Cơ sở dữ liệu được xử lý từ bộ dữ liệu thô thu được về đặc điểm khách hàng cá nhân là hộ gia đình kinh doanh của Ngân hàng Hợp tác xã Việt Nam Chi nhánh Hưng Yên trong giai đoạn Tháng 5/2017 - Tháng 11/2020. Mặc dù Ngân hàng Hợp tác Chi nhánh Hưng Yên hoạt động với tiêu chí hỗ trợ các hộ gia đình kinh doanh, tuy nhiên mọi hoạt động của ngân hàng đều được thực hiện như các NHTM thông thường, bao gồm cả hoạt động cho vay. Bởi vậy, trong nghiên cứu, ta có thể sử dụng dữ liệu của ngân hàng này để nghiên cứu về khả năng vỡ nợ của khách hàng cá nhân.
Ngân hàng phân loại các khoản vay quá hạn từ 90 ngày trở lên là vờ nợ (phù họp và tuân theo các quy định của Ngân hàng Nhà nước Việt Nam). Hiện tại Ngân hàng Họp tác xã Chi nhánh Hưng Yên sử dụng 33 đặc điềm trong quyết định cho vay, với các thông tin bao gồm: giá trị khoản vay, quan hệ với tồ chức tín dụng, thời gian trung bình lao động, tuối, lợi nhuận trên doanh thu, sức khỏe, trình độ học vấn, tình trạng sở hữu nhà ở... Tuy nhiên có rất nhiều các thông tin bị thiếu giá trị. Ngoài ra, mục đích bài nghiên cửu tập trung vào các đặc điếm nhân khẩu học, hành vi và tài chính nên một vài biến liên quan đến kế hoạch kinh doanh sè được lược bớt.Việc lựa chọn các biến được thực hiện qua việc áp dụng• • • • • • • • A • A •
lý thuyêt của Hand& Henley (1997). Theo lý thuyêt này, có 2 thành tựu quan trọng là nhu cầu phát triến các kỹ thuật dự báo rủi ro của khách hàng tương thích với biến động điều kiện kinh tế và mục đich tính ddieemer chuyến từ việc xác định các khách hàng cao sang tỉm kiếm các khách hàng có khả năng tạo ra lợi nhuận tốt nhất. Chất xúc tác quan trọng cho các phát triển này chính là sự bùng nổ về thông tín của giao dịch khách hàng. Hai kỹ thuật đánh giá cơ bản hỗ trợ tổ chức tín dụng ra quyết định cấp tín dụng cho khách hàng là tính điểm tin dụng và tính điểm hành vi. Đe ra quyết định cấp tín dụng chó khách hàng giao dịch lần đầu tiên, tổ chức tín dụng sử dụng kỹ thuật tính điểm tín dung. Đe ra quyết định cấp tín dụng cho khách hàng hiện hữu (có hạn mức tín dụng không? Áp dụng chính sách khách hang như thế nào? Các ưu đãi nếu có? Nếu khách hàng không trả nợ đúng hẹn thì xử lý ra sao?) dựa trên kỹ thuật tính diểm hành vi cả khách hàng. Tính điểm tín dụng dựa vào các thông tin khách hàng cung cấp và thông tin có được qua nguồn tham khảo trung gian. Ngoài ra, quá trình ra quyết định còn có thể sử dụng nguồn số liệu thu thập được về khách hàng trong quá khứ. Ngày nay, chúng ta ứng dụng lý thuyết về tính điềm tín dụng thông qua việc phân tích các chỉ tiêu tài chính và chỉ tiêu phi tài chính. Việc phân tích chỉ tiêu tài chính sè dựa chủ yếu trên số liệu khách hàng cung cấp như bàng lương/ xác nhận lương, hợp đồng cho thuê nhà, báo cáo tài chính của doanh nghiệp... để đánh giá khả năng trả nợ của khách hàng. Phân tích các chỉ tiêu phi tài chính là dựa vào số liệu trong quá khứ về uy tín thanh toán trước đây ( dừ liệu của chính ngân hàng hoặc CIC), kinh nghiệm trong ngành cùa công ty và doanh nghiệp, thái độ họp tác cua khách hàng với ngân hàng ...đế đánh giá uy tín thanh toán của khách hàng.
Theo đó, có ba cách tiếp cận phổ biến nhất để lựa chọn các đặc điểm. Cách tiếp cận đầu tiên liên quan đến kiến thức chuyên môn, kinh nghiệm và cảm giác về các các biến. Thứ hai là cách tiếp cận theo từng bước, là việc thêm các biến ở mỗi bước dẫn đến dự đoán tối ưu nhất. Cách tiếp cận cuối cùng liên quan đến việc xác định "giá trị thông tin", bất kỳ đặc tính nào có giá trị thông tin lớn hơn một ngưởng sè được coi là được chọn. Trong bài nghiên cứu sử dụng hai phương
thức đâu tiên. Do vậy, đê có được một lượng lớn các khoản cho vay với đây đủ thông tin, số lượng biến sau khi đã loại bỏ chỉ còn 19 biến sổ. Trong quá trinh thực hiện mã hóa các biến, biến ngành kinh doanh được mã hóa dưới 2 biến giả là dịch vụ và công nghiệp. Do vậy, toàn bộ mô hình có 20 biến độc lập. Đây là các biến có đầy đủ các giá trị. Cuối cùng, bài nghiên cứu sử dụng kích thước mẫu là 3.896 hợp đồng vay, trong đó có 10,22% nợ không trả được, toàn bộ trên địa bàn tỉnh Hưng Yên. Đây là các mẫu được thu thập từ tháng 5/2017 - 11/2020, đã được sàng lọc và đáp ứng đầy đủ các thông tin để đưa vào mô hình.
Có một lưu ý là mẫu chỉ chứa thông tin của những người nộp đơn được chấp nhận, nó không thể đại diện cho tất cả những người là khách hàng tương lai. Ta không thể biết được những người nộp đơn đã bị từ chối sẽ thực hiện như thế nào nếu họ đã được chấp nhận. Đây là các mẫu có tính đặc thù, với đầy đủ lượng thông tin cần thiết.
2.2.2. Xác định các biến số và xử lý sắ liệu
Trong số 20 biến số đưa vào mô hỉnh,gồm 12 biến định lượng và 8 biến định tính, được phân loại làm 3 nhóm là nhóm biến chứa thông tin cá nhân, nhóm biến thông tin đặc điểm hộ kinh doanh và nhóm thông tin phương án sản xuất kinh doanh. Các biến này có khá nhiều điếm tương đồng với các biến trong mô hình chấm điểm tín dụng (Credit Scoring Methodology, CSM) giữa các quốc gia cho các khoản vay kinh doanh. Sau khi lựa chọn được các biến, cần phải tiến hành hai nhiệm vụ là mà hóa các biến và lựa chọn các biến cỏ liên quan nhất đế• • • • 1 nêu giả thiết.
Các biến trong mô hình được giải thích ở trong bảng 2.1 sau:
Bảng 2.1. Các yếu tố ảnh hưởng đến khả năng võ’ nự của khách hàng cá nhân
Biến Phân loai• Giá tri mã•
hóa
to_chuc_sxkd Không tốt 0
Bình thường 1
Biến Phân loai• Giá tri mã• hóa Tốt 2 Rất tốt 3 chap_hanh_quy_dinh_kd Không tốt 0 Bình thường 1 Tốt 2 su_dung_dv_cua_tctd_khac <20% 1 20% - 40% 2 40% - 60% 3 60% - 80% 4 80% - 100% 5 Thấp hơn >15% so với mặt bằng gia_sp_so_voi_tt 3 chung Thấp hơn 1- 15% so với mặt bằng 9 chung
Bằng giá bán trên thị trường 1
Cao hơn 1-15% so với mặt bằng
n
chung u
trinh_do_hoc_van Dưới trung cấp 0
Trung cấp 1
Cao đẳng 2
Đai hoc• • 3
Trên đai hoc• • 4
tg_quan_he_tctd < 1 năm 0.5 1 năm - 2 năm 1.5 2 năm - 5 năm 3.5 5 năm - 10 năm 7.5 >10 năm 12.5 tang_truong_doanh_thu <5% 0 5-10% 1 37
Biến Phân loai• Giá tri mã• hóa 10-30% 2 30-50% 3 >50% 4 tuoi_nghe_tb_cua_lao_don g >61 hoăc 18-19• 0 20-24 1 25-29 hoăc 51-55• 2 30-50 3 56-60 4 suc_khoe_kh
Không tốt, có ảnh hưởng đến hiệu
quả công việc 0
Không tốt, không ảnh hưởng đến hiệu
1
2 quả công việc
Tốt tinh_trang_no 0 lần 0 1 lần 1 2 lần 2 Tuoi >61 hoăc 18-19• 0 20-24 1 25-29 hoăc 51 -55• 2 30-50 3 56-60 4 kinh_nghiem_sxkd
Doanh nghiệp chưa sản xuất/kinh doanh sản phẩm tương tự nhưng đội ngũ điều hành đã từng có kinh nghiệm trong quá khứ về sản phẩm
tương tự 0
Doanh nghiệp đã sản xuất, kinh
doanh sản phẩm tương tự, tuy nhiên 1
Cụ thể:
Biến Phân loai• Giá tri mã•
hóa
sự thành cồng chưa được minh chứng rõ ràng
Doanh nghiệp đà thành công với những sản phẩm tương tự. Những số liệu trong phương án kinh doanh hầu
hết xuất phát từ con số thực tế 2
so_huu_dia_diem_kd
Đi thuê, thời gian còn lại của HĐ thuê
từ 1-3 nàm 0
Thuộc sở hữu của người thân trong gia đình (trừ bố mẹ) hoặc đi thuê, thời gian còn lại cùa hợp đồng thuê trên 3 năm
1
Thuôc sở hữu cùa chủ cơ sở kinh• doanh hoăc bố me chủ cơ sở kinh• • doanh
2
Ngành nghề kinh doanh
Bán buôn và bán lẻ; sửa chữa ô tô, mô tô, xe máy và xe có động cơ khác Công nghiệp chế biến, chế tạo
Vân tải kho bãi• Xây dựng
Công nghiệp
Dịch vụ lưu trú và ăn uống Hoạt động dịch vụ khác
Khác
Dich vu• •
Nông nghiệp, lâm nghiệp và thủy hải
sản Nông nghiệp
2.2.2. ỉ. Biên phụ thuộc
Các mô hình được sử dụng đế tính xác suất vờ nợ rộng rãi là mô hình điếm tín dụng của Avery và các cộng sự (2004), Jacobson và Roszbach (2003) và
Jimenez và Saurina (2004). Đê có thê xác định xác suât vỡ nợ biên phụ thuộc đuợc mã hóa dạng 0-1, với quy định 1 thể hiện vỡ nợ, 0 thể hiện không vờ nợ. Thông tin về tình trạng vỡ nợ được xác định như cách xác định vờ nợ của ngân hàng hiện tại. Đó là đối với những khoản vay trả chậm quá 90 ngày trở lên, không trả được gốc, lãi hoặc một phần gốc, một phần lãi đều được coi là vỡ nợ.
2.2.2.2. Biến độc lập
Các biến độc lập trong mô hình được chia làm ba nhóm: một là thông tin cá nhân người đi vay, hai là thông tin đặc điểm hộ kinh doanh và ba là thông tin phương án kinh doanh. Đồng thời người viết đưa ra giả thiết với các biến.Giả thiết đối với mồi biến độc lập thể hiện sự mong đợi về mối quan hệ giữa biến độc lập và biến phụ thuộc sẽ là cơ sở để phân tích kết quả sau khi chạy mô hình.
a) Thông tin cá nhãn của người đi vay:
tuoi: Độ tuổi được xem là một yếu tố thường xuyên được nghiên cứu. Phần lớn các nghiên cứu chỉ ra rằng người có độ tuổi càng cao thì rủi ro của khoản nợ càng thấp do tính cẩn trọng, kinh nghiệm và trải nghiệm tăng lên theo độ tuồi. Ngoài ra, người có độ tuối cao thi ngân hàng sẽ lựa chọn cho vay kĩ hơn bởi khó khàn trong chứng minh thu nhập (như đối tượng đã về hưu) nên khả nàng vờ nợ của các khách hàng lớn tuổi lại trờ nên tốt hơn. Điều này đã được chứng minh trong nghiên cứu của Chapman (1940); Thomas (2000) và Boyle cùng các cộng sự (1992); Kohansal và Mansoori (2009) khi nhận thấy mối quan hệ đồng biến giữa độ tuối và khả năng vỡ nợ đúng hạn. Do đó, trong nghiên cứu đối với Việt Nam, ta lựa chọn đây là một giả định để kiểm tra và dự đoán rằng độ tuồi cua khách hàng lớn hơn 50 thi xác suất vỡ nợ sẽ giảm. Trong dữ liệu của ngân hàng, do biến tuổi được chia làm 6 nhóm >61 hoặc 18-19; 20 - 24; 25 - 29 hoặc 51-55; 30-50; 56-60 nên biến này được mà hóa theo thứ tự: 0; 1; 2; 3; 4.
trinh-dO-hoC-Van: Trình độ giáo dục được tính dựa trên cấp học cao nhất mà khách hàng đã hoàn thiện, bao gồm: dưới trung cấp, trung cấp, cao đẳng, đại họcvàtrên đại học và được mã hóa theo thứ tự: 0, 1,2, 3, 4. Tuy nhiên, trình độ học vấn lại không có ý nghĩa trong mô hình nghiên cứu của Dinh & Kleimeier
(2007); Chapman (1940); Rosian & Zaini (2009).Do vậy, trong nghiên cứu sẽ xem xét tác động của biến trong trường hợp này.
chap_hanh_quy_dinh_kd: người đi vay là chủ thể đứng đầu trong hộ kinh doanh, bởi vậy việc đánh giá năng lực pháp lý và tuân thủ pháp luật của khách hàng là dấu hiệu cho thấy hộ kinh doanh có hiểu biết và tuân thủ pháp luật. Tuy nhiên cũng rất khó đế đánh giá yếu tố này. Trong dừ liệu của ngân hàng, ngân hàng phân loại biến này thành 3 nhóm tương ứng với ba mức độ: không tốt, bình thường, tốt. Biến này được mã hóa dưới dạng 1, 2, 3.
tg_quan_he_tctd: Thời gian quan hệ với ngân hàng càng dài thì ngân hàng càng có nhiều thông tin về người đi vay do đó rủi ro vỡ nợ càng thấp. Điều này cũng đã được chứng minh bởi Crook và cộng sự (1992) và Dinh, T. H. T. và Kleimeier, s., (2007). Do đó, biến số này được ki vọng là một chỉ số tốt dự kiến sẽ có tác động lớn đến xác suất vỡ nợ.Biến được mã hóa theo thứ tự: 0,5; 1,5; 3,5; 7,5; 12,5 tương ứng <1 năm ; 1 - 2 năm; 2-5 năm; 5-10 năm; >10 năm.
suc_khoe_kh: Giả thiết người đi vay có sức khỏe càng tốt thì càng có nhiều khả năng vỡ nợ đúng hạn. Vì nếu một khách hàng mắc bệnh hiểm nghèo thì chi phí tiêu tốn cho việc chữa trị sẽ làm ảnh hưởng đến nguồn vỡ nợ. Ngân hàng ghi nhận biến sức khỏe khách hàng dưới dạng 3 nhóm: tình trạng sức khỏe không tốt gây ảnh hưởng đến hiệu quả công việc, tình trạng sức khỏe không tốt không gây ảnh hưởng đến hiệu quả công việc và tình trạng sức khỏe tốt. Các nhóm này được mà hóa dưới dạng 0, 1,2.
su_dung_dv_cua_tctd_khac: biến số này thể hiện mức độ và tần suất sử dụng các dịch vụ của ngân hàng nói chung và các ngân hàng ngoài ngân hàng hợp tác nói riêng. Biến số này được ngân hàng đánh giá, biểu thị bằng đơn vị phần trăm, gồm 5 nhóm: <20%; 20-40%; 40-60%; 60-80%; 80-100% và mã hóa từ 1 đến 5. Trong các nghiên cứu trước, biến này thường không được sử dụng, trong nghiên cứu này, người viết dự đoán, mức độ sử dụng dịch vụ của tố chức tín dụng khác có mối quan hệ nghịch biến với xác suất vờ nợ. Điều này được lý giải bởi các khách hàng được các ngân hàng khác chấp thuận và có tần suất sử
dụng nhiêu, ta có thê dê dàng lây được lịch sử vỡ nợ và thông tin khách hàng đê đối chiếu. Khách hàng này có thể là những khách hàng tốt của các ngân hàng khác.
tinh_trang_no: tình trạng nợ các tổ chức tín dụng khác của khách hàng là một dấu hiệu xấu, cho thấy ngân hàng cần phải xem xét kĩ hoặc thậm chí là không cho vay đối với người này. Tình trạng nợ được tính bằng số lần, trong lịch sử dữ liệu của Ngân hàng Hợp tác, các khách hàng thực hiện khá tốt, chỉ có 3 loại giá trị cho biến này là 0, 1, 2.
muc_de_nghi_vay_von: mức đề nghị vay vốn là số tiền mà khách hàng kì vọng ngân hàng cho vay. Biến mức đề nghị vay vốn là biến rời rạc. Mức đề nghị vay vốn của khách hàng tại chi nhánh dao động trong khoảng (60.000.000; 2.000.000.000) VND. Đây là một biến khá phức tạp. Trong nghiên cứu của Chapman (1940), kích cờ khoản vay nhở lại có rủi ro không trả được nợ cao nhất, kế đến là các khoản vay lớn nhất sau cùng là các khoản vay có kích cờ trung bình. Trong khi Theo Carling K., Jacobson T., và Roszbach K (2003) lại cho thấy xác suất nợ quá hạn tín dụng tăng lên khi quy mô khoản vay tăng lên. Trong trường hợp của Việt Nam, dự đoán biến này mang dấu dương.
so_huu_dia_diem_kd: cho biết người đi vay có sở hữu địa điếm kinh doanh hay không, nó hàm ý về năng lực tài chính của chủ hộ kinh doanh. Nhất là ở Việt Nam, vấn đề sở hữu nhà cửa, đất đai rất được chú trọng trong lối sống của người dân. Do vậy kì vọng rằng biến này sè có quan hệ nghịch chiều với rủi ro vỡ nợ. Biến được gán giá trị 0; 1; 2 tương ứng: đi thuê thời gian còn lại của hợp đồng thuê 1-3 năm; thuộc sở hữu của người thân ngoài bố mẹ hoặc thời gian thuê còn lại trên 3 năm và thuộc sở hữu của khách hàng hoặc bố mẹ.
b) Thông tin đặc điếm kinh doanh của hộ:
tg_tb_lao_dong_tai_cskd:là thời gian trung bình lao động cua nhân viên tại cơ sở kinh doanh. Biến số này càng cao thi càng ít rủi ro đối với ngân hàng vi điều này chứng tở mức độ hài lòng cùa nhân viên đối với các chính sách đãi ngộ (bao gồm lương, thưởng, điều kiện làm việc...) tại cơ sở kinh doanh. Hoặc ngụ ý
cơ sờ làm ăn tôt, không phải xa thải nhân viên, có tiên trả lương cho nhân viên, là chỉ số đánh giá mức độ ổn định của cơ sở kinh doanh. Biến số này có đơn vị là năm, với các giá trị cụ thể.