2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VỀ RỦI RO TÍN DỤNG, VÀ KIỂM
2.2. Cơ sở lý thuyết về Stress testing
2.2.3 Phân loại kiểm tra sức chịu đựng
Stress testing có thể khác nhau về độ phức tạp và thường có nhiều cách phân loại khác nhau tùy theo góc độ tiếp cận, tuy nhiên có các loại kiểm tra sức chịu đựng cơ bản sau:
2.2.3.1 Phương pháp phân tích độ nhạy
Phương pháp này cho phép đo lường tác động của một hoặc một số cú sốc đối với một loại rủi ro nhất định lên danh mục đầu tư trong ngắn hạn. Ví dụ tiền tệ mất giá hoặc lên giá +/- 10% trong bối cảnh rủi ro tỷ giá hối đoái hoặc đường cong lãi suất thay đổi +/- 100 điểm cơ bản trong bối cảnh rủi ro lãi suất. Tuy nhiên, mô hình xem xét mỗi yếu tố rủi ro một cách tách biệt, không tính đến sự biến động của các yếu tố khác, bỏ qua mối tương quan giữa các nhân tố rủi ro đó. Phương pháp này phù hợp để đánh giá mức độ phản ứng và sự nhạy cảm của hệ thống trước một nhân tố rủi ro nhất định. Điều này khiến cho phương pháp phân tích độ nhạy không phù hợp với thực tế vì khi xảy ra cú sốc, thường đi kèm với nhiều nhân tố rủi ro một lúc.
2.2.3.2 Phương pháp kiểm tra/phân tích theo kịch bản
Phân tích kịch bản chỉ rõ cú sốc có thể xảy ra ảnh hưởng đến một vài nhân tố rủi ro thị trường cùng một lúc. Phân tích kịch bản có thể sử dụng một cuộc khủng hoảng lịch sử để áp dụng vào tình hình hiện tại của một hệ thống hoặc tổ chức, điều này hữu ích khi kịch bản lịch sử đó có thể xuất hiện lần nữa trong tương lai, nhưng hạn chế khi các sự kiện cụ thể đó không đủ nghiêm trọng để phản ánh sự ổn định và mức độ chịu đựng của tổ chức hoặc một hệ thống Ernst&Young (2009). Phân tích kịch bản có thể dựa trên một sự kiện lịch sử hay một sự kiện giả định, nghiên cứu chia ra hai loại kịch bản sau, kịch bản lịch sử và kịch bản giả định:
Phân tích kịch bản lịch sử
Mô phỏng môi trường tài chính vĩ mô tương tự như trong thời kỳ xảy ra những khủng hoảng khác nhau. Đây là một công cụ giám sát rủi ro thận trọng vì nó có thể suy ra được
cách các tổ chức tài chính chống đỡ với các cú sốc cực độ đã qua như thế nào. Ví dụ, trong tháng 10 năm 1987 chỉ số Dow Jones giảm 23% kết quả là tổng thiệt hại trị giá 1 nghìn tỷ USD. Theo phân tích kịch bản lịch sử, cú sốc tương tự sẽ được đưa ra trong các cuộc kiểm tra mức độ căng thẳng để so sánh với tổn thất vốn tích lũy. Tuy nhiên, với cách tiếp cận này khá rắc rối để biện hộ cho sự kiện đó là có thể xảy ra trong tương lai hay không.
Phân tích kịch bản giả định
Phân tích này không lặp lại bất kỳ một sự kiện lịch sử cụ thể nào, mặc dù nó vẫn dựa trên nền cơ sở đó. Thông thường các nhà quản lý rủi ro đưa ra các kịch bản sau đây: suy thoái kinh tế, nhiễu loạn chính trị, các cú sốc giá dầu, các cuộc tấn công khủng bố…, những sự kiện mà dựa trên cơ sở phán đoán của những chuyên gia. Mặc dù kịch bản giả định là phù hợp hơn trong môi trường thị trường hiện tại nhưng lại thiếu khách quan và có tính đến xác suất xảy ra sự kiện.
Mở rộng hơn ở phương pháp này là Stress testing vĩ mô, Stress testing vĩ mô được sử dụng bởi các NHTW hoặc các cơ quan giám sát để xác định mối liên hệ giữa các biến vĩ mô (GDP, lạm phát, lãi suất, tỷ giá…) và sức khỏe của các tổ chức tài chính. Vì chu kỳ tín dụng và xác suất vỡ nợ của người đi vay (PD) có liên quan đến chu kỳ kinh tế nên có thể xây dựng mối quan hệ giữa PD và các biến kinh tế vĩ mô trên thông qua việc xây dựng mô hình hồi quy.
Hình 2.1: Cấu trúc của Stress testing vĩ mô
Nguồn: Tác giả tổng hợp Có thể thấy các yếu tố kinh tế vĩ mô có thể ảnh hưởng đến tài sản của người đi vay và khả năng trả nợ của họ, khi nền kinh tế suy yếu hay khủng hoảng xảy ra, doanh thu và lợi nhuận của doanh nghiệp hay hộ gia đình giảm đi, dẫn đến khả năng vỡ nợ cao, từ đó nợ xấu ngân hàng tăng lên. Không những thế, nợ xấu tăng làm cho ngân hàng suy yếu, đổ vỡ tín dụng xảy ra và làm ảnh hưởng đến toàn hệ thống ngân hàng và nền kinh tế. Quy trình cơ bản để thực hiện stress testing vĩ mô cho rủi ro tín dụng như sau:
Bước 1: Lựa chọn các biến số vĩ mô
Lựa chọn các biến vĩ mô có tác động đến chất lượng tài sản của ngân hàng cũng như khả năng vỡ nợ của khách hàng vay, các biến số được lựa chọn có thể là GDP, tỷ lệ lạm phát, tỷ giá, lãi suất…
Bước 2:Lựa chọn biến đại diện cho rủi ro tín dụng.
Đại lượng đại diện cho rủi ro tín dụng tuy đa dạng nhưng không phải số liệu nào cũng có sẵn nên việc lựa chọn biến đại diện tùy thuộc vào nguồn số liệu của mỗi ngân hàng hoặc quốc gia. Các biến có thể lựa chọn như xác suất vỡ nợ (PD), tỷ lệ nợ xấu (NPL), hoặc tỷ lệ trích lập dự phòng tổn thất (LLP)…
Bước 3: Ước tính rủi ro tín dụng
Thực hiện các kỹ thuật kinh tế lượng khác nhau để thực hiện hồi quy, thể hiện mối quan hệ giữa biến đại diện cho rủi ro tín dụng và các biến số vĩ mô được chọn. Các mô hình có thể sử dụng để chạy mô hình hồi quy có thể là mô hình VAR, VECM hoặc ECM… Bước 4: Thực hiện các cú sốc và tính toán tác động.
Xây dựng các kịch bản giả định sốc đối với các biến số vĩ mô để tính toán tác động lên biến đại diện, từ đó ảnh hưởng đến vốn và chất lượng tài sản của ngân hàng. Có thể chọn giả định về sự giảm mạnh của GDP hoặc tỷ lệ lạm phát tăng để ước tính tác động đến nợ xấu của ngân hàng, từ đó xem xét tác động đến hệ thống ngân hàng. Đối với mỗi cú sốc kinh tế vĩ mô, các biến được giả định theo từng mức độ cho đến khi hệ thống không thể chịu đựng được và dẫn đến sụp đổ. Đây là cách hữu ích để hoạch định chính sách dự báo khả năng phục hồi của hệ thống tài chính cũng như góp phần vào sự phát triển của các hệ thống cảnh báo sớm.
Stress tessting vĩ mô đối với rủi ro tín dụng – Tổng hợp các phương pháp được lựa chọn bởi các cơ quan quản lý
Bảng 2.1: Tổng hợp các phương pháp được lựa chọn bởi các cơ quan quản lý.
Tổ chức
Mô hình rủi ro tín dụng Dữ liệu và kỹ thuật kinh tế lượng sử
dụng Biến phụ thuộc Biến độc lập
Ngân hàng Anh
Tỷ lệ vỡ nợ tổng hợp được logarit hóa
- Tốc độ tăng trưởng GDP
- Lãi suất ngắn hạn - Lợi nhuận trên vốn
Hồi quy tuyến tính OLS trên dữ liệu hàng quý
Ngân hàng Ý
Tỷ lệ vỡ nợ của 8 khu vực được logarit hóa
- Tốc độ tăng trưởng GDP - Chỉ số vốn - Chỉ số cạnh tranh - Lãi suất. Sử dụng mô hình VAR theo dữ liệu hàng quý Ngân hàng Nhật Ma trận chuyển dịch xác suất vỡ nợ - Tốc độ tăng trưởng GDP
- Tỷ lệ của khoản cho vay có lãi trên dòng tiền.
Hồi quy dựa trên ước lượng SUR, dựa trên dữ liệu từ người đi vay của ngân hàng. Ngân hàng Đức Tỷ lệ trích lập dự phòng tổn thất được logarit hóa - Độ trễ của biến phụ thuộc - Tốc độ tăng trưởng GDP - Tốc độ tăng trưởng tín dụng - Lãi suất ngắn hạn
Ước lượng dữ liệu mảng.
ECB
EDF3 của các doanh nghiệp trong cộng đồng Châu Âu - GDP thực tế của khu vực Châu Âu - Lạm phát - Giá vốn
- Tỷ giá, lãi suất
Mô hình hồi quy EDF theo chuỗi dữ liệu thời gian.
Nguồn: Foglia, A. (2008) Thước đo để đánh giá kết quả:
Hệ số an toàn vốn tối thiểu (CAR):
Hệ số CAR được tính toán dựa trên thông tư số 36/2014/TT-NHNN ngày 20 tháng 11 năm 2014 với công thức như sau:
𝐶𝐴𝑅 = 𝑉ố𝑛 𝑡ự 𝑐ó
Tổng tài sản Có rủi ro∗ 100%
Trong đó, vốn tự có được xác định theo quy định tại Phụ lục 1 và Tổng tài sản Có rủi ro được xác định theo quy định tại Phụ lục 2 của Thông tư này.
2.2.3.3 Phương pháp kiểm tra theo cách tiếp cận từ trên xuống (Top-down) và từ dưới lên (Bottom-up)
Có hai phương pháp để chuyển những cú sốc và kịch bản kinh tế vĩ mô thành các biến số lĩnh vực tài chính là phương pháp Bottom-up (sự tác động được ước tính bằng cách sử dụng dữ liệu của từng ngân hàng riêng lẻ) và phương pháp Top-down (sự tác động được ước tính bằng cách sử dụng dữ liệu tổng hợp). Điểm bất lợi của phương pháp Top-down là việc sử dụng dữ liệu tổng hợp có thể bỏ qua tình trạng rủi ro cụ thể của một vài ngân hàng yếu kém, mà rủi ro đó có thể lây lan sang các ngân hàng còn lại của hệ
3 Expected Default Frequency - đại lượng xác suất vỡ nợ theo mô hình KMV, mô hình do 3 người: Stephen Kealhofer, John McQuown and Oldrich Vasicek phát triển, thành lập ra công ty KMV vào năm 1989 về quản lý rủi ro. EDF là xác suất (theo các con số thực tế) mà một công ty sẽ vỡ nợ (default) trong
thống, phương pháp này thường được sử dụng bởi các cơ quan giám sát. Phương pháp Bottom-up sẽ nắm bắt được sự tập trung của rủi ro do có thông tin chi tiết về tình hình cụ thể của từng ngân hàng, chính xác hơn khi sử dụng dữ liệu tổng hợp, phương pháp này được thực hiện bởi từng ngân hàng theo kịch bản của các cơ quan quản lý hoặc theo đặc thù riêng của mỗi ngân hàng.
Bảng 2.2: Sự khác biệt giữa phương pháp Top-down và phương pháp Bottom-up
Top-down Bottom-up
Cơ quan thực hiện
NHTW hoặc cơ quan giám sát phát triển công cụ.
Các ngân hàng đơn lẻ tự phát triển công cụ của mình hoặc sử dụng các mô hình nội bộ.
Dữ liệu Sử dụng dữ liệu tổng hợp của mỗi ngân hàng hoặc dữ liệu của hệ thống ngân hàng có sẵn tại NHTW.
Sử dụng dữ liệu danh mục đầu tư hoặc dữ liệu về khách hàng của từng ngân hàng Phân tích tác động Đánh giá tác động của kịch bản căng thẳng lên từng ngân hàng và chất lượng danh mục đầu tư của hệ thống ngân hàng và trạng thái vốn.
Đánh giá tác động của kịch bản căng thẳng lên tình hình tài chính của mỗi khách hàng, sau đó tập hợp những tác động để xem xét mức ảnh hưởng toàn bộ lên danh mục đầu tư của mỗi ngân hàng và trạng thái vốn.
Ưu điểm Sử dụng hiệu quả khi đánh giá rủi ro tín dụng. Kết quả kiểm tra có thể được so sánh giữa các ngân hàng, cho thấy hiệu ứng phản hồi
Việc sử dụng bộ dữ liệu phong phú và có tính chất riêng cho từng ngân hàng nên có thể phản ánh tốt hơn rủi ro thị trường và
từ hệ thống tài chính đến kinh tế vĩ mô và đánh giá được tác động lan truyền.
rủi ro thanh khoản của mỗi ngân hàng
Nhược điểm Kết quả có thể không phản ánh được cụ thể rủi ro của từng ngân hàng
Với nhiều phương pháp khác nhau được sử dụng bởi mỗi ngân hàng, nên sẽ khó khăn khi so sánh kết quả của các ngân hàng với nhau.
Nguồn: Subhaswadikul & Zhu (2010).