CHƢƠNG 1 : TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
2.4. Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
2.4.3. Đặc điểm của khoản vay
Đặc điểm của khoản vay thông thường bao gồm các yếu tố sau kích cỡ khoản vay, thời hạn vay, lãi suất vay, tài sản thế chấp.
Về yếu tố kích cỡ khoản vay, thông thường khoản vay có dư nợ càng cao thì khả năng trả nợ đúng hạn thấp hơn do áp lực trả nợ lớn. Giả thuyết trên cũng tương đồng với nghiên cứu của Acquah (2011) trong khi đó nghiên cứu của Kohansal (2009) lại cho rằng kích cỡ khoản vay càng lớn thì khả năng trả nợ đúng hạn của người nông dân càng cao. Bởi vì các khoản vay lớn, đặc biệt là vay kinh doanh thì lợi nhuận của khoản vay mang lại lớn do đó tăng khả năng trả nợ cho khách hàng.
Thời hạn vay phụ thuộc vào tính chất của nguồn thu nhập trả nợ cũng như số tiền vay mà thời hạn cho vay có thể ngắn hạn, trung hạn, dài hạn. Thông thường khoản vay càng dài thì khả năng trả nợ của khách hàng cao do khách hàng không bị áp lực về việc tìm kiếm nguồn trả nợ trong thời gian ngắn, kết quả trên cũng tương đồng với giả thuyết nghiên cứu của Li Shuai (2013) trong khi đó nghiên cứu Chapman (1990) thì lại cho rằng các khoản vay có thời hạn dưới 1 năm thì khả năng trả nợ tốt hơn so với trên 1 năm. Điều này được lý giải như sau thời hạn vay cũng được xem là một yếu tố rủi ro, thời hạn càng dài thì lãi suất càng cao do đó rủi ro khách hàng không trả được nợ càng cao.
Tài sản thế chấp là nguồn tài sản đảm bảo nợ vay. Theo Nguyễn Minh Kiều (2011), đánh giá tài sản đảm bảo nợ vay là xem xét xem khách hàng có tài sản đảm bảo hay không và khả năng thanh lý tài sản mà khách hàng dùng để thế chấp hoặc cầm cố khi vay tiền ngân hàng như thế nào. Theo lý thuyết thì khách hàng càng gia tăng được nhiều tài sản thì khả năng trả nợ đúng hạn của khách hàng càng tăng. Nghiên cứu của Kohansal (2009) cũng ủng hộ giả thuyết trên.
Lãi suất vay là một trong những nhân tố tác động đến khả năng trả nợ của người vay. Do lãi suất vay là cơ sở để tính tiền lãi khách hàng phải trả cho ngân hàng. Hầu như các kết quả thực nghiệm Kohansal (2009), Kenneth (2013) hay nghiên cứu của Trương Đông Lộc (2011), nghiên cứu của Trần Quốc Nghi (2012) liên quan đến khả năng trả nợ của khách hàng đều kết luận lãi suất vay càng cao thì khả năng trả nợ của khách hàng giảm.
2.4.4 Rủi ro về tƣ cách của ngƣời vay
Đánh giá tư cách khách hàng là xem xét sự trung thực, ý thức trách nhiệm, ý thức chấp hành và lập trường của họ, để từ đó phán quyết về sự sẵn lòng trả nợ của khách hàng (Nguyễn Minh Kiều 2011, trang 384). Rõ ràng nhận xét tư cách của khách hàng rất khó vì nó phụ thuộc vào cảm tính chủ quan của người thẩm định cũng như biểu hiện bên ngoài của khách hàng. Cũng có vài nghiên cứu của các tác giả về đánh giá đạo đức của người vay, chẳng hạn như nghiên cứu của Kohansal
(2009) và Trương Đông Lộc (2011) chọn khảo sát mục đích sử dụng vốn vay để đánh giá.
2.4.5 Rủi ro tác nghiệp từ ngân hàng
Có rất nhiều nguyên nhân gây ra rủi ro không trả được nợ của khách hàng như chính sách tín dụng không phù hợp, trình độ cán bộ thẩm định,…nhưng trong đó chủ yếu xuất phát từ trình độ, năng lực cán bộ thẩm định cho vay. Nếu cán bộ thẩm định có năng lực, trình độ chuyên môn cao sẽ có khả năng đánh giá tốt khả năng trả nợ của khách hàng, giúp cho ngân hàng chọn lựa được khách hàng tốt và từ chối cho vay khách hàng xấu. Nghiên cứu của Jonathan Scott (2006) và Tôn Nữ Quỳnh Chi (2015) có đề cập đến giả thuyết trên.
KẾT LUẬN CHƢƠNG 2
Chương 2 trình bày khái quát cơ sở lý luận về khả năng trả nợ đúng hạn của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN. Cụ thể như sau:
Dựa trên quyết định 493/2005/QĐ-NHNN, thông tư 02/2013/TT-NHNN và dựa trên một số tài liệu nghiên cứu trên thế giới, luận văn đánh giá khả năng trả nợ đúng hạn của khách hàng là việc xem xét khách hàng có thực hiện đầy đủ nghĩa vụ nợ đúng hạn hoặc trong thời gian từ 10 ngày trở xuống cho bên cấp tín dụng trong toàn bộ thời gian quan hệ tín dụng hoặc trong một khoảng thời gian xác định hay không. Đồng thời, chương còn trình bày mối tương quan nghịch chiều giữa khả năng trả nợ đúng hạn của KHCN và rủi ro tín dụng. Nếu khả năng trả nợ đúng hạn của KHCN càng cao thì rủi ro tín dụng càng thấp và ngược lại.
Bên cạnh đó, chương còn sơ lược một số nghiên cứu thực nghiệm tại Việt Nam và trên thế giới về đề tài này. Đây là nền tảng để đưa ra mô hình nghiên cứu ban đầu bao gồm 5 nhân tố chính: Đặc điểm cá nhân của người vay; Năng lực của người vay; Đặc điểm của khoản vay; Rủi ro đạo đức của người vay và Rủi ro tác nghiệp từ ngân hàng sẽ được đề xuất trong chương 3.
CHƢƠNG 3: PHƢƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
Chương này phân tích các mô hình hồi quy ước lượng nhằm chọn ra mô hình nghiên cứu phù hợp đồng thời dựa trên lý thuyết và các nghiên cứu thực nghiêm đã được trình bày trong chương 2 nhằm đề xuất xây dựng mô hình nghiên cứu ban đầu bao gồm các kỳ vọng dấu và các giả thuyết đối với từng biến độc lập, bên cạnh đó chương này còn tập trung xác định phương pháp, quy trình và cách thức lựa chọn mẫu dữ liệu.
3.1 Xác định mô hình hồi quy và lựa chọn phƣơng pháp ƣớc lƣợng
Theo Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), các mô hình nghiên cứu thường được dùng để phân tích thống kê trong trường hợp biến phụ thuộc có hai tính chất có hay không xảy ra một sự kiện bao gồm như sau:
Mô hình xác suất tuyến tính (LPM) Mô hình phân tích phân biệt (MDA) Mô hình Logit và probit
Mô hình mạng Neutral
3.1.1 Mô hình xác suất tuyến tính (LPM)
Mô hình xác suất tuyến tính (LPM) là mô hình ước lượng đa biến dùng phương pháp bình phương tối thiểu OLS. Mô hình này được sử dụng trong trường hợp biến phụ thuộc sẽ nhận hai giá trị 1 và 0.
Hàm hồi quy của mô hình có dạng như sau:
Tuy nhiên mô hình có nhược điểm như sau:
o Sai số hồi quy không tuân theo phân phối chuẩn.
o Phương sai của sai số thay đổi
o Không thỏa mãn điều kiện cơ bản của xác suất trong khoảng (0,1), có nghĩa là có giá trị lớn hơn 1 và có giá trị nhỏ hơn 0 của một số ước lượng biến phụ thuộc.
o Tác động biên không đổi trong khi bản chất của mô hình xác suất là tác động biên thay đổi theo từng giá trị của biến độc lập.
Do đó, trong thực tế việc sử dụng mô hình xác suất tuyến tính cần phải thận trọng.
3.1.2 Mô hình phân tích phân biệt (MDA)
MDA là một phương pháp thống kê được sử dụng để phân loại một quan sát nào đó vào một hay nhiều nhóm độc lập dựa vào những đặc thù riêng biệt của những quan sát. Do đó, bước đầu tiên là phải xây dựng việc phân loại nhóm rõ ràng. Sau khi các nhóm đã được thiết lập, dữ liệu phải được thu thập. MDA sẽ lọc ra, kết hợp tuyến tính của những đặc trưng này để phân biệt tốt nhất giữa các nhóm.
Mục tiêu chung của mô hình phân tích phân biệt trong đo lường rủi ro vỡ nợ là phân biệt giữa công ty có rủi ro vỡ nợ và công ty không có nguy cơ rủi ro vỡ nợ một cách khách quan và chính xác nhất thông qua hàm biệt thức trong đó các biến số là biến định lượng.
Các mô hình được phát triển thông qua MDA có hình thức như sau:
Trong đó: Z: chỉ số tổng thể
β1, β2… βn: hệ số phân biệt x1, x2… xn: các biến độc lập
Chẳng hạn như khi nghiên cứu rủi ro vỡ nợ, có hai nhóm đối tượng là các công ty có rủi ro vỡ nợ và không có rủi ro vỡ nợ. Mức chỉ số phân biệt (Z) được thực hiện để ước tính đặc tính rủi ro vỡ nợ của công ty. Giá trị của Z càng thấp, xác suất xảy ra rủi ro vỡ nợ của công ty càng tăng và ngược lại.
Kỹ thuật phân tích MDA có ưu điểm là có khả năng phân biệt các đặc tính giữa các nhóm công ty có hoặc không có khả năng trả nợ. Mô hình tương đối đơn giản, dễ ứng dụng. Tuy nhiên, mô hình chỉ thực sự phù hợp cho việc phân tích số liệu là các chỉ tiêu định lượng hơn là xem xét phân tích các chỉ tiêu định tính.
3.1.3 Mô hình Logit và mô hình probit
Mô hình Logit và Probit nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc lập khác. Trong khi đó hồi quy thông thường đòi hỏi biến phụ thuộc ở dạng định lượng.
Mô hình Logit được thể hiện như sau:
Mô hình Probit như sau:
Ưu điểm của mô hình Logit và Probit so với mô hình khác là kết quả của nó có thể cung cấp trực tiếp được xác suất khách hàng có khả năng trả nợ là bao nhiêu. Sự khác nhau giữa mô hình Logit và Probit là mô hình Logit giả định hạng nhiễu phân phối chuẩn logistic, trong khi đó Probit giả định hạng nhiễu phân phối chuẩn thông thường. Tuy nhiên, sự khác biệt giữa Logit và Probit không đáng kể và không có ý nghĩa về mặt thống kê.
(3.3)
3.1.4 Mô hình mạng Neutral
Mục tiêu chính trong nghiên cứu mạng Neutral là đưa ra những mô hình có kết quả được tạo ra một cách tự động từ những quy luật hay kiểu mẫu dữ liệu. Mạng Neutral có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào và không đầy đủ hoặc dữ liệu với một số lượng biến lớn.
Kỹ thuật này đặc biệt với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra. Hơn nữa, phương pháp này hữu dụng khi mục tiêu dự báo là quan trọng hơn giải thích. Bên cạnh đó, một trong những thuận lợi của mô hình Neutral là nó có thể giải quyết mối quan hệ phi tuyến tính.
Theo Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), mô hình ước lượng và dự báo dựa trên phương pháp mạng Neutral tốt hơn mô hình Logit và Probit, sau đó mới đến MDA và LPM. Tuy nhiên, do mô hình mạng Neutral đòi hỏi dữ liệu đầu vào lớn, đồng thời phương pháp này tương đối phức tạp và chưa phổ biến ở Việt Nam, nên nếu sử dụng phương pháp thống kê để phân tích rủi ro phá sản tại các công ty, nên việc lựa chọn mô hình Logit hoặc Probit là hợp lý vì yêu cầu mẫu không quá cao, ước lượng tham số dễ dàng, ít ràng buộc về mặt giả thiết và hiện đang được sử dụng rộng rãi trên thế giới.
3.2 Đề xuất mô hình nghiên cứu ban đầu
Dựa trên việc phân tích các mô hình hồi quy định lượng cho thấy mô hình binary logistic là mô hình phù hợp nhất nhằm đánh giá khả năng trả nợ đúng hạn của KHCN do có nhiều ưu điểm hơn so với các mô hình còn lại như: không yêu cầu mẫu quá cao, ít ràng buộc về giả thuyết và cung cấp kết quả trực tiếp cho biết xác suất khách hàng trả nợ là bao nhiêu bên cạnh đó từ các công trình nghiên cứu trước đây tại chương 2 cho thấy trong hầu hết các nghiên cứu trong và ngoài nước thường sử dụng mô hình logistic để phân tích các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN như nghiên cứu George Yaw Mensah (2012), nghiên cứu của Samuel Antwi (2012), nghiên cứu của Kohansal (2009), nghiên cứu của Li Shuai (2013),
nghiên cứu của Trần Quốc Nghi (2012),… Tuy nhiên, do mỗi nghiên cứu lựa chọn các biến khác nhau tùy thuộc vào đối tượng khách hàng và tùy thuộc vào địa bàn nghiên cứu do đó dựa trên môi trường công tác và vị trí công tác hiện tại, tác giả đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Sacombank bao gồm 5 nhân tố chính: Đặc điểm cá nhân của người vay; Năng lực của người vay; Đặc điểm của khoản vay; Rủi ro đạo đức của người vay và Rủi ro tác nghiệp từ ngân hàng. Trong các nhân tố chính, luận văn chọn lựa các nhân tố cụ thể có tác động đến khả năng trả nợ đúng hạn của khách hàng như sau:
Đặc điểm cá nhân của người vay bao gồm các nhân tố giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình.
Năng lực của người vay bao gồm trình độ học vấn, vị trí công việc, thu nhập. Đặc điểm của khoản vay bao gồm kích cỡ khoản vay, thời gian vay, lãi suất vay, tài sản thế chấp, mục đích vay. Luận văn đưa thêm nhân tố mục đích vay vào trong nghiên cứu vì nhân tố này được đề cập trong hồ sơ vay vốn tại ngân hàng Sacombank. Là căn cứ để ngân hàng đánh giá khoản vay về mục đích sử dụng, thời hạn vay, lãi suất,.. cho phù hợp với từng khách hàng.
Rủi ro đạo đức của người vay thể hiện qua lịch sử nợ quá hạn của khách hàng.
Rủi ro tác nghiệp từ ngân hàng thể hiện qua kinh nghiệm, trình độ cán bộ thẩm định cho vay.
Hình 3.1– Mô hình các nhân tố ảnh hƣởng đến khả năng trả nợ đúng hạn của KHCN
Nguồn: Tác giả thiết kế từ cơ sở lý luận và các nghiên cứu trước đây
3.3 Các giả thuyết nghiên cứu
Dựa trên mô hình nghiên cứu và mô hình định lượng đã đề xuất như trên, luận văn đề ra hàm hồi quy tuyến tính các nhân tố ảnh hưởng như sau:
Khả năng trả nợ đúng hạn của KHCN = f(Đặc điểm cá nhân, Năng lực của người vay, Đặc điểm của khoản vay, Rủi ro đạo đức của người vay, Rủi ro tác nghiệp từ ngân hàng).
Trong đó:
Biến phụ thuộc: khả năng trả nợ đúng hạn của KHCN, là biến nhị phân được xét trong điều kiện khoản vay trả gốc và lãi từng phần, nếu tại thời điểm đến hạn khách hàng trả nợ đúng hạn hoặc trong thời gian từ 10 ngày trở xuống thì khi đó quan sát này nhận giá trị 1 và ngược lại nhận giá trị 0.
Đặc điểm cá nhân của người
vay
Giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình
Trình độ học vấn, tình trạng công việc, thu nhập Năng lực của
người vay Đặc điểm của
khoản vay
Kích cỡ khoản vay, thời gian vay, Lãi suất vay, tài sản thế chấp, mục đích vay Rủi ro đạo đức
của người vay
Rủi ro tác nghiệp từ ngân hàng Lịch sử nợ quá hạn của khách hàng Kinh nghiệm, trình độ cán bộ thẩm định cho vay Khả năng trả nợ đúng hạn của KHCN
Biến độc lập bao gồm các biến sau:
Nhóm nhân tố đặc điểm cá nhân bao gồm ba biến số giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình.
Giới tính (SEX): Đây là biến giả với giả thuyết nếu người vay là nữ thì nhận
giá trị 1 và bằng 0 nếu người vay là nam, dữ liệu được thu thập từ hồ sơ thông tin của khách hàng trên phần mềm T24 của core banking. Theo nghiên cứu của Chapman (1990) cho rằng nam giới thường mang lại rủi ro cao hơn nữ bởi vì đặc tính của người phụ nữ Á Đông vẫn còn mang đậm tính cách cẩn trọng, tiết kiệm. Trong khi đó, các nghiên cứu của Wongnaa (2013), Million Sileshi (2012) thì cho rằng giới tính không ảnh hưởng nhiều đến khả năng trả nợ của khách hàng. Giả thuyết nghiên cứu như sau:
H1: Nếu khách hàng vay giới tính là nam thì giảm biến khả năng trả nợ của KHCN (-) và ngược lại nếu là nữ thì dấu kỳ vọng là (+)
Độ tuổi (AGE): Được thu thập thông qua hồ sơ thông tin của khách hàng
trên phần mềm T24 của core banking. Theo nghiên cứu của Trương Đông Lộc (2011), nghiên cứu của Wongnaa (2013) về ảnh hưởng của yếu tố này thì độ tuổi người vay càng lớn thì rủi ro trả nợ vay càng cao do thu nhập, động cơ kiếm tiền