PHẦN 2 : NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
2.5 Dự báo về mức dư nợ có khả năng mất vốn trong thời gian tới tại ngân hàng
2.5.2 Phương pháp sử dụng số liệu quá khứ với giả định dãy số liệu tuân theo phân
phân phối chuẩn.
Thống kê mô tả được dùng để mô tả đặc tính cơ bản của dữ liệu nợ có khả năng mất vốn bằng cách sử dụng công cụ Decriptive Statistics trong Data Analysis trên Excel.
Bảng 2.11: Các giá trị thống kê của mô phỏng dữ liệu theo phân phối chuẩn Đơn vị tính: Tỷ đồng NỢ CĨ KHẢ NĂNG MẤT VỐN Mean 1061.736842 Standard Error 99.21943435 Median 1048 Standard Deviation 432.4874876 Sample Variance 187045.4269 Kurtosis -0.579560758 Skewness 0.016108937 Range 1512 Minimum 345 Maximum 1857 Sum 20173 Count 19 Largest(1) 1857 Smallest(1) 345 Confidence Level (95.0%) 208.4522964 Confidence Level (99.0%) 285.5972355
(Nguồn: Tác giả tính tốn bằng exel)
Dựa vào bảng 2.11 ta xác định được giá trị kỳ vọng μ = 1.061,74 tỷ đồng và độ lệch chuẩn σ = 432,49
Trên cơ sở giá trị kỳ vọng μ và độ lệch chuẩn σ ta tiến hành tính Value at Risk, với mức tin cậy là 95% mức lỗ tối đa mà VPBank phải chịu là:
1.061,74 + 1,65*432,49 = 1.775,35 tỷ đồng cịn với mức tin cậy là 99% thì mức lỗ tối đa là 1.061,74 + 2,33*432,49 = 2.069,44 tỷ đồng.
Bảng tổng hợp kết quả tính VaR
Bảng 2.12. Kết quả tính VaR theo các phương pháp
Đơn vị tính: Tỷ đồng Phương pháp lịch sử Phương pháp sử dụng số liệu quá khứ
với giả định dãy số liệu phân theo phân
phối chuẩn
So sánh với số liệu nợ xấu thực tế năm 2019 (3 quý) Phương pháp lịch sử Phương pháp số liệu quá khứ VaR 95% 1875 1,775.35 88,32% 83,62% VaR 99% > 1.875 2,069.44 >88,32% 97,48%
(Nguồn: Tác giả tính tốn bằng exel)
Cho thấy kết quả tính tốn nợ xấu theo dự báo VaR theo các phương pháp khá tương thích với số liệu nợ xấu phát sinh thực tế trong năm 2019. Số liệu đự báo đạt trên 83,62% từ đó, giúp Ngân hàng vận dụng để trích lập dự phịng phù hợp trong tương lai để ngăn ngừa rủi ro từ nợ xấu. Tuy nhiên số liệu thực tế vì tác giả mới thu thập được số liệu nợ xấu (nợ có khả năng mất vốn) trong vịng 3 q phát sinh thực tế nên vẫn có sự chênh lệch.
Phân tích mơ tả nợ xấu thông qua công cụ VaR sẽ giúp Ngân hàng đánh giá lại nợ xấu xảy ra trong quá khứ. Dự báo mức lỗ tối đa bằng những số liệu nợ xấu được lưu trữ tối thiểu là 5 năm quá khứ kết hợp phân tích thích hợp. Kết quả dự báo hỗ trợ rất nhiều trong cơng tác đưa ra chiến lược, trích lập dự phịng cho VPBank trong tương lai, rà soát các khoản nợ xấu gặp phải trong quá khứ. Từ đó đưa ra các nguyên nhân và giải pháp giảm thiểu nợ xấu. Đặc biệt trong 3 năm trở lại đây tình trạng nợ xấu tăng cả số lượng và tỷ lệ, cụ thể lượng nợ nhóm 3,4,5 (nợ dưới tiêu chuẩn, nợ nghi ngờ, nợ có khả năng mất vốn) tăng nhanh đột biến trong 2 năm trở lại đây. Vượt quá quy định của NHNN, trở thành một trong những Ngân hàng có tỷ
Tuy nhiên phương pháp này có lại có nhược điểm là cách tiếp cận thụ động, yêu cầu số liệu quá khứ tối thiểu là 5 năm. Khi phân tích phương pháp này chỉ ra cho những gì đã xảy ra chứ khơng thể kiểm soát chúng.
Dự báo trích lập dự phịng trong tương lai
Bảng 2.13. Dự báo mức trích dự phịng cần thiết cho VPBank trong tương lai
Đơn vị tính: Tỷ đồng
CHỈ TIÊU Năm 2018 Năm 2019 Năm 2020 Năm 2021
Giá trị Giá trị Giá trị Giá trị
Dự phòng chung 1.525 1.861 2.270 2.769 Dự phòng cụ thể 2.042 2.491 3.039 3.708
Tổng dự phòng 3.567 4.352 5.309 6.477
(Nguồn: Tác giả tính tốn bằng exel)
Hiện nay VPBank là một trong nhóm Ngân hàng thương mại có số nợ xấu cao nhất. Số nợ xấu này chủ yếu tập trung ở nhóm 3 (nợ dưới tiêu chuẩn). Tác giả dựa vào kết quả dự báo nợ xấu và đưa dự báo mức trích lập dự phịng cần thiết tại VPBank trong 3 năm tiếp theo trong điều kiện cho vay hằng năm tăng, mức dự phịng tăng tương ứng 22%/năm. Khoản trích lập dự phịng này đáp ứng được tỷ lệ nợ xấu đang tăng cao để giảm thiểu những rủi ro tiềm ẩn cho Ngân hàng trước tình hình nợ xấu ngày càng báo động tại VPBank.
CHƯƠNG 3: GIẢI PHÁP NÂNG CAO CÔNG TÁC QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM THỊNH
VƯỢNG ĐÁP ỨNG THEO YÊU CẦU CỦA BASEL II