Xuất pháttừthực tế đó, trên cơ sở thu thập dữ liệu khách hàng cá nhân tại một chi nhánh NHTM điên về ảnh hưởng của cácyếu tố đến rủiro tín dụng cá này trong đo lường rủi ro tíndụng và dự
Trang 1- - —qujljy TRỊ RUVH DOAfyil
' , , ,, ,4 ■ CRC VÊÍI TO NHfiN ton M HUONG TOl XRC suflrr NG QUO HUN
TỤI NG A n HÀNG NŨNG nghiệp uh phút triển NÔNG T on UIỆĨ NHM
CHINHHNHTHUHO
Vũ Xuân Dũng Trường Đại học Thương mại Email: vuxuandung2015@gmail.com
Ngày nhận: 01/10/2021 Ngày nhận lại: 22/12/2021 Ngày duyệt đăng: 24/12/2021
Tham cung cấp thêm cách nhìn về việc sử dụng các cóng cụ đo lirờng rủi ro tin dụng cá nhân tại các
1V chi nhánh ngân hàng thương mại Việt Nam, nghiên cứu này đã thu thập dữ liệu từ 386 hô sơ khách hàng cá nhãn vay von tại Agribank - chi nhảnh Tây Đô và áp dụng kỹ thuật hồi quy logistic Kết quả cho thấy có 8 yếu tổ gồm Tuổi, Tình trạng hôn nhân, Học vấn, Tài sản bảo đảm, Thu nhập trước vay, Thu nhập
với mức độ giải thích cùa mô hình là =-0982,6% Nghiên cứu cũng đã đưa ra khuyên nghị đôi với Agribank
- chi nhánh Tây Đô nói riêng và các chi nhánh ngân hàng thương mại Việt Nam nói chung về việc sử dụng
Từ khóa: rũi ro tín dụng, đo lường rùỉ ro tin dụng, xác suất nợ quá hạn, hồi quy logistic.
JEL Classifications: G2Ỉ
1 Giói thiệu
Đo lường rủiro tín dụng cá nhânlà mảng công
nhân cơ sởcho việc đưa ra các phán quyêt tín dụng
việc mở rộng và phát triển nhanh chóng các sản
các ngân hàng thương mại (NHTM) đã và đang
hoàn thiện mô hình quản trị rủiro tíndụng cánhân
theo hướng áp dụng các mô hình quàn trịrủiro tín
trinhthu thập thông tin, thẩm định, kiểm soát, giám
sát và xử lý rủi ro tín dụng rõ ràng Trong thực tê,
“6C” để đánh giá khả năng đáp ứng điều kiện tín
dụng đối với khách hàng cá nhân Bêncạnh đó, phải
kể đến những thành công trong xây dựng và triển
Soi61/2022
sự vận hành hệthốngxếp hạng tíndụngkháchhàng
cá nhân của Trung tâm thông tin tín dụng quốc gia
người cho vay chù yếu dựa trên các thông tin thu thập từ kháchhàng về đặc điểmcá nhân, khả năng
thể hiện mức độ tín nhiệmvàkhảnăng trả nợ (Ghita
—khoa học thưongmại 51
Trang 2Q1IÀIV tri kinh doanh —*
thuậtnày cóthể cung cấp thông tin nhanhchóng, kịp
thời phục vụ cho việc ra các quyết định tín dụng,
cùabấtcân xứng thông tincóthể gặp phải Bêncạnh
đó, việc sử dụng các kỹthuậtchấmđiểm tín dụng để
xếphạng tíndụng nội bộ chưacó sựthống nhất về
tiêu chí và thang điểm đánh giá của các NHTM
dụng cá nhân trước và sau giải ngân của NHTM Để
góp phầngiải quyết bất cập này, các phươngpháp
xác định xác suất nợ quá hạn dựa trên dữliệu thống
chọn khách hàng cánhân để cho vay an toànhorn
Xuất pháttừthực tế đó, trên cơ sở thu thập dữ liệu
khách hàng cá nhân tại một chi nhánh NHTM điên
về ảnh hưởng của cácyếu tố đến rủiro tín dụng cá
này trong đo lường rủi ro tíndụng và dự báo khả
thời điểm giải ngân
2 Tổng quan nghiên cứu và khuôn khổ lý thuyết
2.1 Khuôn khổ lý thuyết
Đo lườngrủi ro tíndụng là các nỗ lực liên quan
đến việc ước tính xác suất của một sự kiện bất lợi
xảy ravà tácđộng tiềmtàngcủanó đến kêt quã hoạt
Horcher, 2005) Việc đo lường rùi ro tín dụng cá
nhân cóthể được thực hiện bằng nhiềuphương thức
hiệnnay Theo Abdou, H & Pointon, J (2011), có
được sử dụng gồm phương pháp chuyên gia và
chuyên gia làphương phápthuthập vàxử lýnhững
thông tin thu được qua hỏi ý kiến các chuyêngia am
hiểu sâutrong lĩnh vực tín dụng để xác địnhrủi ro
gây ra nhữngtốn kém chi phí và thời gian đê thực
hiện Phương pháp thống kê là phương pháp xếp
hạng tín dụngdựa trên các sổ liệuthống kê thu thập
52 H V ••
thống kê để pháthiệnra các biến số ảnh hưởng tới
khách quan Tuy nhiên,nếuquy mô quansát không
hình không phù hợp thì phương phápnày khó đàm
bào độtincậy Dotính khách quan của phương pháp
biến hơn trong xếphạng tíndụng cá nhân vàthường
được thực hiện thông qua các mô hình chấm điểm tín dụng bằng các kỹ thuật khác nhau như thống kê
hoặc hồi quy tuyến tính, hôi quylogistic,
2.2 Tong quan nghiên cứu
Phương pháp hồi quy logistic là một trong những
lườngrùiro tín dụng cá nhân (Abdou, H & Pointon,
nhị phân nhậnmộttrong haigiá trị(0; 1) Có những
thái rủi ro dưới hìnhthức làsựtuân thủ/không tuân
2010) hoặcphán ánh trạngthái rủiro là tốt/xấu (Li
Shuai &cộng sự,2013; Hussein A.Abdouavà cộng
thuộc là biến nhị phân thể hiện tinh trạng trả nợ đúng hạn/quá hạn theo tiêu chuẩn phân loại nợ
Bennounaa & Mohamed Tkiouat, 2019; Bùi Hữu Phước & cộng sự, 2018) Việc sử dụng biến phụ
thuộcphản ánh rủirotín dụng dựavàohành vi của
hợp đồng hoặc trả nợ đúng hạn/quá hạn theo tiêu chuẩnphân loại nợ là tùy thuộcvà bản chất dữ liệu
phảnánh được rủiro tín dụng của khách hàng ở các
cách tiếp cận khác nhau
về cácbiến quan sát các yếu tố tác động đến rủi
ro tín dụng của khách hàng cánhân cóthể bao gồm các biến nhận diện đặc tính cá nhân người vay, tình
biến nhận diện đặc tính cá nhân của người vay
phân, còn biến Tuổi hoặc là biến liên tục tính theo
Trang 3tuổi thực tếcủangườivay (Robert p Lieli & Halbert
White, 2010; Edinam Agbemava & cộng sự, 2016;
(A.Steenackers, M.J Goovaerts, 1989; Dinh &
Kleimeier, 2007) Biến Nghề nghiệp là biến được
phânloạitheocáchtiếpcận khácnhau như theođòi
hỏi vềkỹ năng (Không đòi hòi vềkỹ năng được đào
tạo; đòi hỏi ítkỹ năng được đào tạo;đòi hỏi đủ các
kỳ năng được đào tạo) (Robert p Lieli & Halbert
(Ghita Bennounaa & Mohamed Tkiouat, 2019)
loại theo các tiêu thức khác nhau như chia thành 4
nhóm (Dưới trung học phổ thông; trung học phổ
thông; đại học; sau đại học) (Ghita Bennounaa &
Mohamed Tkiouat, 2019; Dinh &Kleimeier, 2007)
2019) Một số nghiên cứu sử dụng thêm biến số
theo nhận định của nhà nghiên cứu (Dinh &
biển phản ánh điềukiệnvật chất và quy mô gia đinh
nhóm (nội thành; ngoạithành) (Ghita Bennounaa &
Mohamed Tkiouat, 2019) hoặc 3 nhóm (đithuê; sờ
hữu; sửdụng miễn phí) (Robert p Lielỉ & Halbert
nhóm(sở hữu nhà; đi thuê; ở với bố mẹ; khác) (Dinh
&Kleimeier,2007); số ngườiphụ thuộc được một
số nghiêncứu sử dụng do có trong tập dữ liệukhai
Shuai & cộng sự, 2013; Ghita Bennounaa &
(0; 1; 2; 3; >3) (Dinh & Kleimeier, 2007) Một số
(A.Steenackers, M.J Goovaerts, 1989; Dinh &
và tùy thuộc vào nguồn dữ liệu khai thác Một số
số dư thấp; số dư trungbình; sổ dư lớn) (Robert p
5 nhóm (Li Shuai & cộng sự, 2013) Biến Tỷ lệthu
Tổng chi tiêu hàng tháng được nhận diện chia khoảng theo 3 nhóm (dưới trung bình; trung bình;
theo 4 nhóm(Dinh & Kleimeier, 2007) và việcđịnh dạng phân khoảng này gắn với ý nghĩa đánh giá
cứu sử dụngbiếnThu nhập rònghàng tháng và định dạng làdạng biến liên tục nhận giá trị thực tế của thu
nhập(HusseinA Abdoua & cộng sự, 2019)
Các biến phản ánh đặcđiểmcủakhoản vay cũng
hưởng có thể đến rủi ro tín dụng Biến số tiềnvay
đượcđịnh dạng làbiếnliêntụcnhận diện theogiátrị
Shuai & cộng sự, 2013; EdinamAgbemava &cộng
học, ) (Robert p Lieli & Halbert White, 2010)
hoặc được chia thành2 nhóm (tiêu dùng;pháttriển
biến liên tục nhận giátrị thực tế (Ghita Bennounaa
& Mohamed Tkiouat, 2019; Li Shuai & cộng sự,
trung hạn, dài hạn) (A.Steenackers, M.J
Goovaerts,1989; Hussein A Abdoua & cộng sự,
cộng sự, 2016; Ghita Bennounaa & Mohamed
Tkiouat, 2019)
biến đượcsửdụng làsố lần vay, số lần trả góp, số
lần chưa trả góp, số ngày quá hạn và được định
Bennounaa & Mohamed Tkiouat, 2019), trong khi
đóbiến Lịch sử tín dụng đượcđịnh dạng là biến nhị
Trang 4QUÀN TRỊ KINH DOANH
sử; có lịch sử tốt; có lịch sử khôngtốt) (Li Shuai &
quá hạn/đã từng có nợ quá hạn)(Robert p Lieli &
về số lượng biến giải thích và sự kết hợp định
nghiên cứu không có sự thống nhấtvề số lượng biến
giải thích đưa vào mô hình nghiên cứu bởi lẽ tùy
giữa nhóm biến giải thích là biến nhị phân, biên
biến liên tục (Robert p Lieli & Halbert White, 2010;
cộng sự, 2016; Ghita Bennounaa & Mohamed
Tkiouat, 2019; Hussein A Abdoua & cộng sự,
2019), song cũng có những nghiên cứu không sử
dụng biếnliên tục mà chỉ sửdụng biến giải thích là
biến nhị phân kết hợp với biến phân loại, phàn
khoáng (A.Steenackers, M.J Goovaerts, 1989; Dinh
&Klẹimeier, 2007)
dữ liệu thu thập từ mẫu khảo sát có quymô lớn lên
đến trên 1000 hồ sơkhách hàng cá nhân do một
chức tài chính vi mô cung cấp (Ghita Bennounaa &
Mohamed Tkiouat, 2019) Tuy nhiên, cũng có
được định dạng là biến liên tục (Robert p Lieli &
Edinam Agbemava & cộng sự, 2016) Trong đó khi
biến nàyđượcđịnh dạng là biến phân loại thì lại có
năng vỡnợ hayrủirotín dụng (A.Steenackers, M.J
đếnkhả năngvỡ nợ ờ một sốnghiêncứu(Robert p
Lieli & Halbert White, 2010; Ghita Bennounaa &
54 thuong mại
Mohamed Tkiouat,2019; Dinh &Kleimeier, 2007) với hệ số lần lượt là0.247, - 0.738, -1.557 và được
nam Tuynhiên, cũng cónghiên cứu không tìm thấy
lớncác nghiên cứu khôngtìm thấy mối quan hệ có
và được giảithích là kết hôn làm tăngkhả năng vỡ
nợ của khách hàng.Trình độ học vấnkhông có ảnh
trong nghiên cứu cùa Dinh & Kleimeier,2007, song
nghĩa trìnhđộgiáo dục càng caothì Rủi ro tín dụng càng thấp Mặc dù có nghiên cứu tìm thấy mối quan
hệ có ý nghĩa cùa Nghề nghiệp với Rủiro tín dụng
không đáng kể (hệ số 0.064), songhầuhếtlàkhông tìm thấy moi quan hệ này Kinh nghiệmlàm việc được tìm thấy có ảnh hưởng có ýnghĩa đên Rủi ro
tín dụng ở một số nghiên cứu (Robert p Lieli &
có ỷ nghĩa (Li Shuai& cộngsự, 2013)
có ý nghĩa thốngkê của các biếnChỗởvà Phương tiện giao thông vớiRủi ro tín dụng Biếnđiện thoại
có tácđộng ngược chiều vàcóýnghĩa đến Rủi rotín
vớihệ số -0.181, song lại không tìm thấy mối quan
Agbemava & cộngsự, 2016), song lại không có ý
M.J Goovaerts, 1989; Dinh & Kleimeier, 2007) Biến Tinh trạng tài khoản thanh toán hay Tài
khoản séc được tìm thấy có ảnh hường có ý nghĩa
Trang 5QUÀN TRI KDUH
trong một số nghiêncứu (Robert p Lieli & Halbert
khôngđáng kể với hệ số tương ứnglà0.058, - 0.098
dụng càng nhỏ Tuy nhiên, mối quan hệ này lại
Kleimeier, 2007 Tài khoản tiết kiệm cũng có ảnh
hưởng ngược chiều đến rủi ro tín dụng (Robert p
Lieli & Halbert White, 2010; Dinh & Kleimeier,
2007) với hệ số tươngứnglà0.237và -0.75 vàđược
giảithích là số dư càngcaothì rủi rotín dụngcàng
thấp Tỳ lệ thunhập dùng để trả góp được tìm thấy
có ảnh hưởng ngược chiều đen Rủi rotín dụng trong
một nghiên cứu (Robert p Lieli & Halbert White,
2010) với hệ số -0.294, song lại không có ý nghĩa
trong một nghiên cứu khác (Li Shuai & cộng sự,
đến rủi ro tíndung (Hussein A Abdoua & cộng sự,
2019),song khi được định dạng làbiến phân loại thì
lại có ảnh hưởng ngược chiều đến rủi ro tín dụng
(A.Steenackers, M.J Goovaerts, 1989; Dinh &
Trong tổng số nghiên cứu cỏ sử dụng biếnsố
tiền vay thìcótới 2 nghiên cứu (Li Shuai& cộng sự,
Rủi ro tín dụng Trong nghiên cứu còn lại(Robertp
Lieli& HalbertWhite,2010)đãtìmthấy ảnh hưởng
với mức độ ảnh hưởng quánhỏ (hệ số -0.0000931)
Biến Thời hạn vaycó ảnh hưởng đến Rủi ro tín dụng
trong một số nghiên cứu (Robert p Lieli & Halbert
Agbemava & cộng sự, 2016) song mức độ ảnh
thấymối quan hệcó ý nghĩa của Mụcđíchvay đến
Rủi ro tín dụng (Robert p Lieli & Halbert White,
2010; Edinam Agbemava & cộng sự, 2016;
nghiên cứu lại cho ý nghĩa về ảnh hưởng của biến
cao hơn so với cho vay kinh doanh (Ghita
Kleimeier, 2007) Tài sản bảo đảm không có ảnh
cứucùaRobertp Lieli &Halbert White, 2010, song
lại có ảnh hưởng làm giảm rùi ro tín dụng trong
với hệ số 0.871
Sốlầnvay, số lần trả góp và số lầnchưa trả góp có ảnh hưởng ngược chiều có ý nghĩa đến Rủi ro tín
MohamedTkiouat, 2019 với hệ số tương ứng là
ngược chiều của số lần vay đến Rủi ro tín dụngvới
các nghiên cứu của Robert p Lieli & HalbertWhite,
2010; Li Shuai & cộng sự, 2013 và2019 với hệ số tương ứng là -2.467, -0.137, -1.347 và trongnghiên
và -0.066 , -1.774
Như vậy,các công trinh nghiên cứuvề đo lường
logistic đều đã sử dụng biến phụ thuộc làdạng biến
nhị phân thể hiện khả năng trả nợ đúng hạn hay trạng thái rủi ro tín dụng cánhânđượcđánh giá là
thủ/không tuân thủ hợp đồng hay tình trạngtrà nợ
đúng hạn/quá hạn của ngườivay Trong các nghiên
vào việc nhận diện và mô tả đặc điểm cùa khách
hàng (Tuổi, Giới tính, Tình trạng hôn nhân, Nhà
ở, ) và đặc điểm của khoảnvay (Quy môkhoản vay,Thời hạn vay, Mục đích vay, ).Bên cạnh đó,
một số nghiên cứu đưa thêm các biếnmô tả hành vi củakhách hàng (Lịch sử tín dụng, số lần vay, số lần
trảgóp, ) về kết quả nghiên cứu, các nghiên cứu
đều tìm ra những biến có ảnh hưởng có ý nghĩa
hoàn toànthốngnhất với nhau về số lượng biếncó
ảnhhưởng và chiều hướngảnhhưởng
logistic Trong đó, có nghiên cứu tập trungxem xét
giai đoạntrước2007 khi mà chuẩn mực kiểm soát
khoa học thiídngmạỉ 55
sỏ ì 61/2022
Trang 6QUÀN TRI KINH DOANH
tếxã hội và điều kiện tiếpcận thông tin
của ngườivay chưa phát triển nhưhiện
nay Mộtsố nghiên cứu mới chỉchủ yếu
P(Y=1 / X) = ^(x) = - expjÁ- +fl +-±.fl
tập trung vào việc nhận dạng và đo
cá nhân thông quamột số biến quan
sát và mô phòngtheo mô hình nhận
,,P{Y = V XV , , _ „ v
ĩn( — ■' ';) = ln( = /?0 + &X. + + /?, X (2)
P(Y = 0/XỴ ỉ-7ĩ(xỴ ° ỵ '
Khảnăng tài chính, Tỷ lệ tiền vay trên tài sản đảm
2018; BùiHữu Phước & cộng sự, 2018) Điều này
việc dựa vào Quyết định số 493/2005/QĐ-NHNN
hay phân định khả năng vỡ nợ/không vỡ nợ của
các chuẩn mựcvà qui định mới Ngoài ra,trongbối
cảnh có sự thay đôi về mặtbằng thu nhập, chitiêu,
cứu về sự ảnh hưởng của các yếutố nhân thân đến
xác suất nợquá hạn hay rủi ro tin dụng đối với các
NHTM hay chi nhánh NHTM Việt Nam có thể
trống nghiên cứucho các nhà nghiên cứu
3 Thiết kế nghiên cứu
3.1 Mô hình nghiên cứu
Theo Edinam Agbemava & cộng sự (2016) và
hình hồi quy logistic có biến được giải thích (Y) là
biến nhị phân nhận một trong hai giá trị là 0;l
quátqua 2 phươngtrình như sau:
Ỏ đây 7t(x)/l-n(x) làhệ sốodds mô tảtỷ số giữa xác suất xảy ra sựkiện Y=1 với xác suất xảy ra sự
kiện Y=okhi biến Xnhận giátrịcụ thể Xj
Khi áp dụng mô hình nghiên cứu trên vào trường họp cụ thê là Agribank - Chi nhánh Tây Đô, tác giả
thuộc phản ánh rủiro tín dụngcá nhân là xác suất nợ quá hạn (Y)được nhận diện qua tình hình trảnợ của
không phải trích lập dự phòng, trong khi đó, các khoảnnợ thuộc cácnhómcòn lại (2,3,4,5) đều hàm chứarủi ro tíndụng ở các mứcđộ khác nhaunên đều
hạn dưới 10ngàythì Y được gán giátrịlà 0, ngược lại khi ngườivay trảnợ quá hạn từ 10 ngày trởlên thì Y được gán giátrị là 1
Đối với các biến độclập, xuấtpháttừ thực tếcùa
nguồn dữ liệu thu thập từ đơn vị khảo sát(Agribank
tin (Kinh nghiệm làm việc; số người phụ thuộc;
Tổng chi tiêu hàng tháng; Tỷ lệ thu nhập còn lại dùng để trà góp; số lần vay) và căn cứ vào kết quả
Ịợụạ h 9
thương mại
biến mô tả đặc điểm khách hàng, khoản vay và hành
hôn nhân, Học vấn, Nghề nghiệp, Mục đích vay, Tài sản bảo đảm, Thu nhập trước vay, Thunhập sau vay, Thời hạn vay,Lịch sử tín dụng).Tácgiàkhông chọn cácbiến Chỗ ở và Phương tiện giao thông vì không
tổng quan nghiêncứu) Biến Điện thoại cũngkhông được lựa chọn, bởi lẽtrong điều kiệnhiện nay 100% người vay đều có điện thoại CácbiếnTình trạng tài
Sô 161/2022
Trang 7'■■’■'?■■ "*«• !i-::i.%' •«•*• -.W" ?‘Ỉ■■ -■■•■ f j- ■ ■■ ■ ■•■■■■ ■■■
kiệm cũngkhông được đưa vào mô hìnhnghiên cứu,
nhau, việc thu thập đủthông tin để tổnghợp lại rất
khó thực hiện, mặt khác, dođạiđasố khách hàng cá
nhânở Việt Nam vẫncònnhận thu nhập và chitiêu
(Dinh & Kleimeier, 2007) và tham khảo cách phân
nhóm của Agribank về mức thu nhập hàng tháng của
trướckhi vay (được phân khoảngtheo 3 nhóm) và
trên cơ sở so sánh với Mức thu nhập sauvay) Biên
thích quá nhỏ bé và cóthểcoi như không ảnh hường
tổng quan nghiên cứu) Các biến số lần trảgóp, số
vào mô hình nghiên cứu, bởi lẽ, một mặt số lần trà
góp phụ thuộcvào mỗi họp đồngtín dụng, mặtkhác
3.2 Mô tả biển và thang đo
như bảng1:
3.3 Giả thuyết nghiên cứu
Cácgiả thuyết nghiên cứuđược phát biểu như sau:
HI: Tuổi có ảnh hưởngđếnrủiro tín dụngvà khi
(Edinam Agbemava & et la (2016); Ghita
Bennounaa, Mohamed Tkiouat, 2019)
H2: Giới tính có ảnh hưởng đến rủiro tín dụng
cao hơnnữ giới(Robert p Lieli & HalbertWhite,
Bennounaa, MohamedTkiouat,2019)
H3:Tình trạng hôn nhâncó ảnh hưởng đến rủi ro
tín dụngvà cho vay khách hàngđãkết hôn có rủi ro
tín dụng cao hơn khách hàng độc thân (Edinam
Agbemava & cộng sự, 2016; Ghita Bennounaa,
Mohamed Tkiouat, 2019)
H4: Trìnhđộ học vấncóảnhhưởng đến rủi ro tín
Tkiouat, 2019; Hussein A Abdoua và cộng sự, 2019)
dụng vànhững nghề nghiệp có tính chất ổn định cao
hơn thì rủi rotín dụng sẽ thấphơn (Robertp Lieli
& Halbert White, 2010; Ghita Bennounaa &
Mohamed Tkiouat,2019)
Mohamed Tkiouat, 2019)
H7: Tài sản bảo đảmcó ảnh hưởng đến rủi ro tín
dụng thấphơn so với cho vay không có tài sản đảm
H8:Thu nhập trước vaycó ảnh hưởng đến rủi ro tíndụngvà thu nhập trước vay củakháchhàngcàng caothì khách hàng càngcó khả năng trả nợ tốt hơn
Goovaerts, 1989; Dinh& Kleimeier,2007) H9: Thu nhập sauvay có ảnhhưởng đến rủi ro tíndụng vàthunhập sau vay càngcao hơn so với thu
nợ tốt hơn (Li Shuai & cộng sự, 2013;
Kleimeier, 2007)
H10: Thời hạn vay có ảnh hưởng đến rủi ro tín dụngvà khách hàng có thờihạn vaycàng dàithìthì rủi ro tín dụng cũng sẽ cao hơn (Li Shuai & cộngsự,
2013Hussein A Abdoua & cộng sự, 2019; Dinh&
Kleimeier, 2007)
HI ỉ: Lịch sử tíndụng có ảnh hưởng đến rủi ro
tín dụng và khách hàng có lịchsử tín dụng kémhơn
thì rủiro tín dụng cũng sẽ caohơn(Li Shuai & cộng
sự, 2013; Robertp Lieli & HalbertWhite, 2010)
3.4 Dữ liệu nghiên cứu
có quy mô lớn nhất ở ViệtNam,nằm trong nhóm 10
hạng 500 doanh nghiệp hàngđầu ở ViệtNam) Tính đến 31/12/2020, Agribanktiếp tục giữ vịtrí làngân
hàng có mạng lướirộng lớn nhất, bao trùm tấtcả các
Trang 8(Rútal TRỊ KIP2H
Thứ
tự
Yếu tố
(biến)
Kí
hiệu
Loại
biến
lập
Từ 18-30 (= 1)
Từ 31-45 (= 2)
Từ 46-55 (=3) Trên 55 (=4)
Edinam Agbemava & et la (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); A.Steenackers & M.J Goovaerts, 1989; Dinh &Kleimeier,2007
tinh
lập
Nam (= 0) Nữ(= 1)
Robert p Lieli & Halbert White (2010); Edinam Agbemava & cộng sự (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); Hussein A Abdoua và cộng sự (2019)
trạng
hỏn
nhân
lập
Độc thân (=0) Kết hôn (=1)
Li Shuai và cộng sự (2013); Edinam Agbemava & cộng sự (2016); Ghita Bennounaa, Mohamed Tkiouat (2019); Hussein A Abdoua và cộng sự (2019)
vấn
lập
THPT/Dưới THPT (=1) Trung cấp/Cao đang (=2) Đại học (=3);
Sau đại học (=4)
Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007; Hussein A Abdoua & cộng sự, 2019
nghiệp
lập
Công Nhân/' Lao động tự do (=1) Kinh doanh/ Buôn bán (=2) Nhân viên văn phòng (=3)
Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & Mohamed Tkiouat, 2019
đích
vay
lập
Tiêu dùng (=0) Kinh doanh (=1)
Robert p Lieli & Halbert White, 2010; Ghita Bennounaa & Mohamed Tkiouat, 2019; Dinh & Kleimeier, 2007
bảo
đảm
lập
Không có tài sản thê chấp (=0)
Có tài sàn thế chấp (=1)
Edinam Agbemava & cộng sự, 2016;
GhitaBennounaa & Mohamed Tkiouat, 2019
nhập
trước
khi vay
lập
Dưới 10 trđ (=1):
Từ 10- 15trđ(=2);
Trên 15trđ (=3)
Robert p Lieli & Halbert White, 2010; Li Shuai & cộng sự, 2013
A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007
nhập
sau vay
lập
Thấp hcm trước vay (= 1) Không thay đôi (=2) Cao hon trước vay (=3)
Robert p Lieli & Halbert White 2010; Li Shuai & cộng sự, 2013
A.Steenackers, M.J Goovaerts, 1989; Dinh & Kleimeier, 2007
hạn vay
lập
Ngãn hạn (=1) Trung hạn (=2) Dài hạn (=3)
A.Steenackers, M.J Goovaerts,1989; Hussein A Abdoua & cộng sự, 2019; Dinh
& Kleimeier, 2007
tín
dụng
lập
Chưa từng có nợ quá hạn (=0)
Đã từng có nợ quá hạn (=1)
Li Shuai & cộng sự, 2013;
Robert p Lieli & Halbert White, 2010
xuất trà
nợ quá
hạn
thuộc
Trả nợ đúng hạn hoặc quá hạn dưới 10 ngày (=0)
Trả nợ quá hạn từ 10 ngày trở lên (=1)
Edinam Agbemava & cộng sự (2016); Ghita Bennounaa, Mohamed Tkiouat (2019)
„ khọạ học
Trang 9QlỉÁni TRỊ KDVH DOANH
I, 768 Chi nhánh loại II, 1.286 Phòng giao dịch và
(Agribank, 2020) Trongcác chi
nhánh trực thuộc, Agribank - Chi
chinhánhđiển hình, bởi lẽ đây là
vào cuốinăm 2020 khoảng 1.300
giao dịch tại một số quận nội
thành và huyện ngoại thành Hà
Nội nơi mà khách hàng cánhân
chọn Agribank- Chi nhánhTâyĐô để khảosát
Theo Slovin (1960), khi biết quy mô tổng thể
chọntheo công thức: n =N/(l+N.eA2) Trong đó: n
làkích thước mẫu tối thiểu;N làsố lượng tổngthể;
e là sai số cho phép, thông thường là 5%
Tính đến thờiđiểm 31/12/2020, tổng sổ khách
hàng cá nhân hiện đang vay vốn tại Agribank - Chi
tốithiểu phù hợp trong trường hợp này được xác
cỡmẫu đú lớn so vớimức tối thiểu), thu đượcmẫu
khảo sát gồm 393 hồ sơ kháchhàng cá nhân Trên
cơ sởrà soát, loại bỏcác hồ sơ kháchhàng không
đù dữ liệu cần thiết, mẫu khảo sát còn lại được
Agribank -Chi nhánh Tây Đô
4 Kết quả và thảo luận
4.1 Kiêm định sự phù hợp của mô hình
Bảng 2. Tóm tắt kết quà xử lý dữ liệu (Case Processing Summary)
Selected Cases
a If weight is in effect, see classification table for the total number of cases.
Bảng 2 cho thấy trong số 386 quan sát được đưa
vào phân tích thì khôngcó quan sát nào bị thiếu vả
Băng 3 Ket qua kiêm định Omnibus về mức độ
phù hợp cùa mò hình (Omnibus Tests of Model Coefficients)
Chi-square df
Step 356.725 11 000
Model 356.725 11 000
biến độc lập vào cùng một lầnđể kiềm định Giá trị Siẹ <0.05 (Bảng 3) trong tất cả các trường họpcho thấy mô hình hồi quy được xâydựng trên mẫu khảo
sátlà có ý nghĩa thốngkê
nhỏ nên cóthể nói là mô hình hồi quycósự phùhọp
Bảng 4 Tông họp về mô hình (Model Summary)
a Estimation terminated at iteration number 9 because parameter estimates changed by less than 001.
khoa học thương mại 59
Trang 10QUÀN tri kinh doanh
vàhệ số Nagelkerke R Square= 0.826chothấy các
biến độc lập đưavào mô hình nghiên cứu đã giải
thíchđược 82,6% sự biến động củabiến phụ thuộc
Bảng 5 Kết quà kiểm định Hosmer và Lemeshow
Dựa vào giá trị Sig - 0.525 > 0.05 (Bảng 5), có
4.2 Phân tích kết quả hồi quy
Bâng 6 'Ket quả hồi
các tác giả: Robert p Lieli và Halbert White (2010);
Edinam Agbemava và cộng sự (2016); Ghita
bằng chứng cho thấy phụnữkhông thường xuyên bị
vỡ nợ khi vay nợ (Schreiner, 2004) nhưng ảnh hưởng về giới tính đến khả năng vỡ nợ sẽ biến mất
tính được tính đếnnhư thu nhập hay tinh trạnghôn
thường cao hợn nữ giới (GSO, 2018, 2019, 2020)
Tuynhiên, điều nàỵ chỉ cho biết khả năng tàichính
chứ không cho biết được thái độ đối với việc sẵn
sàng trả nợ theo giới tính Mặtkhác, đối với cánhân
EXP(B)
Step
la
a Variable(s) entered on step 1: Tuoi, GioiTinh, HonNhan, HocVan, NgheNghiep, MucDichVay, TaisanBD, TNtruocvay, TNsauvay, LichsuTD.
Bảng 6 cho thấy kếtquả hồi quylần đầuđối với
các ước lượng trong mô hồi quy logistic đã xây
sự ảnh hưởng của các biển độc lập trong đo lường
và dự báo rủi ro tín dụngcá nhân, song với các giá
trị Sig < 0.05 thì thống kê Wald mới thực sự có ý
nghĩa Càn cứ vào giá ttị Sig = 0.427>0.05, biến X2
đến xác suất nợ quá hạn hay rủiro tíndụng cá nhân
đại diệncho hộgia đình đứng tên để vay vốnthì sự ảnh hưởng của yếu tố giới tínhđến xác suất phát
sinh nợ quá hạn sẽ bịxóa nhòakhi mànhiều yếu tố gộp chung trong gia đình được tính đến như thu nhập và tài sàn bảo đảm
(NgheNghiep) cũngkhông có ảnh hưởng có ý nghĩa thốngkê đến xácsuất nợ quáhạn hay rủi rotíndụng
cá nhân Điều này phù hợp với kết quảnghiên cứu
„ khoa hoe