6. Tổng quan tài liệu nghiên cứu
1.2.2. Phân tích cơ sở dữ liệu và phân loại khách hàng
a. Phân t ch cơ sở dữ liệu
Các khách hàng khác nhau với loại hình hoạt động và đặc điểm khác nhau s có những nhu cầu về sản ph m, dịch vụ khác nhau. Sau khi đã thu thập đầy đủ thông tin về KH, NH có thể tiến hành phân tích cơ sở dữ liệu về
KH, phân tích tìm hiểu nhu cầu mong muốn của khách hàng, họ đang tìm kiếm gì từ phía ngân hàng. Từ đó gi p cho NH tìm hiểu và quản lý KH một cách khoa học, xác định thông tin nào về KH mà mình cần phải quan tâm và sử dụng những thông tin với mục đích gì. Việc phân tích cơ sở dữ liệu về KH cần đảm bảo các nội dung sau đây:
- Mục tiêu của việc phân tích cơ sở dữ liệu.
- Dữ liệu về KH đƣợc sử dụng trong phân tích nhƣ thế nào?
- Phƣơng pháp đƣợc sử dụng trong phân tích cơ sở dữ liệu về KH.
Mô hình phân tích dữ liệu:
Dữ liệu s không có ý nghĩa gì với hoạt động kinh doanh của doanh nghiệp nếu ch ng không đƣợc khai thác và phân tích. Hầu hết các doanh nghiệp đều khai thác cơ sở dữ liệu dựa trên hệ thống máy tính và ứng dụng công nghệ thông tin. Quá trình phân tích đƣợc thực hiện nhanh chóng và hiệu quả, cho kết quả chính xác và toàn diện hơn khi ứng dụng công nghệ thông tin vào quá trình phân tích dữ liệu.
Hình 1.2. Mô hình phân tích dữ liệu về khách hàng
Các khái niệm:
Data sources: Nguồn dữ liệu
Data warehouse: Kho dữ liệu – đây là một tập hợp có logic nhiều cơ sở dữ liệu, tập trung một khối lƣợng thông tin lớn hỗ trợ cho công tác phân tích và ra quyết định thông qua phân tích dữ liệu OLAP.
Data mining: Là một qui trình sử dụng hiểu biết về thống kê, toán học và các phƣơng tiện kĩ thuật khai thác để nhận biết các thông tin hữu ích và dự đoán đƣợc xu hƣớng từ cơ sở dữ liệu rộng lớn.
OLAP (Online Anylisic Process): Là công cụ phân tích trực tuyến, đa chiều. Dữ liệu đƣợc tập hợp và tạo thành các cơ sở dữ liệu, đƣợc s p xếp và lƣu trữ một cách logic trong kho dữ liệu theo những mô hình nhất định. Thông qua quá trình khai thác dữ liệu data mining và công cụ phân tích trực tuyến, OLAP s cung cấp các thông tin có giá trị hỗ trợ cho hệ thống ra quyết định.
Tiến hành phân tích thông tin khách hàng cá nhân từ các cơ sở dữ liệu sau - Phân tích thông tin cơ bản: số nhà, tên đƣờng, quận/phƣờng, thành phố/tỉnh, địa chỉ nơi làm việc, số điện thoại nơi làm việc, số fax, địa chỉ email.
- Phân tích thông tin về đặc điểm nhân kh u: giới tính, tình trạng hôn nhân, nghề nghiệp, chức vụ, trình độ giao dục, số ngƣời trong gia đình .
- Phân tích thông tin tài chính: mức thu nhập; khả năng thanh toán; số tài khoản; uy tín trong việc trả tiền; số lần sử dụng các sản ph m dịch vụ; số dƣ tiền gửi/tiền vay.
- Phân tích thông tin hoạt động: thói quen mua s m; lối sống qua những lần tiếp x c; các khiếu nại; các hành vi tiêu d ng.
. Phân loại khách hàng
Sau khi phân tích các thông tin trên, ngân hàng s thực hiện việc chấm điểm cho từng yếu tố của thông tin. Dựa trên tổng điểm của khách hàng đạt đƣợc, ngân hàng s phân loại khách hàng vào từng nhóm khách hàng khác nhau để đề ra các biện pháp tiếp cận và cung cấp các sản ph m dịch vụ thích hợp nhất.
Các mô hình lƣợng hóa rủi ro tín dụng: Mô hình định tính
Đƣợc xem là mô hình cổ điển để đánh giá RRTD.Mô hình này đƣợc xem là mất thời gian. Hiện nay, hầu hết các ngân hàng đều tiếp cận phƣơng pháp đánh giá rủi ro hiện đại hơn, đó là việc xây dựng mô hình thích hợp để lƣợng hóa mức độ rủi ro của khách hàng, từ đó xác định phần bù rủi ro và giới hạn an toàn tối đa với một khách hàng cũng nhƣ trích lập dự phòng rủi ro.
Mô hình chất lƣợng 6C
Tính cách của ngƣời vay (Character):
CBTD 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 hay không, đồng thời xem xét về lịch sử đi vay và trả nợ đối với khách hàng cũ; còn khách hàng mới thì cần thu thập thông tin từ nhiều nguồn khác nhƣ Trung tâm phồng ngừa rủi ro, từ NH khác, hoặc các cơ quan thông tin đại chúng.
Năng lực của ngƣời vay (Capacity)
Tùy thuộc vào quy định luật pháp của từng quốc gia. Ngƣời vay phải có năng lực pháp luật dân sự và năng lực hành vi dân sự.
Nguồn tiền để trang trải khoản vay (Cashflows)
Trƣớc hết phải xác định đƣợc nguồn trả nợ của ngƣời vay nhƣ luồng tiền từ doanh thu bán hàng hay từ thu nhập, tiền từ bán thanh lý tài sản, hoặc tiền từ phát hành chứng khoán.
Sự bảo đảm của khoản vay (Collateral)
Đây là điều kiện để ngân hàng cấp tín dụng và là nguồn tài sản thứ hai có thể dùng để trả nợ vay cho ngân hàng.
Điều kiện – môi trƣờng kinh doanh của ngƣời đi vay (Conditions) Ngân hàng quy định các điều kiện tùy theo chính sách tín dụng theo từng thời kỳ.
Khả năng kiểm soát (Control)
vay: kiểm tra mục đích sƣ dụng vốn, kiểm tra hiệu quả sử dụng vốn. Mô hình định lƣợng
- Hiện nay, hầu hết các ngân hàng đều tiếp cận phƣơng pháp đánh giá rủi ro hiện đại hơn, đó là lƣợng hóa rủi ro tín dụng. Sau đây là một số mô hình lƣợng hóa rủi ro tín dụng thƣờng đƣợc sử dụng nhiều nhất:
– Mô hình điểm số Z (Z – credit scoring model): Đây là mô hình do E.I.Altman d ng để cho điểm tín dụng đối với khách hàng. Đại lƣợng Z dùng làm thƣớc đo tổng hợp để phân loại rủi ro tín dụng đối với ngƣời vay.
Mô hình này phụ thuộc vào:
- ỉ số các yếu tố tài chính của người vay – X;
- ầm quan trọng của các chỉ số này trong việc xác định xác suất vỡ nợ của người vay trong quá khứ, mô hình được mô tả như sau:
- Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0 X5 (1)
- Trong đó:
- X1: Tỷ số “vốn lưu động ròng/tổng tài sản”.
- X2: Tỷ số “lợi nhuận tích lũy/tổng tài sản”.
- X3: Tỷ số “lợi nhuận trước thuế và lãi/tổng tài sản”.
- X4: Tỷ số “thị giá cổ phiếu/giá trị ghi sổ của nợ dài hạn”
- X5: Tỷ số “doanh thu/tổng tài sản”.
- Trị số Z càng cao, thì ngƣời vay có xác suất vỡ nợ càng thấp. Nhƣ vậy, khi trị số Z thấp hoặc là một số âm s là căn cứ để xếp khách hàng vào nhóm có nguy cơ vỡ nợ cao.
- Z < 1,8 : Khách hàng có khả năng rủi ro cao.
- 1,8< Z <3: Không xác định được.
- Z > 3: Khách hàng không có khả năng vỡ nợ.
- Bất kỳ khách hàng nào có điểm số Z < 1.81 phải đƣợc xếp vào nhóm có nguy cơ rủi ro tín dụng cao. Mô hình chấm điểm tín dụng và xếp loại tín dụng
Ưu điểm:
K thuật đo lƣờng rủi ro tín dụng tƣơng đối đơn giản.
Nhược điểm:
Mô hình này chỉ cho phép phân loại nhóm khách hàng vay có rủi ro và không có rủi ro. Tuy nhiên trong thực tế mức độ rủi ro tín dụng tiềm năng của mỗi khách hàng khác nhau từ mức thấp nhƣ chậm trả lãi, không đƣợc trả lãi cho đến mức mất hoàn toàn cả vốn và lãi của khoản vay.
Không có lý do thuyết phục để chứng minh r ng các thông số phản ánh tầm quan trọng của các chỉ số trong công thức là bất biến. Tƣơng tự nhƣ vậy, bản thân các chỉ số cũng đƣợc chọn cũng không phải là bất biến, đặc biệt khi các điều kiện kinh doanh cũng nhƣ điều kiện thị trƣờng tài chính đang thay đổi liên tục.
Mô hình không tính đến một số nhân tố khó định lƣợng nhƣng có thể đóng một vai trò quan trọng ảnh hƣởng đến mức độ của các khoản vay (danh tiếng của khách hàng, mối quan hệ lâu dài giữa ngân hàng và khách hàng hay các yếu tố vĩ mô nhƣ sự biến động của chu kỳ kinh tế).
Mô hình chấm điểm tín dụng và xếp loại tín dụng tiêu dùng:
Hiệp ƣớc Basel 2 cho phép các Ngân hàng lựa chọn giữa “đánh giá tiêu chu n và “xếp loại nội bộ .Về cơ bản có 2 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 2 công cụ đều d ng 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 khách hàng. Chấm điểm tín dụng chủ yếu dựa vào thông tin phi tài chính, các thông tin cần thiết trong giấy đề nghị vay vốn và các thông tin khác về khách hàng do ngân hàng thu thập đƣợc nhập vào hệ thống thông tin tín dụng để phân tích xử lý b ng phần
mềm cho điểm. Kết quả chỉ ra mức độ rủi ro tín dụng của khách hàng.Hiệu quả k thuật này cao và là một công cụ gi p ích đ c lực cho quản trị rủi ro đối với khách hàng là hộ cá nhân. Vì các đối tƣợng này không có báo cáo tài chính, thiếu tài sản thế chấp, thiếu thông tin nên thƣờng khó khăn trong việc tiếp cận ngân hàng;
+ Xếp loại tín dụng chỉ áp dụng đối với doanh nghiệp lớn, có đầy đủ các thông tin về báo cáo tài chính, số liệu thống kê tích lũy nhiều thời kỳ phục vụ cho việc xếp loại;
Tại các ngân hàng có thể khác nhau về cách thực hiện, tên gọi, chỉ tiêu đánh giá, nhƣng chung một mục đích là đánh giá khả năng trả nợ, ý thức trả nợ của khách hàng trong việc trả nợ vay theo các cam kết trong hợp đồng tín dụng. Từ đó xác định phần bù rủi ro và giới hạn tín dụng an toàn tối đa đối với một khách hàng cũng nhƣ để trích lập dự phòng rủi ro.
+ Phân tích rủi ro là làm sáng tỏ nguồn gốc và nguyên nhân gây ra rủi ro và khả năng thiệt hại. Phải xác định đƣợc nguyên nhân gây ra rủi ro từ đó mới có thể tìm ra biện pháp phòng ngừa.Vấn đề là làm sao nhận dạng những rủi ro nào là trọng yếu trong các rủi ro c ng tác động đến một đối tƣợng, để đảm bảo quản lý vừa có hiệu quả, nâng cao chất lƣợng tín dụng và có trọng tâm.
Xếp hạng của Moody’s và Standard & Poor’s
RRTD hay rủi ro không hoàn đƣợc vốn trái phiếu của công ty thƣờng đƣợc thể hiện b ng việc xếp hạng trái phiếu. Những đánh giá này đƣợc chu n bị bởi một số dịch vụ xếp hạng tƣ nhân trong đó Moody’s và Standard & Poor’s là những dịch vụ tốt nhất.
Bảng 1.1. Xếp hạng của Moody’s và Standard & Poor
Nguồn Xếp
hạng Tình trạng Standard & Poor
Aaa Chất lƣợng cao, rủi ro thấp nhất
Aa Chất lƣợng cao
A Chất lƣợng trên trung bình
Baa Chất lƣợng trung bình
Ba Chất lƣợng trung bình mang yếu tố đầu cơ
B Chất lƣợng dƣới trung bình
Caa Chất lƣợng kém
Ca Mang tính đầu cơ, có thể vỡ nợ
C Chất lƣợng kém nhất, triển vọng xấu
Moody
AAA Chất lƣợng cao, rủi ro thấp nhất
AA Chất lƣợng cao
A Chất lƣợng trên trung bình
BBB Chất lƣợng trung bình
BB Chất lƣợng trung bình mang yếu tố đầu cơ
B Chất lƣợng dƣới trung bình
CCC Chất lƣợng kém
CC Mang tính đầu cơ, có thể vỡ nợ