CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.3. xuất mô hình
Qua kết quả kiểm định mơ hình tại các mục nêu trên có thể thấy mơ hình 2 có mức độ dự báo trung bình khả năng trả nợ của khách hàng chính xác hơn 0.2 % tuy
nhiên mơ hình 3 chỉ cần đánh giá dữ liệu trên 11 biến (mơ hình 2 cần 16 biến để đưa ra mức dự báo trung bình chính xác là 89.2 %, mơ hình 3 đánh giá dữ liệu qua 11 biến và đưa ra mức dự báo chính xác là 89 %). Có thể thấy, với số biến ít hơn thì việc thu thập thơng tin của khách hàng đối với mơ hình 3 sẽ dễ dàng hơn vì vậy sẽ tiết kiệm chi phí, thời gian khơng chỉ cho cơng ty mà cũng cho cả khách hàng. Đồng thời, với mơ hình 3, nhân viên tín dụng của FE Credit có thể dễ dàng, tiết kiệm chi phí cũng như thời gian để kiểm chứng tính chính xác của các thơng tin. Ví dụ: Nếu như mơ hình ban đầu của FE Credit (mơ hình 1) thì với yếu tố “thời gian làm việc tại cơng ty hiện tại” thì nhân viên tín dụng cần phải kiểm chứng thơng tin với các nguồn khác như bảo hiểm xã hội, xác thực với cơng ty thì mơ hình 3 khơng cần sử dụng đến yếu tố này mà đưa ra khả năng dự báo chính xác hơn. Mặt khác, việc tạo thuận lợi cho khách hàng, tránh các thủ tục phức tạp, rườm rà cũng là một trong những yếu tố làm tăng khả năng cạnh tranh của các tổ chức tín dụng trong hoạt động tín dụng cá nhân.
Các yếu tố mà tác giả đề xuất đưa vào mơ hình chấm điểm tín dụng của khách hàng trong tình hình hiện nay của FE Credit gồm 11 biến như sau:
Bảng 4.11: Các biến nghiên cứu đề xuất đưa vào mô hình chấm điểm
STT Tên biến Ký hiệu Mơ hình 3 𝜷 Sig. 1 Tuổi X1 .095 .000 2 Giới tính X2 1.151 .000 3 Tình trạng hôn nhân X3 1.032 .001 4 Tuổi X4 1.736 .000 5 DPD lớn nhất của những khách hàng liên kết X7 -.026 .000 6 Khách hàng liên kết có từng bị từ chối hay khơng X9 -1.941 .000 7 Nơi
ở
Hải Phòng, Hải Dương, Vĩnh Phúc X10 -4.307 .000
8 Đông Nam Bộ X11 1.936 .000
9 Thời hạn vay X13 -.094 .000
11 Nghề nghiệp X16 -2.913 .000
Constant .503 .440
Trong đó: Biến Nơi ở (X11) - Đông Nam Bộ gồm các tỉnh Thành phố Hồ Chí
Minh, Bà Rịa – Vũng Tàu, Bình Dương, Bình Phước, Đồng Nai và Tây Ninh.
Qua kết quả nghiên cứu nêu trên, có thể thấy nếu như trước thời điểm có dịch bệnh Covid-19 xuất hiện tại Việt Nam, các yếu tố chỉ số rủi ro của hợp đồng cùng DSA_Code (X5); Chỉ số rủi ro của khách hàng cùng cơng ty trong vịng 24 tháng (X6) và số năm làm việc của khách hàng tại công ty hiện tại (X8) là những yếu tố có ảnh hưởng đến khả năng trả nợ của khách hàng thì với kết quả phân tích dữ liệu được thu thập trong khoảng thời gian diễn ra dịch bệnh Covid-19 đến nay (từ 2019 đến 12/2021) tại FE Credit có thể thấy các yếu tố này khơng cịn phản ánh chính xác khả năng trả nợ của khách hàng. Điều này có thể được giải thích bởi việc trong thời kỳ dịch bệnh Covid-19, Quý I/2021 có khoảng 9,1 triệu người, Quý I/2022 có khoảng 16,9 bị ảnh hưởng bị giảm thu nhập, cắt giảm giờ làm, mất việc điều này làm cho các chỉ số thay đổi làm điểm số tín dụng giảm xuống mặc dù thực tế khách hàng vẫn có khả năng trả nợ. Ví dụ: Năm 2019, một khách hàng A đã làm việc tại một công ty B trong khoảng thời gian 10 năm nhưng do dịch bệnh công ty B phá sản, khách hàng A phải chuyển sang làm việc tại công ty C tuy nhiên nếu khơng có dịch Covid-19 thì khách hàng A khi khai thơng tin thì thời gian làm việc 10 năm sẽ giúp khách hàng A có điểm số tín dụng cao hơn tuy nhiên do thời điểm yêu cầu khoản vay khách hàng chỉ có thời gian làm việc tại cơng ty C dẫn đến điểm số tín dụng của khách hàng giảm xuống.
Mặt khác, tại mơ hình 2, tham khảo một số chuyên gia, tác giả đưa vào các yếu tố Nơi ở - Đông Nam Bộ (X11); Khoản vay được mua bảo hiểm (X12); Thời hạn vay (X13); Loại sản phẩm vay (X14); Giá trị khoản vay (X15); Nghề nghiệp (X16) để phân tích, đánh giá cùng với các yếu tố nêu tại mơ hình 1. Kết quả nghiên cứu thì các yếu tố này và các yếu tố DSA_Code (X5); Chỉ số rủi ro của khách hàng cùng cơng ty trong vịng 24 tháng (X6); Số năm làm việc của khách hàng tại cơng ty hiện tại (X8) khơng có ý nghĩa thống kê do đó tác giả đã loại các yếu tố này để phân tích đánh giá mơ hình 3.
Kết quả nghiên cứu cho thấy, mơ hình 3, các biến độc lập có ý nghĩa thống kê, có thể phản ánh được khả năng trả nợ của khách hàng và phù hợp với tình hình thực tế hiện nay. Cụ thể:
Đối với những khách hàng có thời hạn vay ngắn thì xác suất trả nợ của khách hàng đó sẽ cao hơn do những số tiền phải trả hàng tháng của khách hàng này sẽ cao hơn những khách hàng có thời hạn vay dài. Khi thu nhập không ổn định, bị giảm sút do tác động của dịch bệnh Covid-19 thì việc phải trả một khoản tiền lớn hàng tháng trong khi các chi phí sinh hoạt cơ bản không thay đổi sẽ dẫn đến khả năng trả nợ của khách hàng sẽ tiềm ẩn nhiều rủi ro. Đồng thời, theo chủ trương chung của cơ quan quản lý nhà nước về lĩnh vực tín dụng thì các tổ chức tín dụng cần có các giải pháp giãn nợ, miễn giảm lãi cho khách hàng sẽ dẫn đến thời hạn vay cũng sẽ được thay đổi tùy vào tình hình của mỡi tổ chức tín dụng. Do đó, nghiên cứu đề xuất đưa yếu tố này vào để đánh giá xem khả năng ảnh hưởng thời hạn vay đến khả năng trả nợ của khách hàng như thế nào. Kết quả nghiên cứu cho thấy giả thiết đưa ra là phù hợp, yếu tố thời hạn vay có ý nghĩa thống kê, có khả năng dự đốn khả năng trả nợ của khách hàng.
Thứ hai, đối với yếu tố “Loại sản phẩm vay” thì theo quan điểm của tác giả thì những khách hàng vay tín dụng để mua các sản phảm tiêu dùng cụ thể trước hết xuất phát từ nhu cầu cá nhân, khách hàng có nhu cầu mua nhưng khơng đủ tài chính để mua trực tiếp nên cần phải vay thì những khách hàng này sẽ có ý thức trả nợ cao hơn những khách hàng vay tiền mặt.
Ví dụ: Trong thời gian học sinh phải học trực tuyến do dịch bệnh Covid-19, nhu cầu mua máy tính cho học sinh tăng cao tuy nhiên một số gia đình bị giảm thu nhập gặp khó khăn về kinh tế trong giai đoạn này dẫn đến phụ huynh khơng thể có đủ tài chính để mua các sản phẩm bằng tiền mặt vì vậy để có thể đáp ứng u cầu học thì các phụ huynh phải tìm và tiếp cận với các khoản vay tín dụng. Và việc có nhu cầu tín dụng trong trường hợp này xuất phát từ yêu cầu thực tế của khách hàng do đó theo quan điểm của tác giả các khách hàng này sẽ có xác suất trả nợ đúng hạn cao hơn. Qua kết quả nghiên cứu nêu trên cho thấy yếu tố này là phù hợp với giả thiết.
Thứ ba, đối với yếu tố nghề nghiệp theo nghiên cứu của Lê Thị Thanh Bình (2021) và số liệu của Tổng cục thống kê trong thời kỳ dịch Covid-19 diễn ra thì những khách hàng làm các công viện lao động phi chính thức ảnh hưởng nhiều nhất, những khách hàng có cơng việc ổn định, lâu dài (cơng việc văn phòng, công chức) sẽ ít bị ảnh hưởng hơn. Bên cạnh đó, tham khảo nhiều nghiên cứu tương tự thì yếu tố nghề nghiệp có ảnh hưởng đến khả năng trả nợ của khách hàng tín dụng vì vậy tác giả đưa yếu tố này vào để nghiên cứu, đánh giá khả năng ảnh hưởng của yếu tố này đến khả năng trả nợ của khách hàng. Kết quả nghiên cứu, yếu tố nghề nghiệp có ý nghĩa thống kê với việc đánh giá khả năng trả nợ của khách hàng. Những khách hàng có nghề nghiệp là cơng việc văn phòng thường có khả năng trả nợ tốt hơn.
Thứ tư, tác giả đề xuất đưa vào yếu tố nơi ở tại vùng Đông Nam Bộ do nghiên cứu tham khảo báo cáo đánh giá tình hình dịch bệnh Covid-19 đối với nền kinh tế của Tổng cục Thống kê thì trong Quý I/2022, tình hình thu nhập, tình trạng thiếu việc làm tại vùng Đơng Nam Bộ có xu hướng giảm, có nhiều tín hiệu khả quan hơn các vùng khác vì vậy tác giả muốn đưa vào để nghiên cứu, đánh giá mức độ ảnh hưởng của yếu tố này đến khả năng trả nợ của khách hàng. Tham khảo nhiều nghiên cứu trước đây thì yếu tố thu nhập của khách hàng tín dụng ln có ảnh hưởng đến khả năng trả nợ của khách hàng vì vậy khi thu nhập tại một vùng có biến động cũng sẽ có những tác động đến khả năng trả nợ của khách hàng; do đó nghiên cứu đã đưa biến nơi ở tài vùng Đông Nam Bộ để đánh giá xem mức độ ảnh hưởng của yếu tố này đến mơ hình tín dụng của FE Credit như thế nào. Kết quả nghiên cứu cho thấy yếu tố này có ý nghĩa thống kế và có tác động tỷ lệ thuận đến khả năng trả nợ của khách hàng tức là khách hàng có nơi ở tại các vùng này có khả năng trả nợ tốt hơn.
Mặt khác, với kết quả phân tích hồi quy có thể thấy các yếu tố của mơ hình chấm điểm tín dụng hiện tại của FE Credit được xây dựng trên cơ sở trước đây không phản ánh đúng với tình hình thực tế dẫn đến tỷ lệ nợ xấu tăng cao dẫn đến rủi ro, chi phí thu hồi nợ cao.
Tóm lại, qua các nội dung trên việc áp dụng xây mơ hình chấm điểm mới gồm các yếu tố của mơ hình 3 có thể giúp cho FE Credit xác suất dự báo trung khả năng
trả nợ của khách hàng tăng lên 6,1% so với mơ hình ban đầu qua đó giúp cơng ty giảm thiểu rủi ro trong hoạt động tín dụng. Bên cạnh đó, các yếu tố của mơ hình 3 được tác giả để xuất đưa vào mơ hình giúp giảm chi phí thu thập, kiểm định thông tin của khách hàng do các yếu tố mà nghiên cứu đề xuất nhân viên tín dụng có thể dễ dàng kiểm tra thơng tin từ giấy tờ cá nhân của khách hay cơ sở dữ liệu của công ty mà không phải chờ bên đối tác thứ 3 đồng thời khách hàng sẽ nhanh chóng nhận được mức XHTD của mình qua đó nâng cao mức độ hài lòng của khách hàng khi sử dụng dịch vụ của FE Credit.
Tóm tắt chương 4
Các nội dung cụ thể về kết quả nghiên cứu, đánh giá mối liên quan giữa các biến độc lập đến khả năng trả nợ của khách hàng đã được thể hiện ở Chương 4. Đồng thời, chương 4 đã đưa ra cơ sở để đề xuất đưa thêm một số biến độc lập vào mơ hình chấm điểm tín dụng hiện tại để thực hiện việc phân tích, đánh giá mức độ ảnh hưởng của biến độc lập đến khả năng trả nợ của khách hàng, đưa ra một số so sánh về độ chính xác, mức độ ý nghĩa của các biến giữa mơ hình hiện tại và mơ hình đề xuất thơng qua việc kiểm định mơ hình hồi quy. Từ kết quả phân tích, chương này đã đưa ra những yếu tố mới để đề xuất với FE Credit đưa vào mơ hình chấm điểm tín dụng cá nhân trong bối cảnh dịch bệnh Covid-19 hiện nay.