Phân tích sống sót trong ước lượng và phân tích rủi ro - Tiếp cận hồi quy tham số và phi tham số

Những đóng góp mới về mặt học thuật, lý luận (1) Đây là nghiên cứu định lượng đầu tiên ở Việt Nam về thời gian sống sót của các khoản vay tại NHTM ở Việt Nam, luận án đã ước lượng được thời gian sống sót của các khoản vay cũng như ước lượng được xác suất vỡ nợ theo thời điểm của các khoản vay bằng phương pháp phân tích sống sót. Việc ước lượng xác suất vỡ nợ theo thời điểm thay vì theo một khoảng thời gian của các khoản vay giúp các ngân hàng định lượng chính xác hơn được các thước đo rủi ro trọn đời của khoản vay như xác suất vỡ nợ trọn đời hay tổn thất tín dụng dự kiến trọn đời. Điều này giúp ngân hàng điều chỉnh dự phòng rủi ro một cách hiệu quả, an toàn, tiết kiệm hơn. (2) Luận án sử dụng đồng thời các phương pháp tham số, phi tham số (trong đó có sử dụng phương pháp học máy) trong phân tích sống sót để ước lượng và phân tích rủi ro. Việc sử dụng đồng thời các phương pháp này giúp đảm bảo tính vững của kết quả nghiên cứu cũng như giúp nghiên cứu được các khía cạnh khác nhau của bài toán sống sót của khoản vay như đánh giá được vai trò của các yếu tố lên thời gian sống sót của khoản vay, ước lượng được thời gian sống sót của khoản vay. Từ đó, luận án đề xuất được các chính sách phù hợp (đối với các khoản vay đang xin vay, đối với các khoản vay đang trong kỳ hạn của hợp đồng và đối với các nhóm khách hàng tiềm năng) để nâng cao lợi nhuận, đảm bảo an toàn vốn của ngân hàng. Những phát hiện, đề xuất mới rút ra được từ kết quả nghiên cứu, khảo sát của luận án (1) Phân tích sống sót là phương pháp có ưu điểm so với các phương pháp truyền thống khác trong phân tích và tính toán rủi ro tín dụng. Kết quả nghiên cứu cho thấy tổn thất tín dụng dự kiến trọn đời của các khoản vay được tính bởi phương pháp phân tích sống sót có giá trị sát với tổn thất thực tế hơn so với tổn thất tín dụng dự kiến trọn đời được tính bằng phương pháp truyền thống. Do đó phương pháp phân tích sống sót cần được quan tâm nhiều hơn bởi các nhà nghiên cứu về QTRR cũng như các bộ phận QTRR tại các NHTM, các NHTM có thể sử dụng phương pháp phân tích sống sót để có thể ước lượng một cách chính xác hơn các thước đo rủi ro, từ đó có thể dự phòng rủi ro một cách tốt hơn. (2) Các phương pháp trong phân tích sống sót có thể được sử dụng để ước lượng xác suất vỡ nợ của các khoản vay theo thời điểm cũng như dự báo được thời gian sống sót của các khoản vay, nên kiến nghị các ngân hàng có thể sử dụng các ước lượng này để ra các quyết định đối với khoản vay đang được đề xuất của khách hàng, tư vấn cho khách hàng để điều chỉnh đơn xin cấp vốn của khách hàng (về lượng tiền xin được vay, thời hạn của khoản vay), chấp nhận đơn vay hoặc từ chối đơn xin vay tùy thuộc vào dự báo thời gian sống sót của khoản vay đang đề nghị có hợp lý với các chính sách rủi ro của ngân hàng hay không. (3) Các khoản vay của các khách hàng với các đặc trưng khác nhau có thời gian sống sót khá khác nhau, nên đối với các khoản vay đã được ngân hàng giải ngân mà vẫn còn thời gian trong kỳ hạn, kiến nghị ngân hàng tiếp tục theo dõi khả năng sống sót trong thời gian còn lại trong kỳ hạn của khoản vay, đánh giá xác suất vỡ nợ và nguy cơ vỡ nợ tại từng thời điểm. Tại các thời điểm mà nguy cơ vỡ nợ của khoản vay cao, ngân hàng có thể kích hoạt các biện pháp tự vệ trước, ví dụ có thể cảnh báo vỡ nợ sớm đối với khoản vay, để từ đó có các biện pháp xử lý kịp thời nếu khoản vay thực sự xảy ra vỡ nợ. (4) Các yếu tố nhân khẩu học như giới tính, tuổi, thời gian làm việc, tình trạng nhà ở, vị trí công việc, trình độ đào tạo, các yếu tố về mối quan hệ với ngân hàng như có là khách hàng cũ không, hình thức trả lương, yếu tố về độ lớn của số tiền vay so với tổng thu nhập có ảnh hưởng tới thời gian sống sót của khoản vay. Do đó kiến nghị ngân hàng cần có chiến lược phát triển làm đa dạng nguồn khách hàng, tương ứng với mỗi nhóm khách hàng khác nhau ngân hàng cần đưa ra các gói vay phù hợp (ưu đãi về lãi suất, về số tiền vay và đơn giản thủ tục với nhóm khách hàng có thời gian sống sót của khoản vay dài và có các chính sách bù rủi ro vào lãi suất, điều chỉnh kỳ hạn hay lượng tiền vay đối với các nhóm có nhiều rủi ro hơn), đồng thời cũng phương án tiếp cận khách hàng tiềm năng phù hợp (thông qua các chiến lược quảng cáo, phương án thiết lập hội nhóm các khách hàng thân quen trên mạng xã hội…) với các nhóm khách hàng cụ thể.

-

ĐOÀN TRỌNG TUYẾN

PHÂN TÍCH SỐNG SÓT TRONG ƯỚC LƯỢNG

VÀ PHÂN TÍCH RỦI RO - TIẾP CẬN HỒI QUY

THAM SỐ VÀ PHI THAM SỐ

LUẬN ÁN TIẾN SĨ NGÀNH KINH TẾ HỌC

HÀ NỘI - 2022

-

ĐOÀN TRỌNG TUYẾN

PHÂN TÍCH SỐNG SÓT TRONG ƯỚC LƯỢNG

VÀ PHÂN TÍCH RỦI RO - TIẾP CẬN HỒI QUY

THAM SỐ VÀ PHI THAM SỐ

Chuyên ngành: TOÁN KINH TẾ

Mã số: 9310101

LUẬN ÁN TIẾN SĨ

Người hướng dẫn khoa học: PGS.TS NGUYỄN THỊ MINH

HÀ NỘI - 2022

LỜI CAM ĐOAN

Tôi đã đọc và hiểu về các hành vi vi phạm sự trung thực trong học thuật Tôi cam kết bằng danh dự cá nhân rằng, luận án: “Phân tích sống sót trong ước lượng và phân tích rủi ro - tiếp cận hồi quy tham số và phi tham số” là do tôi tự thực hiện và không vi phạm yêu cầu về sự trung thực trong học thuật

Hà Nội, ngày tháng năm 2022

Nghiên cứu sinh

Đoàn Trọng Tuyến

LỜI CẢM ƠN

Tác giả xin gửi lời cảm ơn chân thành và sâu sắc đến PGS.TS Nguyễn Thị Minh, người hướng dẫn khoa học, đã luôn tận tình hướng dẫn tác giả trong suốt thời gian học tập, nghiên cứu và hoàn thành luận án

Tác giả xin chân thành cảm ơn các thầy cô giáo trong Khoa Toán kinh tế và các đồng nghiệp thuộc Bộ môn Toán cơ bản - Trường Đại học Kinh tế Quốc dân đã tạo mọi điều kiện và giúp đỡ tác giả trong suốt thời gian học tập và nghiên cứu

Tác giả xin chân thành cảm ơn các nhà khoa học, các thầy cô giáo công tác trong

và ngoài trường Đại học Kinh tế Quốc dân đã đóng góp nhiều ý kiến quý báu để giúp tác giả hoàn thiện luận án

Tác giả xin trân trọng cảm ơn các thầy, cô giáo và cán bộ Viện Sau đại học - Trường Đại học Kinh tế Quốc dân đã nhiệt tình giúp đỡ tác giả trong quá trình học tập

và nghiên cứu tại trường

Cuối cùng, tác giả xin được bày tỏ lòng biết ơn đến những người thân trong gia đình, bạn bè và đồng nghiệp đã chia sẻ, động viên và khích lệ tác giả trong suốt quá trình học tập, nghiên cứu và hoàn thành luận án

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC CHỮ VIẾT TẮT vi

DANH MỤC BẢNG BIỂU vii

DANH MỤC HÌNH viii

LỜI MỞ ĐẦU 1

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU 9

1.1 Rủi ro tín dụng và một số thước đo rủi ro tín dụng 9

1.1.1 Một số khái niệm 9

1.1.2 Một số thước đo rủi ro tín dụng 11

1.2 Một số chính sách về rủi ro tín dụng và thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam 14

1.2.1 Một số chính sách về rủi ro tín dụng tại Việt Nam 14

1.2.2 Thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam 17

1.3 Cơ sở lý thuyết mô hình phân tích sống sót 20

1.3.1 Khái niệm phân tích sống sót 20

1.3.2 Biểu diễn thời gian sống sót 21

1.3.3 Mục tiêu của phân tích sống sót 22

1.3.4 Số liệu trong phân tích sống sót 22

1.4 Cơ sở lý luận về các yếu tố ảnh hưởng tới thời gian sống sót của khoản vay 27

1.4.1 Các yếu tố liên quan tới khách hàng 27

1.4.2 Các yếu tố liên quan tới khoản vay 30

1.4.3 Các yếu tố liên quan tới tình hình kinh tế vĩ mô 30

1.5 Tổng quan nghiên cứu 31

1.5.1 Các nghiên cứu nước ngoài sử dụng mô hình phân tích sống sót 31

1.5.2 Các nghiên cứu sử dụng mô hình phân tích sống sót trong quản trị rủi ro tại Việt Nam 39

1.6 Khoảng trống nghiên cứu 41

1.7 Khung phân tích của luận án 42

Kết luận chương 44

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU 45

2.1 Mô hình hồi quy tham số trong phân tích sống sót 45

2.1.1 Các mô hình AFT trong phân tích sống sót 45

2.1.2 Hồi quy phân vị trong phân tích sống sót 49

2.2 Các mô hình bán tham số Cox PH 52

2.2.1 Mô hình bán tham số Cox PH 52

2.2.2 Các mô hình Cox PH mở rộng 55

2.3 Hồi quy phi tham số trong phân tích sống sót 57

2.3.1 Ước lượng phi tham số Kaplan-Meier 57

2.3.2 Mô hình Random Survival Forest 60

2.4 Thuật toán phân nhóm dữ liệu và đo lường khả năng dự báo của biến 64

2.4.1 Thuật toán phân nhóm dữ liệu 64

2.4.2 Thuật toán đo lường khả năng dự báo của biến 67

2.5 Đánh giá chất lượng của các mô hình dự báo 68

2.5.1 Đánh giá chất lượng của mô hình dự báo xác suất vỡ nợ 68

2.5.2 Đánh giá chất lượng của mô hình dự báo thời gian sống sót 71

2.5.3 Đánh giá hiệu quả ước lượng tổn thất tín dụng dự kiến 71

Kết luận chương 74

CHƯƠNG 3 MÔ HÌNH VÀ KẾT QUẢ PHÂN TÍCH THỰC NGHIỆM 75

3.1 Dữ liệu và kết quả biến đổi dữ liệu 75

3.1.1 Các bộ dữ liệu 75

3.1.2 Kết quả phân nhóm các biến trên tập dữ liệu NHTM ở Việt Nam 81

3.2 Các mô hình đánh giá tác động của các yếu tố lên thời gian sống sót của khoản vay 88

3.2.1 Số liệu và các biến số 89

3.2.2 Mô hình bán tham số Cox PH mở rộng với hệ số phụ thuộc thời gian 89

3.2.3 Mô hình hồi quy phân vị trong phân tích sống sót 96

3.3 Mô hình và kết quả ước lượng xác suất vỡ nợ theo thời điểm của các khoản

vay 102

3.3.1 Mô hình bán tham số Cox PH mở rộng 102

3.3.2 Mô hình Random Survival Forest 106

3.4 Ước lượng ECL trọn đời của các khoản vay 111

3.4.1 Ước lượng PD trọn đời của các khoản vay 111

3.4.2 Ước lượng ECL trọn đời của các khoản vay 115

Kết luận chương 117

CHƯƠNG 4 KẾT LUẬN VÀ KIẾN NGHỊ 118

4.1 Kết luận 118

4.2 Một số kiến nghị chính sách 121

4.3 Hạn chế của luận án 123

4.4 Đề xuất một số hướng nghiên cứu tiếp theo 123

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ CÓ NỘI DUNG LIÊN QUAN TRỰC TIẾP ĐẾN LUẬN ÁN 124

TÀI LIỆU THAM KHẢO 125

PHỤ LỤC 130

DANH MỤC CHỮ VIẾT TẮT

Chữ viết tắt Giải thích thuật ngữ

AFT (Model) Accelerated Failure Time (Model)

CIC Credit Information Center

C-index Concordance index

Cox PH (Model) Cox Proportional Hazard (Model)

DANH MỤC BẢNG BIỂU

Bảng 1.1: Các yếu tố tác động tới thời gian sống sót của khoản vay 42

Bảng 3.1: Thống kê mô tả biến phụ thuộc và một số biến liên tục trong tập số liệu 77

Bảng 3.2: Thống kê mô tả các biến nhóm trong tập số liệu 78

Bảng 3.3: Thống kê mô tả một số biến trong tập số liệu Mortgage 80

Bảng 3.4 Kết quả kiểm tra giả thiết tỷ lệ nguy cơ hằng đối với các biến 90

Bảng 3.5 Kết quả ước lượng các hệ số của mô hình 3.1’ trên tập Train 93

Bảng 3.6: Kết quả ước lượng các hệ số của mô hình 3.2 98

Bảng 3.7: Thống kê chỉ số AUC của các mô hình Cox PH mở rộng 105

Bảng 3.8: Mô hình RSF trên tập dữ liệu Train 108

Bảng 3.9: Mô hình RSF trên tập dữ liệu Test 109

Bảng 3.10: Chỉ số C-index của các mô hình RSF và Cox PH mở rộng 109

Bảng 3.11: Hệ số ước lượng của mô hình Cox PH 3.3 112

Bảng 3.12: Hệ số ước lượng của mô hình Logit 3.4 113

Bảng 3.13: Kết quả ước lượng ECL trọn đời sử dụng mô hình Logit và Cox PH 115

Bảng 3.14: Kết quả tính toán thiệt hại do dự báo ECL sai lệch bằng mô hình Logit và Cox PH 116

Phụ lục 3.2 Kết quả kiểm tra giả thiết tỷ lệ nguy cơ hằng đối với các biến trong mô hình Cox PH 3.3 132

DANH MỤC HÌNH

Hình 1.1: Mối liên hệ giữa ECL, UL và vốn kinh tế EC 13

Hình 1.2: Minh họa các trường hợp bị kiểm duyệt của khoản vay trong phân tích sống sót 23

Hình 1.3: Minh họa các trường hợp bị cắt cụt của các khoản vay trong phân tích sống sót 24

Hình 1.4: Minh họa một số tình huống về thời gian sống sót và tình trạng của khoản vay 25

Hình 1.5: Số liệu thời gian sống sót và tình trạng của các khoản vay sau khi bị cắt cụt trái tại 𝑳, cắt cụt phải tại 𝑹 và “kéo lùi” thời điểm bắt đầu các khoản vay về 𝑳 26

Hình 2.1: Minh họa thuật toán Random Survival Forest 61

Hình 2.2: Mối liên hệ giữa tuổi của khách hàng và tỷ lệ vỡ nợ 65

Hình 2.10: Đường cong ROC 70

Hình 3.1: Hàm sống sót tương ứng với 5 nhóm tuổi 82

Hình 3.2: Hàm sống sót tương ứng với thời gian làm việc ở lĩnh vực chuyên môn hiện tại 83

Hình 3.3: Hàm sống sót tương ứng với các nhóm vị trí công việc của khách hàng 84

Hình 3.4: Hàm sống sót tương ứng với các nhóm học vấn của khách hàng 85

Hình 3.5: Hàm sống sót tương ứng với các nhóm học vấn của khách hàng 86

Hình 3.6: Hàm sống sót tương ứng với các nhóm hình thức trả lương của khách hàng 87

Hình 3.7: Biểu đồ tần suất dạng cột của biến LoanPerIncome 88

Hình 3.8: Đồ thị hàm sống sót của một số khoản vay 104

Hình 3.9: Giá trị AUC theo thời gian của các mô hình Cox PH mở rộng 105

Hình 3.10: Tỷ lệ dự đoán sai trên tập OOB theo số cây trong rừng 107

Hình 3.11: Tầm quan trọng của các biến trong mô hình RSF 107

Hình 3.12: Tỷ lệ vỡ nợ thực tế và tỷ lệ vỡ nợ được dự báo bởi mô hình RSF trên tập Train và trên tập Test 110

Hình 3.13: Tỷ lệ vỡ nợ thực tế và dự báo bởi mô hình Cox PH, mô hình Logit trên tập dữ liệu Mortgage.Train 114

Hình 3.14: Tỷ lệ vỡ nợ thực tế và dự báo bởi mô hình Cox PH, mô hình Logit trên tập Mortgage.Test 114

LỜI MỞ ĐẦU

1 Lý do chọn đề tài

Trong những năm gần đây, hoạt động tín dụng giữa các ngân hàng thương mại (NHTM) với doanh nghiệp hoặc khách hàng cá nhân ngày càng được phát triển rộng rãi Điều này xuất phát từ nhu cầu về vốn sản xuất, vốn đầu tư ngày càng tăng lên trong bối cảnh nền kinh tế Việt Nam đang ở giai đoạn phát triển một cách nhanh chóng Các hoạt động tín dụng được thực hiện để đáp ứng: (1) Nhu cầu vay vốn để sản xuất đối với doanh nghiệp, hộ gia đình, hoặc đầu tư cá nhân, chẳng hạn như đầu tư cho con học nghề, vay tiêu dùng, hoặc tham gia các kênh đầu tư khác như chứng khoán, bất động sản đang ngày càng tăng mạnh; (2) Nhu cầu cho vay của các NHTM để mở rộng mạng lưới và hiệu quả sản xuất kinh doanh, trong đó việc tiếp cận các phân khúc khách hàng khác nhau, từ khách hàng cá nhân đến khách hàng doanh nghiệp cũng ngày một lớn

Một trong những vấn đề mà các NHTM thường xuyên phải đối mặt đó là rủi ro tín dụng Hiểu một cách đơn giản, rủi ro tín dụng là những tổn thất xảy ra đối với các khoản nợ, khi các ngân hàng không thu hồi được nợ từ các khoản vay đến hạn do người vay không thực hiện đúng cam kết theo hợp đồng Rủi ro tín dụng gây ra những tổn thất

về tài chính, làm giảm giá trị thị trường của vốn ngân hàng, tăng nợ xấu và nghiêm trọng hơn có thể dẫn đến thua lỗ hoặc thậm chí là phá sản Tuy nhiên, cho vay tín dụng là một trong những hoạt động kinh doanh chủ yếu của các ngân hàng, do đó rủi ro tín dụng là một trong những loại rủi ro có xác xuất xảy ra khá lớn, và là mối đe dọa đối với sức khỏe tài chính của các ngân hàng nếu như không có biện pháp phòng ngừa và xử lý hiệu quả

Có nhiều nguyên nhân dẫn đến hình thành và phát sinh rủi ro tài chính trong các hoạt động tín dụng của các ngân hàng, và một trong số đó đến từ phía môi trường kinh doanh Cũng giống như các hoạt động sản xuất và kinh doanh trong các lĩnh vực khác, hoạt động tín dụng chịu tác động đáng kể của những biến động vĩ mô, chẳng hạn như lạm phát, sự thay đổi về pháp lý, hoặc biến động về tỷ giá,… và điều này tác động trực tiếp tới sức khỏe doanh nghiệp nói chung cũng như tới các ngân hàng nói riêng Nguyên nhân quan trọng khác đến từ phía khách hàng, chẳng hạn như khách hàng sử dụng vốn vay không đúng mục đích, hoặc sử dụng vốn vay vào các dự án kinh doanh kém hiệu quả, thậm chí là thua lỗ dẫn đến mất khả năng trả nợ Trong trường hợp này, đánh giá được khả năng sống sót của các khoản vay để sàng lọc khách hàng trước khi ký hợp đồng cho vay có một ý nghĩa quan trọng, bởi nó giúp ngân hàng tránh được loại rủi ro mang tính đặc thù và xảy ra thường xuyên trong quá trình hoạt động Cuối cùng, nguyên

nhân khác cũng không kém quan trọng được đến từ phía ngân hàng, chẳng hạn như sự yếu kém về quản lý và nghiệp vụ, hoặc quy trình tín dụng không được tuân thủ chặt chẽ

do áp lực mở rộng tín dụng quá mức cũng có thể dẫn đến sai lầm khi đánh giá sai về rủi

ro của các khoản vốn vay

Khác với các tổ chức tín dụng được nhà nước bảo hộ, chẳng hạn như các ngân hàng quốc doanh hoặc ngân hàng có vốn nhà nước chi phối, các NHTM phải đối mặt với nhiều khó khăn hơn trong tiếp cận khách hàng, định giá khoản vay bởi nhóm khách hàng thường xuyên của các NHTM thường khá đa dạng, do đó mức độ rủi ro và các dạng rủi ro cũng lớn hơn Thực tế cho thấy, người gửi tiền và người vay tiền thường ưu tiên các ngân hàng có yếu tố nhà nước hơn, đối với người gửi tiền thì yếu tố tâm lý an toàn cho khoản tiền gửi là quan trọng, còn đối với người vay thì thường lãi suất từ các ngân hàng này thường nhỏ hơn đáng kể so với các NHTM Do đó, chỉ khi không đáp ứng được các điều kiện xin vay từ các ngân hàng có yếu tố nhà nước thì khách hàng mới lựa chọn vay vốn ở các NHTM, vì thế các đối tượng khách hàng của NHTM thường đa dạng, có độ rủi ro cao hơn Do vậy, đánh giá rủi ro tín dụng là một nhiệm vụ đặc biệt quan trọng đối với các NHTM, bởi việc đánh giá sai rủi ro tín dụng sẽ phát sinh nhiều

nợ xấu, làm ảnh hưởng trực tiếp tới hiệu quả hoạt động và giảm lợi nhuận của NHTM Việc đánh giá được mức độ rủi ro của một khách hàng sẽ cho phép các ngân hàng đưa

ra các tính toán hợp lý trong việc quyết định cho vay hay không cho vay, và nếu cho vay thì với mức lãi suất nào là phù hợp để nhằm tối đa hóa lợi nhuận của ngân hàng và đồng thời đảm bảo an toàn vốn của chủ sở hữu

Rủi ro tín dụng không chỉ là mối quan tâm của các NHTM mà còn là mối quan tâm của cả hệ thống chính trị, các tổ chức xã hội và người dân, bởi tính chất đặc biệt của

nó đối với sự ổn định của nền kinh tế Chẳng hạn, nếu xảy ra vỡ nợ ở một ngân hàng có thể dẫn đến sự đổ vỡ mang tính dây chuyền tới các ngân hàng trong hệ thống, và tác động tiêu cực đến toàn bộ các doanh nghiệp do mất đi nguồn vốn vay Do tính chất đặc biệt này, NHNN đã áp đặt các quy định dành riêng cho các hoạt động tín dụng Trong

đó, quy định về bảo đảm an toàn vốn, bao gồm tính toán và trích lập quỹ dự phòng đối với các khoản vay rủi ro là một trong những quy định mang tính bắt buộc mà các NHTM phải tuân thủ Khi mức nợ xấu vượt qua một ngưỡng cho phép thì lượng tiền trích lập

dự phòng của các ngân hàng sẽ được sử dụng để đảm bảo hoạt động bình thường của các ngân hàng, giảm thiểu tổn thất, do đó có thể kiểm soát được nợ xấu và loại trừ nguy

cơ dẫn tới vỡ nợ

Trong lĩnh vực QTRR, tiêu chuẩn Basel II là phiên bản thứ hai của Hiệp ước Basel, trong đó đưa ra các nguyên tắc, quy định chung và các luật ngân hàng của Ủy ban

Basel về Giám sát ngân hàng Hiệp ước Basel II được ban hành vào tháng 6 năm 2004 nhằm xác định các tiêu chuẩn về vốn để hạn chế rủi ro kinh doanh của các ngân hàng và tăng cường hệ thống tài chính Với mục tiêu áp dụng tiêu chuẩn Basel II càng sớm càng tốt, ngày 17/3/2014 NHNN đã đưa ra lộ trình tiến tới thực hiện trích lập dự phòng và bảo đảm an toàn vốn theo chuẩn Basel II trên toàn hệ thống đến năm 2020 Đầu tháng 2/2016, NHNN đã yêu cầu triển khai thí điểm Basel II tại một số ngân hàng, theo đó đặt mục đích đến năm 2018 sẽ có 10 ngân hàng, bao gồm: BIDV, VietinBank, Vietcombank, Techcombank, ACB, VPBank, MB, Maritime Bank, Sacombank và VIB hoàn thành việc thí điểm thực hiện phương pháp quản trị vốn và rủi ro theo tiêu chuẩn Basel II Sau giai đoạn này, Basel II sẽ được áp dụng rộng rãi tại các NHTM còn lại Tuy nhiên, tính đến cuối năm 2018, chỉ có hai ngân hàng đạt chuẩn Basel II là Vietcombank và VIB, tính đến cuối năm 2020 mới chỉ có 18/34 ngân hàng được công nhận áp dụng chuẩn Basel II theo Thông tư 41/2016/TT-NHNN Trong số này vẫn còn nhiều ngân hàng chưa đáp ứng cả 3 trụ cột của Basel II Điều này cho thấy việc áp dụng tiêu chuẩn Basel II trong thực tế gặp nhiều khó khăn, cả về cơ sở lý thuyết cũng như thực tiễn

Mặc dù có nhiều biện pháp để phòng ngừa rủi ro, chẳng hạn như việc xúc tiến lộ trình áp dụng các tiêu chuẩn cao như Basel II, song rủi ro tín dụng vẫn là một trong những mối lo ngại thường trực đối với hệ thống các NHTM nói chung Do đó việc nhận biết và đo lường rủi ro tín dụng được đặt lên hàng đầu đối với công tác quản trị tại các NHTM, với nhiều phương pháp khác nhau Trong đó, đo lường dựa vào xác suất vỡ nợ của các khoản vay là một trong những phương pháp truyền thống, có nhiều ưu điểm và được sử dụng khá phổ biến Phương pháp này sử dụng các mô hình Logit, Probit, phương pháp phân tích tách biệt hoặc các mô hình học máy ước lượng xác suất một khoản vay bị

vỡ nợ trong một khoảng thời gian nhất định Trong đó, mô hình Logit là một trong những phương pháp chuẩn mực trong ước lượng xác suất vỡ nợ (PD) và được sử dụng phổ biến tại các NHTM ở VN hiện nay Từ kết quả này có thể giúp tính toán được các thước đo rủi

ro khác trong rủi ro tín dụng, như tổn thất tín dụng dự kiến (ECL), thâm hụt kỳ vọng (ES), ngưỡng rủi ro điều kiện (CVaR) và ngưỡng rủi ro trung bình (AVaR)

Các phương pháp truyền thống nêu trên có nhiều ưu điểm trong tính toán các thước đo rủi ro Tuy nhiên, trong bối cảnh vòng quay của các hoạt động tín dụng ngày càng gia tăng, cũng như sức ép về việc sử dụng một cách có hiệu quả và an toàn đồng vốn thì việc tính toán xác suất vỡ nợ trong một khoảng thời gian cố định như vậy cũng bộc lộ một sốhạn chế nhất định Chẳng hạn, việc ước lượng các thước đo rủi ro cho những khoản vay có kỳ hạn ngắn, hay bài toán ước lượng thời gian từ khi khách hàng được trả lương hàng tháng đến khi khách hàng rút tiền trong tài khoản được trả lương

của khách hàng thường không được giải quyết một cách hiệu quả khi sử dụng các phương pháp truyền thống, trong khi nhu cầu đo lường rủi ro đối với các loại giao dịch này ngày càng tăng lên theo thời gian Gần đây, người ta đang quan tâm đến việc tính toán xác suất vỡ nợ tại mỗi thời điểm trong vòng đời dự kiến của khoản vay thay vì ước lượng xác suất vỡ nợ trong một khoảng thời gian, điều này đồng nghĩa với việc người

ta quan tâm thêm đến khi nào khoản vay mới bị vỡ nợ chứ không chỉ là có bị vỡ nợ trong một khoảng thời nào đó hay không Ngoài ra, các yếu tố tác động đến thời gian cho đến khi vỡ nợ của các khoản vay cũng ngày càng được quan tâm nhiều hơn, song điều này không thể giải quyết chỉ bằng các mô hình truyền thống như đã đề cập Để giải quyết điều này, phân tích sống sót được một số nhà nghiên cứu đề xuất áp dụng để đạt được những ước lượng điểm một cách chính xác hơn so với các phương pháp truyền thống

Phương pháp phân tích sống sót là phương pháp cho phép ước tính được thời gian sống sót của một đối tượng, nghĩa là thời gian từ khi đối tượng được hình thành cho tới khi xảy ra một loại sự kiện nào đó Điều khác biệt và tiến bộ hơn so với các phương pháp truyền thống là, trong khi phương pháp truyền thống chỉ cho biết liệu đối tượng có xảy ra sự kiện trong một khoảng thời gian cụ thể hay không (cụ thể là xác suất

để đối tượng xảy ra sự kiện trong khoảng thời gian đó) thì phương pháp phân tích sống sót còn cho biết khi nào sự kiện đó mới xảy ra Phương pháp phân tích sống sót được đề xuất lần đầu tiên bởi Cox (1972) trong nghiên cứu có tên ‘Regression models and life-tables (with discussion)’, kể từ đó có rất nhiều các nghiên cứu ứng dụng phương pháp phân tích sống sót trong nhiều lĩnh vực khác nhau, đây được coi là một trong số những nghiên cứu có nhiều trích dẫn nhất trong giới khoa học cho đến hiện nay Trong lĩnh vực QTRR trong ngân hàng - tài chính, phương pháp phân tích sống sót đã được nghiên cứu

ở nhiều nước tiên tiến trên thế giới như ở Anh, Mỹ , Ở Việt Nam, các nghiên cứu ứng dụng phân tích sống sót trong QTRR còn khá ít, đa phần chỉ dừng lại ở các mô hình tĩnh đơn giản và chỉ dừng lại ở các đánh giá tác động của một số yếu tố tới thời gian sống sót của các khoản vay Vì vậy NCS lựa chọn đề tài nghiên cứu “Phân tích sống sót trong ước lượng và phân tích rủi ro - tiếp cận hồi quy tham số và phi tham số” làm luận án Tiến sỹ của mình với mong muốn và hy vọng nghiên cứu này sẽ cần thiết và hữu ích trong việc bổ sung thêm một công cụ định lượng hữu hiệu vào công việc QTRR của các NHTM ở Việt Nam

2 Mục tiêu nghiên cứu

Mục tiêu chung: Mục tiêu nghiên cứu của luận án là sử dụng các mô hình tham

số, bán tham số và phi tham số trong phân tích sống sót để nghiên cứu bài toán về thời gian sống sót của các khoản vay của khách hàng cá nhân (KHCN), trong đó quan tâm đến tác động của các yếu tố lên thời gian sống sót của các khoản vay của KHCN, ước lượng thời gian sống sót cũng như xác suất vỡ nợ theo thời điểm của các khoản vay của KHCN Từ đó đề xuất các khuyến nghị cho các NHTM trong việc tăng cường các biện pháp nhằm giảm thiểu rủi ro, cung cấp các công cụ mới giúp các NHTM xây dựng, tính toán lượng trích lập dự phòng rủi ro phù hợp

Các mục tiêu cụ thể:

 Hệ thống hóa cơ sở lý luận về tác động của các yếu tố tới thời gian sống sót của các khoản vay của KHCN

 Sử dụng các mô hình Cox PH mở rộng, hồi quy phân vị trong phân tích sống sót

để đánh giá tác động của các yếu tố đến thời gian sống sót của các khoản vay của KHCN

 Sử dụng các mô hình Cox PH, Cox PH mở rộng và mô hình Random Survival Forest (RSF) để ước lượng thời gian sống sót của các khoản vay cũng như xác suất vỡ nợ theo thời điểm của các khoản vay của KHCN

 Sử dụng mô hình Cox PH để ước lượng tổn thất tín dụng dự kiến trọn đời

3 Câu hỏi nghiên cứu

Luận án nhằm trả lời các câu hỏi nghiên cứu sau:

1) Các yếu tố nhân khẩu học, kinh tế - tài chính, mối quan hệ với ngân hàng và đặc điểm của khoản vay có tác động lên thời gian sống sót của khoản vay cá nhân như thế nào?

2) Ước lượng thời gian sống sót của các khoản vay hay xác suất vỡ nợ theo thời điểm của các khoản vay như thế nào?

3) Rủi ro tín dụng được tính bởi phương pháp phân tích sống sót có cải thiện so với

sử dụng phương pháp truyền thống hay không?

4 Đối tượng và phạm vi nghiên cứu

4.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu của luận án là thời gian sống sót của khoản vay của khách hàng cá nhân tại NHTM, các mô hình tham số và phi tham số trong phân tích sống sót

2) Đo lường rủi ro theo một số thước đo là: Thứ nhất là xác suất vỡ nợ theo thời điểm (PD trọn đời), thứ hai là thời gian sống sót của các khoản vay cá nhân, thứ

ba là tổn thất tín dụng dự kiến (ECL) trọn đời của toàn bộ các khoản vay

Phạm vi không gian: Luận án thực hiện nghiên cứu tại Việt Nam, bộ số liệu nghiên cứu từ một NHTM ở Việt Nam

5 Phương pháp nghiên cứu và nguồn dữ liệu

Phương pháp tổng hợp, so sánh và thống kê mô tả để: (i) phân tích thực trạng việc đo lường rủi ro tín dụng KHCN tại các NHTM ở Việt Nam; (ii) mô tả tương quan thống kê giữa các biến số trong các mô hình định lượng

Phương pháp phân tích định lượng: Luận án sử dụng các mô hình tham số (mô hình hồi quy phân vị trong phân tích sống sót), mô hình bán tham số (mô hình Cox PH

mở rộng) và mô hình phi tham số (mô hình RSF) để dự báo thời gian sống sót của khoản vay, xác suất vỡ nợ của khoản vay trong một khoảng thời gian, xác suất vỡ nợ trọn đời

và ECL trọn đời

Phần mềm hỗ trợ xử lý số liệu: STATA 16 và R

Nguồn dữ liệu: Có 2 bộ số liệu được sử dụng trong luận án, bộ số liệu thứ nhất

là số liệu của các khoản vay của khách hàng cá nhân từ một NHTM tại Việt Nam, bộ số liệu thứ hai là số liệu từ các khoản cho vay thế chấp tại Hoa Kỳ, bộ số liệu này được cung cấp trên trang web: www.internationalfinancialresearch.org Ở bộ số liệu thứ nhất NCS không có thông tin về dư nợ theo từng kỳ trả nợ (do yêu cầu bảo mật từ phía ngân hàng cung cấp dữ liệu) nên NCS sử dụng bộ số liệu thứ hai để minh họa việc ước lượng ECL trọn đời của các khoản vay

6 Những đóng góp mới của luận án

6.1 Những đóng góp mới

(1) Đây là nghiên cứu định lượng đầu tiên ở Việt Nam về thời gian sống sót của các khoản vay tại NHTM ở Việt Nam, luận án đã ước lượng được thời gian sống sót của

các khoản vay cũng như ước lượng được xác suất vỡ nợ theo thời điểm của các khoản vay bằng phương pháp phân tích sống sót Việc ước lượng xác suất vỡ nợ theo thời điểm thay vì theo một khoảng thời gian của các khoản vay giúp các ngân hàng định lượng chính xác hơn được các thước đo rủi ro trọn đời của khoản vay như xác suất vỡ nợ trọn đời hay tổn thất tín dụng dự kiến trọn đời Điều này giúp ngân hàng điều chỉnh dự phòng rủi ro một cách hiệu quả, an toàn, tiết kiệm hơn

(2) Luận án sử dụng đồng thời các phương pháp tham số, phi tham số (trong đó

có sử dụng phương pháp học máy) trong phân tích sống sót để ước lượng và phân tích rủi ro Việc sử dụng đồng thời các phương pháp này giúp đảm bảo tính vững của kết quả nghiên cứu cũng như giúp nghiên cứu được các khía cạnh khác nhau của bài toán sống sót của khoản vay như đánh giá được vai trò của các yếu tố lên thời gian sống sót của khoản vay, ước lượng được thời gian sống sót của khoản vay Từ đó, luận án đề xuất được các chính sách phù hợp (đối với các khoản vay đang xin vay, đối với các khoản vay đang trong kỳ hạn của hợp đồng và đối với các nhóm khách hàng tiềm năng) để nâng cao lợi nhuận, đảm bảo an toàn vốn của ngân hàng

6.2 Những kết luận, đề xuất mới rút ra từ các kết quả nghiên cứu

(1) Phân tích sống sót là phương pháp có ưu điểm so với các phương pháp truyền thống khác trong phân tích và tính toán rủi ro tín dụng.Kết quả nghiên cứu cho thấy tổn thất tín dụng dự kiến trọn đời của các khoản vay được tính bởi phương pháp phân tích sống sót có giá trị sát với tổn thất thực tế hơn so với tổn thất tín dụng dự kiến trọn đời được tính bằng phương pháp truyền thống Do đó phương pháp phân tích sống sót cần được quan tâm nhiều hơn bởi các nhà nghiên cứu về QTRR cũng như các bộ phận QTRR tại các NHTM, các NHTM có thể sử dụng phương pháp phân tích sống sót để có thể ước lượng một cách chính xác hơn các thước đo rủi ro, từ đó có thể dự phòng rủi ro một cách tốt hơn

(2) Các phương pháp trong phân tích sống sót có thể được sử dụng để ước lượng xác suất vỡ nợ của các khoản vay theo thời điểm cũng như dự báo được thời gian sống sót của các khoản vay, nên kiến nghị các ngân hàng có thể sử dụng các ước lượng này để ra các quyết định đối với khoản vay đang được đề xuất của khách hàng, tư vấn cho khách hàng để điều chỉnh đơn xin cấp vốn của khách hàng (về lượng tiền xin được vay, thời hạn của khoản vay), chấp nhận đơn vay hoặc từ chối đơn xin vay tùy thuộc vào dự báo thời gian sống sót của khoản vay đang đề nghị có hợp lý với các chính sách rủi ro của ngân hàng hay không Ngoài ra, các ngân hàng cũng nên xem xét để sử dụng phương pháp phân tích sống sót trong các bài toán khác, ví dụ để kiểm soát thời gian

lượng tiền còn lưu trong tài khoản được trả lương hàng tháng trước khi khách hàng rút hay kiểm soát thời gian sống sót của các khoản vay thấu chi…

(3) Các khoản vay của các khách hàng với các đặc trưng khác nhau có thời gian sống sót khá khác nhau, nên đối với các khoản vay đã được ngân hàng giải ngân

mà vẫn còn thời gian trong kỳ hạn, kiến nghị ngân hàng tiếp tục theo dõi khả năng sống sót trong thời gian còn lại trong kỳ hạn của khoản vay, đánh giá xác suất vỡ nợ

và nguy cơ vỡ nợ tại từng thời điểm Tại các thời điểm mà nguy cơ vỡ nợ của khoản vay cao, ngân hàng có thể kích hoạt các biện pháp tự vệ trước, ví dụ có thể cảnh báo

vỡ nợ sớm đối với khoản vay, để từ đó có các biện pháp xử lý kịp thời nếu khoản vay thực sự xảy ra vỡ nợ

(4) Các yếu tố nhân khẩu học như giới tính, tuổi, thời gian làm việc, tình trạng nhà ở, vị trí công việc, trình độ đào tạo, các yếu tố về mối quan hệ với ngân hàng như có là khách hàng cũ không, hình thức trả lương, yếu tố về độ lớn của số tiền vay

so với tổng thu nhập có ảnh hưởng tới thời gian sống sót của khoản vay Do đó kiến nghị ngân hàng cần có chiến lược phát triển làm đa dạng nguồn khách hàng, tương ứng với mỗi nhóm khách hàng khác nhau ngân hàng cần đưa ra các gói vay phù hợp (ưu đãi về lãi suất, về số tiền vay và đơn giản thủ tục với nhóm khách hàng có thời gian sống sót của khoản vay dài và có các chính sách bù rủi ro vào lãi suất, kỳ hạn hay lượng tiền vay đối với các nhóm có nhiều rủi ro hơn), đồng thời cũng phương án tiếp cận khách hàng tiềm năng phù hợp (thông qua các chiến lược quảng cáo, phương

án thiết lập hội nhóm các khách hàng thân quen trên mạng xã hội…) với các nhóm khách hàng cụ thể

(5) Do tác động của các yếu tố lên phân vị khác nhau của thời gian sống sót của khoản vay là khác nhau, nên kiến nghị các ngân hàng khi tính toán một số thước

đo rủi ro, chẳng hạn như tính toán tổn thất tín dụng dự kiến của các khoản vay chẳng hạn, có thể xem xét tính riêng đối với các khoản vay theo các phân vị khác nhau, việc tính riêng này sẽ giúp ước lượng các thước đo rủi ro chính xác hơn, từ đó có thể đưa

ra lượng tiền dự phòng cho rủi ro theo các kịch bản sát với thực tế hơn

7 Bố cục của luận án

Ngoài các phần mở đầu, tài liệu tham khảo và phần phụ lục, luận án được cấu trúc thành 4 chương, bao gồm:

Chương 1: Cơ sở lý luận và tổng quan nghiên cứu

Chương 2: Phương pháp nghiên cứu

Chương 3: Mô hình và kết quả phân tích thực nghiệm

Chương 4: Kết luận và kiến nghị

CHƯƠNG 1

CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU

Nội dung chính của chương 1 trình bày về cơ sở lý thuyết mô hình phân tích sống sót, cơ sở lý luận về các yếu tố ảnh hưởng tới thời gian sống sót của khoản vay và tổng quan các nghiên cứu ở trong và ngoài nước sử dụng phương pháp phân tích sống sót trong lĩnh vực QTRR trong ngân hàng – tài chính Cấu trúc của chương 1 được bố trí như sau: Mục 1.1 trình bày về rủi ro tín dụng và một số thước đo rủi ro tín dụng như tổn thất tín dụng dự kiến, tổn thất ngoài dự kiến, vốn kinh tế; Mục 1.2 trình bày về một số chính sách về rủi ro tín dụng và thực trạng việc đo lường rủi ro tín dụng KHCN tại các NHTM ở Việt Nam; Mục 1.3 trình bày về cơ sở lý thuyết mô hình phân tích sống sót; Mục 1.4 trình bày về cơ sở lý luận về các yếu tố có ảnh hưởng tới thời gian sống sót của khoản vay; Mục 1.5 trình bày tổng quan các nghiên cứu sử dụng phương pháp phân tích sống sót trong QTRR; Mục 1.6 là khoảng trống nghiên cứu và Mục 1.7 là khung phân tích của luận án

1.1 Rủi ro tín dụng và một số thước đo rủi ro tín dụng

Ngoài định nghĩa trên về rủi ro tín dụng, ta có thêm một số định nghĩa về rủi ro tín dụng khác Thomas P Fitch (1997) cho rằng rủi ro tín dụng là loại rủi ro xảy ra khi người vay không thanh toán được nợ theo thỏa thuận hợp đồng dẫn đến sai hẹn trong nghĩa vụ trả nợ Trong khi đó, Timothy W Koch (1995) khẳng định rằng một khi ngân hàng nắm giữ tài sản sinh lợi, rủi ro xảy ra khi khách hàng sai hẹn - có nghĩa là khách hàng không thanh toán vốn gốc và lãi theo thỏa thuận Rủi ro tín dụng là sự thay đổi tiềm ẩn của thu nhập thuần và giá trị của vốn xuất phát từ việc khách hàng không thanh toán hay thanh toán trễ hạn

Theo Basel II, rủi ro tín dụng được hiểu một cách đơn giản nhất là khả năng bên

đi vay hay đối tác của ngân hàng thất bại trong việc thực hiện những nghĩa vụ theo các điều khoản đã thỏa thuận Từ đó NHNN đã đưa ra khái niệm về rủi ro tín dụng tại

Chương I, Điều 3, Khoản 1 trong Thông tư 02/2013/TT-NHNN như sau: “Rủi ro tín dụng trong hoạt động ngân hàng là tổn thất có khả năng xảy ra đối với nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài do khách hàng không thực hiện hoặc không

có năng lực thực hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết”

Từ các định nghĩa trên ta có thể rút ra các nội dung cơ bản về rủi ro tín dụng như sau: Rủi ro tín dụng là khả năng không chi trả được nợ của người đi vay đối với người cho vay khi đến hạn phải thanh toán Rủi ro tín dụng trong ngân hàng là rủi ro phát sinh trong quá trình cấp tín dụng của ngân hàng, biểu hiện trên thực tế qua việc khách hàng không trả được nợ hoặc trả không đúng hạn theo cam kết cho ngân hàng Rủi ro tín dụng còn được gọi là rủi ro mất khả năng chi trả và rủi ro sai hẹn, là rủi ro liên quan trực tiếp đến chất lượng tín dụng và hiệu quả hoạt động của ngân hàng

Trong luận án này, rủi ro tín dụng được giới hạn phạm vi là rủi ro cho vay khách hàng cá nhân trong các NHTM

Các thành phần quan trọng cấu thành nên một số thước đo rủi ro là: Dư nợ tại thời điểm vỡ nợ; Tỷ lệ tổn thất; và Xác suất vỡ nợ

Dư nợ tại thời điểm vỡ nợ (Exposure at Default, EAD): Với các khoản vay tín dụng thông thường, số tiền trả lãi và vốn gốc định kỳ có sẵn trong thỏa thuận ban đầu thì dư nợ tại thời điểm vỡ nợ là tường minh, nhưng vấn đề nảy sinh với các loại sản phẩm cho vay mà không có cam kết như khoản vay tín dụng thông thường (chẳng hạn như sản phẩm vay thấu chi, trong đó khách hàng được vay trước một khoản nào đó tùy

ý trong ngưỡng đã giới hạn trước) Mặt khác, trong trường hợp khoản vay có thời hạn dài, các sai lệch so với kế hoạch hoàn trả đã thỏa thuận ban đầu cũng có thể xảy ra

Tỷ lệ tổn thất của ngân hàng trong trường hợp khách hàng không trả được nợ (Loss Given Default, LGD): LGD đại diện cho một phần của khoản tín dụng không thu hồi được trong trường hợp vỡ nợ Trong trường hợp thu hồi nợ hoàn toàn thì tỷ lệ LGD

là 0%, ngược lại nếu số tiền thu hồi về bằng 0 thì tỷ lệ LGD là 100%, các khả năng thu hồi một phần cũng có thể xảy ra, do đó LGD thường được giới hạn trong khoảng từ 0% đến 100% Ta cần xem xét tất cả các lần thu hồi nợ xảy ra sau khi vỡ nợ mà không áp đặt giới hạn thời gian, do đó LGD có thể được coi là thước đo trọn đời

Xác suất vỡ nợ (Probability of Default, PD): Sự kiện vỡ nợ có thể được hiểu là

sự hiện thực hóa của một biến ngẫu nhiên, PD đại diện cho kỳ vọng của những lần xuất hiện sự kiện vỡ nợ trong một khung thời gian nhất định Khi được áp dụng cho một khoản vay, PD đưa ra khả năng người đi vay không thể đáp ứng các nghĩa vụ nợ trong một thời hạn nhất định Có hai loại PD là PD một năm và PD trọn đời, trong đó PD một

năm là xác suất vỡ nợ của khoản vay xảy ra trong vòng một năm sau ngày báo cáo, PD trọn đời là xác suất vỡ nợ khi được đánh giá trong suốt thời gian tồn tại của khoản vay 1.1.2 Một số thước đo rủi ro tín dụng

Có hai thước đo rủi ro tín dụng cơ bản là tổn thất tín dụng dự kiến (Expected Credit Loss, ECL) và tổn thất ngoài dự kiến (Unexpected Loss, UL)

1.1.2.1 Tổn thất tín dụng dự kiến

Công thức tính tổn thất tín dụng dự kiến

Bất cứ một khoản vay nào cũng đều có khả năng vỡ nợ và gây ra tổn thất cho ngân hàng, kể cả khoản vay tốt nhất thì vẫn tồn tại khả năng bị vỡ nợ Ngân hàng cần ước lượng tổn thất này, tổn thất của một khoản vay được xác định bởi biến tổn thất:

𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.1) với 𝐿 = 1 là biến chỉ tình trạng vỡ nợ (𝐷) trong một khoảng thời gian (thường

là 1 năm), 𝑃𝐷 = 𝑃(𝐷) là xác suất xảy ra vỡ nợ trong khoảng thời gian đó, 𝑆𝐸𝑉 (Severity) là biến ngẫu nhiên thể hiện mức độ tổn thất trong trường hợp xảy ra vỡ nợ và đặt 𝐸(𝑆𝐸𝑉) = 𝐿𝐺𝐷, 𝐸𝐴𝐷 là dư nợ tại thời điểm vỡ nợ

Khi đó, tổn thất của tất cả 𝑁 khoản vay được xác định là biến ngẫu nhiên có dạng

𝐿 = 𝐿 = 𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿 (1.2)

Với giả thiết 𝑆𝐸𝑉 và 𝐿 độc lập với nhau, khi đó tổn thất tín dụng dự kiến được định nghĩa là kỳ vọng của biến tổn thất 𝐿, từ (1.1) ta được

ECL = 𝐸[𝐿] = 𝐸𝐴𝐷 × 𝐸[𝑆𝐸𝑉] × 𝐸[𝐿] = 𝐸𝐴𝐷 × 𝐿𝐺𝐷 × 𝑃𝐷 (1.3) Các thành phần của ECL trong công thức (1.3) bao gồm dư nợ tại thời điểm vỡ

nợ (EAD), tỷ lệ tổn thất của ngân hàng trong trường hợp khách hàng không trả được nợ (LGD) và xác suất vỡ nợ (PD)

Phân loại tổn thất tín dụng dự kiến

Có hai loại tổn thất tín dụng dự kiến bao gồm: (i) ECL một năm là khoản tổn thất

dự kiến do các sự kiện vỡ nợ có thể xảy ra trong vòng một năm sau ngày báo cáo, (ii) ECL trọn đời là khoản tổn thất dự kiến do các sự kiện vỡ nợ có thể xảy ra trong vòng đời dự kiến của khoản vay

Từ công thức tính tổn thất 𝐿 cho toàn bộ các khoản vay trong (1.2), ta lấy kỳ vọng

2 vế sẽ thu được công thức tính ECL một năm cho toàn bộ các khoản vay dưới dạng

1.1.2.2 Tổn thất ngoài dự kiến

Công thức (1.2) cho ước lượng tổn thất tín dụng dự kiến của mỗi khoản vay, đây

là khoản tiền mà các ngân hàng cần phải để dành ra để bù đắp cho các tổn thất mà ngân hàng dự tính được từ các dữ liệu lịch sử (kèm theo dự báo một số kịch bản kinh tế trong tương lai) Nếu chỉ nắm giữ khoản tổn thất tín dụng dự kiến này là không đủ, ngân hàng cũng như các tổ chức tín dụng còn phải dành tiền để bù đắp các khoản tổn thất đột xuất vượt quá mức tổn thất bình quân đã trải qua trong quá khứ Những tổn thất này được gọi

là tổn thất ngoài dự kiến

Tổn thất ngoài dự kiến được định nghĩa là độ lệch chuẩn của biến ngẫu nhiên 𝐿 trong (1.1) Vì vậy ta có công thức ước lượng UL là

UL = 𝑣𝑎𝑟[𝐿] = 𝑣𝑎𝑟[𝐸𝐴𝐷 × 𝑆𝐸𝑉 × 𝐿] (1.6) 1.1.2.3 Vốn kinh tế

Việc sử dụng tổn thất ngoài dự kiến của tất cả các khoản vay để tính vốn rủi ro

dự phòng cho các trường hợp rủi ro không phải là lựa chọn tốt nhất vì rất có thể tổn thất

sẽ vượt quá ECL của toàn bộ các khoản vay một lượng nhiều hơn độ lệch chuẩn của ECL Trong trường hợp này, người ta sử dụng khái niệm vốn kinh tế (Economic Capital, EC), hay còn có tên khác là vốn chịu rủi ro (Capital at Risk, CaR) hoặc giá trị chịu rủi

ro (Value-at-Risk, VaR)

Vốn kinh tế với độ tin cậy mức 𝛼 là hiệu của phân vị thứ 𝛼 của tổn thất toàn bộ các khoản vay 𝐿 và tổn thất dự kiến của các khoản vay đó 𝐸𝐶𝐿 , nghĩa là

Phương pháp truyền thống để đo lường các thước đo trong QTRR là sử dụng mô hình Logit, mô hình Logit có thể được sử dụng để ước lượng xác suất vỡ nợ trong một khoảng thời gian, thường khoảng thời gian này là một năm (hoặc có thể ngắn hơn, theo quý hoặc theo tháng), hoặc PD trọn đời Tuy nhiên, việc sử dụng mô hình Logit để ước lượng PD trọn đời thường phải có sự xuất hiện của ít nhất một biến giải thích phụ thuộc thời gian Thêm vào đó, gần đây người ta không những chỉ dừng lại ở mức quan tâm việc khoản vay có bị vỡ nợ trong một khoảng thời gian hay không, mà còn quan tâm liệu khoản vay đó bao giờ thì mới bị vỡ nợ Mô hình Logit cũng không thể giải quyết

được bài toán dự báo thời điểm một khoản vay bị vỡ nợ Để giải quyết các hạn chế mô hình Logit gặp phải ở trên, người ta sẽ sử dụng phương pháp phân tích sống sót, phương pháp phân tích sống sót sẽ ước lượng được PD trọn đời của khoản vay bất kể tập biến giải thích có sự xuất hiện của biến thay đổi theo thời gian hay không, đồng thời cũng dự báo được thời điểm mà khoản vay bị vỡ nợ

1.2 Một số chính sách về rủi ro tín dụng và thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam

1.2.1 Một số chính sách về rủi ro tín dụng tại Việt Nam

Quy định về phân loại nợ, trích lập dự phòng rủi ro

NHNN vừa ban hành Thông tư số 11/2021/TT-NHNN về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi

ro trong hoạt động của các tổ chức tín dụng (TCTD), chi nhánh ngân hàng nước ngoài Thông tư này có hiệu lực thi hành kể từ ngày 1/10/2021

Thông tư yêu cầu TCTD, chi nhánh ngân hàng nước ngoài phải có biện pháp và thường xuyên thực hiện việc thu thập, khai thác thông tin, số liệu về khách hàng, bao gồm cả thông tin từ Trung tâm Thông tin tín dụng quốc gia Việt Nam (CIC), công ty thông tin tín dụng theo quy định của pháp luật để theo dõi, đánh giá tình hình tài chính, khả năng trả nợ của khách hàng sau khi đã xếp hạng theo hệ thống xếp hạng tín dụng nội bộ, có biện pháp quản lý rủi ro, quản lý chất lượng tín dụng phù hợp; thực hiện tự phân loại nợ, cam kết ngoại bảng, trích lập dự phòng rủi ro và sử dụng dự phòng rủi ro theo quy định

Ít nhất mỗi tháng một lần, trong 7 ngày đầu tiên của tháng, TCTD, chi nhánh ngân hàng nước ngoài tự thực hiện phân loại nợ, cam kết ngoại bảng đến thời điểm cuối ngày cuối cùng của tháng trước liền kề, trích lập dự phòng rủi ro theo kết quả tự phân loại nợ, cam kết ngoại bảng và gửi kết quả tự phân loại nợ, cam kết ngoại bảng cho CIC

Trong thời hạn 3 ngày kể từ ngày nhận được kết quả tự phân loại nợ, cam kết ngoại bảng của TCTD, chi nhánh ngân hàng nước ngoài, CIC tổng hợp danh sách khách hàng theo nhóm nợ có mức độ rủi ro cao nhất mà các TCTD, chi nhánh ngân hàng nước ngoài đã tự phân loại và cung cấp cho TCTD, chi nhánh ngân hàng nước ngoài

Trong thời hạn 3 ngày kể từ ngày nhận được danh sách khách hàng do CIC cung cấp, TCTD, chi nhánh ngân hàng nước ngoài điều chỉnh nhóm nợ theo danh sách này

và điều chỉnh số tiền trích lập dự phòng rủi ro của tháng cuối cùng của quý

Thông tư nêu rõ, toàn bộ dư nợ của một khách hàng tại một TCTD, chi nhánh ngân hàng nước ngoài phải được phân loại vào cùng một nhóm nợ

Thông tư quy định: TCTD, chi nhánh ngân hàng nước ngoài thực hiện phân loại

nợ theo 5 nhóm: Nợ đủ tiêu chuẩn, nợ cần chú ý, nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ

có khả năng mất vốn

Thông tư quy định cụ thể tỷ lệ trích lập dự phòng đối với từng nhóm nợ như sau:

Nợ đủ tiêu chuẩn: 0%, nợ cần chú ý: trích lập 5%, nợ dưới tiêu chuẩn: trích lập 20%, nợ nghi ngờ: trích lập 50% và nợ có khả năng mất vốn: trích lập 100%

Thông tư cũng quy định điều kiện đối với tài sản bảo đảm để khấu trừ khi tính số tiền dự phòng cụ thể TCTD, chi nhánh ngân hàng nước ngoài xác định tỷ lệ khấu trừ cụ thể của từng loại tài sản bảo đảm theo nguyên tắc tài sản bảo đảm có khả năng thanh khoản càng thấp, mức biến động giá càng lớn thì tỷ lệ khấu trừ tài sản bảo đảm càng thấp

Về sử dụng dự phòng rủi ro, Thông tư nêu rõ: TCTD, chi nhánh ngân hàng nước ngoài được sử dụng dự phòng để xử lý rủi ro trong trường hợp khách hàng là tổ chức bị giải thể, phá sản; cá nhân bị chết, mất tích, hoặc các khoản nợ được phân loại vào nhóm

nợ có khả năng mất vốn

Quy định các giới hạn, tỷ lệ đảm bảo an toàn

Ngày 15/11/2019 Ngân hàng Nhà nước (NHNN) đã ban hành Thông tư 22/2019/TT-NHNN quy định các giới hạn, tỷ lệ đảm bảo an toàn trong hoạt động của ngân hàng, chi nhánh ngân hàng nước ngoài Thông tư 22/2019/TT-NHNN sẽ chính thức có hiệu lực thi hành từ 01/01/2020

Thông tư này quy định về các giới hạn, tỷ lệ bảo đảm an toàn trong hoạt động mà các ngân hàng, chi nhánh ngân hàng nước ngoài phải thường xuyên duy trì, bao gồm tỷ

lệ an toàn vốn tối thiểu; hạn chế, giới hạn cấp tín dụng; tỷ lệ khả năng chi trả; tỷ lệ tối

đa của nguồn vốn ngắn hạn được sử dụng để cho vay trung hạn và dài hạn; tỷ lệ mua, đầu tư trái phiếu Chính phủ, trái phiếu được Chính phủ bảo lãnh; giới hạn góp vốn, mua

cổ phần; tỷ lệ dư nợ cho vay so với tổng tiền gửi

Lộ trình để từng bước siết chặt tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng cho vay trung và dài hạn cụ thể như sau: từ ngày 01/01 đến hết tháng 9/2020, tỷ lệ vốn

ngắn hạn được dùng cho vay dài hạn là 40%; từ tháng 10/2020 đến hết tháng 9/2021, tỷ

lệ này còn là 37%; từ tháng 10/2021 đến hết tháng 9/2022 là 34% và từ tháng 10/2022 giảm xuống còn 30%

Bên cạnh việc giảm tỷ lệ vốn ngắn hạn cho vay trung và dài hạn, Thông tư cũng quy định việc cho vay bất động sản, áp dụng từ năm 2020 Theo đó, tăng hệ số rủi ro khi kinh doanh bất động sản từ 150% lên 200% so với hiện nay Đặc biệt các khoản phải đòi được đảm bảo toàn bộ bằng nhà ở bao gồm cả nhà ở hình thành trong tương lai; quyền sử dụng đất; công trình xây dựng gắn với quyền sử dụng đất của bên vay và đáp ứng một trong các điều kiện sau sẽ có hệ số rủi ro 50%

Đối với các khoản phải đòi khác như đối với cá nhân phục vụ đời sống mà tổng

số tiền thỏa thuận cho vay, mức cho vay tại các hợp đồng tín dụng của khách hàng đó

từ 4 tỷ đồng trở lên sau khi trừ đi khoản phải đòi của khách hàng đó đã áp dụng hệ số rủi ro 50% sẽ bị áp hệ số rủi ro 120%, có hiệu lực từ ngày 01/01 đến hết 31/12/2020; sau đó sẽ nâng lên 150% kể từ ngày 01/01/2021

Thông tư trên cũng nêu rõ: tỷ lệ tối đa dư nợ cho vay so với tổng tiền gửi là 85% đối với ngân hàng, chi nhánh ngân hàng nước ngoài

Thông tư Số 08/2020/TT-NHNN nhằm điều chỉnh Khoản 5 Điều 16 của Thông

tư 22/2019/TT-NHNN, trong đó điều chỉnh lộ trình siết chặt tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng cho vay trung và dài hạn cụ thể như sau: Ngân hàng, chi nhánh ngân hàng nước ngoài phải tuân thủ tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng

để cho vay trung hạn và dài hạn theo lộ trình sau đây: Từ ngày 1/1/2020 đến hết ngày 30/9/2021: 40%; Từ ngày 1/10/2021 đến hết ngày 30/9/2022: 37%; Từ ngày 1/10/2022 đến hết ngày 30/9/2023: 34%; Từ ngày 1/10/2023: 30%

Quy định về áp dụng tiêu chuẩn Basel II tại Việt Nam

Basel II có ba trụ cột chính: Trụ cột 1: Yêu cầu về tỷ lệ an toàn vốn tối thiểu; trụ cột 2: Rà soát giám sát; và trụ cột 3: Thực hiện các nguyên tắc thị trường

Theo đó, trụ cột 1 quy định mức an toàn vốn tối thiểu theo phương pháp tiêu chuẩn và phương pháp nâng cao cho rủi ro tín dụng, rủi ro hoạt động và rủi ro thị trường

Trụ cột 2 là đánh giá nội bộ về mức độ đủ vốn Ở đó, các ngân hàng phải chuẩn hóa quy trình, phương pháp, công cụ đo lường rủi ro, đồng thời phải kiểm tra sức chịu đựng về vốn, lập kế hoạch vốn theo các kịch bản thị trường và kinh doanh, giám sát về mức đủ vốn

Trụ cột thứ 3 là minh bạch và kỷ luật thị trường, theo đó, các ngân hàng phải báo cáo và thuyết minh định kỳ về các chỉ tiêu định tính và định lượng về an toàn vốn Trụ cột

này tập trung vào việc minh bạch và công bố thông tin Các ngân hàng thương mại cần công

bố thông tin một cách định kỳ và minh bạch Nội dung công bố thông tin cần đáp ứng yêu cầu của NHNN, ngoài ra nên tham khảo đến các chuẩn mực tốt nhất trên thế giới

NHNN đã đưa ra một lộ trình áp dụng Basel II đối với hệ thống NHTM một cách cẩn trọng Cụ thể, lộ trình này được chia thành 2 giai đoạn:

Giai đoạn 1: Thí điểm áp dụng Basel II tại 10 ngân hàng, bao gồm Vietcombank, VietinBank, BIDV, MB, Sacombank, Techcombank, ACB, VPBank, VIB và Maritime Bank Chương trình thí điểm bắt đầu từ tháng 2/2016, mục tiêu là đến cuối năm 2018 các ngân hàng này phải cơ bản đáp ứng các yêu cầu của Basel II

Giai đoạn 2: Đến năm 2020 cơ bản các NHTM có mức vốn tự có theo chuẩn mực của Basel II, trong đó có ít nhất 12 - 15 NHTM áp dụng thành công Basel II (theo nghị quyết của Quốc hội về Kế hoạch cơ cấu lại nền kinh tế giai đoạn 2016 - 2020 ngày 8/11/2016)

Chuẩn mực vốn Basel II được quy định theo Thông tư 41/2016/TT-NHNN và Thông tư 13/2018/TT-NHNN của Ngân hàng Nhà nước Trong đó, Thông tư 41/2016/TT-NHNN quy định tỷ lệ an toàn vốn đối với NHTM, chi nhánh ngân hàng nước ngoài theo phương pháp tiêu chuẩn của Basel II và Thông tư 13/2018/TT-NHNN quy định về hệ thống kiểm soát nội bộ của các NHTM, chi nhánh ngân hàng nước ngoài

Đến thời điểm cuối năm 2020, đã có 18 ngân hàng được công nhận áp dụng chuẩn Basel II theo Thông tư 41/2016/TT-NHNN gồm MB, Techcombank, ACB, VIB, MSB, HDBank, OCB, VPBank, TPBank, VietBank, VietCapitalBank, LienVietPostBank, Standard Chartered Việt Nam, ShinhanBank, NamABank, SeABank, BIDV và Vietcombank Tuy nhiên, trong số này có nhiều ngân hàng vẫn chưa đáp ứng cả 3 trụ cột của Basel II VIB là ngân hàng đầu tiên hoàn tất 3 trụ cột Basel II, kế đến là Vietcombank, SeABank, VPBank, TPBank, MSB, VietCapitalBank

1.2.2 Thực trạng việc đo lường rủi ro tín dụng khách hàng cá nhân tại các NHTM ở Việt Nam

Đo lường rủi ro tín dụng KHCN là công việc quan trọng và rất được các NHTM quan tâm Cho vay khách hàng cá nhân có những đặc điểm riêng thể hiện sự khác biệt với các loại hình cho vay khác và có ảnh hưởng đến công tác QTRR tín dụng cũng như

đo lường rủi ro tín dụng Đối tượng vay là các cá nhân, các hộ gia đình, có thể là những người buôn bán nhỏ, công nhân viên chức… Hầu hết các khoản vay của khách hàng cá nhân có quy mô nhỏ nhưng số lượng khoản vay lớn, vì vậy cho vay khách hàng cá nhân

có mức độ rủi ro lớn và được coi là tài sản rủi ro nhất trong danh mục tài sản của ngân

hàng Với mục đích vay đa dạng (phục vụ nhu cầu tiêu dùng hoặc sản xuất kinh doanh nhỏ), do đó khả năng nhận biết rủi ro đối với khách hàng cá nhân khó hơn so với doanh nghiệp Việc thu thập thông tin về cá nhân khó hơn rất nhiều, với mục đích sử dụng vốn

đa dạng nên khó kiểm soát được mục đích sử dụng vốn thật sự Hơn nữa, phần lớn tài sản bảo đảm cho khoản vay là tài sản hình thành từ vốn vay hoặc vay không tài sản bảo đảm Nguồn trả nợ thường được lấy từ lương, kinh doanh và các khoản thu nhập định

kỳ hàng tháng khác hoặc thu nhập từ cá nhân khác, do đó trước những biến động lớn về tình hình kinh tế, khả năng chống đỡ của khách hàng cá nhân sẽ kém hơn

Các quy định, tiêu chuẩn về QTRR tiên tiến trên thế giới đã và đang được NHNN từng bước áp dụng tại Việt Nam Giữa năm 2014, tiêu chuẩn Basel II đã được NHNN đưa vào thí điểm với 10 ngân hàng là Vietcombank, Vietinbank, BIDV, MB, Sacombank, Techcombank, ACB, VPBank, VIB, Maritime Bank theo lộ trình 5 - 7 năm Tiêu chuẩn Basel II sẽ giúp các ngân hàng nâng cao chất lượng tín dụng, giảm nợ xấu Quy trình tiếp xúc, theo dõi, quản lý khách hàng sẽ được hỗ trợ bởi các công cụ đo lường, giám sát rủi ro có khả năng phân biệt khách hàng tốt/xấu cao Basel II không chỉ yêu cầu quản lý rủi ro tín dụng cho từng khoản vay riêng lẻ, mà còn có khả năng lượng hóa rủi ro trên cấp độ danh mục Ngoài ra, các yêu cầu về quản lý rủi ro hoạt động sẽ giúp giảm thiểu rủi ro do quy trình, con người, hệ thống công nghệ và các sự kiện bên ngoài Thêm vào đó, khi các ngân hàng muốn hoạt động trên thị trường quốc tế, tuân thủ Basel II sẽ là điều không thể thiếu Các nhà đầu tư quốc tế, khách hàng ở các thị trường khác sẽ coi đây là các tiêu chí cơ bản trong hoạt động quản lý rủi ro của ngân hàng để quyết định đầu tư, gửi tiền…

Trong hệ thống các ngân hàng tại Việt Nam hiện nay, các quy định về cho vay, theo dõi khách hàng sau cho vay, cơ cấu, xử lý và thu hồi nợ đều chưa có quy chuẩn chung Một trong những lý do chính cho sự không thống nhất này là hệ thống ngân hàng

ở nước ta mới chỉ khoảng 31 tuổi, khiêm tốn hơn rất nhiều so với hệ thống ngân hàng

đã phát triển từ lâu ở các quốc gia phát triển khác

Hoạt động tín dụng cơ bản vẫn chiếm tỷ trọng lớn trong cơ cấu doanh thu và lợi nhuận của các NHTM Trong quá trình cấp tín dụng, các NHTM khó tránh khỏi rủi ro tín dụng phát sinh từ nhiều nguyên nhân khác nhau Tổn thất từ rủi ro tín dụng là rất nghiêm trọng, bởi không những làm giảm lợi nhuận của ngân hàng mà còn ảnh hưởng đến an toàn của toàn hệ thống Do vậy, nghiên cứu biện pháp để nhận biết, đo lường và hạn chế được rủi ro tín dụng là một yêu cầu cấp bách đối với các NHTM và cơ quan quản lý Nhà nước

Hoàn thiện phương pháp xếp hạng tín dụng (XHTD) là một trong những yêu cầu cấp thiết trong thời điểm hiện tại của các NHTM với mục tiêu hoàn thiện hệ thống xếp hạng tín dụng nội bộ theo phương pháp tiếp cận nội bộ cơ bản hoặc nâng cao theo chuẩn Basel II Việc XHTD phải căn cứ trên các số liệu thống kê lịch sử của chính ngân hàng cho các đối tượng khách hàng cá nhân, doanh nghiệp, để tính toán các thước đo rủi ro

PD, LGD, EAD cho các đối tượng này (hiện nay một số NHTM đang triển khai theo cách này) đồng thời phải áp dụng các điều chỉnh cần thiết trên cơ sở ý kiến của chuyên gia (đòi hỏi có cán bộ chuyên sâu, am hiểu về nghiệp vụ) Có như vậy việc XHTD mới thực sự là công cụ hữu dụng để hạn chế rủi ro trong hoạt động tín dụng và là căn cứ để định giá theo rủi ro của NHTM

Hiện tại, mặc dù NHNN đã đưa ra yêu cầu đối với các NHTM về việc xây dựng

hệ thống XHTD nội bộ, nhưng chưa đưa ra một quy chuẩn cho việc xây dựng hệ thống tại các NHTM, dẫn đến việc xây dựng hệ thống XHTD nội bộ tại mỗi ngân hàng theo khẩu vị rủi ro của họ Năm 2005 NHNN ban hành Quyết định số 493/2005/QĐ-NHNN

về việc “Phân loại nợ, trích lập và sử dụng dự phòng rủi ro để xử lý rủi ro tín dụng trong hoạt động ngân hàng” Với quy định tại điều 7, NHNN đã có định hướng khuyến khích các NHTM chủ động nghiên cứu triển khai XHTD, làm cơ sở để phân loại nợ và trích lập dự phòng theo phương pháp định tính Đây là căn cứ để các NHTM xây dựng và triển khai XHTD, phục vụ quản lý rủi ro tín dụng và thực hiện chính sách khách hàng

Cho đến thời điểm hiện tại, các NHTM tại Việt Nam đã nhận thức được tầm quan trọng của XHTD, chủ động nghiên cứu triển khai trong hoạt động tín dụng Trong việc xây dựng mô hình XHTD, các NHTM đều đã tính đến yếu tố định tính và định lượng, chỉ tiêu tài chính và phi tài chính của khách hàng Kết quả XHTD tại một số ngân hàng

đã được sử dụng để đề xuất cấp tín dụng và đưa ra chính sách lãi suất với khách hàng (trên cơ sở chấm điểm tín dụng dựa trên tính chất tài sản bảo đảm, hạng rủi ro tín dụng của khách hàng, mức độ rủi ro của ngành nghề) Tuy nhiên, các thiếu sót trong mô hình hiện tại bắt nguồn từ tỷ lệ không cân đối giữa các yếu tố định tính và định lượng, chất lượng thông tin thu thập

Việc triển khai XHTD nội bộ đòi hỏi đội ngũ chuyên gia nhiều kinh nghiệm, đặc biệt là các chuyên gia về xây dựng mô hình xếp hạng tín dụng nội bộ Đây là lực lượng lao động chất lượng cao, họ không chỉ có trình độ chuyên sâu về nghiệp vụ ngân hàng,

mà còn có khả năng ứng dụng các mô hình toán học trong phân tích, trong khi thị trường nhân lực hiện tại của Việt Nam còn rất thiếu

Chất lượng thông tin đầu vào là một trong những yếu tố quan trọng nhất quyết

định đến chất lượng của XHTD nội bộ, nhưng thực tế thông tin thiếu minh bạch, thiếu tin cậy diễn ra phổ biến ở nhiều lĩnh vực, gần đây các ngân hàng mới đầu tư nhiều nguồn lực để lưu trữ và xử lý dữ liệu thu thập được từ khách hàng, các điều này làm ảnh hưởng nhiều đến việc xây dựng các mô hình kinh tế lượng, phân tích thống kê ứng dụng trong XHTD nội bộ

Trong quá trình xây dựng các mô hình trong XHTD, các NHTM thường sử dụng

mô hình Logistic (và các kỹ thuật kèm theo) để ước lượng các thước đo rủi ro, trong khi

đó các phương pháp học máy ít được sử dụng vì mô hình này khó giải thích, kiểm soát nên việc báo cáo với NHNN là không phù hợp Riêng các mô hình trong phương pháp phân tích sống sót thì hiện nay chưa được sử dụng trong các ngân hàng nào

1.3 Cơ sở lý thuyết mô hình phân tích sống sót

1.3.1 Khái niệm phân tích sống sót

Thời gian sống sót của một đối tượng là thời gian từ khi đối tượng được hình thành cho tới khi đối tượng bị xảy ra sự kiện Đơn vị đo thời gian sống sót của đối tượng

có thể là ngày, tháng, năm

Tùy theo mục đích nghiên cứu mà sự kiện của đối tượng nghiên cứu được định nghĩa trong từng trường hợp là khác nhau, kéo theo thời gian sống sót được xác định cũng khác nhau Ví dụ, liên quan tới một khoản vay thì sự kiện đối với khoản vay này

có thể là sự kiện vỡ nợ hoặc cũng có thể là sự kiện trả nợ sớm, khi đó thời gian sống sót của khoản vay là thời gian từ khi khoản vay được giải ngân cho tới khi khoản vay bị vỡ

nợ (hoặc tương ứng trả nợ sớm) Liên quan tới lĩnh vực y tế, trong trường hợp sự kiện được xác định là sự kiện tử vong của bệnh nhân thì thời gian sống sót của bệnh nhân được tính từ khi bệnh nhân nhiễm một loại bệnh cho đến khi bệnh nhân bị tử vong Trong trường hợp nghiên cứu về một phác đồ điều trị cai nghiện heroin, sự kiện được định nghĩa là sự kiện tái nghiện của bệnh nhân, khi đó thời gian sống sót của đối tượng được tính từ khi bắt đầu liệu trình điều trị cai nghiện heroin cho đến khi bệnh nhân bị tái nghiện

Theo David G Kleinbaum và Mitchel Klein (2012), phân tích sống sót là một tập hợp các thủ tục thống kê được sử dụng để phân tích dữ liệu trong đó biến phụ thuộc là thời gian sống sót của đối tượng

1.3.2 Biểu diễn thời gian sống sót

Gọi 𝑇 là biến ngẫu nhiên thể hiện thời gian sống sót của đối tượng Theo Kalbfleisch và Prentice (1980) và Leemis (1995), người ta thường sử dụng 3 cách sau đây để biểu diễn thời gian sống sót 𝑇:

Cách thứ nhất: Biểu diễn qua hàm sống sót 𝑆(𝑡), trong đó 𝑆(𝑡) là xác suất để đối tượng không xảy ra sự kiện trước thời điểm 𝑡, nghĩa là 𝑆(𝑡) = P(𝑇 > 𝑡), ở đây ta thấy hàm sống sót là phần bù của hàm phân phối 𝐹(𝑡) = 𝑃(𝑇 ≤ 𝑡) của biến ngẫu nhiên 𝑇, nghĩa là

𝑆(𝑡) = 1 − 𝐹(𝑡) Cách thứ hai: Thông qua hàm mật độ 𝑓(𝑡), đây là xác suất để sự kiện xảy ra tại đúng thời điểm 𝑡 (trong số tất cả các thời điểm có thể xảy ra), hàm mật độ được cho bởi

𝑓(𝑡) = lim

∆ →

𝑃(𝑡 ≤ 𝑇 ≤ 𝑡 + ∆𝑡)

∆𝑡Cách thứ ba: Xác định 𝑇 qua hàm nguy cơ 𝐻(𝑡) Đây là xác suất để đối tượng đã sống sót đến thời điểm 𝑡 sẽ xảy ra sự kiện tức thời tại 𝑡, công thức hàm nguy cơ được cho bởi

0,5= 0,8/tháng, khi cho Δ𝑡 → 0 thì

ta được tỷ lệ nguy cơ vỡ nợ tức thời (tại 𝑡) và đơn vị là giá trị số/đơn vị thời gian Giá trị của hàm 𝐻(𝑡) luôn không âm và có thể lớn hơn 1 (trong thực tế giá trị này không bị chặn trên), ví dụ 𝐻(𝑡) = 3,75/tháng, ý nghĩa của giá trị của hàm 𝐻(𝑡) có thể được hiểu tương tự như đối với vận tốc tức thời của một chất điểm tại thời điểm 𝑡

Từ công thức hàm nguy cơ 𝐻(𝑡), ta có

𝑓(𝑡)𝑆(𝑡) = −

Ba cách này thể hiện các khía cạnh khác nhau của 𝑇, tùy theo mục đích của nghiên cứu mà ta có thể lựa chọn cách biểu diễn tương ứng Luận án sử dụng 2 cách biểu diễn thời gian sống sót: Thứ nhất là qua hàm sống sót 𝑆(𝑡), cách này được sử dụng trong bài toán ước lượng thời gian sống sót của khoản vay cũng như ước lượng xác suất sống sót của các khoản vay theo thời điểm; Thứ hai là sử dụng hàm nguy cơ 𝐻(𝑡), cách này được dùng để so sánh, đánh giá về mức độ tác động các yếu tố lên thời gian sống sót của các khoản vay

1.3.3 Mục tiêu của phân tích sống sót

Phân tích sống sót có ba mục tiêu cơ bản sau đây:

 Ước lượng và biểu diễn hàm sống sót, hàm nguy cơ của các đối tượng từ dữ liệu trong phân tích sống sót

 So sánh các hàm sống sót, hàm nguy cơ

 Đánh giá mối quan hệ của các biến giải thích với thời gian sống sót của đối tượng Với mục tiêu này người ta thường phải sử dụng một số mô hình toán học, ví dụ như mô hình Cox PH

Cụ thể hóa ba mục tiêu cơ bản trên trong lĩnh vực QTRR, ta cần lượng hóa được thời gian sống sót của khoản vay, so sánh các hàm sống sót (hàm nguy cơ) của các khoản vay, ngoài ra cũng cần đánh giá được tác động của các yếu tố lên thời gian sống sót của khoản vay, việc đánh giá đúng các yếu tố tác động này có thể giúp thúc đẩy thời gian sống sót của khoản vay dài hơn hoặc xác định rõ hơn nguyên nhân gây ra vỡ nợ của các khoản vay

Mục 1.3.4 trình bày về số liệu trong phân tích sống sót, do luận án nghiên cứu về thời gian sống sót của các khoản vay của KHCN, nên để cho dễ hình dung NCS sẽ mô

tả các kiểu số liệu trong phân tích sống sót gắn liền với các khoản vay

1.3.4 Số liệu trong phân tích sống sót

1.3.4.1 Số liệu bị kiểm duyệt (Censored data)

Một vấn đề về số liệu trong phân tích sống sót là ta thường không biết chính xác thời gian sống sót của đối tượng Nếu một đối tượng xảy ra sự kiện thì thời gian sống sót của đối tượng được xác định hoàn toàn, nếu vì một lý do nào đó mà không thể biết chính xác thời gian sống sót của đối tượng thì ta gọi những quan sát này được gọi là bị kiểm duyệt

Có 3 trường hợp của số liệu bị kiểm duyệt tương ứng với các tình huống về giá trị thời gian sống sót thực sự của đối tượng so với giá trị thời gian quan sát được của đối tượng đó trong tập số liệu Nếu thời gian sống sót thực sự của đối tượng lớn hơn (tương ứng nhỏ hơn) thời gian sống sót quan sát được của đối tượng thì quan sát đó được gọi là

bị kiểm duyệt bên phải (Right Censored) (tương ứng bị kiểm duyệt trái - Left Censored), trong trường hợp ta chỉ biết thời gian sống sót thực sự của đối tượng trong một khoảng nào đó thì quan sát được gọi là bị kiểm duyệt khoảng (Interval Censored)

Hình 1.2: Minh họa các trường hợp bị kiểm duyệt của khoản vay

trong phân tích sống sót

Nguồn: Nghiên cứu của tác giả Hình 1.2 minh họa một số tình huống cho 3 loại bị kiểm duyệt của số liệu các khoản vay trong phân tích sống sót Trên trục thời gian, khung thời gian lấy số liệu là đoạn [𝐿, 𝑅], các mốc 𝐿, 𝐴, 𝐵, 𝐶, 𝐷, 𝐸, 𝑅 là các mốc thời gian theo thứ tự tăng dần trên trục thời gian Quan sát (a) là ví dụ trường hợp số liệu bị kiểm duyệt trái, tại thời điểm 𝐴 khách hàng không trả được nợ và thực chất khoản vay này đã bị vỡ nợ tại thời điểm nào đó trước 𝐴 Quan sát (b) là trường hợp số liệu bị kiểm duyệt khoảng vì ta chỉ biết được thời điểm khoản vay bị vỡ nợ là một điểm nào đó nằm trong khoảng (𝐵, 𝐶), tình huống này xảy

ra khi người ta xác định được tại thời điểm 𝐵 khoản vay vẫn chưa bị vỡ nợ nhưng tại thời điểm 𝐶 khách hàng đã bị vỡ nợ trước đó Quan sát (c) là một trường hợp số liệu bị kiểm duyệt phải, khoản vay kết thúc tại thời điểm 𝐸 (khách hàng tất toán khoản vay vào thời điểm 𝐸 và kết thúc khoản vay) nên được xác định là không bị vỡ nợ Quan sát (d) là một

𝑅

(d) Kiểm duyệt phải

(c) Kiểm duyệt phải

(b) Kiểm duyệt khoảng

(a) Kiểm duyệt trái

Thời điểm bắt đầu khoản vay X Vỡ nợ Thời điểm kết thúc kỳ hạn của khoản vay

(e) Không bị kiểm duyệt

trường hợp số liệu bị kiểm duyệt phải, cho đến tận thời điểm 𝑅 (là thời điểm kết thúc khung thời gian quan sát của tập số liệu) khoản vay này vẫn chưa bị vỡ nợ Chú ý rằng quan sát (e) không phải là trường hợp bị kiểm duyệt vì khoản vay xác định được thời điểm vỡ nợ cụ thể ở 𝐷

Theo Thomas và cộng sự (1999), bài toán ước lượng các hàm sống sót và hàm nguy cơ với số liệu bị kiểm duyệt phải là bài toán xuất hiện nhiều nhất trong phân tích sống sót, điều này xảy ra khi số liệu được thu thập trong một khoảng thời gian hữu hạn và dẫn đến việc nhiều quan sát có thời gian sống sót thực tế dài hơn so với thời gian quan sát được

1.3.4.2 Số liệu bị cắt cụt (Truncated data)

Số liệu bị cắt cụt là một trường hợp mất số liệu, nhưng có khác biệt với số liệu bị kiểm duyệt Giả sử khung thời gian của các quan sát trong tập số liệu là [𝐿, 𝑅] và đối tượng không được quan sát trước thời điểm 𝐿, khi số liệu bị cắt đi phần bên trái điểm 𝐿 thì ta có số liệu bị cắt cụt bên trái tại điểm 𝐿 (Left Truncated)

Số liệu bị cắt cụt bên trái tại điểm 𝐿 thường xảy ra trong 2 trường hợp:

 Thứ nhất: Khi quan sát xảy ra sự kiện trước thời điểm 𝐿, trường hợp này quan sát

bị loại bỏ hoàn toàn khỏi tập số liệu

 Thứ hai: Khi quan sát bắt đầu từ trước thời điểm 𝐿 và vẫn được theo dõi sau thời điểm

𝐿, trong trường hợp này quan sát có thể được bổ sung hoặc có thể không được bổ sung vào tập số liệu, nếu được bổ sung vào tập số liệu thì phần thời gian trước 𝐿 sẽ bị cắt đi

Hình 1.3: Minh họa các trường hợp bị cắt cụt của các khoản vay

trong phân tích sống sót

Nguồn: Nghiên cứu của tác giả Phần số liệu bên phải 𝑅 là phần không được quan sát, do đó ta không thể biết chính xác thời gian sống sót của đối tượng là bao nhiêu, khi đó phần không quan sát được này

(d) Không phải trường hợp cắt cụt (b) Không trong tập số liệu;

không được đưa vào tập số liệu, những trường hợp như thế được gọi là cắt cụt bên phải (Right Truncated) Số liệu trong phân tích sống sót đa phần là trường hợp bị cắt cụt (bên trái, bên phải hoặc cắt cụt cả trái và phải)

Hình 1.3 minh họa một số trường hợp số liệu bị cắt cụt với số liệu là các khoản vay, giả sử khung thời gian quan sát của tập số liệu là [𝐿, 𝑅], các thời điểm 𝐿, 𝐴, 𝐵, 𝐶, 𝐷, 𝑅 theo thứ tự tăng dần trên trục thời gian Quan sát (a) là khoản vay bắt đầu từ trước thời điểm 𝐿, khoảng thời gian trước thời điểm 𝐿 không được quan sát, đây là trường hợp cắt cụt trái, thời gian sống sót quan sát được của khoản vay (a) là 𝐵 − 𝐿 Quan sát (b) là khoản vay bị vỡ nợ trước thời điểm 𝐿, đây là trường hợp cắt cụt trái và quan sát này không được đưa vào trong tập số liệu Quan sát (c) là trường hợp cắt cụt phải, cho đến thời điểm cuối cùng của khung thời gian quan sát (thời điểm 𝑅) khoản vay vẫn chưa bị

vỡ nợ, trường hợp này phần không quan sát được (phần bên phải thời điểm 𝑅) sẽ không được đưa vào tập số liệu, thời gian sống sót quan sát được của khoản vay (c) là 𝑅 − 𝐶 Quan sát (d) là trường hợp không bị cắt cụt, bị vỡ nợ và được đưa vào tập số liệu với thời gian sống sót của khoản vay là 𝐷 − 𝐴

1.3.4.3 Số liệu phân tích sống sót trong quản trị rủi ro

Trong QTRR, thời gian sống sót của một khoản vay được tính từ khi khoản vay được giải ngân hoặc bắt đầu được quan sát cho tới khi khoản vay bị vỡ nợ hoặc bị kiểm duyệt, ở đây theo tiêu chuẩn Basel II sự kiện vỡ nợ được định nghĩa là quá 90 ngày mà khách hàng không thể trả được một phần hay toàn bộ lãi và gốc của khoản vay

Hình 1.4: Minh họa một số tình huống về thời gian sống sót

và tình trạng của khoản vay

Nguồn: Nghiên cứu của tác giả

Hình 1.4 mô tả một số tình huống của các khoản vay trong tập số liệu nghiên cứu phân tích sống sót trong QTRR Khoảng thời gian nghiên cứu (khoảng thời gian lấy dữ liệu) là [𝐿, 𝑅], các khoản vay được minh họa trong Hình 1.4 có thời điểm giải ngân ở trong hoặc ngoài khung thời gian quan sát (trước thời điểm 𝐿) Khoản vay (a) là ví dụ cho tình huống khách hàng bị vỡ nợ ngay trong khoảng thời gian quan sát, ở tình huống này thời gian sống sót của đối tượng là 𝐷 − 𝐴 Khoản vay (b) là tình huống khoản vay không bị vỡ nợ trong khoảng thời gian quan sát, trong trường hợp này thời gian sống sót quan sát được của khoản vay là 𝑅 − 𝐶, đây là trường hợp dữ liệu bị cắt cụt bên phải tại thời điểm 𝑅 Khoản vay (c) là tình huống khách hàng kết thúc khoản vay trong thời gian nghiên cứu, thời gian sống sót quan sát được của khoản vay là 𝐸 − 𝐵, cả 2 trường hợp (b) và (c) đều được tính là khoản vay không bị vỡ nợ Khoản vay (d) là trường hợp thời điểm giải ngân trước thời điểm bắt đầu quan sát, khoản vay này không bị vỡ nợ và thời gian sống sót quan sát được của khoản vay (d) là 𝐹 − 𝐿, ở đây quan sát bị cắt cụt trái tại thời điểm 𝐿

Số liệu của phân tích sống sót trong lĩnh vực QTRR thường là số liệu kiểm duyệt phải, bị cắt cụt trái tại thời điểm bắt đầu khung thời gian quan sát và bị cắt cụt phải tại thời điểm cuối khung thời gian quan sát Với giả định rằng lần quan sát đầu tiên của mỗi khoản vay là vào thời điểm bắt đầu khung thời gian quan sát, các đối tượng có thời điểm bắt đầu trong khung này đều được “kéo về” thời điểm bắt đầu của khung thời gian quan sát Các khoản vay được minh họa ở Hình 1.4 được trình bày lại trong Hình 1.5, trên mỗi khoản vay là thời gian sống sót quan sát được của các khoản vay tương ứng

Hình 1.5: Số liệu thời gian sống sót và tình trạng của các khoản vay sau khi bị cắt cụt trái tại 𝑳, cắt cụt phải tại 𝑹 và “kéo lùi” thời điểm bắt đầu các khoản vay về 𝑳

Nguồn: Nghiên cứu của tác giả

Số liệu cho phân tích sống sót trong QTRR có dạng (𝑇 , 𝛿 , 𝑋 ), 𝑖 = 1,2, … , 𝑁, trong đó 𝑁 là số khoản vay trong tập số liệu Đây là 𝑁 bộ giá trị quan sát được của bộ

ba biến ngẫu nhiên (𝑇, 𝛿, 𝑋), với 𝑇 = min{𝑍, 𝐶}, trong đó 𝑇 là thời gian sống sót quan sát được từ các khoản vay, 𝑍 là thời gian sống sót thực của khoản vay, 𝐶 là thời gian kiểm duyệt của khoản vay, 𝛿 = 𝐼(𝑍 ≤ 𝐶)

Cụ thể hơn, 𝑇 là thời gian quan sát được của khoản vay thứ 𝑖, 𝛿 là biến chỉ thể hiện khoản vay 𝑖 có bị vỡ nợ hay không

𝛿 = 1, nếu khoản vay bị vỡ nợ, dữ liệu không bị kiểm duyệt (𝑍 ≤ 𝐶 )

0, nếu khoản vay không bị vỡ nợ, dữ liệu bị kiểm duyệt phải (𝑍 > 𝐶 )

𝑋 = 𝑥 , 𝑥 , … , 𝑥 là vectơ các biến giải thích gồm các yếu tố có ảnh hưởng tới thời gian sống sót của khoản vay, các biến giải thích này có thể là các đặc điểm nhân khẩu học của khách hàng, đặc điểm của khoản vay (số tiền, thời hạn, lãi suất…), đặc điểm

về tình hình kinh tế - tài chính của khách hàng, đặc điểm về trạng thái của nền kinh tế như

tỷ lệ lãi suất, tỷ lệ thất nghiệp, tỷ lệ tăng trưởng GDP, chỉ số giá tiêu dùng, chỉ số giá nhà

Mục 1.4 trình bày về các yếu tố tác động tới thời gian sống sót của các khoản vay Các yếu tố này là các yếu tố liên quan tới đặc điểm nhân khẩu học của khách hàng, tình hình kinh tế - tài chính của khách hàng, các yếu tố liên quan tới khoản vay và các yếu tố liên quan tới tình hình của nền kinh tế

1.4 Cơ sở lý luận về các yếu tố ảnh hưởng tới thời gian sống sót của khoản vay

1.4.1 Các yếu tố liên quan tới khách hàng

1.4.1.1 Các yếu tố liên quan tới đặc điểm nhân khẩu học của khách hàng

Giới tính của khách hàng vay: Khách hàng nữ thường không mạo hiểm trong các quyết định kinh doanh cũng như trong các công việc khác, do đó thời gian sống sót của khoản vay của khách hàng nữ thường sẽ dài hơn so với khách hàng nam Tuy nhiên theo Carter và cộng sự (2007), nữ giới thường phải gánh vác các công việc trong gia đình, do

đó thời gian dành cho công việc không được nhiều và tập trung như nam giới, vì vậy điều này có ảnh hưởng tiêu cực tới thời gian sống sót của các khoản vay Do đó, giới tính nữ có ảnh hưởng tới thời gian sống sót của các khoản vay tích cực hơn giới tính nam hay không còn phụ thuộc vào bản chất số liệu của khoản vay, cụ thể là phụ thuộc vào văn hóa, tôn giáo, phong tục của khu vực sinh sống của người vay

Độ tuổi của khách hàng: Thông thường, khi tuổi của khách hàng càng cao thì

kinh nghiệm sống, trình độ chuyên môn cũng sẽ tăng theo, do đó thời gian sống sót của khoản vay được kỳ vọng sẽ tăng theo độ tuổi của khách hàng

Thời gian làm việc ở lĩnh vực chuyên môn hiện tại: Một khách hàng có thể làm nhiều công việc khác nhau trong cuộc đời, có thể nhảy việc nhiều lần và các công việc

có thể không liên quan tới nhau, nhưng nếu khách hàng giữ nguyên lĩnh vực chuyên môn thì kinh nghiệm và trình độ sẽ được tích lũy dần theo thời gian, điều này kéo theo thu nhập từ công việc sẽ càng lớn, do đó khi thâm niên trong lĩnh vực hiện tại càng lớn thì thời gian sống sót của các khoản vay càng lớn

Tình trạng hôn nhân của khách hàng: Có hai nhóm chính là khách hàng có gia đình hoặc độc thân, theo Moffatt (2005) khách hàng có gia đình thường có xu hướng tập trung vào công việc hơn là nhóm độc thân, do đó kỳ vọng nhóm này sẽ có thời gian sống sót của các khoản vay lớn hơn so với nhóm độc thân

Tình trạng học vấn của khách hàng: Rõ ràng học vấn càng cao thì chuyên môn

và thu nhập thường sẽ cao theo, hơn nữa các công việc và tính toán trong kinh doanh, trong cuộc sống thường tốt hơn, do đó nguồn trả nợ của khách hàng sẽ tốt hơn, điều này dẫn tới thời gian sống sót của các khoản vay sẽ dài hơn so với nhóm có trình độ học vấn thấp hơn

Vị trí công việc: Vị trí công việc của một cá nhân thể hiện đóng góp của cá nhân

đó vào công việc của tập thể, của công ty, do đó vị trí công việc càng cao thì thu nhập của cá nhân đó càng lớn, điều này dẫn tới khả năng trả nợ tốt hơn, nên kỳ vọng thời gian sống sót của khoản vay lớn hơn

Số lượng thành viên trong gia đình: Yếu tố này mang tới hai tác động trái ngược nhau lên thời gian sống sót của khoản vay, nếu trong gia đình có nhiều thành viên ở độ tuổi lao động và tạo ra thu nhập thì thời gian sống sót của khoản vay sẽ tăng lên, ngược lại, nếu số người phụ thuộc càng lớn thì dẫn tới khó khăn trong việc trả nợ tăng theo, điều này sẽ làm giảm thời gian sống sót của khoản vay

1.4.1.2 Các yếu tố liên quan tới đặc điểm về tình hình kinh tế - tài chính của khách hàng

Các đặc điểm về tình hình kinh tế - tài chính của khách hàng bao gồm các yếu tố

về thu nhập, giá trị tài sản đảm bảo, tình trạng sở hữu bất động sản Khách hàng có điều kiện kinh tế - tài chính càng tốt thì thời gian sống sót của khoản vay càng cao

Thu nhập của khách hàng: Thu nhập càng cao càng làm cho việc trả nợ được dễ dàng hơn, làm giảm khả năng vỡ nợ của khoản vay, ngược lại nếu thu nhập thấp thì sẽ

làm cho việc trả nợ trở nên khó khăn hơn

Tài sản đảm bảo cho khoản vay: Tài sản đảm bảo cho khoản vay có giá trị lớn (so với giá trị khoản vay) và khả năng thanh khoản cao là yếu tố giúp khách hàng tiếp cận được vốn vay của ngân hàng dễ dàng hơn Việc gắn tài sản đảm bảo với khoản vay sẽ bắt buộc khách hàng phải có trách nhiệm với khoản vay của mình hơn Các tài sản đảm bảo càng gắn bó chặt chẽ với lợi ích, cuộc sống của khách hàng thì càng làm cho khách hàng có trách nhiệm cao (với tài sản của mình), thông thường tài sản đảm bảo là bất động sản (BĐS) sẽ có thời gian sống sót của khoản vay cao hơn so với tài sản đảm bảo là động sản

Tình trạng sở hữu BĐS: Thể hiện cụ thể của khả năng tài chính của khách hàng

là tình trạng sở hữu BĐS, nếu khách hàng vẫn phải đi thuê nhà thì một phần của thu nhập phải dành cho việc trả tiền thuê nhà hàng tháng, điều này làm cho việc trả nợ ngân hàng sẽ khó khăn hơn, ngược lại nếu khách hàng có nhà riêng thì sẽ không phải mất thêm khoản chi phí thuê nhà, thậm chí nếu có nhiều hơn một nhà thì khách hàng còn có thu nhập thêm nhờ cho thuê nhà, trong những trường hợp đó khả năng trả nợ của khách hàng sẽ tốt hơn, do đó điều kiện sở hữu BĐS càng tốt thì thời gian sống sót của khoản vay càng lớn

Khách hàng cũ thường có tác động tích cực tới thời gian sống sót của khoản vay hơn so với khách hàng mới, lý do là khả năng trả nợ đã được ngân hàng thẩm định trong quá khứ và khách hàng cũ thường có nhiều ràng buộc với ngân hàng hơn so với khách hàng mới (có thể khách hàng cũ đang sử dụng những dịch vụ khác của ngân hàng)

Tương tự, khách hàng đã sử dụng các dịch vụ khác của ngân hàng đang vay vốn

sẽ có thời gian sống sót của khoản vay dài hơn so với khách hàng chưa sử dụng dịch vụ nào (ví dụ dùng thẻ tín dụng hay được trả lương qua ngân hàng đó), lý do là khách có thể quen với cách thức hoạt động của ngân hàng hơn và còn có nhiều quyền lợi liên quan ràng buộc hơn

1.4.2 Các yếu tố liên quan tới khoản vay

Các yếu tố liên quan tới đặc điểm của khoản vay được cho là có ảnh hưởng tới thời gian sống sót của khoản vay, các yếu tố này bao gồm mục đích, thời hạn, số tiền vay, lãi suất của khoản vay

Mục đích của khoản vay: Thông thường, khoản vay có mục đích tiêu dùng sẽ có thời gian sống sót của khoản vay ngắn hơn so với khoản vay có mục đích sản xuất, kinh doanh Ngay trong mục đích tiêu dùng, ảnh hưởng tới thời gian sống sót của các khoản vay cũng khác nhau, ví dụ khoản vay với mục đích mua xe mới sẽ có thời gian sống sót dài hơn so với khoản vay có mục đích mua xe cũ

Kỳ hạn của khoản vay: Khoản vay có kỳ hạn dài thường gắn với số tiền vay lớn và lãi suất cao, do đó thường có thời gian sống sót ngắn hơn so với những khoản vay có kỳ hạn ngắn hơn

Tỷ lệ giữa số tiền vay trên tổng thu nhập: Tỷ lệ này càng cao thì số tiền phải trả định kỳ càng lớn so với nguồn tiền để trả nợ của khách hàng, hơn nữa khi vay một khoản tiền lớn khách hàng thường khó xoay sở hơn nếu nguồn trả nợ có biến động xấu, những điều này dẫn tới thời gian sống sót của các khoản vay ngắn hơn

Lãi suất của khoản vay: Khi lãi suất của khoản vay cao thì số tiền phải trả cho ngân hàng sẽ nhiều hơn, do đó điều này có thể dẫn tới khách hàng gặp khó khăn trong quá trình trả nợ và có thể dẫn tới thời gian sống sót của khoản vay ngắn hơn

1.4.3 Các yếu tố liên quan tới tình hình kinh tế vĩ mô

Nền kinh tế vĩ mô có tác động toàn diện đến các lĩnh vực kinh tế, đời sống xã hội trên quy mô cả quốc gia, điều này ảnh hưởng tới thu nhập của mọi người dân, do

đó tình trạng nền kinh tế vĩ mô sẽ ảnh hưởng đến thời gian sống sót của các khoản vay Các chỉ số kinh tế vĩ mô quan trọng là tỷ lệ tăng trưởng GDP, tỷ lệ thất nghiệp, chỉ số giá tiêu dùng

Tỷ lệ tăng trưởng GDP: Tỷ lệ này càng cao chứng tỏ nền kinh tế phát triển tốt,

do đó thu nhập của các công ty, cá nhân người lao động sẽ tốt theo, do đó khả năng trả

nợ sẽ tăng, điều này dẫn đến thời gian sống sót của các khoản vay sẽ tăng

Tỷ lệ thất nghiệp: Chỉ số này càng cao thì tình trạng của nền kinh tế càng kém vì công việc ngày càng ít đi, điều này dẫn đến thu nhập của người lao động càng giảm và ảnh hưởng trực tiếp đến khả năng trả nợ của khách hàng, nghĩa là thời gian sống sót của khoản vay giảm