PHẦN I : MỞ ĐẦU
5. Kết cấu đề tài
1.5. Mơ hình binary logistic
1.5.1. Đề xuất mơ hình
Qua quá trình tìm hiểu, tham khảo các tài liệu đi trước kết hợp với nhận thức, hiểu biết có được. Dựa trên nền tảng nghiên cứu của Hồng Tùng(2011) , bài nghiên cứu sẽ sử dụng mơ hình Binary Logistic để xếp hạng tín dụng của DN.
1.5.2. Phương pháp sử dụng mơ hình trong XHTD
Hiện nay, hầu hết các NHTM đã và đang từng bước hồn thiện hệ thống xếp hạn tín dụng nội bộ nhằm nâng cao chất lượng tín dụng và giảm thiểu tối đa rủi ro tín dụng. Tuy nhiên, hệ thống mà các ngân hàng xây dựng vẫn tồn tại một số hạn chế nhất định. Đó là hệ thống chỉ dựa vào tổng số điểm để đánh giá việc cho vay mà không nêu lên được xác suất vỡ nợ trong tương lai của các doanh nghiệp. Một số chỉ tiêu quá thấp so với yêu cầu nhưng đôi khi lại được bù đắp bởi các chỉ tiêu khác nên chấm điểm tín dụng khơng đánh giá chính xác được tình hình hoạt động và kết quả kinh doanh của doanh nghiệp. Điều này có thể gây nhiều rủi ro cho ngân hàng.
Trong nền kinh tế phát triển, việc đánh giá rủi ro tín dụng dựa vào cách xếp hạng các doanh nghiệp đi vay đang rất được quan tâm. Trong đó, mơ hình logistic được các nhà kinh tế đánh giá là khá phổ biến và hiệu quả trong đó có Việt Nam. Mơ hình được phân tích chủ yếu dựa vào các dữ liệu thu thập được trong quá khứ về tình hình kinh doanh của các doanh nghiệp thuộc các ngành khác nhau trong nền kinh tế. Từ đó, lượng hóa xác suất vỡ nợ của các doanh nghiệp dựa vào các dữ liệu trên. Ngồi ra, mơ hình cịn cho ta ước lượng được sự ảnh hưởng của từng yếu tố đến xác suất vỡ nợ trên. Chính vì thế, thơng tin trong q khứ càng chính xác và đầy đủ thì việc dự báo khả năng vỡ nợ của doanh nghiệp càng sát với thực tế. Với những đặc điểm của mơ hình Logistic, nó đã khắc phục được những hạn chế trong hệ thống xếp hạng của Vietinbank nói riêng và các NHTM nói chung.
21
1.5.2.1. Phương pháp sử dụng mơ hình
Mơ hình logistic sử dụng các dữ liệu trong quá khứ về chỉ tiêu ảnh hưởng tới độ rủi ro của các doanh nghiệp đi vay vốn. Các chỉ tiêu này thường gồm chỉ tiêu tài chính cũng như các chỉ tiêu phi tài chính. Từ các dữ liệu trên bằng phương pháp hồi quy logistic chúng ta sẽ ước lượng được xác suất vỡ nợ của các doanh nghiệp dựa vào các biến độc lập là các chỉ tiêu trên. Ước lượng được ảnh hưởng của các nhân tố đến xác suất vỡ nợ. Từ đó dự báo được xác suất vỡ nợ thay đổi thế nào khi các yếu tố ảnh hưởng đến nó thay đổi.
Với dữ liệu thu thập được từ Vietinbank, em sẽ ước lượng xác suất vỡ nợ của các doanh nghiệp theo 13 biến bao gồm các chỉ tiêu tài chính và chỉ tiêu phi tài chính. Xác định được xác suất vỡ nợ của các doanh nghiệp sẽ giúp Ngân hàng chủ động trong việc cho vay như xác định hạn mức tín dụng, mức lãi suất phù hợp và trích lập dự phịng rủi ro khi cho vay. Từ đó, giúp ngân hàng hạn chế được rủi ro tín dụng mang lại.
1.5.3. Ngun nhân sử dụng mơ hình hồi quy Binary Logistic
- Tính phù hợp: Biến phụ thuộc là biến nhị phân chỉ nhận giá trị 0 hoặc 1, nên chỉ thích hợp với hồi quy Logistic, bởi vì khó một mơ hình hồi quy thơng thường nào có thể bảo đảm rằng giá trị dự đoán trước sẽ nằm trong khoảng 0 và 1.
- Tính đơn giản: Kiểm định không phức tạp, không yêu cầu dữ liệu đầu vào
q lớn như mơ hình mạng noron thần kinh, KMV- những mơ hình đang được xem là ưu việt nhất hiện nay, nhưng chưa phù hợp với nền kinh tế Việt Nam. Bên cạnh đó, mơ hình không bị ràng buộc bởi giả thiết về sự phân phối của biến độc lập, trong khi với các mơ hình như LPM, MDA, biến độc lập đều phải tuân theo phân phối chuẩn.
- Tính khách quan: Đây là mơ hình đinh lượng nên khắc phục được nhưng
nhược điểm của mơ hình định tính, thể hiện sự khách quan, nhất quán, không phụ thuộc vào ý kiến chủ quan của các chuyên gia.
22
- Tính linh hoạt: Trong khi mơ hình Z-score đã cố định những yếu tố tác
động(biến độc lập) và mức ảnh hưởng ( các hệ số của chúng) đến khả năng phá sản của DN, thì mơ hình Logistic lại có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến tác động nhằm phù hợp hơn với từng ngành kinh tế và xác định cụ thể tác động của các yêu tố tới rủi ro tín dụng là như thế nào. Ngồi ra, mơ hình này có thể sử dụng biến giả, nên việc chuyển các biến định tính thành định lượng sẽ rất đơn giản thông qua tạo biến giả.
Nhược điểm của mơ hình là phụ thuốc lớn vào độ chính xác của liệu, nguồn thơng tin thu thập được nên nếu số liệu có độ chính xác cao thì kết quả của mơ hình sẽ càng đáng tin cậy.
Từ những cơ sở trên, đề tài đã chọn mơ hình logistic để tính xác suất xảy ra rủi ro tín dụng và XHTD cho các doanh nghiệp đang vay vốn tại ngân hàng Vietinbank.
CHƯƠNG 2: THỰC TRẠNG XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI VIETINBANK CHI NHÁNH HUẾ