(Nguồn: Agribank Bến Cát)
Nhìn chung, tình hình nợ xấu trong giai đoạn 2018 - 2020 của Chi nhánh tăng tuy nhiên không đáng kể. Tỉ lệ nợ xấu trên tổng dư nợ chỉ dao động từ 0,05% đến 0,07%, rất thấp so với tỉ lệ tối đa 0,2% mà Chi nhánh tỉnh cho phép.
Theo như Bảng 3.2, ta thấy sự chênh lệch năm 2020 so với năm 2019 cao hơn
sự chênh lệch năm 2019 so với năm 2018 bởi vì vào thời điểm đó dịch bệnh bùng phát, giãn cách xã hội đã ảnh hưởng nghiêm trọng đến thu nhập thường xuyên của khách hàng vốn là nguồn trả nợ Ngân hàng, dẫn đến một số khách hàng không đủ khả
năng trả nợ đúng hạn, đặc biệt là các lao động áo xanh. Đồng thời việc phân kỳ trả nợ tại thời điểm này còn hạn chế do kỳ hạn nợ không tương thích với dòng tiền của khách hàng, vì vậy dẫn đến khó kiểm soát dòng tiền dùng để trả nợ của khách hàng.
Số lượng khách hàng Tỷ lệ
Khách hàng có khả năng trả nợ (Giá trị 1) 609 92,3%
31
Vì nợ xấu tăng theo tổng dư nợ nhưng mức tăng không đáng kể, bên cạnh đó doanh số cho vay của Ngân hàng liên tục tăng trong 3 năm gần đây nên ta có thể thấy
rằng chất lượng tín dụng của Ngân hàng đã và đang được cải thiện không ngừng. Với những phân tích nêu trên, có thể thấy rằng hoạt động tín dụng luôn được Chi nhánh đặc biệt quan tâm thể hiện qua việc tăng trưởng ổn định của tổng dư nợ. Tuy nhiên, đi cùng với đó là nợ xấu cho vay KHCN cũng tăng qua các năm. Vì vậy, việc xây dựng mô hình nghiên cứu nhằm xác định khả năng trả nợ của KHCN, hạn chế tối đa nguy cơ vỡ nợ bằng mô hình Binary Logistic đã trình bày là phù hợp với tình hình thực tế của Agribank Bến Cát.
3.2.2. Dữ liệu nghiên cứu và mô hình hồi quy Logistic
3.2.2.1. Dữ liệu nghiên cứu
Dữ liệu dùng trong nghiên cứu được chọn theo phương pháp ngẫu nhiên (có nghĩa là không có cách nào dự đoán một kết quả đáng tin cậy hoặc phán đoán một khuôn mẫu). Do đó kết quả cho ra là hoàn toàn tình cờ đối với KHCN có dư nợ tại Agribank Bến Cát. Các dữ liệu được xuất từ hệ thống IPCAS của Agribank Bến Cát vào thời điểm cuối ngày 31 tháng 12 năm 2020 (với điều kiện là các KHCN có quan hệ tín dụng với ngân hàng liên tục từ 3 năm trở lên trong giai đoạn 2018 - 2020). Theo Hair và cộng sự (1998) thì kích thước một mẫu nghiên cứu phải tối thiểu từ 100
đến 150. Kích thước mẫu càng lớn độ thì sự sai lệch giữa nghiên cứu và thực tế càng nhỏ, độ chính xác càng cao. Tuy nhiên kích thước mẫu lớn sẽ tốn nhiều thời gian thu thập hơn và tốn nhiều chi phí hơn, vì vậy việc lựa chọn kích thước mẫu tuỳ thuộc vào
quan điểm và kinh phí dự toán của tác giả (Hair và cộng sự, 1998). Vì nhiều lý do khách quan, trong khoá luận này, tác giả chọn kích thước mẫu là 660 KHCN có dư nợ tại Agribank Bến Cát trong năm 2020 và được chọn ngẫu nhiên như đã trình bày. Tuy nhiên có loại trừ các trường hợp của các cán bộ nhân viên tại Agribank Bến Cát vay tín chấp, vay thấu chi và các đối tượng được ưu tiên vay tín chấp tại Agribank Bến Cát. Do các đối tượng này thuộc các đối tượng ưu tiên nên một số thông tin không cần đánh giá như khách hàng vay thông thường dẫn đến một số thông tin có
32
thể bị thiếu làm sai lệch kết quả nghiên cứu. Dưới đây là bảng thống kê tỷ lệ khách hàng có khả năng trả nợ và không có khả năng trả nợ trong 660 khách hàng có dữ liệu được sử dụng: