1.1.2.1 Đo lường rủi ro tín dụng đối với từng khoản vay riêng lẻ
Các nhà kinh tế học, các nhà phân tích và các nhà quản trị định chế tài chính đã sử dụng nhiều mô hình khác nhau để đánh giá rủi ro tín dụng. Các mô hình này không loại bỏ nhau, một nhà quản trị ngân hàng có thể sử dụng nhiều hơn một mô hình để có đƣợc một quyết định về định giá tín dụng hoặc phân bổ lƣợng cho khoản vay. Chúng ta phân tích một số mô hình thuộc về ba nhóm: các mô hình định tính, các mô hình cho điểm tín dụng.
Các mô hình định tính
Trong điều kiện thiếu vắng thông tin công khai đại chúng về chất lƣợng của ngƣời vay, Ngân hàng phải thu thập những thông tin từ các nguồn tƣ nhân – nhƣ các lƣu trữ về tín dụng và tiền gửi – hoặc phải mua những thông tin đó từ các nguồn bên ngoài – nhƣ là các tổ chức xếp hạng tín nhiệm. Nó giúp ngân hàng đƣa ra một đánh giá đáng tin cậy về xác suất vỡ nợ của ngƣời vay và đặt giá cho khoản vay hoặc
món nợ một cách chính xác. Các mô hình này dựa vào nhận định chủ quan của nhà
quản trị ngân hàng.
+ Các yếu tố thuộc về từng ngƣời vay
Uy tín: Uy tín của ngƣời vay liên quan tới lịch sử vay-cho vay của ngƣời đứng đơn xin vay. Nếu theo thời gian, ngƣời vay đã tạo ra uy tín trong việc thanh toán đầy đủ và đúng hạn, điều này sẽ nâng cao tính hấp dẫn của đơn xin vay đối với định chế tài chính. Một mối quan hệ lâu dài giữa ngƣời vay và ngƣời cho vay sẽ
hình thành nên một hợp đồng ngầm liên quan tới việc vay và hoàn trả, còn có giá
trị hơn cả hợp đồng pháp lý chính thức, công khai, làm cơ sở cho mối quan hệ giữa ngƣời vay-ngƣời cho vay. Tầm quan trọng của uy tín, mà chỉ có thể đƣợc hình thành qua thời gian thông qua việc thanh toán và các hành vi quan sát đƣợc, đã cho thấy bất lợi thế của những ngƣời vay nhỏ và mới. Đây là lý do khiến các cuộc chào
bán chứng khoán nợ lần đầu ra công chúng của các hãng nhỏ thƣờng đòi hỏi các mức lợi suất cao hơn so với các cuộc chào bán của những công ty lâu năm hơn.
Đòn bẩy: Đòn bẩy của một ngƣời vay – hay cơ cấu vốn, tức hệ số nợ so với vốn chủ sở hữu – tác động tới xác suất vỡ nợ của ngƣời vay đó, bởi khối lƣợng nợ lớn, nhƣ là trái phiếu hay khoản vay, làm tăng các khoản lãi phải trả của ngƣời vay và áp đặt một quyền đòi thanh toán đáng kể lên dòng tiền của họ. Hệ số nợ/vốn chủ sở hữu tƣơng đối thấp có thể không ảnh hƣởng lắm tới xác suất hoàn trả nợ. Nhƣng vƣợt quá một điểm nào đó, rủi ro phá sản sẽ tăng lên, do xác suất mất một phần tiền lãi hoặc gốc của ngƣời cho vay tăng lên. Nhƣ vậy, những doanh nghiệp có đòn bẩy rất lớn sẽ phải trả một mức bù rủi ro cao hơn trên các khoản vay nếu họ muốn đƣợc vay.
Tính biến động của thu nhập: Cũng giống nhƣ đòn bẩy, dòng thu nhập có tính biến động cao làm tăng xác suất ngƣời vay không thể đáp ứng đƣợc các nghĩa vụ cố định về trả lãi và gốc, với một cơ cấu vốn xác định bất kỳ. Do đó, những doanh nghiệp mới hay những doanh nghiệp thuộc các ngành công nghệ cao với thu nhập biến động mạnh qua thời gian sẽ có rủi ro tín dụng kém hấp dẫn hơn các doanh nghiệp có lịch sử thu nhập lâu dài và ổn định hơn.
Tài sản thế chấp: Nhƣ đã đề cập ở trên, một yếu tố quan trọng trong bất kỳ một quyết định cho vay và đặt giá khoản vay nào là quy mô của tài sản thế chấp, hay là tài sản đảm bảo cho khoản vay. Nhiều khoản vay đƣợc đảm bảo bằng các tài sản cụ thể trong trƣờng hợp ngƣời vay bị vỡ nợ đối với những nghĩa vụ hoàn trả.
+ Các yếu tố thuộc về thị trƣờng
- Chu kỳ kinh doanh: Trạng thái của nền kinh tế trong từng giai đoạn của chu kỳ kinh doanh là cực kỳ quan trọng đối với một định chế tài chính trong việc đánh giá xác suất vỡ nợ của ngƣời vay. Ví dụ, trong thời kỳ suy thoái, các công ty thuộc lĩnh vực sản xuất hàng tiêu dùng lâu bền nhƣ ô tô, máy lạnh, nhà ở…hoạt động rất kém so với những công ty ở những lĩnh vực khác nhƣ thuốc lá hay thực phẩm. Dân chúng cắt giảm chi tiêu hàng xa xỉ trong thời kỳ suy thoái nhƣng lại không cắt giảm bao nhiêu đối với hàng thiết yếu nhƣ là thực phẩm. Nhƣ vậy những
ngƣời vay là các công ty thuộc lĩnh vực hàng tiêu dùng lâu bền đặc biệt có rủi ro vỡ nợ cao. Do mối quan ngại về chu kỳ, các ngân hàng rất có thể sẽ tăng mức độ tƣơng đối của phân bổ tín dụng theo lƣợng trong những giai đoạn suy thoái. Điều này gây ra những hậu quả đặc biệt xấu đối với những ngƣời vay nhỏ hơn mà khả năng tiếp cận tới các thị trƣờng tín dụng khác nhƣ thị trƣờng thƣơng phiếu là rất hạn chế.
- Mức lãi suất: Lãi suất cao thể hiện các hành động chính sách tiền tệ thắt chặt của Ngân hàng Trung ƣơng. Các Ngân hàng không chỉ thấy rằng nguồn quỹ để tài trợ cho các quyết định cho vay của họ khan hiếm hơn, đắt hơn, mà còn phải thừa nhận rằng nói chung, lãi suất cao có tƣơng quan với rủi ro tín dụng cao hơn. Các mức lãi suất cao có thể khuyến khích ngƣời vay chấp nhận rủi ro quá mức hoặc là chỉ khuyến kích những khách hàng rủi ro nhất đi vay. Một cách khái quát, có năm
chữ “C” cần phải đƣa vào phân tích tín dụng chủ quan (định tính). Đó là character
(mong muốn hoàn trả), capacity (dòng tiền), capital (của cải), collateral (an toàn) và conditions (các điều kiện kinh tế). Thay vì để cho những yếu tố này tham dự vào quá trình quyết định một cách thuần túy mang tính chủ quan, nhà quản trị định chế tài chính có thể cân nhắc những yếu tố này theo một cách khách quan, tức là định lƣợng hơn. Tiếp theo là mô hình định lƣợng cho điểm tín dụng đƣợc sử dụng để đo lƣờng rủi ro tín dụng.
Các mô hình cho điểm tín dụng (mô hình định lƣợng)
Các mô hình cho điểm tín dụng là những mô hình định lƣợng sử dụng những đặc điểm quan sát đƣợc của ngƣời vay để tính ra một số điểm thể hiện xác suất vỡ nợ của một ngƣời xin vay hoặc là để xếp những ngƣời vay vào những loại rủi ro tín dụng khác nhau. Bằng cách lựa chọn và kết hợp những đặc điểm kinh tế và tài chính khác nhau của ngƣời vay, ngân hàng có thể làm đƣợc những việc sau đây:
1. Xác định bằng con số những yếu tố nào là quan trọng khi giải thích rủi ro
tín dụng.
2. Đánh giá mức độ hay tầm quan trọng tƣơng đối của những yếu tố này.
3. Nâng cao tính chính xác trong việc đặt giá cho rủi ro vỡ nợ.
5. Tạo điều kiện tốt hơn cho việc tính toán các khoản dự trữ cần thiết để đáp ứng những khoản mất mát khoản vay đƣợc dự tính trong tƣơng lai.
Lợi ích chủ yếu từ việc cho điểm tín dụng là những ngƣời cho vay tín dụng có thể dự báo chính xác hơn về hoạt động của một ngƣời vay mà không cần phải sử dụng nhiều nguồn lực hơn. Theo một số chuyên gia về cho điểm tín dụng, với các mô hình cho điểm tín dụng khoản vay thƣơng mại có xem xét tất cả các thông số cần thiết về quản lý và đạt tỷ lệ chính xác 85% tính bình quân, việc sử dụng những mô hình này đồng nghĩa với việc số vụ vỡ nợ và xóa nợ sẽ ít hơn cho các tổ chức cho vay thƣơng mại.
Để sử dụng các mô hình cho điểm tín dụng, nhà quản trị phải xác định đƣợc các thƣớc đo khách quan về kinh tế và tài chính đối với rủi ro cho một loại ngƣời vay cụ thể. Đối với nợ tiêu dùng, những đặc điểm khách quan trong một mô hình cho điểm tín dụng có thể bao gồm thu nhập, tài sản, tuổi tác, nghề nghiệp và nơi sinh sống. Đối với nợ thƣơng mại, những thông tin về dòng tiền và các hệ số tài chính nhƣ tỷ lệ nợ/vốn chủ sở hữu thƣờng là những yếu tố quan trọng. Sau khi xác định đƣợc dữ liệu, kỹ thuật thống kê sẽ đƣợc sử dụng để lƣợng hóa hay chấm điểm xác suất rủi ro vỡ nợ, hoặc là phân loại rủi ro vỡ nợ.
Các mô hình cho điểm tín dụng bao gồm ba loại chính: (1) các mô hình xác suất tuyến tính, (2) các mô hình logit, (3) phân tích phân hạng tuyến tính. Trong phần này chúng ta xem xét những mô hình đƣợc sử dụng để đánh giá các khoản vay thƣơng mại.
- Mô hình xác suất tuyến tính và mô hình logit
Mô hình xác suất tuyến tính sử dụng đầu vào là dữ liệu trong quá khứ (nhƣ là các hệ số tài chính), để giải thích trạng thái thanh toán trên những khoản vay cũ. Tầm quan trọng tƣơng đối của các yếu tố đƣợc sử dụng trong việc giải thích hành vi hoàn trả trong quá khứ khi đó sẽ dự báo xác suất hoàn trả trên những khoản vay mới. Tức là các yếu tố giải thích hành vi hoàn trả trong quá khứ có thể đƣợc sử dụng để đánh giá p, xác suất hoàn trả (một đầu vào quan trọng trong việc xác định
phần bù rủi ro tín dụng trên một khoản vay hoặc xác định khối lƣợng đƣợc vay) và xác suất vỡ nợ (PD).
Một cách vắn tắt, chúng ta chia các khoản vay cũ (i) thành hai nhóm quan
sát: những khoản vay vỡ nợ (PDi = 1) và những khoản vay không vỡ nợ (PDi = 0).
Sau đó chúng ta gắn những quan sát này lại bằng phép hồi quy tuyến tính với một
tập hợp j các biến nguyên nhân (Xij) phản ánh thông tin định lƣợng về ngƣời vay
thứ i, nhƣ là đòn bẩy hay thu nhập. Ta ƣớc tính mô hình bằng hồi quy tuyến tính có dạng sau: PD X error n j ij j i 1
trong đó βj là tầm quan trọng đƣợc ƣớc tính của biến số thứ j (ví dụ đòn bẩy) trong sự giải thích trạng thái hoàn trả trong quá khứ.
Nếu chúng ta ƣớc tính các giá trị βj và nhân chúng với Xij quan sát đƣợc đối
với một ngƣời vay tiềm năng, ta có thể nhận đƣợc một giá trị kỳ vọng của PDi cho
ngƣời vay tiềm năng đó: E(PDi) = (1 – pi) = xác suất vỡ nợ kỳ vọng, trong đó pi là xác suất hoàn trả của khoản vay.
- Các mô hình phân hạng tuyến tính (đang được áp dụng quốc tế và tại Việt Nam).
Nếu nhƣ các mô hình xác suất tuyến tính và logit dự báo một giá trị của xác suất vỡ nợ kỳ vọng nếu một khoản vay đƣợc thực hiện, thì các mô hình phân hạng lại chia ngƣời vay thành hai loại, rủi ro vỡ nợ cao và rủi ro vỡ nợ thấp, tùy thuộc
vào những đặc tính quan sát đƣợc của họ (Xj). Tuy nhiên, điểm tƣơng tự ở đây là
chúng cũng sử dụng dữ liệu trong quá khứ làm đầu vào của một mô hình để giải thích trạng thái hoàn trả trên các khoản vay cũ. Tầm quan trọng tƣơng đối của các yếu tố đƣợc sử dụng khi giải thích trạng thái hoàn trả trong quá khứ bây giờ sẽ dự báo khoản vay thuộc vào loại có xác suất vỡ nợ cao hay thấp.
Dƣới đây là mô hình phân tích phân hạng do E.I. Altman xây dựng năm 1968, Đại học New York, dựa vào việc nghiên cứu khá công phu trên số lƣợng lớn các công ty khác nhau tại Mỹ. Chỉ số Z là công cụ đƣợc cả hai giới học thuật và
thực hành, công nhận và sử dụng rộng rãi nhất trên thế giới. Chỉ số Z là một phƣơng pháp tổng quát để phân loại rủi ro vỡ nợ của một ngƣời vay thƣơng mại. Biến này đến lƣợt nó lại phụ thuộc vào giá trị của các hệ số tài chính khác nhau của ngƣời
vay (Xj) và tầm quan trọng có trọng số của các hệ số này dựa trên trạng thái quan
sát đƣợc trong quá khứ của những ngƣời vay vỡ nợ so với những ngƣời vay không vỡ nợ, nhận đƣợc từ một mô hình phân tích phân hạng.
Hàm phân hạng của Altman (mô hình phân loại tín dụng) có dạng sau: Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5
Trong đó:
+ X1 = hệ số vốn lƣu động/tổng tài sản
- Vốn lữu động = Tài sản ngắn hạn – Nợ ngắn hạn
- Những khoản thua lỗ trong hoạt động kinh doanh sẽ làm giảm tỷ số X1
+ X2 = hệ số Lợi nhuận giữ lại/tổng tài sản
- Tỷ số này đo lƣờng lợi nhuận giữ lại tích lũy qua thời gian
- Sự trƣởng thành của công ty đƣợc đánh giá qua tỷ số này. Các công ty mới
thành lập thƣờng có tỷ số này thấp vì chƣa có thời gian để tích lũy lợi nhuận. + X3 = hệ số Lợi nhuận trƣớc thuế và lãi/tổng tài sản
- Sự tồn tại và khả năng trả nợ của công ty sau cùng đều dựa trên khả năng tạo ra lợi nhuận từ các tài sản của nó. Vì vậy, tỷ số này theo Alman thể hiện tốt hơn các thƣớc đo tỷ suất sinh lời.
+ X4 = hệ số giá trị thị trƣờng của vốn chủ sở hữu/giá trị sổ sách của nợ dài hạn.
- Tỷ số này cho biết giá trị tài sản của công ty sụt giảm bao nhiêu lần trƣớc khi công ty lâm vào tình trạng mất khả năng thanh toán. Đây là một phiên bản đã đƣợc sửa đổi của một trong các biến đƣợc Fisher sử dụng khi nghiên cứu tỷ suất sinh lợi của trái phiếu (1959). Nếu tỷ số này thấp hơn 1/3 thì xác suất công ty phá sản là rất cao.
- Đối với công ty chƣa có cổ phần hóa thì giá trị thị trƣờng đƣợc thay bằng giá trị sổ sách của vốn cổ phần.
X5 = hệ số doanh thu/tổng tài sản
- Đo lƣờng khả năng quản trị của công ty để tạo ra doanh thu trƣớc sức ép cạnh tranh của các đối thủ khác.
- Tỷ số này có mức ý nghĩa thấp nhất trong mô hình nhƣng nó là một tỷ số quan trọng vì giúp khả năng phân biệt của mô hình đƣợc nâng cao.
Theo mô hình cho điểm tín dụng của Altman, một công ty có : + Điểm Z < 1,81 cần đƣợc xem là công ty có rủi ro vỡ nợ cao; + Điểm 1,81 ≤ Z ≤ 2,99 là một công ty có nguy cơ vỡ nợ; + Điểm Z > 2,99 là một công ty có rủi ro vỡ nợ thấp.
Với mô hình này, ngân hàng và khách hàng có thể đo lƣờng và so sánh cụ thể điểm Z cho từng khoản vay. Ngoài ra, sự biến động của điểm số Z đã dự báo khả năng chuyển đổi hạng tín nhiệm của khách hàng.
Việc sử dụng mô hình phân tích phân hạng để đi tới những đánh giá về rủi ro tín dụng cũng có một số vấn đề. Thứ nhất, những mô hình này thƣờng chỉ phân biệt hành vi của ngƣời vay theo hai trƣờng hợp ở hai cực: vỡ nợ và không vỡ nợ. Trong thế giới hiện thực có vô vàn cấp độ vỡ nợ tồn tại, từ việc không thanh toán hoặc trì hoãn các khoản thanh toán tiền lãi (tài sản không hoạt động) cho tới vỡ nợ sạch trơn trên tất cả các khoản thanh toán lãi và gốc đƣợc hứa hẹn. Việc phân loại ngƣời vay chính xác hơn đòi hỏi phải định nghĩa nhiều loại hơn trong mô hình phân tích phân hạng. Thứ hai, không có một lý do kinh tế hiển nhiên nào để kỳ vọng rằng các trọng số trong hàm phân hạng – hay khái quát hơn là các trọng số trong mô hình cho điểm tín dụng bất kỳ – sẽ không thay đổi qua thời gian, trừ khi đó là những khoảng thời gian rất ngắn. Điều này cũng đúng cho các biến số (Xj). Do những điều kiện hiện thực và điều kiện thị trƣờng tài chính đang thay đổi nên các hệ số tài chính khác của