2.1.4.1 Khái niệm quản trị rủi ro tín dụng
Quản trị rủi ro tín dụng là quá trình nhận dạng, phân tích nhân tố rủi ro, đo lường mức độ rủi ro, trên cơ sở đó lựa chọn triển khai các biện pháp phòng ngừa và quản lý các hoạt động tín dụng nhằm hạn chế và loại trừ rủi ro trong quá trình cấp tín dụng. Quản trị rủi ro tín dụng chính là việc xây dựng hệ thống quản lý và các chính sách quản trị rủi ro thích hợp đối với hoạt động tín dụng nhằm tuân thủ các quy định của pháp luật, nhận diện, cảnh báo và đề ra các biện pháp hạn chế sự xuất hiện của rủi ro tín dụng, giảm thiểu những thiệt hại khi chúng phát sinh, đồng thời xác định sự tương quan hợp lý giữa các nguồn lực của ngân hàng với mức độ mạo hiểm có thể khi sử dụng vốn ngân hàng cho nghiệp vụ cấp tín dụng. Quản trị rủi ro tốt chính là một nguồn lợi thế cạnh tranh và là một công cụ tạo ra giá trị, cũng góp phần tạo ra các chiến lược kinh doanh hiệu quả hơn.
2.1.4.2 Các chỉ tiêu đánh giá rủi ro tín dụng
Các chỉ tiêu thường được sử dụng để đánh giá rủi ro tín dụng là:
- Tỷ lệ nợ xấu: Theo 18/2007/QĐ-NHNN thì nợ xấu bao gồm: Nợ dưới tiêu chuẩn, nợ nghi ngờ, nợ có khả năng mất vốn. Ba nhóm nợ này là cơ sở để đo lường chất lượng tín dụng của NHTM. Tỷ lệ nợ xấu càng cao thì nợ có vấn đề càng lớn, tuy nhiên không phải khoản nợ xấu nào cũng dẫn đến rủi ro tín dụng vì về mặt định tính có thể có nhưng món nợ nằm trong nhóm này nhưng không phải do đọng vốn cũng không hẳn do mất vốn.
- Tỷ lệ: Nợ xấu có khả năng tổn thất / Tổng nợ xấu: đây là chỉ tiêu trực tiếp phản ánh rủi ro, với nợ nhóm 5 thì mức độ rủi ro gần như là 100%, với nhóm này do thời gian quá hạn dài, hoặc những món nợ đánh giá theo định tính có mức rủi ro 100%, như vậy kết quả xử lý thu hồi và qua đánh giá thì nợ nhóm này rất khó thu. Với loại này sau khi đã xử lý tài sản đảm bảo để thu hồi nợ mà không đủ sẽ phải dùng đến quỹ dự phòng rủi ro nợ khó đòi để xử lý.
- Tỷ lệ: Quỹ DPRR / Nợ có khả năng mất vốn: Tỷ lệ này phản ánh khả năng chống đỡ RRTD từ quỹ dự phòng. Thông thường thì tỷ lệ này lớn hơn 100% vì riêng nợ nhóm 5 đã phải trích đủ 100% số tiền để đưa vào quỹ DPRR nợ khó đòi. Tuy nhiên về mặt lý thuyết chúng ta có thể thấy nếu một NHTM có nợ nhóm 5 quá lớn, giả sử khi đó khả năng tài chính không đủ để trích dự phòng, khi đó sẽ không đủ quỹ dự phòng để xử lý RRTD và NHTM phải đối mặt với nguy cơ phá sản. Vì thế chỉ tiêu này càng lớn càng đảm bảo tính an toàn trong hoạt động kinh doanh của NHTM.
- Tỷ lệ nợ quá hạn:
Dư nợ quá hạn
Tỷ lệ nợ quá hạn = --- (2.1) Tổng dư nợ cho vay
Nợ quá hạn (non performing loan - NPL) là khoản nợ mà một phần hoặc toànbộ nợ gốc và / hoặc lãi đã quá hạn. Tổng dư nợ cho vay là tất cả các khoản cho vay, ứng trước, thấu chi và cho thuê tài chính; Các khoản chiết khấu, tái chiết khấu thương phiếu và các giấy tờ có giá khác; Các khoản bao thanh toán; Các hình thức tín dụng khác.
1 4
Thông thường tổng dư nợ cho vay của ngân hàng được chia thành 3 nhóm:
- Nhóm dư nợ của các khoản tín dụng có chất lượng thấp: là những khoản cho vay có mức độ rủi ro lớn nhưng có thể mang lại thu nhập cao cho ngân hàng. Đây là khoản tín dụng chiếm tỷ trọng thấp trong tổng dư nợ cho vay của ngân hàng.
- Nhóm dư nợ của các khoản tín dụng có chất lượng tốt: là những khoản cho vay có mức độ rủi ro thấp nhưng có thể mang lại thu nhập không cao cho ngân hàng. Đây cũng là những khoản tín dụng chiếm tỷ trọng thấp trong tổng dư nợ cho vay của ngân hàng.
- Nhóm dư nợ của các khoản tín dụng có chất lượng trung bình: là những khoản cho vay có mức độ rủi ro có thể chấp nhận được và thu nhập mang lại cho ngân hàng là vừa phải. Đây là khoản tín dụng chiếm tỷ trọng áp đảo trong tổng dư nợ cho vay của ngân hàng.
2.1.4.3 Các mô hình đánh giá rủi ro tín dụng
Các nhà kinh tế, nhà phân tích ngân hàng đã sử dụng nhiều mô hình khác nhau để đánh giá khả năng tín dụng. Các mô hình này rất đa dạng bao gồm các mô hình phản ánh về mặt định lượng và những mô hình phản ánh về mặt định tính. Thông thường các ngân hàng sử dụng đồng thời nhiều mô hình để phân tích, đánh giá mức độ rủi ro.
Mô hình định tính:
- Phân tích tín dụng: là xác định khả năng hiện tại và tương lai của khách hàng trong việc sử dụng vốn vay và hoàn trả nợ vay. Đối với mỗi hồ sơ đề nghị vay vốn, cán bộ tín dụng (CBTD) cần phải trả lời được các câu hỏi căn bản sau: Người vay có thể tín nhiệm không? CBTD biết họ như thế nào? Hợp đồng tín dụng có được ký kết một cách đúng đắn và hợp lệ không?
- Trong trường hợp khách hàng không trả nợ, liệu ngân hàng có thể thu hồi nợ bằng tài sản, thu nhập của người vay một cách nhanh chóng với chi phí và rủi ro thấp nhất không?
- Kiểm tra tín dụng: Kiểm tra tín dụng rất cần thiết để hình thành chính sách cho vay của ngân hàng một cách lành mạnh. Nó không ngừng giúp cho nhà quản lý nhận ra những vấn đề một cách nhanh chóng mà còn có tác dụng kiểm tra thường xuyên xem cán bộ tín dụng có chấp hành đúng chính sách cho vay của ngân hàng hay không.
- Đồng thời tăng cường tính khách quan của công tác tín dụng, kiểm tra tín dụng độc lập giúp nhà quản lý đánh giá toàn bộ tiểm ẩn rủi ro đối với ngân hàng. Từ đó đề ra các biện pháp phòng chống cũng như định hướng chính sách quỹ dự trữ bù đắp rủi ro, chiến lược tăng vốn chủ sở hữu của ngân hàng trong tương lai.
- Hệ thống chỉ tiêu tài chính đánh giá khách hàng:
- Hệ thống chỉ tiêu này gồm: Nhóm chỉ tiêu thanh khoản, nhóm chỉ tiêu hoạt động, nhóm chỉ tiêu đòn bẩy, nhóm chỉ tiêu sinh lời.
Mô hình lượng hóa rủi ro tín dụng:
- Mô hình điểm số Z: Z score.
- Mô hình điểm số Z của Giáo Sư Edward I. Altman (GS Tài chính thuộc ĐH New York) để đo lường rủi ro tín dụng của ngân hàng trong việc cho vay đối với các doanh nghiệp.
- Theo mô hình này chúng ta có thể thấy cho điểm tín dụng đối với các doanh nghiệp, đại lượng Z dùng làm thước đo tổng hợp để phân loại rủi ro tín dụng đối với người đi vay và phụ thuộc vào:
- Trị số của các chỉ số tài chính của người vay.
-Tầm quan trọng của các chỉ số này trong việc xác định xác suất vỡ nợ của người vay trong quá khứ.
- Từ đó Altman đã xây dựng mô hình điểm như sau:
Z = 1,2 X1 + 1,4X2 + 3,3 X3 + 0,6X4 + 1,0X5 (2.2)
- Trong đó:
V X1 = Tỷ số Vốn lưu động ròng/ Tổng tài sản (Working Capitals/Total Assets).
V X2 = Tỷ số Lợi nhuận giữ lại/ Tổng tài sản (Retain Earnings/Total Assets).
V X3 = Tỷ số Lợi nhuận trước thuế và lãi/ Tổng tài sản (EBIT/Total Assets).
V X4 = Tỷ số Trị giá cổ phiếu / Giá trị ghi sổ của nợ dài hạn (Market value of Total Equity/Book values of Total Liabilities).
V X5 = Tỷ số Doanh thu / Tổng tài sản. ( Sales/Total Assets).
- Trị số Z càng cao, thì xác suất vỡ nợ của người đi vay càng thấp. Ngược lại, khi trị số Z thấp hoặc là một số âm thì đó là căn cứ xếp khách hàng vào nhóm có nguy cơ vỡ nợ cao. Theo mô hình cho điểm Z của Altman, bất cứ công ty nào có điểm số thấp hơn 1,81 phải được xếp vào nhóm có nguy cơ rủi ro tín dụng cao.
- Thực tế mô hình này còn có những hạn chế nhất định như: chỉ phân loại khách hàng thành hai nhóm, các biến số X không phải là bất biến, mô hình không có đề cập tới một số nhân tố quan trọng như danh tiếng khách hàng, quan hệ khách hàng với ngân hàng, chu kỳ kinh tế...
Mô hình điểm số tín dụng tiêu dùng:
- Đó là mô hình cho điểm khách hàng theo những tiêu chí nhất định. Qua các hạng mục cho điểm, ngân hàng sẽ chấm điểm khách hàng từ đó ra quyết định tín dụng.
- Mô hình này đã loại bỏ được phán xét chủ quan trong quá trình cho vay, giảm đáng kể thời gian tín dụng của ngân hàng. Tuy nhiên nó có nhược điểm là cứng nhắc không điều chỉnh nhanh để thích ứng thay đổi của nền kinh tế.
Mô hình cấu trúc kỳ hạn rủi ro tín dụng: Đây là phương pháp dựa trên các yếu tố thị trường để đánh giá rủi ro tín dụng và phân tích mức chấp nhận rủi ro gắn liền với mức sinh lời của khoản nợ công ty hay khoản vay ngân hàng. Với mô hình này chúng ta sẽ đánh giá về rủi ro tín dụng đối với ngân hàng khi mua trái phiếu kỳ hạn một năm và trái phiếu dài hạn.
Mô hình định lượng:
- Mô hình Lôgit: Mô hình Lôgit được sáng lập bởi Maddala năm 1984, là mô hình định lượng trong đó biến phụ thuộc là biến giả, chỉ nhận hai giá trị là 0 hoặc 1. Mô hình này được ứng dụng rộng rãi trong phân tích kinh tế nói chung và rủi ro tín dụng nói riêng. Cụ thể hơn, mô hình này có thể giúp ngân hàng xác định khả năng khách hàng sẽ có rủi ro tín dụng (biến phụ thuộc) trên cơ sở sử dụng các nhân tố có ảnh hưởng đến khách hàng (biến độc lập).
- Trong mô hình này, cấu trúc dữ liệu như sau:
Bảng 2.1 Cấu trúc dữ liệu trong mô hình Lôgit
1 6
Biến Ký hiệu Loại
Phụ thuộc Y Nhị phân
Độc lập Xt Liên tục hoặc rời rạc
Nguồn: Maddala (1984)
- Y đóng vai trò là biến phụ thuộc và là biến nhị phân, chỉ có thể nhận hai giá trị là 0 hoặc 1, cụ thể là:
V Y= 0 : nếu trả được nợ (không có rủi ro tín dụng)
V Y=1: nếu không trả được nợ (có rủi ro tín dụng).
J Xt là biến độc lập, thể hiện các nhân tố ảnh hưởng đến khách hàng, ví dụ như giới tính, thu thập, tình trạng nhà... đối với khách hàng cá nhân, hoặc ROE, ROA, vốn chủ sở hữu. đối với khách hàng doanh nghiệp.
- YA là giá trị ước lượng của Y, thu được khi hồi quy Y theo các biến độc lập. Một điều cần lưu ý là giá trị của chưa chắc đã thỏa mãn điều kiện do là giá trị ước lượng phụ thuộc vào các biến độc lập.
- Khi đó, xác suất một khách hàng trả được nợ (tức là xác suất Y = 0) được tính theo công thức sau, trong đó e là hằng số Euler (xấp xỉ 2,718) theo công thức:
T
(2.3)
I + er
- Như vậy, với các nhân tố có ảnh hưởng tới khách hàng được xác định trước (qua tờ kê khai của khách hàng, báo cáo tài chính,...) chúng ta có thể xác định được xác suất khách hàng đó trả được nợ. Với xác suất trả được nợ càng cao thì khách hàng đó càng ít có rủi ro tín dụng và ngược lại.
- Mô hình này sử dụng số liệu quá khứ làm dữ liệu đầu vào.
- Giả sử 1 khoản vay cũ có hai nhóm rủi ro mất vốn (Y=1) và không có rủi ro (Y=0). Chúng ta thiết lập mối quan hệ giữa các nhóm này với các nhân tố ảnh hưởng đến rủi ro tín dụng tương ứng Xn theo mô hình đường thẳng tuyến tính với công thức:
Y = 00 + 01X1 + P2X2 +. 0nXn + £ (2.4)
- Trong đó:
J Y là biến phụ thuộc, là mức độ rủi ro của các khoản vay và đo lường bằng 2 giá trị 0 (không có rủi ro), 1 (có rủi ro):
J @0: Là hằng số
J s : Là sai số được giả định là phân phối chuẩn trong mô hình.
J X1, X2...Xn : Là các biến độc lập.
Mô hình probit:
- Mô hình probit do Goldberger (1964) đề xuất, đặc điểm của mô hình prôbit là hạn chế xác suất rủi ro tín dụng dự tính trong khoảng từ 0 đến 1, nhưng nó khác với mô hình trên khi giả thiết rằng xác suất của rủi ro có dạng phân bổ chuẩn (Normal distribution) chứ không phân bổ theo hàm số lôgit. Tuy nhiên, khi được nhân với một yếu tố cố định thì giá trị lôgit có thể trở thành giá trị prôbit gần đúng.
được xác suất trả nợ của một cá nhân.
- Trong mô hình Prôbit, chúng ta có giả thiết sai số ngẫu nhiên có sai số chuẩn hóa: £i ~ N(0,1).
- Việc ước lượng các tham số trong mô hình, chúng ta có thể thực hiện được nhờ máy tính bằng sử dụng phần mềm thống kê. Sự khác nhau trong giả thiết giữa mô hình Lôgit và Prôbit chủ yếu tập trung ở hàm phân phối của các sai số. Tuy nhiên, sự khác biệt giữa Lôgit và Prôbit không đáng kể và không có ý nghĩa về mặt thống kê. Charles M.Friel trong nghiên cứu “Linear probability response models: Prôbit and Lôgit” chỉ ra vấn đề này.
- Mô hình này sử dụng số liệu quá khứ làm dữ liệu đầu vào.
- Giả sử 1 khoản vay cũ có hai nhóm rủi ro mất vốn (Y=1) và không có rủi ro (Y=0).Chúng ta thiết lập mối quan hệ giữa các nhóm này với các nhân tố ảnh hưởng đến rủi ro tín dụng tương ứngXn theo mô hình đường thẳng tuyến tính với công thức:
Y = 00 + 01X1 + P2X2 +... 0nXn + £ (2.5)
- Trong đó:
J Y là biến phụ thuộc, là mức độ rủi ro của các khoản vay và đolường bằng 2 giá trị 0( không có rủi ro), 1 (có rủi ro)
J @0: Là hằng số
J s : Là sai số được giả định là phân phối chuẩn trong mô hình.
J X1, X2...Xn : Là các biến độc lập.