Theo Nguyễn Đức Tú (2012), Quá trình quản lý rủi ro gồm 4 nội dung: Nhận biết
rủi ro, đo lường rủi ro, ứng phó rủi ro và kiểm soát rủi ro.
3.3.3.1 Nhận biết rủi ro tín dụng
Về phía ngân hàng: Rủi ro tín dụng được thể hiện qua quy mô tín dụng, cơ cấu tín dụng, nợ quá hạn, nợ xấu, và dự phòng rủi ro. Do đó, khi các yếu tố này có xu
hướng thiên lệch như: quy mô tín dụng tăng quá nhanh vượt quá khảnăng quản lý của
ngân hàng, hay là cơ cấu tín dụng tập trung quá mức vào một ngành, một lĩnh vực rủi
ro cao, hoặc là các chỉ tiêu nợ quá hạn, nợ xấu có dấu hiệu vượt qua ngưỡng cho phép, dự phòng rủi ro được sử dụng hết, ngân hàng đứng trước nguy cơ rủi ro.
Về phía khách hàng: khi khách hàng có những dấu hiệu khó có khả năng trả được nợ, tình hình tài chính xấu, nguy cơ rủi ro sẽ xảy ra. Lúc đó, ngân hàng cần nhận
biết được khả năng xảy ra rủi ro để ra quyết định kịp thời. Để nhận biết được những
rủi ro từphía khách hàng, thông thường ngân hàng sẽ thực hiện các bước sau: - Phân tích danh mục tín dụng của ngân hàng:
Phân tích chung toàn bộ danh mục của ngân hàng để nhận biết những rủi ro về
quy mô tín dụng, cơ cấu tín dụng, về ngành, về loại tiền,... Cần kết hợp với dự báo kinh tếvĩ mô đểđánh giá rủi ro chung của toàn bộ danh mục tín dụng.
- Phân tích đánh giá khách hàng:
Phân tích đánh giá khách hàng nhằm phát hiện các nguy cơ rủi ro trong từng
khách hàng, từng khoản nợ cụ thể. Phân tích khách hàng được thực hiện từ khi bắt đầu tiếp xúc khách hàng, phân tích trong quá trình cho vay và phân tích sau khi cho vay.
3.3.3.2 Đo lường rủi ro tín dụng
Theo basel 2, để đo lường và xác định rủi ro tín dụng NHTM có thể tính bằng
một trong 3 cách : Phương pháp chuẩn hóa (Standardized Approach), phương pháp
xếp hạng tín nhiệm nội bộ cơ bản (IRB) hoặc phương pháp tín nhiệm nội bộ cải tiến (AIRB).
Theo phương pháp chuẩn hóa, NHTM có thể sử dụng nhiều bảng xếp hạng tín
nhiệm từ các công ty xếp hạng bên ngoài đểđánh giá rủi ro tín dụng.
Theo phương pháp xếp hạng tín nhiệm nội bộcơ bản, NHTM có thể tự xây dựng
hệ thống xếp hạng tín nhiệm nội bộ của mình để dự báo chỉ số PD – Chỉ số khả năng
vở nợ cho khách hàng (Probability of Default ), để đánh giá rủi ro tín dụng cho khách
hàng hoặc nhóm khách hàng.
pháp xếp hạng tín nhiệm nội bộcơ bản, phương pháp này cho phép các NHTM tự xây dựng hệ thống xếp hạng nội bộ của mình, tuy nhiên hệ thống xếp hạng này phải được các nhà quản lý từng quốc gia phê duyệt thực hiện. Ngoài chỉ số PD, hệ thống còn dự
phòng thêm nhóm chỉ số: EAD – Tài sản có rủi ro (Exposure at default), LGD – thiệt hại do phá sản (loss given default) và các nhóm chỉ tiêu khác để tính RWA – tài sản có rủi ro trung bình (risk-weighted asset).
Trên thế giới hiện nay đa phần các NHTM thường sử dụng phương pháp chuẩn
hóa để đánh giá rủi ro tín dụng khách hàng khi cấp tín dụng, còn ở Việt Nam lại
thường sử dụng phương pháp xếp hạng tín dụng nội bộcơ bản, và xây dựng chỉ tiêu hệ
thống xếp hạng tín dụng riêng cho mình. Với hệ thống xếp hạng tín dụng nội bộ đó
giúp đánh giá tổng quát khách hàng trên nhiều khía cạnh, tuy nhiên hiệu quả dự báo
vẫn chưa mang lại kết quả cao. Để có được một hệ thống xếp hạng tín dụng nội bộ
đáng tin cậy đòi hỏi ngân hàng phải xây dựng các chỉ tiêu đánh giá dựa trên các tiêu
chí định tính và cả định lượng. Sau đây là một số mô hình phổ biến có thể xem là phù
hợp để đo lường rủi ro tín dụng cho các NHTM Viện Nam vận dụng. (Tạp chí Phát
triển và Hội nhập số 15(25) tháng 03-04/2014)
Mô hình đánh giá chất lượng khách hàng theo khung 6C
Ville and Taffler (1995) trong công trình nghiên cứu của mình đã khái quát việc
đo lường rủi ro tín dụng trong đó mô hình này được coi là một mô hình cơ bản dễ áp
dụng để đo lường và kiểm soát rủi ro tín dụng, có thể thấy rằng đây là một mô hình
khá phổ biến đang được áp dụng rộng rãi không chỉ tại các ngân hàng thương mại Việt
Nam mà còn được áp dụng tại các ngân hàng thương mại trên thế giới. Trong mô hình
này tập trung phân tích các nhân tố sau:
- Tư cách người vay (Character): Cán bộ tín dụng phải làm rõ mục đích xin vay
của khách hàng, mục đích vay của khách hàng có phù hợp với chính sách tín dụng hiện hành của ngân hàng và phù hợp với nhiệm vụ sản xuất kinh doanh của khách hàng hay
không, đồng thời xem xét về lịch sử đi vay và trả nợ vay đối với khách hàng cũ, còn
khách hàng mới thì cần thu thập thông tin từ nhiều nguồn khác nhau như từ trung tâm phòng ngừa rủi ro, từ ngân hàng bạn, từcác cơ quan thông tin đại chúng.
quốc gia: Đòi hỏi người đi vay phải có năng lực pháp luật dân sựvà năng lực hành vi dân sự.
- Thu nhập của người đi vay (Cash): Trước hết phải xác định được nguồn trả nợ
của người đi vay như luồng tiền từ doanh thu bán hàng hay thu nhập từ tiền bán hàng
thanh lý tài sản, hoặc tiền từ phát hành chứng khoán.
- Bảo đảm tiền vay (Collateral): Đây là điều kiện để ngân hàng cấp tín dụng và
là nguồn tài sản thứ hai có thểdùng để trả nợ vay cho ngân hàng.
- Các điều kiện (Conditions): Ngân hàng quy định các điều kiện tùy theo chính
sách tín dụng theo từng thời kỳnhư cho vay hàng xuất khẩu với điều kiện thâu ngân phải qua Ngân hàng, nhằm thực thi chính sách tiền tệ của Ngân hàng Trung ương theo
từng thời kỳ.
- Kiểm soát (Control): Tập trung vào những vấn đề như sự thay đổi của luật pháp có liên quan và quy chế hoạt động mới có ảnh hưởng xấu đến người vay hay không? Yêu cầu tín dụng của người vay có đáp ứng được tiêu chuẩn của ngân hàng hay không?.
Nhận xét về những ưu và nhược điểm của mô hình:
- Tận dụng được kinh nghiệm và kiến thức chuyên sâu của cán bộ tín dụng, các
chuyên gia tài chính để phân tích các chỉ tiêu tài chính. Việc phân tích dựa trên công
nghệđơn giản, hệ thống lưu trữ thông tin ổn định, sử dụng hồ sơ có sẵn, sử dụng các
yếu tốkhông mang tính lượng hóa.
- Đây là một mô hình tương đối đơn giản nhưng hạn chế của mô hình này là nó
phụ thuộc vào mức độ chính xác của nguồn thông tin thu thập, khảnăng dự báo cũng
như trình độ phân tích, đánh giá của cán bộ tín dụng. Bên cạnh đó các chỉ tiêu phi tài
chính chủ yếu dựa vào đánh giá theo ý chủ quan của cán bộ tín dụng.
- Mô hình này có thể áp dụng cho các khoản vay riêng lẻmang tính đặc thù chịu
ảnh hưởng của các yếu tố vùng miền, phong tục tập quán thì việc dựa trên các yếu tố
định lượng không đưa ra được những quyết định chính xác mà phải trên ý kiến và kinh
nghiệm của cán bộ tín dụng.
- Các ngân hàng thương mại sử dụng mô hình này sẽ chịu chi phí cao do tốn
nhiều thời gian để đánh giá và đòi hỏi cán bộ tín dụng phải có tính chuyên nghiệp, có
- Mô hình này rất khó đo lường vai trò của các yếu tố đến hạng tín nhiệm của khách hàng và vì vậy không có tác dụng tư vấn đối với khách hàng cũng như đối với
việc thẩm định hồsơ khoản vay.
Vì đây là mô hình đơn giản nên ngân hàng chỉ cần tiềm lực tài chính trung bình
với một đội ngũ cán bộ tín dụng tương đối tốt cùng với một hệ thống thông tin quản lý
cập nhật là có thể thực hiện được (Nguyễn Phước Ngon, 2014) Mô hình điểm số Z của Altman
Chỉ số Altman Z – score (gọi tắt là chỉ số Z – score) được phát triển năm 1968 bởi giáo sư Edward I. Altman, trường kinh doanh Leonard N. Stern, thuộc Trường Đại học New York, dựa vào việc nghiên cứu khá công phu trên số luợng nhiều công ty khác nhau tại Mỹ. Mặc dù chỉ số Z – score này được tìm ra tại Mỹ, nhưng hầu hết các nuớc vẫn có thể sử dụng với độ tin cậy cao.
Mô hình điểm số Z do Altman khởi tạo và thông thường được sử dụng để xếp
hạng tín nhiệm đối với các doanh nghiệp. Mô hình này dùng đểđo xác suất vỡ nợ của
khách hàng thông qua các đặc điểm cơ bản của khách hàng. Đại lượng Z là thước đo
tổng hợp để phân loại rủi ro đối với người vay và phụ thuộc vào các yếu tố tài chính
của người vay (Xj). Từmô hình này tính được xác suất vỡ nợ của người vay trên cơ sở
số liệu trong quá khứ.
Ban đầu giáo sư Altman sử dụng đến 22 chỉ tiêu tài chính (Financial Ratio) khác nhau để tính chỉ số Z-score, sau đó ông phát triển thêm và rút gọn lại còn sử dụng 5 chỉ tiêu. Cụ thể, Z-score được được tính với 5 chỉ số tài chính được ký hiệu từ XR1R, XR2R, XR3R, XR4R, XR5R bao gồm:
XR1R: Tỷ số vốn lưu động trên tổng tài sản (Working Capitals/Total Assets). XR2R: Tỷ số lợi nhuận giữ lại trên tổng tài sản (Retain Earnings/Total Assets) XR3R: Tỷ số lợi nhuận trước lãi vay và thuế trên tổng tài sản (EBIT/Total Assets). XR4R: Giá trị thị trường của vốn chủ sở hữu trên giá trị sổ sách của tổng nợ (Market Value of Total Equity / Book values of total Liabilities).
Ngoài ra, từ một chỉ số Z ban đầu, Giáo Sư Edward I. Altman đã phát triển ra Z’ và Z’’ để có thể áp dụng theo từng loại hình và ngành của doanh nghiệp:
Đối với doanh nghiệp đã cổ phần hoá, ngành sản suất, Z – score được tính theo công thức:
Z = 1,2XR1R + 1,4XR2R + 3,3XR3R + 0,64XR4R + 0,999XR5R (1)
- Nếu Z > 2,99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
- Nếu 1,8 < Z < 2,99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
- Nếu Z <1,8: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao
Đối với doanh nghiệp chưa cổ phần hoá, ngành sản suất Z – score được tính theo công thức:
Z’ = 0,717XR1R + 0,847XR2R + 3,107XR3R + 0,42XR4R + 0,998XR5R (2)
- Nếu Z’> 2,9: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản. - Nếu 1,23 < Z’ < 2,9: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
- Nếu Z’ <1,23: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
Đối với các doanh nghiệp khác: Chỉ số Z’’ dưới đây có thể được dùng cho hầu hết các ngành, các loại hình doanh nghiệp. Vì sự khác nhau khá lớn của X5 giữa các ngành, nên X5 đãđược loại ra. Công thức tính chỉ số Z’’ được điều chỉnh như sau:
Z’’ = 6,56XR1R + 3,26XR2R + 6,72XR3R + 1,05XR4R (3)
- Nếu Z’’ > 2,6: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
- Nếu 1,2 < Z’’ < 2,6: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ. phá sản.
- Nếu Z <1,1: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao
Chỉ sốZ càng cao thì người vay có xác suất vở nợ càng thấp và ngược lại. Theo
nhóm có nguy cơ rủi ro cao. Căn cứ kết luận này, ngân hàng sẽ không cấp tín dụng cho
khách hàng vay cho đến khi cải thiện được điểm số Z>1,81
Ưu điểm:
- Kỹ thuật tương đối đơn giản.
- Nhất quán, khách quan, không phụ thuộc vào ý kiến chủ quan của các cán bộ
tín dụng.
Nhược điểm:
- Phụ thuộc nhiều vào cách phân loại khách hàng vay có rủi ro và không có rủi ro.
- Đòi hỏi hệ thống thông tin cập nhật đầy đủ thông tin của tất cả khách hàng
- Chưa bao quát hết các nhân tố mang tính chất định tính.
Trên cơ sở những ưu điểm và khả năng áp dụng rộng rãi của Z-score trong dự
báo rủi ro tín dụng của doanh nghiệp, NHTM nên xem xét thực thi một số giải pháp
sau để tận dụng ưu điểm của Z-score trong quản lý rủi ro tín dụng của mình:
Một là, nên bổ sung chỉ số Z-score vào các chỉ tiêu xếp hạng tín dụng nội bộ khi
đánh giá tín dụng và ra quyết định cấp tín dụng cho khách hàng. Điều này giúp dự báo
sớm khảnăng phá sản cũng chính là rủi ro tín dụng của khách hàng. Chỉ cấp tín dụng
cho những doanh nghiệp có mức Z-score an toàn. Kiên quyết từ chối các doanh nghiệp có mức Z-score thấp hoặc hạn chế cấp tín dụng cho các doanh nghiệp có Z-score ở
mức rủi ro
Hai là, thường xuyên theo dõi, tính toán lại chỉ số Z-score theo quý hoặc theo
tháng đểđánh giá rủi ro tín dụng của khách hàng và theo dõi chiều hướng thay đổi của
Z-score để phát hiện kịp thời rủi ro tín dụng và có biện pháp can thiệp thích hợp.
Ba là, nên nghiên cứu sự thích hợp của Z-score trong áp dụng cho từng nhóm đối
tượng khách hàng để điều chỉnh các chỉ tiêu sao cho thích hợp tại Việt Nam (tạp chí
Phát triển và Hội nhập số 15(25) tháng 03-04/2014). Mô hình hồi quy Binary Logistics
thuộc của 1 biến nhị phân vào các biến độc lập khác. Mục đích của mô hình này sử
dụng các nhân tố có ảnh hưởng đến doanh nghiệp (biến độc lập) để xác định khảnăng
những doanh nghiệp này sẽ có rủi ro tín dụng (biến phụ thuộc) là bao nhiêu. Nghĩa là,
mô hình Logistic có thể ước lượng xác suất mặc định một doanh nghiệp có rủi ro là bao nhiêu trực tiếp từ mẫu.
Cấu trúc dữ liệu trong mô hình như sau:
65T
Biến Loại
Phụ thuộc (Y) Nhị phân
Độc lập (X) Liên tục hoặc rời rạc
Nguồn: Maddala (1984)
Giả sử biến giả Y phụ thuộc vào chỉ số khả dụng Y*. Trong đó: Y* = βR0R+ βR1RXR1R+ βR2RXR2R+ βR3R XR3R+….+ βRjRXRijR + u
Vì Y(x) là biến nhị phân có thểđược giải thích như sau:
60T
Y60TRi R60T={ 60T0 60Tnếu trảđược nợ (không có rủi ro tín dụng) 60T
1 60Tnếu không trảđược nợ (có rủi ro tín dụng)
Trong đó PRiR=P[(YRiR=1)/XRiR], khi đó YRiR là biến ngẫu nhiên phân phối theo qui luật Bernoulli, có nghĩa là: f(YRiR)=PRiRP
Y
PRi R(l-PRiR)P 1-Y
PRiR, trong đó YRiR=0,l,...,n. Khi đó, kì vọng toán
và phương sai được tính như sau: E(YRiR)=nRiRPRiR, Var(YRiR)= nRiRPRiR(l-PRiR).
Theo Hoàng Trọng - Chu Nguyễn Mộng Ngọc (2008), vì YRiR là biến ngẫu nhiên phân phối theo quy luật Bernuolli nên có thể viết lại như sau:
uX X p p Ln k j j ij i i /(1− )]= +∑ = ( )+ [ 1 0 β β
YRiR là khả năng trả nợ của doanh nghiệp hay mức độ rủi ro của khoản vay (Y=0 không có nợ xấu; Y=1 nếu có nợ xấu).
PRiR: Xác suất xảy ra nợ xấu (RRTD) của doanh nghiệp thứ i quan hệ với ngân hàng (i chạy từ1 đến n).
βRjR: Hệ sốtương quan βR0R: Hằng số
u: Sai số ngẫu nhiên
XRijR: Biến độc lập chỉ ra các yếu tốảnh hưởng khảnăng trả nợ của doanh nghiệp i trong quan hệ tín dụng.