Xây dựng mô hình đo lường PD đã và đang được nhiều ngân hàng ở các quốc gia trên thế giới thực hiện, nhất là ở các nước phát triển. Tổ chức xếp hạng tín nhiệm quốc tế Standard&Poor đã giới thiệu về kết quả xây dựng mô hình PD cho KHDN vừa và nhỏ tại Thổ Nhĩ Kỳ, trong đó đưa ra định nghĩa khách hàng default, giới thiệu sơ lược một số yêu cầu về dữ liệu, kích thước mẫu, phương pháp xử lý dữ liệu, kết quả lựa chọn biến, biến đổi biến, ước lượng mô hình, phân khúc mô hình theo ngành, kết quả kiểm định mô hình của Standard&Poor áp dụng tại thị trường Thổ Nhĩ Kỳ. Qua ấn phẩm này, tác giả đã hiểu được những bước cơ bản để xây dựng mô hình PD, sự cần thiết và hiệu quả của phân khúc dữ liệu, chọn mẫu và lựa chọn biến, kiểm định mô hình để áp dụng nghiên cứu xây dựng mô hình PD
Naeem Siddiqui đã viết cuốn sách “Credit risk scorecards: Developing and Implementing Intelligent Credit Scoring” năm 2006 theo cách tiếp cận gắn liền với thực tế hoạt động kinh doanh, những nguyên tắc xử lý dữ liệu, những kỹ thuật hay được sử dụng, cách thức để xây dựng những mô hình gắn với đúng hoạt động của chính đơn vị xây mô hình, những kinh nghiệm thực tiễn trong xây dựng mô hình, cách thức đáp ứng các yêu cầu của Basel II về mô hình đo lường rủi ro tín dụng. Các nội dung trình bày trong cuốn sách được đúc kết từ kinh nghiệm của tác giả khi phát triển mô hình đo lường rủi ro tín dụng ở những thị trường tài chính phát triển của thế giới nên có những nội dung chưa phù hợp với những thị trường tài chính còn chưa phát triển. Tuy nhiên, qua cuốn sách này, tác giả hiểu sâu hơn về phương pháp luận, những kỹ thuật thống kê thông dụng xây dựng một mô hình đo lường rủi ro tín dụng.
Ấn phẩm “Rating Methodology” của Moody, 2000 cũng nêu các phương pháp luận về mô hình xếp hạng tín dụng song đa phần là chưa thể áp dụng đối với thị trường Việt Nam. Trong đó, các nội về quá trình tạo biến tài chính, các nhóm chỉ tiêu tài chính xây dựng từ BCTC, lựa chọn biến là những nội dung thiết thực nhất có thể sử dụng đối với thị trường Việt Nam. Ấn phẩm “Credit Risk Modelling: Theory and Applications” của David Lando năm 2004 trình bày các phương pháp luận về các mô hình đo lường rủi ro tín dụng. Trong đó, tác giả có đề cập đến xếp hạng tín dụng sử dụng hồi quy logistic dưới khía cạnh tiếp cận học thuyết thống kê toán học. Ngoài ra còn một số những ấn phẩm khác nói về phương pháp xây dựng mô hình đo lường rủi ro tín dụng, song có thể thấy chưa có một ấn phẩm nào viết sâu về chuyên biệt về ứng dụng mô hình logistic để xây dựng mô hình đo lường PD. Tại việt Nam, vấn đề ứng dụng mô hình Logistic trong đo lường PD không phải là mới. Cho đến nay đã có không ít những nghiên cứu về đề tài này.
Luận án tiến sĩ của Lê Thị Huyền Diệu, Học viện Ngân hàng, năm 2009 về “Luận cứ khoa học về xác định mô hình quản lý rủi ro tín dụng tại hệ thống ngân hàng thương mại Việt Nam” đã đề cập đến Giải pháp xây dựng mô hình định lượng đo lường rủi ro tín dụng. Luận án đưa ra định hướng cho việc thiết kế mô hình, phát
triển và kiểm định mô hình. Theo đó, đối với việc thiết kê mô hình, việc đầu tiên là phải định nghĩa được các trường hợp vỡ nợ, tiếp theo là sử dụng phương pháp luận xếp hạng tín dụng nội bộ theo Basel II, xây dựng kế hoạch thực hiện, thu thập chuẩn bị thông tin, xác định các thước đo làm sạch dữ liệu. Đối với việc phát triển mô hình: thực hiện phân tích đa biến, lựa chọn biến, phát triển mô hình, chuẩn hóa mô hình. Đối với việc kiểm định mô hình: thực hiện các phép đo hiệu lực dự báo của mô hình, kiểm định mô hình dựa trên mẫu khác, lựa chọn mô hình phù hợp nhất. Luận án mới chỉ dừng lại ở bước đưa ra định hướng, phương pháp, chưa đi vào thực tiễn thực hiện. Tuy nhiên, những định hướng này giúp tác giả có những định hình đầu tiên về các bước cần thực hiện trong việc xây dựng mô hình đo lường PD để từ đó tìm hiểu sâu hơn từng bước cụ thể.
Luận văn thạc sĩ của Đinh Đức Thịnh, Học viện Ngân hàng, năm 2012 về “Ứng dụng mô hình logit nhằm nâng cao chất lượng xếp hạng tín dụng doanh nghiệp tại ngân hàng Quốc tế chi nhánh Hoàn Kiếm” đề cập đến sự phù hợp của mô hình thống kê phụ thuộc rất lớn vào chất lượng của bộ dữ liệu thực nghiệm. Phải đảm bảo dữ liệu sử dụng phản ánh chính xác lĩnh vực mà ngân hàng có kế hoạch sử dụng mô hình. Nếu không thỏa mãn, việc phát triển mô hình xếp hạng thống kê sẽ chỉ phân loại chính xác đối với bộ dữ liệu thực nghiệm, nhưng không đưa ra được kết luận đáng tin cậy đối với tổng thể. Luận văn cũng đưa ra giới thiệu sơ lược các bước cơ bản thực hiện xây dựng mô hình PD: lựa chọn mô hình, lựa chọn biến số, chọn mẫu, sử dụng phần mềm thống kê, kiểm định mô hình và minh họa việc chạy thống kê logistic dựa trên mẫu giả định 36 biến, và kết quả kiểm định mô hình độ tin cậy thấp hơn mô hình hiện tại ngân hàng đang sử dụng. Mặc dù chưa đưa ra được những bước thực hiện chi tiết song luận văn đã giúp tác giả hiểu rõ thêm về các bước chính thực hiện xây dựng mô hình PD.
Luận văn thạc sĩ của Nguyễn Anh Đức, Đại học Quốc gia Hà Nội, 2012 về “Phân tích danh mục tín dụng: xác suất không trả được nợ” có đưa ra khái niệm khách hàng không trả được nợ - khách hàng default theo Basel II. Luận văn thạc sĩ của Đoàn Nguyên Hoàng Giang, Đại học kinh tế Quốc dân, 2011 về “Các mô hình phân tích, đánh giá rủi ro tín dụng và ứng dụng mô hình Logistic trong xếp hạng tín
dụng doanh nghiệp vay vốn tại ngân hàng GP.Bank” giới thiệu sơ lược về một số mô hình đánh giá rủi ro tín dụng như mô hình như mô hình tuyến tính, mô hình logistic, mô hình mạng nơ ron thần kinh và minh họa đơn giản sử dụng mô hình logistic vào một mẫu số liệu giả định.
Ngoài ra, không ít những nghiên cứu khác tại Việt Nam có đề cập đến ứng dụng mô hình logistic vào đo lường rủi ro tín dụng, song chỉ dừng lại ở giới thiệu sơ lược các bước xây dựng mô hình và minh họa trên một mẫu giả thiết với kích thước mẫu nhỏ. Tác giả cũng chưa thấy nghiên cứu nào chi tiết về ứng dụng mô hình logistic xây dựng mô hình đo lường PD đáp ứng các yêu cầu theo Basel II.
Kế thừa phương pháp luận và những kinh nghiệm thực tiễn từ các ấn phẩm của nước ngoài, những nội dung lý luận giới thiệu sơ lược từ các nghiên cứu tại Việt Nam, luận văn của tác giả tiếp tục nghiên cứu sâu hơn về những vấn đề mới mà chưa được đề cập đến, gắn liền với thực tiễn tại Vietinbank đó là:
- Phương pháp luận và cách thức xây dựng mô hình đo lường PD cho KHDN tại Vietinbank ứng dụng mô hình logistic, trong đó chi tiết về phương pháp thu thập và xử lý dữ liệu, phát triển kiểm định mô hình phù hợp với thực tiễn dữ liệu của Vietinbank.
- Mô hình PD được xây dựng thỏa mãn các yêu cầu của Basel II theo phương pháp IRB.
CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU THIẾT KẾ LUẬN VĂN 2.1. Phương pháp nghiên cứu
2.1.1. Phương pháp nghiên cứu định lượng
Nghiên cứu định lượng là nghiên cứu hướng vào việc thiết kế những quan sát định lượng các biến, đo lường, phân tích mẫu và kiến giải mối quan hệ giữa các biến bằng các quan hệ định lượng. Việc suy diễn và giải thích các hiện tượng dựa trên việc thu thập và phân tích những số liệu trước đó.
Nghiên cứu định lượng chú trọng sử dụng những số liệu, phương pháp thống kê. Nó có khuynh hướng dựa trên sự đo lường bằng số của các khía cạnh hiện tượng
để kiểm tra các giả thuyết nhân quả và tìm ra những phương pháp và cách phân tích mà dễ dàng có thể tái hiện bởi các nhà nghiên cứu khác (King, 1994).
Từ ý nghĩa trên, nhìn nhận vào hoạt động tín dụng tại ngân hàng hiện nay: Một KHDN trước khi được ngân hàng cấp tín dụng phải được thẩm định thông tin BCTC, PTC, phương án vay vốn. Cán bộ thẩm định phải chấm điểm xếp hạng tín dụng khách hàng để làm căn cứ đề xuất cấp tín dụng cho khách hàng (Vietinbank, Quy định cấp tín dụng). Thông tin chấm điểm xếp hạng tín dụng khách hàng KHDN bao gồm thông tin tài chính (là các thông tin lấy từ BCTC của DN, thông tin giao dịch tài chính, thông tin trả nợ, tiền gửi với ngân hàng, thông tin chất lượng nợ của DN) và các thông tin phi tài chính (là các thông tin về Quản lý, hoạt động kinh doanh, ngành, tổ chức và nhân sự…) của doanh nghiệp – đây chính là các thông tin thể hiện đặc điểm của một khách hàng, và phản ánh khả năng suy giảm năng lực trả nợ vay của khách hàng đó.
Với mục tiêu nghiên cứu của đề tài là “Tính khả thi và cách thức áp dụng mô hình Logistic vào xây dựng mô hình đo lường PD của KHDN theo Basel II tại Vietinbank” tác giả sử dụng phương pháp nghiên cứu định lượng, cụ thể là tìm ra mô hình (công thức) đo lường PD của một KHDN thông qua phân tích định lượng mối quan hệ giữa các biến PTC và biến tài chính từ thông tin chấm điểm xếp hạng tín dụng của một KHDN với khả năng không trả được nợ của khách hàng đó dựa trên nghiên cứu ứng dụng mô hình Logistic.
Chi tiết việc thu thập dữ liệu được trình bày ở Mục 2.2. Phương pháp thu thập dữ liệu và phân tích dữ liệu được trình bày ở Mục 2.3.Phương pháp phân tích dữ liệu.
2.1.2. Địa điểm, thời gian thực hiện nghiên cứu
Địa điểm thực hiện nghiên cứu: Tác giả thực hiện nghiên cứu đề tài tại Hệ thống ngân hàng Vietinbank, căn cứ trên dữ liệu các bộ chỉ tiêu chấm điểm của Hệ thống xếp hạng tín dụng nội bộ, dữ liệu BCTC, PTC thực tế của khách hàng thu thập từ các chi nhánh Vietinbank và dữ liệu phân loại nợ thu thập từ Phòng QLNCVĐ Vietinbank.
Thời gian thực hiện nghiên cứu: Nghiên cứu được thực hiện từ tháng 6 năm 2013 đến nay. Cụ thể:
- Từ tháng 6/2013 đến tháng 9/2013: nghiên cứu phương pháp luận và xác định cách thức thực hiện.
- Từ tháng 10/2013 đến tháng 3/2014: thu thập và làm sạch dữ liệu, bao gồm dữ liệu thu thập tại các chi nhánh và dữ liệu từ TTCNTT, phòng QLNCVĐ.
- Từ tháng 4/2014 đến tháng 7/2014: phân tích dữ liệu và nghiên cứu cách thức, thực hiện xây dựng mô hình đo lường PD của KHDN áp dụng mô hình logistic.
- Từ tháng 8/2014 đến nay: thu thập dữ liệu kiểm định mô hình PD của KHDN đã xây dựng.
2.1.3. Dữ liệu, công cụ sử dụng
Nguồn dữ liệu: sử dụng dữ liệu thu thập thông qua Bảng thu thập thông tin khách
hàng gửi tới các chi nhánh ngân hàng Vietinbank; các dữ liệu chấm điểm xếp hạng tín dụng khách hàng (báo cáo tài chính, thông tin phi tài chính) thu thập từ TTCNTT; dữ liệu phân loại nợ thu thập từ Phòng Quản lý nợ có vấn đề ngân hàng Vietinbank .
Quy mô dữ liệu: dữ liệu của khách hàng doanh nghiệp trên toàn hệ thống Vietinbank, thời gian từ tháng 01 năm 2008 đến nay.
Công cụ sử dụng: Bảng thu thập thông tin khách hàng, máy tính cấu hình cao có cài đặt công cụ hỗ trợ là chương trình phần mềm thống kê SPSS, Microsoft excel.
2.1.4. Quy trình nghiên cứu
Định hướng nghiên cứu theo phương pháp định lượng, tác giả thiết kế quy trình nghiên cứu gồm các bước cụ thể được trình bày theo Biểu đồ 2.1:
Biểu đồ 2.1- Quy trình nghiên cứu
2.2. Phương pháp thu thập dữ liệu
2.2.1. Các phương pháp sử dụng thu thập dữ liệu
2.2.1.1. Sử dụng Bảng thu thập thông tin
Bảng thu thập thông tin khách hàng được sử dụng nhằm mục đích thu thập và xác minh tính tin cậy của dữ liệu tài chính, phi tài chính, phân loại nợ của khách hàng.
Bảng thu thập thông tin khách hàng được thiết kế theo định dạng file excel, bao gồm các thông tin: thông tin về khách hàng, báo cáo tài chính của khách hàng 03 năm gần nhất, thông tin phi tài chính của khách hàng tại năm báo cáo tài chính gần nhất dựa trên các chỉ tiêu phi tài chính trong các bộ chỉ tiêu chấm điểm xếp hạng tín dụng khách hàng doanh nghiệp của Vietinbank.
a) Bảng thu thập thông tin KHDN gửi Chi nhánh:
Phương pháp nghiên cứu định lượng Thu thập và làm sạch dữ liệu lần 1
Tạo biến
Làm sạch dữ liệu lần 2 Phân khúc và chọn mẫu dữ liệu
Giai đoạn 1: Phương pháp tiếp cận
Giai đoạn 2: Thu thập dữ liệu
Phân tích đơn biến Phân tích đa biến
Kết hợp mô hình
Giai đoạn 3: Phân tích dữ liệu
Bảng thu thập thông tin tín dụng khách hàng gửi Chi nhánh được thiết kế gồm 3 sheet:
- Sheet 1: “Thông tin chung” – Trang này yêu cầu chi nhánh nhập thông tin chung của khách hàng như: Tên, số CIF, ngành, chi nhánh, loại hình công ty… Chi nhánh sẽ phải điền thông tin vào các trường màu trắng và chọn thông tin ở các trường màu xanh. Nếu một số trường thông tin bị bỏ trống hoặc không có thông tin được lựa chọn, cảnh báo sẽ hiện lên ở bên phải. Dữ liệu nhập vào những trường thông tin này có thể được lấy từ đề xuất xin vay.
- Sheet 2: “Báo cáo tài chính” – Trang này yêu cầu chi nhánh nhập báo cáo tài chính của 3 năm gần nhất bao gồm: bảng cân đối kế toán, báo cáo thu nhập và báo cáo lưu chuyển tiền tệ. Cho bảng cân đối kế toán và báo cáo thu nhập, chi nhánh chỉ cần nhập vào các mục chi tiết, số tổng sẽ được tự động tổng kết.
- Ở dưới cùng của trang này, thông tin dùng để xác định quy mô của doanh nghiệp sẽ được nhập. Dữ liệu nhập vào có thể được lấy từ báo cáo chấm điểm tín dụng bao gồm số lao động, số ngày quá hạn, tổng dư nợ.
- Sheet 3: “Chỉ tiêu PTC” – Trang này yêu cầu chi nhánh nhập thông tin phi tài chính. Trang này được thiết kế giống với báo cáo chấm điểm vì vậy chi nhánh chỉ cần chọn thông tin ở các trường thông tin lựa chọn, Nếu có trường không có thông tin được lựa chọn, cảnh báo sẽ hiện lên ở bên phải.
- Sheet 4: “Kiểm tra” – Mục đích của trang này là để tóm tắt các thông tin ở các trang trước. Sau khi hoàn thiện các trường thông tin, chi nhánh sẽ phài kiểm tra lại nếu có trường thông tin nào chưa được điền hoặc nếu báo cáo tài chính chưa được nhập chính xác bằng cách xem lại các cảnh báo hiện lên trên các trang
Chi tiết Bảng thu thập thông tin tín dụng khách hàng gửi Chi nhánh được mô tả cụ thể trong Phụ lục 01 – Minh họa Bảng thu thập thông tin khách hàng
b) Bảng thu thập thông tin KHDN gửi TTCNTT:
Bảng thu thập thông tin KHDN gửi TTCNTT bao gồm thông tin chung, báo cáo tài chính của 3 năm gần nhất và thông tin phi tài chính tương ứng. Thông tin phi tài chính được thiết kế tương ứng với thông tin trong bộ chỉ tiêu của năm đó. Mẫu thu thập thông tin được thiết kế với định dạng Microsoft Excel và được điều chỉnh
theo mẫu chấm điểm cho từng năm. Tuy nhiên, mẫu này không được chia thành 4 trang như mẫu thu thập thông tin khách hàng gửi chi nhánh mà được tổng hợp trong