Chương 1 : GIỚI THIỆU
4.6 Mơ hình phân tích sống sót đề xuất
4.6.1 Mơ hình thứ nhất
Tác giả tiếp tục dùng phương pháp enter đối với các biến còn 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 đờ 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 còn lại bao gồm: 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 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 khơng 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 không 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 thơng 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 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