Từ các hạn chế đã nêu, luận văn cũng đưa ra một số hướng nghiên cứu tiếp theo dành cho các đề tài có quan tâm đến vấn đề khả năng trả nợ của các khách hàng và nợ quá hạn mà ngân hàng gặp phải. Cụ thể như sau:
Đầu tiên, các nghiên cứu sau này có thể cố gắng gia tăng số lượng khách hàng sẽ được phân tích để có thể đại diện cho toàn bộ các khách hàng đang vay tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam - Chi nhánh Sài Gòn.
Thứ hai, các nghiên cứu sau này có thể phân chia khách hàng thành các nhóm khách hàng lớn và khách hàng nhỏ lẻ để từ đó có thể dễ dàng hơn trong việc phân tích nợ quá hạn của ngân hàng.
Thứ ba, các nghiên cứu sau này có thể cân nhắc đến việc xem xét các yếu tố khác nào có ảnh hưởng đáng kể đến nợ quá hạn của các khách hàng bằng cách tham khảo ý kiến của các chuyên gia trong lĩnh vực cho vay và đưa vào mô hình nghiên cứu nợ quá hạn của các khách hàng.
Thứ tư, các nghiên cứu sau này có thể cân nhắc đến việc sử dụng thêm các yếu tố khách hàng cũng như các yếu tố nội tại của Ngân hàng TMCP Đầu tư và Phát
triển Việt Nam - Chi nhánh Sài Gòn để làm rõ tác động của các yếu tố đến nợ quá hạn và từ đó có các chính sách giảm thiểu nợ quá hạn cho hiệu quả.
TÀI LIỆU THAM KHẢO TIẾNG ANH
Alessandri, P., & Drehmann, M. (2010). An economic capital model integrating credit and interest rate risk in the banking book. Journal of Banking & Finance, 34(4), 730-742.
Antwi, S., Mills, A. E. F. E., Mills, A. G., & Zhao, X. (2012). Risk factors of loan default payment in Ghana: a case study of Akuapem Rural Bank. International Journal of Academic Research in Accounting, Finance and Management Sciences, 2(4), 376-386.
Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking & Finance, 21(6), 849-870.
Breuer, T., Jandačka, M., Rheinberger, K., & Summer, M. (2010). Does adding up of economic capital for market-and credit risk amount to conservative risk assessment?. Journal of Banking & Finance, 34(4), 703-712
Caprio, G., & Klingebiel, D. (1999). Bank insolvencies: cross-country experience. The World Bank.
Chapman, J. M. (1940). Factors affecting credit risk in personal lending. In Commercial Banks and Consumer Instalment Credit(pp. 109-139). NBER.
Demirgüç-Kunt, A., & Detragiache, E. (1998). The determinants of banking crises in developing and developed countries. Staff Papers, 45(1), 81-109.
Dinh, T. H. T., & Kleimeier, S. (2007). A credit scoring model for Vietnam's retail banking market. International Review of Financial Analysis, 16(5), 471-495.
Dunn, L. F., & Kim, T. (1999). An empirical investigation of credit card default. Ohio State University, Department of Economics Working Papers, (99-13).
Estrella, A., & Mishkin, F. S. (1996). The yield curve as a predictor of US recessions. Current issues in economics and finance, 2(7).
Fofack, H. L. (2005). Nonperforming loans in Sub-Saharan Africa: causal analysis and macroeconomic implications. The World Bank.
Fukuda, S. I. (2012). Market-specific and currency-specific risk during the global financial crisis: Evidence from the interbank markets in Tokyo and London. Journal of Banking & Finance, 36(12), 3185-3196
Giesecke, K., & Kim, B. (2011). Systemic risk: What defaults are telling us. Management Science, 57(8), 1387-1405.
Gorter, M. C., & Bloem, M. A. M. (2001). The treatment of nonperforming loans in macroeconomic statistics (No. 1-209). International Monetary Fund.
Louzis, D. P., Vouldis, A. T., & Metaxas, V. L. (2012). Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of Banking & Finance, 36(4), 1012-1027.
Mansoori, H., Reza Kohansal, M., & Farid Khadem Ghousi, M. (2009). Introducing a lexicographic goal programming for environmental conservation program in farm activities: a case study in Iran. China Agricultural Economic Review, 1(4), 478-484.
Nijskens, R., & Wagner, W. (2011). Credit risk transfer activities and systemic risk: How banks became less risky individually but posed greater risks to the financial system at the same time. Journal of Banking & Finance, 35(6), 1391- 1398.
Nkusu, M. M. (2011). Nonperforming loans and macrofinancial
vulnerabilities in advanced economies (No. 11-161). International Monetary Fund.
Onyeagocha, S. U. O., Chidebelu, S. A. N. D., & Okorji, E. C. (2012). Determinants of repayment of loan beneficiaries of micro finance institutions in southeast states of Nigeria. International Journal of Agricultural Management and Development (IJAMAD), 2(1047-2016-85426), 167-175.
Qian, J., & Strahan, P. E. (2007). How laws and institutions shape financial contracts: The case of bank loans. The Journal of Finance, 62(6), 2803-2834.
Roslan, A. H., & Karim, M. A. (2009). Determinants of microcredit repayment in Malaysia: The case of Agrobank. Humanity & Social Sciences Journal, 4(1), 45-52.
Roslan, A. H., & Karim, M. A. (2009). Determinants of microcredit repayment in Malaysia: The case of Agrobank. Humanity & Social Sciences Journal, 4(1), 45-52.
Saunders, A., & Allen, L. (2002). Credit risk measurement: new approaches to value at risk and other paradigms (Vol. 154). John Wiley & Sons
Shehzad, C. T., & De Haan, J. (2013). Was the 2007 crisis really a global banking crisis?. The North American Journal of Economics and Finance, 24, 113- 124.
Sileshi, M., Nyikal, R., & Wangia, S. (2012). Factors affecting loan
repayment performance of smallholder farmers in East Hararghe,
Ethiopia. Developing country studies, 2(11), 205-213.
Steinwand, D. (2000). A risk management framework for microfinance institutions. GTZ, Financial Systems Development, Eschborn, Germany, 1-70.
Stiglitz, J. E., & Weiss, A. (1981). Credit rationing in markets with imperfect information. The American economic review, 71(3), 393-410.
Wagner, W., & Marsh, I. W. (2006). Credit risk transfer and financial sector stability. Journal of Financial Stability, 2(2), 173-193
Zribi, N., & Boujelbegrave, Y. (2011). The factors influencing bank credit risk: The case of Tunisia. Journal of Accounting and Taxation, 3(4), 70-78.
TÀI LIỆU THAM KHẢO TIẾNG VIỆT
Nguyễn Quốc Nghi. (2013). Các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ tại ngân hàng nông nghiệp và phát triển nông thôn chi nhánh hậu giang, Tạp chí Khoa học Công nghệ số 4, 85 – 91.
Phan Đình Khôi, Nguyễn Việt Thành. (2017). Các yếu tố vi mô ảnh hưởng đến nợ quá hạn : Trường hợp các ngân hàng thương mại cổ phần sở hữu nhà nước ở Hậu Giang, Tạp chí Khoa học Trường đại học Cần Thơ số 48d, trang 104 – 111.
Trương Đông Lộc, & Nguyễn Thanh Bình. (2011). Các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ tỉnh Hậu Giang, Tạp chí công nghệ Ngân hàng số 64, ISSN: 1859-3682
Trương Đông Lộc, Nguyễn Thị Tuyết (2011). Các nhân tố ảnh hưởng đến nợ quá hạn của Ngân hàng thương mại cổ phần Ngoại Thương Chi nhánh thành phố Cần Thơ, Tạp chí Công nghệ Ngân hàng số 5, trang 38 – 41.
Vương Quân Hoàng, & Đào Gia Hưng, & Nguyễn Văn Hưng, & Trần Minh Ngọc, & Lê Hồng Phương. (2006). Phương pháp thống kê xây dựng mô hình định mức tín nhiệm khách hàng thể nhân, Tạp chí Ứng dụng Toán học, Số 2, 01 -16.
PHỤ LỤC Thống kê mô tả Ma trận tương quan Tsdb 349 .5577908 .1768058 .138 .892 Giamsat 349 4.507163 2.729802 1 10 Nganh 349 .4670487 .4996293 0 1 Kncb 349 5.255014 2.878928 1 10 Mucdich 349 .2148997 .4113425 0 1 Kntc 349 .4757249 .1299898 .2 .698 Knkh 349 6.484241 4.131169 1 15 Kyhan 349 2.191977 .8237452 1 3 Nqh 349 .2722063 .4457346 0 1 Variable Obs Mean Std. Dev. Min Max
Tsdb 0.0869 1.0000 Giamsat 1.0000 Giamsat Tsdb Tsdb 0.1271 0.1592 -0.1682 0.0147 0.0920 -0.0312 0.0433 Giamsat -0.3948 -0.0153 0.2635 0.1388 -0.3225 0.1122 -0.0688 Nganh 0.3952 0.0119 -0.1851 -0.0335 0.3631 -0.1130 1.0000 Kncb -0.2939 -0.0558 0.1242 0.1692 -0.2041 1.0000 Mucdich 0.8241 0.2426 -0.3573 -0.3462 1.0000 Kntc -0.3982 -0.0359 0.1711 1.0000 Knkh -0.4510 -0.0595 1.0000 Kyhan 0.3347 1.0000 Nqh 1.0000 Nqh Kyhan Knkh Kntc Mucdich Kncb Nganh
Kiểm tra VIF
Kết quả hồi quy
--- tsdb 1.08 1.04 0.9272 0.0728 giamsat 1.19 1.09 0.8431 0.1569 nganh 1.19 1.09 0.8407 0.1593 kncb 1.06 1.03 0.9400 0.0600 mucdich 1.65 1.29 0.6046 0.3954 kntc 1.17 1.08 0.8511 0.1489 knkh 1.23 1.11 0.8132 0.1868 kyhan 1.10 1.05 0.9083 0.0917 --- Variable VIF VIF Tolerance Squared SQRT R- Collinearity Diagnostics _cons 1.41674 1.671545 0.85 0.397 -1.859428 4.692908 Mucdich 6.581785 1.679337 3.92 0.000 3.290345 9.873226 Giamsat -.2624332 .1298606 -2.02 0.043 -.5169553 -.0079111 Nganh 2.377132 .6806053 3.49 0.000 1.04317 3.711094 Kncb -.3587859 .1226828 -2.92 0.003 -.5992397 -.1183321 Kntc -13.91773 4.127232 -3.37 0.001 -22.00696 -5.828504 Knkh -.3588336 .1107432 -3.24 0.001 -.5758863 -.141781 Kyhan 2.546074 .6707662 3.80 0.000 1.231396 3.860751 Nqh Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -20.720212 Pseudo R2 = 0.8986 Prob > chi2 = 0.0000 LR chi2(7) = 367.20 Probit regression Number of obs = 349 p = 0.5206 >= 0.1000 removing Tsdb
Kiểm tra vấn đề bỏ soát biến
Kiểm tra Hosmer – Lemeshow
_cons .065899 .241818 0.27 0.785 -.4080555 .5398535 _hatsq -.0589267 .0361589 -1.63 0.103 -.1297968 .0119434 _hat .9924785 .2149995 4.62 0.000 .5710872 1.41387 Nqh Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -20.524069 Pseudo R2 = 0.8995 Prob > chi2 = 0.0000 LR chi2(2) = 367.59 Probit regression Number of obs = 349
Prob > chi2 = 0.9996 Hosmer-Lemeshow chi2(7) = 0.46 number of groups = 9 number of observations = 349
(There are only 9 distinct quantiles because of ties) (Table collapsed on quantiles of estimated probabilities)
Dự báo mô hình 10 1.0000 69 69.0 0 0.0 69 8 1.0000 23 23.6 12 11.4 35 7 0.1514 3 2.1 32 32.9 35 6 0.0020 0 0.0 34 34.0 34 5 0.0000 0 0.0 36 36.0 36 4 0.0000 0 0.0 32 32.0 32 3 0.0000 0 0.0 38 38.0 38 2 0.0000 0 0.0 34 34.0 34 1 0.0000 0 0.0 36 36.0 36
Group Prob Obs_1 Exp_1 Obs_0 Exp_0 Total
(There are only 9 distinct quantiles because of ties) (Table collapsed on quantiles of estimated probabilities) Probit model for Nqh, goodness-of-fit test
Correctly classified 97.42%
False - rate for classified - Pr( D| -) 1.96% False + rate for classified + Pr(~D| +) 4.26% False - rate for true D Pr( -| D) 5.26% False + rate for true ~D Pr( +|~D) 1.57%
Negative predictive value Pr(~D| -) 98.04% Positive predictive value Pr( D| +) 95.74% Specificity Pr( -|~D) 98.43% Sensitivity Pr( +| D) 94.74% True D defined as Nqh != 0 Classified + if predicted Pr(D) >= .5 Total 95 254 349 - 5 250 255 + 90 4 94 Classified D ~D Total True
Ảnh hưởng biên Mucdich .2136566 .0357451 5.98 0.000 .1435976 .2837157 Giamsat -.0085191 .0038838 -2.19 0.028 -.0161311 -.000907 Nganh .077166 .0164791 4.68 0.000 .0448676 .1094644 Kncb -.0116468 .0032325 -3.60 0.000 -.0179824 -.0053113 Kntc -.4517946 .1036859 -4.36 0.000 -.6550152 -.248574 Knkh -.0116484 .0027936 -4.17 0.000 -.0171238 -.006173 Kyhan .0826501 .0147804 5.59 0.000 .0536811 .1116191 dy/dx Std. Err. z P>|z| [95% Conf. Interval] Delta-method
dy/dx w.r.t. : Kyhan Knkh Kntc Kncb Nganh Giamsat Mucdich
Expression : Pr(Nqh), predict() Model VCE : OIM