Đối với các biến có ý nghĩa trong mơ hình đề xuất

Chương 1 : GIỚI THIỆU

4.7 Kết quả nghiên cứu:

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

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 không đáng kể.

Ngồi ra, theo thống kê mơ tả phần trên, hầu hết những người sử dụng dịch vụ này đều vay số tiền không nhiều (trung bình gần 20 triệu đờng) và thu nhập của người vay cũng khơng 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 mơ 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 mô 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 sản phẩm vay là sản phẩm gì. Đờng thời lượng hố được sự tác động để đo lường cũng như ứng dụng trong việc thiết kế các chính sách nhằm đảm bảo rủi ro tín dụng đối với sản phẩm vay cá nhân tín chấp

5.2 Khuyến nghị.

Dựa trên mơ hình đã được xây dựng, tác giả đưa ra các khuyến nghị để xây dựng sản phẩm, ngân hàng quyết định xem xét các yếu tố sau:

1- Giới tính: Vì đối với người vay là nữ có độ rủi ro thấp hơn, do vậy các sản phẩm cho vay hay marketing sẽ tập trung vào phụ nữ nhiều hơn.

2- Tỷ lệ trả nợ trên thu nhập (DTI) thật sự là yếu tố tiên quyết để quyết định cấp tín dụng. Hiện tại, Vietcombank đang áp dụng hệ số là 50% cho vay tiêu dùng. Tuy nhiên, qua bảng ví dụ minh hoạ, tác giả đề xuất nên xét con số này nằm từ mức 30% trở xuống. Vì theo thống kê, tỷ lệ những người có nợ xấu có DIT >30 trên tổng số người có nợ xấu là ~70% người có nợ xấu. Đây là tỷ lệ tương đối cao.

3- Phân loại sản phẩm: cần phải được rõ ràng: qua kết quả nghiên cứu đã

cho thấy sản phẩm cho vay tiêu dùng tiền mặt khơng rõ mục đích sẽ ảnh hưởng đến khả năng vỡ nợ cao nhất. Tuy nhiên, vì thị trường tại Việt Nam vẫn đang sử dụng tiền mặt là chủ yếu nên việc kiểm sốt mục đích cho vay tương đối khó khăn.

4- Thời hạn cho vay: Thời hạn cho vay càng dài thì độ rủi ro càng cao. Các

sản phẩm vay tiêu dùng hiện hành đều cho vay tối đa là 60 tháng. Tuy nhiên qua phân tích bằng mơ hình, rõ ràng thời hạn cho vay tối đa là 16 tháng sẽ phù hợp hơn. Sau 2 năm thì độ rủi ro rất cao. Đây cũng là ưu điểm khi phân tích sống sót. Do đó, sản phẩm cho vay tiêu dùng nên thiết kế trong phạm vi tối đa 24 tháng. Chỉ xem xét cho vay trên thời hạn này thông qua cấp phê

duyệt cao hơn, xem xét kỹ hơn và người vay phải chấp nhận một mức lãi suất vay cao hơn.

5- Phần bù lãi suất: Đối với các khách hàng vay thì ngân hàng nên ưu đãi lãi

suất cho họ tối đa trong thời gian là 1 năm đầu để khuyến khích khách hàng trả nợ, bắt đầu từ năm thứ hai trở đi lãi suất phải được thay đổi để bù cho rủi ro. Thông qua, hàm nguy cơ chúng ta có thể tính tốn được rủi ro khơng trả được nợ của khách hàng. Đề xuất của tác giả là sử dụng công thức phần bù rủi ro, chúng ta sẽ tính được lãi suất mà khách hàng phải chấp nhận, cụ thể được thể hiện như sau:

i = 1- (1-Pt) x (1+r)

Trong đó: i là lãi suất sẽ áp dụng cho khách hàng Pt: xác xuất không trả được nợ

r: lãi suất phi rủi ro

6-Cuối cùng, tất cả thơng số đầu vào của mơ hình bắt buộc dựa trên sự chính

xác ở khâu thẩm định nguồn thu nhập. Với một quốc gia chưa có thói quên sử dụng tài khoản tại ngân hàng để giao dịch, thì việc thẩm định các đối tượng có ng̀n thu nhập không qua hệ thống ngân hàng rất phức tạp. Điều này địi hỏi hệ thống tổ chức tín dụng phải có lực lượng thẩm định viên tốt, có đạo đức. Tránh việc nhân viên tín dùng cùng người vay làm giả chứng từ để qua mặt ngân hàng.

5.3 Hạn chế và hướng các nghiên cứu tiếp theo

Hạn chế của bài viết đầu tiên là cỡ mẫu nghiên cứu, trong bài viết hiện chỉ sử dụng số lượng là 2756 người vay. Trong khi đó với sự giúp sức từ trung tâm thơng tin tín dụng các bài nghiên cứu quốc tế, số lượng người được nghiên cứu lên đến 40.000. Do vậy, kết quả mơ hình sẽ không được chi tiết và chính xác cao. Trong tương lai, Việt nam nên xây dựng một trung tâm thu thập thơng tin tín dụng từ các ngân hàng để hỗ trợ cho việc tính tốn xây dựng mơ hình. Đờng thời, ngân hàng nhà nước cần có những chính sách, luật thanh tốn để thay đổi thói quen sử dụng tiền mặt trong dân chúng. Thông qua bài nghiên cứu, tác giả cũng đề xuất hướng nghiên cứu cần được mở rộng cỡ mẫu để xây dựng mơ hình chính xác hơn và nên xây dựng

một số mơ hình chấm điểm xếp hạng tín dụng theo các phương pháp mới khác như: mơ hình mạng bayesian (bayesian networks), mơ hình xác suất dạng đờ thị (Graphical models)… để bổ sung những khuyết điểm cho mơ hình phân tích sống sót.

Tóm tắt chương

Trong chương này, tác giả đưa ra ví dụ minh hoạ cho việc ứng dụng mơ hình phân tích sống sót trong việc tính tốn xác suất vỡ nợ của một khách hàng cụ thể. Đồng thời, dựa vào những ưu điểm nổi bật của mơ hình cùng với thống kê, tác giả đề xuất sáu khuyến nghị. Ngồi ra, tác giả cũng chỉ những thiếu sót về bộ dữ liệu và đề xuất nên có những bài nghiên cứu tiếp theo mở rộng phương pháp đo lường bằng nhiều mơ hình khác.

Phụ lục 1: Danh mục tài liệu tham khảo

Tài liệu tham khảo tiếng Việt

Báo cáo tài chính các năm từ 2013 đến 2016 của Ngân hàng TMCP Đầu Tư Phát Triển Việt Nam.

Báo cáo tài chính các năm từ 2013 đến 2016 của Ngân hàng TMCP Ngoại Thương Việt Nam.

Báo cáo tài chính các năm từ 2013 đến 2016 của Ngân hàng TMCP Công Thương. Vương Quân Hoàng, Đào Gia Hưng, Nguyễn Văn Hữu, Trần Minh Ngọc và Lê Hồng Phương, (2006), Phương pháp thống kê xây dựng mơ hình định mức tín nhiệm

khách hàng thể nhân.

Tài liệu nội bộ của Ngân hàng TMCP Ngoại Thương Việt Nam.

Tài liệu tham khảo tiếng Anh

Andreeva, G., Ansell, J., & Crook, J. (2007), Modelling profitability using survival

combination scores, European Journal of Operational Research.

Altman, E. (1968). The prediction of corporate bankruptcy: A discriminant analysis, Journal of Finance.

Asch, L. (1995). How the RMA/Fair Isaac credit scoring model was built", Journal

of Commercial Lending.

Baesens, B., Van Gestel, T., Stepanova, M., & Vanthienen, J. (2005). Neural network survival analysis for personal loan Data. Journal of the Operational Research Society

Banasik, J., Crook, J., & Thomas, L. C. (1999). Not if but when will borrowers default. Journal of the Operational Research Society.

Banasik, J., & Crook, J. (2005). Explaining aggregate consumer delinquency behaviour over time. Credit Research Centre, Working Paper Series No 05/03,

University of Edinburgh.

internal ratings systems. A discussion paper, the Basel Committee on Banking

Supervision, retrieved September 22, 2006, from http://www.bis.org.

Basel Committee on Banking Supervision. (2000). Principles for the Management of Credit Risk, Technical Report, Bank for International Settlement.

Brian, G., & Colleen, C. (1997). Credit Risk in Banking. Sydney, Bank Supervision Department. Reserve Bank of Australia.

Caouette, J., Altman, E., & Narayanan, P. (1998). Managing Credit Risk: The Next

Great Financial Challenge. New York: John Wiley & Sons

Cochran, W. G. (1977). Sampling Techniques, New York: John Wiley & Sons.

Cox, D. R., & Oakes, D. (1984). Analysis of Survival Data. London; New York:

Chapman and Hall.

DeVaney, S., & Lytton, R. (1995). Household insolvency: A review of household debt repayment, delinquency, and bankruptcy. Financial Services Review, 4(2),

137–156.

Dionne, G., Artfs, M., & Guilldn, M. (1996). Count data models for a credit scoring system. Journal of Empirical Finance, 3(3), 303–325.

Dinh Thi Huyen Thanh & Stefanie Kleimeier, 2006. Credit Scoring for Vietnam’ s

Retail Banking Market, Maastricht University, Netherlands.

Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems.

Annals Engenics

Lawrence, E., & Smith, D. (1992). An analysis home credit of default risk in mobile. Journal of Banking and Finance.

Mohamed A. Habara (2009), Credit Risk Modelling in a Developing Economy: The

Case of Libya, Griffith University, submitted in fulfillment of the requirements of

the degree of Doctor of Philosophy.

Narain, B. (1992). Survival analysis and the credit granting decision, In: Thomas,

University Press, Oxford, 109 –122.

Kalbfleisch, J.D. and Prentice, R.L. (1980) The statistical analysis of failure time

data. John Wiley and Sons, New York.

Ramon Man (2014), survival analysis in credit scoring, Rabobank International.

Thomas, L. (2000). A survey of credit and behavioural scoring: Forecasting