Xây dựng Mô hình Logit để đánh giá khả năng trả nợ của khách

hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam

Hiện nay tại BIDV nói riêng và các NHTM tại Việt Nam nói riêng vẫn đang áp dụng hệ thống XHTD nội bộ trong công tác thẩm định khách hàng doanh nghiệp chủ yếu vẫn dựa vào các chỉ tiêu tài chính. Trong khi trong thực tế, việc các khách hàng doanh nghiệp che dấu, thậm chí làm giả, sai lệch các số liệu tài chính vẫn thường xảy ra. Bên cạnh đó, việc đánh giá khả năng trả nợ của khách hàng thông qua ứng dụng hệ thống XHTD nội bộ tại các NHTM còn mang nặng tính chủ quan, phụ thuộc vào rất nhiều vào cảm tính của cán bộ tín dụng. Hơn thế nữa, việc lựa chọn bộ chỉ tiêu đánh giá khách hàng trong hệ thống XHTD nội bộ của BIDV cũng như đa phần các NHTM phụ thuộc phần lớn vào quan điểm của chuyên gia. Do đó, việc xây dựng và áp dụng mô hình định lượng vào công tác đánh giá khả năng trả nợ của khách hàng doanh nghiệp là thật sự cần thiết.

Qua quá trình nghiên cứu về đặc điểm, các ưu nhược điểm trong ứng dụng của các mô hình phổ biến trên thế giới; học viên quyết định lựa chọn Mô hình Logit. Đây là một mô hình nghiên cứu về rủi ro tín dụng cũng như đánh giá khả năng trả nợ của người đi vay được sử dụng rộng rãi và có tính ứng dụng cao trong thực tiễn.

4.1.2. Xây dựng Mô hình Logit để đánh giá khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam

Mô hình hồi quy Logit phân tích các yếu tố tác động đến khả năng trả nợ của khách hàng doanh nghiệp tại BIDV được viết như sau:

Y = 𝛽0 + ∑1 𝛽

𝑗=0 jXj + u

Y là biến giả, có giá trị bằng 1 khi KHDN có khả năng trả nợ và bằng 0 cho khách hàng doanh nghiệp không có khả năng trả nợ; Xj là các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp (j = 1 – n); và u là phần dư.

Dạng tổng quát của mô hình dựa trên nghiên cứu của Chiara Pederzoli, GridThoma, Costanza Torricelli (2010)20 và được khái quát như sau:

Ln[𝑃 (𝑌=0)𝑃(𝑌=1)] = 𝛽0 + 𝛽1X1 + 𝛽2X2 + 𝛽3X3 + … + 𝛽nXn

Trong đó:

 P(Y=1) = P0: Xác suất khách hàng có khả năng trả nợ

 P(Y=0) = 1 – P0: Xác suất khách hàng không có khả năng trả nợ

 Ln[ P0

1 – P0] = 𝛽0 + 𝛽1X1 + 𝛽2X2 + 𝛽3X3 + … + 𝛽nXn

Hệ số Odds: O0 = 𝑃0

1−𝑃0

 LnO0 = 𝛽0 + 𝛽1X1 + 𝛽2X2 + 𝛽3X3 + … + 𝛽nXn (1)

Do đó, Logarit của Hệ số Odds là một hàm tuyến tính với các biến độc lập Xj (j = 1, 2, 3, …, n). Phương trình (1) có dạng Hàm Logit. Do đó, chúng ta ước lượng các hệ số hồi quy bằng phương pháp MX (Maximum Likelihood)