Chƣơng 1 : Tổng quan về nợ xấu tại ngân hàng thƣơng mại
2.4. Khảo sát các nhân tố ảnh hƣởng đến xử lý nợ xấu tại ngân hàng
Việt Nam Thịnh Vƣợng
Nhằm xác định những nhân tố thực sự ảnh hƣởng đến xử lý nợ xấu (kết quả và thời gian xử lý nợ xấu) tại VPBank, một nghiên cứu định lƣợng nhằm khảo sát các nhân tố ảnh hƣởng đến xử lý nợ xấu tại VPBank đƣợc thực hiện nhƣ sau:
Bƣớc 1: Thiết kế nghiên cứu
Một bảng câu hỏi gồm 20 câu hỏi tƣơng ứng với 20 biến quan sát đại diện cho 3 thành phần (nhân tố) ảnh hƣởng đến xử lý nợ xấu và 2 câu hỏi tƣơng ứng với 2 biến quan sát đại diện cho thành phần xử lý nợ xấu đƣợc thiết lập và trình bày ở bảng 2.4.
Nghiên cứu sử dụng thang đo Likert cho điểm từ 1 đến 5 với 1: hoàn toàn phản đối và 5: hoàn toàn đồng ý.
Các bƣớc tiến hành nghiên cứu sẽ đƣợc thực hiện nhƣ sau:
+ Nghiên cứu sơ bộ: đƣợc thực hiện thông qua kỹ thuật phỏng vấn chuyên gia tại VPBank kết hợp với phƣơng pháp thảo luận nhóm (nghiên cứu định tính) với 5 cán bộ tín dụng tại VPBank chi nhánh Sài Gòn nhằm xác định 20 nhân tố ảnh hƣởng đến xử lý nợ xấu tại VPBank và xác định mơ hình nghiên cứu.
+ Nghiên cứu định lƣợng: Sau khi điều chỉnh bảng câu hỏi, tiến hành điều tra phỏng vấn với cỡ mẫu là 100 cán bộ tín dụng tại 5 chi nhánh của VPBank trên địa bàn thành phố Hồ Chí Minh.
Phƣơng pháp chọn mẫu: chọn mẫu theo phƣơng pháp thuận tiện. Để sử dụng phân tích nhân tố khám phá (EFA), kích thƣớc mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát trên biến quan sát là 5:1 (Nguyễn, 2001). Mơ hình nghiên cứu đề xuất của tác giả có 20 biến quan sát, do đó số mẫu tối thiểu là 100, nhƣ vậy số liệu đƣợc thu thập (từ 100 cán bộ tín dụng của VPBank) đảm bảo thực hiện tốt mơ hình nghiên cứu.
Phƣơng pháp phân tích dữ liệu: dữ liệu sau khi thu thập sẽ đƣợc phân tích và xử lý dƣới sự hỗ trợ của phần mềm SPSS 20.0.
Các phân tích chính đƣợc thực hiện:
+ Đánh giá độ tin cậy của các thành phần thang đo bằng kiểm định Cronbach Alpha.
+ Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để tìm ra các nhóm nhân tố phù hợp.
+ Phân tích hồi quy tuyến tính bội nhằm kiểm định sự ảnh hƣởng của các nhân tố trong mơ hình.
Bảng 2.4. Các nhân tố ảnh hƣởng đến xử lý nợ xấu Thành Thành phần Biến quan sát Ký hiệu Ngân hàng cho vay
Biện pháp xử lý nợ xấu đa dạng và linh hoạt I1 Xây dựng quy trình xử lý nợ xấu hợp lý I2 Ngân hàng trích lập dự phịng rủi ro đầy đủ I3
Ngân hàng chú trọng tuyển dụng và đào tạo đội ngũ cán bộ xử lý nợ chuyên nghiệp
I4
Ngân hàng trung thực và quyết tâm trong xử lý nợ xấu I5 Đội ngũ cán bộ xử lý nợ có trình độ chun mơn cao I6 Đội ngũ cán bộ xử lý nợ có đạo đức nghề nghiệp cao I7 Đội ngũ cán bộ xử lý nợ có nhiều kinh nghiệm xử lý nợ I8 Đội ngũ cán bộ xử lý nợ có trách nhiệm cao I9 Đội ngũ cán bộ xử lý nợ có đầy đủ thơng tin để xử lý nợ xấu I10
Khách hàng đi vay
KH có nợ xấu trung thực trong việc cung cấp thông tin về tình hình tài chính hiện tại
II1
KH có thiện chí trả nợ II2 KH phối hợp tốt với ngân hàng trong quá trình xử lý nợ II3 KH chủ động xử lý khó khăn tại doanh nghiệp II4
Mơi trƣờng kinh doanh và chính sách Nhà nƣớc
Chính sách hỗ trợ xử lý nợ xấu Nhà nƣớc ban hành đạt hiệu quả
III1
Thủ tục xử lý tài sản đảm bảo khơng cịn vƣớng mắc III2 Chính phủ xây dựng khung pháp lý thuận lợi cho xử lý nợ xấu III3 Kinh tế thoát khỏi suy thoái III4 Thị trƣờng mua bán nợ phát triển và hoạt động hiệu quả III5 Thị trƣờng bất động sản phục hồi III6
Xử lý nợ xấu
Có nhiều khoản nợ xấu đƣợc xử lý Y1 Xử lý nợ xấu hồn thành nhanh chóng Y2
Bƣớc 2: Xây dựng mơ hình nghiên cứu :
Mơ hình nghiên cứu gồm 3 biến độc lập (F1: Nhân tố từ phía ngân hàng cho vay, F2: Nhân tố từ phía khách hàng đi vay, F3: Nhân tố khách quan do môi trƣờng kinh doanh và chính sách Nhà nƣớc) và 1 biến phụ thuộc (Y: Xử lý nợ xấu).
Xử lý nợ xấu (Y) = f(F1, F2, F3)
Hình 2.1: Mơ hình nghiên cứu đề xuất
Theo mơ hình nghiên cứu này, xử lý nợ xấu chịu ảnh hƣởng bởi 3 nhân tố:
+ Nhân tố từ phía ngân hàng cho vay (F1): gồm 10 biến quan sát là I1, I2, I3, I4, I5, I6,I7, I8, I9, I10. Giả thuyết H1: Nhân tố từ phía ngân hàng cho vay có tác động cùng chiều đến xử lý nợ xấu.
+ Nhân tố từ phía khách hàng đi vay (F2): gồm 4 biến quan sát là II1, II2, II3, II4. Giả thuyết H2: Nhân tố từ phía khách hàng đi vay có tác động cùng chiều đến xử lý nợ xấu.
Nhân tố từ phía khách hàng đi vay
Nhân tố khách quan do mơi trƣờng kinh doanh và chính sách Nhà nƣớc
Nhân tố từ phía ngân hàng cho vay Xử lý nợ xấu H1(+) Nợ xấu H2(+) Nợ xấu H3(+) Nợ xấu
+ Nhân tố khách quan do môi trƣờng kinh doanh và chính sách Nhà nƣớc (F3): gồm 6 biến quan sát là III1, III2, III3, III4, III5, III6. Giả thuyết H3: Nhân tố khách quan do mơi trƣờng kinh doanh và chính sách Nhà nƣớc có tác động cùng chiều đến xử lý nợ xấu.
Bƣớc 3: Tiến hành phân tích và đánh giá kết quả
Kiểm định hệ số Cronbach AlPha của từng thành phần thang đo các nhân tố
ảnh hƣởng đến xử lý nợ xấu và kiểm định hệ số Cronbach AlPha của thành phần thang đo xử lý nợ xấu, kết quả đƣợc trình bày trong bảng 2.5 nhƣ sau:
Bảng 2.5: Hệ số Cronbach Alpha của các thành phần thang đo
Biến quan sát Trung bình thang đo nếu loại biến Phƣơng sai thang đo nếu loại biến Tƣơng quan biến - tổng Cronbach’s Alpha nếu loại biến Cronbach’s Alpha
Nhân tố từ phía ngân hàng cho vay
I1 35,5700 26,611 0,665 0,878 0,887 I2 35,4900 27,202 0,739 0,867 I3 35,4000 29,414 0,708 0,869 I4 35,3800 30,036 0,629 0,875 I5 35,3500 29,927 0,682 0,872 I6 34,9500 30,775 0,559 0,880 I7 34,9700 32,130 0,566 0,880 I8 34,8500 30,755 0,761 0,869 I9 34,7300 32,260 0,568 0,880 I10 34,9400 33,653 0,490 0,885
Nhân tố từ phía khách hàng đi vay II1 10,9500 3,987 0,903 0,608 0,808 II2 11,0000 4,101 0,901 0,613 II3 10,9700 3,969 0,907 0,605 II4 10,7600 7,740 0,026 0,994
Nhân tố khách quan do mơi trƣờng kinh doanh và chính sách Nhà nƣớc
III1 17,8400 7,126 0,348 0,628 0,657 III2 17,7600 6,184 0,556 0,555 III3 18,6200 6,703 0,358 0,625 III4 19,1400 6,707 0,307 0,646 III5 18,9100 6,164 0,428 0,599 III6 18,5300 6,938 0,345 0,629 Xử lý nợ xấu Y1 3,5600 0,411 0,450 0,620 Y2 3,3900 0,362 0,450
(Nguồn: Nghiên cứu của tác giả)
Kết quả đánh giá độ tin cậy của thành phần thang đo ở bảng 2.5 cho thấy các thành phần này có hệ số Cronbach Alpha lớn hơn 0,6 và hệ số tƣơng quan biến – tổng của các biến quan sát (ngoại trừ biến II4 – sẽ bị loại) đều lớn hơn 0,3 nên các thành phần này đạt tiêu chuẩn để tiến hành phân tích nhân tố khám phá – EFA (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Mơ hình nghiên cứu gồm 3 nhân tố (thành phần) với 20 biến quan sát ảnh hƣởng đến xử lý nợ xấu. Kiểm tra ma trận các mối liên quan bằng “KMO and Bartlett’s Test”, kết quả đƣợc trình bày trong bảng 2.6 nhƣ sau:
Bảng 2.6: Kết quả KMO and Bartlett's Test KMO and Bartlett's Test KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,671 Bartlett's Test of Sphericity Approx. Chi-Square 2018,569 Df 190 Sig. 0,000
(Nguồn: Nghiên cứu của tác giả)
Xét hệ số KMO = 0,671 > 0,55 và p = 0,000 < 0,05 chứng tỏ giả thuyết Ho “các biến khơng có tƣơng quan với nhau” bị bác bỏ. Vậy phân tích nhân tố khám phá EFA là phù hợp. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Căn cứ vào kết quả “Total Variance Explained” (xem ở phụ lục 3), theo tiêu chuẩn giá trị Eigenvalues > 1, có 5 nhân tố đƣợc rút ra và 5 nhân tố này giải thích đƣợc 72,847 % sự biến thiên của các biến.
Dựa theo bảng “Rotated Component Matrixa ” (Phụ lục 3), hệ số tải nhân tố của tất cả các biến đều lớn hơn 0,55 nên các biến đó tiếp tục đƣợc sử dụng để phân tích.
Theo kết quả phân tích, nợ xấu bị ảnh hƣởng bởi 5 nhân tố sau:
F1: Chính sách xử lý nợ của ngân hàng gồm các biến I1, I2, I3, I4, I5. F2: Đội ngũ cán bộ xử lý nợ của ngân hàng gồm các biến I6, I7, I8, I9, I10. F3: Khách hàng gồm các biến II1, II2, II3.
F5: Môi trƣờng kinh doanh gồm các biến III4, III5, III6
Sau khi xác định từng biến quan sát trong từng nhân tố, ta tiến hành phân tích xem từng biến quan sát có ảnh hƣởng thế nào, tác động mạnh hay yếu, cùng chiều hay ngƣợc chiều với từng nhân tố ảnh hƣởng đến xử lý nợ xấu.
Bảng 2.7: Component Score Coefficient Matrix Component Score Coefficient Matrix Component Score Coefficient Matrix
Component 1 2 3 4 5 I1 0,162 I2 0,212 I3 0,218 I4 0,307 I5 0,310 I6 0,261 I7 0,297 I8 0,190 I9 0,211 I10 0,234 II1 0,323 II2 0,323 II3 0,326 III1 0,376 III2 0,384 III3 0,460 III4 0,353 III5 0,462 III6 0,405
(Nguồn: Nghiên cứu của tác giả)
Dựa vào kết quả bảng 2.7, phƣơng trình của 5 nhân tố ảnh hƣởng đến nợ xấu đƣợc viết nhƣ sau:
F1= 0,162 I1 + 0,212 I2 + 0,218 I3 + 0,307 I4 + 0,310 I5. F2 = 0,261 I6 + 0,297 I7 + 0,190 I8 + 0,211 I9 + 0,234 I10.
F3 = 0,323 II1 + 0,323 II2 + 0,326 II3. F4 = 0,376 III1 + 0,384 III2 + 0,460 III3. F5 = 0,353 III4 + 0,462 III5 + 0,405 III6.
Có thể thấy hệ số của từng biến quan sát dƣơng, chứng tỏ các biến tác động cùng chiều đối với từng nhân tố.
Mơ hình nghiên cứu đƣợc hiệu chỉnh lại nhƣ sau
Hình 2.2: Mơ hình nghiên cứu hiệu chỉnh Phân tích hồi quy các nhân tố ảnh hƣởng đến xử lý nợ xấu
Để xác định, đo lƣờng và đánh giá mức độ tác động của các nhân tố ảnh hƣởng đến xử lý nợ xấu, tác giả sử dụng mơ hình hồi quy tuyến tính bội trong đó có 5 biến độc lập là 5 nhân tố F1, F2, F3, F4, F5 và 1 biến phụ thuộc là biến xử lý nợ xấu Y đƣợc rút ra từ phân tích nhân tố khám phá EFA ở trên.
Đội ngũ cán bộ xử lý nợ của ngân hàng (F2) Khách hàng vay vốn (F3) Chính sách xử lý nợ của ngân hàng (F1) Xử lý nợ xấu (Y) H1(+) Nợ xấu H2(+) Nợ xấu H3(+) Nợ xấu
Mơi trƣờng kinh doanh (F5) Chính sách Nhà nƣớc (F4) H4(+) Nợ xấu H5(+) Nợ xấu
Kết quả hồi quy có giá trị R2 = 0,324, giá trị này cho biết các biến độc lập trong mơ hình có thể giải thích đƣợc 32,4% sự thay đổi của biến phụ thuộc, hay 32,4% kết quả xử lý nợ xấu bị ảnh hƣởng bởi 5 nhân tố trên.
Bảng 2.8: Phân tích phƣơng sai ANOVA ANOVAa ANOVAa
Model Sum of Squares
df Mean Square F Sig.
1 Regression 32,078 5 6,415 9,010 0,000b Residual 66,922 94 0,712 Total 99,000 99 a. Dependent Variable: Y b. Predictors: (Constant), F1, F2, F3, F4, F5
(Nguồn: Nghiên cứu của tác giả)
Phân tích phƣơng sai ANOVA ở bảng 2.8 có kết quả p = 0,000 < 0,05 cho thấy mơ hình hồi quy hợp với dữ liệu, các hệ số thống kê đều có ý nghĩa.
Bảng 2.9: Kết quả hồi quy Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -2,231E-016 0,084 .000 1.000 F1 0,383 0,085 0,383 4,521 0,000 F2 0,263 0,085 0,263 3,099 0,003 F3 0,113 0,085 0,113 1,330 0,187 F4 0,164 0,085 0,164 1,937 0,056 F5 0,261 0,085 0,261 3,081 0,003 a. Dependent Variable: Y
Kết quả hồi quy ở bảng 2.9 cho thấy, xử lý nợ xấu bị ảnh hƣởng bởi nhân tố F1 - Chính sách xử lý nợ của ngân hàng (β = 0,383, p = 0,000), nhân tố F2 – Đội ngũ cán bộ xử lý nợ của ngân hàng (β = 0,263, p = 0,003), nhân tố F4 – chính sách Nhà nƣớc (β= 0,164, p = 0,056), và nhân tố F5 – môi trƣờng kinh doanh (β= 0,261, p = 0,003). Xét theo mức độ ảnh hƣởng, nhân tố F1 có ảnh hƣởng mạnh nhất đến xử lý nợ xấu, tiếp đến là nhân tố F2, tiếp theo là nhân tố F5 và cuối cùng là nhân tố F4.
Nhân tố F3 – khách hàng vay vốn có tác động cùng chiều đến xử lý nợ xấu (β= 0,113), tuy nhiên mức độ ảnh hƣởng không cao (p = 0,187 – ảnh hƣởng ở mức ý nghĩa 20%).
Phƣơng trình hồi quy đƣợc viết lại nhƣ sau:
Y= -2,231*10^-16+ 0,383F1 + 0,263 F2 + 0,164F4 + 0,261F5. 2.5. Đánh giá chung về công tác xử lý nợ xấu tại Ngân hàng
TMCP Việt Nam Thịnh Vƣợng
Thành tựu
Nhờ công tác xử lý nợ xấu nên nợ xấu tại VPBank ln đƣợc kiểm sốt ở mức dƣới 3%, công tác xử lý nợ xấu đang dần tỏ ra có hiệu quả hơn khi nợ xấu tại VPBank ba tháng đầu năm 2014 đang có xu hƣớng giảm.
VPBank đánh giá cao tầm quan trọng của xử lý nợ xấu và dành nhiều sự quan tâm đến xử lý nợ xấu thể hiện ở việc hệ thống chính sách, quy trình đã đƣợc rà sốt để hệ thống hóa và điều chỉnh các giai đoạn của vịng đời tín dụng. Nhằm hỗ trợ cho cơng tác xử lý nợ xấu, VPBank đã hồn thiện hệ thống chấm điểm và xếp hạng tín dụng cho các sản phẩm tín dụng và các phân khúc khách hàng, áp dụng các công cụ quản lý rủi ro tiên tiến nhƣ cơng cụ Stress test tín dụng, cơng cụ đo lƣờng rủi ro tín dụng tập trung, theo dõi xu hƣớng dịch chuyển nợ theo từng phân khúc khách hàng. Các cơng cụ đo lƣờng và kiểm sốt danh mục tín dụng cũng đã đƣợc thiết kế. Ngoài ra hệ thống đánh giá rủi ro các định chế tài chính đã đi vào hoạt động.
Hệ thống công nghệ thông tin tại VPBank ngày càng đƣợc hoàn thiện để hỗ trợ ngân hàng trong công tác xử lý nợ xấu. Ln đón đầu ứng dụng công nghệ thông tin, VPBank đã nghiên cứu và áp dụng linh hoạt các cơng nghệ có xu hƣớng phát triển bền vững trong tƣơng lai.
Cơ chế phân quyền quản lý, báo cáo, chỉ đạo điều hành tại VPBank đã đƣợc xây dựng và áp dụng theo các thông lệ tiên tiến nhất đang áp dụng trên thị trƣờng hiện nay nhằm kiểm sốt tốt q trình xử lý nợ xấu.
Tồn tại
Tốc độ xử lý nợ xấu còn chậm, nhiều khoản nợ xấu chƣa thu hồi đƣợc dẫn đến nợ xấu vẫn còn tồn tại ở mức khá cao.
Việc xử lý nợ xấu từ nguồn thu hồi nợ trực tiếp vẫn còn nhiều hạn chế, chủ yếu ngân hàng vẫn xử lý nợ xấu từ nguồn dự phịng rủi ro tín dụng.
Yếu tố nhân lực xử lý nợ còn nhiều hạn chế về kinh nghiệm và nghiệp vụ.
Xử lý TSBĐ để thu hồi nợ gặp nhiều khó khăn, nhiều trƣờng hợp quá trình thanh lý mất nhiều thời gian và giá trị thanh lý TSBĐ không đủ để thu hồi nợ.
Nguyên nhân dẫn đến tồn tại
Từ phía ngân hàng
Ngân hàng chƣa đạt hiệu quả cao trong công tác tuyển dụng và đào tạo đội ngũ xử lý nợ dẫn đến thiếu đội ngũ xử lý nợ xấu chuyên nghiệp.
Các biện pháp xử lý nợ xấu vẫn chƣa đƣợc đa dạng hóa. Tùy theo từng trƣờng hợp cụ thể mà các biện pháp xử lý nợ xấu có thể đƣợc thay đổi và sử dụng kết hợp linh hoạt với nhau theo từng thời kỳ, tuy nhiên do sự thay đổi và sử dụng kết hợp các biện pháp xử lý nợ chƣa đƣợc thực hiện theo hƣớng tối ƣu nhất nhất dẫn đến việc xử lý nợ xấu chƣa đạt kết quả cao.
Tiến độ và quy trình xử lý từng món nợ xấu vẫn chƣa đƣợc xây dựng rõ ràng. Do có nhiều món nợ xấu với tính chất phức tạp khác nhau do đó ngân hàng chƣa xây dựng đƣợc đầy đủ tiến độ và quy trình xử lý từng món nợ xấu, điều này làm cho nợ xấu chƣa đƣợc xử lý triệt để.
Do rủi ro đạo đức, hoặc do trình độ nghiệp vụ chƣa cao dẫn đến nhân viên