Những hạn chế

Một phần của tài liệu ỨNG DỤNG MÔ HÌNH LOGIT ĐỂ ĐO LƯỜNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG TMCP Á CHÂU (Trang 78 - 80)

Mô hình đo lường khả năng trả nợ đối với KHDN chưa thật sự có ý nghĩa nghiên cứu khi chưa phân loại được khả năng trả nợ tốt và không tốt của KHDN tại ACB. Điều này cho thấy còn nhiều nhân tốảnh hưởng đến kết quả mô hình vẫn chưa

được đưa vào mô hình cho phù hợp.

Mô hình xây dựng còn hạn chế trong việc xác suất dự báo tình trạng KHDN không trả nợ tốt và không khả năng trả nợ còn thấp, điều này đòi hỏi phải tìm kiếm thêm nhiều nhân tốảnh hưởng để nâng cao hiệu quả mô hình.

Do số lượng KHDN biến động hàng năm nên không thể triển khai áp dụng mô hình thống kê ước lượng trên toàn bộ KHDN trong khoảng thời gian từ năm 2008

đến năm 2010. Mô hình đề xuất chỉ là mô hình nghiên cứu bước đầu, không hoàn toàn chính xác cho tổng thể KHDN tại ACB, cần mở rộng phạm vi nghiên cứu đối với tổng thể KHDN để có cái nhìn khách quan, chính xác.

Bài nghiên cứu chưa đề cập và phân tích chi tiết về tính phù hợp và tính đầy

đủ của định nghĩa khả năng trả nợ của KHDN đối với quy định phân loại nợ nội bộ

tại ACB vì mục tiêu là đo lường khả năng trả nợ của KHDN. Do đó, bài nghiên cứu cần phải mở rộng nghiên cứu sâu hơn để xây dựng định nghĩa khả năng trả nợ với

đầy đủ các tiêu chí theo quy định phân loại nợ của NHNN.

Khả năng trả nợ của KHDN chỉ xét cho từng trường hợp KHDN cụ thể, chưa xét đến sự tương quan về xác suất trả nợ giữa các khách hàng và nhóm khách hàng liên quan đểđánh giá đúng bản chất rủi ro không trảđược nợ của khách hàng.

Bài nghiên cứu chỉ xét các nhân tố ảnh hưởng đến KHDN tại ACB nên có thể

chưa kết quả nghiên cứu chưa hoàn toàn phù hợp với KHDN tại các TCTD khác. Kết quả nghiên cứu chỉ là một cơ sở tham khảo khi xét phạm vi nghiên cứu là KHDN trên toàn hệ thống ngân hàng tại Việt Nam.

Do hạn chế về thời gian dữ liệu nghiên cứu, bài nghiên cứu loại bỏ yếu tố

kinh tế vĩ mô (lạm phát, tăng trưởng kinh tế) khi xét các nhân tốảnh hưởng đến khả

năng trả nợ của KHDN nên chỉ có ý nghĩa đối với các KHDN xét trong điều kiện kinh tế từ 2010 – 2012, chưa xác định được mức ý nghĩa đối với các điều kiện kinh

tế vĩ mô khác. Do đó, bài nghiên cứu tiếp theo cần mở rộng phạm vi nghiên cứu xem xét thêm ảnh hưởng của biến kinh tế vĩ mô, điều này đòi hỏi dữ liệu nghiên cứu phải trải rộng khoảng thời gian dài tối thiểu là một chu kỳ kinh tế.

Kết lun chương 3

Chương 3 với nội dung là xây dựng mô hình hồi quy Logit nhị phân để phân tích rủi ro tín dụng KHDN thông qua việc đo lường khả năng trả nợ của KHDN, là cơ sở để ACB có thểứng dụng trong quy trình quản lý tín dụng sẽđược đề cập trong chương 4.

Bằng phương pháp sử dụng mô hình logit để đo lường khả năng trả nợ và sử

dụng dữ liệu nghiên cứu là 2,951 tài khoản vay của KHDN (từ năm 2010 – 2012), kết quả mô hình đã đưa ra các nhân tố quan trọng (với mức ý nghĩa nhỏ 0.05) ảnh hưởng đến khả năng trả nợ của KHDN. Từ đó, đề xuất 02 mô hình để nhận diện KHDN có/không trả nợ tốt, KHDN có/không khả năng trả nợ và dự báo xác suất trả

nợ của KHDN dựa trên các dữ liệu đầu vào thu thập được.

Kết quả mô hình cũng cho thấy rằng nếu chỉ xem xét riêng các yếu tố đặc

điểm của KHDN là chưa đủ để đo lường khả năng trả nợ của KHDN. Điều này đòi hỏi khi xây dựng mô hình xác suất trả nợ cần phải đưa thêm các yếu tố vềđặc điểm sản phẩm tín dụng, yếu tố môi trường vĩ mô nhằm nâng cao chất lượng của mô hình dự báo tại ACB.

CHƯƠNG 4. GIẢI PHÁP ỨNG DỤNG MÔ HÌNH LOGIT ĐỂ ĐO LƯỜNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG TMCP Á CHÂU

Một phần của tài liệu ỨNG DỤNG MÔ HÌNH LOGIT ĐỂ ĐO LƯỜNG KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG TMCP Á CHÂU (Trang 78 - 80)