2.1.1. Nghiên cứu mô hình CAEL cảnh báo nợ xấu tín dụng: 2.1.2. Giới thiệu mô hình CAEL:
Mô hình CAEL là mô hình cảnh báo nợ xấu ngân hàng được xây dựng dựa trên 4 nhân tố chính sau:
- Mức độ an toàn vốn – Capital Adequacy (C)
Mức độ an toàn vốn thể hiện số vốn tự có để hỗ trợ cho hoạt động kinh doanh của ngân hàng. Ngân hàng càng chấp nhận nhiều rủi ro thì càng đòi hỏi phải có nhiều vốn tự có để hỗ trợ hoạt động của ngân hàng và bù đắp tổn thất tiềm năng liên quan đến mức độ rủi ro cao hơn.
Tỉ lệ an toàn vốn được tính theo tỉ lệ phần trăm của tổng vốn cấp I và vốn cấp II so với tổng tài sản đã điều chỉnh rủi ro của ngân hàng.
CAR = [(Vốn cấp I + Vốn cấp II) / (Tài sản đã điều chỉnh rủi ro)] * 100%
Vốn cấp I: còn gọi là vốn nòng cốt, về cơ bản gồm vốn điều lệ cộng với lợi nhuận không chia cộng với các quy dự trữ được lập trên cơ sở trích lập từ lợi nhuận của tổ chức tín dụng như quy dự trữ bổ sung vốn điều lệ, quỹ dự phòng tài chính và quỹ đầu tư phát triển.
Tỷ lệ vốn cáp I: Tiền vốn nòng cốt của 1 ngân hàng / Tổng tài sản rủi ro.
(Những tài sản như tiền mặt, tiền xu thường có tỉ lệ rủi ro là 0, trong khi các khoản vay không có bảo đảm có tỉ lệ rủi ro là 100%).
Vốn cấp 2: Là thước đo tiềm lực tài chính của một ngân hàng liên quan đến các dạng nguồn lực tài chính. Vốn cấp 2 về cơ bản bao gồm: phần giá trị tăng thêm do định giá lại tài sản của tổ chức tín dụng; Nguồn vốn gia tăng hoặc bổ sung từ bên
ngoài (bao gồm trái phiếu chuyển đổi, cổ phiếu ưu đãi và một số công cụ nợ thứ cấp nhất định) và dự phòng chung cho rủi ro tín dụng.
Bằng tỉ lệ này, người ta có thể xác định được khả năng của ngân hàng thanh toán các khoản nợ có thời hạn và đối mặt với các loại rủi ro khác như rủi ro tín dụng, rủi ro vận hành. Chính vì lý do trên, các nhà quản lý ngành Ngân hàng các nước luôn xác định rõ và giám sát các ngân hàng phải duy trì một tỉ lệ an toàn vốn tối thiểu. Theo chuẩn mực Basel II mà các hệ thống ngân hàng trên thế giới áp dụng phổ biến là 8%.
- Chất lượng tài sản có – Asset Quality (A)
Chất lượng tài sản có là nguyên nhân cơ bản dẫn đến các vụ đổ vỡ ngân hàng. Thông thường điều này xuất phát từ việc quản lý không đầy đủ trong chính sách cho vay từ trước đến nay. Nếu thị trường biết rằng chất lượng tài sản kém, sẽ tạo áp lực lên trạng thái nguồn vốn ngắn hạn của ngân hàng, và điều này có thể dẫn đến khủng hoảng thanh khoản, hoặc dẫn đến tình trạng đổ xô đi rút tiền ở ngân hàng.
Tài sản có = Tài sản có sinh lời + Tài sản có không sinh lời
Tài sản có sinh lời là những tài sản đem lại nguồn thu nhập chính cho ngân hàng, đồng thời cũng là những tài sản chứa dựng nhiều rủi ro. Những tài sản này bao gồm các khoản cho vay, cho thuê tài chính, các khoản đầu tư vào chứng khoán, góp vốn liên doanh, liên kết…, trong đó chiếm tỷ trọng cao nhất là các khoản cho vay.
Bên cạnh chất lượng hoạt động tín dụng, chất lượng tài sản của ngân hàng còn thể hiện ở các tài sản có khác như danh mục đầu tư chứng khoán, tài sản bằng ngoại tệ, vàng bạc, đá quý. Chất lượng những tài sản này thường thể hiện ở cơ cấu và trạng thái ngoại hồi, chất lượng và trạng thái của danh mục đầu tư. Những khoản mục này cũng có ảnh hưởng rất lớn đến khả năng sinh lời và tính thanh khoản của một ngân hàng.
- Lợi nhuận – Earnings (E)
Lợi nhuận là chỉ số quan trọng nhất để đánh giá công tác quản lý và các hoạt động chiến lược của nhà quản lý thành công hay thất bại. Lợi nhuận sẽ dẫn đến hình thành thêm vốn, đây là điều hết sức cần thiết để thu hút thêm vốn và sự hỗ trợ phát triển trong tương lai thừ phía các nhà đàu tư. Lợi nhuận còn cần thiết để bù đắp các khoản cho vay bị tổn thất và trích dự phòng đầy đủ. Bốn nguồn thu nhập chính của ngân hàng là:
o Thu nhập từ lãi.
o Thu nhập từ lệ phí, hoa hồng.
o Thu nhập từ kinh doanh mua bán.
o Thu nhập khác
- Thanh khoản – Liquidity (L)
Có hai nguyên nhân giải thích tại sao thanh khoản lại có ý nghĩa đặc biệt quan trọng đối với ngân hàng:
o Thứ nhất, cần phải có thanh khoản để đáp ứng yêu cầu vay mới mà không cần phải thu hồi những khoản cho vay đang trong hạn hoặc thanh lý các khoản đầu tư có kỳ hạn.
o Thứ hai, cần có thanh khoản để đáp ứng tất cả các biến động hàng ngày hay theo mùa vụ về nhu cầu rút tiền một cách kịp thời và có trật tự. Do ngân hàng thường xuyên huy động tiền gửi ngắn hạn (với lãi suất thấp) và cho vay số tiền đó với thời hạn dài hạn (lãi suất cao hơn) nên ngân hàng về cơ bản luôn có nhu cầu thanh khoản rất lớn.
2.2. Nghiên cứu mô hình chất lượng 6C
2.2.1. Mô hình định tính – Mô hình 6C:
Trong tâm của mô hình này là xem xét liệu người vay có thiên chí và khả năng thanh toán các khoản vay khi đến hạn hay không. Cụ thể bao gồm 6 yếu tố sau:
✓ Tư cách người vay(Character): Cán bộ tín dụng phải làm rõ mục đích xin
sách tín dụng hiện hành của khách hàng hay không, đồng thời xem xét về lịch sử đi vay và trả nợ đối với khách hàng cũ; còn khách hàng thì cần thu nhập thông tin từ nhiều nguồn khác như Trung tâm phòng ngừa rủi ro, từ ngân hàng khác, hoặc các cơ quan thông tin đại chúng…
✓ Năng lực của người vay (Capacity): Tùy thuộc vào qui 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 được nguồn trả nợ
của người vay như 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… Sau đó cần phân tích tình hình tài chính của doanh nghiệp vay vốn thông qua các tỷ số tài chính.
✓ Bảo đảm tiền 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.
✓ Các điều kiện (Conditions): Ngân hàng qui 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.
Mô hình 6C tương đối đơn giản, tuy nhiên lại phụ thuộc quá nhiều vào mức độ chính xác của nguồn thông tin thu nhập được, khả năng dự báo cũng như trình độ phân tích, đánh giá chủ quan của cán bộ tín dụng.
2.3. Nghiên cứu mô hình xếp hạng của Moody và Standard & Poor:
Moody’s Investors Service (Moody’s) và Standard & Poor’s (S&P) là hai tổ chức ĐMTN có uy tín và lâu đời tại Mỹ và cũng là những yếu tố chức tiên phong trong lĩnh vực xếp hạng tín nhiệm trên thế giới.
2.3.1. Mô hình xếp hạng các ngân hàng của Moody’s
Moody’s Investors Service (Moody’s) là tổ chức ĐMTN chuyên nghiệp đầu tiên trên thế giới được thành lập từ năm 1990 tại Mỹ và cho đến nay vẫn được đánh giá là một trong ba bộ tổ chức ĐMTN hàng đầu thế giới.
Mô hình Moody’s áp dụng trong hoạt động ĐMTN cho các ngân hàng rất chi tiết, kết quả đánh giá được điều chỉnh qua nhiều bước, xem xét đến tất cả những yếu tố bên trong và bên ngoài tác động rủi ro tín dụng của một ngân hàng. Mô hình này có thể phân tích toàn diện rủi ro tín dụng, nợ xấu tín dụng ở một thị trường tài chính phát triển ở mức cao như thị trường Hoa Kỳ nhưng với một thị trường tài chính nhỏ, còn đang trong giai đoạn đầu phát triển như thị trường Lào thì có nhiều yếu tố đưa vào phân tích phù hợp với các hoạt động ngân hàng ở Lào, Những yếu tố theo nhận định của người viết là không phù hợp sẽ chỉ được nêu khái quát.
Phương pháp đánh giá rủi ro tín dụng của các ngân hàng của Moody’s được thực hiện theo trình tự 3 bước:
- Bước 1: Xếp hạng sức mạnh tài chính độc lập của ngân hàng (Bank Financial Strength Ratings – BFSR)
- Bước 2: Chuyển BFSR sang thang điểm đánh giá cơ bản của Moody’s (Baseline Credit Assessment – BCA)
- Bước 3: Đánh giá các yếu tố hỗ trợ và các yếu tố khác.
2.3.2. Mô hình của Standard & Poor’s (S&P):
Mô hình của S&P đánh giá rủi ro tín dụng của một ngân hàng bằng các xem xét hoạt động độc lập của nó hay còn gọi là đánh giá hồ sơ tín dụng độc tập của ngân hàng (Stand-Alone Credit Profile – SACP) và sau đó đặt nó trong môi trường kinh doanh để đánh giá khả năng nó nhận được hỗ trợ từ bên ngoài khi gặp rủi ro. Kết quả cuối cùng là đưa ra một đánh giá rủi ro tín dụng (Issuer Credit rating – ICR).
Các yếu tố cần xem xét để điều chỉnh hạng mức tín nhiệm cơ bản được đưa ra sau khi xem xét hồ sơ tín dụng độc lập và những nguồn hỗ trợ khi gặp rủi ro của ngân hàng được đưa ra trong mô hình của S&P gồm có:
- Đánh giá cổ phiếu ưu đãi và các công cụ phát sinh - Đánh giá tín nhiệm quốc gia.
Chi tiết vào phương pháp đánh giá hồ sơ tín dụng độc lập của ngân hàng(tính SACP), mô hình của S&P đưa ra 6 nhân tố chính:
➢ Rủi ro ngành nào cụ thể là ngành ngân hàng và rủi ro nền kinh tế
➢ Vị thế của ngân hàng (tương đương với giá trị thương hiệu của Moody’s) ➢ Vốn và thu nhập
➢ Vị thế rủi ro (cơ cấu quản trị và đối phó rủi ro) ➢ Thanh khoản
Bảng 2.1. Xếp hạng của Moody’s và Standard & Poor
Xếp hạng Tình trạng
Moody’s Aaa Chất lượng cao nhất
Aa Chất lượng cao
A Chất lượng vừa cao hơn
Baa Chất lường Vừa
Ba Nhiều yếu tố đầu cơ
B Đầu cơ
Caa Chất lượng kém
Ca Đầu cơ có rủi ro C Chất lượng kém nhất
Standard & Poor’s
AAA Chất lượng cao nhất
AA Chất lượng cao
BBB Chất lượng vừa
BB Chất lượng vừa thấp hơn
B Đầu cơ
CCC-CC Đầu cơ có rủi ro cao C Trái phếu có lợi nhuận DDD-D
(Nguồn: Wikipedia)
Bảng 2. 2. Thang điểm đánh giá tín nhiệm ngân hàng của S&P (từ cao đến
thấp)
Mức đầu tư
AAA AA+ AA AA- A+ A A- BBB+ BBB BBB-
Dưới mức đầu tư
BB+ BB BB- B+ B B- CCC+ CCC CCC- CC-D
(Nguồn: Wilipedia)
Thang điểm đánh giá của cả 2 mô hình đều thể hiện bằng các chữ cái theo thứ tự bảng chữ cái, cao nhất là mức AAA với S&P hay Aaa với Moody’s và thấp nhất là D (S&P) hoặc C (Moody’s). Một khoản đầu tư tốt sẽ nằm trong mức A, từ mức BBB- (S&P) hay Baa+ (Moody’s) trở lên được xem là “mức đầu tư”, dưới mức này bị xem là một khoản đầu tư có rủi ro cao và cần cân nhắc.
Các chỉ tiêu đánh giá trong mô hình của Moody’s và S&P có sự tương đồng khá lớn nhưng nếu Moody’s xem xét sức mạnh tài chính độc lập của ngân hàng như một tổng thể kết hợp của những chỉ tiêu này và đưa ra tỷ trọng chi tiết cho từng chỉ tiêu thì mô hình của S&P lại lấy rủi ro của nền kinh tế và rủi ro ngành hàng làm trọng tâm đánh giá. Hai yếu tố rủi ro này được đánh giá theo 10 bậc từ thấp đến cao (b- đến a) để đưa ra một hạng mức cơ sở.
2.4. Mô hình toán học Logit-Probit hồi quy trong cảnh báo nợ xấu tín dụng: 2.4.1. Mô hình hồi quy theo biến giá (Qualitative Respones Regression 2.4.1. Mô hình hồi quy theo biến giá (Qualitative Respones Regression
Model)
➢ Khái niệm về mô hình
Mô hình hồi quy theo biến giả (Qualitative Respones Regression Model) là mô hình có biến phụ thuộc là biến giả (dummy variable). Đây là một dạng của mô hình xác suất. Mô hình này khác với mô hình hồi quy tuyến tính cổ điển là biến phụ thuộc là biến định lượng. Các biến giả sẽ nhận giá trị là 1 hoặc 0 tương ứng với đặc điểm mà nó biểu hiện. Ví dụ biến giả là quyết định đi học cao học, nó sẽ nhận giá trị là 1 nếu người được hỏi có đi học và ngược lại sẽ nhận giá trị 0. Biến này còn được gọi là biến nhị phân (binary hay dichotomous).
(Nguồn: amorfati.xyz) Hình 2. 1. Mô hình hồi quy theo biến giả (Qualitative Respones Regression Model)
➢ Mục tiêu của mô hình
Vì giá trị của biến phụ thuộc là 0 và 1 nên chúng ta không thể ước tính giá trị trung bình như các mô hình hồi quy OLS. Mô hình này nhằm mục tiêu tìm kiếm xác suất của một sự kiện như tỷ lệ bỏ phiếu của cử tri, xác suất mua nhà,... Do đó mô hình này còn được gọi là mô hình xác suất (Probability model).
2.4.2. Mô hình Logit:
➢ Khai niệm về mô hình Logit:
hàng sẽ có trả nợ (biến phụ thuộc) trên cơ sở sử dụng các nhân tố ảnh hưởng đến khách hàng (biến độc lập). Nghĩa là, mô hình Logit có thể ước lượng xác xuất khả năng nợ xấu của một khách hàng là bao nhiêu từ mẫu.
Cấu trúc dữ liệu trong mô hình như sau:
- Biến độc lập: Giá trị liên tục hoặc rời rạc. - Biến phụ thuộc: Giá trị nhị phân.
Mô hình kinh tế lượng tương ứng là:
k kX X X Zi pi pi li = = + + + + − = ) .... 1 ln( 0 1 1 2 2 Trong đó: - P là xác xuất trả nợ của khách hàng. - 123,...,k là các hệ số. - X1X2,...,Xk là các nhân tố ảnh hưởng.
2.4.2.1. Đặc điểm mô hình Logit trong việc đánh giá khả năng trả nợ của khách hàng. hàng.
Mô hình Logit (Maddala, 1984) là mô hình định lượng trong đó biến phụ thuộc là biến giả, chỉ nhận 2 giá trị là 0 hoặc 1. Mô hình này được ứng dụng rộng rãi trong phân tích kinh tế nói chung và rủi ro tín dụng nói riêng. Mô hình Logit là mô hình toán học hồi quy để xem xét mối liên hệ giữa biến (Y) là biến phụ thuộc và tất cả các biến còn lại là biến độc lập.
Bảng 2. 3. Cấu trúc các biến trong mô hình Logit
Biến Kí hiệu Loại
Phụ thuộc Y Nhị phân
(Nguồn: https://mc.ai/logistic-regression-odds-and-log-odds-pattern-for-equidistant-
observations)
Hình 2. 2. Đồ thị mô hình Logit
Y đóng vai trò là biến phụ thuộc và là biến nhị phân, chỉ có thể nhận hai giá trị l à 0 hoặc 1, cụ thể là: 0 nếu không có khả năng trả nợ, 1 nếu có khả năng trả nợ.
− Xi là biến độc lập, thể hiện các nhân tố ảnh hưởng đến khách hàng, ví dụ như ROE, ROA, vốn chủ sở hữu… Đối với KHDN.
− là giá trị ước lượng của Y, thu được khi hồi quy Y theo các biến độc lập. Một điều cần lưu ý là giá trị chưa chắc chắn đã thỏa mãn điều kiện do là giá trị ước lượng phụ thuộc vào các biến độc lập.
Khi đó, phương trình tính xác suất khách hàng trả được nợ (tức là xác suất Y=1) được tính theo công thức sau, trong đó e là hằng số Euler (xấp xỉ 2,718):
0 1 1 2 2 0 1 1 2 2 exp( ... ) 1 exp( ... ) 1 Y n n i Y n n X X X e p X X X e + + + + = = + + + + + +
Như vậy để tính xác suất trả được nợ của khách hàng phải tính các giá trị ước lượng của Y, cần ước lượng hợp lý tối đa giá trị của β. Để làm được điều này lấy