6. HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
2.2.3.3. Chưa tính đến hiệu quả đa dạng hóa của danh mục cho vay và tương tác
giữa các khoản vay trên danh mục
Trong các lý thuyết quản trị danh mục hiện đại đều chỉ ra rằng nhờ có đa dạng hóa các loại tài sản nắm giữ mà rủi ro của danh mục cho vay thường có xu hướng thấp hơn tổng rủi ro của từng khoản cho vay riêng lẻ (Bùi Diệu Anh, 2010). Hiệp ước Basel I đưa ra yêu cầu vốn tối thiểu là 8% trên tài sản có rủi ro, tuy nhiên thiếu sót lớn nhất của Basel I là ở chỗ một khoản vay riêng lẻ được tính yêu cầu vốn bằng với một danh mục cho vay được đa dạng hóa với cùng một giá trị hay nói cách khác là không tính đền lợi ích của việc đa dạng hóa tài sản nắm giữ. Những khuyết điểm này đã được khắc phục trong hiệp ước Basel II. Các mô hình đo lường rủi ro hiện đại đã chỉ ra tương quan giữa rủi ro tín dụng danh mục cho vay với tương quan vỡ nợ của các khoản cho vay trên danh mục. Nhìn chung tương quan vỡ nợ của danh mục cho vay càng giảm khi mức độ đa dạng hóa của danh mục càng cao. Bên cạnh đó tương quan giữa các khoản vay càng cao thì mức vốn kinh tế yêu cầu càng cao và ngược lại.
Trở lại với các phương pháp mà các ngân hàng thương mại Việt Nam đang áp dụng. Nhìn chung tại quyết định 493/2005/QĐ-NHNN chưa xem xét đến tương quan vỡ nợ cùa các khoản vay và lợi ích của việc đa dạng hóa danh mục cho vay. Quyết định 493 được các
___
ngân hàng áp dụng hiện nay được xây dựng trên nền tảng của hiệp ước Basel I, do đó những hạn chế cùa Basel I trình bày ở trên cũng là những hạn chế của quyết định 493.
Như đã trình bày ở những phần trên, có thể dễ dàng nhận thấy được rằng tổng mức dự phòng rủi ro tín dụng của một danh mục cho vay cũng chính bằng tổng dự phòng của từng món vay riêng lẻ. Phân loại nợ chính là việc xác định xác suất vỡ nợ của các khoản vay từ đó có mức dự phòng thích hợp. Ví dụ nếu có hai danh mục cho cho vay với danh mục một gồm một khoản vay 100 USD và danh mục hai gồm 100 khoản vay 1 USD rõ ràng thì rõ ràng rủi ro tín dụng của cà hai danh mục trên sẽ không giống nhau do xác suất của một khoản vay vỡ nợ và xác suất để 100 khoản vay nợ cùng lúc là khác nhau. Do đó dự phòng rủi ro tín dụng của hai danh mục trên sẽ không giống nhau cho dù các khoản vay của hai danh mục có cùng một nhóm nợ đi chăng nữa.
Ví dụ trên nhằm muốn minh họa rằng tại quyết định 493 mức trích lập dự phòng cho tổn thất kỳ vọng đã không xem xét đến tính đa dạng và tương quan cùa các khoản vay trên danh mục. Ở đây xác suất xuất xảy ra vỡ nợ đồng thời hay còn gọi là tương quan giữa các khoản vay đã không được tính đến. Do đó trich lập nếu đứng dưới góc độ quản trị nhìn nhận trên toàn danh mục sẽ khác với nhìn nhận trên từng giao dịch riêng lẻ. Dự phòng theo quy định hiện hành được hoạch toán vào chi phí của ngân hàng do đó cần thiết có một cách đo lường hợp lý để ngân hàng có thể tối ưu chi phí của mình.
___
CHƯƠNG 3: ỨNG DỤNG VALUE AT RISK TRONG ĐO LƯỜNG TỔN THẤT TÍN DỤNG
Việt Nam hiện nay đang hội nhập với kinh tế thế giới trên nhiều lĩnh vực và hoạt động ngân hàng cũng không nằm ngoài xu hướng này. So với hàng trăm năm phát triển của ngành ngân hàng trên thế giới thì các ngân hàng Việt Nam vẫn đang ở giai đoạn non trẻ và đang từng bước hoàn thiện mình, hướng tới tính chuyên nghiệp hơn trong hoạt động. Quản trị rủi ro là hoạt động quan trọng tại các ngân hàng đặc biệt là rủi ro tín dụng. Trong quản trị rủi ro hiện đại, người ta luôn có gắng lượng hóa rủi ro bằng các mô hình đo lường rủi ro. Như đã đi vào chi tiết những hạn chế trong quản trị rủi ro tín dụng của các ngân hàng thương mại Việt Nam ở chương 2, có thể thấy rằng hoạt động quản trị rủi ro tín dụng dưới góc độ danh mục vẫn còn nhiều hạn chế và điểm yếu nhất trong quy trình quản trị rủi ro tín dụng của các ngân hàng Việt Nam là thiếu vắng các mô hình đo lường rủi ro hiện đại.
Trên thế giới có rất nhiều các mô hình đo lường rủi ro khác nhau, nhưng có lẽ mô hình được sử dụng nhiều nhất là Value at Risk (VaR), được xác định dựa trên nền tảng toán xác suất thống kê phức tạp (Joe Nocera, 2009). VaR được phát triển và phổ biến rộng rãi vào đầu thập niên 1990 bởi các nhà toán học làm việc cho hãng JP Morgan. Theo Joe Nocera, lý giải cho việc VaR được sử dụng rộng rãi trong đo lường rủi ro của danh mục tài sản bởi vì nó biểu hiện rủi ro dưới dạng một con số duy nhất. Chính vì thế nó được ưa chuộng bởi vì tính trực quan của VaR giúp các ngân hàng quản trị rủi ro cụ thể và dễ dàng hơn nhiều.
VaR được định nghĩa như là tổn thất lớn nhất trong một khoản thời gian cho trước của một danh mục tài sản với một mức tin cậy nhất định. Ví dụ như một danh mục cho vay có VaR trong thời gian một năm là 10 triệu USD với mức tin cậy là 99% thì có nghĩa là chỉ có 1% danh mục này bị thiệt hại hơn 10 triệu USD trong thời gian một năm sau. Nếu phân phối xác suất của giá trị danh mục cho vay là phân phổi chuẩn ( đồ thị có hình quả chuông ), thì theo tính chất đối xứng cũng có thể suy ra rằng chỉ có xác suất 1% giá trị danh mục cho vay tăng quá 10 triệu USD sau một năm. VaR khá dễ hiểu về mặt khái niệm nhưng khó về mặt tính toán. Trước đây VaR thường được sử dụng bởi những nhà đầu tư, kinh doanh chứng khoán với danh mục tài sản là các loại cổ phiếu, trái phiếu…Những loại tài sản này dễ dàng xác định được giá thị trường, là yếu tố đầu quan trọng trong các mô hình đo lường VaR. Tuy nhiên danh mục cho vay của các ngân hàng có đặc thù khó quan sát được
___
giá trị thị trường của các món vay do chúng thường không được mua bán rộng rãi ( Anthony Saunders, Linda Allen, 2002 ). Do đó mỗi một mô hình đo lường VaR phải dựa vào một số giả định phức tạp khác nhau để xác định giá thị trường của các khoản vay từ đó tính VaR.
Mục đích quan trọng của việc đo lường rủi ro tín dụng của danh mục cho vay là để tạo cơ sở thiết lập dự phòng bù đắp những tổn thất dự tính và xác định vốn kinh tế bù đắp tổn thất ngoài dự tính. VaR có thể giải quyết được hai yêu cầu này một cách dễ dàng khi được cung cấp các thông số đầu vào một cách đầy đủ. Hiện nay có các mô hình đo lường VaR thông dụng như mô hình Creditmetrics của JP Morgan, Creditrisk Plus, Creditportfolio View. Các mô hình có cách tiếp cận khác nhau về cách tính VaR nhưng nhìn chung đều đỏi hỏi 3 thông số đầu vào cơ bản sau:
Xác suất chuyển hạng tín dụng của khách hàng
Tổn thất trong trường hợp khách hàng không hoàn trả Tương quan không hoàn trả giữa các khách hàng
Các thông số này có thể tính một cách trực tiếp hoăc nằm ẩn trong các thông số khác. Mô hình Creditfortfolio View thuộc nhóm mô hình nhân tố kinh tế. Đặc điểm của mô hình dạng này là nhấn mạnh mối liên hệ giữa biến cố vỡ nợ của khách hàng và tình trạng hoạt động của nền kinh tế. Bằng cách tính mối liên hệ giữa các yếu tố kinh tế vĩ mô và xác suất chuyển hạng tín nhiệm, vỡ nợ của khách hàng, ma trận chuyển hạng tín nhiệm sẽ được thiết lập theo từng ngành trong một quốc gia (Bùi Diệu Anh, 2010). Mô hình Creditrisk Plus thuộc nhóm mô hình thống kê bảo hiểm. Mô hình này chỉ đề cập đến xác suất vỡ nợ của khách hàng mà không quan tâm đến xác suất chuyển hạng tín nhiệm. Creditrisk Plus ấn định xác suất vỡ nợ cho từng nhóm khách hàng, sau đó tính toán phân phối xác suất của tỷ lệ vỡ nợ trung bình của các nhóm khách hàng từ đó tính được tổn thất kỳ vọng và không kỳ vọng của toàn danh mục. Mô hình Creditmetrics thuộc nhóm mô hình ma trận tín nhiệm. Mô hình này có thể tính VaR riêng lẻ cho từng khoản vay và của toàn danh mục. Bẳng cách tính toán giá trị tăng, giảm của các món vay theo sự tăng giảm mức tín nhiệm của khách hàng trong một khoản thời gian nào đó, Creditmetrics xác lập ma trận chuyển hạng tín nhiệm của các khoản vay trên danh mục từ đó tính toán được phân phối xác suất
___
của tổn thất kỳ vọng và không kỳ vọng của toàn danh mục cho vay. Nhìn chung, mỗi mô hình đều có ưu nhược điểm, điều kiện áp dụng khác nhau. Không có mô hình nào hoàn toàn phù hợp với tất cả các ngân hàng.
Nội dung chương này sẽ trình bày cách thức tính VaR bằng mô hình Creditmetrics và đề xuất một số kiến nghị đối với các ngân hàng thương mại Việt Nam và cơ quan quản lý nhà nước để có thể áp dụng VaR vào thực tế trong hoạt động quản trị rủi ro tín dụng.