệ. Tiêu dùng nội địa, nguồn lực để thúc đẩy hồi phục kinh tế, sụt giảm nhanh. Chính sách cắt giảm chi
tiêu khu vực công, gia tăng thuế thu nhập cá nhân, doanh nghiệp và triển vọng kinh tế không mấy lạc quan khiến người dân càng thận trọng hơn với quyết định chi tiêu.
Với mục đích xây dựng mô hình dự đoán xác suất vỡ nợ của các DN ở Ý. Tác giả Chiara P.C. T. đã sử dụng mô hình Logistic dựa trên các tỷ số tài chính để lượng hóa xác suất vỡ nợ của các doanh nghiệp với quy mô vừa và nhỏ. Dữ liệu chủ yếu thu thập tại các doanh nghiệp ở khu vực Emilia Romagna- là mẫu đại diện cho các doanh nghiệp vừa và nhỏ sử dụng trong nghiên cứu. Nhóm tác giả đã dùng 16 chỉ số tài chính phân ra làm 05 nhóm (Nhóm tỷ số hoạt động, nhóm tỷ số đòn bẩy, nhóm tỷ số phản ảnh lợi nhuận, nhóm tỷ số phản ảnh tính thanh khoản, chỉ số tồn kho). Sau khi ứng dụng mô hình hồi quy Logistic, kết quả nghiên cứu đã chỉ ra 04 biến có tác động đến xác suất vỡ nợ và tác giả đã xây dựng mô hình như sau:
PD=1/(1+exp( 2.86+3.46LTLA+3.52EBITA+11.18EQITYA+0.43SALESA)) Trong đó:
- LTLA= Nợ dài hạn/Tổng tài sản
- EBITA=Lợi nhuận trước thuế/Tổng tài sản - EQITYA=Nợ phải trả/Tổng tài sản
- SALESA=Doanh thu/Tổng tài sản
Xác suất PD càng cao thì xác suất trả nợ của khách hàng doanh nghiệp càng thấp. Ngược lại khi xác suất PD càng thấp thì khả năng trả nợ của KHDN càng tốt. Kết quả mô hình cho thấy chỉ tiêu tài chính có ảnh hưởng đến khả năng trả nợ của KHDN.
2.2.2. Tài liệu nghiên cứu trong nước
(1) Trương Đông Lộc và Nguyễn Thị Tuyết (2011) , với mô hình nghiên cứu “Các yếu tố ảnh hưởng đến rủi ro tín dụng của Ngân hàng TMCP Ngoại Thương chi nhánh thành phố Cần Thơ”.
Hoạt động tín dụng tại các ngân hàng tại các ngân hàng thương mại luôn tiềm ẩn những rủi ro nhất định, để hạn chế được những rủi ro ấy bắt buộc phải tìm được yếu tố ảnh hưởng đến rủi ro tín dụng. Để tìm ra câu trả lời cho những vấn đề trên, Trương Đông Lộc & Nguyễn Thị Tuyết đã thực hiện đề tài với mục tiêu của nghiên cứu này là
phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng của Ngân hàng thương mại cỏ phần Ngoại Thương Chi nhánh thành phố Cần Thơ qua đó đề xuất các biện pháp hạn chế và khắc phục rủi ro tín dụng. Tác giả đã sử dụng phương pháp nghiên cứu định tính kết hợp với định lượng với 438 khảo sát từ hồ sơ tín dụng để xác định các yếu tố ảnh hưởng đến rủi ro tín dụng tại Vietcombank Cần Thơ.
Từ các lý thuyết về tín dụng và rủi ro tín dụng và các nghiên cứu thực tiễn về vấn đề này từ dữ liệu thứ cấp. Để xác định các yếu tố ảnh hưởng đến rủi ro tín dụng tác giả đã sử dụng mô hình xác suất probit với phương trình sau :
1*X1 2*X2 3*X3 4*X4 5*X5 6*X6 7*X7 Y
Y : Mức độ rủi ro của khoản vay được đo lường bằng 2 giá trị 1 và 0 (1 là có rủi ro, 0 là không có rủi ro). Trong nghiên cứu này khoản vay có rủi ro là khoản vay nhóm nợ xấu (3,4,5) và khoản vay không có rủi ro là khoản vay nhóm 1 và 2
X1 : Kinh nghiệm của khách hàng đi vay
X2 : Khả năng tài chính của K/H đi vay ( Vốn tự có/ Tổng nhu cầu vốn) X3 : Tài sản đảm bảo (Số tiền vay/ Tổng giá trị tài sản đảm bảo)
X4 : Sử dụng vốn vay (Biến giả bằng 1 nếu sử dụng đúng mục đích bằng 0 nếu sai mục đích)
X5 : Kinh nghiệm của cán bộ tín dụng
X6 : Đa dạng hóa hoạt động kinh doanh (Biến giả bằng 1 nếu khách hàng kinh doanh từ 2 ngành hàng trở lên bằng 0 nếu ngược lại)
X7 : Kiểm tra giám sát khoản vay
Áp dụng mô hình Probit, nghiên cứu này đã xác định được một số yếu tố ảnh hưởng đến rủi ro tín dụng của Vietcombank Cần Thơ. Cụ thể là, nếu vốn tự có của khách hàng vay trong dự án càng lớn thì khả năng xảy ra rủi ro tín dụn càng thấp và ngược lại. Ngoài ra, nghiên cứu này còn chỉ ra rằng việc sử dụng vốn đúng mục đích của người vay có khả năng hạn chế rủi ro tín dụng cho ngân hàng. Tương tự, kết quả phân tích cho thấy, cán bộ tín dụng càng có nhiều kinh nghiệm và số lần kiểm tra, giám sát các khoản vay của họ càng nhiều thì khả năng xảy ra rủi ro tín dụng của các (adsbygoogle = window.adsbygoogle || []).push({});
khảon vay mà họ quản lý càng thấp. Cuối cùng, việc đa dạng hóa các hoạt động kinh doanh của khách hàng vay vốn cũng có xu hướng làm giảm thiểu rủi ro tín dụng cho ngân hàng. Kết quả của nghiên cứu này cũng cung cấp bằng chứng rất có giá trị nhằm giúp các ngân hàng thương mại nói chung và Vietcombank Cần Thơ nói riêng hiểu rõ hơn các nguyên nhân dẫn đến rủi ro tín dụng. Trên cơ sở những nguyên nhân này, ngân hàng sẽ chủ động đưa ra các giải pháp phù hợp nhằm hạn chế rủi ro tín dụng cho ngân hàng mình.
Bài nghiên cứu này là một trong những cơ sở gợi ý cho tác giả trong việc lựa chọn và phát triển các biến phụ thuộc trong mô hình hồi quy Logistic, đứng trên quan điểm của những người trực tiếp làm ngân hàng.
(2) Hoàng Tùng (2011), Mô hình định lượng phân tích rủi ro tín dụng của các doanh nghiệp, Tạp chí khoa học và Đào tạo Ngân hàng.
Trong giai đoạn bối cảnh kinh tế khó khăn 2010, tác giả Hoàng Tùng đã xây dựng phương pháp phân tích rủi ro tín dụng đối với các doanh nghiệp niêm yết trên Sàn chứng khoán dựa trên cơ sở tiếp cận các mô hình định lượng. Tác giả sử dụng phương pháp phân tích hồi qui Logistic của Altman trong việc đánh giá rủi ro tín dụng đối với 364 dữ liệu thứ cấp của các công ty đang niêm yết trên Thị trường chứng khoán Việt Nam. Trên cơ sở lý thuyết và các nghiên cứu về rủi ro phá sản, tác giả đã đưa ra 07 biến độc lập biểu hiện những đặc trưng tài chính cơ bản của doanh nghiệp tác động tới rủi ro tín dụng gồm: Tỷ suất nợ; Đòn bẩy nợ; Tỷ suất tài sản ngắn hạn; Số vòng quay tài sản; Tỷ suất lợi nhuận/doanh thu; Tỷ suất sinh lời tài sản;Tỷ suất sinh lời trên vốn chủ sở hữu.
Từ các dữ liệu tài chính của các công ty niêm yết này, tác giả sử dụng SPSS và Eview chạy hồi quy tác giả tính toán được xác suất khả năng trả nợ của các doanh nghiệp này trên cơ sở đó dự đoán rủi ro tín dụng của các công ty niêm yết trên Sàn chứng khoán Việt Nam.
Tuy nhiên mô hình tác giả sử dụng cũng có những hạn chế nhất định đó là những biến được đưa vào mô hình chưa thật sự là cách lựa chọn hoàn hảo để cho ra mô hình mang tính ứng dụng cao mà có thể thuyết phục các nhà quản trị, các nhà kinh tế sử dụng trong điều kiện làm việc tại các NHTM, chỉ có thể dùng để tham khảo. Bên
cạnh đó, đề tài chủ đạo thực hiện thu thập số liệu từ ngân hàng Agribank nên trong điều kiện mở rộng cho Việt Nam, bộ dữ liệu chưa đủ độ tin cậy nhằm đảm bảo mục tiêu sẽ chưa thể mở rộng tốt được.
Tóm lại, từ những nghiên cứu trên đây, tác giả sẽ lựa chọn phương pháp hồi quy Logistic để xác định và phân tích các yếu tố ảnh hưởng đến RRTD tại Ngân hàng TMCP Sài Gòn chi nhánh Vĩnh Long. Cũng từ đây tác giả sẽ đưa các yếu tố như: Kinh nghiệm của khách hàng vay, khả năng tài chính của khách hàng vay, tài sản đảm bảo trên số tiền vay, kinh nghiệm của cán bộ tín dụng, kiểm tra, giám sát khoản vay vào mô hình nghiên cứu ở chương tiếp theo.
Tóm lược chương 02
Do mục tiêu nghiên cứu của luận văn là phân tích rủi ro tín dụng trong hoạt động cho vay đối với các khách hàng nên chương cơ sở lý luận tìm hiểu trọng tâm của hai vấn đề chính là: Trình bày khung lý thuyết về các yếu tổ ảnh hưởng đến rủi ro tín dụng của NHTM, sử dụng mô hình Binary Logistic nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc lập khác để ước lượng xác suất đo lường các yếu tố ảnh hưởng đến RRTD. Cơ sở lý luận chương 02 là nền tảng để phân tích, đánh giá thực trạng hoạt động tín dụng và công tác quản lý rủi ro tín dụng tại ngân hàng TMCP Sài Gòn, đồng thời đây cũng là cơ sở cho việc xây dựng mô hình định lượng nhằm phân tích những yếu tố ảnh hưởng tới rủi ro tín dụng của khách hàng tại SCB được trình bày ở chương 03 và từ đó tác giả đưa ra một số kết luận cũng như kiến nghị để nâng cao công tác quản lý rủi ro tín dụng của SCB trong chương 05.
CHƯƠNG 3
PHƯƠNG PHÁP NGHIÊN CỨU
Chương này trình bày giới thiệu mô hình Binary Logistic, phương pháp nghiên cứu, thiết kế nghiên cứu đồng thời trình bày trọng tâm các phương pháp nghiên cứu khoa học được sử dụng để đánh giá thang đo dùng để đo lường các khái niệm nghiên cứu cũng như kiểm định mô hình và giả thuyết nghiên cứu.