7. Tổng quan tài liệu nghiên cứu
1.2.2. Đo lường rủi ro tín dụng
Đo lường xác suất và mức độ thiệt hại có thể xảy ra của các rủi ro đã được xác định: Là việc thu thập số liệu và phân tích đánh giá, từ đó xác định xác suất và mức độ thiệt hại có thể xảy ra.
Vấn đề là sau khi đã nhận dạng những rủi ro thì phải tiến hành đo lường rủi ro để xem rủi ro đó tập trung chủ yếu vào những rủi ro nào, loại rủi ro nào gây ra mức độ tổn thất lớn nhất, loại nào yếu nhất, loại rủi ro nào xuất hiện nhiều nhất, loại rủi ro nào tần số xuất hiện ít để có những biện pháp kiểm soát phù hợp.
Mô hình định tính: Mô hình 6C
Trọng tâm của mô hình này là xem xét người vay có thiện chí và khả năng thanh toán các khoản vay khi đến hạn hay không. Cụ thể bao gồm 6 yếu tố sau:
- Tính cách người vay (Character): CBTD phải làm rõ mục đích xin vay của khách hàng, mục đích vay có phù hợp với chính sách tín dụng hiện hành của ngân hàng hay không, đồng thời xem xét về lịch sử đi vay và trả nợ đối với khách hàng cũ; Đối với khách hàng mới thì cần thu thập thông tin từ nhiều nguồn khác như Trung tâm thông tin tín dụng, ngân hàng khác, từ cơ quan thông tin đại chúng,…
- Năng lực của người vay (Capacity): Tùy thuộc vào quy định luật pháp của quốc gia. Người vay phải có năng lực pháp luật dân sự và năng lực hành vi dân sự.
- Thu nhập của người vay (Cash): Trước hết phải xác định nguồn trả nợ của người vay như dòng tiền từ doanh thu bán hàng hay từ thu nhập, tiền từ bán thanh lý tài sản,…Sau đó, phân tích tình hình tài chính của doanh nghiệp vay vốn thông qua các chỉ số tài chính.
- Bảo đảm tiền vay (Collateral): Là điều kiện để ngân hàng cấp tín dụng và là nguồn tài sản có thể sử dụng để trả nợ vay.
- Các điều kiện (Conditions): Ngân hàng quy định các điều kiện tùy theo chính sách tín dụng theo từng thời kỳ.
- Kiểm soát (Control): Đánh giá những ảnh hưởng do sự thay đổi của luật pháp, quy chế hoạt động đến khả năng khách hàng đáp ứng các tiêu chuẩn của ngân hàng.
Việc sử dụng mô hình 6C tương đối đơn giản, tuy nhiên lại phụ thuộc quá nhiều vào mức độ chính xác của nguồn thông tin thu thập được, khả năng dự báo cũng như trình độ phân tích, đánh giá chủ quan của cán bộ tín dụng.
Mô hình định lượng
Mô hình 1: Mô hình xếp hạng Moody’s và Standard & Poor’s
Rủi ro tín dụng trong cho vay thường được thể hiện bằng việc xếp hạng các khoản cho vay. Việc xếp hạng này được thực hiện bởi một số dịch vụ xếp hạng tư nhân trong đó có Moody’s và Standard & Poor’s là những dịch vụ tốt nhất.
Đối với Moody xếp hạng cao nhất từ Aaa nhưng đối với Standard & Poor’s thì cao nhất là AAA. Việt xếp hạng giảm dần từ Aaa (Moody’s) và AAA (Standard & Poor’s) sau đó thấp dần để phản ánh rủi ro không được hoàn vốn cao. Nhưng thực tế vì phải xem xét mối quan hệ tỷ lệ thuận giữa rủi ro và lợi nhuận nên những khoản cho vay tuy được xếp hạng thấp (rủi ro không hoàn vốn cao) nhưng lại có lợi nhuận cao nên có lúc ngân hàng vẫn chấp nhận đầu từ vào các khoản cho vay này.
Mô hình 2: Mô hình điểm số Z
Việc tìm ra một công cụ để phát hiện dấu hiệu báo trước sự phá sản của khách hàng vay luôn là một trong những mối quan tâm hàng đầu của các nhà nghiên cứu về rủi ro. Có nhiều công cụ đã được phát triện để làm việc này,
trong đó chỉ số Z là công cụ được cả hai giới học thuật và thực hành công nhận và sử dụng rộng rãi trên thế giới. Chỉ số này được phát minh bởi Giáo sư Edward I.Altman, trường kinh doanh Leonard N.Stern, thuộc Đại học New York, dựa vào việc nghiên cứu khá công phu trên số lượng nhiều công ty khác nhau tại Mỹ và được phát triển độc lập bởi giáo sư Richard Taffer và những nhà nghiên cứu khác. Đến nay, hầu hết các nước vẫn còn sử dụng vì nó có độ tin cậy khá cao.
Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5
Chỉ số Z bao gồm 5 yếu tố X1, X2, X3, X4, X5: X1= Vốn lưu động/Tổng tài sản.
X2= Lợi nhuận giữ lại/Tổng tài sản.
X3= Lợi nhuận trước lãi vay và thuế/Tổng tài sản.
X4= Giá trị thị trường của Vốn chủ sở hữu/Giá trị sổ sách của tổng nợ. X5= Doanh số/Tổng tài sản.
Đại lượng Z dùng làm thước đo tổng hợp để phân loại rủi ro 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 xuất vỡ nợ của người vay trong quá khứ.
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 hạng khách hàng vào nhóm có nguy cơ vỡ nợ cao.
Mô hình 3: Mô hình điểm số tín dụng tiêu dùng
Các yếu tố quan trọng liên quan đến khách hàng sử dụng trong mô hình điểm số tín dụng tiêu dùng bao gồm: Hệ số tín dụng, tuổi đời, trạng thái tài sản, số người phụ thuộc, sở hữu nhà, thu nhập, điện thoại cố định, số tài khoản cá nhân, thời gian công tác…
Mô hình điểm số tin dụng tiêu dùng mang tính khách quan hơn, không tùy thuộc quá nhiều vào ý kiến chủ quan của cán bộ tín dụng, rút ngắn thời gian ra quyết định tín dụng. Tuy nhiên mô hình không thể tự điều chỉnh một cách nhanh chóng để thích ứng với những thay đổi hàng ngày của nền kinh tế – xã hội.
Mô hình 4: Chấm điểm tín dụng và xếp loại tín dụng
Hiệp ước Basel II cho phép ngân hàng lựa chọn giữa “đánh giá tiêu chuẩn” và “xếp loại nội bộ”. Về cơ bản có hai công cụ là xếp loại tín dụng (Credit rating) đối với khách hàng doanh nghiệp và chấm điểm tín dụng (Credit scoring) đối với khách hàng cá nhân. Về bản chất cả hai công cụ đều dùng để xếp loại tín dụng.
Chấm điểm tín dụng: chỉ áp dụng trong hệ thống ngân hàng để đánh
giá mức độ rủi ro tín dụng đối với khoản vay của doanh nghiệp nhỏ và cá nhân. Chấm điểm tín dụng chủ yếu dựa vào thông tin phi tài chính và các thông tin cần thiết trong giấy đề nghị vay vốn cùng các thông tin khác về khách hàng do ngân hàng thu thập được nhập vào máy tính, thông qua hệ thống thông tin tín dụng để phân tích, xử lý bằng phần mềm cho điểm. Kết quả chỉ ra mức độ rủi ro tín dụng của người vay. Hiệu quả kỹ thuật này cao sẽ giúp ích đắc lực cho quản trị rủi ro đối với khách hàng cá nhân và doanh nghiệp nhỏ. Vì đối tượng này không có báo cáo tài chính, hoặc không đầy đủ, thiếu tài sản thế chấp, thiếu thông tin nên thường khó khăn trong tiếp cận ngân hàng.
Xếp loại tín dụng: áp dụng đối với doanh nghiệp lớn, có đủ báo cáo tài chính, số liệu thống kê tích lũy nhiều thời kỳ phục vụ cho việc xếp loại. Áp dụng rộng rãi hơn, không những trong hoạt động ngân hàng, kinh doanh chứng khoán mà còn trong kinh doanh thương mại, đầu tư, …
Tại các ngân hàng có thể khác nhau về cách thực hiện, tên gọi, chỉ tiêu đánh giá, nhưng luôn cùng chung một mục đích là xác định khả năng, thành ý
của khách hàng trong việc hoàn trả tiền vay, lãi vay theo hợp đồng tín dụng đã ký kết. Từ đó xác định phần bù rủi ro và giới hạn tín dụng an toàn tối đa đối với một khách hàng cũng như để trích lập dự phòng rủi ro.
Mô hình 5: Đo lường rủi ro theo khung giá trị VAR
Hiệp ước Basel II khuyến khích các ngân hàng sử dụng các cách tiếp cận và mô hình đo lường rủi ro tín dụng để có thể lượng hóa giá trị tổn thất tín dụng tối đa dựa trên khung giá trị VaR (Value at Risk).
Một cách tổng quát VaR được đo lường như tổn thất tối đa ở tình huống xấu nhất trong một khoảng thời gian xác định với mức xác suất cho trước (thường được gọi là độ tin cậy). VAR xác định theo cách này thường được gọi là VAR tuyệt đối. VAR cho phép chúng ta tổng hợp tất cả các trạng thái rủi ro và các khoản cho vay khác nhau để tìm ra một con số nhằm trả lời câu hỏi: “Nếu năm sau là một năm không thuận lợi, tổn thất tín dụng tối đa của ngân hàng là bao nhiêu với một độ tin cậy cho trước (thường là 99,9%), từ đó xác định mức vốn cần thiết để chống đỡ cho rủi ro này.
Trong khi giá trị VaR cho danh mục đầu tư đã được sử dụng khá phổ biến tại các Ngân hàng thương mại, việc tính toán VaR tín dụng gặp nhiều khó khăn do:
VaR tín dụng thường được đo lường trong 1 khoảng thời gian dài hơn, thường là 1 năm (trong khi giá trị VaR của danh mục đầu tư thường được tính cho khoảng thời gian là 1 ngày).
Các số liệu quan sát (các vụ rủi ro vỡ nợ thực tế) thường nhỏ hơn rất nhiều so với rủi ro thị trường.
Tính lỏng của các công cụ tín dụng thấp, ít được giao dịch trên thị trường nên khó có thể tính được giá trị thị trường và độ biến động giá trị thị trường của khoản vay.
Theo Basel II, các ngân hàng sử dụng hệ thống cơ sở dữ liệu nội bộ để đánh giá rủi ro tín dụng, từ đó xác định hệ số an toàn vốn tối thiểu, khả năng tổn thất tín dụng. Với mỗi kỳ hạn xác định, tổn thất có thể được tính dựa trên công thức sau:
Tổn thất ước tính được
EL = PD x EAD x LGD EL: Tổn thất TD ước tính (Expected Loss) PD: Xác suất không trả được nợ (Probability of Default)
EAD: Tổng dư nợ của khách hàng tại thời điểm không trả được nợ (Exposure at Default) LGD: Tỷ trọng tổn thất ước tính (Loss Given Default)
PD: để tính toán nợ trong vòng một năm của khách hàng, ngân hàng
phải căn cứ trên số liệu dư nợ của khách hàng trong vòng ít nhất là năm năm, bao gồm các khoản nợ đã trả, khoản nợ trong hạn và khoản nợ không thu hồi được, dữ liệu được phân thành ba nhóm sau:
Nhóm dữ liệu tài chính liên quan đến các hệ số tài chính của khách hàng, cũng như các đánh giá của các tổ chức xếp hạng.
Nhóm dữ liệu định tính phi tài chính liên quan đến trình độ quản lý, khả năng nghiên cứu và phát triển sản phẩm mới, các dữ liệu về khả năng tăng trưởng của ngành,…
Nhóm dữ liệu mang tính cảnh báo liên quan đến các hiện tượng báo hiệu khả năng không trả được nợ cho ngân hàng như số dư tiền gửi, hạn mức thấu chi, …
Từ những dữ liệu trên, ngân hàng nhập vào một mô hình định sẵn, từ đó tính xác suất không trả được nợ của khách hàng.
EAD: đối với các khoản vay có kỳ hạn, việc xác định EAD là dễ dàng. Tuy nhiên, đối với khoản vay theo HMTD thì lại khá phức tạp. Theo thống kê của Basel thì tại thời điểm không trả được nợ, khách hàng thường có xu hướng rút vốn vay xấp xỉ hạn mức được cấp.
EAD = Dư nợ bình quân + LEQ x HMTD chưa sử dụng bình quân LEQ: Tỷ trọng phần vốn chưa sử dụng (Loan Equivalent Exposure) LEQ x HMTD chưa sử dụng bình quân: Là phần khách hàng rút thêm tại thời điểm không trả được nợ ngoài mức dư nợ bình quân.
Việc xác định LEQ có ý ngh a quyết định đối với độ chính xác của ước lượng về dư nợ của khách hàng tại thời điểm không trả được nợ. Cơ sở xác định LEQ là các số liệu quá khứ. Điều này gây khó khăn trong tính toán, khách hàng uy tín, trả nợ đầy đủ thường ít rơi vào trường hợp này, nên không thể tính chính xác LEQ. Ngoài ra, loại hình kinh doanh của khách hàng, khả năng khách hàng tiếp cận với thị trường tài chính, quy mô HMTD, tỷ lệ dư nợ đang sử dụng so với hạn mức, … làm cho việc xác định LEQ trở nên phức tạp hơn.
LGD: gồm tổn thất về khoản vay và các tổn thất khác phát sinh khi
khách hàng không trả được nợ, đó là lãi suất đến hạn nhưng không được thanh toán và các chi phí hành chính có thể phát sinh như chi phí xử lý tài sản thế chấp, chi phí cho dịch vụ pháp lý và một số chi phí liên quan.
LGD = (EAD - Số tiền có thể thu hồi)/EAD
Số tiền có thể thu hồi gồm các khoản tiền mà khách hàng trả và các khoản tiền thu được từ xử lý tài sản thế chấp, cầm cố.
LGD = 100% - Tỷ lệ vốn có thể thu hồi được
Khả năng thu hồi vốn của ngân hàng có thể rất cao hoặc rất thấp nên không thể tính bình quân. Hai yếu tố giữ vai trò quan trọng trong quyết định khả năng thu hồi vốn khi khách hàng không trả được nợ là TSBĐ của khoản vay, là cơ cấu tài sản của khách hàng. Ba phương pháp tính LGD là:
Tỷ trọng tổn thất căn cứ vào thị trường: sử dụng khi các khoản tín dụng có thể được mua bán trên thị trường. ngân hàng có thể xác định tỷ trọng tổn thất của một khoản vay căn cứ vào giá của khoản vay đó một thời gian
ngắn sau khi nó được xếp vào hạng không trả được nợ. Giá này được tính trên cơ sở ước tính của thị trường bằng phương pháp hiện tại hóa tất cả các dòng tiền có thể thu hồi được của khoản vay trong tương lai.
Tỷ trọng tổn thất căn cứ vào việc xử lý các khoản tín dụng không trả được nợ: ngân hàng sẽ ước tính các luồng tiền tương lai, khoảng thời gian dự kiến thu hồi được luồng tiền và chiết khấu chúng. Việc xác định lãi suất chiết khấu phù hợp là vô cùng khó khăn.
Xác định tỷ trọng tổn thất căn cứ vào giá các trái phiếu rủi ro trên thị trường.
Như vậy, khi ngân hàng cho vay các khách hàng tốt, hệ số rủi ro giảm xuống, và tất yếu dẫn đến rủi ro tín dụng giảm. Việc xác định tổn thất ước tính sẽ giúp ngân hàng thực hiện được thêm các mục tiêu:
Tăng cường khả năng quản trị nhân sự, cụ thể là đội ngũ nhân viên tín dụng. Để đánh giá khả năng của nhân viên tín dụng, không những chỉ có chỉ tiêu dư nợ, số lượng khách hàng mà phải đặc biệt quan tâm đến chất lượng của các khoản tín dụng được cấp.
Giúp ngân hàng xác định chính xác giá trị khoản vay, phục vụ hiệu quả cho việc chứng khoán hóa các khoản vay sau này. Đây cũng là xu hướng hiện nay của các ngân hàng, vì đây là công cụ hiệu quả nhất để san sẻ rủi ro và tạo tính linh hoạt trong quản lý danh mục đầu tư các khoản vay.
Xác định tổn thất ước tính sẽ giúp ngân hàng xây dựng hiệu quả hơn Quỹ dự phòng rủi ro tín dụng.
Xác định xác suất vỡ nợ PD giúp ngân hàng nâng cao được chất lượng của việc giám sát và tái xếp hạng khách hàng sau khi cho vay.
Tổn thất không ước tính được
Tổn thất không dự tính được (UL) của một khoản vay được hiểu là giá trị của độ lệch chuẩn so với giá trị trung bình (tổn thất dự tính được EL).
Nguồn để bù đắp tổn thất ngoài dự tính chính là từ vốn chủ sở hữu của ngân hàng, bởi vậy ngân hàng cần nắm giữ đủ vốn để bù đắp cho tổn thất này. Tỷ lệ tổn thất ngoài dự tính của một khoản vay được tính bằng công thức:
UL = EDF ( I – EDF ) x LGD
Còn giá trị tổn thất ngoài dự tính thì được tính theo công thức sau:
UL = EDF ( I – EDF ) x LGD x EAD
Trong đó:
LGD: Tổn thất của ngân hàng trong trường hợp khách hàng không trả được nợ
EDF: Xác suất vỡ nợ kỳ vọng của một công ty