Luận văn Thạc sĩ: Giải pháp hạn chế rủi ro tín dụng tại Ngân hàng thương mại cổ phần Công Thương Việt Nam - Chi nhánh Bến Lức
533
690
87
20
bình quân và hệ số ứng tiền mặt. Dựa vào kết quả tìm thấy, nghiên cứu đề xuất
các
giải pháp liên quan đến việc hạn chế rủi ro thẻ tín dụng nội địa.
1.4.2. Nghiên cứu nước ngoài
Ngân hàng có nhiều cách để giảm thiểu rủi ro không thu hồi được nợ, như
yêu cầu khách hàng khách hàng thế chấp tài sản có giá trị ít nhất là bằng với
giá trị
khoản vay. Tuy nhiên, cách làm đó sẽ dẫn đến hạn chế tín dụng một cách thiếu
khoa
học do nhiều khách hàng có uy tín nhưng lại thiếu tài sản thế chấp. Ngân hàng
cũng
có thể tăng lãi suất. Nếu biết rõ xác suất trả nợ của từng khách hàng và dễ dàng
kiểm soát họ thì ngân hàng có thể kết hợp lãi suất với tài sản thế chấp để đảm
bảo
an toàn cho khoản vay. Tuy nhiên, theo Stiglitz và Weiss (1981) giả định này
không
tồn tại trong thực tế do thông tin bất cân xứng nên ngân hàng thường phải hạn
chế
tín dụng. Để tránh việc hạn chế tín dụng dẫn đến việc bỏ sót khách hàng tốt,
ngân
hàng phải nghiên cứu các yếu tố ảnh hưởng đến RRTD của khách hàng.
Theo Ali và Daly (2010), Fidrmuc và Hainz (2010), Psillaki và các tác giả
(2010) vận dụng nhiều phương pháp để đánh giá RRTD của khách hàng. Có hai
phương pháp được sử dụng phổ biến: phương pháp định tính và phương pháp định
lượng. Theo phương pháp định tính, RRTD của khách hàng được đánh giá bằng mô
hình 5C, đó là phẩm chất (character), năng lực (capacity), vốn (capital), môi
trường
kinh doanh (condition) và thế chấp (collateral), bên cạnh các mô hình khác ít
phổ
biến hơn. Tuy nhiên, phân tích định tính ít nhiều mang tính chủ quan nên có thể
thiếu tin cậy.
Đối với phương pháp định lượng, các nhà nghiên cứu Fidrmuc và Hainz
(2010), Psillaki và các tác giả (2010) sử dụng thông tin từ báo cáo tài chính
của
khách hàng. Báo cáo tài chính của khách hàng có 3 phần: bảng cân đối kế toán,
báo
cáo kết quả hoạt động kinh doanh và báo cáo lưu chuyển tiền tệ. Từ thông tin
trong
báo cáo tài chính, các nhà nghiên cứu tính toán các chỉ số tài chính, sau đó đưa
vào
mô hình hồi quy để ước lượng ảnh hưởng của chúng đến RRTD của khách hàng.
Chỉ số đầu tiên được sử dụng là số nợ vay ngân hàng. Nếu vay nợ càng nhiều,
khách hàng càng có nguy cơ kiệt quệ tài chính hay không thể thực hiện nghĩa vụ
trả
nợ (Lally, 2003). Nhiều nghiên cứu về mối quan hệ giữa nợ và RRTD (Beattie và
các tác giả, 2006) nhận thấy mối quan hệ nghịch biến giữa đòn bẩy tài chính (tỷ
số
21
giữa nợ vay và vốn chủ sở hữu) và RRTD của khách hàng. Nói cách khác, nếu đòn
bẩy tài chính càng cao thì RRTD của khách hàng càng thấp.
Theo Alonso và các tác giả (2005), cấu trúc vốn tối ưu của khách hàng đạt
được khi tối thiểu hóa chi phí đại diện liên quan đến nợ và vốn cổ phần. Một
cách
để giảm chi phí đại diện là giảm dòng tiền tự do bởi dòng tiền tự do và đầu tư
thái
quá là hai vấn đề thường gặp ở người đại diện (quản lý) khách hàng. Nói cách
khác,
đầu tư thái quá thường xảy ra ở các khách hàng có dòng tiền tự do cao, mà đầu tư
thái quá thì hiệu quả thấp nên RRTD cũng sẽ thấp nếu khách hàng vay để đầu tư.
Do đó, dòng tiền tự do có quan hệ nghịch biến với RRTD của k hách hàng.
Thông thường, nếu hiệu quả kinh doanh (đo lường bằng chỉ số ROE hay
ROA) càng cao thì khách hàng càng dễ trả nợ và muốn trả nợ để tiếp tục vay nhằm
khai thác các cơ hội sinh lợi cao. Ngoài ra, người quản lý khách hàng luôn có
thông
tin (nội bộ) tốt hơn các nhà tài trợ từ bên ngoài (như ngân hàng hay cổ đông).
Bên
cạnh đó bất cân xứng thông tin khiến chi phí huy động vốn từ bên ngoài cao hơn
chi
phí sử dụng vốn nội bộ (hình thành từ lợi nhuận giữ lại). Do đó, theo lý thuyết
trật
tự phân hạng, nhà quản lý sẽ ưu tiên sử dụng nguồn tài trợ nội bộ trước, sau đó
mới
đến các nguồn huy động từ bên ngoài (Watson và Wilson, 2002). Như vậy, các
khách hàng kinh doanh hiệu quả sẽ có RRTD tốt hơn bởi có thể chủ động sử dụng
nguồn tự tài trợ với chi phí thấp để đầu tư. Do đó, hiệu quả kinh doanh (hay các
chỉ
số ROE, ROA) sẽ có quan hệ đồng biến với RRTD của khách hàng.
Tuy nhiên, hiệu quả kinh doanh càng cao thì cơ hội vay nợ của khách hàng
càng lớn bởi càng dễ được ngân hàng chấp nhận cho vay (Amato, 2004). Khi được
vay nhiều, khách hàng có xu hướng mở rộng đầu tư vào các dư án ít hiệu quả hơn
vì
các dự án hiệu quả cao đã được khai thác, do đó RRTD sẽ giảm (Goyal và các tác
giả, 2011). Thêm vào đó, nếu phần lợi nhuận tạo ra từ dự án đầu tư phải trả cho
chủ
nợ bởi vay nhiều thì người quản lý khách hàng sẽ ít có động cơ tìm kiếm các dự
án
hiệu quả. Như vậy, nếu khả năng sinh lời càng cao thì có khả năng khách hàng sẽ
vay nợ càng nhiều và xác suất không trả được nợ tăng dần.Khi đó, hiệu quả kinh
doanh có quan hệ nghịch biến với RRTD. Như vậy, mối quan hệ giữa hiệu quả kinh
doanh và RRTD của k hách hàng chỉ có thể được kiểm chứng bằng nghiên cứu thực
nghiệm.
22
Theo Jensen (1986), một khách hàng tạo ra nhiều tiền thường được xem là có
khả năng chống đỡ rủi ro tốt hơn và ít bị vỡ nợ. Khách hàng có dòng tiền dương
sẽ
có khả năng làm tốt nghĩa vụ trả nợ trong khi một khách hàng có dòng tiền vào âm
dễ đối diện với nguy cơ vỡ nợ. Lập luận này cho phép kỳ vọng các khách hàng có
dòng tiền càng mạnh sẽ có RRTD càng tốt hay dòng tiền có quan hệ đồng biến với
RRTD của khách hàng.
Tương tự dòng tiền, khả năng thanh khoản của tài sản cũng quyết định
RRTD của khách hàng. Tài sản có tính thanh khoản cao là tài sản dễ giao dịch
trên
thị trường nên có thể nhanh chóng chuyển hóa thành tiền dùng để trả nợ khi cần.
Thật vậy, nhiều nghiên cứu nhận thấy mối quan hệ đồng biến giữa khả năng thanh
khoán của tài sản với RRTD của khách hàng (Fidrmuc và Hainz, 2010).
Thông thường, khách hàng quy mô nhỏ rất nhạy cảm với các biến động xấu
của môi trường kinh doanh và khả năng chịu đựng rủi ro thấp hơn khách hàng quy
mô lớn nên dễ gặp thất bại và khó thực hiện nghĩa vụ trả nợ. Do đó, quy mô có
quan
hệ đồng biến với RRTD của khách hàng (Amato, 2004). Tương tự, khách hàng càng
trẻ thì càng dễ gặp rủi ro hơn so với k hách hàng hoạt động lâu năm trong ngành,
có
kinh nghiệm, kiến thức sâu sắc về thị trường, có hậu thuẫn vững chắc bởi lực
lượng
khách hàng hùng hậu và các nhà cung ứng truyền thống có tiềm lực mạnh (Petrunia,
2007). Do đó, số năm hoạt động trong ngành có quan hệ đồng biến với RRTD của
khách hàng. Cuối cùng, khách hàng hoạt động trong các lĩnh vực khác nhau cũng sẽ
có RRTD không giống nhau bởi khác biệt về đặc điểm kinh doanh cũng như các
yếu tố nội tại khác của chính bản thân khách hàng (Bartoloni và Baussola, 2009).
1.5. Mô hình nghiên cứu đề xuất:
1.5.1. Lý thuyết mô hình.
Mô hình hồi quy Binary logistic bắt nguồn từ nghiên cứu của Simon
Jackman (2007). Trong mô hình này, thông tin cần thu thập về biến phụ thuộc là
một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị
0
và 1, với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và tất nhiên
là cả
thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ
được dùng để dự đoán xác suất sự kiện xảy ra quy tắc nếu xác suất được dự đoán
23
lớn hơn 0,5 thì kết quả dự đoán sẽ cho là “có” xảy ra sự kiện, ngược lại thì kết
quả
dự đoán sẽ cho là “không”
Theo Karl L.Wuensch (2014), hồi quy Binary logistic được sử dụng để tiên
đoán một biến xác thực (thường là biến nhị phân) từ một tập hợp biến. Với một
biến
phụ thuộc, phân tích biệt số thường được sử dụng nếu tất cả các dự báo là liên
tục
và được phân phối tốt, phân tích logit thường được sử dụng nếu tất cả các dự báo
đều là nhị phân và hồi quy logistic thường được chọn nếu những biến dự báo là
một
tập hợp liên tục và những biến là nhị phân hoặc nếu chúng không phải là phân
phối
tốt. Trong hồi quy logistic, biến phụ thuộc được dự báo là một hàm xác suất và
là
một biến nhị phân. Trong trường hợp nghiên cứu về rủi ro tín dụng, biến phụ
thuộc
là một biến nhị phân nhận giá trị là 1 nếu khách hàng phát sinh rủi ro tín dụng,
nhận
giá trị là 0 nếu khách hàng không phát sinh rủi ro tín dụng.
Mô hình được thể hiện như sau:
(
/
)
=
×
1 +
×
Biến phụ thuộc Y là một biến nhị nguyên nhận giá trị (0 hoặc 1), hay kí tự
ngắn.
Các biến độc lập có thể là biến định lượng, có thể là biến định tính hoặc gồm
cả biến định lượng và biến định tính.
Trong công thức này E(Y/X) là xác suất để Y = 1 (tức là xác suất để sự kiện
xảy ra) khi biến độc lập có giá trị cụ thể là Xi. Ký hiệu biểu thức (B0 + B1X)
là z, ta
có thể viết lại mô hình hàm Binary logistic như sau:
P(Y = 1) =
1 +
Vậy thì xác suất không xảy ra sự kiện là:
Thực hiện phép so sánh giữa xác suất một sự kiện xảy ra với xác suất sự kiện
đó không xảy ra, tỷ lệ chênh lệch này có thể được thể hiện trong công thức:
P(Y=0) = 1 – P(Y=1) = 1-
24
Lấy log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta
được kết quả là:
Ta có thể mở rộng mô hình Binary Logistic cho nhiều biến độc lập trong
trường hợp nghiên cứu của luận văn được trình bày trong phần sau
1.5.2. Các biến đưa vào mô hình.
Lựa chọn các chỉ số tài chính, phi tài chính trong mô hình đánh giá
RRTD của khách hàng doanh nghiệp
Vận dụng các nghiên cứu trên thế giới về các yếu tố ảnh hưởng đến RRTD
trong cho vay khách hàng, đề tài hình thành mô hình kiểm định ảnh hưởng của các
yếu tố đến RRTD như sau:
=
+
+
+
+
+
+
+
+
+
+
+
+
+
(1)
Ý nghĩa, cách đo lường các biến độc lập và kỳ vọng về dấu các hệ số trong
mô hình (1) được trình bày trong bảng 1.4.
25
Bảng 1.3. Diễn giải các biến trong mô hình 1
Biến độc lập
Ý nghĩa và cách đo lường
Kỳ vọng về
dấu của các hệ
số
DONBAYTAICHINH
Nợ vay/vốn chủ sở hữu
+
DONGTIENTUDO
Thu nhập giữ lại/tổng tài sản
-
ROE
Lợi nhuận ròng/vốn chủ sở hữu
+/-
ROA
Lợi nhuận ròng/tổng tài sản
+/-
DONGTIEN
(Lợi nhuận ròng + khấu hao –
tài sản ngắn hạn lưu chuyển
ròng)/tổng tài sản
-
VONLUUDONG
(Tài sản ngắn hạn – nợ ngắn
hạn)/tổng tài sản
-
THANHKHOAN
(Tiền mặt + đầu tư ngắn hạn +
các khoản phải thu)/nợ ngắn
hạn
-
KNANGHOATDONG
Doanh thu/tổng tài sản
-
QUYMO
Khách hàng có quy mô lớn
nhận giá trị là 1, khách hàng có
quy mô còn lại nhận giá trị 0
-
KINHNGHIEM
Số năm hoạt động của khách
hàng
-
CONGNGHIEP
Có giá trị là 1 đối với các khách
hàng kinh doanh trong ngành
công nghiệp và xây dựng và có
giá trị là 0 đối với các trường
hợp khác
+/-
THUONGMAI
Có giá trị là 1 đối với các khách
hàng kinh doanh trong lĩnh vực
thương mại và dịch vụ và có giá
trị là 0 đối với các trường hợp
khác
+/-
Nguồn: tổng hợp từ các nghiên cứu liên quan.
Trong mô hình (1), biến phụ thuộc RRTD có giá trị là 0 đối với các khách
hàng thuộc nhóm 1 và 2 (không có nợ xấu hay không có RRTD) theo thông tư số
02/2013/TT-NHNN ngày 21/01/2013 của NHNN Việt Nam và có giá trị là 1 đối với
trường hợp có nợ xấu thuộc các nhóm 3, 4, 5 (có RRTD). Với hai giá trị 1 và 0
của
biến phụ thuộc, mô hình binary logistic sẽ giúp ước lượng ảnh hưởng của các biến
độc lập trong mô hình đến RRTD của các khách hàng.
26
Lựa chọn các chỉ số tài chính, phi tài chính trong mô hình đánh giá
RRTD của khách hàng cá nhân
Trên cơ sở 6 yếu tố trong mô hình 6C đánh giá rủi ro tín dụng của khách
hàng cá nhân, tác giả đề xuất mô hình nghiên cứu như sau:
=
+
+
+
+
+
+
+
+
+
+
(2)
Bảng 1.4. Diễn giải các biến trong mô hình 2.
Biến độc lập
Ý nghĩa và cách đo lường
Kỳ vọng
về dấu
củ
a các
hệ số
NOQUAHAN
Nợ quá hạn của khách hàng trong quá khứ. Nhận giá
trị là 0 nếu không có nợ quá hạn, nhận giá trị là 1
nếu có nợ quá hạn
+
TSDB
TSĐB trên số tiền vay
-
CSTD
Chính sách tín dụng. Nhận giá trị là 1 nếu chính
sách tín dụng đáp ứng yêu cầu, nhận giá trị là 0 nếu
chính sách tín dụng không đáp ứng yêu cầu.
+
TDCBTD
Trình độ chuyên môn của cán bộ tín dụng. Cán bộ tín
dụng có thâm niên trên 3 năm nhận giá trị là 0, ngược
lại nhận giá trị là 1.
-
THUNHAP
Thu nhập trên số tiền vay phải trả định kỳ
-
PHUONGAN
Tính khả thi của phương án sản xuất kinh doanh của
khách hàng. Nhận giá trị là 1 nếu phương án khả thi,
là 0 nếu không khả thi.
-
MOITRUONG
Mức độ ảnh hưởng của yếu tố môi trường tự nhiên
tới phương án sản xuất kinh doanh của khách hàng.
Nhận giá trị là 1 nếu ảnh hưởng đáng kể, nhận giá trị
là 0 nếu ảnh hưởng không đáng kể
+
KINHTE
Mức độ ảnh hưởng của yếu tố kinh tế thị trường tới
phương án sản xuất kinh doanh của khách hàng.
Nhận giá trị là 1 nếu ảnh hưởng đáng kể, nhận giá trị
là 0 nếu ảnh hưởng không đáng kể
+
VANHOA
Trình độ văn hóa
-
Nguồn: Mô hình 6C, Peter S. Rose, 2012
Trong mô hình (2), biến phụ thuộc RRTD có giá trị là 0 đối với các cá nhân
thuộc nhóm 1 và 2 (không có nợ xấu hay không có RRTD) theo thông tư số
02/2013/TT-NHNN ngày 21/01/2013 của NHNN Việt Nam và có giá trị là 1 đối với
27
trường hợp có nợ xấu thuộc các nhóm 3, 4, 5 (có RRTD). Với hai giá trị 1 và 0
của
biến phụ thuộc, mô hình binary logistic sẽ giúp ước lượng ảnh hưởng của các biến
độc lập trong mô hình đến RRTD của các cá nhân.
28
KẾT LUẬN CHƯƠNG 1:
Chương 1 đã làm rõ được khái niệm về RRTD, phân loại và nguyên nhân
dẫn đến RRTD. Bên cạnh đó, cách thức đo lường và các mô hình đánh giá RRTD
của khách hàng cũng được tác giả đề cập đến. Trên cơ sở các mô hình đánh giá
RRTD đang được áp dụng trên thế giới, tác giả tiến hành đề xuất mô hình đánh giá
RRTD dựa trên phương pháp hồi quy Binary Logistic.
Ngoài việc phân tích về lý thuyết, trong chương 1, tác giả đã tiến hành tổng
hợp các nghiên cứu trong nước và trên thế giới về RRTD, do các nghiên cứu thực
nghiệm trên thế giới được tiến hành trong phạm vi các quốc gia khác nhau nên các
biến rút ra được các nhà khoa học đặt tên cụ thể và có thể khác với các yếu tố
được
phân tích. Tuy nhiên về mặt nội dung các yếu tố được phân tích đã bao quát hết
các
biến được rút ra từ các nghiên cứu thực nghiệm trên thế giới. Từ các biến đó,
tác giả
đã đề xuất mô hình nghiên cứu thực nghiệm tại Việt Nam.
Chương 2 sẽ phân tích thực trạng RRTD và trình bày kết quả nghiên cứu
thực nghiệm các yếu tố ảnh hưởng đến RRTD của khách hàng tại Vietinbank- chi
nhánh Bến Lức.
29
CHƯƠNG 2: THỰC TRẠNG RỦI RO TÍN DỤNG VÀ KẾT QUẢ
NGHIÊN CỨU THỰC NGHIỆM TẠI NGÂN HÀNG THƯƠNG MẠI
CỔ PHẦN CÔNG THƯƠNG VIỆT NAM – CHI NHÁNH BẾN LỨC
2.1. Thực trạng hoạt động tín dụng và rủi ro tín dụng tại Vietinbank- chi
nhánh Bến Lức:
2.1.1. Thực trạng hoạt động tín dụng tại Vietinbank – chi nhánh Bến Lức:
Bên cạnh việc coi trọng công tác huy động vốn thì việc sử dụng nguồn vốn
hiệu quả là vấn đề mang tính sống còn của ngân hàng. Hoạt động tín dụng tại
Vietinbank- Chi nhánh Bến Lức ngày càng phát triển cả chiều rộng lẫn chiều sâu.
Nhằm tiếp tục đẩy mạnh đầu tư các lĩnh vực kinh tế mũi nhọn, Vietinbank- chi
nhánh Bến Lức đã xác định danh mục tín dụng ưu tiên để nâng tỷ trọng cho vay vào
các ngành công nghiệp, chế biến xuất khẩu thủy sản… Bám sát thế mạnh, đặc điểm
kinh tế tại các vùng, Vietinbank- chi nhánh Bến Lức đã đầu tư hỗ trợ có hiệu
quả.
Dư nợ tín dụng qua các năm đều tăng trưởng và được kiểm soát chặt chẽ trong
phạm vi giới hạn theo quy định của Hội sở, thể hiện qua các số liệu sau:
Bảng 2.1: Dư nợ tín dụng của Vietinbank- CN Bến Lức giai đoạn 2014-2016.
Đvt: Tỷ đồng, %
Chỉ tiêu
2014
2015
2016
Số tiền
%
Số tiền
%
Số tiền
%
Tổng dư nợ
1.932
100%
2.587
100%
2.971
100%
Theo thời gian
Ngắn hạn
1.256
65%
1.889
73%
2.347
79%
Dài hạn
676
35%
698
27%
624
21%
Theo loại hình khách hàng
DN nhà nước
290
15%
492
19%
564
19%
DN Tư nhân
444
23%
724
28%
832
28%
Cá nhân. hộ gia đình
1.198
62%
1.397
54%
1.575
53%
Theo TSĐB
Có TSĐB
1.488
77%
2.070
80%
2.525
85%
Tín chấp
444
23%
517
20%
446
15%
Nguồn: Tổng hợp của tác giả theo báo cáo hoạt động kinh doanh của chi nhánh.
Năm 2014, tình hình kinh tế trong nước diễn biến phức tạp trên nhiều lĩnh
vực như dịch bệnh, thiên tai, giá nguyên liệu tăng cao, giá cả thu mua sản phẩm
có