2.4. Mơ hình Binary Logistic trong phân tích các yếu tố tác động nợ xấu tạ
2.4.3. Kết quả nghiên cứu và nhận định các chỉ số ảnh hưởng đến nợ xấu
Kết quả phân tích từ mơ hình hồi quy sẽ cho biết khả năng tác động của các biến độc lập đến biến phụ thuộc là nợ xấu. Mức ý nghĩa được tác giả lựa chọn là 10%. Các biến có mức ý nghĩa nhỏ hơn 0.1 sẽ được chấp nhận. Ngược lại, các biến có mức ý nghĩa lớn hơn 0.1 sẽ bị bác bỏ. Cụ thể kết quả phân tích các yếu tố tác động nợ xấu tại Agribank Quận 5 sẽ được thể hiện chi tiết tại bảng 2.21 dưới đây:
Bảng 2.21. Kết quả phân tích các yếu tố tác động đến nợ xấu tại Agribank Quận 5
Ký hiệu biến Tên biến Hệ số
beta
Mức ý nghĩa Exp(B) Kết luận
X1 Lãi suất 2.154 0.006 8.622 Chấp nhận X2 Số tiền vay 0.107 0.086 1.113 Chấp nhận X3 Tỷ lệ vốn vay/TSĐB 0.104 0.005 1.110 Chấp nhận X4 Lợi nhuận -0.496 0.356 0.609 Bác bỏ X5 Năng lực tài chính -0.113 0.069 0.893 Chấp nhận X6 Kinh nghiệm -0.631 0.006 0.532 Chấp nhận X7 Trình độ học vấn -0.572 0.565 0.564 Bác bỏ X8 Sự ổn định thị trường -5.876 0.014 0.003 Chấp nhận Constant Hằng số -9.597 0.147 0.000
Từ bảng 2.21, phân tích các yếu tố tác động nợ xấu tại Agribank Quận 5, ta có kết quả như sau:
- Lãi suất vay vốn: Lãi suất vay vốn có mối quan hệ cùng chiều với nợ xấu.
Khi lãi suất vay càng cao, các doanh nghiệp phải bỏ ra chi phí để trả lãi vay lớn hơn, chính áp lực trả lãi ngân hàng cao rất dễ dẫn đến xảy ra khả năng nợ xấu. Từ kết quả xử lý tại bảng 2.21 cho thấy, khi lãi suất của ngân hàng tăng lên 1%, với các yếu tố khác khơng đổi, thì Loge (hay Ln) của tỷ lệ xác suất xảy ra nợ xấu so với xác suất không xảy ra nợ xấu tăng thêm 2.154; khả năng xảy ra nợ xấu so với khả năng không xảy ra nợ xấu tăng gấp 8.622 lần, với mức ý nghĩa thống kê ở mức là 0.006
- Số tiền vay vốn của khách hàng (X2): theo kết quả phân tích thì số tiền
vay vốn của doanh nghiệp và biến phụ thuộc nợ xấu có mối tương quan cùng chiều, nghĩa là số tiền vay của khách hàng càng cao thì khả năng xảy ra nợ xấu của doanh nghiệp càng lớn. Số liệu từ bảng 2.21 cho thấy: khi số tiền vay vốn của doanh nghiệp tăng lên 1 triệu đồng và các yếu tố khác khơng đổi thì Loge (hay Ln) của tỷ lệ xác suất xảy ra nợ xấu so với xác suất không xảy ra nợ xấu tăng thêm 0.107. Bên cạnh đó, khả năng xảy ra nợ xấu so với khả năng không xảy ra nợ xấu tăng 1.113 lần, với mức ý nghĩa thống kê ở mức là 0.086
- Tỷ lệ vốn vay trên giá trị TSĐB (X3): Giá trị TSĐB là một yếu tố thể hiện
trách nhiệm và thiện chí trả nợ của doanh nghiệp với ngân hàng. Tỷ lệ vốn vay trên giá trị TSĐB càng thấp thì trách nhiệm và thiện chí trả nợ của doanh nghiệp càng cao. Số liệu từ bảng 2.21 cho thấy, mối tương quan này phản ánh đúng như kỳ vọng ban đầu của tác giả. Nếu tỷ lệ vốn vay trên giá trị TSĐB tăng lên 1% với điều kiện các yếu tố cịn lại khơng đổi thì Loge (hay Ln) của tỷ lệ xác suất xảy ra nợ xấu so với xác suất không xảy ra nợ xấu tăng lên 0,104; khả năng xảy ra nợ xấu so với khả năng không xảy ra nợ xấu tăng gấp 1,110 lần. Mối quan hệ này có ý nghĩa thống kê ở mức ý nghĩa là 0.005
- Lợi nhuận của khách hàng (X4): theo kết quả tại bảng 2.21, Mối tương quan giữa lợi nhuận hàng năm của khách hàng và nợ xấu là ngược chiều. Khi khách hàng vay vốn có lợi nhuận càng cao thì họ tự chủ hơn về mặt tài chính nên khả năng
trả nợ cũng tốt hơn, khả năng xảy ra nợ xấu ít hơn. Mặc dù vậy, mức ý nghĩa của mối quan hệ này lên đến 0.356 lớn hơn nhiều so với mức ý nghĩa 0.1. Vì vậy, số liệu này chỉ có ý nghĩa về mặt kinh tế chứ chưa có ý nghĩa về mặt thống kê số liệu.
- Năng lực tài chính của doanh nghiệp: Từ kết quả phân tích hồi quy tại bảng 2.21 cho thấy, năng lực tài chính của doanh nghiệp tham gia vào dự án có tương quan ngược chiều với nợ xấu. Nếu khách hàng vay vốn có năng lực tài chính càng mạnh, khả năng vốn tự có tham gia vào dự án/phương án sản xuất kinh doanh càng cao thì thiện chí hợp tác với ngân hàng là lớn và khả năng xảy ra nợ xấu càng thấp. Kết quả này đúng như kỳ vọng của tác giả và mối tương quan này có ý nghĩa thống kê ở mức 10%. Khi năng lực tài chính của doanh nghiệp tăng 1% thì khả năng xảy ra nợ xấu sẽ giảm 0.893 lần.
- Kinh nghiệm của người quản lý doanh nghiệp: Qua kết quả phân tích tại bảng 2.21 cho thấy, kinh nghiệm của người quản lý doanh nghiệp và nợ xấu có mối tương quan nghịch chiều. Doanh nghiệp có người quản lý nhiều năm kinh nghiệm trong lĩnh vực hoạt động kinh doanh sẽ có khả năng thành cơng cao hơn doanh nghiệp có nhà quản lý mới khởi nghiệp. Khi người quản lý doanh nghiệp tăng thêm 1 năm kinh nghiệm thì khả năng xảy ra nợ xấu sẽ giảm xuống 0.532 lần.
- Trình độ học vấn của người quản lý doanh nghiệp: Số liệu từ bảng 2.21 cho thấy, Trình độ học vấn và nợ xấu có mối tương quan ngược chiều, nghĩa là với khách hàng vay có trình độ học vấn càng cao thì khả năng xảy ra nợ xấu càng thấp. Mặc dù vậy, mức ý nghĩa của mối quan hệ này lên đến 0.565 quá lớn so với mức ý nghĩa 0.1. Vì vậy, số liệu này chỉ có ý nghĩa về mặt kinh tế chứ chưa có ý nghĩa về mặt thống kê số liệu.
- Sự ổn định của thị trường: Kết quả phân tích hồi quy Binary Logistic phản ánh đúng kỳ vọng mối tương quan nghịch chiều giữa sự ổn định của thị trường và nợ xấu. Khi môi trường kinh doanh thuận lợi khả năng nợ xấu sẽ ít xảy ra. Ngược lại, khi môi trường kinh doanh biến động doanh nghiệp sẽ gặp nhiều khó khăn trong kinh doanh dẫn đến khả năng trả nợ kém. Số liệu tại bảng 2.21 cho thấy, khi thị trường ổn định so với thị trường khơng ổn định thì khả năng xảy ra nợ xấu so với
khả năng không xảy ra nợ xấu sẽ giảm đi 0,003 lần, mức ý nghĩa 0.014
Tóm lại, từ kết quả phân tích hồi quy Binary Logistic, với mức ý nghĩa thống kê 10%, trong tổng số 8 biến được xem xét có tác động đến nợ xấu có 6 biến có mối quan hệ là: lãi suất vay vốn (X1), số tiền vay vốn (X2) và tỷ lệ vốn vay trên giá trị TSĐB (X3) có mối quan hệ cùng chiều nợ xấu. Bên cạnh đó, năng lực tài chính của doanh nghiệp (X5), kinh nghiệm của người quản lý doanh nghiệp (X6) và sự ổn định của thị trường (X6) có mối quan hệ ngược chiều với nợ xấu. Phương trình hồi quy Binary Logistic chi tiết như sau:
Loge [ P (Y = 1)
P (Y = 0) ] = -9.597 + 2.154X1 + 0.107X2 + 0.104 X3 – 0.113 X5 –
Tóm tắt chương 2
Trong chương 2, tác giả đã giới thiệu về Agribank Quận 5 và phân tích thực trạng nợ xấu, giải pháp hạn chế và xử lý nợ xấu tại Agribank Quận 5 giai đoạn 2013 – 2017
Để phân tích và đánh giá thực trạng nợ xấu, các nhân tố ảnh hưởng đến nợ xấu, tác giả sử dụng phương pháp thống kê qua từng năm kết hợp phương pháp kiểm định bằng mơ hình hồi quy Binary Logistic từ bộ dữ liệu thống kê 192 khách hàng doanh nghiệp vay vốn tại Chi nhánh. Từ đó, luận văn phản ánh được góc nhìn tổng thể, khách quan về thực trạng nợ xấu tại Agribank Quận 5.
Từ kết quả phân tích và đánh giá tại chương 2, kết hợp với cơ sơ lý luận tại chương 1 là tiền đề cho việc đưa ra các giải pháp nhằm hạn chế nợ xấu tại chương 3
CHƯƠNG 3. GIẢI PHÁP HẠN CHẾ VÀ XỬ LÝ NỢ XẤU TẠI AGRIBANK QUẬN 5