Trước đây, để đánh giá mức độ tín nhiệm, các tổ chức tài chính thường sử dụng phương pháp “chuyên gia” trong hệ thống đánh giá rủi ro tín dụng của các doanh nghiệp. Các chuyên gia đánh giá sử dụng thông tin về đặc điểm của doanh nghiệp, danh tiếng, vốn, độ bất ổn của lợi suất và các tiêu chí liên quan khác. Đồng thời, họ phối hợp những biến kế toán và các biến định tính để đi đến việc đánh giá rủi ro tín dụng của khách hàng. Phần lớn sự đánh giá này đều mang tính chủ quan của các chuyên gia. Từ kết quả đánh giá này, người ta sẽ quyết định việc cấp hay không cấp các khoản tín dụng. Trong bài báo của Sommerville và Taffer (1995) đưa ra một số nhận định về việc các tổ chức đầu tư tài chính XHTD dựa vào phương pháp chuyên gia như sau:
Thứ nhất, các chuyên gia thường hướng tới tình trạng bi quan và không thích mạo hiểm với rủi ro.
Thứ hai, hầu hết hệ thống chấm điểm tín dụng khách hàng chỉ bao gồm những ý kiến chủ quan của các chuyên gia.
Vì vậy, Sommerville và Taffer cho rằng các tổ chức tài chính đã không sử dụng phương pháp chuyên gia một cách thường xuyên, mà hướng tới những phương pháp có cơ sở khách quan hơn. Với các biến tài chính được sử dụng là cơ sở của hệ thống cho điểm tín dụng. Các tổ chức đầu tư thường so sánh những chỉ tiêu tài chính của những người đi vay với ngành hoặc nhóm của người đi vay đang hoạt động. Khi sử dụng những mô hình nhiều biến, các biến tài chính được kết hợp với trọng số tương ứng tạo thành một thủ tục cho điểm rủi ro tín dụng hoặc đo lường xác suất vỡ nợ tương ứng. Nếu điểm số rủi
ro tín dụng, hoặc xác suất vỡ nợ tương ứng với một giá trị cụ thể nào đó theo tiêu chuẩn đánh giá, người đi vay sẽ bị từ chối hoặc cần phải có những đánh giá kỹ càng hơn.
Trong nhiều các công trình nghiên cứu và bài viết trên tạp chí của JBF (Journal of Banking Finance 1984; 1988) nhiều mô hình đo lường rủi ro tín dụng đã được công bố. Các kết quả này đã được sử dụng làm cơ sở cho việc phát triển các mô hình ở hơn 25 quốc gia.
Theo Altman và Narayanan Thực tế có bốn phương pháp tiếp cận trong việc phát triển hệ thống cho điểm tín dụng, đó là:
• Mô hình xác suất tuyến tính
• Mô hình Logit
• Mô hình Probit
• Mô hình phân tích phân biệt
Đã có rất nhiều những phân tích chuyên sâu về phương pháp luận đã được công bố trên tạp chí JBF, như DA tiếp đó là phân tích bằng mô hình Logit. Trong bài viết của Altman trên tạp chí JBF tháng 6 năm 1997 đã phát triển mô hình phân biệt và được coi như cơ sở cho các mô hình tiếp cận theo phương pháp này. Phân tích phân biệt tìm một hàm tuyến tính của các biến tài chính và thị trường để có thể phân biệt một cách tốt nhất giữa hai lớp doanh nghiệp vỡ nợ và không vỡ nợ. Tương tự, phân tích logit sử dụng các biến tài chính dự báo xác suất vỡ nợ của người vay. Với giả thuyết khả năng vỡ nợ có phân phối Logistic, hàm mật độ xác suất vỡ nợ được gọi là hàm logistic. Bởi vậy, giá trị của nó nằm trong khoảng (0, 1).
Martin (1977) sử dụng mô hình Logit và phân tích phân biệt trong dự báo phá sản của các Ngân hàng trong giai đoạn 1975-1976. Khi đó, đã có 25 ngân hàng vỡ nợ, cả hai mô hình đã cho kết quả phân lớp phù hợp với thực tế. West (1985) đã sử dụng mô hình logit kết hợp với sự phân tích nhân tố để đo
lường điều kiện tài chính của các tổ chức tài chính và đưa ra xác suất vỡ nợ của những ngân hàng. Đặc biệt, những nhân tố được sử dụng trong mô hình Logit tương tự như mô hình Camel dùng để xếp hạng các ngân hàng. Platt (1991) đã sử dụng mô hình Logit trong kiểm định và lựa chọn các biến tài chính và cho rằng, việc sử dụng các biến tài chính trong ngành tốt hơn sử dụng những biến tài chính của một doanh nghiệp đơn lẻ, trong dự báo phá sản của doanh nghiệp. Lawrence (1992) sử dụng mô hình Logit dự báo xác suất vỡ nợ của những người vay mua nhà có thế chấp. Smith và Lawrence (1995) sử dụng mô hình Logit trong lựa chọn biến tốt nhất khi dự báo vỡ nợ của các quốc gia. Họ cho rằng, sử dụng dữ liệu trả nợ trong quá khứ là quan trong nhất trong dự báo vỡ nợ[37].
Điều đáng chú ý nhất từ các phân tích trước đây cho thấy, số các biến tài chính là cơ sở của mô hình cho điểm tín dụng cũng là cơ sở của mô hình phân tích phân biệt. Altman (1968) sử dụng mô hình phân tích phân biệt, trên cơ sở số liệu của các doanh nghiệp bị phá sản từ năm 1946-1965 ở Mỹ và thu được hàm phân biệt (Z) như sau:
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 1,0 X5
trong đó: X1 = Vốn lưu động / tổng tài sản; X2 = Lợi nhuận chưa phân phối / tổng tài sản; X3 = Lợi nhuận trước thuế và lãi / tổng tài sản;
X4 = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ; X5 = Hệ số doanh thu / tổng tài sản
• Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản
• Nếu 1.81 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản
• Nếu Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
Hàm phân biệt Z có thể được dùng cho hầu hết các ngành, các loại hình doanh nghiệp. Tuy nhiên, vì sự khác nhau khá lớn của biến X5 giữa các ngành, nên X5 đã được đưa ra khỏi mô hình và Altman đã đề xuất mô hình điều chỉnh như sau:
Z’ = 6.56X1 + 3.26X2 + 6.72X3 +1.05X4
• 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.
Dựa trên nghiên cứu 700 công ty được xếp hạng bởi S&P, Altman tìm ra sự tương đồng giữa chỉ số Z’ với hệ số tín nhiệm của S&P. Sự tương đồng giữ chỉ số Z' điều chỉnh và xếp hạng của S&P, được giáo sư Altman viết rõ trong bài "The use of Credit scoring Models and The Important of a Credit Culture" và được xác định như sau:
Z’’ = 3,25 + 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4
Theo Altman thì mức độ tương đồng này là khá cao, nhưng không có nghĩa là tuyệt đối[4].
Altman (1997) đã đề xuất 7 biến số (gồm: X1 hệ số lợi nhuận trước thuế và lãi vay/ tổng tài sản; X2 hệ số lợi nhuận chưa phân phối / tổng tài sản; X3
hệ số vốn chủ sở hữu/tổng nguồn vốn; X4 hệ số thanh toán ngắn hạn; hệ số X5 (adsbygoogle = window.adsbygoogle || []).push({});
là độ lệch chuẩn của X1 trong khoảng từ 5- 10 năm; X6 hệ số lợi nhuận trước thuế và lãi vay/tổng lãi vay phải trả; X7 là tổng tài sản của doanh nghiệp) sử dụng trong mô hình phân tích phân biệt. Rất nhiều phiên bản riêng của mô
hình đã được đưa ra. Nói chung, mô hình bao gồm 7 biến thường được gọi là mô hình “Zeta”. Các mô hình này được coi như là mở rộng của mô hình gồm 5 biến của Altman (1968). Cũng như vây, Scott (1981) đã sử dụng những biến số này trong mô hình thực nghiệm của mình. Ông đã kết luận rằng mô hình Zeta có mối quan hệ chặt chẽ với lý thuyết phả sản do ông xây dựng.
Bảng 2.1: XHTD của Altman và S&P
Dấu hiệu Z'' S&P
> 8,15 AAA 7,60 - 8,15 AA+ 7,30 - 7,60 AA 7,00 - 7,30 AA- 6,85 - 7,00 A+ 6,65 - 6,85 A 6,40 - 6,65 A- 6,25 - 6,40 BBB+
Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản
5,85 - 6,25 BBB 5,65 - 5,85 BBB- 5,25 - 5,65 BB+ 4,95 - 5,25 BB 4,75 - 4,95 BB- 4,50 - 4,75 B+
Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản
4,15 - 4,50 B
3,75 - 4,15 B-
3,20 – 3.75 CCC+
2.50 – 3.20 CCC
Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
1.75 – 2.50 CCC-
Tương tự, nhóm bốn tác giả: Ling Zhang, Shou Chen, Jerome Yen, Edward I.Altman đã sử dụng mô hình MDA và 32 chỉ số tài chính của 164 công ty ở Trung quốc và thu được kết quả như sau:
Z=-8.751+6.3X1+0.761X6+1.29X21+0.41X23+0.015X24+0.105X31 -21.164X32
Trong đó: X1 là Lợi nhuận/ tổng tài sản; X6 luồng tiền mặt từ hoạt động kinh doanh/tổng số cổ phiếu quỹ; X21 ln (tài sản cố định); X23 là tốc độ tăng trưởng từ hoạt động kinh doanh; X24 lợi nhuận giữ lại/lợi nhuận dòng; X31 giá trị thị trường của cổ phiếu niêm yết/ trên tổng nợ; X32 giá trị sổ sách của tổng vốn cổ phần/giá trị thị trường của tổng vốn cổ phần.
• Nếu Z > 0,71 Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản
• Nếu -0,5 < Z < 0.71 Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản
• Nếu Z < 0.71 Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
Mô hình thu được ở Trung quốc có số biến độc lập trong hàm phân biệt nhiều hơn và khác so với mô hình của Altman tìm được ở Mỹ, sự khác nhau này có thể do sự khác nhau về đặc điểm của nền kinh tế ở hai quốc gia này[34].
Ở Việt nam, Dinh Thi Huyen Thanh và Stefanie Kleimeier đã tiến hành nghiên cứu nguồn số liệu được tổng hợp từ các NHTM Việt nam theo 20 biến số gồm độ tuổi, thu nhập trình độ học vấn,….để xác định mức độ ảnh hưởng của các biến này đến rủi ro tín dụng và qua đó xây dựng mô hình điểm số tín dụng cá nhân cho các ngân hàng bán lẻ ở Việt nam. Hầu hết số biến này đều là các chỉ tiêu phi tài chính rất khác so với các nghiên cứu từ trước đến nay. Vì hầu hết các mô hình điểm số tín dụng thường sử dụng các chỉ tiêu tài chính là chủ yếu. Bằng phương pháp ước lượng Dinh Thi Huyen Thanh và Stefanie Kleimeier thu được kết quả của hàm điểm số như sau:
Bảng 2.2: Kết quả ước lượng hàm điểm số của Dinh Thi Huyen Thanh và Stefanie Kleimeier Biến Hệ số Số lần đến ngân hàng -1.774 Giới tính -1.557 Số lần vay -0.938
Thời gian vay -0.845
Tài khoản tiền gửi -0.750
Tình trạng cư trú -0.652
Miền cư trú -0.551
Số lượng tiền gửi -0.492
Giá trị tài sản thế chấp -0.402
Số người phụ thuộc -0.356 (adsbygoogle = window.adsbygoogle || []).push({});
Thời gian làm công việc hiện tại -0.285
Tình trạng hôn nhân -0.233 Loại hình thế chấp -0.190 Có điện thoại cố định -0.181 Trình độ học vấn -0.156 Mục đích vay -0.125 Hệ số tự do -3.176 Nguồn:[42]
Tuy nhiên, trong kết quả nghiên cứu của mình các tác giả đã không nêu chi tiết phương pháp xác định trọng số và lựa chọn các biến cho mô hình điểm tín dụng nên rất khó trong đánh giá mức độ chính xác, ý nghĩa của mô hình cũng như đạt được sự thừa nhận trong thực tế. Dựa trên hàm điểm số hai tác giả đã xây dựng bảng XHTD cá nhân như sau[42]:
Bảng 2.3: Điểm xếp hạng khách hàng cá nhân của Dinh Thi Huyen Thanh và Stefanie Kleimeier Tổng điểm Xếp hạng Ý nghĩa >400 AAA 351-400 AA 301-350 A
Cho vay tối đa theo đề nghị của người vay
251-300 BBB Cho vay theo tài sản đảm bảo
210-250 BB Cho vay theo tài sản đảm bảo và đánh giá đơn xin vay
151-200 B Yêu cầu đánh giá thận trọng đơn vay vốn và có tài sản đảm bảo
101-150 CCC
51-100 CC
0-50 C
0 D
Từ chối cho vay
Nguồn: [42]
Trên cơ sở của mô hình DA và Logit rất nhiều các mô hình XHTD đã được phát triển ở một số quốc gia như Arindam Bandyopadhyay (2005) XHTD trái phiếu của các công ty ở Ấn độ, Cindy Yoshiko Shirata (1998) phát triển mô hình XHTD ở Nhật bản, sử dụng số liệu của 686 doanh nghiệp bị phá sản và 300 doanh nghiệp không bị phá sản từ năm 1986 đến 1996.
Trong nhiều trường hợp các chỉ số tài chính được sử dụng làm biến cơ sở của những mô hình cho điểm tín dụng đã được sử dụng khá tốt ở nhiều quốc gia khác nhau. Tuy nhiên, vẫn còn những hạn chế:
Thứ nhất, vì chỉ sử dụng cơ sở dữ liệu trong sổ sách kế toán, được báo cáo ở các giai đoạn khác nhau, nên những mô hình này có thể bỏ qua những thông tin ở bên ngoài như các thông tin thị trường trên các thị trường tài chính, thông tin của các chuyên gia, thông tin từ các phương tiện thông tin đại
chúng, từ khách hàng, nhà cung cấp,….
Thứ hai, mô hình phân tích phân biệt và Logit, khó có thể dự báo một cách chính xác vỡ nợ, khi các biến giải thích không thoả mãn giả thuyết “ giữa các biến giải thích không có quan hệ tuyến tính”, hoặc giả thiết về phân phối chuẩn của các biến này.
Vì vậy, đã có rất nhiều phương pháp mới được đưa ra nhằm thay thế những phương pháp chuyên gia trước đây.
Một lớp những mô hình đo lường rủi ro tín dụng mới (newer modelsof
credit risk measurement), với cơ sở lý thuyết chắc chắn được gọi là mô hình “rủi ro của phá sản”. Mà ở đó, phá sản được hiểu một cách đơn giản nhất, đó là một doanh nghiệp đi đến phá sản khi giá trị thị trường của tài sản nhỏ hơn giá trị của các khoản nợ phải trả. Những mô hình này đã được đưa ra bởi Wilcox (1973) và Scott (1981). Như sự nhân xét của Scott mô hình rủi ro phá sản là một trường hợp đặc biệt của mô hình định giá quyền chọn (OPM) của Black và Scholes, Merton (1974) cũng như của Hull và White (1995). Trong mô hình định giá quyền chọn Merton-Black-Scholes thì xác suất để một doanh nghiệp lâm vào tình trạng phá sản phụ thuộc vào giá trị thị trường của tài sản doanh nghiệp tại thời điểm ban đầu và mức độ bấp bênh (volatility) của giá trị thị trường của tài sản doanh nghiệp. Có rất nhiều ý tưởng về những mô hình rủi ro phá sản/ định giá quyền chọn đã có được sự chấp nhận ngày càng tăng. Một ví dụ điển hình là mô hình KMV (1993) và Kealhofer (1996), trong mô hình của KMV, yếu tố đầu vào quyết định cho việc ước lượng xác suất vỡ nợ của doanh nghiệp là giá trị thị trường của tài sản và độ bấp bênh của tài sản. Cả hai đã được ước lượng dựa trên việc xây dựng hai lý thuyết về mối quan hệ.
Thứ nhất, lý thuyết định giá quyền chọn, ở đó giá trị của cổ phiếu được coi như là một quyền chọn mua giá trị tài sản của doanh nghiệp.
Thứ hai, lý thuyết về mối quan hệ giữa mức độ bấp bênh của giá trị thị trường đối với tài sản hữu hình và vô hình của doanh nghiệp.
Vỡ nợ chỉ xảy ra trong tương lai khi giá trị thị trường của tài sản doanh nghiệp nhỏ hơn các khoản nợ phải trả trong ngắn hạn. Trong thực tế KMV thường sử dụng những kinh nghiệm về khoảng cách tới vỡ nợ làm cơ sở để đo lường độ lệch chuẩn của giá trị tài sản doanh nghiệp và các khoản nợ hiện tại, và cho rằng tỷ lệ phần trăm các doanh nghiệp phá sản trong một năm và giá trị tài sản có độ lệch tiêu chuẩn cao hơn các khoản nợ trong ngắn hạn. Nhìn chung mô hình phát huy hiệu quả hơn trong việc đánh giá các doanh nghiệp gặp vấn đề về tài chính so với mô hình dựa trên các biến tài chính. Bên cạnh