ỨNG DỤNG MÔ HÌNH LOGISTIC TRONG XẾP HẠNG TÍN DỤNG DOANH NGHIỆP
3.2. Mô hình Logistic trong xếp hạng tín dụng doanh nghiệp tại Việt Nam
Các tiêu chuẩn thống kê yêu cầu số quan sát phải gấp 4-5 lần số biến đầu vào, chưa kể đến các quan sát dùng để kiểm định mô hình. Nhưng khi số biến quá nhiều so với số quan sát, các phần mềm thống kê không thể thực hiện được, dẫn đến việc không thể sử dụng mô hình Logistic. Vì thế chúng ta cần rút gọn tối thiểu số biến.
Số biến ban đầu chúng ta có bao gồm:
Biến phụ thuộc Y: Y là biến nhị phân được giải thích như sau:
•Y=1: không có nợ xấu
•Y=0: Có nợ xấu.
Trong đó Pi= P(Y=1/Xi) với Yi là biến ngẫu nhiên phân phối theo qui luật Becnoulli.
Chúng ta chọn các doanh nghiệp có nợ thuế trên 90 ngày là các doanh nghiệp có nợ xấu hay nợ quá han. Theo Luật quản lý Thuế số 78/2006/QH11, điều 106 quy định: “ trường hợp sau 30 ngày, kể từ ngày hết hạn nộp thuế, người nộp thuế chưa nộp tiền thuế và tiền phạt chậm nộp thì cơ quan quản lý thuế thông báo cho người nộp thuế biết số tiền thuế nợ và tiền phạt chậm nộp”
Biến độc lập:
Bảng 3.2: Bảng biến độc lập sử dụng trong mô hình
STT Tên biến Chỉ tiêu
1 X1 Quy mô
2 X2 Tài sản ngắn hạn/Tổng tài sản
3 X3 Nợ phải trả/Tổng nguồn vốn
4 X4 Nợ phải trả/Vốn chủ sở hữu
5 X5 Vốn chủ sở hữu/Tổng nguồn vốn
6 X6 Thanh toán hiện hành
7 X7 Thanh toán nhanh
8 X8 Thanh toán nợ ngắn hạn
9 X9 Vòng quay Tổng tài sản
10 X10 Vòng quay tài sản ngắn hạn
11 X11 Vòng quay vốn chủ sở hữu
12 X12 Lợi nhuận trước thuế/Doanh thu thuần 13 X13 Lợi nhuận trước thuế/Tổng tài sản (ROA 14 X14 Lợi nhuận sau thuế/Vốn chủ sở hữu (ROE) 3.3. Mô hình Logistic dự báo hạng mức tín dụng của 60 khách hàng doanh nghiệp của ngân hàng TMCP Phương Tây.
3.3.1. Xếp hạng tín dụng doanh nghiệp:
66
Bảng 3.3: Bảng xếp hạng rủi ro tín dụng theo khả năng trả nợ
pi Hạng tín dụng
0.9 1 AAA
0.8 0.9 AA
0.7 0.8 A
0.6 0.7 BBB
0.5 0.6 BB
0.4 0.5 B
0.3 0.4 CCC
0.2 0.3 CC
0.1 0.2 C
0.00.1 D
Với Yi là biến ngẫu nhiên phân phối theo qui luật Becnoulli.
•Y=1: Không có nợ xấu
•Y=0: Có nợ xấu
Trong đó: Pi = P(Y=1/Xi) 3.3.2. Kết quả ước lượng.
Số lượng 14 biến đầu vào là khá lớn nên ta phân tích nhân tố bằng phương pháp PCA, sử dụng phần mềm SPSS, rút gọn từ 14 biến xuống còn 4 biến. Ta có bảng bảo tồn phương sai của đám mây ban đầu trên siêu phẳng chiếu như sau.
Total Variance Explained Compon
ent Initial Eigenvalues Extraction Sums of
Squared Loadings Rotation Sums of Squared Loadings Total
% of Varianc
e
Cumulativ
e % Total
% of Varianc
e
Cumulat
ive % Total % of
Variance Cumulative % dime
nsio n0
1 3.861 32.172 32.172 3.861 32.172 32.172 2.894 24.119 24.119 2 3.147 26.223 58.396 3.147 26.223 58.396 2.887 24.061 48.180 3 1.583 13.194 71.589 1.583 13.194 71.589 2.729 22.742 70.922 4 1.126 9.383 80.972 1.126 9.383 80.972 1.206 10.051 80.972 5 .965 8.040 89.012
6 .534 4.447 93.459 7 .412 3.436 96.895 8 .141 1.172 98.067
9 .115 .961 99.028
10 .089 .746 99.774 11 .017 .139 99.913 12 .010 .087 100.000
Extraction Method: Principal Component Analysis.
68
Với số lượng 14 biến, ta dùng 4 thành phần chính sẽ thu được đám mây ảnh giải thích được khoảng 80,972% đặc tính của các số liệu ban đầu.
Khi đó, ta có ma trận các thành phần ( Các véc tơ riêng ) – tọa độ các biến:
Component Matrixa Component
1 2 3 4
x1 .250 -.228 -.491 .603
x2 .758 .497 -.350 -.102
x3 .529 .637 -.429 -.172
x4 -.474 .697 .095 .085
x5 .811 .273 -.428 .003
x6 .708 -.182 .459 -.014
x7 .766 -.035 .468 .226
c8 .102 .843 .360 .218
x9 .054 .902 .323 .096
x10 .698 -.373 .379 .236
x11 -.608 .429 .084 .106
x12 .321 -.020 .174 -.735
Extraction Method: Principal Component Analysis.
a. 4 components extracted.
Ta có bảng tọa độ các biến trên các trục chính sau phép quay như sau:
Rotated Component Matrixa Component
1 2 3 4
x1 .100 .249 -.297 -.748
x2 .208 .944 .135 .038
x3 -.059 .914 .235 .078
x4 -.449 -.063 .722 -.003
x5 .281 .906 -.071 -.104
x6 .830 .122 -.054 .192
x7 .899 .184 .127 -.011
c8 .124 .210 .915 .006
x9 .024 .245 .926 .108
x10 .885 .035 -.188 -.085
x11 -.482 -.270 .514 -.054
x12 .168 .218 -.167 .755
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
70
Bảng hệ số tổ hợp của các biến (các véc tơ nhân tố chính):
Component Score Coefficient Matrix Component
1 2 3 4
x1 .013 .104 -.075 -.613
x2 -.044 .343 -.014 .024
x3 -.143 .363 -.005 .065
x4 -.093 -.026 .251 -.034
x5 -.023 .334 -.075 -.085
x6 .315 -.071 .051 .119
x7 .368 -.076 .144 -.071
c8 .130 -.022 .373 -.072
x9 .077 .009 .353 .021
x10 .352 -.106 .032 -.110
x11 -.097 -.087 .185 -.062
x12 -.028 .091 -.130 .647
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Component Scores.
Tiếp đó, ta tiến hành hồi quy biến Y theo 4 chỉ tiêu ( F1, F2, F3, F4) mà ta đã tiến hành phân tích nhân tố ở trên.
Trong đó Y=0: rủi ro tín dụng thấp Y=1: rủi ro tín dụng cao
Dependent Variable: Y
Method: ML - Binary Logit (Quadratic hill climbing) Date: 05/12/12 Time: 23:06
Sample: 1 60
Included observations: 60
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 1.786484 0.460676 3.877961 0.0001
F1 -0.252144 0.302136 -0.834536 0.4040
F2 -0.020761 0.392830 -0.052851 0.9579
F3 -0.235397 0.356289 -0.660689 0.5088
F4 1.378598 0.672938 2.048624 0.0405
Mean dependent var 0.800000 S.D. dependent var 0.403376 S.E. of regression 0.392082 Akaike info criterion 1.049550 Sum squared resid 8.455068 Schwarz criterion 1.224078 Log likelihood -26.48649 Hannan-Quinn criter. 1.117817 Restr. log likelihood -30.02415 Avg. log likelihood -0.441441 LR statistic (4 df) 7.075320 McFadden R-squared 0.117827 Probability(LR stat) 0.131961
Obs with Dep=0 12 Total obs 60
Obs with Dep=1 48
Nhìn vào bảng hồi quy trên ta thấy các hệ số của biến F1, F3 không có ý nghĩa thống kê nên sau đây ta đi kiểm định ý nghĩa thống kê của các biến trên bằng kiểm định Wald Test với giả thiết:
Ho: C(1)=0, C(2)=0, C(4)=0.
H1: Có ít nhất một hệ số khác 0.
Wald Test:
Equation: Untitled Null
Hypothesis:
C(2)=0 C(3)=0 C(4)=0
F-statistic 0.362159 Probability 0.780557 Chi-square 1.086476 Probability 0.780340
72
Với mức ý nghĩa 10% ta chấp nhận giả thiết H0 nên bỏ biến F1 và F3 ra khỏi mô hình. Hồi quy biến R theo F2 và F4 ta được kết quả như sau:
Dependent Variable: Y
Method: ML - Binary Logit (Quadratic hill climbing) Date: 05/12/12 Time: 23:16
Sample: 1 60
Included observations: 60
Convergence achieved after 4 iterations
Covariance matrix computed using second derivatives Variable Coefficien
t
Std. Error z-Statistic Prob.
C 1.697847 0.424439 4.000214 0.0001
F4 1.203959 0.576434 2.088632 0.0367
Mean dependent var 0.800000 S.D. dependent var 0.403376 S.E. of regression 0.388738 Akaike info criterion 0.966516 Sum squared resid 8.764806 Schwarz criterion 1.036328 Log likelihood -26.99549 Hannan-Quinn criter. 0.993823 Restr. log likelihood -30.02415 Avg. log likelihood - 0.449925 LR statistic (1 df) 6.057320 McFadden R-squared 0.100874 Probability(LR stat) 0.013849
Obs with Dep=0 12 Total obs 60
Obs with Dep=1 48
Như vậy, kết quả hồi quy trên đã thỏa mãn nên ta tiến hành dự báo khả năng vỡ nợ (Giá trị của Pi càng thấp thì khả năng vỡ nợ càng cao) của 60 doanh nghiệp như sau:
Bảng 3.4: Bảng xác suất vỡ nợ của 60 doanh nghiệp
STT Pi STT Pi
DN1 0.899681 DN 31 0.612412
DN 2 0.681658 DN 32 0.660966
DN 3 0.893414 DN 33 0.655268
DN 4 0.913865 DN 34 0.92437
DN 5 0.650503 DN 35 0.574122
DN 6 0.67362 DN 36 0.662552
DN 7 0.90984 DN 37 0.904494
DN 8 0.622719 DN 38 0.596914
DN 9 0.916003 DN 39 0.622447
DN 10 0.932414 DN 40 0.880764
DN 11 0.934633 DN 41 0.894102
DN 12 0.707256 DN 42 0.699537
DN 13 0.840086 DN 43 0.616673
DN 14 0.91782 DN 44 0.631687
DN 15 0.686523 DN 45 0.904031
DN 16 0.917818 DN 46 0.999766
DN 17 0.926272 DN 47 0.727131
DN 18 0.657339 DN 48 0.995336
DN 19 0.93466 DN 49 0.937875
DN 20 0.950345 DN 50 0.981629
DN 21 0.937427 DN 51 0.929357
DN 22 0.914369 DN 52 0.964172
DN 23 0.712625 DN 53 0.768265
DN 24 0.924003 DN 54 0.748795
DN 25 0.934083 DN 55 0.704233
DN 26 0.667777 DN 56 0.972135
DN 27 0.720023 DN 57 0.856156
DN 28 0.901301 DN 58 0.681664
DN 29 0.646761 DN 59 0.700897
DN 30 0.660533 DN 60 0.672146
74
Ta tiến hành xếp hạng doanh nghiệp theo 10 hạng AAA – AA – A – BBB – BB – B – CCC – CC – C – D.
Bảng 3.5: Bảng hạng mức tín dụng của các doanh nghiệp.
STT Xếp hạng STT Xếp hạng
DN1 AA DN 31 BBB
DN 2 BBB DN 32 BBB
DN 3 AA DN 33 BBB
DN 4 AAA DN 34 AAA
DN 5 BBB DN 35 BB
DN 6 BBB DN 36 BBB
DN 7 AAA DN 37 AAA
DN 8 BBB DN 38 BB
DN 9 AAA DN 39 BBB
DN 10 AAA DN 40 AA
DN 11 AAA DN 41 AA
DN 12 A DN 42 BBB
DN 13 AA DN 43 BBB
DN 14 AAA DN 44 BBB
DN 15 BBB DN 45 AAA
DN 16 AAA DN 46 AAA
DN 17 AAA DN 47 A
DN 18 BBB DN 48 AAA
DN 19 AAA DN 49 AAA
DN 20 AAA DN 50 AAA
DN 21 AAA DN 51 AAA
DN 22 AAA DN 52 AAA
DN 23 A DN 53 A
DN 24 AAA DN 54 A
DN 25 AAA DN 55 A
DN 26 BBB DN 56 AAA
DN 27 A DN 57 AA
DN 28 AAA DN 58 BBB
DN 29 BBB DN 59 A
DN 30 BBB DN 60 BBB
76
3.3.2. Kết quả xếp hạng tín dụng 60 khách hàng doanh nghiệp của ngân hàng TMCP Phương Tây.
3.3.2.1. Phân loại khách hàng theo hạng.
Bảng 3.6: Bảng phân loại các doanh nghiệp vay vốn Phương Tây theo hạng.
Theo đồ thị, ta thấy rằng mức xếp hạng thấp nhất của doanh nghiệp là mức BB và cao nhất là AAA. Trong đó chiếm tỷ trọng nhiều nhất là hạng AAA với 42%, sau đó là BBB với 32%. Đa số các doanh nghiệp xếp hạng AAA đều có quy mô lớn hoặc vừa, có uy tín trong giao dịch với ngân hàng và không có nợ xấu. Các công ty xếp hạng BBB và BB là các công ty có quy mô nhỏ và hầu hết đều gặp khó khăn về kinh doanh trong năm vừa qua.
3.3.2.2 Phân loại khách hàng theo ngành nghề kinh tế.
Bảng 3.7: Bảng phân loại các doanh nghiệp theo ngành nghề kinh tế sau khi xếp hạng.
Nhìn vào biểu đồ kết hợp với các bảng trên ta thấy Ngành thương mại là ngành có số doanh nghiệp vay vốn ngân hàng Phương Tây ít nhất, chỉ có 7/60 doanh nghiệp. Tiếp theo là đến ngành du lịch/khách sạn với 9/60 doanh nghiệp. Đây là ngành có tỉ lệ các doanh nghiệp đạt chất lượng tín dụng trên tổng số doanh nghiệp ngành vay vốn ngân hàng ở mức cao cao nhất trong 5 ngành, với 7/9 doanh nghiệp đạt xếp hạng mức AAA. Ngành truyền thông với 7/11 doanh nghiệp đạt mức xếp hạng AAA đứng thứ hai trong bảng đánh giá của ngân hàng. Ngành dược phẩm là ngành có số lượng doanh nghiệp vay vốn nhiều nhất với 16 doanh nghiệp nhưng chất lượng tín dụng lại không đồng đều. Các doanh nghiệp này có quy mô, trình độ và tuổi nghề khác nhau nên có xác suất vỡ nợ khác nhau, rải rác từ AAA đến BB.
3.3.3. Đánh giá độ phù hợp mô hình
Từ 60 doanh nghiệp mà ta vừa xếp hạng ở trên, chọn ra 5 doanh nghiệp thuộc 5 ngành khác nhau như sau:
78
Tên doanh nghiệp Pi
DN8 0.622719
DN24 0.924003
DN39 0.622447
DN47 0.727131
DN57 0.856156
Từ 60 mẫu ban đầu, ta bỏ đi 5 mẫu: thứ 8, 24,39,47,57. Sau đó ta tiến hành xem xét khả năng vỡ nợ của 55 doanh nghiệp còn lại và dùng kết quả đó để dự báo cho 5 mẫu 3, 17 31, 50 và 59. Quy trình được xem xét như sau:
Với số lượng biến đầu vào khá lớn, ta tiến hành phân tích nhân tố bằng phương pháp thành phần chính.
Total Variance Explained Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings
Total
% of Variance
Cumulative
% Total
% of Variance
Cumulative
% Total
% of Variance
Cumulative
%
1 3.758 31.319 31.319 3.758 31.319 31.319 2.859 23.825 23.825
2 3.233 26.945 58.264 3.233 26.945 58.264 2.806 23.384 47.209
3 1.477 12.308 70.572 1.477 12.308 70.572 2.672 22.271 69.48
4 1.223 10.194 80.766 1.223 10.194 80.766 1.354 11.286 80.766
5 0.93 7.746 88.512
6 0.482 4.013 92.525
7 0.46 3.837 96.362
8 0.175 1.455 97.817
9 0.131 1.088 98.905
10 0.103 0.86 99.765
11 0.017 0.145 99.911
12 0.011 0.089 100
Kết quả ước lượng cho phép ta rút gọn từ 12 biến xuống còn 4 biến. Từ bảng bảo tồn phương sai của đám mây ban đầu trên siêu phẳng chiếu (phụ lục 1), ta thấy rằng, nếu dùng 4 thành phần chính thì chúng ta thu được đám mây ảnh giải thích được 80.766% đặc tính của số liệu ban đầu.
Ta có bảng ma trận các thành phần (các véc tơ riêng)- tọa độ các biến sau đây:
Component Matrixa Component
1 2 3 4
X1 .225 -.354 .659 .372
X2 .880 .298 .263 -.131
X3 .705 .457 .340 -.306
X4 -.363 .831 .146 .008
X5 .858 .074 .421 -.091
X6 .562 -.128 -.496 -.221
X7 .671 -.021 -.391 .456
X8 .267 .838 -.277 .332
X9 .229 .900 -.221 .178
X10 .536 -.525 -.093 .383
X11 -.579 .555 .271 .066
X12 .233 -.029 -.230 -.645
Extraction Method: Principal Component Analysis.
a. 4 components extracted.
Bảng tọa độ các biến trên các trục chính sau phép quay như sau:
80
Rotated Component Matrixa Component
1 2 3 4
X1 .345 .158 -.370 -.684
X2 .915 .234 .226 .077
X3 .912 -.057 .231 .166
X4 .010 -.717 .570 -.065
X5 .919 .277 -.007 -.068
X6 .178 .565 .091 .518
X7 .164 .779 .417 -.065
X8 .168 -.012 .965 -.007
X9 .225 -.150 .928 .084
X10 .121 .789 -.162 -.235
X11 -.168 -.748 .284 -.231
X12 .213 .030 -.147 .676
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
Ta có bảng hệ số tổ hợp của các biến ( các véc tơ nhân tố chính)
Component Score Coefficient Matrix Component
1 2 3 4
VAR00001 .182 .002 -.138 -.505
VAR00002 .325 -.020 .000 .017
VAR00003 .369 -.151 -.043 .100
VAR00004 .043 -.235 .159 -.053
VAR00005 .354 -.025 -.087 -.078
VAR00006 -.034 .201 .052 .353
VAR00007 -.112 .373 .271 -.126
VAR00008 -.058 .097 .402 -.080
VAR00009 -.006 .018 .353 -.001
VAR00010 -.050 .317 .035 -.212
VAR00011 .013 -.249 .066 -.153
VAR00012 .099 -.079 -.141 .520
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Component Scores.
Thực hiện trên Eview, ta tiến hành hồi quy biến Y theo 4 chỉ tiêu (F1, F2, F3, F4) mà ta đã tiến hành phân tích nhân tố ở trên.
Bảng kết quả ước lượng:
Dependent Variable: Y
Method: ML - Binary Logit (Quadratic hill climbing) Date: 04/15/12 Time: 14:33
Sample: 1 55
Included observations: 55
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives Variable Coefficien
t
Std. Error z-Statistic Prob.
C 2.375183 0.702732 3.379929 0.0007
F1 0.106853 0.638667 0.167307 0.8671
F2 0.356176 0.399894 0.890677 0.3731
F3 0.186012 0.522408 0.356066 0.7218
F4 1.867298 0.991997 1.882362 0.0598
Mean dependent var 0.836364 S.D. dependent var 0.373355 S.E. of regression 0.358962 Akaike info criterion 0.921381 Sum squared resid 6.442702 Schwarz criterion 1.103866 Log likelihood -20.33799 Hannan-Quinn criter. 0.991950 Restr. log likelihood -24.51080 Avg. log likelihood - 0.369782 LR statistic (4 df) 8.345628 McFadden R-squared 0.170244 Probability(LR stat) 0.079707
Obs with Dep=0 9 Total obs 55
Obs with Dep=1 46
Trong đó Y=1: không có nợ xấu.
Y=0: có nợ xấu.
Từ bảng hồi quy nhân tố Y theo các nhân tố chính, ta thấy các hệ sộ của các biến F1, F2, F3 không có ý nghĩa thống kê. Nên sau đây ta sẽ đi kiểm định hệ số thống kê của các biến trên bằng kiểm định Wald Test với các giả thiết như sau:
H0: C(2)=0, C(3)=0, C(4)=0.
H1: Có ít nhất 1 hệ số khác 0.
Wald Test:
Equation: Untitled Null
Hypothesis:
C(2)=0 82
C(3)=0 C(4)=0
F-statistic 0.278075 Probability 0.840950 Chi-square 0.834224 Probability 0.841265
Từ bảng trên ta thấy giả thiết H0 được chấp nhận nên ta loại bỏ các nhân tố F1, F2, F3 ra khỏi mô hình.
Dependent Variable: Y
Method: ML - Binary Logit (Quadratic hill climbing) Date: 04/15/12 Time: 14:35
Sample: 1 55
Included observations: 55
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C 2.264304 0.620066 3.651716 0.0003
F4 1.743090 0.827120 2.107421 0.0351
Mean dependent var 0.836364 S.D. dependent var 0.373355 S.E. of regression 0.349883 Akaike info criterion 0.828519 Sum squared resid 6.488163 Schwarz criterion 0.901513 Log likelihood -20.78426 Hannan-Quinn criter. 0.856746 Restr. log likelihood -24.51080 Avg. log likelihood -0.377896 LR statistic (1 df) 7.453076 McFadden R-squared 0.152037 Probability(LR stat) 0.006333
Obs with Dep=0 9 Total obs 55
Obs with Dep=1 46
Với mức ý nghĩa 5% ta chấp nhận kết quả hồi quy trên. Vậy sau đây ta đi ước lượng khả năng vỡ nợ của 55 doanh nghiệp còn lại ( Pi càng lớn xác suất vỡ nợ càng nhỏ và ngược lại).
Bảng 3.8: Bảng xác suất vỡ nỡ của 55 doanh nghiệp
Từ kết quả ước lượng khả năng vỡ nợ của 55 doanh nghiệp trên, ta dự báo khả năng vỡ nợ của 5 doanh nghiệp còn lại được kết quả như sau:
STT Pi STT Pi
DN1 0.952627 DN 31 0.644372
DN 2 0.7197 DN 32 0.700017
DN 3 0.812685 DN 33 0.66306
DN 4 0.914499 DN 34 0.93594
DN 5 0.667898 DN 35 0.555711
DN 6 0.652399 DN 36 0.659832
DN 7 0.873137 DN 37 0.923434
DN 9 0.918744 DN 38 0.570261
DN 10 0.93415 DN 40 0.903367
DN 11 0.96769 DN 41 0.902454
DN 12 0.751839 DN 42 0.714228
DN 13 0.726605 DN 43 0.655826
DN 14 0.935873 DN 44 0.622271
DN 15 0.716655 DN 45 0.843186
DN 16 0.924934 DN 46 0.99991
DN 17 0.972869 DN 48 0.999377
DN 18 0.766991 DN 49 0.962921
DN 19 0.976091 DN 50 0.986854
DN 20 0.980993 DN 51 0.993486
DN 21 0.985781 DN 52 0.991478
DN 22 0.938822 DN 53 0.950633
DN 23 0.844992 DN 54 0.718203
DN 25 0.98374 DN 55 0.773166
DN 26 0.820421 DN 56 0.978517
DN 27 0.848625 DN 58 0.83162
DN 28 0.933648 DN 59 0.804962
DN 29 0.658892 DN 60 0.724829
DN 30 0.808786
84
Bảng 3.9: Bảng xác suất vỡ nợ của 5 doanh nghiệp ngoài mẫu
Tên doanh nghiệp Pi
DN8 0.654546
DN24 0.959455
DN39 0.654215
DN47 0.776387
DN57 0.890558
So sánh 2 kết quả về khả năng vỡ nợ của 5 doanh nghiệp ta được bảng sau:
Bảng 3.10: Bảng xác suất vỡ nợ và xếp hạng của 5 doanh nghiệp trong và ngoài mẫu
Tên DN Pi Xếp hạng Pi Xếp hạng Độ sai lệch
tương đối (%)
A8 0.622719 BBB 0.654546 BBB 5.11095
A24 0.924003 AAA 0.959455 AAA 3.836835
A39 0.622447 BBB 0.654215 BBB 5.103681
A47 0.727131 A 0.776387 A 6.774058
A57 0.856156 AA 0.890558 AA 5.772731
5 công ty trên là các công ty thuộc 5 ngành nghề khác nhau. Từ bảng trên ta thấy độ sai lệch về dự báo khả năng vỡ nợ của 5 doanh nghiệp trường hợp trong mẫu và ngoài mẫu không khac nhau nhiều ( sai lệch trung bình xấp xỉ 5%) chấp nhận được. Hơn nữa, hai kết quả trên không làm thay đổi hạng của các doanh nghiệp nên kết quả dự báo trên là khá chính xác. Vậy ta có thể dùng mô hình trên để dự báo khả năng vỡ nợ của các doanh nghiệp có quan hệ tín dụng với ngân hàng Phương Tây.