Tóm tắt các quan sát

Bảng 4 .3 Thống kê tỷ lệ nợ xấu các nhóm

Bảng 4.4 Tóm tắt các quan sát

Thông tin N Phần trăm

Các quan sát có

Tổng các quan sát xảy ra sự kiện 307 11.1% Tổng các quan sát bị cắt 2418 87.7% Tổng cộng 2725 98.9%

Các quan sát bỏ ra khơng tính

Các quan sát bị mất biến 0 0.0%

Số quan sát bị cắt trước khi sự

kiện đầu tiên diễn ra 31 1.1%

tổng cộng 31 1.1%

Tổng số quan sát trong mơ hình 2756 100.0%

Nguồn: tác giả tính tốn dựa trên phần mềm SPSS

Kết quả của hàm hồi quy COX dùng cho tất cả các biến được thể hiện ở bảng sau:

Bảng 4.5: kết qủa mơ hình hồi quy COX tổng qt

Biến B Wald test (sig)

so tien duoc duyet vay 0 0.009

ky han tra no -0.014 0.323 thu nhap 0 0.207 Phu thuoc 0.131 0.013 DTI 0.042 0 gioi tinh -0.271 0.026 hon nhan 0.062 0.504 nghe nghiep 0.074 0.239 hoc van .062 0.398 san pham -0.092 0.224 Tuoi 0.130 0.045 kinh nghiem -0.145 0.005

Nguồn: tác giả tự tính tốn

Qua kết quả mơ hình tổng qt, ta thấy chỉ có một số biến như: số tiền được duyệt vay, số người phụ thuộc, DTI, giới tính, tuổi, kinh nghiệm là có tác động đến tỷ lệ sống sót của một quan sát. Tuy nhiên, vì chúng ta chưa kiểm tra liệu rằng các biến đưa vào mơ hình có vi phạm giả thuyết của mơ hình phân tích sống sót hay khơng nên kết quả ước lượng dễ bị sai lệch.

4.5.3 Kiểm định giả định của mơ hình hồi quy COX 4.5.3.1 Kiểm định biến liên tục

Như đã phân tích ở phần trên, chúng ta sẽ dùng đờ thị plot cho các phần dư riêng phần của các biến liên tục được tính từ mơ hình tổng qt. Ở đây là các biến số tiền được duyệt vay, kỳ hạn trả nợ, thu nhập, số người phụ thuộc. Dựa vào tính tốn SPSS chúng ta có các đờ thị như sau:

Biểu đồ 4.2: đồ thị thể hiện phần dư riêng phần của các biến liên tục

Căn cứ các sơ đồ trên, trong các biến liên tục chỉ có các biến số tiền được duyệt vay, biến thu nhập, biến DTI là khơng có xu hướng rõ ràng. Các biến kỳ hạn trả nợ và số người phụ thuộc, đờ thị Plot cho thấy có một xu hướng nhất định. Do đó, hai biến này vi phạm giả định của mơ hình phân tích sống sót. Để mơ hình xây dựng được chính xác 2 biến này sẽ phải loại ra trong mơ hình hời quy kế tiếp.

4.5.3.2 Kiểm định các biến phân loại

Đối với biến phân loại, tác giả dùng đồ thị log minus log giữa các nhóm của một biến theo thời gian. Các nhóm khơng được cắt nhau qua thời gian, hàm ý rằng khơng có sự thay đổi theo thời gian. Cụ thể sơ đờ của các biến được trình bày dưới đây

Nguồn: tác giả tự tính tốn

Dựa vào sơ đồ Plot ta thấy các biến kinh nghiệm, tuổi, nghề nghiệp, học vấn và hôn nhân đều thể hiện có sự giao cắt. Do vậy, các biến này vi phạm giả thiết của mơ hình. Tác giả sẽ loại các biến này ra khỏi mơ hình. Ngồi ra, trong hai biến không vi phạm giả thiết là biến giới tính và sản phẩm, thì biến sản phẩm khơng thể hiện đường song song rõ rệt, do đó khi đưa vào mơ hình tác giả sẽ dùng biến giả để xây dựng mơ hình nhằm tăng độ chính xác trong mơ hình.

Tóm lại, thơng qua sơ đờ plot phần dư riêng phần và sơ đồ log minus log tác giả sẽ xây dựng mơ hình gờm các biến: Số tiền được duyệt vay, Thu nhập, DTI, giới tính và biến sản phẩm. Trong đó, biến sản phẩm, giới tính sẽ được xây dựng dưới hình thức biến giả để làm tăng tính chính xác cho mơ hình

4.6 Mơ hình phân tích sống sót đề xuất 4.6.1 Mơ hình thứ nhất 4.6.1 Mơ hình thứ nhất

Tác giả tiếp tục dùng phương pháp enter đối với các biến cịn lại trong mơ hình, duy nhất chỉ có biến sản phẩm sẽ được xem xét dưới dạng biến giả để hiệu chỉnh mơ hình. Mơ hình vẫn lấy độ tin cậy là 90%.

Bảng 4.6: kết qủa mơ hình hồi quy COX thứ nhất

Biến B Wald test(sig)

so_tien_duoc_duyet_vay 0 0.002 Thu_nhap 0 0.003 DTI 0.055 0 Gioi_tinh -0.233 0.054 San_Pham San_pham(1) 0.146 0.328 San_pham(2) 1.285 0 Nguồn: tác giả tự tính tốn

Thơng qua kiểm định wald test, ở mơ hình này ta thấy hầu hết các biến đều có ý nghĩa trong mơ hình. Tuy nhiên ở biến giả sản phẩm (1), đại diện cho nhóm sản phẩm vay mua điện máy đờ gia dụng khơng có ý nghĩa. Mặt khác, tác giả nhận thấy hai biến thu nhập và số tiền được duyệt vay mặc dù có ý nghĩa ở mức 10%, nhưng sự tác động lên mơ hình là khơng, hay nói các khác các biến này khơng làm thay đổi mức độ nguy cơ của một quan sát. Do vậy, tác giả đề xuất để xem xét được liệu rằng biến sản phẩm (1), đại diện nhóm sản phẩm vay mua đồ điện máy đồ gia dụng, tác động như thế nào đến yếu nguy cơ vỡ nợ của một quan sát, tác giả sẽ loại 2 biến thu nhập và số tiền được duyệt vay ra khỏi mơ hình.

4.6.2 Mơ hình thứ hai (mơ hình đề nghị):

Như đã phân tích ở trên, tác giả tiết tục dụng phương pháp Enter cho các biến cịn lại bao gờm: Thu nhập, DTI, sản phẩm. Biến sản phẩm và giới tính tiếp tục được sử dụng các biến giả để phân tích. Kết quả mơ hình như sau:

Bảng 4.7: kết qủa mơ hình hồi quy COX đề nghị

Biến B Wald test (sig)

DTI 0.040 0 Gioi_tinh -0.243 0.043 San_pham San_pham (1) 0.340 0.014 San_pham (2) 1.564 0 Nguồn: tác giả tự tính tốn

Qua kết quả thống kê, các biến điều có ý nghĩa tác động đến rủi ro vỡ nợ, điều này sẽ tốt hơn trong phân tích cũng như chấm điểm tín dụng khách hàng. Đối với mơ hình tổng qt, do có nhiều biến vi phạm giả thuyết của mơ hình phân tích sống sót nên kết quả khơng chính xác. Đối với mơ hình thứ nhất thì ta nhận thấy các biến số tiền được duyệt vay và thu nhập hồn tồn khơng có tác động tới nguy cơ vỡ nợ của khách hàng nhưng biến sản phẩm vay mua đồ gia dụng lại khơng có ý nghĩa thống kê, điều này làm cho phân tích khơng hồn chỉnh. Do vậy, để sử dụng tốt trong mục tiêu phân tích yếu tố tác động rủi ro, đồng thời sử dụng trong thực tiễn, tác giả đề xuất sử dụng mơ hình thứ hai.

Đối với mơ hình này, các biến đều có ý nghĩa tác động tới độ rủi ro vỡ nợ của khách hàng. Mơ hình có thể được viết lại như sau:

ℎ(𝑡|𝑥) = ℎ0(𝑡) exp(0.04𝑥𝐷𝑇𝐼 − 0.243𝑥𝐺𝑖𝑜𝑖_𝑡𝑖𝑛ℎ + 0.340𝑥𝑆𝑎𝑛_𝑝ℎ𝑎𝑚(1) + 1.564𝑥𝑆𝑎𝑛_𝑝ℎ𝑎𝑚(2)) (1)

Trong đó: Biến san_pham(1) và san_pham(2) là hai biến giả được dùng trong tính tốn để xác định sự tác động của các nhóm sản phẩm khác nhau.

4.7 Kết quả nghiên cứu: 4.7.1 Hàm nguy cơ cơ sở:

Biểu đồ 4.4: Thể hiện hàm nguy cơ cơ sở.

Nguồn: tác giả tự tính tốn

Chúng ta đã biết hàm nguy cơ cơ sở (baseline Function) là hàm diễn tả nguy cơ của một người theo thời gian khi không xem xét tới sự tác động của các biến độc lập, hàm cơ sở chỉ đo lường dựa trên ước lượng trung bình các người vay có nguy cơ vỡ nợ như thế nào theo thời gian. Thông qua hàm cơ sở, chúng ta cũng có thể quan sát được tình hình thị trường vay tiêu dùng sẽ có rủi ro như thế nào. Nói cách khác là xem xét một cách tổng quát.

Qua các giá trị được thể hiện trong biểu đồ trên, chúng ta nhận ra rằng nguy cơ vỡ nợ tăng tương đối chậm từ tháng thứ 1 đến tháng thứ 16, tỷ lệ vỡ nợ ở mức là 16,8%. Từ tháng thứ 17 trở đi tỷ lệ nợ tăng rất nhanh. Tháng thứ 24 trở đi tỷ lệ đã là 50%. Thông qua nghiên cứu hàm nguy cơ cơ sở, ta cũng có thể nhận định được rủi ro đối với khoản vay tín chấp mà người vay vẫn chưa trả nợ sau 2 năm là sẽ rất cao.

4.7.2 Đối với các biến có ý nghĩa trong mơ hình đề xuất 4.7.2.1 Biến số tiền được duyệt vay và thu nhập 4.7.2.1 Biến số tiền được duyệt vay và thu nhập

Thơng qua mơ hình thứ nhất, ta thấy 2 biến số tiền được duyệt vay và thu nhập tác động rất ít đến tỷ lệ nguy cơ vỡ nợ, hầu như bằng không. Do vậy, số tiền vay và thu nhập sẽ khơng quan trọng bằng các biến khác có trong mơ hình. Kết quả này gần giống với bài nghiên cứu của tác giả Mohamed A. Habara trong việc xây dựng mơ hình rủi ro tín dụng tại Lybia, một nền kinh tế có GDP/người gần giống

21% 025% 027% 031% 034% 36%040% 050% 000% 010% 020% 030% 040% 050% 060% 0 5 10 15 20 25

với Việt Nam. Khi mơ hình của tác giả Habara tính tốn cho thấy sự tác động của số tiền được duyệt vay và thu nhập có tác động nhưng rất nhỏ khơng đáng kể.

Ngồi ra, theo thống kê mơ tả phần trên, hầu hết những người sử dụng dịch vụ này đều vay số tiền khơng nhiều (trung bình gần 20 triệu đờng) và thu nhập của người vay cũng không cao (trung bình là 6 triệu đờng). Mặt khác, 2 biến này và có thể là một phần các biến khơng được đưa vào mơ hình được thể hiện qua DTI. Do vậy, tác giả cho rằng biến DTI là một biến quan trọng, có thể thay hai biến số tiền duyệt vay và thu nhập để đo lường sự tác động.

4.7.2.2 Biến DTI

Dựa vào mơ hình đề xuất, ta thấy khi biến DTI tăng lên 1 đơn vị thì sẽ làm tăng nguy cơ dẫn đến vỡ nợ là 4%. Điều này là phù hợp khi số tiền phải trả nợ chiếm càng nhiều trong thu nhập thì nguy cơ càng cao. Sự tác động 1 đơn vị bằng 4% là tương đối cao.

4.7.2.3 Biến giới tính

Đây là biến phân loại, dựa vào mô hình cho thấy có sự khác biệt giữa hai nhóm đối tượng vay. Đối tượng vay là nữ sẽ làm giảm đi nguy cơ vỡ nợ là 21,6%. Sự khác biệt này là rất đáng kể, cho thấy đối với người vay có giới tính nam thường có xu hướng chấp nhận rủi ro vỡ nợ.

4.7.2.4 Biến Sản phẩm

Theo mơ hình đề xuất, có sự khác biệt về sự tác động của các nhóm sản phẩm khác nhau ảnh hưởng tới rủi ro vỡ nợ của khách hàng. Cụ thể: hàm đo lường đối với sản phẩm vay mua xe máy là

ℎ(𝑡|𝑥) = ℎ0(𝑡) exp(0.04𝑥𝐷𝑇𝐼 − 0.243𝑥𝐺𝑖𝑜𝑖_𝑡𝑖𝑛ℎ )

Nhưng đối với sản phẩm vay tiêu dùng điện máy sẽ làm tăng nguy cơ vỡ nợ lên 40% so với nhóm vay mua xe. Đặc biệt, đối với sản phẩm vay khơng có mục đích rõ ràng sẽ làm tăng nguy cơ vỡ nợ lên gấp 4 lần so với nhóm vay mua xe.

Tuy nhiên, trong thống kê mô tả ở phần trên, chúng ta lại thấy đối với sản phẩm vay tiền mặt số người nợ xấu lại chiếm tỷ trọng không cao. Nhưng ý nghĩa của hàm sống sót là tính tốn đến độ rủi ro vỡ nợ theo thời gian, tức thời gian một người vay càng lâu thì yếu tố vỡ nợ càng cao, cho thấy khả năng tiềm ẩn của các

sản phẩm này. Điều này phù hợp với thực trạng tại Việt Nam việc chứng minh mục đích vay vốn thường khơng được chú trọng và khơng khai báo chính xác, do đó dễ dàng có những mục đích vay có thể đem lại rủi ro rất cao như ngân hàng như: vay để cho vay lại, vay để trả nợ người thân v..v..

Các mơ hình của các tác giả nghiên cứu về vay cá nhân tại các nước khác thông thường là loại đi biến sản phẩm và không đánh giá cụ thể bởi vì họ có độ trong mục đích vay tiêu dùng và nền kinh tế hạn chế dùng tiền mặt, nên không nhất thiết phải xem xét một sản phẩm cụ thể. Một số bài nghiên cứu khác thì các tác giả sử dụng mơ hình phân tích sống sót cho nghiên cứu về mảng thẻ tín dụng phục vụ mục đích mua sắm chung, nên bỏ qua sự phân loại về mục đích mua sắm.

Tóm tắt chương

Thơng qua chương này, tác giả đã hồn thành việc xây dựng mơ hình chấm điểm tín dụng dựa trên phương pháp phân tích sống sót. Thơng qua mơ hình đề nghị, mơ hình sẽ gờm hai phần là hàm cơ sở và hàm mũ tác động, trong đó, hàm mũ có 3 biến sẽ tác động tới xác suất vỡ nợ là DTI, sản phẩm và giới tín. Cả hai hàm sẽ giúp chúng ta xem xét xây dựng một sản phẩm cho vay phù hợp. Để rõ hơn, trong chương kế tiếp tác giả sẽ đề xuất một số ví dụ và kiến nghị trong việc cho vay tại Vietcombank.

Chương 5: KẾT LUẬN VÀ KHUYẾN NGHỊ

5.1 Kết luận 5.1.1 Kết luận

Sau quá trình nghiên cứu, luận văn đã đưa ra một số các kết quả nghiên cứu như sau:

Thứ nhất, hệ thống được cơ sở lý thuyết cơ bản về rủi ro tín dụng và các mơ hình chấm điểm tín dụng, đo lường rủi ro tín dụng nhằm làm rõ tính tất yếu, vai trị, đặc điểm của các mơ hình. Luận văn đã trình bày các yếu tố liên quan đến mơ hình chấm điểm/đo lường rủi ro tín dụng cá nhân và các ưu nhược điểm của phương pháp phổ biến hiện nay. Đồng thời với những ưu điểm và là phương pháp nghiên cứu mới, tác giả đã quyết định sử dụng phương pháp phân tích sống sót trong việc thực hiện các nghiên cứu của mình.

Thứ hai, dựa trên cơ sở của các bài nghiên cứu trên thế giới và tại Việt Nam, tác giả đã đưa ra các biến phụ thuộc phù hợp cho mơ hình nghiên cứu.

Thứ ba, thơng qua việc phân tích thực trạng của Ngân hàng Vietcombank tác giả chi ra được lý do cần phải xây dựng mơ hình chấm điểm tín dụng mới để phục vụ cho việc cấp tín dụng.

Cuối củng, thơng qua dữ liệu tác giả đã xây dựng mơ hình phân tích sống sót phù hợp để áp dụng trong thực tế. Để làm rõ thêm các thức vận hành của mơ hình phân tích sống sót, tác giả trình bày một ví dụ cụ thể ở phần sau.

5.1.2 Minh hoạ ứng dụng mơ hình nghiên cứu

Tác giả sẽ xem xét một người vay giả định với các thông số bằng giá trị trung bình đã thống kê cho các biến liên kết trong mơ hình và một người vay thứ hai với thông số tương đối tốt hơn để so sánh. Cụ thể ta có một người vay thứ nhất có thơng số như sau: giới tính: nam, DTI: 28%, sản phẩm vay: vay tiền mặt. Người vay thứ hai có thơng số như sau: giới tính: nữ, DTI: 28%, sản phẩm vay: vay mua xe máy.

Đối với người vay thứ nhất, hàm nguy cơ cơ sở của người vay được thiết lập như sau:

Biểu đồ 5.1: hàm nguy cơ đối với người vay thứ nhất

Nguồn: tác giả tự tính tốn

Như vậy, dựa vào mơ hình ta đã tính tốn, sự rủi ro rất cao nếu ta cho vay khơng rõ mục đích. Điều này khác với thống kê mơ tả ở phần trên. Căn cứ mơ hình phân tích sống sót, đối với người vay là nam giới, vay khơng rõ mục đích (vay tiền mặt) và với thu nhập hay khả năng trả nợ thuộc dạng tốt (chỉ 28%) thì thời hạn vay cao nhất khuyến nghị là 9 tháng (độ rủi ro đã là 51%).

Đối với người vay thứ hai, hàm nguy cơ được thiết lập như sau:

ℎ(𝑡|𝑥) = ℎ0(𝑡) exp(0.04𝑥28 − 0,243) = ℎ0(𝑡) 𝑥 2,43

Biểu đồ 5.2: hàm nguy cơ đối với người vay thứ hai

Nguồn: tác giả tự tính tốn 003% 007% 012% 19% 028% 040% 051% 072% 083% 98% 000% 020% 040% 060% 080% 100% 120% 0 2 4 6 8 10 12 14 014%016% 21%027% 035% 041% 051% 060%066% 075% 83%086% 097% 000% 020% 040% 060% 080% 100% 120% 0 5 10 15 20 25

Qua biểu đồ 5.2, ta thấy rằng người vay là nữ, với sản phẩm mua xe máy và thu nhập thì xác suất vỡ nợ thấp hơn, thời gian sống sót có thể cho phép kéo dài đến 18 tháng (tỷ lệ rủi ro là 60,3%) là gấp đôi so với người thứ nhất.

Như vậy, qua hai bảng tính ví dụ trên, mơ hình xây dựng cho thấy được sự quan trọng của người vay là nam hay nữ, tỷ lệ nợ vay trên thu nhập có tốt hay khơng và