Mơ hình Ưu điểm Nhược điểm
Mơ hình chấm điểm
- Việc phân tích dựa trên cơng nghệ giản đơn, hệ thống lưu trữ thông tin ổn định, sử dụng hồ sơ sẵn có, sử dụng các yếu tố khơng mang tính lượng hố.
- Tận dụng được kinh nghiệm và kiến thức chuyên sâu của các
- Phụ thuộc vào mức độ chính xác của nguồn thông tin thu thập, khả năng dự báo cũng như trình độ phân tích, đánh giá của CBTD. Bên cạnh đó các chỉ tiêu phi tài chính chủ yếu dựa vào đánh giá theo ý chủ quan của CBTD.
CBTD, các chuyên gia tài chính để - Đối với các khoản vay riêng lẻ, phân tích các chỉ tiêu tài chính. mang tính đặc thù, chịu ảnh hưởng - Vì đây là mơ hình đơn giản, nên các yếu tố vùng miền, phong tục, ngân hàng chỉ cần có tiềm lực tài tập quán thì việc dựa trên các yếu chính trung bình với một đội ngũ tố định lượng không đưa ra được cán bộ tín dụng tương đối tốt cùng quyết định chính xác mà phải dựa với một hệ thống thông tin quản lý trên ý kiến và kinh nghiệm của cán cập nhật là có thể thực hiện được. bộ tín dụng.
- Các NHTM sử dụng mơ hình này tốn nhiều thời gian để đánh giá và địi hỏi cán bộ tín dụng phải có tính chun nghiệp, có thâm niên, kỹ năng.
- Mơ hình này rất khó khăn đo lường vai trò của các yếu tố tác động đến xếp hạng tín dụng của khách hàng và vì vậy khơng có tác dụng tư vấn đối với khách hàng cũng như đối với việc thẩm định hồ sơ khoản vay.
Mơ hình - Với mơ hình này, kỹ thuật đo - Tuy nhiên, mơ hình này phụ thuộc
điểm số lường rủi ro tín dụng tương đối đơn nhiều vào cách phân loại nhóm
của giản, chi phí thấp. khách hàng vay có rủi ro và khơng
Altman
- Mơ hình điểm số Z đã sử dụng có rủi ro. Mặt khác, mơ hình địi phương pháp phân tích khác biệt đa hỏi hệ thống thông tin đầy đủ cập nhân tố để lượng hoá xác suất vỡ nhật của tất cả các khách hàng. Yêu
nợ của người vay đã khắc phục được các nhược điểm của mơ hình định tính, có thể xác định vai trò của từng nhân tố trong việc tác động đến xác suất vỡ nợ, do vậy góp phần tích cực trong việc kiểm sốt rủi ro tín dụng tại các NHTM. - Mơ hình xếp hạng tín dụng cịn thể hiện: tính nhất quán, khách quan, không phụ thuộc vào ý kiến chủ quan của các cán bộ tín dụng.
cầu này là rất khó thực hiện trong điều kiện nền kinh tế thị trường khơng đầy đủ.
Mơ hình logistic
Mặc dù có nhiều ưu điểm giống với mơ hình Altman, song mơ hình logistic có một ưu thế nổi bật hơn, đó là mơ hình logistic có thể đo lường vai trò của các yếu tố tác động đến hạng tín dụng của khách hàng. Ngoài ra, trong khi mơ hình Altman lại cứng nhắc trong việc xem xét các yếu tố tác động tới biến phụ thuộc và các hệ số, mơ hình logistic có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến nhằm xác định cụ thể tác động của các yếu tố tới rủi ro tín dụng. Các biến độc lập có thể có trong mơ hình logistic nhiều và đa dạng hơn, có
Mơ hình logistic cũng có nhược điểm giống với mơ hình Altman. Mơ hình logistic vẫn phụ thuộc vào mức độ chính xác của nguồn thơng tin thu nhập và khả năng dự báo cũng như trình độ phân tích của người thực hiện chấm điểm. Ngồi ra, mơ hình logistic bản chất là mơ hình kinh tế lượng, vì vậy khi hệ số xác định ở mức nhỏ thì mơ hình có thể dự báo kém chính xác.
thể thêm bớt hoặc thay thế nhiều chỉ tiêu cả chỉ tiêu tài chính lẫn phi tài chính. Do vậy mơ hình logistic có thể đưa ra kết quả chính xác hơn, cũng như tiềm năng thay đổi và phát triển mơ hình để phù hợp với thực trạng của từng ngành nghề, nền kinh tế tốt hơn.
Mơ hình logistic này có kỹ thuật đo lường rủi ro tín dụng khá đơn giản, dễ thực hiện bằng phần mềm chuyên dụng (như Eviews).
Mơ hình logistic có thể là cơ sở để ngân hàng phân loại khách hàng và nhận riện rủi ro. Thông qua kết quả từ mơ hình có thể ước lượng được xác suất không trả được nợ của khách hàng, từ đó ngân hàng có thể xác định được doanh nghiệp nào đang nằm trong vùng an toàn, doanh nghiệp nào nằm trong vùng cảnh báo và giúp ngân hàng chủ động trong việc đưa ra những biện pháp hạn chế rủi ro.
Trên đây là những mơ hình xếp hạng tín dụng khách hàng doanh nghiệp đã và đang được các NHTM áp dụng. Tùy vào từng đặc thù, mỗi ngân hàng tự lựa chọn và
20
xây dựng cho mình một hệ thống xếp hạng tín dụng khách hàng phù hợp. Tuy nhiên, dù lựa chọn mơ hình nào, mỗi NHTM cần xây dựng cho mình một hệ thống thơng tin về khách hàng đáp ứng yêu cầu: khoa học, đầy đủ, cập nhật, chính xác và được lấy từ nhiều ngồn thơng tin khác nhau (bao gồm cả những nguồn chính thống và nguồn khơng chính thống). Bên cạnh đó, việc nâng cao chất lượng phân tích và xử lý thơng tin trên cơ sở một phần mềm đủ mạnh với hệ thống các tiêu chí đầy đủ, khách quan và khoa học cả về định tính lẫn định lượng, cả về góc độ tài chính lẫn phi tài chính cũng rất quan trọng. Có như vậy, cơng tác xếp hạng tín dụng khách hàng mới có thể trở thành công cụ hỗ trợ đắc lực cho các nhà quản trị ngân hàng để có những quyết định đúng đắn trước khi cấp tín dụng. Khi đó, chất lượng các khoản cho vay của ngân hàng mới an toàn hơn và nợ xấu, nợ quá hạn mới được hạn chế và đẩy lùi, hệ thống NHTM mới phát triển bền vững.
1.3.Tổng quan nghiên cứu về xếp hạng tín dụng doanh nghiệp:
1.3.1 Một số nghiên cứu về xếp hạng tín dụng doanh nghiệp ứng dụng mơ hình logistic trên thế giới.
Bảng 1.3: Một số nghiên cứu về XHTD ứng dụng mơ hình logictic trên thế giới
STT Nghiên cứu Kết quả nghiên cứu
01
“Corporate Bankruptcy Prediction Using a Logit Model: Evidence from Listed Companies of Iran” – Akbar Pourreza Soltan Ahmadi et al., (2012)
Trong nghiên cứu này sử dụng mơ hình Logistic để dự đốn sự phá sản của các công ty. Nghiên cứu đã chọn một mẫu gồm 49 công ty bị phá sản và 49 công ty không bị phá sản trong những năm 2005 đến 2007. Mơ hình sử dụng 19 tỷ lệ tài chính. Dựa trên kết quả nghiên cứu, mơ hình Logistic với các biến số tỷ lệ lợi nhuận ròng trên tổng tài sản, tỷ lệ lợi nhuận giữ lại trên tổng tài sản và tỷ lệ nợ có nhiều khả năng để dự đốn cơng ty
21
phá sản ở Iran.
02
“Scoring functions and bankruptcy prediction models – case study for Romanian companies” – Cimpoeru Smaranda, (2014)
Mục đích của nghiên cứu là để thử nghiệm các mơ hình dự đốn hiệu suất phá sản trong bối cảnh khủng hoảng tài chính. Nghiên cứu đề cập đến mơ hình cổ điển như Altman hoặc Taffler và phương pháp hồi quy logistic. Nghiên cứu áp dụng các mơ hình vào một mẫu dữ liệu của SME thu thập từ một nền kinh tế mới nổi Trung-Đông Âu như Romania vào cuối năm 2009. Nghiên cứu kết luận rằng mơ hình hồi quy logistic là thích hợp nhất cho các mẫu dữ liệu.
03
“Calculating the best cut off point using logistic regression and
neural network on credit scoring problem - A case study of a commercial bank”
– Mehrnaz Heidari Soureshjani and
Ali
Trong nghiên cứu này cho thấy hồi quy logistic như một mơ hình thống kê có thể ước lượng một mơ hình kinh tế lượng tốt có thể tính tốn xác suất vỡ nợ, và mạng nơ ron thần kinh cũng có một hiệu suất rất cao có thể được sử dụng trong các vấn đề chấm điểm tín dụng.
Nguồn: Tổng hợp nghiên cứu về xếp hạng tín nhiệm ứng dụng mơ hình logictic trên thế giới
1.3.2 Mơ hình nghiên cứu của Mehrnaz Heidari Soureshjani and Ali Mohammad Kimiagari (2012)
Loại Tên Cơng thức Tên biến
Chỉ tiêu thanh tốn
Tỷ số thanh toán ngắn hạn Tài sản ngắn hạn/Nợ ngắn hạn X1 Tỷ số thanh toán nhanh Tài sản ngắn hạn – (hàng tồn
kho + các khoản trả trước)/Nợ ngắn hạn
X2
Chỉ tiêu đòn bẩy
Tỷ lệ nợ Tổng nợ/tổng tài sản X3
Tỷ lệ nợ/vốn chủ sở hữu Nợ dài hạn + giá trị thuê tài chính/vốn chủ sở hữu bình qn
X4
Chỉ tiêu hoạt động
Vịng quay tổng tài sản Doanh thu thuần/tổng tài sản X5 Vòng quay khoản phải thu Doanh thu thuần/khoản phải
thu bình qn
X6 Vịng quay hàng tồn kho Giá vốn hàng bán/hàng tồn
kho bình quân
X7
Chỉ tiêu lợi nhuận
Lợi nhuận trên tài sản Thu nhập ròng/tổng tài sản X8 Lợi nhuận trên vốn chủ sở
hữu
Thu nhập ròng/ vốn chủ sở hữu bình quân
X9
Tỷ suất lợi nhuận Lợi nhuận ròng/doanh thu
thuần
X10 Nguồn: (Mehrnaz Heidari Soureshjani and Ali Mohammad Kimiagari, 2012) Kết quả nghiên cứu cho thấy ba biến số chính ảnh hưởng đến biến khả năng phá sản là tỷ số thanh toán ngắn hạn, tỷ lệ nợ và thu nhập trên tổng tài sản với mức ý nghĩa gần như bằng 0 < 0,05.
1.3.3 Mơ hình nghiên cứu của Akbar Pourreza Soltan Ahmadi và cộng sự (2012)
R1 Nợ trên vốn chủ sở hữu R2 Lợi nhuận trên tổng tài sản R3 Lợi nhuận trên vốn chủ sở hữu R4 Vòng quay khoản phải thu R5 Doanh thu trên Tổng tài sản R6 Doanh thu trên vốn chủ sở hữu R7 Nợ trên tổng tài sản
R8 Giá trị cổ phần trên tổng tài sản
Biến nghiên cứu
Tỷ lệ tăng trưởng doanh thu Tỷ lệ vốn lưu động
Tỷ lệ lợi nhuận thuần trên vốn chủ sở hữu Tốc độ tăng trưởng doanh số bán hàng Dòng tiền trên tổng tài sản
Tỷ lệ doanh số bán hàng trên tổng tài sản Tỷ lệ dòng tiền trên nợ vay
Tỷ lệ vốn lưu động trên tổng nợ Tỷ lệ vốn chủ sở hữu trên tổng nợ
Tỷ lệ nợ trên dòng tiền từ hoạt động kinh doanh
Tỷ lệ thanh toán hiện hành
Tỷ lệ lợi nhuận ròng trên tổng tài sản Thời gian thu lãi
Tốc độ tăng trưởng lợi nhuận Lợi nhuận giữ lại trên tổng tài sản Tỷ lệ nợ
Dòng tiền và tỷ suất lợi nhuận ròng
Tỷ lệ thu nhập hoạt động trên tổng tài sản Vốn chủ sở hữu trên tổng tài sản
Nguồn: (Akbar Pourreza Soltan Ahmadi và cộng sự, 2012)
Kết quả nghiên cứu cho thấy các biến ảnh hưởng đến khả năng phá sản là ba biến: tỷ lệ nợ, tỷ lệ lợi nhuận giữ lại trên tổng tài sản và tỷ lệ lợi nhuận rịng trên tổng tài sản. 1.3.4Mơ hình nghiên cứu của Cimpoeru Smaranda (2014)
R9 Vốn lưu động / Tổng tài sản R10 Lợi nhuận giữ lại / Tổng tài sản
R11 Lợi nhuận trước thuế và lãi vay / Tổng tài sản R12 Vốn chủ sở hữu / Tổng nợ phải trả
R13 Nợ ngắn hạn / Tài sản ngắn hạn R14 Lợi nhuận / Doanh thu
Nguồn: (Cimpoeru Smaranda, 2014)
Kết quả nghiên cứu cho thấy các biến ảnh hưởng đến khả năng phá sản là ba biến: R1 (Nợ trên vốn chủ sở hữu), R3 (Lợi nhuận trên vốn chủ sở hữu), R5 (Doanh thu trên Tổng tài sản), R7 (Nợ trên tổng tài sản).
1.4.Kinh nghiệm xếp hạng tín dụng của một số tổ chức
1.4.1 Hệ thống xếp hạng tín dụng của Moody’s Investors Service (Moody’s) và Standard & Poor’s (S&P).