Hiệu quả của hệ thống xếp hạng nội bộ đến việc ra quyết định cho

Một phần của tài liệu (LUẬN văn THẠC sĩ) ứng dụng mô hình logistic trong dự báo khả năng trả nợ khách hàng nhằm nâng cao chất lượng xếp hạng tín dụng doanh nghiệp tại ngân hàng TMCP công thương việt nam chi nhánh tây sài gòn (Trang 40 - 42)

cho vay tại Vietinbank Tây Sài Gòn.

Kết quả xếp hạng Xác định ngành kinh tế

Xác định quy mô Xác định loại hình doanh nghiệp

Chấm điểm chỉ tiêu tài chính Chấm điểm chỉ tiêu phi tài chính Tồng hợp điểm tín dụng và xếp hạng khách hàng

25

Trong bài viết này, học viên thực hiện đánh giá hiệu quả của hệ thống XHTD tại Vietinbank Tây Sài Gòn thông qua số doanh nghiệp được cấp tín dụng thu thập được từ 2013 - 2016, đây không phải toàn bộ các doanh nghiệp được cấp tín dụng trong thời gian này của chi nhánh, nhưng việc thống kê, so sánh sẽ giúp ta có cái nhìn khái quát và trực quan về tính hiệu quả của hệ thống.

Bảng 2.2 Phân loại xếp hạng của một số doanh nghiệp được cấp tín dụng tại Vietinbank Tây Sài Gòn từ 2013-2016.

2013 2014 2015 2016 Tổng Số khách hàng thu thập được 10 35 49 62 156  AAA 0 0 0 3 3  AA 1 6 8 15 30  A 4 23 34 41 102  BBB 1 0 2 1 4  BB 3 1 2 1 8  B 1 5 3 1 10 Số khách hàng phát sinh nợ xấu 9 7 6 4 26  A 4 4 2 2 12  BBB 1 0 1 0 2  BB 3 1 2 1 7  B 1 2 1 1 5

Nguồn: Tổng hợp từ các hồ sơ tín dụng thu thập được từ 2013 – 2016.

Qua bảng trên ta có thể thấy, trong giai đoạn từ 2013 – 2016, với 156 doanh nghiệp được cấp tín dụng thu thập được, có 26 doanh nghiệp phát sinh nợ xấu (chiếm 16.67%). Trong đó số doanh nghiệp được phân loại nhóm A phát sinh nợ xấu chiếm nhiều nhất với 12 doanh nghiệp, tiếp theo lần lượt là nhóm BB, B và BBB.

Việc xếp hạng tín dụng nhằm mục đích đánh giá khả năng trả nợ của khách hàng, từ đó là cơ sở tham khảo để đưa ra quyết định cấp tín dụng. Theo mối quan hệ giữa khả năng trả nợ và nợ xấu đã xây dựng ở phần 1.5, thì khách hàng có khả năng trả nợ khi được phân loại vào nhóm nợ 1 và 2. Ngoài ra, ý nghĩa và

phân loại nợ của từng mức xếp hạng được quy định tại Vietinbank như sau:

 AAA đến A: khách hàng có khả năng trả nợ, phân loại nợ nhóm 1.

 BBB đến BB: khách hàng có khả năng trả nợ, phân loại nợ nhóm 2.

 B: khách hàng không có khả năng trả nợ, phân loại nợ nhóm 3. (Vietinbank, 2010)

26

Từ những thông tin trên ta có thể tính toán khả năng dự đoán chính xác của hệ thống xếp hạng tại Vietinbank Tây Sài Gòn như sau:

Bảng 2.3 Tỷ lệ dự đoán chính xác của hệ thống xếp hạng tín dụng nội bộ tại Vietinbank Tây Sài Gòn.

Thực tế Dự đoán Tỷ lệ chính xác Khách hàng không có khả năng trả nợ Khách hàng có khả năng trả nợ Khách hàng không có khả năng trả nợ 26 5 21 19.2% Khách hàng có khả năng trả nợ 130 5 125 96.1% Tỷ lệ chính xác trung bình 83.3%

Nguồn: Tổng hợp và tính toán từ phân loại khách hàng doanh nghiệp. Từ đó ta có thể thấy trong giai đoạn từ 2013 – 2016, trong 156 doanh nghiệp thu thập được, có 26 khách hàng không có khả năng trả nợ, trong đó 5 khách hàng đã được dự đoán không có khả năng trả nợ và 21 khách hàng đã được dự đoán có khả năng trả nợ (thông qua kết quả định hàng bằng hệ thống xếp hạng tín dụng nội bộ của ngân hàng Vietinbank), tỷ lệ chính xác là 19.2% và 130 khách hàng có khả năng trả nợ trong đó 125 khách hàng đã được dự đoán có khả năng trả nợ và 5 khách hàng đã được dự đoán không có khả năng trả nợ, tỷ lệ chính xác là 96.1%. Như vậy, tỷ lệ dự đoán chính xác về khả năng trả nợ của khách hàng từ hệ thống XHTD của Vietinbank đạt tỉ lệ là 83.3%.

Một phần của tài liệu (LUẬN văn THẠC sĩ) ứng dụng mô hình logistic trong dự báo khả năng trả nợ khách hàng nhằm nâng cao chất lượng xếp hạng tín dụng doanh nghiệp tại ngân hàng TMCP công thương việt nam chi nhánh tây sài gòn (Trang 40 - 42)

Tải bản đầy đủ (PDF)

(99 trang)