STT Chỉ tiêu đo lường Thang đo Giả thiết
về dấu Kí hiệu
1 Độ tuổi Tuổi - Tuoi
2 Giới tính = 1 nếu giới tính là Nam
= 0 nếu giới tính là nữ +/- Gtinh
3 Bảo hiểm nhân thọ
= 1 nếu có bảo hiểm nhân thọ
= 0 nếu khơng có bảo hiểm nhân thọ +/- Bhiem 4 Trình độ học vấn = 1 nếu có trình độ ĐH và trên ĐH = 0 nếu trình độ dưới ĐH + Hv 5 Tình trạng chỗ ở Sở hữu nhà riêng = 1: Có = 0: Khơng + Nha Th nhà = 1: Có = 0: Khơng - Thue 6 Số người trực tiếp phụ thuộc
về kinh tế Số người - Pthuoc
7 Cơ cấu gia đình
= 1 nếu là gia đình hạt nhân
= 0 nếu khơng phải gia đình hạt nhân
+/- Gdinh
8 Thời gian cư trú Tháng + Tgct 9 Thời gian làm công việc
10
Tính chất cơng việc hiện tại Quản lý, điều hành = 1: Có; = 0: Khơng + Ql Cán bộ VP, chuyên viên = 1: Có; = 0: Khơng + Cb Lao động được đào tạo nghề = 1: Có; = 0: Khơng - Ld 11 Rủi ro nghề nghiệp Thấp = 1: Có; = 0: Khơng + RRthap Cao = 1: Có; = 0: Khơng - RRcao 12 Mức thu nhập rịng ổn định hàng tháng Triệu đồng + Tnhap 13 Tiết kiệm hàng tháng Triệu đồng + Tkiem
14 Tình hình trả nợ gốc và lãi với AGRIBANK
= 1 nếu luôn trả nợ đúng hạn
= 0 nếu ngược lại
+ No
15 Số dịch vụ khác đang sử
dụng tại Agribank Số dịch vụ + Dvu 16 Tổng giá trị tài sản đảm bảo Triệu đồng + Tsan 17 Hình thức sở hữu tài sản bảo đảm Thuộc sở hữu hợp pháp của người vay
= 1 nếu thuộc sở hữu hợp pháp của người vay = 0 nếu ngược lại
+ Ts1
Đồng sở hữu của người vay và bên
= 1 nếu đồng sở hữu của người vay và bên thứ 3 = 0 nếu ngược lại
thứ 3 Thuộc sở hữu hợp pháp của người bảo lãnh
= 1 nếu thuộc sở hữu hợp pháp của người bảo lãnh
= 0 nếu ngược lại
- Ts3
Chưa hoàn thành thủ tục pháp lý
= 1 nếu chưa hoàn thành thủ tục pháp lý
= 0 nếu ngược lại
- Ts4
3.3.2. Mô tả thống kê.
Sử dụng bộ số liệu về thông tin của 130 khách hàng tại NHNNo&PTNT với các biến độc lập và biến phụ thuộc được chọn ở trên và phần mềm Stata10, ta có bảng thống kê mơ tả của các biến:
Bảng 3.3. Ma trận hệ số tương quan cặp giữa các biến trong mơ hình
Biến tnhap và tkiem có tương quan chặt với nhau: Hệ số tương quan của 2 biến = 0.9312. Như vậy, nếu đưa cả 2 biến này vào trong mơ hình, sẽ xảy ra hiện tượng đa cộng tuyến. Tuy nhiên, đa cộng tuyến có thể khơng ảnh hưởng đến khả năng dự báo của mơ hình, cịn có thể làm tăng khả năng dự báo. Để giải quyết hiện tượng đa cộng tuyến, có rất nhiều hướng giải quyết như: Loại bỏ các biến có tương quan chặt, tăng kích thước mẫu, hoặc vẫn giữ biến nhằm tăng khả năng dự báo của mơ hình
3.3.3. Ước lượng mơ hình và phân tích kết quả.
Ta tiến hành ước lượng 2 mơ hình:
Mơ hình 1: Ước lượng mơ hình Logistic với đầy đủ 24 biến. Sau đó, loại các
biến khơng có ý nghĩa thống kê (Prob > 0.1) ra khỏi mơ hình, và ước lượng mơ hình Logistic với các biến cịn lại.
Mơ hình 2: Loại biến tkiem ra khỏi mơ hình để khắc phục hiện tượng đa
Kết quả ước lượng 2 mơ hình trên như sau:
Bảng 3.5. Kết quả ước lượng mơ hình 1 sau khi đã loại đi các biến khơng có ý nghĩa thống kê.
Mơ hình 1 sau khi loại đi các biến khơng có ý nghĩa thống kê vẫn chịu sự tác động của hiện tượng đa cộng tuyến, tuy nhiên, tất cả các biến trong mơ hình đều có mức ý nghĩa cao (Prob < 0.1).
Theo kết quả hồi quy của mơ hình, thứ tự tác động mạnh giảm dần của các biến lên xác suất khách hàng trả nợ cho ngân hàng là: hv, ts1, dvu, tgct, tkiem, gdinh, gtinh, rrcao. Các biến có tác động thuận chiều, làm tăng khả
năng trả nợ của khách hàng gồm có: hv, dvu, ts1, tnhap. Các biến có tác động ngược chiều, làm giảm khả năng trả nợ của khách hàng là các biến còn lại: gdinh, tgct, ginh, rrcao, tkiem.
Biến tkiem có tác động ngược chiều có thể do mơ hình có hiện tượng đa cộng tuyến chưa được khắc phục
Bảng 3.6. Kết quả ước mơ hình 2 sau khi đã loại biến tkiem để khắc phục hiện tượng đa cộng tuyến.
Bảng 3.7. Kết quả ước lượng mơ hình 2 sau khi đã loại biến tkiem và các biến khơng có ý nghĩa thống kê.
Sau khi ước lượng mơ hình 2 đã loại biến tkiem, mơ hình khơng cịn hiện tượng đa cộng tuyến. Tiếp tục loại các biến khơng có ý nghĩa thống kê, ta được kết quả ước lượng ở Bảng 3.7.
Trong mơ hình có 2 biến tgct, thue có Prob > 0.1, tuy nhiên Prob của 2 biến này không lớn hơn mức ý nghĩa 10% nhiều nên vẫn chấp nhận được trong mơ hình để tăng mức dự báo.
Mặc dù biến tkiem đưa ra khỏi mơ hình để giải quyết vấn đề đa cộng tuyến, nhưng biến tnhap khi đó lại trở nên khơng có ý nghĩa thống kê.
Nhận xét tổng qt 2 mơ hình:
Kiểm định bằng Log likelihood Ratio cho thấy rằng mơ hình hồi quy là phù hợp với Prob = 0.000
Dựa vào giá trị Pseudo R2, ta có các mơ hình lần lượt giải thích được: mơ hình 1: 51.37%, mơ hình 2: 42.93% khả năng trả nợ của khách hàng. Như vậy, mơ hình 2 – là mơ hình đã giải quyết vấn đề đa cộng tuyến lại là mơ hình có R2 thấp hơn
Về kiểm định -2LL cho thấy, cả 2 mơ hình đều có chỉ số tương đối thấp, điều này chứng tỏ mức độ phù hợp của mơ hình so với tổng thể. Trong đó, mơ hình 2 có mức độ phù hợp thấp hơn
Bảng 3.8. Độ chính xác kết quả dự báo của mơ hình 1
Giải thích: Từ bảng trên, ta thấy: Trong 108 khách hàng được dự báo là có khả
năng trả nợ Ngân hàng thì có 101 trường hợp dự báo đúng, tỉ lệ dự báo đúng là 93.52%. Trong 22 người được dự báo là khơng có khả năng trả nợ, có 17 trường hợp đúng, tỉ lệ dự báo đúng là 70.83%. Nhìn chung, tỉ lệ dự báo đúng của Mơ hình 1 là 90.77%
Bảng 3.9. Độ chính xác kết quả dự báo của mơ hình 2.
Giải thích: Trong 107 trường hợp được dự báo là có khả năng trả nợ, có 100 trường
hợp dự báo đúng, tỉ lệ dự báo đúng là 93.46%. Trong 23 trường hợp được dự báo là có khả năng trả nợ, có 6 trường hợp dự báo đúng, tỉ lệ dự báo đúng là 70.83%. Như vậy, tỉ lệ dự báo chính xác của mơ hình 2 là 90.00%.
Độ chính xác kết quả dự báo của 2 mơ hình đều rất cao, xấp xỉ 90%. Tuy nhiên, mơ hình 1 có độ chính xác cao hơn, mơ hình 2 có độ chính xác thấp hơn.
Lựa chọn mơ hình:
Mơ hình 2 khơng có hiện tượng đa cộng tuyến do đã loại bỏ 2 biến tnhap và tkiem. Nhưng mức độ chính xác dự báo của mơ hình 2 lại thấp hơn mơ hình
1, các chỉ tiêu thống kê về mức độ phù hợp của mơ hình tổng thể, mức độ giải thích của mơ hình 1 cũng cao hơn mơ hình
Do đặc trưng của mơ hình XHTD là khả năng dự báo. Hơn nữa, các biến
tnhap và tkiem lại là 2 biến rất quan trọng, ảnh hưởng trực tiếp đến khả
năng trả nợ của khách hàng.
=> Vậy nên, ta vẫn lựa chọn mơ hình 1 để làm mơ hình XHTD. Hiện tượng đa cộng tuyến có thể được khắc phục khi tăng kích thước mẫu.
3.3.4. Một số đề xuất về việc sử dụng mơ hình.
Ta nhận thấy, khi bắt đầu đưa vào mơ hình, có 24 biến độc lập. Tuy nhiên, số biến này giảm đi rất nhiều vì khơng có ý nghĩa thống kê. Ngun nhân của việc này có thể do nguồn dữ liệu chưa đủ lớn, vì vậy, ta đề xuất việc sử dụng mơ hình như sau:
Tiếp tục cập nhật thơng tin của các khách hàng khi có thể để ước lượng lại mơ hình, tìm ra những biến vẫn có ý nghĩa.
Kết hợp mơ hình với phương pháp định tính truyền thống để đưa ra 1 bảng xếp hạng tin cậy.
Khi có khách hàng mới cần thẩm định hoặc xếp hạng khách hàng, đưa thơng tin vào mơ hình rồi tính xác suất và đối chiếu với bảng xếp hạng để đưa ra đánh giá.
KẾT LUẬN
Xếp hạng tín dụng từ lâu đã khơng cịn là một khái niệm mới mẻ trên thế giới cũng như ở Việt Nam. Tuy nhiên, XHTD ở Việt Nam vẫn cịn mang đậm tính định tính. Nền kinh tế Việt Nam hiện đang trên đà phát triển, trong đó phải kể đến sự đóng góp khơng nhỏ của hệ thống Ngân hàng. XHTD ra đời nhằm mục đích bảo đảm an tồn cho hoạt động của hệ thống Ngân hàng đó. Trong các khách hàng đến vay vốn tại Ngân hàng, khách hàng cá nhân là đối tượng hay thay đổi và rất khó quản lý. Do vậy, việc sử dụng hệ thống chấm điểm định tính như các Ngân hàng Việt Nam hiện nay, có thể khơng ngăn ngừa được các rủi ro tín dụng. Hồn thiện và nâng cao hệ thống xếp hạng tín dụng bằng phương pháp định lượng như mơ hình Logistic sẽ góp phần giảm thiểu những rủi ro khơng đáng có đó.
Tuy vậy, mơ hình Logistic cũng tồn tại những hạn chế. Mặc dù, mơ hình có thể ược lượng chính xác xác suất (khả năng) khách hàng trả nợ vốn vay cho Ngân hàng, nhưng lại địi hỏi nguồn dữ liệu lớn thì kết quả mới chính xác, trong khi, các thơng tin về khách hàng cá nhân lại rất kho thu thập và quản lý, nhất là trong điều kiện của Việt Nam hiện nay. Bên cạnh đó, mơ hình chỉ tính đến tác động của 1 số biến lên khả năng trả nợ của ngân hàng chứ khơng tính được tác động của các biến khác.
Nhận thức được những ưu điểm và tồn tại nêu trên, cùng với sự hướng dẫn tận tình của TS. Nguyễn Mạnh Thế, em chọn đề tài “Xây dựng mơ hình xếp hạng
và đánh giá rủi ro tín dụng cá nhân cho Ngân hàng Nông Nghiệp và Phát triển Nông thôn Việt Nam” làm chuyên đề tốt nghiệp. Tuy nhiên, do vấn đề nghiên cứu
khá phức tạp, kiến thức của bản thân cịn hạn hẹp, vì vậy, chun đề của em khơng thể tránh khỏi sai sót. Em hy vọng sẽ nhận được sự đóng góp của thầy, cơ giáo để có thể hồn thiện hơn đề tài nghiên cứu này.
TÀI LIỆU THAM KHẢO
1. Nguyễn Quang Dong – Kinh tế lượng – NXB Khoa học và kỹ thuật – 2006; 2. PGS. TS. Nguyễn Văn Tiến – Quản trị rủi ro trong kinh doanh Ngân hàng – NXB Thống Kê;
3. PGS. TS. Trần Huy Hoàng – Quản trị Ngân hàng – NXB Lao Động Xã Hội; 4. Quy định hướng dẫn sử dụng, vận hành chấm điểm, xếp hạng khách hàng trên hệ
thống xếp hạng tín dụng nội bộ Ngân hàng Nơng nghiệp và Phát triển Nơng thơn VN;
5. Vương Qn Hồng, Đào Gia Hưng, Nguyễn Văn Hữu, Trần Minh Ngọc và Lê Hồng Phương – Phương pháp thống kê xây dựng mơ hình định mức tín nhiệm khách
hàng thể nhân – 2006;
http://www.saga.vn/utilities/download/downloaddetail.aspx?id=6879
6. Ngân hàng Nhà nước – Quyết định 493/2005/QĐ-NHNN: Quy định vè phân loại
nợ, trích lập và sử dụng dự phịng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng – 2005;
7. Ngân hàng Nhà nước - Quyết định số 18/2007/QĐ-NHNN về việc sửa đổi, bổ
sung một số điều của Quy định về phân loại nợ, trích lập và sử dụng dự phịng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng ban hành theo Quyết định số 493/2005/QĐ-NHNN ngày 22 tháng 4 năm 2005 của Thống đốc Ngân hàng Nhà nước – 2007;
8. Tài liệu nội bộ về hoạt động kiểm tốn các tổ chức tín dụng của E&Y – 2006; 9. Dinh Thi Huyen Thanh và Stefanie Kleimeier – Credit Scoring for Vietnam’s
PHỤ LỤC
Phụ lục 1: Hệ thống các chỉ tiêu chấm điểm dành cho khách hàng cá nhân tại Ngân hàng Nông nghiệp và Phát triển Nơng thơn Việt Nam
ST
T Chỉ tiêu Mục đích của chỉ tiêu Cơng thức tính/ cách xác định
I. THƠNG TIN VỀ NHÂN THÂN
1.1 Tuổi
Đánh giá ảnh hưởng của độ tuổi đến người vay như rủi ro nhân mạng, bệnh tật, kinh nghiệm trong nghề,…
Tuổi của người đi vay được xác định thông qua:
- Chứng minh thư nhân dân; - Giấy khai sinh;
- Thông tin từ các hộ gia đình hoặc cơ quan chính quyền địa phương nơi người đi vay lưu trú/ tạm trú/ kinh doanh…
1.2 Trình độ học vấn
Đánh giá trình độ học vấn của người đi vay
Trình độ học vấn của người đi vay được đánh giá thông qua: - Bằng cấp của người đi vay; - Phỏng vấn người đi vay;
- Thông tin từ gia đình hoặc chính quyền địa phương nơi người đi vay lưu trú/tạm trú/kinh doanh…
1.3 Tiền án, tiền sự
Đánh giá mức độ rủi ro pháp lý của người đi vay
Lý lịch tư pháp được đánh giá dự trên lý lịch pháp lý trong quá khứ và hiện tại của người đi vay thông qua các nguồn thông tin như sau:
- Thơng tin từ các hộ gia đình hoặc chính quyền địa phương; - Phương tiện thơng tin đại chúng như báo chí, truyền hình, Intenet… 1.4 Số người phụ thuộc về kinh tế. Đánh giá về gánh nặng tài chính của người đi vay thông qua số người trực tiếp phụ thuộc về kinh tế 1 cách thường xuyên, liên tục vào người đi vay.
Số người trực tiếp phụ thuộc về mặt kinh tế vào người vay được tính thơng qua:
- Số nhân khẩu khơng có khả năng lao động trong hộ;
- Số lượng người trong gia đình mà người đi vay phải chu cấp hàng tháng bằng thu nhập của mình 1.5 Cơ cấu gia đình Đánh giá các nghĩa vụ tài chính có thể có của người đi vay thơng qua tìm hiểu về cơ cấu gia đình.
Cơ cấu gia đình của người vay có thể là:
Gia đình hạt nhân
Sống chung với gia đình hạt nhân khác
Được đánh giá dựa trên:
- Trao đổi với các thành viên trong gia đình của người đi vay - Thơng tin từ các hộ gia đình hoặc cơ quan chính quyền địa phương;
- Phương tiện thông tin đại chúng;
1.6 Tình trạng chỗ ở
Đánh giá mức độ ổn định cư trú của người đi vay
Tình trạng chỗ ở của người đi vay bao gồm các chỉ tiêu:
hiện tại
Ở nhà bố mẹ
Ở nhà thuê
Khác
Được xác định dựa trên thông tin như sau:
- Giấy chứng nhận quyền sử dụng đất và sở hữu nhà ở hoặc hợp đồng mua bán nhà ở (nếu người đi vay có nhà ở riêng) - Trao đổi, thu thập thông tin từ các thành viên trong gia đình; - Hợp đồng thuê nhà của người đi vay (nếu người đi vay ở nhà thuê);
- Thông tin từ gia đình hoặc cơ quan chính quyền địa phương; - Khảo sát thực tế nơi ở hiện tại của người đi vay
1.7 Tính chất cơng việc