- Dịch vụ thu chi hộ, chi trả lương hộ Một số dịch vụ khác: mua bán ngoại tệ
1 Tuổi 8 – 25 tuổi 25 –40 tuổi 40–60 tuổi > 60 tuổ
4.1. Lựa chọn mô hình
Lựa chọn mô hình cần phải dựa trên những yêu cầu đặt ra của mô hình đó:
Xác định xác suất trả được nợ: yêu cầu đặt ra đối với toàn hệ thống XHTD cá nhân của NH Đông Á trước hết là nhằm kiểm soát rủi ro tín dụng hiệu quả hơn khi kết quả
xếp hạng phản ảnh được mức độ rủi ro của sản phNm tín dụng, trên cơ sởđó giúp ra quyết
định tín dụng chính xác. Kết quả xếp hạng khách hàng phải tính đến những dự báo về
nguy cơ vỡ nợ dẫn đến mất khả năng thực hiện các nghĩa vụ tài chính đối với ngân hàng.
Tính thống nhất bên trong: hệ thống XHTD cá nhân sau điều chỉnh phải đảm bảo khả năng quản trị tín dụng thống nhất toàn hệ thống, đây là căn cứđể NH Đông Á có thể
dự báo được tổn thất tín dụng theo từng nhóm khách hàng, từđó xây dựng chiến lược và chính sách tín dụng phù hợp; các chỉ tiêu chấm điểm XHTD trong mô hình phải đảm bảo không quá phức tạp và sát với thực tếđể cán bộ nghiệp vụ tin tưởng sử dụng. Kết quả xếp hạng phải giống nhau tại mọi nơi trong hệ thống.
Tính thống nhất bên ngoài: xếp hạng không được mâu thuẫn với các lý thuyết và phương pháp được thừ nhận. Ngoài ra, hoàn thiện hệ thống XHTD cũng đặt ra mục tiêu phân loại nợ và trích dự phòng rủi ro theo Điều 7 của Quyết định 493/2005/QĐ-NHNN
đáp ứng yêu cầu của NHNN.
Tính đầy đủ: kết quả xếp hạng phải bao trùm được đầy đủ những thông tin liên quan đến khả năng đảm bảo trả nợ, gồm những thông tin liên quan đến hành vi KH, nhân thân và khả năng tài chính của KH.
Tính khách quan: kết quả XHTD được đưa ra bởi những chủ thể khác nhau.
Sự công nhận: trong mắt của những người sử dụng, mô hình xếp hạng phải đánh giá
được chính xác khả năng trả nợ của đối tượng được xếp hạng.
Tính phù hợp: Hoàn thiện hệ thống XHTD cũng đặt ra yêu cầu vừa phải phù hợp với thông lệ quốc tế nhưng không xa rời với điều kiện kinh doanh riêng biệt của NH Đông Á, vừa phải đảm bảo tính linh hoạt có thể điều chỉnh phù hợp với những biến động của
68
Với những yêu cầu nên trên, cùng với những nhận định về các mô hình thống kê trong XHTD đã nêu ở chương II, tác giả nhận định các biến đưa vào mô hình có cả biến
định lượng và định tính, dẫn đến không áp dụng được mô hình phân tích phân biệt (DA). Bên cạnh đó, dữ liệu nghiên cứu cũng không đủ lớn để có thể áp dụng một cách tốt nhất các phương pháp lân cận gần nhất K và mạng nơron thần kinh (ANN). Vì vậy, trong nghiên cứu của mình, tác giảđề xuất việc xây dựng mô hình XHTD KH cá nhân dành cho NH Đông Á tiếp cận bằng phương pháp hồi quy Binary Logistic (mô hình Logit).