CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
2.3 Các mô hình đo lường khả năng trả nợ của khách hàng doanh nghiệp
Hệ thống Chuyên gia là phương pháp truyền thống được sử dụng nhiều nhất để đánh giá rủi ro tín dụng. Khi các ngân hàng thương mại nhận đơn xin vay vốn liên quan đến một dự án cụ thể, các ngân hàng có thể tổ chức một hội đồng gồm các chuyên gia để đưa ra quyết định dựa trên thông tin định tính và định lượng. Điều này có nghĩa chuyên môn của chuyên gia và đánh giá chủ quan đóng một vai trò quan trọng trong quá trình ra quyết định. Hệ thống chuyên gia phổ biến nhất là hệ thống
"5 Cs" do Sinkey (2007) chỉ ra, trích dẫn ở tài liệu Heffernan (2005). Các chuyên gia phân tích năm yếu tố và đưa ra quyết định dựa trên sự cân bằng chủ quan giữa 5C:
Tư cách người vay (Character) Thu nhập của người vay (Cashflow); Vốn (Capital);
Bảo đảm tiền vay (Collateral) và Các điều kiện (Conditions). Hoặc mô hình 6Cs với trọng tâm của mô hình này là xem xét liệu người vay có thiện chí và khả năng thanh toán các khoản vay khi đến hạn hay không.
- Tư cách người vay (Character): Cán bộ tín dụng phải làm rõ mục đích xin vay của KH, mục đích vay của KH có phù hợp với chính sách tín dụng hiện hành của NH hay không, đồng thời xem xét về lịch sử đi vay và trả nợ đối với KH cũ; còn KH mới
thì cần thu thập thông tin từ nhiều nguồn khác như Trung tâm phòng ngừa rủi ro, từ NH khác, hoặc các cơ quan thông tin đại chúng …
- Năng lực của người vay (Capacity): Tùy thuộc vào quy định luật pháp của quốc gia. Người vay phải có năng lực pháp luật dân sự và năng lực hành vi dân sự.
- Thu nhập của người vay (Cash): Trước hết phải xác định được nguồn trả nợ của người vay như luồng tiền từ doanh thu bán hàng hay từ thu nhập, tiền từ bán thanh lý tài sản, hoặc tiền từ phát hành chứng khoán…Sau đó cần phân tích tình hình tài chính của DN vay vốn thông qua các tỷ số tài chính.
- Bảo đảm tiền vay (Collateral): Đây là điều kiện để NH cấp tín dụng và là nguồn tài sản thứ hai có thể dùng để trả nợ vay cho NH.
- Các điều kiện (Conditions): NH quy định các điều kiện tùy theo chính sách tín dụng theo từng thời kỳ.
- Kiểm soát (Control): Đánh giá những ảnh hưởng do sự thay đổi của luật pháp, quy chế hoạt động đến khả năng KH đáp ứng các tiêu chuẩn của NH.
2.3.2 Mô hình điểm số Z-score
Đây là mô hình do E.I. Altman (1968) xây dựng dùng để cho điểm tín dụng đối với các doanh nghiệp vay vốn. Đại lượng Z được sử dụng làm thước đo tổng hợp phân loại RRTD đối với khách hàng và phụ thuộc vào trị số của các chỉ số tài chính của nkhách hàng. Tầm quan trọng của các chỉ số này trong việc xác định xác suất vỡ nợ của người vay trong quá khứ. Từ đó mô hình tính điểm được xây dựng như sau:
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 1,0 X5 Trong đó:
X1 = Hệ số vốn lưu động / tổng tài sản X2 = Hệ số lãi chưa phân phối / tổng tài sản
X3 = Hệ số lợi nhuận trước thuế và lãi/ tổng tài sản
X4 = Hệ số giá trị thị trường của tổng vốn sở hữu/giá trị hạch toán của tổng nợ
X5 = Hệ số doanh thu/ tổng tài sản
Trị số Z càng cao, thì người vay có xác suất vỡ nợ càng thấp. Trường hợp trị số Z thấp hoặc là một số âm sẽ là căn cứ xếp khách hàng vào nhóm có nguy cơ vỡ nợ cao.
Z < 1,81 : Khách hàng có khả năng rủi ro cao 1,81 < Z < 3 : Không xác định được
Z > 3 : Khách hàng không có khả năng vỡ nợ
Theo mô hình cho điểm Z của Altman, bất cứ công ty nào có điểm số Z thấp hơn 1,81 phải được xếp vào nhóm có nguy cơ RRTD cao. Từ điểm số Z, các NHTM có thể tiến hành xếp hạng tín dụng đối với các khách hàng, từ đó NH sẽ đánh giá được chất lượng tín dụng hay khả năng trả nợ của các khách hàng vay vốn (Lê Tất Thành, 2012).
2.3.3 Mô hình CreditMetrics (mô hình ma trận tín nhiệm/ mô hình VaR) Mô hình được công bố lần đầu tiên và rộng rãi bởi JP Morgan vào năm 1997 dựa trên phân tích di chuyển tín dụng, nghĩa là xác suất chuyển từ chất lượng tín dụng này sang chất lượng tín dụng khác, bao gồm vỡ nợ (default), trong một chuỗi thời hạn nhất định, thường là một năm. Mô hình này có thể xem là có nguồn gốc từ mô hình Merton, tuy nhiên có một điểm khác biệt cơ bản giữa mô hình này với mô hình KMV-Merton là ngưỡng phá sản trong mô hình CreditMetrics được xác định từ xếp hạng tín dụng (có thể xếp hạng bên ngoài hoặc nội bộ) chứ không phải từ các khoản nợ. Do đó, mô hình này cho phép xác định cả xác suất vỡ nợ và xác suất suy giảm tín dụng.
Dựa trên hệ thống dữ liệu nội bộ để xác định khả năng tổn thất tín dụng:
EL = PD x EAD x LGD Trong đó:
• PD: Probability of Default – xác suất khách hàng không trả được nợ;
• LGD: Loss Given Default – tỷ trọng tổn thất ước tính;
• EAD: Exposure at Default – tổng dư nợ của khách hàng tại thời điểm khách hàng không trả được nợ;
• EL: Expected Loss – tổn thất có thể ước tính.
2.3.4 Mô hình của Pederzoli và Torricelli (2010)
Trên cơ sở mô hình của Beaver (1966) và Altman (1968), nhóm tác giả Pederzoli và Torricelli (2010) đã phát triển mô hình nghiên cứu với mẫu nghiên cứu là các doanh nghiệp vừa và nhỏ trên địa bàn vùng Emilia Romagna thuộc quốc gia Ý để xác định điểm tín dụng đối với các doanh nghiệp vay vốn dựa trên giả định là rủi ro tài chính có ảnh hưởng trực tiếp đến rủi ro tín dụng của KHDN. Nhóm tác tác giả đã sử dụng các chỉ tiêu tài chính và trọng số để đo lường xác suất vỡ nợ của KHDN quy mô vừa và nhỏ. Các tác giả đã xây dựng mô hình như sau:
PD=1/{1+[exp(2.86+3.46LTLA+3.52EBITA + 11.18EQUYTYA+0.43SALESA)]}
Trong đó:
- Biến phụ thuộc PD thể hiện xác suất vỡ nợ của KHDN - Các biến độc lập bao gồm:
+ LTLA = Nợ dài hạn/Tổng tài sản.
+ EBITA = Lợi nhuận trước thuế/Tổng tài sản + EQUYTYA = Nợ phải trả/Tổng tài sản + SALESA = Doanh thu/Tổng tài sản
Xác suất vỡ nợ PD càng cao thì xác xuất trả nợ của KHDN càng thấp và ngược lại, xác suất vỡ nợ PD càng thấp thì xác suất trả nợ của KHDN càng cao. Bằng cách sử dụng 4 chỉ tiêu tài chính căn bản là tổng tài sản, nợ phải trả, doanh thu, lợi nhuận từ bảng cân đối kế toán của các DN, kết quả mô hình cho thấy các chỉ tiêu tài chính có ảnh hưởng đến khả năng trả nợ của KHDN. Kết quả nghiên cứu của Pederzoli và Torricelli (2010) phù hợp với các mô hình cấu trúc của các loại mô hình Merton (1974).