3.3.1.Phân tích mô hình Binary Logistic trong điều kiện áp dụng tại SCB
Dựa trên thực trạng hoạt động tín dụng và các phương pháp đánh giá khả năng trả nợ của khách hàng SCB, xét thấy cần phải xây dựng một mô hình có thể đo lường cụ thể khả năng trả nợ của khách hàng 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 SCB.
Qua nghiên cứu những ưu nhược điểm của từng loại mô hình cũng như dựa vào đặc điểm riêng của khách hàng vay vốn tại SCB, 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 sau khi cấp tín dụng.
Ứng dụng mô hình này vào thực tiễn tại SCB, tác giả dựa trên nghiên cứu của Trương Đông Lộc (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 SCB đối với các khách hàng, tác giả có bổ sung thêm biến vào mô hình nghiên cứu để phù hợp với đặc thù của SCB.
Với phương trình Logistic tổng quát như sau:
n n e X X X X X X Y P Y P Log ] ... ) 0 ( ) 1 ( [ 0 1 1 2 2 3 3 4 4 5 5
Trong đó, biến Y là biến nhị phân có thể được giải thích như sau: Y = 1 nếu có rủi ro tín dụng
0 nếu không có rủi ro tín dụng
3.3.2.Mô tả các biến
Dựa trên phần cơ sở lý thuyết về mô hình Binary Logistic được trình bày cụ thể ở chương 02, kết hợp với việc phân tích và đánh giá ưu, nhược điểm của mô hình, tác
giả đề xuất lựa chọn mô hình Binary Logistic vào việc phân tích yếu tố ảnh hưởng đến rủi ro tín dụng của khách hàng đang vay vốn tại SCB từ đó đánh giá rủi ro tín dụng đối với các khách hàng này. Các biến trong mô hình được xác định như sau:
3.3.2.1.Xác định các biến phụ thuộc
Trong nghiên cứu này tác giả sử dụng mô hình Binary Logistic sau:
i e X X X X X Y P Y P Log 5 5 4 4 3 3 2 2 1 1 0 ] ) 0 ( ) 1 ( [
Từ phương trình (1), mô hình dự kiến gồm 05 biến độc lập với hệ số β tương ứng cho từng biến (β1 →β5)
+ β0 là hằng số, là giá trị của Y khi tất cả các biến độc lập đều bằng 0; + βi là hệ số hồi quy của các biến độc lập
+ Ɛ là phần dư của phương trình hồi quy + i là khách hàng nghiên cứu
Tính chất của các biến độc lập và kỳ vọng về dấu trong mô hình được giải thích như sau:
Bảng 3.1: Giá trị của biến phụ thuộc
STT Loại khách hàng Cách xác định Giá trị biến Đối chiếu TT02 1 Không có RRTD NQH<=10 ngày Y= 0 Nợ nhóm 1 2 Có rủi ro tín dụng NQH=>10 ngày Y= 1 Nợ nhóm 2-5
Trong đó, biến Y là biến phụ thuộc, là biến nhị phân được xác định dựa trên các yếu tố ảnh hưởng rủi ro tín dụng của NHTMCP SCB khi thu thập thông tin dữ liệu nghiên cứu từ hồ sơ tín dụng của khách hàng.
Y là mức độ rủi ro của khoản vay được đo lường bằng 2 giá trị 0 và 1 (1 là có rủi ro, 0 là không có rủi ro). Trong nghiên cứu này, chúng tôi xác định các khoản vay có rủi ro là các khoản vay thuộc nhóm nợ quá hạn (nợ nhóm 2,3,4,5) và những khoản vay không có rủi ro là các khoản vay thuộc nhóm 1 theo quy định thông tư 02.
3.3.2.2.Xác định các biến độc lập
Sau khi lựa chọn được biến phụ thuộc, bước tiếp theo phải xác định biến độc lập trong phân tích. Cách tiếp cận đầu tiên là dựa trên cơ sở kết quả những nghiên cứu từ trước (trình bày ở Chương 01) và dựa trên nguồn dữ liệu thu thập được.
Do hạn chế nhiều về dữ liệu thu thập theo thời gian, mô hình này bỏ qua xem xét các yếu tố mối quan hệ giữa khách hàng với SCB, đặc điểm từng loại sản phẩm cho vay, cũng như các yếu tố vĩ mô tác động đến việc khả năng trả nợ của khách hàng làm ảnh hưởng đến rủi ro tín dụng. Tác giả chỉ tập trung vào xem xét ảnh hưởng của đặc điểm tài chính của khách hàng khi vay vốn tại SCB. Đối với các biến này, tác giả chọn các phương pháp để xác định:
- Dựa trên kết quả nghiên cứu của Trương Đông Lộc (2011), để đề xuất các chỉ tiêu nghiên cứu
- Dựa trên thông tin chỉ tiêu đánh giá quyết định cho vay đối với khách hàng doanh nghiệp: gồm các nhóm chỉ tiêu về kinh nghiệm của khách hàng vay vốn, khả năng tài chính của khách hàng, TSĐB, mục đích sử dụng vốn vay, kinh nghiệm của cán bộ tín dụng….
- X1, X2, X3, X4, X5 là các biến độc lập (biến giải thích) các biến này được định nghĩa và giải thích một cách chi tiết ở bảng sau:
Bảng 3.2: Các biến độc lập được sử dụng trong hồi quy mô hình Binary Logistic Biến
số
Diễn giải biến Đo lường Nguồn kế thừa (adsbygoogle = window.adsbygoogle || []).push({});
Kỳ vọng
X1 Kinh nghiệm của khách hàng vay
Số năm người vay làm việc trong ngành nghề vay vốn tính đến thời điểm vay Trương Đông Lộc (2011) - X2 Khả năng tài chính của khách hàng vay Vốn tự có trong dự án/ Tổng vốn của dự án vay vốn Trương Đông Lộc (2011) -
X3 Tài sản đảm bảo Sồ tiền vay/TSĐB Trương Đông
Lộc (2011) + X4 Kinh nghiệm của
cán bộ tín dụng
Số năm trực tiếp làm công tác tín dụng
Trương Đông
Lộc (2011) -
X5 Kiểm tra, giám sát khoản vay
Tổng số lần kiểm tra của cán bộ tín dụng trước khi khoản vay chuyển sang nợ xấu
Trương Đông Lộc (2011)
-
- Kinh nghiệm của khách hàng vay (X1): các nghiên cứu về rủi ro tín dụng đã có kết luận rằng năng lực quản trị và kinh nghiệm của người vay và những yếu tố quan trọng đối với việc tổ chức thực hiện dự án vay vốn thành công hay thất bại. Người nhiều kinh nghiệm sẽ có khả năng dự báo tình hình cũng như ứng phó với những bất trắc xảy ra một cách tốt hơn. Trong nghiên cứu này chúng tôi kỳ vọng rằng những người càng làm lâu năm trong ngành nghề nào đó thì khả năng thành công sẽ càng cao hay kinh nghiệm của người vay tỷ lệ nghịch với rủi ro tín dụng.
- Khả năng tài chính của khách hàng vay (X2): được đo lường bởi tỷ lệ giữa vốn tự có của khách hàng tham gia vào dự án/ Tổng vốn của dự án vay vốn. Theo các nhà nghiên cứu về rủi ro tín dụng thì tiềm lực tài chính của khách hàng vay càng mạnh thì sẽ làm cho khả năng chịu đựng rủi ro của họ càng cao. Vì vậy trong nghiên cứu này chúng tôi kỳ vọng răng nếu vốn tự có của người tham gia vào dự án vay vốn càng lớn thì bên cạnh việc chi phí phải trả cho phần vốn vay thấp họ cũng sẽ đầu tư thời gian và sự quan tâm nhiều hơn đến dự án, nên dự án sẽ dễ thành công hơn và như vậy rủi ro sẽ thấp hơn hay khả năng tài chính của người vay có mối tương quan nghịch với rủi ro tín dụng của ngân hàng.
- Tài sản đảm bảo (X3): Số tiền vay/Tổng giá trị tài sản đảm bảo, theo Nguyễn
Văn Tiến (1999) thì khả năng thu hồi nợ của các khoản vay có bảo đảm chắc chắn hơn các khoản vay không có bảo đảm. Trong nghiên cứu này chúng tôi kỳ vọng rằng nếu tỷ lệ số tiền vay trên giá trị tài sản đảm bảo càng lới thì rủi ro của khoản vay càng cao, có nghĩa là tỷ lệ này có mối tương quan thuận với rủi ro tín dụng.
- Kinh nghiệm của cán bộ tín dụng (X4): theo Lê Văn Tư (2005), trình độ và kinh nghiệm của cán bộ tín dụng có ảnh hưởng rất lớn đến rủi ro tín dụng. Một cán bộ tín dụng có trình độ không những có thể phân tích tốt khả năng tài chính của khách hàng, dự báo được tình hình mà còn có thể tư vấn cho khách hàng vượt qua những khó khăn nhất thời. Trong nghiên cứu này, chúng tôi kỳ vọng rằng cán bộ tín dụng càng làm lâu năm thì càng có kinh nghiệm và trình độ trong thẩm định, quản lý khoản vay cũng như hỗ trợ khách hàng trong những lúc khó khăn hay hay kinh nghiệm của cán bộ tín dụng tỷ lệ nghịch với rủi ro tín dụng.
- Kiểm tra, giám sát khoản vay (X5): theo các nghiên cứu trước đây, một
trong những nguyên nhân gây ra rủi ro tín dụng là việc kiểm tra, giám sát sau khi cho vay không chặt chẽ. Chúng tôi đã phải nghiên cứu và suy xét kỹ khi cố gắng định lượng yếu tố này cũng như cách đo lường biến, bởi lẽ thông thường khi một khoản vay đã chuyển sang nợ xấu thì số lần kiểm tra, đôn đốc nợ sẽ tăng lên. Trong nghiên cứu này, chúng tôi kỳ vọng rằng kiểm tra, giám sát khoản vay càng nhiều thì rủi ro tín dụng càng thấp hay tỷ lệ nghịch với rủi ro tín dụng.
3.3.3.Mô tả cơ sở dữ liệu
Số liệu sử dụng trong nghiên cứu này từ hồ sơ vay vốn của khách hàng tại SCB Vĩnh Long. Các mẫu được chọn là những khoản vay phát sinh từ 01/01/2012 đến ngày 31/12/2014 vẫn còn số dư. Chúng tôi phải lựa chọn như vậy để đảm bảo rằng tất cả các mẫu được chọn đều phát sinh kỳ hạn nợ phải thanh toán, như vậy mới có thể đánh giá được chất lượng của khoản vay một cách tương đối chính xác