3.2.1.Mô hình Logistic
Do biến phụ thuộc trong đề tài là khả năng trả nợ vay đúng hạn (biến nhị phân chỉ nhận giá trị 0 hoặc 1), nên đề tài có thể sử dụng một số mô hình cơ bản để phân tích như: mô hình phân tích đa nhân tố (MDA), mô hình Probit, mô hình hồi quy Binary Logistic (gọi tắt là mô hình Logistic), … Trong đó, mô hình MDA được sử dụng rộng rãi trước những năm 1980, nhược điểm của mô hình này là các biến độc lập phải tuân theo các giả định: có phân phối chuẩn, có hệ số tương quan thấp hoặc không tương quan, ma trận hiệp phương sai của các nhóm là như nhau, … mà thực tế các biến độc lập đôi khi rất khó để thỏa mãn được các yêu cầu này.
Từ các hạn chế đó, sau những năm 1980 thì mô hình Logistic được sử dụng nhiều hơn và mang lại hiệu quả cao hơn trong phân tích. Lý do là mô hình Logistic không có bất cứ giả thiết nào về phân phối của các biến độc lập, kiểm định thống kê không phức tạp, có thể điều chỉnh hàm phi tuyến dễ dàng, các biến độc lập định tính thông qua việc thiết lập biến giả có thể chuyển thành định lượng.
Biến Ký hiệu Loại
Phụ thuộc Y Nhị phân
Độc lập Xi 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 0 hoặc 1, cụ thể là:
Y=
- Xi là biến độc lập, thể hiện các nhân tố ảnh hưởng đến khách hàng Mô hình hồi quy Logistic trong phân tích hhả năng trả nợ vay:
Trong đó,
- P (Y = 1) : Xác suất có khả năng trả nợ vay - P (Y = 0) : Xác suất không trả nợ vay - Ln: Log của cơ số e (e = 2,714) - : Các cơ số của các biến
- : Các yếu tố ảnh hưởng đến khả năng trả nợ vay
Như vậy, với các nhân tố có ảnh hưởng tới khách hàng được xác định trước 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 rủi ro tín dụng và ngược lại. Theo phương trình tính xác suất khả năng trả nợ ở trên, chúng ta cần ước lượng giá trị hợp lý của Y, để làm được đều này chúng ta cần tính toán các giá trị để ước lượng hệ số beta. Ngày nay, phương pháp ước lượng các hệ số beta đã được tự động hóa dựa trên một số phần mềm kinh tế lượng như Eviews, SPSS,… Trong nghiên cứu thực nghiệm, người ta có thể tìm cách bỏ đi một số biến mà vai trò giải thích cho biến Y không đủ lớn (hệ số không có ý nghĩa thống kê), nhằm tránh hiện tượng biến độc lập có tương quan lẫn nhau làm sai lệch kết quả mô hình.
Một mô hình được coi là thành công hay không phụ thuộc chủ yếu vào tính chính xác của kết quả dự báo thu được từ mô hình đó. Do biến Y chỉ có thể nhận 2 giá trị là 0 với 1, do vậy người ta đưa vào 1 ngưỡng xác suất để xếp khách hàng vào mức 0 hoặc 1 (tương ứng với không có khả năng trả nợ hoặc có khả năng trả nợ).
Ngưỡng xác suất ở đây thường được lấy là 0,5 tức là nếu xác suất khách hàng trả được từ 0,5 trở lên, khi đó xếp khách hàng vào nhóm trả nợ được. Nếu xác suất khách hàng trả được nợ nhỏ hơn 0,5 khi đó xếp khách hàng vào nhóm không trả nợ được. Sau đó so sánh việc xếp loại khách hàng này với thực tế trả nợ của họ xem tỷ lệ đúng là bao nhiêu, đó chính là độ chính xác của kết quả dự báo.
Mô hình Logistic là mô hình định lượng nên có ưu điểm là khắc phục được những nhược điểm của mô hình định tính, thể hiện sự khách quan, nhất quán, không phụ thuộc vào ý kiến chủ quan của cán bộ tín dụng; Mô hình Logistic có kỹ thuật đo lường rủi ro tín dụng khá đơn giản, dễ thực hiện bằng phần mềm chuyên dụng (như Eview, SPSS); Ngoài ra mô hình Logistic có thể là cơ sở để ngân hàng phân loại khách hàng và nhận diện rủi ro. Thông qua kết quả từ mô hình, chúng ta có thể ước lượng được xác suất không trả được nợ của khách hàng, từ đó ngân hàng có thể xác định được doanh nghiệp nào có khả năng trả nợ, doanh nghiệp không có khả năng trả nợ và giúp ngân hàng chủ động trong việc đưa ra những biện pháp hạn chế rủi ro. Một ưu điểm nổi bật của mô hình Logistic so với mô hình XHTD truyền thống, có thể đo lường vai trò của các yếu tố tác động đến khả năng trả nợ của khách hàng; Mô hình Logistic có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến định tính và định lượng nhằm xác định cụ thể tác động của các yếu tố tới rủi ro tín dụng là như thế nào.
Nhược điểm mô hình là đòi hỏi phải có một số lượng dữ liệu đủ lớn cho mỗi phạm trù trong số liệu thống kê trong quá trình xử lý dữ liệu. Trong trường hợp biến độc lập có số lượng biến hiển thị quá thấp, mô hình có thể mắc phải lỗi bỏ qua tác động của biến trên kết quả biến phụ thuộc; Do chỉ sử dụng phương pháp định lượng nên kết quả mô hình có thể trái ngược hoàn toàn với lý thuyết và không có chức năng giải thích nguyên nhân kết quả mô hình; Mô hình không thể ứng dụng đối với
các trường hợp doanh nghiệp khiếm khuyết dữ liệu hoặc các trường hợp doanh nghiệp có cấu trúc tài chính đặc biệt.
3.2.2.Mô hình nghiên cứu
Qua xem xét các lý thuyết cũng như nghiên cứu thực nghiệm kết hợp với dữ liệu thu thập được và đánh giá ưu nhược điểm của mô hình, luận văn đề xuất mô hình hồi quy Logistic để nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của KHDN tại BIDV Ninh Thuận
Trong bài nghiên cứu này, các yếu tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của doanh nghiệp được đưa vào mô hình nghiên cứu chính của đề tài bao gồm:
KNTN (Y) = β0 + β1 TTHH + β2 VLDR+ β3 DBTC + β4 DTKD + β5 ROE + β6 QMDN + β7 SNHD + β8 NNKD + β9 DTNH + β10 MDVV + β11 LSCV + β12 STCV + β13 TSBĐ (3.1)
Với các biến được giải thích chi tiết ở phần sau:
Biến phụ thuộc
Biến phụ thuộc của mô hình hồi quy này là khả năng trả nợ vay đúng hạn của doanh nghiệp (KNTN), được giải thích như sau:
KNTN = 0 nếu doanh nghiệp trả nợ vay không đúng hạn (khoản nợ vay của doanh nghiệp có phát sinh nợ quá hạn đối với một phần hoặc toàn bộ nợ gốc và/hoặc lãi)
KNTN = 1 nếu doanh nghiệp trả nợ vay đúng hạn (khoản nợ vay của doanh nghiệp không phát sinh nợ quá hạn)
Biến độc lập
Khả năng thanh toán hiện hành (TTHH)
Để đo lường biến này, nghiên cứu sẽ lấy khả năng thanh toán hiện hành trong ba năm (2015, 2016, 2017) của doanh nghiệp được tính toán từ BCTC của doanh nghiệp. Khả năng thanh toán hiện hành được đo lường bằng tài sản ngắn hạn/ nợ ngắn hạn, chỉ tiêu này càng lớn càng tốt, khả năng thanh toán nợ của doanh nghiệp càng đảm bảo.
Vốn lưu động ròng (VLDR)
Trên lý thuyết, trong trường hợp các nhân tố khác như nhau, doanh nghiệp có vốn lưu động ròng càng cao càng tốt vì càng có thể thực hiện được nhiệm vụ tài chính trong kỳ. Trong nghiên cứu này, biến vốn lưu động ròng được đo lường bằng Tổng tài sản ngắn hạn – Tổng nợ ngắn hạn. Các chỉ tiêu tài sản ngắn hạn và nợ ngắn hạn được lấy từ BCTC của doanh nghiệp qua ba năm gần nhất (2015,2016,2017).
Đòn bẩy tài chính (DBTC)
Đòn bẩy tài chính sử dụng trong nghiên cứu được tính bằng công thức nợ vay/VCSH, các chỉ tiêu nợ vay và VCSH được lấy từ BCTC của doanh nghiệp qua ba năm gần nhất (2015, 2016, 2017). Nếu hệ số nợ vay trên VCSH lớn hơn 1 chứng tỏ doanh nghiệp đang phụ thuộc vào vốn vay, hệ số này càng lớn doanh nghiệp càng mất dần khả năng tự chủ về tài chính.
Dòng tiền từ hoạt động kinh doanh (DTKD)
Để đo lường biến, nghiên cứu này sẽ khảo sát dòng tiền của các doanh nghiệp được lựa chọn trong ba năm (2015, 2016, 2017), trong đó: Dòng tiền thuần từ HĐKD được tính bằng LNST +/- khoản mục điều chỉnh. Các chỉ tiêu LNST và các khoản điều chỉnh được lấy từ BCTC của doanh nghiệp.
Khoản mục điều chỉnh
Cách điều chỉnh
Nhóm Khoản mục cụ thể
Chi phí không bằng tiền Khấu hao TSCĐ Cộng vào LNST Trích lập dự phòng rủi ro Cộng vào LNST
Thu nhập từ hoạt động đầu tư và tài chính
Lãi từ hoạt động đầu tư và tài
chính Trừ vào LNST
Lỗ từ hoạt động đầu tư và tài
chính Cộng vào LNST
Thay đổi tài sản ngắn hạn và nợ ngắn hạn
Tăng TSNH không phải tiền và
tương đương tiền Trừ vào LNST Giảm TSNH không phải tiền và
tương đương tiền Cộng vào LNST Tăng nợ ngắn hạn Cộng vào LNST Giảm nợ ngắn hạn Trừ vào LNST
Tỷ suất sinh lợi trên vốn chủ sở hữu (ROE)
Để đo lường biến, nghiên cứu này sẽ lấy chỉ số ROE hàng năm của doanh nghiệp, trong đó: ROE được tính bằng LNST/VCSH bình quân. Các chỉ tiêu LNST và VCHS được lấy từ BCTC của doanh nghiệp qua hai năm gần nhất 2016-2017. ROE càng cao dấu hiệu doanh nghiệp kinh doanh có hiệu quả, kiếm được nhiều tiền hơn trên lượng đầu tư ít hơn; ROE nhỏ hơn hay bằng lãi vay ngân hàng thì sẽ không hấp dẫn các nhà đầu tư, lợi nhuận tạo ra cũng chỉ để đủ để trả lãi vay ngân hàng nếu doanh nghiệp vay nợ ngân hàng.
Quy mô của doanh nghiệp (QMDN)
Trong nghiên cứu này, quy mô của doanh nghiệp được dựa trên tổng tài sản của doanh nghiệp theo BCTC của doanh nghiệp qua hai năm gần nhất 2016-2017.
Số năm hoạt động của doanh nghiệp (SNHD)
Trong nghiên cứu này, số năm hoạt động được đo lường bằng số năm từ lúc thành lập doanh nghiệp được xác định trên giấy chứng nhận đăng ký kinh doanh của doanh nghiệp.
Ngành nghề kinh doanh của doanh nghiệp (NNKD)
Trong nghiên cứu này, ngành nghề kinh doanh của doanh nghiệp được xác định từ ngành nghề kinh doanh chính của các doanh nghiệp đang quan hệ tín dụng tại BIDV Ninh Thuận và được phân loại thành các ngành nghề kinh doanh chính như Xây lắp (XL); Thương mại dịch vụ (TMDV); Xăng dầu (XD); Công nghiệp chế biến (CNCB); Sản xuất (SX).
Các doanh nghiệp đang quan hệ tín dụng tại BIDV Ninh Thuận hoạt động trong lĩnh vực xây lắp chiếm tỷ trọng lớn, do đó trong nghiên cứu biến này được xác định: có giá trị là 1 đối với các doanh nghiệp kinh doanh trong lĩnh vực xây dựng, có giá trị là 0 đối với các trường hợp khác.
Dòng tiền vào tài khoản ngân hàng (DTNH)
Trong nghiên cứu này, biến dòng tiền vào tài khoản ngân hàng được đo lường bằng tỷ số giữa doanh số chuyển tiền trong năm về tài khoản tiền gửi của doanh nghiệp mở tại BIDV Ninh Thuận và dư nợ vay bình quân của doanh nghiệp trong
năm tại BIDV Ninh Thuận. Trong đó doanh số chuyển tiền về tài khoản tiền gửi của doanh nghiệp mở tại BIDV Ninh Thuận được lấy từ phần mềm BDS của BIDV Ninh Thuận.
Mục đích sử dụng vốn vay (MDVV)
Để đo lường biến, nghiên cứu này sẽ áp dụng phương pháp của Trương Đông Lộc (2011), sử dụng biến giả, nhận giá trị 1 nếu doanh nghiệp sử dụng vốn vay đúng mục đích, nhận giá trị 0 nếu doanh nghiệp sử dụng vốn vay không đúng mục đích.
Lãi suất cho vay (LSCV)
Trong nghiên cứu này, biến được đo lường bằng lãi suất cho vay bình quân trong năm của BIDV Ninh Thuận áp dụng đối với doanh nghiệp thông qua lãi suất ghi trên hợp đồng tín dụng của các hồ sơ vay vốn được chọn mẫu đưa vào dữ liệu quan sát. Biến này cũng từng được sử dụng trong các nghiên cứu của Trương Đông Lộc (2011), Phùng Mai Lan (2014).
Số tiền vay của doanh nghiệp (STCV)
Để đo lường biến, nghiên cứu này sẽ lấy dư nợ vay bình quân trong năm của doanh nghiệp tại BIDV Ninh Thuận.
Tỷ lệ tài sản bảo đảm (TSBĐ)
Trong nghiên cứu này, biến được đo lường bằng tỷ số giữa giá trị TSBĐ tại BIDV Ninh Thuận/ dư nợ vay bình quân trong năm của doanh nghiệp tại BIDV Ninh Thuận.
Tóm tắt cách đo lường các biến trong mô hình.
Bảng 3.1: Mô tả các biến đo lường được sử dụng trong nghiên cứu
TT
Yếu tố ảnh hưởng
Ký hiệu
biến Ý nghĩa và cách đo lường Kỳ vọng
về dấu
Nguồn tham khảo
1 Khả năng
trả nợ KNTN
KNTN = 1 nếu trong năm doanh nghiệp trả nợ đúng
Bùi Kim Yến, Nguyễn Thị Thanh Hoài (2015)
hạn, nhận giá trị 0 nếu trả nợ không đúng hạn 2 Khả năng thanh toán hiện hành TTHH Tài sản ngắn hạn/ nợ ngắn hạn + Lê Vũ Lộc (2016); Bùi Kim Yến, Nguyễn Thị
Thanh Hoài (2015) 3 Vốn lưu động ròng VLDR Tài sản ngắn hạn –nợ ngắn hạn +
Lê Khương Ninh và Lê Thị Thu Diềm (2012); Bùi Kim Yến, Nguyễn Thị Thanh Hoài (2015) 4 Đòn bẩy
tài chính DBTC Nợ vay/vốn chủ sở hữu - Lê Khương Ninh và Lê Thị Thu Diềm (2012) 5 Dòng tiền từ HĐKD DTKD LNST +/- khoản mục điều chỉnh + Trương Đông Lộc và Nguyễn Thanh Bình (2011); Đoàn Thị Xuân Duyên (2013); Lê Vũ Lộc (2016) Tỷ suất sinh lợi trên VSCH ROE ROE =LNST/ VCSH bình quân +
Bùi Kim Yến, Nguyễn Thị Thanh Hoài (2015) 6 Quy mô của doanh nghiệp
QMDN Theo tổng tài sản trên
BCTC + Lê Vũ Lộc (2016)
7 Số năm
hoạt động SNHD
Số năm hoạt động từ lúc thành lập doanh nghiệp +
Andrea Ruth Coravos (2010) 8 Ngành nghề kinh doanh NNKD
Có giá trị là 1 đối với các doanh nghiệp xây dựng, có giá trị là 0 đối với các
trường hợp khác
- Gabriel Jiménez và Jesús Saurina (2004)
9 Dòng tiền vào tài khoản ngân hàng DTNH
Doanh số chuyển tiền về TKTG/ dư nợ vay bình
quân trong năm
+ Lê Vũ Lộc (2016) 10 Mục đích sử dụng vốn vay MDVV
Biến giả, bằng 1 nếu doanh nghiệp sử dụng vốn vay đúng mục đích, bằng 0 nếu sử dụng vốn sai mục đích + Lê Vũ Lộc (2016) 11 Lãi suất vay LSCV
Lãi suất vay BIDV Ninh Thuận bình quân trong
năm - Kohansal và Mansoori (2009); Trương Đông Lộc và Nguyễn Thanh Bình (2011); Đoàn Thị Xuân Duyên (2013); Lê
Vũ Lộc (2016)
12 Số tiền
vay STVV
Dư nợ vay bình quân trong năm tại BIDV Ninh
Thuận
-
Irakli Ninua (2008); Đoàn Thị Xuân Duyên
(2013)
13 Tỷ lệ
TSBĐ TSBĐ
Giá trị TSBĐ/ Dư nợ vay bình quân trong năm tại
BIDV Ninh Thuận
+ Gabriel Jiménez và Jesús Saurina (2004); Kohansal và Mansoori (2009); Đoàn Thị Xuân Duyên (2013); Lê Vũ Lộc (2016)
3.3. Dữ liệu nghiên cứu.
Nghiên cứu sử dụng dữ liệu chéo với các số liệu thu thập được của các doanh nghiệp đang có quan hệ tín dụng tại BIDV Ninh Thuận từ năm 2015 đến năm 2017, với đa dạng các ngành nghề khác nhau. Thông tin dữ liệu chi tiết về các đơn vị được chọn mẫu lấy từ các nguồn: Báo cáo đề xuất cấp tín dụng của Phòng khách
hàng doanh nghiệp - BIDV Ninh Thuận; BCTC của các doanh nghiệp; Hệ thống XHTD nội bộ của BIDV; Đăng ký kinh doanh của doanh nghiệp; CIC của NHNN.
Phương pháp chọn mẫu nghiên cứu: Đầu tiên, chọn ngẫu nhiên 90 doanh nghiệp đang có quan hệ tín dụng với BIDV Ninh Thuận, sau đó từ 90 doanh nghiệp này chọn ngẫu nghiên ra 270 bộ hồ sơ vay vốn (mỗi doanh nghiệp 3 bộ hồ sơ vay vốn) phát sinh trong khoảng thời gian từ năm 2015 đến năm 2017.
Nguyên tắc chọn mẫu: Trước hết, chọn các doanh nghiệp đang quan hệ tín dụng tại BIDV Ninh Thuận hoạt động trong những lĩnh vực khác nhau. Các doanh nghiệp được chọn có đầy đủ dữ liệu BCTC trong vòng 3 năm từ năm 2015-2017 (BCTC có đủ số dư đầu kỳ và cuối kỳ), có đầy đủ biến quan sát. Các bộ hồ sơ vay vốn của các doanh nghiệp được lựa chọn phải qua thời hạn trả nợ hoặc qua kỳ trả nợ đầu tiên để xác định được doanh nghiệp đó có trả nợ đúng hạn hay không, trong