NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM – CHI NHÁNH THỊ XÃ BẾN CÁT BÌNH DƯƠNG
3.2.1. Bối cảnh nghiên cứu – Giới thiệu về Agribank Bến Cát
3.2.1.1. Sơ lược về quá trình hình thành
Quá trình hình thành và phát triển của Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam - Chi nhánh Thị xã Bến Cát Bình Dương gắn liền với sự hình thành và phát triển của Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam. Trước năm 1988, Agribank Bến Cát chính là Ngân hàng Nhà nước huyện Bến Cát, trực thuộc Ngân hàng Nhà nước tỉnh Sông Bé, hoạt động theo cơ chế bao cấp. Ngày 19/6/1988, theo quyết định số 340/QĐ-NHNo-02 của Tổng Giám đốc Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam, Ngân hàng Nông nghiệp Bến Cát chính thức đổi tên thành Ngân hàng Nông nghiệp và Phát triển Nông thôn huyện Bến Cát (nay là thị xã Bến Cát), trụ sở đường 30/4, khu phố 2, phường Mỹ Phước, thị xã Bến Cát, tỉnh Bình Dương. Đây là Chi nhánh loại II trực thuộc Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam chi nhánh tỉnh Bình Dương, hoạt động theo hình thức doanh nghiệp Nhà nước, hạch toán độc lập và có tư cách pháp nhân. Ngoài ra, Chi nhánh còn có 01 Phòng giao dịch trực thuộc có địa chỉ tại Ấp Xà Mách, Thị trấn Lai Uyên, Huyện Bàu Bàng, Tỉnh Bình Dương nhằm phục vụ các nhu cầu về sản phẩm, dịch vụ ngân hàng cho dân cư trên địa bàn huyện Bàu Bàng và các xã, phường, thị trấn thuộc huyện Phú Giáo lân cận.
3.2.1.2. Tổng quan về tình hình hoạt động tín dụng cá nhân Doanh sô cho vay
Trong 3 năm gần đây, hoạt động cho vay KHCN của ngân hàng diễn ra rất tốt, cụ thể là doanh số cho vay liên tục tăng ổn định qua các năm. Dưới đây là doanh thu cho vay KHCN của Agribank Bến Cát.
Bảng 3.1. Doanh số cho vay KHCN Agribank Bến Cát giai đoạn 2018 – 2020 Đơn vị tính: triệu VND Năm Chỉ tiêu 2018 2019 2020 2019/2018 2020/2019 +/- % +/- % Cho vay ngắn hạn 430.810 453.281 411.778 22.472 5,22 -41.503 -9,16 Cho vay trung hạn 526.736 625.726 694.217 98.990 18,79 68.491 10,95 Doanh số cho vay 957.545 1.079.008 1.105.996 121.462 12,68 26.988 2,50 (Nguồn: Agribank Bến Cát)
Từ Bảng 3.1 ta thấy, doanh số cho vay cá nhân của Chi nhánh tăng đều và ổn định qua các năm. Cụ thể, trong cơ cấu doanh số cho vay cá nhân của Chi nhánh thì cho vay trung hạn luôn chiếm tỷ trọng cao nhất và tăng qua các năm, đóng góp chủ yếu vào sự tăng trưởng của tổng doanh số. Bên cạnh sự tăng cao của doanh số cho vay trung hạn, cho vay ngắn hạn có sự biến động nhưng nhìn chung có xu hướng giảm trong giai đoạn 2018 - 2020.
Tóm lại, doanh số cho vay cá nhân tăng qua từng năm. Đặc biệt, trong giai đoạn 2019 – 2020, tác động của đại dịch Covid-19 đến ngành ngân hàng là không nhỏ tuy nhiên Chi nhánh vẫn duy trì được sự tăng trưởng trong doanh số cho vay cá nhân. Qua đó có thể thấy Chi nhánh đã thực hiện tốt công tác tiếp thị cũng như quản lý nợ, chủ động kiểm soát tốt trong mọi tình huống.
Doanh sô thu nợ
Doanh số thu nợ của ngân hàng sẽ thể hiện số lượng, quy mô tín dụng và hiệu quả sử dụng vốn thông qua việc khách hàng trả nợ. Nếu khách hàng luôn trả nợ đúng hạn và sử dụng đúng mục đích thì điều đó minh chứng cho việc khách hàng sử dụng vốn vay là hiệu quả và ngân hàng đáp ứng tốt nhu cầu vay của khách hàng. Từ đó giúp ngân hàng có được lợi nhuận kinh tế cao.
Doanh số thu nợ cá nhân tại Agribank Bến Cát giai đoạn 2018 - 2020 1,400,000 1,200,000 1,175,120 1,000,000 1,014,781 800,000 841,793 600,000 737,606 588,480 400,000 463,062 378,732 426,300 437,514 200,000 - 2018 2019 2020
Thu nợ trung hạn Thu nợ ngắn hạn Tổng
Qua Hình 3.1, ta có thể thấy tình hình thu hồi nợ đang được cải thiện trong ba năm gần đây, điều này chứng tỏ hoạt động thu hồi nợ của Chi nhánh đạt hiệu quả tốt. Trong đó, doanh số thu nợ trung hạn chiếm tỷ trọng cao nhất. Bên cạnh đó, doanh số thu nợ ngắn hạn cũng tăng đều và ổn định qua các năm.
Đơn vị tính: triệu VND
(Nguồn: Agribank Bến Cát) Hình 3.1. Doanh số thu nợ KHCN Agribank Bến Cát giai đoạn 2018 – 2020
Dư nợ cho vay
Để đánh giá quy mô hoạt động của ngân hàng thì chỉ tiêu dư nợ là chỉ tiêu có ý nghĩa rất quan trọng trong việc này. Số liệu dư nợ cho chúng ta thấy rõ được ngân hàng còn phải thu bao nhiêu nợ nữa từ phía khách hàng và nó cũng phản ánh quy mô hoạt động tín dụng.
Nhìn chung, ta thấy tổng dư nợ của Ngân hàng vẫn tăng trưởng ổn định trong 3 năm gần đây (Hình 3.2). Trong đó, sự tăng trưởng mạnh mẽ của dư nợ trung hạn là nguyên nhân chính dẫn đến sự tăng trưởng của tổng dư nợ qua các năm. Trái lại, dư
nợ ngắn hạn có nhiều biến động và nhìn chung có sự sụt giảm nhẹ trong giai đoạn này.
Đơn vị tính: triệu VND
Dư nợ cho vay KHCN tại Agribank Bến Cát giai đoạn
2,000,000 2018-2020 1,800,000 1,600,000 1,400,000 1,200,000 1,000,000 800,000 600,000 400,000 200,000 - Dư nợ trung hạn 2018 Dư nợ ngắn hạn2019 Tổng dư nợ2020 (Nguồn: Agribank Bến Cát) Hình 3.2. Dư nợ cho vay KHCN Agribank Bến Cát giai đoạn 2018 – 2020
Xét về dư nợ ngắn hạn, đây là nguồn bổ sung kịp thời cho các nhu cầu về vốn ngắn hạn của khách hàng. Bởi vì nó giúp khách hàng giải quyết, tháo gỡ các vấn đề và khó khăn về tài chính tạm thời. Đồng thời, vay vốn ngắn hạn sẽ giúp khách hàng có thể tiết kiệm chi phí lãi suất hơn. Trong khi đó, dư nợ trung hạn là nguồn vốn cho các phương án sản xuất kinh doanh, mang tính lâu dài, việc lựa chọn cho vay dài hạn sẽ làm giảm gánh nặng, áp lực trả lãi, trả gốc và giúp khách hàng linh hoạt hơn trong việc trả nợ. Tuy nhiên, giai đoạn năm 2019 và 2020 với sự bùng nổ và kéo dài của dịch bệnh đã làm cho nhiều khách hàng e ngại đầu tư, phần đông khách hàng có tâm lý chờ dịch bệnh đi qua rồi mới đi vay là nguyên nhân chính dẫn đến dư nợ ngắn hạn của Chi nhánh giảm.
Tóm lại, để đạt được những kết quả khả quan trong những năm qua, Chi nhánh đã luôn chủ động tìm hiểu và tích cực giới thiệu cũng như tư vấn tận tình cho các khách hàng, từ đó đưa ra những sản phẩm cho vay phù hợp với tình hình tài chính và nhu cầu cá nhân của từng khách hàng.
Nợ xấu khách hàng cá nhân của Agribank Bến Cát
Bảng số liệu dưới đây sẽ thể hiện rõ nợ xấu cho vay KHCN của Chi nhánh từ năm 2018 – 2020:
Bảng 3.2. Nợ xấu cho vay KHCN Agribank Bến Cát giai đoạn 2018 – 2020
Đơn vị tính: triệu VND Năm Chỉ tiêu 2018 2019 2020 2019/2018 2020/2019 +/- % +/- % Nợ xấu 696 789 1140 93 13,36 351 44,49 Dư nợ 1.459.673 1.605.666 1.749.993 145.993 10,00 144.327 8,99 Tỉ lệ 0,05% 0,05% 0,07% 0,00 3,05 0,0002 32,57 (Nguồn: Agribank Bến Cát)
Nhìn chung, tình hình nợ xấu trong giai đoạn 2018 – 2020 của Chi nhánh tăng tuy nhiên không đáng kể. Tỉ lệ nợ xấu trên tổng dư nợ chỉ dao động từ 0,05% đến 0,07%, rất thấp so với tỉ lệ tối đa 0,2% mà Chi nhánh tỉnh cho phép.
Theo như Bảng 3.2, ta thấy sự chênh lệch năm 2020 so với năm 2019 cao hơn sự chênh lệch năm 2019 so với năm 2018 bởi vì vào thời điểm đó dịch bệnh bùng phát, giãn cách xã hội đã ảnh hưởng nghiêm trọng đến thu nhập thường xuyên của khách hàng vốn là nguồn trả nợ Ngân hàng, dẫn đến một số khách hàng không đủ khả năng trả nợ đúng hạn, đặc biệt là các lao động áo xanh. Đồng thời việc phân kỳ trả nợ tại thời điểm này còn hạn chế do kỳ hạn nợ không tương thích với dòng tiền của khách hàng, vì vậy dẫn đến khó kiểm soát dòng tiền dùng để trả nợ của khách hàng.
Vì nợ xấu tăng theo tổng dư nợ nhưng mức tăng không đáng kể, bên cạnh đó doanh số cho vay của Ngân hàng liên tục tăng trong 3 năm gần đây nên ta có thể thấy rằng chất lượng tín dụng của Ngân hàng đã và đang được cải thiện không ngừng.
Với những phân tích nêu trên, có thể thấy rằng hoạt động tín dụng luôn được Chi nhánh đặc biệt quan tâm thể hiện qua việc tăng trưởng ổn định của tổng dư nợ. Tuy nhiên, đi cùng với đó là nợ xấu cho vay KHCN cũng tăng qua các năm. Vì vậy, việc xây dựng mô hình nghiên cứu nhằm xác định khả năng trả nợ của KHCN, hạn chế tối đa nguy cơ vỡ nợ bằng mô hình Binary Logistic đã trình bày là phù hợp với tình hình thực tế của Agribank Bến Cát.
3.2.2. Dữ liệu nghiên cứu và mô hình hồi quy Logistic
3.2.2.1. Dữ liệu nghiên cứu
Dữ liệu dùng trong nghiên cứu được chọn theo phương pháp ngẫu nhiên (có nghĩa là không có cách nào dự đoán một kết quả đáng tin cậy hoặc phán đoán một khuôn mẫu). Do đó kết quả cho ra là hoàn toàn tình cờ đối với KHCN có dư nợ tại Agribank Bến Cát. Các dữ liệu được xuất từ hệ thống IPCAS của Agribank Bến Cát vào thời điểm cuối ngày 31 tháng 12 năm 2020 (với điều kiện là các KHCN có quan hệ tín dụng với ngân hàng liên tục từ 3 năm trở lên trong giai đoạn 2018 – 2020). Theo Hair và cộng sự (1998) thì kích thước một mẫu nghiên cứu phải tối thiểu từ 100 đến 150. Kích thước mẫu càng lớn độ thì sự sai lệch giữa nghiên cứu và thực tế càng nhỏ, độ chính xác càng cao. Tuy nhiên kích thước mẫu lớn sẽ tốn nhiều thời gian thu thập hơn và tốn nhiều chi phí hơn, vì vậy việc lựa chọn kích thước mẫu tuỳ thuộc vào quan điểm và kinh phí dự toán của tác giả (Hair và cộng sự, 1998). Vì nhiều lý do khách quan, trong khoá luận này, tác giả chọn kích thước mẫu là 660 KHCN có dư nợ tại Agribank Bến Cát trong năm 2020 và được chọn ngẫu nhiên như đã trình bày. Tuy nhiên có loại trừ các trường hợp của các cán bộ nhân viên tại Agribank Bến Cát vay tín chấp, vay thấu chi và các đối tượng được ưu tiên vay tín chấp tại Agribank Bến Cát. Do các đối tượng này thuộc các đối tượng ưu tiên nên một số thông tin không cần đánh giá như khách hàng vay thông thường dẫn đến một số thông tin có
thể bị thiếu làm sai lệch kết quả nghiên cứu. Dưới đây là bảng thống kê tỷ lệ khách hàng có khả năng trả nợ và không có khả năng trả nợ trong 660 khách hàng có dữ liệu được sử dụng:
Bảng 3.3. Mẫu dữ liệu phân loại theo khả năng trả nợ
Số lượng khách hàng Tỷ lệ
Khách hàng có khả năng trả nợ (Giá trị 1) 609 92,3%
Khách hàng không có khả năng trả nợ (Giá trị 0) 51 7,7%
Tổng cộng 660 100%
(Nguồn: Tác giả tổng hợp)
3.2.2.2. Mô hình hồi quy Logistic
Dựa trên các tiêu chí khác nhau để lựa chọn mô hình nói chung và phương pháp đánh giá khả năng trả nợ của KHCN tại Agribank Bến Cát nói riêng, tác giả xem xét đặc điểm cụ thể của biến Y, tác giả quyết định sử dụng mô hình hồi quy Logistic để định lượng biến Y bằng SPSS. Trong hồi quy Logistic, biến phụ thuộc Y chỉ có 2 trường hợp: 1 (Khách hàng có khả năng trả nợ) và 0 (Khách hàng không có khả năng trả nợ). Theo phân tích ở trên, mô hình khả năng trả nợ của khách hàng i được xây dựng như sau:
�� = 1 (3.8)
� 1 + �−(�0+�1�1+⋯+����+��)
Trong mô hình này: �� là xác suất khách hàng trong mẫu có khả năng hoàn trả khoản vay. Tỷ số odds (odds ratio-OR) thể hiện khả năng trả nợ vay là tỷ số giữa xác suất trả được nợ (��) và xác suất không trả được nợ của một người (1−��) theo công thức sau: � ��� = �� 1 − �� � (3.9) � � �
Trong đó: ���là tỷ số odds của khả năng hoàn trả.
Trong mô hình hồi quy Logistic, khi một biến độc lập được tăng thêm một đơn vị (chẳng hạn như biến i) và các biến độc lập khác được giả định là không thay đổi, thì xác suất trả được nợ của người vay sẽ được tính theo công thức sau:
�� = ��� (3.10)
� ��� + 1
Khả năng thanh toán khoản vay của người vay có thể hiểu là khả năng người vay có thể hoàn trả khoản vay đúng thời hạn quy định trong hợp đồng vay với ngân hàng, không bị chậm hoặc không trả được nợ. Theo đánh giá của Ngân hàng Nhà nước Việt Nam và các TCTD, các khoản nợ từ nhóm 3 trở lên được coi là không có khả năng thu hồi khi đến hạn trả gốc và lãi. Nợ nhóm 2 cần là nợ cần lưu ý nhưng vẫn tạo cơ hội cho khách hàng trả nợ chậm và xét thấy thời gian quá hạn của nhóm 2 so với nhóm 3, 4 và 5 là khá xa nên có thể nói nợ nhóm 2 chỉ là dấu hiệu cho thấy khả năng thanh toán nợ của khách hàng bị giảm sút. Trong khoá luận này, tác giả chỉ tập trung vào khách hàng mất khả năng thanh toán nên quy ước rằng các khách hàng thuộc nhóm 3, 4 và 5 thì không có khả năng trả nợ (Y = 0). Ngược lại, các khách hàng thuộc nhóm 1 và 2 thì có khả năng trả nợ (Y = 1).
Một vấn đề cơ bản trong phân tích hồi quy là các biến đưa vào mô hình phải được lượng hóa bằng các con số. Tuy nhiên, trong thực tế, có nhiều biến số kinh tế liên quan đến một số yếu tố mà các biến số không được biểu thị trực tiếp bằng con số. Vậy làm thế nào chúng ta có thể định lượng ảnh hưởng các đặc tính của các biến số này đến giá trị của biến phụ thuộc? Trong phân tích hồi quy, việc sử dụng các biến đại diện cho các đặc tính chất lượng như vậy còn được gọi là biến giả, đặc biệt trong nghiên cứu này, tác giả sử dụng 3 biến giả (giới tính, nghề nghiệp và lịch sử tín dụng) trong số 9 biến độc lập. Bên cạnh đó, các biến độc lập và xu hướng tác động trong khoá luận này được xác định dựa vào các nghiên cứu trước (Bảng 2.2).
Ngoài ra, các giả thuyết liên quan đến các biến độc lập có cả hai xu hướng tác động cùng chiều (+) và ngược chiều (-) như: tuổi, thời hạn vay, quy mô khoản vay
được xác định dựa trên ý kiến từ khảo sát các chuyên gia2 và chọn xu hướng tác động có tỷ lệ cao nhất. Sau đây là các biến độc lập và các giả thuyết tương ứng được sử dụng trong mô hình nghiên cứu:
X1: Tuổi (năm)
Giả thuyết H1: Tuổi của khách hàng càng lớn thì khả năng trả nợ càng thấp. Kỳ vọng dấu âm (-).
X2: Giới tính (=1 nếu người vay là nam; =0 nếu người vay là nữ)
Giả thuyết H2: Những khách hàng là nam giới thì có khả năng trả nợ thấp hơn những khách hàng là nữ giới. Kỳ vọng dấu âm (-).
X3: Nghề nghiệp (= 1 nếu người vay là công nhân; = 0 đối với nghề nghiệp khác)
Giả thuyết H3: Những người làm việc trong môi trường có độ rủi ro cao, không ổn định như công nhân thì khả năng trả nợ thấp hơn. Kỳ vọng dấu âm (-).
X4: Thu nhập của người vay (triệu đồng/tháng)
Giả thuyết H4: Thu nhập càng cao thì khả năng trả nợ càng cao. Kỳ vọng dấu dương (+).
X5: Lịch sử tín dụng (= 1 nếu khách hàng đã hoặc đang phát sinh nợ quá hạn; = 0 nếu khách hàng chưa từng phát sinh nợ quá hạn)
Giả thuyết H5: Người vay đã hoặc đang phát sinh nợ quá hạn thì khả năng trả nợ thấp hơn người vay chưa từng phát sinh nợ quá hạn. Kỳ vọng dấu âm (-).
X6: Quy mô khoản vay (triệu đồng)
Giả thuyết H6: Quy mô khoản vay càng lớn thì khả năng trả nợ của khách hàng càng thấp. Kỳ vọng dấu âm (-).
X7: Lãi suất vay (%)
Giả thuyết H7: Lãi suất vay càng cao thì khả năng trả nợ của khách hàng càng thấp. Kỳ vọng dấu âm (-).