CHƢƠNG 2 : PHƢƠNG PHÁP NGHIÊN CƢ́U
3.4. Các yếu tố ảnh hƣởng đến công tác hạn chế và xử lý nợ xấu tại Ngân hàng
3.4.1. Thông tin mẫu
Thống kê mô tả của 120 mẫu nghiên cứu (các lãnh đạo và nhân viên ngân hàng đang công tác tại Hội sở chính Agribank và Chi nhánh Hà Tây) cho kết quả nhƣ sau:
- Tỷ lệ phân bổ theo đối tƣợng nghiên cứu: Qua thống kê mẫu cho thấy
trong 120 mẫu nghiên cứu, tỷ lệ giữ các chức vụ lãnh đạo chiếm 24%, tỷ lệ cán bộ chuyên viên là 76%
Biểu 3.4: Tỷ lệ phân bổ theo đối tượng nghiên cứu
Nguồn: Tổng hợp nghiên cứu của tác giả
- Tỷ lệ phân bổ theo số năm công tác trong ngành: Qua thống kê mẫu
nghiên cứu, tỷ lệ phân bổ theo thâm niên công tác nhƣ sau: Dƣới 3 năm chiếm 8%, từ 3-5 năm chiếm 21 %, tỷ lệ 49% đối với thời gian công tác từ 5- 10 năm và số năm công tác trên 10 năm chiếm tỷ trọng là 22%.
Biểu 3.5: Tỷ lệ phân bổ theo số năm công tác trong ngành
Nguồn: Tổng hợp nghiên cứu của tác giả
- Tỷ lệ phân bổ theo đơn vị công tác: Trong 120 mẫu nghiên cứu, số lƣợng ngƣời đƣợc nghiên cứu công tác tại Hội sở chính chiếm tỷ trọng 15%, và 85 % đối tƣợng nghiên cứu hiện nay đang công tác tại Chi nhánh
3.4.2. Mã hóa các biến
Có rất nhiều các yếu tố có thể ảnh hƣởng đến hoạt động hạn chế và xử lý nợ xấu, tuy nhiên với phạm vi bài nghiên cứu của mình, tác giả đã tổng hợp từ các nghiên cứu trƣớc đó và rút ra những yếu tố có vai trò chủ đạo trong việc quản lý nợ xấu để làm các biến trong mô hình phân tích mức độ ảnh hƣởng của từng biến đến việc hạn chế và xử lý nợ xấu.
Để tiến hành thu thập các bảng điều tra đối với các lãnh đạo và cán bộ nhân viên trong ngân hàng Agribank hội sở chính và chi nhánh Hà Tây, tác giả tiến hành mã hóa biến nhƣ bảng 2.1 và sau đó xử lý thống kê bằng phần mềm SPSS 16.
3.4.3. Kết quả kiểm định thang đo
Mô tả các biến
Bảng dƣới đây mô tả các thông số thống kê của mẫu nghiên cứu rủi ro tín dụng bao gồm các giá trị nhỏ nhất, lớn nhất, tổng, trung bình, độ lệch, phƣơng sai, quy luật phân phối tính cân xứng, độ nhọn của dữ liệu.
Tiến hành xử lý dữ liệu qua SPSS 16, ta đƣợc kết quả nhƣ sau:
Bảng 3.11. Mô tả các biến của nghiên cứu
Descriptive Statistics
N Minimum Maximum Mean Deviation Std. Variance Kurtosis Statistic Statistic Statistic Statistic Statistic Statistic Statistic Error Std.
NX 120 2 5 3,69 ,786 ,618 -,697 ,438 KH 120 2 5 3,80 ,795 ,632 -,363 ,438 NL 120 2 5 3,77 ,730 ,533 -,440 ,438 CS 120 2 5 3,41 ,680 ,462 -,230 ,438 QT 120 2 5 3,63 ,757 ,572 -,378 ,438 VM 120 1 5 3,55 ,787 ,619 ,147 ,438
GS 120 1 5 3,67 ,813 ,661 ,069 ,438 Valid N
(listwise) 120
(Nguồn: Nghiên cứu của tác giả)
Kết quả kiểm định Cronback Alpha của mô hình
Để kiểm định độ tin cậy của thang đo tác giả đã tính toán hệ số Cronbach’s Alpha và hệ số tƣơng quan biến tổng thể. Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0.7 đến gần 0.8 là sử dụng đƣợc.
Tiến hành tính hệ số Cronback’s Alpha của các biến độc lập của mô hình, ta thu đƣợc kết quả nhƣ sau:
Bảng 3.12. Kết quả kiểm định hệ số Cronback Alpha của mô hình
Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted NX 21,82 9,815 ,799 ,644 ,774 KH 21,71 10,713 ,581 ,397 ,812 NL 21,74 11,521 ,467 ,308 ,829 CS 22,10 11,755 ,462 ,259 ,829 QT 21,88 10,675 ,631 ,442 ,804 VM 21,96 10,864 ,556 ,360 ,816 GS 21,84 10,605 ,586 ,410 ,811
Kết quả kiểm định hệ số Cronback Alpha của mô hình:
Reliability Statistics
Cronbach's Alpha Cronbach's Alpha Based on
Standardized Items N of Items
,834 ,832 7
Qua bảng 3.12 ta có thể tất cả các hệ số Cronback Alpha của các biến phụ thuộc, biến độc lập và mô hình (0.834) đều lớn hơn 0.7. Hệ số Alpha của mô hình lớn hơn 0.7, điều này chứng tỏ mô hình và kết quả nghiên cứu có ý nghĩa thống kê.
3.4.4. Phân tích yếu tố EFA
Quá trình phân tích yếu tố EFA để rút gọn một tập gồm nhiếu biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các yếu tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Thang đo rủi ro tín dụng gồm 06 biến quan sát, sau khi kiểm định Cronbach Alpha ở phần trên thì cả 06 biến này đều phù hợp. Và kiểm định KMO và Barlett’s trong phân tích factor cho thấy sig = .000 và hệ số KMO cao ( 861 > 0.5) nên phân tích EFA thích hợp sử dụng trong nghiên cứu này.
Bảng 3.13. Phân tích yếu tố EFA
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,848 Bartlett's Test of Sphericity Approx. Chi-Square 283,726 df 21 Sig. ,000
Total Variance Explained
Comp onent
Initial Eigenvalues
Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 3,539 50,556 50,556 3,539 50,556 50,556 2 ,881 12,592 63,148 3 ,712 10,174 73,322 4 ,677 9,665 82,987
5 ,503 7,184 90,171
6 ,408 5,830 96,001
7 ,280 3,999 100,000
Extraction Method: Principal Component Analysis.s
(Nguồn: Nghiên cứu của tác giả)
Tiếp theo, để biết đƣợc chính xác yếu tố nào ảnh hƣởng đến việc hạn chế và xử lý nợ xấu nhiều nhất và mức độ ảnh hƣởng của từng yếu tố ra sao, tác giả tiến hành hồi quy mô hình với 6 biến để xem xét sự ảnh hƣởng của các yếu tố đến hoạt động hạn chế và xử lý nợ xấu của Agribank Chi nhánh Hà Tây.
3.4.5. Hồi quy mô hình và kiểm định giả thuyết
Trên cơ sở các kết quả kiểm định độ tin cậy của thang đo, và phân tích yếu tố khám phá, tác giả đã hình thành mô hình nghiên cứu về các yếu tố tác động đến hạn chế và xử lý nợ xấu tại Agribank - Chi nhánh Hà Tây theo phƣơng trình hồi quy nhƣ sau:
Tác giả đã triển sử dụng phƣơng pháp hồi quy Enter/Remove bằng SPSS 16 và cho kết quả nhƣ sau:
Bảng 3.14. Tóm tắt kết quả hồi quy phương pháp Enter/Remove
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 47,382 6 7,897 34,046 ,000a
Residual 26,210 113 ,232
Total 73,592 119
a. Predictors: (Constant), GS, NL, CS, VM, KH, QT
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 47,382 6 7,897 34,046 ,000a Residual 26,210 113 ,232 Total 73,592 119 b. Dependent Variable: NX Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 ,802a ,644 ,625 ,482 ,644 34,046 6 113 ,000 2,512 a. Predictors: (Constant), GS, NL, CS, VM, KH, QT b. Dependent Variable: NX Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,683 ,318 - 2,148 ,034 KH ,274 ,067 ,277 4,111 ,000 ,693 1,443 NL ,199 ,070 ,184 2,827 ,006 ,741 1,350 CS ,184 ,073 ,159 2,503 ,014 ,782 1,279 QT ,162 ,077 ,156 2,115 ,037 ,581 1,723 VM ,165 ,068 ,165 2,416 ,017 ,673 1,486
GS ,214 ,068 ,221 3,156 ,002 ,642 1,558 a. Dependent
Variable: NX
(Nguồn: Kết quả nghiên cứu của tác giả)
Kết quả hồi quy bằng phƣơng pháp Enter/Remove cho thấy mô hình nghiên cứu là phù hợp: mức ý nghĩa nhỏ hơn 5%, không có đa cộng tuyến (các hệ số VIF của các biến đều nhỏ hơn 2), DW lớn hơn R2, Anova các yếu tố hoàn toàn phù hợp và nhƣ vậy mô hình giải thích đƣợc 62,5% (lớn hơn 50%) tác động đến hạn chế và xử lý nợ xấu tại Agribank Chi nhánh Hà Tây. Hệ số Sig của các biến đều nhỏ hơn 0.05, có ý nghĩa thống kê. Sau khi hồi quy bằng phƣơng pháp Enter/Remove, phƣơng trình hồi quy đƣợc viết lại nhƣ sau:
NX = 0,277 * KH + 0,184 * NL + 0,159 * CS + 0,156 * QT + 0,165 * VM + 0,221 * GS Yếu tố tƣ cách và năng lực khách hàng khách hàng có mức ảnh hƣởng
cao nhất (beta = 0,277). Có thể giải thích là đối với nợ xấu của Agribank Hà Tây thì khách hàng là yếu tố quyết định tới rủi ro trong công tác tín dụng của Ngân hàng, việc lựa chọn khách hàng không tốt sẽ dẫn đến việc rủi ro trong công tác tín dụng, nợ xấu ngân hàng tăng không đảm bảo trong công tác cho vay. Việc đánh giá khách hàng từ khâu ban đầu của quá trình cấp tín dụng (tiếp cận khách hàng), cán bộ tín dụng cần có sự đánh giá đầu đủ về các yếu tố: pháp lý, đạo đức, tài chính, công nợ… Bên cạnh đó, trong quá trình cấp tín dụng yếu tố khách hàng cũng đóng vai trò quan trọng đối với việc kiểm soát rủi ro tín dụng, tổn thất có thể xảy ra nếu Ngân hàng không có sự sâu sát đối với khách hàng trong quá trình sản xuất kinh doanh, theo dõi doanh thu để thu nợ kịp thời (rủi ro đạo đức) thì rủi ro tín dụng hoàn toàn có khả năng xảy ra.
Tiếp đó, yếu tố Thanh tra giám sát (GS) cũng có tác động mạnh tiếp theo đến việc hạn chế và xử lý nợ xấu tại Agribank Chi nhánh Hà Tây (beta = 0,221). Nhƣ vậy, đối với việc hạn chế và xử lý nợ xấu, hoạt động thanh tra giám sát của Ngân hàng Nông nghiệp và Phát triển Nông thôn, Ngân hàng Nhà nƣớc và các cơ quan giám sát khác cũng đóng một vai trò quan trọng. Hoạt động thanh tra giám sát cần phải đƣợc tiến hành thƣờng xuyên và đi vào thực chất để nhằm phát hiện kịp
thời các khoản nợ xấu cũng nhƣ có những biện pháp kịp thời hỗ trợ Chi nhánh Hà Tây trong việc xử lý các khoản nợ xấu, đảm bảo hiệu quả hoạt động của Chi nhánh.
Một yếu tố cũng có tác động tiếp theo đến việc hạn chế và xử lý nợ xấu tại Agribank Chi nhánh Hà Tây là yếu tố con ngƣời (NL), có hệ số beta = 0.184. Do
đó, một trong những gợi ý đối với Chi nhánh trong công tác liên quan đến việc hạn chế và xử lý nợ xấu là nâng cao chất lƣợng, trình độ nguồn nhân lực. Đồng thời, có chế độ đãi ngộ hợp lý cũng nhƣ có chế tài nghiêm khắc để rèn luyện đạo đức đối với cán bộ tham gia trực tiếp vào công tác tín dụng ngân hàng
Từ kết quả phân tích cũng có thể thấy, các yếu tố khác nhƣ: Chính sách tín
dụng (CS, beta = 0,159), quản trị ngân hàng (QT, beta = 0,156), các yếu tố kinh tế xã hội, pháp luật (VM, beta = 0,165) đều có những tác động thuận chiều đối với
việc hạn chế và xử lý nợ xấu tại Agribank Chi nhánh Hà Tây. Do đó, các giải pháp đƣa ra để hạn chế và xử lý nợ xấu tại Agribank Chi nhánh Hà Tây trong thời gian tới cũng cần chú trọng đến những nhân tố tác động này.
3.5. Đánh giá về thực trạng hạn chế và xử lý nợ xấu tại NHNo&PTNT chi nhánh Hà Tây chi nhánh Hà Tây
3.5.1. Đánh giá công tác hạn chế và xử lý nợ xấu theo dữ liệu thứ cấp tại Agribank Hà Tây giai đoạn 2011-2015
Tổ chức được bộ máy quản lý nợ đáp ứng được yêu cầu mà thực tiễn đòi
hỏi
Nhận thức đƣợc tầm quan trọng của công tác hạn chế và xử lý nợ xấu, từ năm 2005 Hội sở đã cho triển khai các mô hình quản lý nợ xấu. Mô hình bao gồm bộ phận chuyên trách quản lý nợ có vấn đề từ trụ sở chính đến các chi nhánh. Nợ từ nhóm 2 (nợ cần chú ý) đến nợ xấu (nợ dƣới chuẩn, nợ nghi ngờ và nợ có khả năng mất vốn) đã đƣợc bộ phận chuyên trách quản lý nợ có vấn đề phân tích, đánh giá cùng phối hợp tìm biện pháp thu hồi và xử lý. Ban lãnh đạo ngân hàng thƣờng xuyên tiến hành phân tích, đánh giá tình hình, xem xét tác động của nợ xấu tới hiệu quả hoạt động kinh doanh của ngân hàng. Từ đó, xác định nhiệm vụ hạn chế và xử lý nợ xấu là mục tiêu quan trọng ở mọi thời kỳ. Hội đồng quản lý rủi ro và ban xử lý nợ xấu ngân hàng do các lãnh đạo cấp cao trực tiếp phụ trách đã chỉ đạo nghiêm khắc, sát sao tới từng bộ phận, ban ngành và cán bộ nhân viên. Định kỳ (hàng quý)
các báo cáo kiểm tra về tình hình xử lý nợ xấu đều đƣợc đƣa ra với phân tích cụ thể về những kết quả đạt đƣợc, những hạn chế còn tồn tại, phân tích nguyên nhân cũng nhƣ đề xuất các giải pháp phù hợp. Đặc biệt, ngân hàng đã nhận thức đúng đắn về tính cấp thiết của công tác quản lý nợ và có sự quyết tâm hành động từ Hội sở chính đến toàn bộ các chi nhánh nói chung và chi nhánh Hà Tây nói riêng. Đồng thời, ngân hàng đã chủ trƣơng và thực hiện đƣa kết quả thu hồi nợ xấu thành một chỉ tiêu đánh giá kết quả hoạt động của các chi nhánh và toàn thể cán bộ nhân viên.
Quản lý rủi ro tín dụng đã dần theo tính thông lệ quốc tế
Theo đƣờng lối, chủ trƣơng của chính phủ về việc ứng dụng Hiệp ƣớc quốc tế Basel trong hệ thống NHTM Việt Nam (căn cứ theo Quyết định số 154 112/2006/QĐ - TTg ngày 24/05/2006 của Thủ tƣớng chính phủ ban hành về việc phê duyệt đề án phát triển ngành ngân hàng Việt Nam đến năm 2010 và định hƣớng đến 2020), thì đến hết năm 2010, Agribank đã phấn đấu thực hiện áp dụng hoàn chỉnh các chuẩn mực quốc tế Basel I, và tiến hành đề cập nhiều đến việc ứng dụng Basel II.
- Ứng dụng Basel II trong quy định về trích lập dự phòng RRTD
Theo Quyết Định 493/2005/QĐ - NHNN, đƣợc sửa đổi bổ sung bằng Quyết định số 18/2007/QĐ - NHNN, tất cả các TCTD hoạt động tại Việt Nam phải thực hiện việc phân loại nợ, trích lập và sử dụng dự phòng để xử lý RRTD, bù đắp những tổn thất đối với các khoản nợ của TCTD. Theo đó, các NHTM thực hiện phân loại nợ theo hai cách:
Cách 1: quy định tại điều 6 của Quyết định 493, các NHTM thực hiện 155 phân loại nợ theo 5 nhóm căn cứ dựa trên thời gian quá hạn của các khoản nợ.
Cách 2: quy định tại điều 7, các NHTM thực hiện phân loại nợ theo 5 nhóm, căn cứ trên kết quả của hệ thống xếp hạng tín dụng nội bộ đánh giá về khả năng trả nợ của khách hàng..
Ngoài ra theo Quyết định này, các NHTM phải trích lập hai loại dự phòng: - Dự phòng cụ thể: đƣợc trích lập trên cơ sở phân loại các khoản nợ từ nhóm 1 đến nhóm 5. Số tiền trích dự phòng cụ thể không chỉ phụ thuộc vào giá trị khoản nợ và tỷ lệ trích lập dự phòng, mà còn phụ thuộc vào giá trị TSĐB.
- Dự phòng chung áp dụng cho tất cả các khoản nợ và bằng 0,75% tổng giá trị các khoản nợ từ nhóm 1 đến nhóm 4.
Việc các NHTM Việt Nam thực hiện theo QĐ 493 cho thấy bên cạnh việc ứng dụng Hiệp ƣớc Basel II trong việc yêu cầu các NHTM phải thực hiện trích lập dự phòng để xử lý rủi ro trong hoạt động tín dụng, NHNN còn từng bƣớc ứng dụng phƣơng pháp đơn giản của Basel II khi gắn kết phân loại nợ với hệ thống xếp hạng tín dụng nội bộ.
Ngân hàng đã xây dựng và áp dụng hệ thống xếp hạng tín dụng nội bộ
trong hoạt động đo lường rủi ro
Theo đánh giá của Công ty Kiểm toán quốc tế Ernst & Young, nếu thực hiện phân loại khách hàng và nợ theo Điều 7 của Quyết định 493 sẽ trung thực và theo sát thông lệ quốc tế hơn, khi đó tỷ lệ nợ xấu sẽ tăng gần 2 - 3 lần, dẫn đến việc các NHTM phải trích lập DPRR nhiều hơn, lợi nhuận giảm. Trên thực tế, hiện nay mới chỉ có một số NHTM lớn tại Việt Nam thực hiện theo điều 7 của Quyết định 493 về việc xây dựng hệ thống xếp hạng tín dụng nội bộ để phân loại nợ của khách hàng. Trong đó có Agribank
Hệ thống xếp hạng tín dụng theo thông lệ quốc tế là tiền đề để Agribank