Nguồn vốn dành cho dự phòng rủi ro tín dụng giúp ngân hàng tạo nên một quỹ
giống như khoản “bảo hiểm” giúp xử lý được rủi ro nợ xấu trong tương lai nếu xảy ra. Nếu tỷ lệ dự phòng rủi ro này giảm, đồng nghĩa nguồn quỹ này giảm, mà trong tương lai nợ xấu gia tăng mạnh, ngân hàng sẽ không có nguồn vốn dự phòng để xử lý, khi đó không chỉ lợi nhuận ngân hàng bị ảnh hưởng, mà còn ảnh hưởng đến cả chất lượng cho vay của ngân hàng. Ngân hàng VP thường sử dụng dự phòng để xử lý
rủi ro tín dụng bằng cách chuyển các khoản nợ đã được xử lý rủi ro tín dụng từ hạch toán nội bảng ra hạch toán ngoại bảng để tiếp tục theo dõi và có các biện pháp để thu hồi nợ triệt để. Tuy nhiên ngân hàng thực hiện cho vay nhiều, khiến dự phòng rủi ro tín dụng tăng cao, là lí do khiến lợi nhuận sau dự phòng của ngân hàng giảm rất mạnh.
Nguyên nhân chủ yếu do diễn biến tăng trưởng kinh tế, sự thay đổi nhu cầu đầu tư vào sản xuất kinh doanh, tiêu dùng, cơ hội đầu tư xuất nhập khẩu, thị trường bất động
sản chịu tác động bất lợi của dịch Covid-19.
Theo quy định tại Thông tư 01, các ngân hàng được yêu cầu giữ nguyên nhóm
nợ như đã phân loại theo quy định của Ngân hàng Nhà nước đối với các số dư nợ được cơ cấu lại thời hạn trả nợ, miễn, giảm lãi theo Thông tư 01. Ngân hàng TMCP Việt Nam Thịnh Vượng cũng phải tuân theo thông tư của Ngân hàng Nhà nước, dẫn đến khách hàng khó có khả năng trả nợ đúng hạn. Vì khách hàng cần phải có thời gian khá dài để phục hồi, sau khi phục hồi thì mới có khả năng trả nợ vay cho ngân hàng. Ngân hàng sẽ gặp khó khăn nhất định trong việc giữ nguyên nhóm nợ vay cho khách hàng. Vì vậy trong công tác thực hiện cho vay đối với khách hàng, ngân hàng cần xem xét các khía cạnh về khoản vay, loại bỏ những khoản cho vay không có tiềm
năng, hoặc có mức rủi ro cao hơn bình thường. Bên cạnh đó, để khắc phục được triệt để rủi ro tín dụng như hiện nay ngân hàng cần phải nghiêm túc thực hiện việc phân loại nợ xấu theo đúng chuẩn để trích lập dự phòng theo đúng quy mô và tính chất của
thức được tầm quan trọng của định giá tài sản thế chấp không kém việc thẩm định món vay. Tuy nhiên cũng gặp không ít khó khăn, hạn chế. Nguyên nhân của những hạn chế đó xuất phát từ Nhà nước, từ ngân hàng và cả khách hàng. Đặc biệt là việc Việt Nam thiếu một thị trường minh bạch cho hoạt động định giá cũng như nhu cầu mua bán trên thị trường như hiện nay. Ngân hàng cần khắc phục những khó khăn trên, bằng cách chú ý khi thẩm định cho vay nhất thiết phải chụp ảnh và quay phim để ghi lại quá trình thẩm định tài sản là quyền sử dụng đất và định giá tài sản bảo đảm
là quyền sử dụng đất nên thông qua Trung tâm thẩm định giá độc lập thay vì các trung
tâm định giá trung gian. Tránh tình trạng khách hàng lừa đảo. Ngoài ra, VP Bank nên
xây dựng một phần mềm quản lý về thông tin thị trường bất động sản. Ngoài ra cần bổ sung thêm một số nội dung trong quy trình định giá và một số phương pháp định giá khác. Đặc biệt, ngân hàng cần chú trọng công tác đào tạo nghiệp vụ cho cán bộ định giá.
5.3. Những hạn chế của đề tài và các định hướng phát triển
Ngân hàng thường quan tâm đến khả năng sinh lợi và khả năng thanh toán của doanh nghiệp thể hiện trên báo cáo tài chính. Qua việc so sánh khối lượng và chủng loại tài sản với số nợ phải trả theo kỳ hạn, Ngân hàng có thể xác định được khả năng thanh toán của doanh nghiệp và quyết định có nên cho doanh nghiệp vay hay không. Bên cạnh đó, Ngân hàng còn quan tâm đến vốn chủ sở hữu của doanh nghiệp và xem đó như là một nguồn bảo đảm cho Ngân hàng có thể thu hồi được nợ khi doanh nghiệp bị thua lỗ hay phá sản. Ngân hàng sẽ hạn chế cho doanh nghiệp vay khi doanh nghiệp có dấu hiệu không thể thanh toán các khoản nợ đến hạn. Các chỉ tiêu tài chính khi phân tích tài chính doanh nghiệp để phục vụ hoạt động cho vay là một hoạt động không thể thiếu trong quá trình tín dụng của Ngân hàng mà nó còn được xem như là cơ sở để hình thành một khoản cho vay tốt.
Nghiên cứu đã chỉ ra các nhân tố nội tại có ảnh hưởng đến nghiệp vụ cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng. Từ đó đề xuất một số hàm ý quản trị, đóng góp vào công tác quản lý của các nhà quản trị của toàn hệ thống VP Bank, có những biện pháp để hiệu quả khi quyết định cho vay,
Thứ nhất, nghiên cứu này chỉ thực hiện dựa trên các yếu tố nội tại của ngân hàng TMCP Việt Nam Thịnh Vượng, lấy số liệu từ báo cáo tài chính hàng quý và quy mô và thời gian khảo sát không rộng nên khả năng tổng quát của nghiên cứu là không cao. Do đó, ở các nghiên cứu trong tương lai nên nghiên cứu cả với đối tượng khách hàng doanh nghiệp để đưa ra độ khái quát cao hơn.
Thứ hai, mô hình nghiên cứu chỉ nghiên cứu 6 biến độc lập và 1 biến phụ thuộc. Có thể thấy mức độ giải thích của mô hình khá cao nhưng vẫn chưa phản ánh hoàn toàn được hết các nhân tố có tác động mạnh đến quyết định cho vay của ngân hàng VP. Cho nên ở các nghiên cứu tiếp theo nên mở rộng thành phần và các nhân tố tiềm ẩn khác để tìm hiểu xem có yếu tố mới nào tác động mạnh hơn đến quyết định cho vay cũng như hành vi cho vay của ngân hàng đối với đối tượng khách hàng là các doanh nghiệp.
Thứ ba, bài nghiên cứu phân tích quyết định cho vay của ngân hàng chung chung cho đối tượng khách hàng doanh nghiệp, trong khi trên thực tế, ngân hàng phân chia các loại hình doanh nghiệp khác nhau thành 3 nhóm nhất định tại VP Bank
gồm: doanh nghiệp siêu nhỏ, doanh nghiệp vừa và nhỏ, doanh nghiệp lớn. Vì vậy trong các nghiên cứu sau, để phân tích rõ ràng và thực tế hơn thì cần phân tích riêng biệt từng loại hình doanh nghiệp.
Thứ tư, nghiên cứu chủ yếu chỉ sử dụng các phương pháp và công cụ nghiên cứu cơ bản dựa trên nền tảng Python mà chưa đi sâu vào phân tích các chỉ số khoa học. Cho nên ở các nghiên cứu sau này nên sử dụng thêm các phương pháp phân tích
KẾT LUẬN CHƯƠNG 5
Dựa vào kết quả nghiên cứu ở chương 4, tác giả đã trình bày kiến nghị và đưa ra một số giải pháp đối với các nhà quản trị của ngân hàng TMCP Việt Nam Thịnh Vượng, về các khía cạnh như vốn, tiền gửi, tài sản, nợ xấu, dự phòng rủi ro tín dụng và tài sản đảm bảo. Các giải pháp gồm có: (1) Đảm bảo mức an toàn vốn tối thiểu, (2) tạo cạnh tranh, thu hút tiền gửi huy động, (3) phân bổ tài sản hợp lý, (4) phân loại
nợ xấu đúng chuẩn và duy trì nợ xấu ở mức tối thiểu, (5) dự phòng rủi ro tín dụng hợp lý, (6) định giá đúng tài sản đảm bảo, điều chỉnh tỷ lệ tài sản đảm bảo hợp lý đối với khoản cho vay. Ngoài ra, tác giả còn đưa ra một số hạn chế của bài nghiên cứu và các định hướng phát triển tiếp theo cho đề tài nghiên cứu này.
KẾT LUẬN CHUNG
Tác giả đã thực hiện nghiên cứu “Các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp tại ngân hàng TMCP Việt Nam Thịnh Vượng”, phân tích và đề xuất một số giải pháp góp phần nâng cao hiệu quả trong quyết định cho vay khách hàng doanh nghiệp tại Ngân hàng VP. Nghiên cứu dã đạt được những mục
tiêu sau:
- Thứ nhất, nghiên cứu đã xây dựng cơ sở lý thuyết về các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp;
- Thứ hai, nghiên cứu đã xác định 6 nhân tố tác động đến quyết định cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng gồm
có: (1)
vốn và các quỹ, (2) tiền gửi huy động, (3) tổng tài sản, (4) nợ xấu, (5) dự
phòng rủi (adsbygoogle = window.adsbygoogle || []).push({});
ro tín dụng và (6) tài sản đảm bảo;
- Thứ ba, sau khi phân tích 6 nhân tố có tác động đến quyết định cho vay khách hàng doanh nghiệp tại VP Bank, tác giả đã đề xuất một số giải pháp nhằm
nâng cao
hiệu quả trong quyết định cho vay khách hàng doanh nghiệp, cũng như hạn
chế rủi ro
trong hoạt động cho vay tại ngân hàng như (1) Đảm bảo mức an toàn vốn tối thiểu,
TÀI LIỆU THAM KHẢO:
1. Pham, D. S. D. (2013). The determinants of Vietnamese banks’ lending behavior: A theoretical model and empirical evidence. Journal of Economic Studies, 42(5), 861-877
2. Micco, A., & Panizza, U. (2006). Bank ownership and lending behavior.
Economics Letters, 93(2), 248-254.
3. Dan, D. V., Hoa, L. T. T., Hac, L. D., & Hien, N. H. D. (2021). Bank Capital
and Lending Behavior of Vietnamese Commercial Banks. Journal of Asian
Finance, Economics and Business, 8(2), 0373-0385.
4. Isa, M. A. M., Latif, R. A., Zaharum, Z., & Noh, M. K. A. (2019). Internal factors influencing commercial bank’s lending behavior in Malaysia, Advanced
International Journal of Banking, Accounting and Finance, 1(1), 48-58.
5. Olokoyo, F. O., (2011). "Determinants of Commercial Banks" Lending Behavior in Nigeria", International Journal of Financial Research, Vol. 2, No. 2, 61-72.
6.Kuhlman, Dave, (2012). "A Python Book: Beginning Python, Advanced
Python, and Python Exercises". Section 1.1. Archivedfrom the original (PDF).
7.Rossum, Guido Van (2009). "The History of Python: A Brief Timeline of
Python". The History of Python. Retrieved 5 March 2021
8. Khangalah, M. O., (2016). “Determinants of commercial banks" lending
behavior in Kenya: case of state owned banks in Kenya”; UnpublishedMaster "s
Thesis, Nairobi, Kenya.
9. Onyango, J. A., (2016). "The determinants of lending behavior on selected commercial banks in Kenya”. International Journal of Economics, Commerce and Management, United Kingdom; Vol. IV, Issue 9.
10. Malede, M., (2014). "Determinants of commercial Banks" lending: evidence from Ethiopian commercial banks", Journal of Business and Management, Vol.6, No.20.
LOAN CAP DE P TA NPL RISK COL 0 23286728 7886389 89026315 130004786 3889498 442587 189380290 1 25878988 8267241 4 9156606 135137164 4015027 128741 210930932 2 28997702 8754310 100296066 147625564 4091689 -53416 229876487 3 41739788 8980295 108353665 163241378 4148641 427534 234580828 4 32195522 9407894 111690119 164641320 4497150 805408 246877832
12. Osei-Assibey, E., Bockarie, B. A., (2013). “Bank risks, capital and loan supply:
evidence from Sierra Leone”, Journal of Financial Economic Policy, Vol. 5 Issue: 3, pp.256-271.
13. Abe, M., Troilo, M., & Batsaikhan, O. (2015). “Financing small and medium enterprises in Asia and the Pacific ”, Journal of Entrepreneurship and Public Policy, 4(1), 2-32.
14. Berger., A. N., Rosen, R. J., & Udell, G. F. (2001). “The Effect of Market Size (adsbygoogle = window.adsbygoogle || []).push({});
Structure on Competition: The Case of Small Business Lending”, Federal
Reserve Bank of Chicago Working Paper WP 2001-10.
15. Bouvatier, V., & Lepetit, L. (2012). “Effects of loan loss provisions on growth in bank lending: Some international comparisons”, International Economics, 132, 91-116.
16. Huỳnh Thị Diem Trang, 2014, Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng tại ngân hàng Vietcombank - chi nhánh Bình Tây, Khóa luận Thạc sĩ, Trường Đại học Quốc tế.
17. Các nhân tố ảnh hưởng đến quyết định cấp tín dụng cho các DNNVV tại NH TMCP Ngoại thương Việt Nam khu vực Tp. Cần Thơ
18.Báo cáo tài chính (2021). Truy cập ngày 27/03/2021, từ
https://www.vpbank.com.vn/quan-he-nha-dau-tu/bao-cao-tai-chinh.
19. Hoàng Thị Thanh Hằng, Ngô Thị Xuân Bình, Nguyễn Thị Ngọc Quỳnh, Phan Diên Vỹ, Nguyễn Thị Ngọc Nga và Nguyễn Kim Quốc Trung (2015),
Marketing Dịch vụ Tài chính, NXB Kinh tế, TP. Hồ Chí Minh
20. Nguyễn Minh Kiều (2014). Giáo trình Nghiệp vụ ngân hàng thương mại.
NXB Tài chính.
PHỤ LỤC
1) Dữ liệu thu thập
1. Đọc và xem thông tin dữ liệu data=pd.read_excel('DATA _LeDung_New.xlsx')
P LOA N 1.000000 0.979719 0.962772 0.986369 0.933585 0.948071 0.95629 9 CA P 0.979719 1.000000 0.952177 0.990832 0.937104 0.947242 0.95821 9 DE P 0.962772 0.952177 1.000000 0.968898 0.849229 0.892895 0.98036 8 T A 0.986369 0.990832 0.968898 1.000000 0.933789 0.955586 0.96539 9 NP L 0.933585 0.937104 0.849229 0.933789 1.000000 0.931082 0.86092 1
2) Mô tả tương quan
data Jieat_cor=data Jieat.corr()
3) Biểu đồ tương quan
4) Kết quả mô hình
-From Sklearn-IinearjTiodel import LinearRegression
-From Sklearn - model-selection import train_______________________________test_____split ■From Sklearn , metrics import mean_______________________squared_error
#■ NodeL 1 ^chuân bị dữ Liệu y
X = data[['CAP*l ’DEP’, ’TA’, 'NPL*, ’RISK’, ’COL’]]
y = dataQ*LOAN’]
Imjn = LinearRegression()
lm_m .-Fit(X, y)
yhat ≡ Im__________m.predict(x)
#R2
print(’R-Square : ', -Fuda)
a = Im________m≡intercept__________ b = Im_______m.coef_ R-Square: θ.9797039241897915 a -13627069 - 451419443 b array([ Θ.42762Θ38, e.32262θ!4, Θ.Θ4ΘΘ244S, θ.94275565, 2.9744Θ54 -Ô . 012328271 ,i (adsbygoogle = window.adsbygoogle || []).push({});