2.3.2.1 Phương pháp thu thập số liệu
- Phƣơng pháp chọn mẫu: do số lƣợng khách hàng không quá nhiều nên tác giả tiến hành thu thập số liệu của 103 khách hàng đã phát sinh dƣ nợ trƣớc 01/01/2012 và còn số dƣ đến 31/12/2012 để đảm bảo tất cả các khách hàng đều phát sinh kỳ hạn nợ phải thanh toán, nhƣ vậy mới đánh giá đƣợc chất lƣợng khoản vay một cách tƣơng đối chính xác. Khoảng thời gian khảo sát từ ngày 01/01/2009 đến ngày 31/12/2012.
- Quy trình thu thập số liệu: Căn cứ trên sao kê tín dụng ngày 31/12/2012 của toàn Chi nhánh, tác giả tiến hành chọn các khách hàng thỏa mãn tiêu chí nhƣ trên và tiến hành khảo sát hồ sơ tín dụng để thu thập số liệu và thông tin cần thiết. Riêng đối với biến Sử dụng vốn tác giả thu thập trên báo cáo rà soát hồ sơ tín dụng thời điểm tháng 12/2012 do bộ phận Hỗ trợ tín dụng thuộc Phòng Quản trị và hỗ trợ hoạt động của Chi nhánh thực hiện theo chỉ đạo của Giám đốc chi nhánh nhằm phục vụ cho công tác bổ sung hoàn thiện hồ sơ tín dụng. Sau đó, tác giả thu nhập thông tin về nhóm nợ của các khách hàng dựa trên báo cáo nợ quá hạn ngày 31/12/2012.
2.3.2.2 Phương pháp phân tích số liệu
Đầu tiên tác giả sử dụng phƣơng pháp thống kê mô tả để phân tích đặc điểm của các doanh nghiệp trong mẫu theo ngành nghề, số năm hoạt động, thông tin tài chính … và sau đó sử dụng phƣơng pháp phân tích hồi quy để ƣớc lƣợng mô hình nhằm xác định ảnh hƣởng của các yếu tố có liên quan đến rủi ro tín dụng trong cho vay các doanh nghiệp vừa và nhỏ tại SeABank Bình Dƣơng.
Với hai giá trị 0 và 1 của biến phụ thuộc, mô hình Binary Logistic sẽ phù hợp trong phân tích hồi quy nhằm mục đích ƣớc lƣợng ảnh hƣởng của các biến độc lập trong mô hình đến xác suất xảy ra rủi ro tín dụng nhƣ đã đề cập ở Chƣơng 1.
2.3.3 Kết quả nghiên cứu
2.3.3.1 Mô tả mẫu
Trong tổng số 103 doanh nghiệp khảo sát có 24 doanh nghiệp hoạt động trong ngành nông sản, chiếm 23.3%, 23 doanh nghiệp hoạt động trong lĩnh vực thƣơng mại dịch vụ, chiếm tỷ trọng 22.3%. Sản xuất, gia công, chế biến và dịch vụ vận tải, kho bãi cùng số lƣợng 14 doanh nghiệp, chiếm 13.6%. Các ngành nghề khác số lƣợng từ 2 – 9 doanh nghiệp. SeABank Bình Dƣơng tập trung nhiều vào cho vay ngành nông sản và thƣơng mại dịch vụ. Hai ngành này không chỉ có dƣ nợ lớn mà số lƣợng khách hàng cũng khá nhiều so với những ngành nghề khác. Đây cũng là những ngành có số lƣợng doanh nghiệp phát sinh nợ xấu nhiều nhất, nông sản có 15 (42.9%) doanh nghiệp và thƣơng mại dịch vụ 8 doanh nghiệp (22.9%). Ngành gỗ tuy có số lƣợng doanh nghiệp ít, 8 doanh nghiệp (7.8%) nhƣng có đến 4 nghiệp doanh nghiệp phát sinh nợ xấu (11.4%).
Bảng 2.12:Cơ cấu mẫu theo ngành nghề
RỦI RO
Không rủi ro Rủi ro Tổng Số lượng Tỷ trọng Số lượng Tỷ trọng Số lượng Tỷ trọng
Ngành nghề Nông sản 9 13.2% 15 42.9% 24 23.3%
Gỗ và sản phẩm từ gỗ 4 5.9% 4 11.4% 8 7.8% Sản xuất, gia công, chế biến 13 19.1% 1 2.9% 14 13.6% Thương mại dịch vụ 15 22.1% 8 22.9% 23 22.3% Xây dựng và vật liệu xây dựng 6 8.8% 3 8.6% 9 8.7%
Sắt thép 1 1.5% 1 2.9% 2 1.9%
Nhựa, hóa chất 2 2.9% 2 5.7% 4 3.9%
Vận tải, kho bãi 14 20.6% 0 .0% 14 13.6%
Y tế 2 2.9% 0 .0% 2 1.9%
Lĩnh vực khác 2 2.9% 1 2.9% 3 2.9%
Tổng 68 100.0% 35 100.0% 103 100.0%
Về kinh nghiệm hoạt động của các doanh nghiệp, số doanh nghiệp có thời gian hoạt động trên 5 năm chỉ chiếm 23.3%, 76.7% còn lại là các doanh nghiệp có thời gian hoạt động từ 1 đến 5 năm. Điều này cho thấy phần lớn khách hàng của SeABank Bình Dƣơng là những doanh nghiệp còn non trẻ, chƣa có nhiều kinh nghiệm trong lĩnh vực hoạt động. Cơ cấu mẫu giữa nhóm doanh nghiệp ít kinh nghiệm (từ 1 – 5 năm) và nhóm doanh nghiệp nhiều kinh nghệm (trên 5 năm) khá tƣơng đồng với cơ cấu nợ xấu giữa hai nhóm này. Số doanh nghiệp phát sinh nợ xấu thuộc nhóm ít kinh nghiệm và nhóm nhiều kinh nghiệm lần lƣợt là 27 (tƣơng ứng với tỷ lệ 77.1%) và 8 (tƣơng ứng với tỷ lệ 22.9%). Số doanh nghiệp có thời gian hoạt động từ 1 – 2 năm chiếm 35% nhƣng lại chiếm 45.7% tổng số doanh nghiệp phát sinh nợ xấu. Điều này phần nào cho thấy những doanh nghiệp có ít kinh nghiệm dễ phát sinh nợ xấu hơn doanh nghiệp có thời gian hoạt động lâu năm trong ngành.
Bảng 2.13:Cơ cấu mẫu theo thời gian hoạt động
RỦI RO
Không rủi ro Rủi ro Tổng Số lượng Tỷ trọng Số lượng Tỷ trọng Số lượng Tỷ trọng Số năm hoạt động Từ 1-2 năm 20 29.4% 16 45.7% 36 35.0%
Từ 3-5 năm 32 47.1% 11 31.4% 43 41.7% Trên 5 năm 16 23.5% 8 22.9% 24 23.3%
Nguồn: Nghiên cứu của tác giả
Thiếu minh bạch về tài chính là đặc điểm phổ biến của các doanh nghiệp vừa và nhỏ ở Việt Nam. Việc cung cấp thông tin về tình hình tài chính của các doanh nghiệp vay vốn tại SeABank Bình Dƣơng cũng phản ánh đúng thực trạng này. Trong số 103 doanh nghiệp khảo sát, có 63 doanh nghiệp (tƣơng ứng với tỷ lệ 61.2%) cung cấp thông tin không đầy đủ và hợp lệ theo các quy định về hồ sơ vay
vốn của SeABank. Trong đó, số doanh nghiệp phát sinh nợ xấu là 24 (chiếm 68.6% số doanh nghiệp phát sinh nợ xấu).
Bảng 2.14:Cơ cấu mẫu theo tình hình cung cấp thông tin tài chính
RỦI RO
Không rủi ro Rủi ro Tổng Số lượng Tỷ trọng Số lượng Tỷ trọng Số lượng Tỷ trọng Thông tin tài chính Thiếu thông tin 39 57.4% 24 68.6% 63 61.2%
Thông tin đầy đủ 29 42.6% 11 31.4% 40 38.8%
Nguồn: Nghiên cứu của tác giả
Khoảng thời gian tính từ lúc doanh nghiệp bắt đầu vay vốn tại SeABank đến thời điểm phát sinh nợ xấu (nếu có) phổ biến từ 2 – 3 năm, chiếm 61.2% với 63 doanh nghiệp. Trong đó, số doanh nghiệp phát sinh nợ xấu là 12 (tƣơng ứng với tỷ lệ 34.3%). Phần lớn các doanh nghiệp phát sinh nợ xấu có thời gian quan hệ tín dụng từ dƣới 1 năm, mặc dù số lƣợng các doanh nghiệp này trong mẫu chỉ có 24 doanh nghiệp nhƣng lại có đến 22 doanh nghiệp phát sinh nợ xấu, chiếm 62.9% các doanh nghiệp phát sinh nợ xấu. Trong số 35 doanh nghiệp phát sinh nợ xấu, chỉ có 1 (tƣơng ứng với tỷ lệ 2.9%) doanh nghiệp có thời gian quan hệ tín dụng trên 3 năm. Nhƣ vậy, có thể thấy rằng việc cho vay các doanh nghiệp mà SeABank chƣa có những hiểu biết sâu sắc về doanh nghiệp tiềm ẩn nguy cơ phát sinh nợ xấu hơn là việc cho vay các doanh nghiệp đã có thời gian quan hệ lâu dài với SeABank.
Bảng 2.15:Cơ cấu mẫu về khoảng thời gian quan hệ tín dụng
RỦI RO
Không rủi ro Rủi ro Tổng Số lượng Tỷ trọng Số lượng Tỷ trọng Số lượng Tỷ trọng Khoảng thời gian QHTD 1 năm 2 2.9% 22 62.9% 24 23.3%
Từ 2-3 năm 51 75.0% 12 34.3% 63 61.2% Trên 3 năm 15 22.1% 1 2.9% 16 15.5%
Lịch sử quan hệ tín dụng của các doanh nghiệp vay vốn tại SeABank đa phần là tốt, chƣa từng phát sinh nợ xấu tại SeABank hoặc các tổ chức tín dụng khác trƣớc khi SeABank cho vay. Chỉ có 5 doanh nghiệp đã từng phát sinh nợ xấu trƣớc khi SeABank cho vay, chiếm 4.9% mẫu khảo sát. Và toàn bộ 5 doanh nghiệp này đều phát sinh nợ xấu sau khi SeABank cho vay, chiếm 14.3% số doanh nghiệp phát sinh nợ xấu. Việc các doanh nghiệp đã từng phát sinh nợ xấu trong quá khứ thì khả năng tiếp tục phát sinh nợ xấu là rất lớn.
Bảng 2.16:Cơ cấu mẫu theo lịch sử quan hệ tín dụng
RỦI RO
Không rủi ro Rủi ro Tổng Số lượng Tỷ trọng Số lượng Tỷ trọng Số lượng Tỷ trọng Lịch sử vay Chưa phát sinh nợ xấu 68 100.0% 30 85.7% 98 95.1%
Đã phát sinh nợ xấu 0 .0% 5 14.3% 5 4.9%
Nguồn: Nghiên cứu của tác giả
2.3.3.2 Kết quả ước lượng mô hình
Quá trình ƣớc lƣợng mô hình sử dụng mô phần mềm SPSS với mô hình hồi quy SPSS và qua các bƣớc nhƣ sau:
Bƣớc 1: Đƣa toàn bộ các biến đã chọn vào mô hình.
Sau khi chạy dữ liệu mô hình thông qua phần mềm SPSS 16.0, sử dụng mô hình hồi quy Binary Logistic ta có Mô hình 1:
(2.1)
Mô hình này không đƣợc lựa chọn do biến Lịch sử vay (X3) không có ý nghĩa thống kê vì có số sig. lớn (0.999). Do đó ta loại bỏ biến này khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Bƣớc 2: Loại bỏ biến Lịch sử vay khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Sau khi chạy dữ liệu mô hình thông qua phần mềm SPSS 16.0, sử dụng mô hình hồi quy Binary Logistic ta có Mô hình 2:
(2.2)
Mô hình này không đƣợc lựa chọn do biến Kiểm soát trƣớc (X7) không có ý nghĩa thống kê vì có số sig. lớn (0.998). Do đó ta loại bỏ biến này khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Xin xem kết quả chạy mô hình tại phụ lục số 1.2
Bƣớc 3: Loại bỏ biến Kiểm soát trƣớc khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Sau khi chạy dữ liệu mô hình thông qua phần mềm SPSS 16.0, sử dụng mô hình hồi quy Binary Logistic ta có Mô hình 3:
(2.3)
Mô hình này không đƣợc lựa chọn do biến Kinh nghiệm (X4) không có ý nghĩa thống kê vì có số sig. lớn (0.634). Do đó ta loại bỏ biến này khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Xin xem kết quả chạy mô hình tại phụ lục số 1.3
Bƣớc 4: Loại bỏ biến Kinh nghiệm khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Sau khi chạy dữ liệu mô hình thông qua phần mềm SPSS 16.0, sử dụng mô hình hồi quy Binary Logistic ta có Mô hình 4:
Mô hình này không đƣợc lựa chọn do biến Kiểm soát sau (X8) không có ý nghĩa thống kê vì có số sig. lớn (0.467). Do đó ta loại bỏ biến này khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Xin xem kết quả chạy mô hình tại phụ lục số 1.4
Bƣớc 5: Loại bỏ biến Kiểm soát sau khỏi mô hình và tiếp tục chạy mô hình với các biến còn lại.
Sau khi chạy dữ liệu mô hình thông qua phần mềm SPSS 16.0, sử dụng mô hình hồi quy Binary Logistic ta có Mô hình 5:
(2.5) Bảng 2.17:Variables in the Equation
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a X1 3.039 1.052 8.341 1 .004 20.890
X2 -6.090 1.587 14.724 1 .000 .002
X5 -2.073 1.115 3.455 1 .063 .126
X6 -2.165 .651 11.050 1 .001 .115
Constant 7.685 2.316 11.015 1 .001 2175.400 a. Variable(s) entered on step 1: X1, X2, X5, X6.
Mô hình này đƣợc
.
Ý nghĩa của các kết quả:
: Kết quả kiểm định về độ phù hợp tổng quát ở bảng 2.18 có mức ý nghĩa với quan sát sig. = 0.000 nên an toàn ta có thể bác bỏ giả thiết:
Bảng 2.18:Omnibus Tests of Model Coefficients
Omnibus Tests of Model Coefficients
Chi-square df Sig. Step 1 Step 91.991 4 .000 Block 91.991 4 .000 Model 91.991 4 .000 - 2.19 Bảng 2.19:Model Summary Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 40.036a .591 .818
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.
Mức độ chính xác của dự báo thể hiện qua bảng Classification Table (bảng 2.20) Bảng 2.20:Classification Table Classification Tablea Observed Predicted RỦI RO Percentage Correct Không rủi ro Rủi ro
Step 1 RỦI RO Không rủi ro 65 3 95.6
Rủi ro 3 32 91.4
Overall Percentage 94.2
ờ 35
: Ở bảng 2.17, kiểm định Wald về ý nghĩa của hệ số hồi quy tổng thể của các biến đều có mức ý nghĩa sig. nhỏ hơn 0,1 nên ta an toàn bác bỏ giả thiết
Nhƣ vậy các hệ số hồi quy tìm đƣợc có ý nghĩa và mô hình đã đƣa ra có
2.3.3.3 Phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng
Kết quả ƣớc lƣợng mô hình đo lƣờng các nhân tố ảnh hƣởng đến rủi ro tín dụng trình bày ở bảng 2.17 cho thấy rằng, trong 8 biến lựa chọn bao gồm Ngành (X1), Sử dụng vốn (X2), Lịch sử vay (X3), Kinh nghiệm (X4), Thông tin tài chính (X5), Thời gian quan hệ tín dụng (X6), Kiểm soát trƣớc (X7), Kiểm soát sau (X8) thì
có 4 biến có ý nghĩa là
Ngành (X1), Sử dụng vốn (X2), Thông tin tài chính (X5) và Thời gian quan hệ tín dụng (X6). Kết quả này hàm ý rằng có 4 nhân tố có ảnh hƣởng đến rủi ro tín dụng trong cho vay các doanh nghiệp vừa và nhỏ tại SeABank Bình Dƣơng.
Bảng 2.21:Tác động biên của các biến độc lập Xi lên xác suất xảy ra rủi ro Pi Biến số (Xi) Tên biến Hế số ( ) Tác động biên của Xi lên Pi ( ) X1 3.039 0.004 0.760 X2 -6.090 0.000 -1.523 X5 -2.073 0.063 -0.518 X6 -2.165 0.001 -0.541
Biến Ngành có hệ số dƣơng ở mức ý nghĩa 5%, phù hợp với kỳ vọng những
doanh nghiệp hoạt động trong các ngành nhƣ nông sản,
sắt thép, bất động sản, xây dựng có xác suất xảy ra rủi ro cao hơn. kinh doanh, môi trƣờng pháp lý
The suất
trong điều kiện các biến khác không đổi.
rủi ro
kinh doanh
khác không đổi.
sơ vay vốn sẽ giảm thiểu khả năng xảy ra rủi ro không trả đƣợc nợ vay. Theo kết quả ở bảng 2.21, trong điều kiện các biến khác không đổi, khi doanh nghiệp cung cấp đầy đủ các thông tin về tình hình tài chính thì xác suất xảy ra rủi ro tín dụng đƣợc giảm thiểu 51.8% so với trƣờng hợp cung cấp thông tin không đầy đủ hoặc không hợp lệ.
Cuối cùng là biến Thời gian quan hệ tín dụng. Biến này cũng có hệ số âm ở mức ý nghĩa 5%, chứng tỏ rằng các khách hàng cũ, có quan hệ càng lâu năm giúp ngân hàng đánh giá một cách đầy đủ, chính xác khả năng của khách hàng và giảm thiểu rủi ro tín dụng. Khi thời gian quan hệ tín dụng giữa khách hàng và ngân hàng tăng lên 1 năm thì xác suất xảy ra tín dụng khi cho vay đối với khách hàng sẽ giảm 54.1%, với điều kiện các biến khác không đổi.
TÓM TẮT CHƢƠNG 2
Nội dung Chƣơng 2 tập trung ƣớc lƣợng mô hình đo lƣờng các yếu tố ảnh hƣởng đến rủi ro tín dụng bằng việc sử dụng mô hình Binary Logistic thông qua phần mềm SPSS 16.0. Kết quả ƣớc lƣợng chỉ ra 4 yếu tố tác động đến rủi ro tín dụng gồm:
- Rủi ro về ngành nghề kinh doanh của khách hàng; - Hoạt động sử dụng vốn vay của khách hàng;
- Các thông tin, hồ sơ, tài liệu về tình hình tài chính của khách hàng đƣợc thu thập trong khi thẩm định cho vay;
- Và cuối cùng là thời gian quan hệ tín dụng của khách hàng với SeABank Bình Dƣơng tính từ thời điểm vay vốn lần đầu tiên đến khi phát sinh nợ xấu (nếu có).
Từ kết quả nghiên cứu này, Chƣơng 3 sẽ trình bày một số giải pháp cần tập trung nhằm hạn chế rủi ro tín dụng trong hoạt động cho vay doanh nghiệp vừa và nhỏ tại SeABank Bình Dƣơng trong thời gian tới.
CHƢƠNG 3: GIẢI PHÁP HẠN CHẾ RỦI RO TÍN DỤNG TRONG CHO VAY DOANH NGHIỆP VỪA VÀ
NHỎ TẠI NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN ĐÔNG NAM Á – CHI NHÁNH BÌNH DƢƠNG
3.1 Định hƣớng hoạt động cho vay doanh nghiệp vừa và nhỏ tại Ngân hàng TMCP Đông Nam Á trong thời gian tới TMCP Đông Nam Á trong thời gian tới
Đứng trƣớc khó khăn chung của ngành ngân hàng từ năm 2011 đến nay, cũng nhƣ nhiều ngân hàng khác, SeABank tập trung vào việc ổn định và nâng cao hiệu quả hoạt động kinh doanh, đảm bảo an toàn hoạt động của hệ thống, mục tiêu tăng