4 1.1.1 Khái niệm và đặc điểm của công ty tài chính
2.2.1. Mô hình nghiên cứu tổng quát
Căn cứ vào phạm vi đối tượng nghiên cứu của đề tài là khách hàng cá nhân cùng các dữ liệu phục vụ cho phân tích có thể thu thập được từ FE CREDIT, kết hợp với tham khảo các nghiên cứu đi trước, với mục tiêu phát triển mô hình nghiên cứu để
đánh giá khả năng trả nợ vay của khách hàng cá nhân tại FE CREDIT một cách toàn diện nhất, mô hình nghiên cứu được lựa chọn phải đáp ứng các yêu cầu như sau:
Tính đầy đủ: Mô hình được chọn phải có đầy đủ những yếu tố ảnh hưởng đến khả năng như đặc điểm khách hàng vay, thông tin về tài chính của khách hàng, các yếu tố khác có liên quan đến khoản vay.
Tính khách quan: Kết quả đo lường không mâu thuẫn với các cơ sở lý thuyết trước đến nay.
Tính kế thừa: Có tính kế thừa các bài nghiên cứu khoa học trước đây về đo lường các nhân tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân.
Tính đơn giản: Mô hình được chọn phải dễ hiểu, đơn giản và dễ sử dụng. Từ những yêu cầu trên, kết hợp với tham khảo các công trình nghiên cứu trước đây, tác giả lựa chọn phương pháp hồi quy Binary Logistic để tiến hành nghiên cứu, phân tích các mối liên hệ giữa các biến độc lập và biến phụ thuộc.
Theo Ali Al-aradi (2014) về nghiên cứu chấm điểm tín dụng bằng mô hình Logistic regression, hồi quy logistic được sử dụng trong nhiều ứng dụng bao gồm nghiên cứu y sinh, nghiên cứu khoa học xã hội, tiếp thị cũng như các ứng dụng tài chính. Tác giả đánh giá mô hình này có thể dùng để mô hình hóa xác suất khách hàng đáng tin cậy (tức là có thể đáp ứng nghĩa vụ tài chính kịp thời) bằng cách sử dụng một số yếu tố dự đoán. Những yếu tố dự đoán này có thể bao gồm quy mô khoản vay cũng như các thông tin cá nhân khác như thu nhập hàng năm của khách hàng, nghề nghiệp, các khoản nợ chưa thanh toán khác, hành vi không trả được nợ trong quá khứ và lịch sử tín dụng của họ.
Hồi quy Logistic là mô hình hồi quy đặc biệt khi biến phụ thuộc là một biến nhị phân chỉ nhận hai giá trị 0 và 1. Mô hình hồi quy này sử dụng để dự đoán xác suất để xảy ra một sự việc dựa vào thông tin các biến độc lập trong mô hình.
BIẾN LOẠI
Phụ thuộc Nhị phân
Y(X) là biến lựa chọn nhị phân, trong đề tài nghiên cứu, biến phụ thuộc được giải thích như sau:
Yi = 1 Nếu có khả năng trả nợ
0 Nếu không có khả năng trả nợ Mô hình hồi quy Binary Logistic có dạng như sau:
P = E (Y=1/X ) = �(((((((((((((((0+βiXi)
i i
Đặc điểm nhân khẩu học
Giới tính Tuổi
Tình trạng hôn nhân Số người tham chiếu
Khả năng trả nợ
Pi = E (Y=1/Xi) = 1 1+�− 0+βiXi)(�
Trong đó, Pi là kỳ vọng xác suất Y=1 với điều kiện Xi xảy ra, Xi là biến độc lập. Khi đó, xác suất không xảy ra sự kiện là:
(1-Pi) = 1 1+�− 0+βiXi)(((((((((((((( (
Tỷ lệ ưu thế
Oddsi = 1−PPi
i =�(�0+βiXi)
Áp dụng mô hình tuyến tính hóa, mô hình Binary Logistic được viết thành: Loge ( Pi ) = �0 + 1 X1 + 2 X2 + 3 X3+…+ i Xi
1−Pi
Ý nghĩa của mô hình: trong điều kiện các yếu tố khác không đổi, khi biến độc lập Xi thay đổi 1 đơn vị thì biến phụ thuộc Y sẽ thay đổi 1 lượng so với ban đầu. Nếu hệ số hồi quy dương thì nhân tố Xi sẽ tác động cùng chiều và ngược lại nếu hệ số hồi quy âm thì nhân tố Xi sẽ tác động cùng chiều với biến phụ thuộc