Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần việt nam

DANH MỤC TỪ VIẾT TẮT Tên viết tắt Tên tiếng Việt ANN Mạng nơron BCTC Báo cáo tài chính CAMELS Mô hình CAMELS CIC Trung tâm Thông tin tín dụng Ngân hàng Nhà nước CPI Chỉ số giá tiêu dùng

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

-
  -

ĐẶNG HUY NGÂN

XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ

ĐỐI VỚI CÁC NGÂN HÀNG THƯƠNG MẠI

CỔ PHẦN VIỆT NAM

Chuyên ngành: Kinh tế học (Toán kinh tế)

Mã số: 62.31.01.01

LUẬN ÁN TIẾN SĨ KINH TẾ

Người hướng dẫn khoa học: GS.TS NGUYỄN QUANG DONG

HÀ NỘI - 2018

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 nghiên cứu này do tôi thực hiện và không vi phạm yêu cầu về sự trung thực trong học thuật

Hà Nội, ngày tháng năm 2018

Tác giả luận án

Đặng Huy Ngân

MỤC LỤC LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG

DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH

MỞ ĐẦU 1

CHƯƠNG 1 TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG 5

1.1 Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại 5

1.2 Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới 8

1.2.1 Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu 8

1.2.2 Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các nghiên cứu trước 20

1.2.3 Các nhân tố, biến số trong các nghiên cứu vỡ nợ 21

1.3 Các nghiên cứu về dự báo vỡ nợ, vỡ nợ ngân hàng ở Việt Nam 25

Kết luận chương 1 31

CHƯƠNG 2 CƠ SỞ LÝ LUẬN VỀ VỠ NỢ NGÂN HÀNG THƯƠNG MẠI 32

2.1 Tiêu chí xác định nguy cơ vỡ nợ 32

2.2 Các nhân tố ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại 35 2.2.1 Các nhân tố vĩ mô ảnh hưởng đến hoạt động của các ngân hàng 35

2.2.2 Các nhân tố vi mô ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại 36

2.3 Cơ sở lý thuyết một số mô hình áp dụng trong nghiên cứu cảnh báo vỡ nợ 48 2.3.1 Mô hình Logit, mô hình Logit với số liệu mảng 48

2.3.2 Mạng nơron 52

2.3.3 Cây quyết định 55

2.4 Phương pháp bao dữ liệu (DEA) đánh giá hiệu quả hoạt động của các NHTMCP57 2.5 Khung nghiên cứu của luận án 58

Kết luận chương 2 60

CHƯƠNG 3 THỰC TRẠNG HOẠT ĐỘNG, NGUY CƠ VỠ NỢ CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2009-201561 3.1 Tình hình kinh tế vĩ mô giai đoạn 2009-2015 61

3.2 Một số chính sách tiền tệ giai đoạn 2009-2015 65

3.3 Hoạt động ngành ngân hàng 68

3.3.1 Cơ cấu sở hữu, quy mô và phạm vi hoạt động của các ngân hàng 68

3.3.2 Mức độ an toàn vốn và quy mô tổng tài sản của các NHTMCP 69

3.3.3 Khả năng sinh lời, hiệu quả quản lý tài sản 73

3.3.4 Tăng trưởng huy động và tín dụng, khả năng thanh khoản 75

3.3.5 Chất lượng tài sản, mức độ thâm hụt 78

3.4 Nguy cơ vỡ nợ của một số NHTMCP điển hình trong giai đoạn 2009-2015 82 Kết luận chương 3 87

CHƯƠNG 4 XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM 88

4.1 Thiết kế nghiên cứu 88

4.1.1 Số liệu 88

4.1.2 Xác định nguy cơ vỡ nợ của các NHTMCP Việt Nam 89

4.1.3 Hệ thống các chỉ tiêu tác động tới nguy cơ vỡ nợ 92

4.1.4 Phân tích thống kê 97

4.2 Mô hình Logit dữ liệu mảng 101

4.3 Mô hình mạng nơron 107

4.4 Mô hình cây quyết định 109

Kết luận chương 4 114

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH 115

5.1 Các kết quả đạt được 115

5.2 Phân loại các ngân hàng thương mại cổ phần 119

5.3 Một số kiến nghị và hàm ý chính sách 120

KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO 127

DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ 129

DANH MỤC TÀI LIỆU THAM KHẢO 130

PHỤ LỤC 137

DANH MỤC TỪ VIẾT TẮT

Tên viết tắt Tên tiếng Việt

ANN Mạng nơron

BCTC Báo cáo tài chính

CAMELS Mô hình CAMELS

CIC Trung tâm Thông tin tín dụng Ngân hàng Nhà nước

CPI Chỉ số giá tiêu dùng

DA Phân tích phân biệt

DT Cây quyết định

DEA Phân tích đường bao dữ liệu (Data envelopment analysis)

FE Tác động cố định

IMF Quỹ tiền tệ quốc tế

LA Hồi quy Logistic

NCUA Cục Quản lý các tổ hợp tín dụng quốc gia Mỹ (National Credit

Union Administration)

NH Ngân hàng

NHNN Ngân hàng Nhà nước

NHTM Ngân hàng thương mại

NHTMCP Ngân hàng thương mại cổ phần

NPL Tỷ lệ nợ xấu

NSNN Ngân sách Nhà nước

PA Hồi quy Probit

RE Tác động ngẫu nhiên

ROA Thu nhập ròng/ Tổng tài sản

ROE Thu nhập ròng/ Vốn chủ sở hữu

STATA Phần mềm thống kê Stata

BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG

BIDV Ngân hàng thương mại cổ phần Đầu tư và Phát triển

GP bank Ngân hàng thương mại cổ phần dầu khí Việt Nam MHB Ngân hàng phát triển nhà đồng bằng sông Cửu Long Oceanbank Ngân hàng thương mại cổ phần Đại Dương

SCB Ngân hàng thương mại cổ phần Sài Gòn SCB

Vietcombank Ngân hàng thương mại cổ phần Ngoại thương Việt Nam Vietinbank Ngân hàng thương mại cổ phần Công Thương Việt Nam Westernbank Ngân hàng thương mại cổ phần Phương Tây

DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH Bảng biểu:

Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình 7

Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver 10

Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980) 15

Bảng 1.4: Tóm tắt một số nghiên cứu cảnh báo vỡ nợ, vỡ nợ NH trên thế giới 19

Bảng 1.5: Một số định nghĩa sử dụng trong các nghiên cứu cảnh báo vỡ nợ 21

Bảng 1.6: Bảng tổng hợp một số biến sử dụng trong cảnh báo vỡ nợ 22

Bảng 1.7: Các nhân tố tác động tới nợ xấu 24

Bảng 1.8: Một số nghiên cứu vỡ nợ, vỡ nợ ngân hàng ở Việt Nam 29

Bảng 2.1: Các chỉ tiêu trong mô hình CAMEL 47

Bảng 3.1: Hoạt động xuất nhập khẩu hàng hóa (triệu USD) 63

Bảng 3.2: Thu chi và cân đối ngân sách nhà nước (tỷ đồng và %) 64

Bảng 3.3: Diễn biến các mức lãi suất điều hành của NHNN giai đoạn 2010-2015 65

Bảng 3.4: Diễn biến biên độ giao dịch tỷ giá VND/USD 66

Bảng 3.5: Nghiệp vụ thị trường mở giai đoạn 2011-2015 67

Bảng 3.6: Số lượng các ngân hàng thương mại giai đoạn 2009-2015 69

Bảng 3.7: Quy định về mức vốn pháp định của các ngân hàng 70

Bảng 3.8: Các chỉ tiêu an toàn vốn 70

Bảng 3.9: So sánh tỷ lệ an toàn vốn của các NH Việt Nam và NH một số quốc gia trong khu vực 71

Bảng 3.10: VCSH, TA của một số định chế tài chính lớn trong khu vực Asean năm 2014 73

Bảng 3.11: Chỉ tiêu ROA, ROE của một số định chế tài chính lớn trong khu vực Asean năm 2012- 2014 74

Bảng 3.12: Các chỉ tiêu đo lường khả năng sinh lời, hiệu quả quản lý 74

Bảng 3.13: Các chỉ tiêu đo lường khả năng thanh khoản 77

Bảng 3.14: Các chỉ tiêu đo lường chất lượng tài sản, mức độ thâm hụt 78

Bảng 3.15: Tỷ lệ nợ xấu các NHTM Việt Nam giai đoạn 2009 -2015 80

Bảng 3.16: Tỷ lệ nợ xấu của một số nước trong khu vực 80

Bảng 3.17: Một số ngân hàng yếu kém điển hình 86

Bảng 4.1: Số lượng các ngân hàng trong nghiên cứu 88

Bảng 4.2: Các biến đầu vào /đầu ra lựa chọn 89

Bảng 4.3: Thống kê mô tả của các biến đầu vào/đầu ra mô hình DEA 90

Bảng 4.4: Kết quả ước lượng hiệu quả kĩ thuật (TE) của các NHTMCP giai đoạn 2010-2015 91

Bảng 4.5: Tiêu chí phân nhóm hiệu quả (HQ) các NHTMCP giai đoạn 2010-2014 91

Bảng 4.6: Các biến vĩ mô trong nghiên cứu 93

Bảng 4.7: Danh mục các biến dự báo trong luận án 94

Bảng 4.8: Thống kê mô tả các biến vĩ mô trong nghiên cứu 97

Bảng 4.9: Các biến nghiên cứu và hệ số tương quan với biến phụ thuộc 98

Bảng 4.10: Thống kê mô tả các biến trong nghiên cứu 99

Bảng 4.11: Hệ số tương quan giữa các biến độc lập nhóm 1, nhóm 3 101

Bảng 4.12: Kết quả kiểm định Hausman 102

Bảng 4.13: Kết quả hồi quy 102

Bảng 4.14: Mã code của chương trình 103

Bảng 4.15: Hệ số chặn của các ngân hàng 104

Bảng 4.16: Hiệu suất phân loại của mô hình LA 105

Bảng 4.17: Phân tích một số quan sát 106

Bảng 4.18: Các thông số của mạng nơ ron 108

Bảng 4.19: Hiệu suất của mạng nơron 108

Bảng 4.20: Hiệu suất phân loại của mô hình ANN 109

Bảng 4.21: Thuật toán J48 110

Bảng 4.22: Kết quả của cây quyết định 111

Bảng 4.23: Các biến xây dựng cây quyết định 111

Bảng 4.24: Hiệu suất mô hình cây quyết định 113

Bảng 5.1: Tác động biên của các biến đến xác suất vỡ nợ p 116

Bảng 5.2: Tổng hợp các quan sát có kết quả dự báo khác nhau trong các mô hình 117

Bảng 5.3: Hiệu suất của ba mô hình ở mẫu 114 quan sát 118

Bảng 5.4: Hiệu suất các mô hình 118

Bảng 5.5: Xác suất vỡ nợ và các mức XHTD của KMV 119

Bảng 5.6: Tiêu chuẩn xếp loại các NHTMCP 120

Bảng 5.7: Bảng so sánh kết quả xếp loại 120

Biểu đồ:

Biểu đồ 3.1: Tốc độ tăng trưởng GDP giai đoạn 2009-2015 (%) 61

Biểu đồ 3.2: Tỷ lệ lạm phát thời kỳ 2009-2015 62

Biểu đồ 3.3: Tăng trưởng GDP, tăng trưởng tín dụng, tỷ lệ nợ xấu 65

Biểu đồ 3.4: Các tỷ lệ nhóm an toàn vốn 72

Biểu đồ 3.5: Các chỉ tiêu nhóm khả năng sinh lời 75

Biểu đồ 3.6: Tăng trưởng tín dụng giai đoạn 2010-2014 76

Biểu đồ 3.7: Các chỉ tiêu nhóm khả năng thanh khoản 77

Biểu đồ 3.8: Các chỉ tiêu chất lượng tài sản, mức độ thâm hụt 79

Biểu đồ 3.9: Tỷ lệ nợ xấu của các NHTMCP Việt Nam giai đoạn 2010-2015 80

Biểu đồ 4.1: Số lượng ngân hàng có/không có nguy cơ vỡ nợ cao 92

Hình: Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ 8

Hình 2.1: Nơron nhân tạo 53

Hình 2.2: Sơ đồ cây quyết định dạng đơn giản 55

Hình 2.3: Đường bao dữ liệu (DEA) 57

Hình 2.4: Khung nghiên cứu 59

Hình 4.1: Đồ thị các biến e2, e4 100

Hình 4.2: Đồ thị các biến d3, a2, a3 100

Hình 4.3: Mạng nơ ron với 10 nút ẩn 108

Hình 4.4: Cây quyết định 112

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Hệ thống ngân hàng đóng vai trò quan trọng đối với nền kinh tế, nó được coi

là “hệ thống huyết mạch” của cả nền kinh tế Tuy nhiên hoạt động ngân hàng cũng luôn chứa đựng nhiều rủi ro, rủi ro là một yếu tố không thể tách rời quá trình hoạt động của các ngân hàng thương mại trên thị trường Rủi ro vỡ nợ ngân hàng có thể gây ra những tổn thất to lớn cho nền kinh tế hơn bất cứ rủi ro của các loại hình doanh nghiệp nào khác và chi phí cho việc khắc phục hậu quả là rất lớn Cảnh báo sớm rủi

ro vỡ nợ sẽ góp phần quan trọng ngăn chặn nguy cơ đổ vỡ của các ngân hàng, giảm thiểu tổn thất cho người gửi tiền, cho ngân hàng, cho các tổ chức bảo hiểm tiền gửi

và nền kinh tế Khi một ngân hàng yếu kém bị vỡ nợ nó có thể sẽ tạo ra sự đổ vỡ dây truyền trong hệ thống và ảnh hưởng nghiêm trọng đến sự phát triển lành mạnh, bền vững của hệ thống ngân hàng Do đó việc phát hiện sớm các ngân hàng gặp khó khăn, có nguy cơ vỡ nợ cao cũng có ý nghĩa đặc biệt quan trọng đối với những cơ quan quản lý trong việc ngăn chặn khủng hoảng hệ thống ngân hàng, giữ vững sự ổn định của thị trường tài chính, ổn định kinh tế vĩ mô

Hệ thống các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam bắt đầu xuất hiện vào những năm cuối của thập niên 80 của thế kỷ XX và phát triển mạnh trong giai đoạn 1991-1996, tiếp theo là giai đoạn 2006-2010 Sự phát triển mạnh mẽ

về mọi mặt của hệ thống ngân hàng đã góp phần quan trọng vào sự phát triển kinh tế đất nước Tuy nhiên, bên cạnh những thành tựu đạt được thì hệ thống ngân hàng thương mại cổ phần cũng đang bộc lộ nhiều hạn chế, yếu kém, nhiều NHTMCP đã lâm vào tình trạng mất khả năng thanh toán vào cuối năm 2011 Đó là lý do chính cho sự ra đời của Đề án Cơ cấu lại hệ thống tổ chức tín dụng (TCTD) giai đoạn 2011-2015 Nghị quyết Hội nghị Trung ương 3 (khoá XI) khẳng định: “Một trong ba trọng tâm tái cấu trúc kinh tế là cơ cấu lại hệ thống tài chính, trong đó trọng tâm là

cơ cấu lại hệ thống ngân hàng” Để tái cơ cấu hệ thống ngân hàng thành công thì việc quan trọng đầu tiên cần làm là phân loại, nhận diện chính xác các ngân hàng yếu kém

có nguy cơ vỡ nợ cao

Cho đến nay trên thế giới đã có nhiều lý thuyết và mô hình về cảnh báo vỡ nợ, khủng hoảng như: phân tích phân biệt đơn biến, mô hình phân tích phân biệt đa biến

thuộc nhánh sử dụng các kỹ thuật thông minh như mạng nơron (ANN), cây quyết định (DT), mô hình nhận dạng các đặc điểm (TR), thuật toán di truyền, đã được

áp dụng trong nghiên cứu cảnh báo vỡ nợ và hứa hẹn nhiều kết quả tốt Các nghiên cứu cũng cho thấy mỗi phương pháp, mô hình đều có những ưu, khuyết điểm riêng

và ngay trong một mô hình khi áp dụng ở các quốc gia khác nhau, các khu vực khác nhau cũng có các biến thể khác nhau, điều đó phụ thuộc vào điều kiện kinh tế của mỗi quốc gia, mỗi khu vực Đã có nhiều mô hình được xây dựng với sự trợ giúp của công nghệ máy tính tiên tiến nhằm giải thích nguyên nhân cũng như dự báo, ngăn ngừa vỡ nợ, khủng hoảng Tuy nhiên trên thực tế vẫn xảy ra các cuộc vỡ nợ các ngân hàng, các tổ chức tài chính với quy mô và ảnh hưởng ngày càng lớn mà người ta không dự báo được, do vậy việc xây dựng các mô hình cảnh báo vỡ nợ vẫn luôn cần được quan tâm, bổ sung, hoàn thiện Những biến động rất lớn về kinh tế -

xã hội, tính không dự báo được của các sự kiện tự nhiên, kinh tế xã hội làm cho việc sử dụng các phương pháp truyền thống, phương pháp hiện tại nhiều trường hợp không còn phù hợp nữa

Xuất phát từ các lý do trên, nghiên cứu sinh chọn đề tài: “Xây dựng mô hình

cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam” làm luận án tiến sỹ kinh tế (chuyên ngành Toán kinh tế) để góp phần giải quyết một vấn

đề mà lý luận và thực tiễn đang đặt ra

2 Mục đích nghiên cứu của luận án

Mục đích nghiên cứu của luận án là

- Xây dựng và lựa chọn hệ thống các chỉ tiêu sử dụng trong việc đánh giá nguy

Câu hỏi nghiên cứu:

- Trong điều kiện của Việt Nam, những nhân tố nào có thể đặc trưng cho khả năng vỡ nợ của ngân hàng; các nhân tố, các chỉ tiêu nào ảnh hưởng và ảnh hưởng như thế nào tới nguy cơ vỡ nợ của các NHTMCP Việt Nam?

- Các ngân hàng có các đặc thù riêng ảnh hưởng đến khả năng vỡ nợ, sự khác biệt này giữa các ngân hàng được xác định như thế nào?

- Phương pháp, mô hình nào nên đề xuất áp dụng cho các NHTMCP Việt Nam?

- Hàm ý về chính sách rút ra từ mô hình?

3 Đối tượng và phạm vi nghiên cứu

- Đối tượng nghiên cứu

Đối tượng nghiên cứu của luận án là nguy cơ vỡ nợ, mô hình xác định nguy cơ

vỡ nợ của các NHTMCP Việt Nam

- Phạm vi nghiên cứu

Luận án nghiên cứu về các NHTMCP Việt Nam gồm 35 NHTMCP trong

đó bao gồm cả các NHTMCP mà Nhà nước nắm cổ phần chi phối như BIDV, MHB, Vietcombank, Vietinbank Khoảng thời gian nghiên cứu là từ năm 2010 đến năm 2015

4 Phương pháp nghiên cứu

Để phù hợp với nội dung, yêu cầu và mục đích nghiên cứu đã đặt ra, luận án sử dụng phương pháp phân tích định lượng và phân tích định tính Một số mô hình được sử dụng là mô hình hồi quy Logit với dữ liệu mảng, mô hình mạng nơ ron và cây quyết định

để xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam

Luận án sử dụng các số liệu được thu thập từ các báo cáo của NHNN, các báo cáo tài chính đã được kiểm toán của các NHTMCP thời kỳ 2010-2015

5 Ý nghĩa khoa học và thực tiễn của luận án

- Luận án xây dựng cơ sở lý luận cho mô hình cảnh báo nguy cơ vỡ nợ các NHTMCP

- Luận án xây dựng, lựa chọn hệ thống các chỉ tiêu sử dụng trong cảnh báo vỡ

nợ ngân hàng Xác định được các nhân tố, các chỉ tiêu ảnh hưởng tới nguy cơ vỡ nợ của các NHTMCP

- Lượng hóa tính đặc thù của từng ngân hàng ảnh hưởng tới khả năng vỡ nợ

- Xây dựng được mô hình cảnh báo vỡ nợ cho các NHTMCP

- Đề xuất một số giải pháp giảm nguy cơ vỡ nợ cho các NHTMCP dựa trên các phân tích của luận án

6 Bố cục của luận án

Ngoài phần mở đầu, kết luận, phụ lục, bảng biểu và danh mục tài liệu tham khảo, nội dung luận án được chia làm 5 chương như sau:

Chương 1: Tổng quan các nghiên cứu về vỡ nợ ngân hàng

Chương 2: Cơ sở lý luận về vỡ nợ ngân hàng thương mại

Chương 3: Thực trạng hoạt động, nguy cơ vỡ nợ của các ngân hàng thương mại

cổ phần Việt Nam giai đoạn 2009-2015

Chương 4: Xây dựng mô hình cảnh báo nguy cơ vỡ nợ các NHTMCP Việt Nam Chương 5: Kết luận và kiến nghị chính sách

CHƯƠNG 1 TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG

Chương 1, luận án trình bày khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại Qua việc tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng tiêu biểu trên thế giới và ở Việt Nam, tác giả cũng chỉ ra khoảng trống nghiên cứu và đề ra mục tiêu nghiên cứu

1.1 Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại

Hiện tượng “phá sản” hay “vỡ nợ” đã có từ lâu nhưng nó được nói đến nhiều trong nền kinh tế thị trường Trong nền kinh tế thị trường các doanh nghiệp phải cạnh tranh khốc liệt với nhau, các doanh nghiệp kinh doanh hiệu quả tồn tại và phát triển còn các doanh nghiệp làm ăn kém hiệu quả, thua lỗ, không thể thanh toán các nghĩa vụ tài chính thì vỡ nợ, phá sản Sự vỡ nợ của doanh nghiệp dẫn đến sự xung đột lợi ích của các chủ thể tham gia vào các quan hệ kinh tế Việc xác định rõ khái niệm này là cơ

sở để Nhà nước, các chủ thể trong nền kinh tế có thể can thiệp một cách có ý thức vào hiện tượng này nhằm hạn chế tối đa những hậu quả tiêu cực và khai thác những mặt tích cực của nó

Theo từ điển Tiếng Việt của Viện ngôn ngữ (1988, tr.790) viết rằng “ phá sản là lâm vào tình trạng tài sản chẳng còn gì, và thường là vỡ nợ, do kinh doanh bị thua lỗ, thất bại; vỡ nợ là tình trạng doanh nghiệp, cá nhân lâm vào tình trạng bị thua lỗ, thất bại liên tiếp trong kinh doanh, phải bán tài sản để trang trải công nợ, mà cũng có thể không trang trải được hết” Trong luận án này tác giả sử dụng thuật ngữ ‘vỡ nợ’

Theo hiệp ước Basell II (2008), nguy cơ vỡ nợ được xem như sự kiện hoặc

sự cố liên quan đến những chủ thể vay, khi ít nhất một trong các khả năng sau đây xảy ra:

- Không có khả năng thực hiện nghĩa vụ trả nợ khi đến thời hạn hoàn trả hay là tình trạng mất khả năng thanh toán nợ đến hạn, bao gồm vốn vay và tiền lãi phải trả

- Không có khả năng thực hiện nghĩa vụ tín dụng khi quá hạn trên 90 ngày

- Giá trị tài sản nhỏ hơn vốn vay

Dưới giác độ pháp lý theo văn bản luật mới nhất, luật phá sản số 51/2014/QH13 ngày 19/6/2014 quy định: “ Vỡ nợ là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố vỡ nợ”, luật cũng chỉ rõ:

“Doanh nghiệp, hợp tác xã mất khả năng thanh toán là doanh nghiệp, hợp tác xã không

thanh toán” Luật phá sản số 51/2014/QH được xem là văn bản pháp lý đầy đủ nhất về phá sản, vỡ nợ doanh nghiệp

Vỡ nợ ngân hàng thương mại

Về mặt kỹ thuật, vỡ nợ ngân hàng là một tình trạng trong đó một NH không thể đáp ứng được trách nhiệm thanh toán cho những người gửi tiền và không có đủ khoản tiền dự trữ theo như đòi hỏi phải có (Mishkin, 1999, tr.270) Do tính chất quan trọng của các TCTD trong đó có ngân hàng đối với nền kinh tế nên việc vỡ nợ của TCTD được quy định riêng ở mục 2, điều 155 của Luật các TCTD số 47/2010/QH12

ra ngày 16/6/2010 nêu rõ “Sau khi NHNN có văn bản chấm dứt kiểm soát đặc biệt hoặc văn bản chấm dứt áp dụng hoặc văn bản không áp dụng các biện pháp phục hồi khả năng thanh toán mà TCTD vẫn lâm vào tình trạng vỡ nợ thì TCTD đó phải làm đơn yêu cầu toà án mở thủ tục giải quyết yêu cầu tuyên bố vỡ nợ theo quy định của pháp luật về vỡ nợ” Cũng theo điều 146 chương VIII, luật các TCTD 2010, mục kiểm soát đặc biệt, tổ chức lại, phá sản, giải thể, thanh lý TCTD có nêu: “NHNN xem xét, đặt các TCTD vào tình trạng kiểm soát đặc biệt khi TCTD lâm vào một trong các trường hợp sau

+ Có nguy cơ mất khả năng chi trả

+ Nợ không có khả năng thu hồi có nguy cơ dẫn đến mất khả năng thanh toán + Khi số lỗ lũy kế của TCTD lớn hơn 50% giá trị thực của vốn điều lệ và các quỹ dự trữ ghi trong báo cáo tài chính đã được kiểm toán gần nhất

+ Hai năm liên tục bị xếp hạng yếu kém theo quy định của NHNN

+ Không duy trì được tỷ lệ đảm bảo an toàn vốn tối thiểu quy định tại điểm b, khoản 1 Điều 130 của luật Này trong thời gian một năm liên tục”

Như vậy việc vỡ nợ của các TCTD, các ngân hàng ở Việt Nam được quy định

và giám sát rất chặt chẽ

Hậu quả của vỡ nợ ngân hàng

Sự vỡ nợ của các NHTM gây ra sự mất vốn của các cổ đông ngân hàng, sự tổn thất cho người gửi tiền (nếu không được chi trả bảo hiểm tiền gửi đầy đủ), nếu qui mô

vỡ nợ lớn hơn nó có thể tạo phản ứng đổ vỡ dây chuyền hệ thống NH, kéo theo khủng hoảng tài chính Hậu quả của nó rất dai dẳng gây ra suy thoái kinh tế và làm kiệt quệ nguồn vốn đầu tư nhất là ở các nước đang phát triển (Lê Khương Ninh, 2015) Ví dụ điển hình là chi phí khắc phục hậu quả của cuộc khủng hoảng tài chính Châu Á năm

1997 (bắt nguồn từ cuộc khủng hoảng ngân hàng và tiền tệ) lên tới 200 tỷ đô-la Mỹ, trong đó người gửi tiền và Chính phủ gánh chịu Trong lịch sử đã xảy ra nhiều vụ vỡ

nợ các ngân hàng lớn trên thế giới Bảng 1.1 nêu một số cuộc khủng hoảng ngân hàng điển hình từ năm 1980

Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình

2

Hoa Kỳ

(1988-1992)

1300 ngân hàng vỡ nợ Chi phí khắc phục là 180 tỷ đô-la Mỹ (khoảng 3% GDP)

Bùng nổ thị trường bất động sản cùng việc gỡ bỏ một số quy định đối với lĩnh vực tài chính khiến các TCTD thực hiện các khoản cho vay quá rủi ro Hoa Kỳ

(2007-2009)

Khủng hoảng tự dẫn đến vấn đề thanh khoản ở hệ thống ngân hàng do nhu cầu đối với các loại chứng khoán phái sinh giảm sâu Các loại tài sản tài chính khó định giá bị mất giá do áp dụng các quy định kế toán mới

Bùng nổ bong bong nhà đất khiến cho thị trường cho vay sụp đổ, làm cho nhu cầu đối với các loại chứng khoán phái sinh giảm sâu

Sự mở rộng thị trường vốn quốc tế, cùng sự định giá quá cao đồng nội tệ dẫn đến việc vay và cho vay quá mức

Nguồn: Amri và Kocher (2012)

1.2 Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới

Nghiên cứu dự báo vỡ nợ công ty là một chủ đề quan trọng và được quan tâm rộng rãi, đã có nhiều mô hình dự báo vỡ nợ phát triển dựa trên các lý thuyết khác nhau Dự báo vỡ nợ gắn liền với thuật ngữ cảnh báo sớm được hiểu là hoạt động nhận biết nguy

cơ vỡ nợ của một chủ thể trong tương lai từ các chỉ báo trong hiện tại Cơ sở cho việc dự báo vỡ nợ là việc phân tích mối quan hệ giữa vỡ nợ doanh nghiệp với các chỉ số tài chính được thể hiện trên các báo cáo liên quan đến doanh nghiệp Lý luận này đưa ra bởi tác giả Fitzpatrick (1934) và được hoàn thiện trong các nghiên cứu sau đó như của Atlman (1968, 1983, 1993)

1.2.1 Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu

Khi nghiên cứu về các mô hình cảnh báo vỡ nợ người ta thường chia ra các loại

Hình 1.1: Mô tả các mô hình thường được sử dụng trong nghiên cứu cảnh báo vỡ nợ

Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; LA-

mô hình Logit; PA- mô hình Probit

Mô hình thống kê

UDA LA, PA MDA Mạng

Nơ ron

Cây quyết định

Phân tích đặc điểm

Dự báo vỡ nợ

Thuật toán

di truyền

Máy hỗ trợ véc tơCác mô hình phi tham số

a) Nhóm mô hình thống kê: phân tích đơn biến, phân tích phân biệt đa biến, mô

hình Logit, Probit

Nghiên cứu sử dụng phân tích phân biệt đơn biến: Nội dung chính của phân tích đơn biến trong nghiên cứu cảnh báo vỡ nợ là xem xét các nhân tố đơn lẻ và so sánh các nhân tố giữa hai nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, nếu các nhân tố tài chính cho thấy các dấu hiệu khác nhau giữa hai nhóm vỡ nợ và không vỡ

nợ thì chúng được sử dụng như các biến dự báo

Vụ nghiên cứu chính sách và thương mại Mỹ (1930) công bố tập san các kết quả

nghiên cứu trong cuốn ‘ Một phân tích, kiểm tra các công ty công nghiệp vỡ nợ ’ Nghiên

cứu đã phân tích 24 nhân tố của 29 công ty để xác định những tính chất chung của nhóm công ty bị vỡ nợ Trung bình của các nhân tố được xác định dựa trên số liệu các nhân tố của 29 công ty Các nhân tố của mỗi công ty được so sánh với trung bình của các nhân tố tương ứng để chỉ ra tính chất hoặc xu hướng của công ty Các nghiên cứu tìm ra 8 nhân tố

để xem xét như các chỉ báo tốt về tình trạng suy yếu của một công ty Những nhân tố đó là vốn lưu động/tổng tài sản, thặng dư và dự trữ/tổng tài sản, tài sản dòng cố định, tài sản cố định/tổng tài sản, tỷ suất khả năng thanh toán, lợi nhuận dòng/ tổng tài sản, doanh thu/tổng tài sản, và tiền mặt/tổng tài sản Nghiên cứu cũng chỉ ra rằng vốn lưu động/tổng tài sản là chỉ báo tốt hơn tỷ suất khả năng thanh toán mặc dù trên thực tế cả hai đều là các chỉ báo tốt cho dự báo vỡ nợ Nghiên cứu theo hướng này còn có các nghiên cứu của FitzPatrick (1932), Smith và Winakor (1935), Merwin (1942),

Một nghiên cứu sử dụng phân tích đơn biến tiêu biểu, được tham khảo rộng rãi

là nghiên cứu của tác giả Beaver công bố năm 1966 Trong nghiên cứu của mình, khác những nghiên cứu trước, Beaver sử dụng định nghĩa rộng hơn về vỡ nợ, một công ty được xem là vỡ nợ nếu nó có các biểu hiện vỡ nợ trái phiếu (khế ước), rút tiền quá mức tài khoản ngân hàng, hoặc mất khả năng thanh toán các nghĩa vụ tài chính Sự mở rộng của định nghĩa dường như không có bất cứ ảnh hưởng gì nhiều đến các kết quả

Dữ liệu sử dụng của 79 công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành Ông tách mẫu thành hai nhóm: nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, sau đó tiến hành so sánh khả năng phân nhóm công ty vỡ nợ và công ty không vỡ nợ của các chỉ số đơn biến Ông sử dụng 30 chỉ số tài chính và phân chúng thành 6 nhóm chỉ số, các chỉ số liên quan đến tỷ suất lợi nhuận, cấu trúc tài sản, các chỉ số liên quan đến việc chi trả cổ tức ưu đãi, thấu chi tài khoản ngân hàng, khả năng chi trả lãi trái phiếu Ông so sánh trị số trung bình của 30 chỉ số ứng với hai nhóm công ty vỡ nợ

và không vỡ nợ Kết quả từ 30 chỉ số ban đầu ông lựa chọn được 6 chỉ số lần lượt

dựa trên việc tính toán các lỗi loại I, lỗi loại II từ mẫu Những điểm cắt này thu được từ dữ liệu gốc và chúng lại được sử dụng phân nhóm các công ty nằm ngoài mẫu Kết quả ông tìm thấy các chỉ số dự báo tốt nhất gồm có: luồng tiền mặt/ tổng

nợ (độ chính xác là 92% cho 1 năm trước vỡ nợ), tiếp theo là thu nhập dòng/doanh thu (91%); thu nhập dòng /tổng tài sản; tổng nợ/ tổng tài sản; vốn lưu động/ tổng tài sản (độ chính xác 90% cho mỗi chỉ số) Ông kết luận rằng sử dụng các nhân tố đơn

lẻ có thể dự báo vỡ nợ tốt cho khoảng thời gian 5 năm trước vỡ nợ Trong những gợi ý cho những nghiên cứu tiếp theo ông chỉ ra việc có thể tích hợp nhiều nhân tố cùng một lúc nhằm nâng cao khả năng dự báo và bắt đầu xây dựng những mô hình

dự báo vỡ nợ Những nghiên cứu đơn biến sử dụng kỹ thuật đơn giản và việc áp dụng nhanh chóng thuận tiện do các điểm phân biệt đã được tính toán sẵn, hiệu suất

dự báo khá cao (độ chính xác lên tới 92% trong nghiên cứu của Beaver (1966)) Những nghiên cứu phân tích đơn biến cũng rất quan trọng như một bước chuẩn bị nền móng cho các mô hình dự báo vỡ nợ đa biến

Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver

Doanh nghiệp 1 năm 2 năm 3 năm 5 năm

Lưu chuyển tiền tệ thuần/ tổng nợ Phá sản 0.03 0.05 0.1 0.11

đặc biệt này nhưng lại không vỡ nợ trên một nhân tố khác Hoặc một nhân tố có khả năng phân biệt tốt hai nhóm đối với loại hình doanh nghiệp này nhưng lại không có khả năng phân biệt với một loại hình doanh nghiệp khác Thứ hai, khi sử dụng phân tích đơn biến các biến được xét riêng rẽ sẽ rất khó để đánh giá mức độ quan trọng của từng biến, hơn nữa cách tiếp cận này sẽ không khai khác được thông tin chứa đựng đồng thời trong các biến khác nhau Cuối cùng là điểm cắt cho từng biến sử dụng để phân loại được lựa chọn phụ thuộc rất lớn vào tỷ lệ phá sản trong mẫu nghiên cứu do

đó giảm tính khái quát

Nghiên cứu sử dụng phân tích phân biệt đa biến:

Trước những nhược điểm của phương pháp phân tích đơn biến, nhiều nhà

nghiên cứu đã sử dụng phân tích phân biệt đa biến (MDA) Mục tiêu của MDA trong

nghiên cứu cảnh báo vỡ nợ là phân biệt giữa doanh nghiệp phá sản và doanh nghiệp không phá sản một cách khách quan và chính xác nhất, bằng việc sử dụng hàm phân biệt (Z-score) trong đó các biến số là các chỉ tiêu tài chính Hàm phân biệt là tổ hợp tuyến tính của các biến giúp phân biệt tốt nhất các nhóm, các cá thể trong mỗi nhóm gần nhau nhất và các nhóm được phân biệt tốt nhất (xa nhau nhất)

Nghiên cứu tiêu biểu áp dụng phương pháp phân tích phân biệt đa biến là nghiên cứu của tác giả Atlman (1968), ông xem xét ba câu hỏi:

(1) Các chỉ số nào quan trọng nhất trong việc phát hiện nguy cơ phá sản?

(2) Vai trò của các chỉ số hay trọng số của các chỉ số bằng bao nhiêu?

(3) Trọng số nên được thành lập khách quan như thế nào?

Ông sử dụng số liệu các doanh nghiệp ở Mỹ giai đoạn 1946-1965, gồm 66 công

ty với 33 công ty cho mỗi nhóm (vỡ nợ và không vỡ nợ) Ban đầu 22 chỉ số được chia thành 5 nhóm (nhóm chỉ số khả năng thanh khoản, nhóm chỉ số lợi nhuận, đòn bẩy, khả năng trả nợ, nhóm chỉ số hiệu quả hoạt động) Năm chỉ số cuối cùng được lựa chọn cho dự báo vỡ nợ công ty thông qua quy trình sau đây:

(1) Quan sát ý nghĩa thống kê của các biến số khác nhau

(2) Đánh giá tương quan giữa các biến số có liên quan

(3) Quan sát độ chính xác của nhiều mô hình khác nhau

(4) Sử dụng đánh giá từ các chuyên gia khi hoàn thiện các hàm số

Hàm phân biệt cho dự báo vỡ nợ trước 1 năm thu được như sau:

Nguồn: Atlman (1968)

trong đó: X1 = Vốn lưu động / tổng tài sản;

X 2 = Lợi nhuận chưa phân phối / tổng tài sản;

X 3 = Lợi nhuận trước thuế và lãi / tổng tài sản;

X 4 = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;

X 5 = Hệ số doanh thu / tổng tài sản

Altman đã xác định được hai ngưỡng từ đó hình thành ba miền nhận định tình hình tài chính của doanh nghiệp Theo đó

+ Nếu Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao + Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, doanh nghiệp không có nguy cơ phá sản (khả năng gần như bằng 0)

+ Nếu 1.81 ≤ Z ≤ 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy

cơ phá sản

Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ Tuy nhiên khả năng

dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian

2 năm, 3 năm, 4 năm trước vỡ nợ

Phân tích phân biệt đa biến của Altman năm 1968 là một mô hình có ảnh hưởng lớn đến các nghiên cứu dự báo vỡ nợ trong nhiều năm Các tác giả Balcaen và Ooghe (2006) đã thảo luận rằng phần lớn các nghiên cứu trước năm 1980 đều phát triển dựa trên mô hình của Atlman như các nghiên cứu của Deakin (1972), Blum (1974), Altman và Edward, Haldeman, Narayanan (1977), Norton và Smith (1979), Karel và Prakash (1987),

Hàm phân biệt Z được thiết lập dựa trên số liệu kết quả kinh doanh từ những năm 60 trong thế kỷ trước của các doanh nghiệp tại Hoa Kỳ Sự thay đổi của thời gian

và không gian nghiên cứu, các quan sát trong mẫu của Altman không còn đảm bảo đại diện cho thị trường, do đó giá trị ước lượng và các ngưỡng phân loại cũng không hoàn toàn phù hợp Điều này đòi hỏi các nhà nghiên cứu cần xây dựng mô hình Z phù hợp cho doanh nghiệp mỗi quốc gia, mỗi loại hình doanh nghiệp kinh doanh trong từng ngành cụ thể Và cũng chính tác giả Atlman (1995) đã xây dựng mô hình dự báo vỡ nợ mới cho các công ty hoạt động trong lĩnh vực dịch vụ Trong mô hình mới Atlman đã

bỏ biến X5 và thiết lập mô hình mới với 4 biến gồm X1 = Vốn lưu động / tổng tài sản;

Trong nghiên cứu, Atlman đưa ra các ngưỡng để dự báo vỡ nợ cho các công ty, cụ thể:

Doanh nghiệp trong

Gần đây năm 2001, nhiều doanh nghiệp Trung Quốc đã phá sản và nhiều nhà kinh tế đã nghiên cứu về sự phá sản các doanh nghiệp Trung Quốc Tác giả Ling Zhang và cộng sự (2001) đã công bố mô hình Z-score Mẫu nghiên cứu gồm các doanh nghiệp niêm yết trên thị trường chứng khoán Trung Quốc Mô hình này có hai chỉ số mới, khác so với các mô hình của Altman đưa ra năm 1968 Kết quả hàm phân biệt cho các doanh nghiệp Trung Quốc

32- Giá trị sổ sách của tổng số cổ phiếu/Giá trị thị trường của chúng

Các tác giả cũng đưa ra các ngưỡng phân biệt, theo đó

+ Z > 0.71 - Vùng an toàn

+ -0.5 < Z < 0.71 - Vùng nghi ngờ

Phương pháp phân tích phân biệt đa biến là một phương pháp được áp dụng nhiều nhất trong các nghiên cứu cảnh báo vỡ nợ Phương pháp này đã đưa vào xem xét nhiều biến một cách đồng thời, xây dựng một chỉ số dự báo (Z-score) dựa trên nhiều chỉ số giúp tránh những xung đột về dự báo như trong cách tiếp cận phân tích đơn biến, các biến

dự báo trở lên đa dạng và phong phú hơn do đó có thể làm giảm sai lầm loại I, loại II (Holmen,1968) Mô hình MDA dễ sử dụng và có thể áp dụng cho các đối tượng khác nhau, có thể áp dụng để phân loại các doanh nghiệp gặp khủng hoảng, chưa đến mức phá sản (Bragg, 2002) Tuy nhiên phương pháp này cũng có những nhược điểm nghiêm trọng liên quan đến các giả định cơ bản trong mô hình (giả thiết về phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình cũng như làm giảm khả năng áp dụng Hơn nữa, các hệ số trong hàm phân biệt không thể giải thích như các hệ số bêta trong các hồi quy khác Cuối cùng theo một số tác giả

mô hình MDA bị phê phán là phương pháp phân tích ‘tĩnh’ (Shumway, 2002) nghĩa là không tính đến các yếu tố kinh tế vĩ mô như tốc độ tăng trưởng GDP, lạm phát có thể ảnh hưởng đến vỡ nợ các doanh nghiệp

Mô hình xác suất điều kiện: Mô hình Logit (LA) và mô hình Probit (PA)

Mô hình Logit và mô hình Probit bắt đầu xuất hiện vào cuối năm 1970 và cho đến những năm cuối 1980 nó đã trở lên phổ biến hơn phương pháp MDA Mô hình Logit và Probit đi vào tính xác suất phá sản của một công ty Sự khác biệt giữa hai

mô hình Logit và Probit liên quan đến giả thiết về các nhiễu trong các mô hình Mô hình Logit giả định hạng nhiễu phân phối Logistic trong khi mô hình Probit giả định hạng nhiễu phân phối chuẩn thông thường (Dimitras và cộng sự, 1996) Trong mô hình Logit, Probit chỉ báo vỡ nợ là một biến nhị phân, tập các biến giải thích là các chỉ số tài chính

Tác giả Ohson (1980) đặt ra các câu hỏi về những hạn chế của kỹ thuật thống

kê mà mô hình MDA gặp phải và Ông đã sử dụng mô hình Logit thay thế mô hình MDA để dự báo vỡ nợ công ty Ohson chọn lựa 9 biến độc lập mà ông cho rằng sẽ giúp ích cho dự báo vỡ nợ tuy nhiên ông lại không cung cấp lý thuyết giải thích cho

sự lựa chọn các biến này Ông sử dụng số liệu của các công ty công nghiệp trong khoảng thời gian 1970-1976 và được giao dịch trên thị trường cổ phiếu Mỹ ít nhất 3 năm Nghiên cứu sử dụng số liệu của 105 công ty vỡ nợ và 2000 công ty không vỡ

nợ và tiến hành với 3 mô hình: mô hình 1 dự báo vỡ nợ cho khoảng thời gian 1 năm,

mô hình 2 dự báo vỡ nợ cho 2 năm và mô hình 3 dự báo vỡ nợ cho 1 năm hoặc 2 năm trước khi vỡ nợ Kết quả dự báo của mô hình là khá chính xác, với sai lầm loại

I, loại II tương ứng là 17.4% và 12.4% Nghiên cứu áp dụng mô hình LA còn có các

tác giả: Platt (1991), Smith và Lawrence (1995), Koundinya (2004), Prasad và cộng

sự (2005),…

Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980)

X1 Ln(Tổng tài sản/ GNP) -

X2 Tổng nợ / tổng tài sản +

X3 Lưu chuyển tiền tệ/ tổng tài sản -

X5 Bằng 1 nếu tổng nợ phải trả lớn hơn tổng tài sản, bằng

0 trong trường hợp ngược lại

+

X6 Lợi nhuận ròng/ tổng tài sản -

X7 Vốn lưu động/ tổng nợ -

X8 Bằng 1 nếu lỗ trong 2 năm liên tiếp, bằng 0 trong

trường hợp ngược lại

+

X9 ( NIt − NIt−1) / ( NIt + NIt−1) NIt là lợi nhuận năm t

-Nguồn: Ohlson (1980)

Tác giả Martin (1977) đã sử dụng mô hình Logit và phân tích phân biệt trong

dự báo phá sản của các ngân hàng trong giai đoạn 1970-1976 Tác giả sử dụng 25 chỉ tiêu tài chính được đưa ra bởi các cơ quan giám sát ngân hàng Mỹ, các chỉ tiêu được phân vào 4 nhóm (rủi ro tài sản, thanh khoản, an toàn vốn, lợi nhuận), tác giả sử dụng biến phụ thuộc trễ từ 1 đến 2 năm Kết quả nghiên cứu đã xây dựng 6 mô hình cho 6 năm, trong đó xác định 4 nhân tố và hiệu suất cao nhất là 92.3%

Tác giả West (1985) đã sử dụng mô hình Logit kết hợp với phân tích nhân tố để

đo lường và mô tả đặc điểm tài chính và hoạt động của các NH Dữ liệu được lấy từ các báo cáo thu nhập, cũng như các báo cáo kiểm tra của 1900 ngân hàng thương mại

ở một số bang của Mỹ Những nhân tố quan trọng được xác định bởi mô hình Logit trong nghiên cứu cũng tương tự như các nhân tố sử dụng trong mô hình xếp hạng CAMELS Nghiên cứu cũng cho thấy sự kết hợp giữa phân tích nhân tố và Logit rất hữu ích khi đánh giá hoạt động của ngân hàng

Một nghiên cứu đáng chú ý là của Isabelle Distingguin và Amine Tarazi (2008), nghiên cứu này sử dụng dữ liệu kế toán và thị trường để dự báo sự thay đổi xếp hạng của một số ngân hàng các nước Đông Nam châu Á Tác giả sử dụng một mô hình Logit

đa dấu hiệu và đã xác định được tập các chỉ số dự báo tối ưu Bài viết cũng kiểm tra sự ảnh hưởng có thể có của qui mô ngân hàng, các tính chất đặc trưng của các chỉ số cảnh báo sớm Nghiên cứu sử dụng dữ liệu mảng gồm 64 ngân hàng khu vực Đông Nam châu

Á gồm một số ngân hàng của các nước Hồng Kông, Hàn Quốc, Đài Loan, Singapore, Malaysia, Thái Lan, Indonesia và Philippines trong khoảng thời gian từ năm 1999 đến năm 2004, tập hợp các tỷ lệ kế toán trong nghiên cứu này lấy trong 4 nhóm CAEL, được tính theo đơn vị năm Biến phụ thuộc được xây dựng trên cơ sở kết quả xếp hạng của 3

tổ chức xếp hạng uy tín: Fitch, Moody’s, Standard và Poor’s Kết quả chỉ ra rằng chỉ số

kế toán và thị trường là chỉ số hàng đầu hữu ích trong việc giải thích sự nâng hạng, hạ hạng trong tương lai của các ngân hàng

Tác giả Duclaux và Soupmo Badjio (2009) đã xây dựng mô hình dự báo những

NH gặp khó khăn cho các NH thuộc 6 nước khu vực miền trung châu Phi Bài viết sử dụng một mô hình Logit nhị phân để xây dựng một mô hình dự báo khó khăn của các ngân hàng với đặc trưng miền trung châu Phi Biến giải thích là một hỗn hợp của các chỉ

số tài chính, các yếu tố thể chế và văn hóa liên quan đến bối cảnh các nước này Do hạn chế về thông tin các ngân hàng gặp khó khăn nên nghiên cứu đã sử dụng định nghĩa ngân hàng gặp khó khăn tài chính, biến phụ thuộc Y=1, nếu tỷ lệ khả năng thanh toán/tổng tài sản rủi ro nhỏ hơn 8% và Y = 0 trong các trường hợp khác Sự phân nhóm ngân hàng theo cách này căn cứ trên tiêu chuẩn yêu cầu về vốn của hiệp ước vốn Basel

II Trong số 12 biến sử dụng thì có 3 biến số có ý nghĩa thống kê

Mô hình Logit, Probit có thể được dùng để đánh giá mức độ giải thích của các biến độc lập, mô hình có thể xét đến các biến không thỏa mãn điều kiện của mô hình MDA Tuy nhiên các mô hình có các giả định về phân phối xác suất, giả thiết không có hiện tượng đa cộng tuyến do đó làm giảm mức độ áp dụng của mô hình

b) Nhóm các mô hình phi tham số, sử dụng kỹ thuật thông minh: mạng nơ ron, cây quyết định, thuật toán di truyền

Mạng nơ ron đã được sử dụng trong nhiều lĩnh vực như y học, tự động hóa,…và được áp dụng trong nghiên cứu cảnh báo vỡ nợ từ những năm 1990 Mạng nơron nhân tạo là một mô phỏng quá trình xử lý thông tin, được nghiên cứu dựa vào hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin Các

tác giả Odom và Sharda (1990) là những người đầu tiên nghiên cứu dự báo vỡ nợ

sử dụng mạng nơ ron (ANN) Nghiên cứu của Odom sử dụng các chỉ số tương tự như các chỉ số sử dụng bởi Altman năm 1968 và áp dụng với một mẫu của 65 công ty vỡ nợ và 64 công ty không vỡ nợ Các mẫu đào tạo bao gồm 38 công ty

vỡ nợ và 36 công ty không vỡ nợ Một mạng nơ ron với ba lớp, chứa 5 nút ẩn đã được tạo ra Mô hình của họ xác định chính xác tất cả các công ty vỡ nợ và không

vỡ nợ trong mẫu kiểm tra, so với độ chính xác 86.8% bởi mô hình MDA Các nghiên cứu sử dụng mạng nơ ron còn có Hawley, Johnson và Raina (1990); Boritz

và Kennedy (1995); Alam và cộng sự (2000); Celik và Karatepe (2007)

Tam và Kiang (1992) áp dụng mạng nơ ron, MDA, LA, cây quyết định với thuật toán ID3 trong nghiên cứu dự báo vỡ nợ của các ngân hàng bang Texas, Mỹ, ông sử dụng mẫu huấn luyện gồm 118 ngân hàng trong đó 59 ngân hàng vỡ nợ, 59 ngân hàng không vỡ nợ Nghiên cứu dựa vào các chỉ tiêu trong mô hình CAMELS để xây dựng 19 biến đầu vào Kết quả thực nghiệm của nghiên cứu đã chỉ ra rằng mạng nơron (ANN) có

độ chính xác trong phân loại tốt hơn các mô hình MDA, LA, ID3 Các tác giả Salchenberger, Cinar và Lash (1992) sử dụng ANN và mô hình Logit phân tích sự vỡ nợ của các tổ chức tiết kiệm và cho vay, kết quả cho thấy ANN vượt trội so với mô hình Logit qua các lần dẫn khác nhau Ravi và Pramodh (2008) đã sử dụng mạng nơ ron để

dự báo vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha, trong đó có sử dụng 9 nhân tố tài chính cho các ngân hàng Thổ Nhĩ Kỳ và 12 nhân tố tài chính cho các ngân hàng Tây Ban Nha Mức độ chính xác của mô hình xây dựng là 96.6% cho tập số liệu của Tây Ban Nha và 100% cho tập số liệu của Thổ Nhĩ Kỳ

So với các mô hình LA, PA, MDA mô hình mạng nơ ron có thể áp dụng với các loại dữ liệu không thỏa mãn các điều kiện về phân phối, phương sai, đa cộng tuyến Tuy nhiên mô hình mạng nơ ron khá phức tạp, cấu trúc của nó khó theo dõi, nằm ngoài sự kiểm soát của người xây dựng mô hình

Mô hình cây quyết định (DT) tạo một bộ quy tắc nếu–thì chia không gian thuộc tính thành những phần nhỏ hơn, các nhóm đồng nhất hơn đối với một giá trị

cụ thể của biến mục tiêu Các thuật toán khác nhau có thể được sử dụng để xây dựng cây quyết định, chẳng hạn như quy tắc phân loại kết hợp với hồi quy, thuật toán CHAID, thuật toán ID3, C4.5, C5.0, J48, Cây quyết định đã được sử dụng phổ biến cho các vấn đề phân loại, bởi vì quy tắc phân loại của nó là dễ hiểu và tương tác cao Một số nghiên cứu áp dụng mô hình cây quyết định có thể tham khảo: Tam và Kiang (1992), Marais, Patell và Wolfson (1984), Frydman, Altman,

Mô hình nhận dạng các đặc điểm (TR) là một mô hình phân loại phi tham số

để phân biệt các công ty vỡ nợ và các công ty không vỡ nợ Mô hình TR có lợi thế

nó không áp đặt các giả định phân phối trên các biến TR khai thác thông tin về mối

tương quan phức tạp của các biến Kolari và cộng sự (2002) phát triển một hệ thống

cảnh báo sớm dựa trên mô hình Logit và TR Số liệu sử dụng là số liệu về các ngân

hàng lớn Mỹ Mô hình Logit phân loại chính xác trên 96% cho một năm trước khi vỡ

nợ và 95% cho thời gian hai năm trước khi vỡ nợ Đối với mô hình TR tính chính

xác của mô hình là 100% Do đó, họ kết luận rằng mô hình TR tốt hơn so với các mô

hình Logit Lanine và Vander Vennet (2006) sử dụng mô hình Logit và TR để dự

đoán vỡ nợ của các NHTM của Nga Các tác giả đã kiểm tra khả năng dự đoán của

hai mô hình trên cơ sở mẫu xây dựng và mẫu kiểm tra Kết quả mô hình TR tốt hơn

mô hình Logit trong cả hai mẫu Đối với các biến dự đoán, họ thấy thanh khoản dự

kiến đóng một vai trò quan trọng trong dự đoán vỡ nợ của ngân hàng, cũng như chất

lượng tài sản và an toàn vốn

Mô hình định giá quyền chọn của Merton- Black-Scholes (1974) coi xác suất

để một doanh nghiệp lâm vào tình trạng phá sản phụ thuộc vào giá trị thị trường và

mức độ dao động của giá trị thị trường tài sản doanh nghiệp Mô hình này thường

được sử dụng trong các trường hợp các doanh nghiệp đã niêm yết trong thời gian

dài Phương pháp Moody’s-KMV năm 1993 là một trường hợp của mô hình định

giá quyền chọn và hiện nay được sử dụng rộng rãi, sức mạnh của mô hình nằm ở

công cụ tính toán thực nghiệm và kiểm nghiệm dựa trên một cơ sở dữ liệu lớn

Trong mô hình KMV thì xác suất vỡ nợ được tính bằng các dữ liệu thực nghiệm

thay vì tính qua công thức sử dụng phân bố chuẩn và độ rủi ro Mô hình KMV tính

khoảng cách tới vỡ nợ làm cơ sở để đo lường độ lệch chuẩn của giá trị tài sản

doanh nghiệp và các khoản nợ hiện tại, và cho rằng tỷ lệ phần trăm các doanh

nghiệp phá sản trong một năm và giá trị tài sản có độ lệch tiêu chuẩn cao hơn các

khoản nợ trong ngắn hạn Nhìn chung mô hình phát huy hiệu quả hơn trong việc

đánh giá các doanh nghiệp gặp vấn đề về tài chính so với mô hình dựa trên các biến

tài chính Các nghiên cứu ứng dụng mô hình này có thể kể đến như của Wilcox

(1973); Scott (1981); Varma và Raghunathan (2000); Hillegeist, Keating, Cram và

Lundstedt (2004); Du và Suo (2004); Bohn, Arora và Korablev (2005) Tác giả tóm

tắt một số nghiên cứu cảnh báo vỡ nợ tiêu biểu trên thế giới trong bảng 1.4

Bảng 1.4: Tóm tắt một số nghiên cứu cảnh báo vỡ nợ, vỡ nợ NH trên thế giới Tác giả/ Năm

công bố Cách tiếp cận/ số nhân tố Các kết quả chính

Beaver (1966) UDA/30 Dữ liệu sử dụng 79

công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành

của các NH Mỹ giai đoạn

1970-1976

Xây dựng 6 mô hình cho 6 năm, xác định 4 nhân tố, hiệu suất cao nhất là 92.3%

Hanweck (1977) PA/6 Dữ liệu sử dụng gồm 177

doanh nghiệp không vỡ nợ và 32 doanh nghiệp vỡ nợ

Trong 6 nhân tố có 2 nhân tố có ý nghĩa thống kê Độ chính xác là 83.8%, mẫu kiểm tra là 91.1% Ohson (1980) LA/9 Sử dụng dữ liệu 105 công ty

Mạng NN có độ chính xác cao nhất, đạt 96.2% với mẫu huấn luyện và 85.2% với mẫu kiểm tra Odom và Sharda

TR và LA Hiệu suất với mẫu gốc 98.6%;

mẫu kiểm tra 95.6%

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; ANN- mạng nơ ron nhân tạo; TR- mô hình nhận dạng đặc điểm; DT- cây quyết định; LA- mô hình Logit; PA- mô hình Probit

Như vậy các mô hình dự báo vỡ nợ được phát triển hết sức đa dạng và luôn được bổ sung nhưng chưa một mô hình nào khẳng định được tính ưu việt tuyệt đối so với các mô hình còn lại trong tất cả các bối cảnh nghiên cứu

1.2.2 Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các nghiên cứu trước

Trong các nghiên cứu cảnh báo vỡ nợ, các tác giả thường đưa ra định nghĩa về

vỡ nợ, cơ sở chọn mẫu nghiên cứu Phần lớn các nghiên cứu cảnh báo vỡ nợ trên thế giới định nghĩa vỡ nợ dựa trên thông tin về các công ty vỡ nợ hoặc quyết định đóng cửa; một số nghiên cứu khác định nghĩa vỡ nợ dựa trên những khủng hoảng tài chính hoặc dựa trên khả năng đáp ứng các nghĩa vụ tài chính

Lược lại các nghiên cứu trước về vỡ nợ ngân hàng có tác giả đã sử dụng chỉ số mất thanh khoản ngân hàng, chỉ số nợ xấu cao dẫn tới khả năng mất vốn, chỉ số thiếu vốn làm chỉ tiêu đo lường nguy cơ đổ vỡ, chẳng hạn các tác giả Dermirgue-Kunt (1989), Barr và Siem (1994) chỉ ra rằng chất lượng tài sản, hiệu quả hoạt động là các yếu tố dự đoán vỡ nợ quan trọng về mặt thống kê và các tổ chức ngân hàng trước khi phá sản luôn có mức nợ xấu cao và hiệu quả hoạt động thấp Trong các nghiên cứu cảnh báo sớm những khó khăn tài chính của ngân hàng, nhiều tác giả đã chọn các tiêu chí khác:Tác giả Gropp sử dụng xếp hạng của Fitch-IBCA để đánh giá sức mạnh tài chính của ngân hàng Ông sử dụng mức hạng C để phân đôi giữa rủi ro thấp và rủi ro cao Whalen (2005) xây dựng mô hình dự đoán xác suất mà một ngân hàng cộng đồng

có nguy cơ vỡ nợ thấp sẽ chuyển sang trạng thái có nguy cơ vỡ nợ cao hơn trong một khoảng thời gian tám quý Các NH được chỉ định "nguy cơ vỡ nợ thấp" nếu NH có điểm tổng hợp CAMELS là 1 hoặc 2, ngân hàng với điểm số CAMELS tổng hợp lớn hơn 2 được phân loại rủi ro cao Tác giả Duclaux và Soupmo Badjio (2009) đã xây dựng mô hình dự báo những ngân hàng gặp khó khăn cho các ngân hàng thuộc 6 nước khu vực miền trung châu Phi Nghiên cứu đã sử dụng định nghĩa ngân hàng gặp khó khăn tài chính, biến phụ thuộc Y=1, nếu tỷ lệ khả năng thanh toán/tổng tài sản rủi ro nhỏ hơn 8% và Y = 0 trong các trường hợp khác

Birsen Eggi Erdogan (2016) tính toán chỉ tiêu ROA để đo lợi nhuận sau đó sử dụng tiêu chí về ROA để xác định tình trạng sức khỏe của ngân hàng Cụ thể, biến phụ thuộc Y =1, ngân hàng vỡ nợ nếu ROA 0.01 ≤ , biến Y = 0, ngân hàng không vỡ nợ nếu

ROA 0.01>

Bảng 1.5: Một số định nghĩa sử dụng trong các nghiên cứu cảnh báo vỡ nợ Tác giả/ Năm

công bố

Tên sử

Beaver (1966) Vỡ nợ Một công ty không trả được nợ các nghĩa vụ tài chính

khi đến hạn Hay một công ty xảy ra một trong các sự kiện: vỡ nợ, vỡ nợ trái phiếu, rút tiền quá mức tài khoản ngân hàng, không chi trả được cổ phiếu ưu đãi Atlman (1968) Phá sản Các hãng bị tuyên bố phá sản, hoặc các cơ quan quản

lý tổ chức lại theo quy định

Deakin (1972) Vỡ nợ Các công ty bị phá sản, mất khả năng chi trả, bị các

chủ nợ yêu cầu thanh lý

Blum (1974) Vỡ nợ Không trả được nợ khi đến hạn, tiến hành quá trình tố

tụng phá sản hoặc phải thỏa thuận vi phạm với chủ nợ

để giảm nợ

Santomero và

Vinso (1977)

Vỡ nợ Các ngân hàng vỡ nợ khi tài khoản vốn của ngân hàng

bằng không hoặc âm

Whalen (2005) Nguy cơ

Ngân hàng gặp khó khăn nếu tỷ lệ khả năng thanh toán/ tổng tài sản rủi ro nhỏ hơn 8%

Booth (2011) Vỡ nợ Không cung cấp định nghĩa rõ ràng, sử dụng tiêu chí

công ty rời khỏi giao dịch trên tất cả các thị trường chứng khoán làm cơ sở chọn mẫu

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Như vậy, trong các nghiên cứu trước trên thế giới các tác giả đã sử dụng nhiều tiêu chí khác nhau để xác định ngân hàng vỡ nợ, ngân hàng có nguy cơ vỡ nợ cao

1.2.3 Các nhân tố, biến số trong các nghiên cứu vỡ nợ

Khi tiến hành dự báo vỡ nợ cần xác định 3 yếu tố đó là biến dự báo, biến phụ thuộc và phương pháp dự báo Việc lựa chọn 3 yếu tố này quyết định chất lượng mô

hình xây dựng Về biến dự báo, hầu hết các tác giả thống nhất trong việc các đánhgiá điều kiện tài chính có nguồn gốc từ các BCTC ở quá khứ, hiện tại có thể được

sử dụng để dự đoán hoạt động, nguy cơ vỡ nợ của doanh nghiệp trong tương lai Qua tổng quan tài liệu tác giả thấy các biến dự báo vỡ nợ (biến độc lập) chủ yếu được tính toán từ các BCTC của doanh nghiệp Số lượng các nhân tố xét trong các nghiên cứu dao động mạnh trong khoảng 1 đến 57 nhân tố (Jodi Bellovary và cộng

sự, 2007) Sự phong phú và đa dạng của các biến dự báo vỡ nợ sử dụng trong các nghiên cứu được tác giả tổng hợp một phần ở bảng 1.6

Bảng 1.6: Bảng tổng hợp một số biến sử dụng trong cảnh báo vỡ nợ

X1 Luồng tiền mặt/ tổng nợ Beaver (1966), Deakin (1972), Blum

(1974), Zmijewski (1984), Martens và cộng sự (2008)

X2 Tổng nợ/ tổng tài sản Beaver (1966), Deakin (1972), Ohlson

(1980), Martens và cộng sự (2008), Ding

và cộng sự (2008)

X3 Vốn lưu động / tổng tài sản Beaver (1966); Atlman (1968)

X4 Lợi nhuận chưa phân phối/ tổng tài sản Atlman (1968), Ding và cộng sự (2008)

X5 Lợi nhuận trước thuế và lãi/ tổng tài sản Atlman (1968), Li và Sun (2009)

X6 Giá trị thị trường của VCSH/ giá trị hạch

toán của tổng nợ

Atlman (1968), Martens và cộng sự (2008), Li và Sun (2009)

X7 Hệ số doanh thu/ tổng tài sản Atlman (1968), Li và Sun (2009)

X8 Lợi nhuận ròng/ tổng tài sản Beaver (1966); Deakin (1972), Ohlson

(1980), Zmijewski (1984)

X9 Vốn lưu động/ doanh thu Beaver (1966); Deakin (1972), Ohlson

(1980), Marten và cộng sự (2008)

X10 Thu nhập dòng/ doanh thu Beaver (1966)

X11 Thu nhập dòng/ tổng tài sản Beaver (1966)

X12 ROE Wheelock và Wilson(1995), Dabos và

Escudero (2000), Shumway(2001)

Nguồn: Tác giả tổng kết từ các tài liệu tham khảo

Sự đa dạng và không thống nhất về các nhân tố ảnh hưởng tới vỡ nợ trong các nghiên cứu cho thấy cần có nghiên cứu, phân tích sâu sắc cho các tập chỉ số khi đưa vào nghiên cứu cảnh báo vỡ nợ, đặc biệt đối với các ngành đặc thù như ngành ngân hàng.Tính đa dạng và không thống nhất này là do mỗi một quốc gia, mỗi một ngành có đặc điểm riêng biệt, có hệ thống chính sách khác nhau và vì vậy, các nhân tố ảnh hưởng đến khả năng vỡ nợ khác nhau Dù vậy, có thể thấy một số nhân tố: thu nhập ròng/ tổng tài sản, tổng tài sản/ tổng nợ, các tỷ lệ trong nghiên cứu gốc của Atlman (1968) có mặt trong nhiều mô hình Qua phân tích cho thấy số lượng các nhân tố trong các mô hình không ảnh hưởng nhiều đến hiệu suất của mô hình Chẳng hạn, mô hình của Bearver (1968) có độ chính xác lên tới 92% với chỉ một nhân tố, trong khi nghiên cứu của Jo (1997) có độ chính xác chỉ là 86% khi sử dụng tới 57 nhân tố Các nhân tố vĩ mô thường

ít được đề cập trong các nghiên cứu, mặc dù các nghiên cứu lý thuyết đều cho rằng bối cảnh kinh tế vĩ mô có ảnh hưởng đến vỡ nợ của các công ty Khi nghiên cứu vỡ nợ ngân hàng thì không thể không nhắc tới các nhân tố trong mô hình CAMELS

Mô hình CAMELS, mô hình xếp hạng các ngân hàng được xây dựng và được thông qua năm 1987 bởi cơ quan giám sát ngân hàng trung ương Mỹ Mô hình phân tích theo 6 yếu tố cơ bản (Mức độ an toàn vốn, chất lượng tài sản, hiệu quả quản lý, lợi nhuận, thanh khoản và mức độ nhạy cảm với rủi ro) Các chỉ tiêu trong mô hình CAMELS sẽ được tác giả phân tích chi tiết trong chương 2 Mô hình thường định mức xếp hạng từ mức 1 (mức tốt nhất) đến mức 5 (mức xấu nhất) cho mỗi nhóm yếu tố, sau đó sẽ lại tổng hợp cả 6 kết quả để ra kết quả đánh giá cuối cùng cũng theo 5 mức như trên

Phương pháp tiếp cận CAMELS là phương pháp mở và khi tiếp cận thì ở mỗi vùng miền có những đặc trưng riêng phù hợp với một nhóm các biến khác nhau Tuy nhiên Rojas-Suarez (2001) chỉ ra rằng ở các nền kinh tế mới nổi nếu các chuẩn mực kế toán và hệ thống báo cáo yếu, việc phân loại các khoản nợ xấu (NPLs) không chặt chẽ, các quy định không hợp lý về các khoản dự phòng tín dụng, các hoạt động giám sát theo luật không được thực thi, và thị trường vốn không có tính thanh khoản và phát triển, thì

sẽ có khó khăn để xác định giá trị thực của ngân hàng nhằm tách biệt giá trị theo sổsách, nghĩa là các hệ số truyền thống dạng CAMLES sẽ không dự báo trước được những khó khăn ở từng ngân hàng Tuy nhiên các nhân tố trong mô hình CAMELS vẫn giữ vai trò đặc biệt quan trọng trong phân tích rủi ro hoạt động ngân hàng

Tác giả Hilda Rossieta (2016) đã sử dụng các tỷ lệ tài chính trong mô hình CAMELS, chỉ số dòng tiền, chỉ số thị trường để dự đoán phát hiện sớm ngân hàng phá sản Dữ liệu sử dụng trong nghiên cứu là của các ngân hàng Indonexia các năm 2006,

ngân hàng gồm: tỷ lệ an toàn vốn, tỷ lệ tài sản rủi ro, lợi nhuận trước thuế/ tổng tài sản rủi ro, lợi nhuận ròng/ vốn chủ sở hữu, tỷ lệ thanh toán nhanh, và dòng tiền từ hoạt động/

nợ ngắn hạn

Erdogan (2016) sử dụng mô hình hồi quy Logit dữ liệu mảng tác động ngẫu nhiên để dự báo vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ Nghiên cứu sử dụng dữ liệu mảng của 22 ngân hàng trong giai đoạn 2001-2012 Tác giả tiến hành phân tích nhân

tố dựa trên 18 biến trong mô hình CAMELS được 7 nhân tố và sau đó sử dụng 7 nhân

tố này như biến dự báo

Các nghiên cứu của Dermirgue-Kunt (1989), Barr và Siem (1994) chỉ ra rằng chất lượng tài sản là một yếu tố dự đoán vỡ nợ quan trọng về mặt thống kê và các tổ chức ngân hàng trước khi phá sản có mức nợ xấu rất cao Do chất lượng tài sản là đặc biệt quan trọng trong hoạt động của ngân hàng nên cũng có nhiều tác giả nghiên cứu xác định các nhân tố tác động đến nợ xấu Bảng 1.7 nêu tóm tắt một số nhân tố điển hình

Bảng 1.7: Các nhân tố tác động tới nợ xấu

Tăng trưởng GDP thực tế - Salas và Saurina (2002); Rajan và Dhal

(2003); Jimenez và Saurina (2006); Louzis, Vouldis và Metaxas (2010)

Tỷ lệ thất nghiệp và lãi suất danh

nghĩa ngắn hạn

+ Fofack (2005); Bofondi và Ropele

(2011); Klein (2013) Chỉ số giá tiêu dùng, tăng giá bất

động sản

+ Shu (2002)

Sở hữu Nhà nước - J L Hu (2004)

Hiệu quả quản lý - Berger và DeYoung (1997); Podpiera và

Weill (2008); Podpiera and Weill (2008); Louzis (2010)

Mức độ sinh lời trên vốn chủ sở

Nhân tố Sự tác

Quy mô +/- Salas và Saurina (2002); Rajan và Dhal

(2003); J.L.Hu và các cộng sự (2004) Tốc độ tăng trưởng tín dụng + Keeton và Morris (1987); Sinkey và

Greenwalt (1991); Keeton (1999); Salas

và Saurina (2002); Bercoff và cộng sự (2002); Jimenez và Saurina (2005)

Tỷ lệ cho vay / tổng tài sản + Sinkey và Greenwalt (1991), Dash và

Kabra (2010)

Nguồn: Tác giả tổng hợp từ các tài liệu tham khảo

Như vậy, các nhân tố, các biến số sử dụng trong nghiên cứu cảnh báo vỡ nợ là phong phú, đa dạng Trong bối cảnh hệ thống NH Việt Nam giai đoạn 2010-2014, các nhân tố, các biến số nào ảnh hưởng tới nguy cơ vỡ nợ các NHTMCP?

1.3 Các nghiên cứu về dự báo vỡ nợ, vỡ nợ ngân hàng ở Việt Nam

Ở Việt Nam những nghiên cứu về mô hình cảnh báo vỡ nợ, khủng hoảng mới chỉ được quan tâm và đề cập đến từ sau cuộc khủng hoảng tài chính châu Á năm 1997 Công ty chứng khoán Tân Việt đã tính toán và cung cấp chỉ số Z của các công ty cổ phần niêm yết cho nhà đầu tư Tuy nhiên, công ty chứng khoán Tân Việt đã sử dụng

mô hình Z-Score nguyên bản của Altman nên có thể không chính xác do những khác biệt về thời gian, điều kiện kinh tế, môi trường pháp lý giữa hai quốc gia Khắc phục nhược điểm này, tác giả Đinh Thế Hiển đã điều chỉnh các tham số của mô hình để phù hợp với điều kiện kinh tế Việt Nam, trong đó đề cao tác động của cơ cấu đầu tư tài sản hơn hệ số sinh lời tổng tài sản Kết quả mô hình như sau:

Z’’ = 2.11 + 4.59 X1 + 2.28 X2 + 4.03 X3 + 0.84 X4 Trong đó các biến là: Vốn lưu động dòng trên tổng tài sản (X1), lợi nhuận giữ lại trên tổng tài sản (X2), lợi nhuận trước lãi vay và thuế trên tổng tài sản (X3), giá trị thị trường của vốn chủ sở hữu trên giá trị sổ sách của tổng nợ (X4) Tuy nhiên chỉ với hai trường hợp cụ thể là Công ty cổ phần Dầu Tường An và Công ty Văn hóa phẩm Phương Nam, kết quả phân tích chưa đảm bảo tính đại diện cho tổng thể các doanh nghiệp Việt Nam

Tác giả Nguyễn Trọng Hòa (2009) đã sử dụng mô hình MDA và mô hình Logit

để tiến hành tính xác suất vỡ nợ và xếp hạng tín dụng cho các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam Nghiên cứu xác định doanh nghiệp có nguy cơ phá sản theo tiêu chí định lượng, từ đó lựa chọn mẫu nghiên cứu gồm 268 doanh nghiệp đang niêm yết trên thị trường chứng khoán Việt Nam Số liệu sử dụng là của một năm

2007 trong đó tác giả tính toán và phân nhóm 37 chỉ tiêu tài chính từ các BCTC Tác giả ước lượng hàm phân biệt và Logit trên cơ sở 5 mẫu được lựa chọn, đồng thời kết hợp các tiêu chuẩn kiểm định thích hợp để đánh giá sự phù hợp và độ chính xác của các hàm phân biệt và hàm Logit

Một nghiên cứu khác áp dụng mô hình Z-Score cho các ngân hàng và các tổ chức tài chính Việt Nam là nghiên cứu của Nguyễn Quang Dong (2009) dựa trên số liệu một năm của 37 ngân hàng Tác giả cho rằng phương pháp phân tích phân biệt phù hợp với các nước mà cơ sở dữ liệu còn chưa phong phú, chuỗi thời gian chưa dài Đặc biệt, phương pháp có thể áp dụng trong điều kiện nền kinh tế chuyển đổi Trong nghiên cứu tác giả xây dựng thang đo biến phụ thuộc dựa trên kết luận thanh tra ngân hàng năm 2008 Tác giả xây dựng một tập lớn gồm 40 biến giải thích và chia thành 6 nhóm Sử dụng phương pháp đưa dần từng biến vào mô hình tác giả thu được một hàm phân biệt

Z = -1.578 + 24.148X3 – 3.327X20

Nguồn: Nguyễn Quang Dong (2009)

Trong đó X3 là lợi nhuận ròng/ Doanh thu từ kinh doanh chính; X20 là khả năng trả lãi Độ chính xác của mô hình lần lượt là 90.6% và 84.4% với bộ dữ liệu gốc và dữ liệu kiểm tra

Tác giả Nguyễn Thành Cường và Phạm Thế Anh (2010) đã áp dụng mô hình score của Atlman (1968) để đánh giá rủi ro phá sản của các doanh nghiệp chế biến thủy sản Số liệu sử dụng là của 11 doanh nghiệp chế biến thủy sản niêm yết giai đoạn 2007-2009 Sau khi tính toán điểm số Z score, các tác giả xếp các doanh nghiệp theo

Z-ba nhóm nguy cơ: nhóm có nguy cơ phá sản cao, nhóm có thể có nguy cơ phá sản và nhóm chưa có nguy cơ phá sản

Tác giả Phan Hồng Mai (2012) trong đề tài “Nguy cơ phá sản của các công ty cổ

phần xây dựng niêm yết ở Việt Nam” đã lựa chọn mô hình của công ty The Vickers để

đo nguy cơ phá sản cho các công ty cổ phần xây dựng niêm yết sau đó kiểm chứng tác

động của 4 nhân tố (năng lực quản lý tài sản, cơ cấu vốn, quy mô doanh nghiệp và cơ chế quản lý của Nhà nước) tới nguy cơ phá sản của các doanh nghiệp xây dựng niêm yết trên thị trường chứng khoán Việt Nam Kết quả nghiên cứu xác định nguyên nhân làm gia tăng nguy cơ phá sản của các công ty cổ phần xây dựng là năng lực quản lý tài sản yếu kém trong khi lạm dụng đòn bẩy tài chính quá mức

Tác giả Nguyễn Việt Hùng và Hà Quỳnh Hoa (2012) đã công bố nghiên cứu khá toàn diện về các mô hình dự báo khủng hoảng tiền tệ, trong đó các tác giả trình bày những vấn đề cơ bản về lý thuyết và các mô hình khủng hoảng tiền tệ, hệ thống chỉ tiêu cảnh báo khủng hoảng tiền tệ đồng thời các tác giả cũng thực nghiệm việc xây dựng chỉ số tổng hợp và xác định xác suất xảy ra khủng hoảng Tác giả cũng xác định được 5 chỉ số: dư cung tiền thực, tỷ giá thực tế, dự trữ ngoại tệ, xuất khẩu, tín dụng trong nước/ GDP để phản ánh tín hiệu khả năng xảy ra bất ổn kinh tế

Tác giả Nguyễn Thị Lương (2014) ứng dụng mô hình Merton-KMV để đo lường rủi ro vỡ nợ của 380 doanh nghiệp niêm yết ở Việt Nam thời kỳ 2011-2013 Nghiên cứu dựa trên phương pháp luận của mô hình Merton-KMV, ước lượng xác suất vỡ nợ của 380 doanh nghiệp đồng thời xác định mức độ rủi ro của các doanh nghiệp, nghiên cứu đưa ra các bằng chứng điển hình cho khả năng đo lường hợp lý của phương pháp Bên cạnh những kết quả đạt được, nghiên cứu còn có những hạn chế, những giả định lý thuyết của mô hình chưa được kiểm tra có thể bị vi phạm, một số giả định làm giảm đi hiệu quả của mô hình

Tác giả Lê Khương Ninh (2015) nêu ra các nhóm nguyên nhân dẫn đến phá sản của các NHTM Theo đó có 4 nhóm nguyên nhân trên các phương diện vĩ mô,

vi mô, sự can thiệp của Chính phủ vào các ngân hàng do Chính phủ sở hữu và sự thay đổi trong cơ chế chính sách Tuy nhiên nghiên cứu mới chỉ dừng ở việc tổng kết các nhóm nguyên nhân về mặt lý luận Tác giả Nguyễn Phi Lân và các cộng sự (2015) đã xây dựng và ứng dụng mô hình cấu trúc trong công tác thanh tra, giám sát các TCTD Cụ thể nghiên cứu đo lường rủi ro đổ vỡ hệ thống các TCTD Việt Nam, ước tính tổn thất tín dụng và đo lường tác động của môi trường kinh tế vĩ mô đến rủi ro hệ thống, đo lường rủi ro lan truyền hệ thống

Ngoài ra có nhiều nghiên cứu tập trung nghiên cứu vấn đề rủi ro tín dụng, nợ xấu của hệ thống ngân hàng Một số nhân tố ảnh hưởng tới nợ xấu được các nghiên cứu xác định bao gồm: khủng hoảng kinh tế và hiệu quả giám sát thấp (Nguyễn Minh Phong, 2012); tăng trưởng tín dụng quá mức đồng thời cơ cấu tín dụng không hợp lý,

thông tin tín dụng không chính xác, công nghệ ngân hàng bất cập, hành lang pháp lý không đầy đủ (Lê Thị Hồng Hạnh, 2013); nhân sự và các biện pháp quản trị rủi ro của các ngân hàng không đạt chuẩn của Basel III (trung tâm nghiên cứu kinh tế và chính sách, VEPR, 2014); sở hữu chéo phức tạp, đầu tư ngoài ngành tràn lan (Ủy ban Giám sát Tài chính Quốc gia, 2014); thị trường bất động sản trầm lắng, áp lực cấp tín dụng cho các doanh nghiệp nhà nước (Phạm Thị Kim Ánh, 2014),…

Tác giả Phan Hồng Mai (2014) sử dụng phương pháp hồi quy tương quan trên

bộ dữ liệu mảng trong thời gian 3 năm của 16 ngân hàng để xác định các nhân tố tác động tới nợ xấu NHTM tại Việt Nam Biến phụ thuộc tác giả sử dụng là tỷ lệ nợ xấu, trong khi đó biến giải thích được xem xét ban đầu gồm 8 biến Nghiên cứu đã chỉ ra: tỷ trọng dư nợ tín dụng dành cho khách hàng doanh nghiệp tác động ngược chiều tới tỷ lệ

nợ xấu, trong khi đó tỷ trọng dư nợ tín dụng trung, dài hạn và tín dụng xây dựng bất động sản tác động cùng chiều tới tỷ lệ nợ xấu Một kết quả đáng lưu ý là số năm hoạt động và số lượng công ty con thuộc sở hữu của ngân hàng, hệ số an toàn vốn có ảnh hưởng cùng chiều tới tỷ lệ nợ xấu

Tác giả Nguyễn Thị Hồng Vinh (2015) nghiên cứu các yếu tố tác động đến

nợ xấu của các NHTM Việt Nam giai đoạn 2007-2014 của 22 ngân hàng Nghiên cứu ước lượng dữ liệu mảng với tác động cố định kết hợp phương pháp mômen tổng quát GMM dạng vi phân và GMM dạng hệ thống Với biến phụ thuộc là logarit của tỷ lệ nợ xấu, biến liên tục, kết quả cho thấy các yếu tố thuộc cácđặc thù của ngân hàng (khả năng sinh lời, nợ xấu quá khứ, quy mô ngân hàng, tăng trưởng tín dụng), các yếu tố vĩ mô (tăng trưởng kinh tế) có ảnh hưởng đến nợ xấu Phương pháp GMM hệ thống chỉ ra vốn chủ sở hữu và lạm phát tác động có ý nghĩa đến tỷ

lệ nợ xấu các ngân hàng Tác giả Trần Trọng Phong và cộng sự (2016) cũng trên cơ

sở sử dụng mô hình hồi quy dữ liệu mảng tác động cố định cho mẫu sử dụng gồm

15 NHTM lớn tại Việt Nam giai đoạn 2007-2014 đã phát hiện ra rằng tỷ lệ nợ xấu

kỳ trước, kết quả kinh doanh trong quá khứ, sự kém hiệu quả, quy mô của ngân hàng và tỷ lệ cho vay trên tổng tài sản đều ảnh hưởng cùng chiều tới nợ xấu; còn tỷ

lệ lạm phát tăng và tỷ lệ vốn chủ sở hữu trên tổng tài sản tăng lại làm giảm nợ xấu của ngân hàng Hai nghiên cứu của Nguyễn Thị Hồng Vinh và Trần Trọng Phong

sử dụng mô hình hồi quy dữ liệu mảng với biến phụ thuộc là biến liên tụcvà nghiên cứu các nhân tố ảnh hưởng đến nợ xấu

Tác giả tóm tắt một số nghiên cứu vỡ nợ, vỡ nợ ngân hàng ở Việt Nam trong bảng 1.8

Bảng 1.8: Một số nghiên cứu vỡ nợ, vỡ nợ ngân hàng ở Việt Nam

Tác giả/ Năm công bố Cách tiếp cận/ số nhân tố Nội dung chính/Các kết quả chính

Nguyễn Trọng Hòa

(2009)

MDA/37; LA/37 Dữ liệu

sử dụng gồm 268 doanh nghiệp trong năm 2007

Ước lượng hàm phân biệt, hàm Logit tính xác suất vỡ nợ, xếp hạng các quan sát của 5 mẫu đã lựa chọn Nguyễn Quang Dong

(2009)

MDA/40 Dữ liệu 37 ngân hàng năm 2008

Xếp hạng tín dụng các ngân hàng Xác định 2 nhân tố, độ chính xác của

mô hình là 90.6% cho dữ liệu gốc và 84.4% dữ liệu kiểm tra

Hà Quỳnh Hoa

(2012)

Các mô hình dự báo khủng hoảng tiền tệ

Dự báo khủng hoảng tiền tệ Xác định 5 chỉ số phản ánh tín hiệu khả năng xảy ra bất ổn kinh tế

Nguyễn Thị Lương

(2014)

Mô hình Merton-KMV Dữ liệu của 380 doanh nghiệp niêm yết thời kỳ 2011-2013

Đo lường rủi ro vỡ nợ các doanh nghiệp Đưa ra các minh chứng cho khả năng đo lường hợp lý của phương pháp

Nguyễn Phi Lân

(2015)

Ứng dụng mô hình cấu trúc Đo lường rủi ro đổ vỡ hệ thống các

TCTD Việt Nam, ước tính tổn thất tín dụng và đo lường rủi ro hệ thống NH Nguyễn Thị Hồng

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Qua việc tổng quan tài liệu cho thấy vỡ nợ của các NHTMCP Việt Nam đã được nghiên cứu nhưng có nhữngkhoảng trống sau:

+ Vỡ nợ của NHTMCP chưa được xem xét đầy đủ, chưa theo dõi vỡ nợ của các ngân hàng trong một thời kỳ nhất định do chỉ nghiên cứu một năm

+ Các nghiên cứu trước đã xác định các nhân tố tác động đến nguy cơ vỡ nợ qua từng nghiên cứu, nhưng các nhân tố đó có phải là nguyên nhân dẫn đến nguy cơ

hưởng đến nguy cơ vỡ nợ của các NHTMCP không chỉ có các yếu tố vi mô được biểu thị bằng các chỉ số tài chính dựa trên các báo cáo kế toán mà còn có các chỉ số kinh tế

vĩ mô như tốc độ tăng trưởng GDP, lạm phát,… thì hiện chưa có nghiên cứu nào làm

Xuất phát từ khoảng trống nghiên cứu nêu trên tôi lựa chọn đề tài: “Xây dựng

mô hình cảnh báo nguy cơ vỡ nợ đối với các NHTMCP Việt Nam ” Nghiên cứu làm rõ

cơ sở lý luận của mô hình dự báo vỡ nợ, xây dựng tiêu chí xác định nguy cơ vỡ nợ cho các NHTMCP, lựa chọn thực nghiệm mô hình Logit với số liệu mảng để giải quyết ba nội dung: xác định các nhân tố tác động tới vỡ nợ, tính xác suất vỡ nợ, lượng hóa tính đặc thù của từng ngân hàng ảnh hưởng tới khả năng vỡ nợ Tác giả cũng thử nghiệm

áp dụng mô hình mạng nơron, cây quyết định vào phân loại, dự báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam Từ các kết quả nghiên cứu luận án đề xuất các giải pháp giúp các ngân hàng hạn chế nguy cơ vỡ nợ Nghiên cứu sẽ sử dụng dữ liệu của các NHTMCP trong thời gian 5 năm

Kết luận chương 1

Chương 1, tác giả tổng quan các nghiên cứu về vỡ nợ, vỡ nợ ngân hàng trên thế giới cũng như ở Việt Nam Qua việc phân tích những phương pháp nghiên cứu chính, những nghiên cứu tiêu biểu, các ưu nhược điểm của các phương pháp nghiên cứu cho thấy: Chưa có một mô hình nào là hoàn toàn ưu việt hơn các mô hình khác, các mô hình đều có những ưu, khuyết điểm riêng Số lượng các nhân tố dự báo vỡ nợ trong các nghiên cứu là đa dạng, phong phú Chủ yếu các nghiên cứu sử dụng các chỉ số của ngân hàng

Việc tổng kết các nghiên cứu giúp tác giả phân tích chỉ rõ khoảng trống nghiên cứu, khoảng trống này bao gồm:

1) Vỡ nợ của NHTMCP Việt Nam chưa được xem xét đầy đủ, chưa theo dõi vỡ

nợ của các NH trong một thời kỳ nhất định do chỉ nghiên cứu một năm

2) Một số nghiên cứu trước đã xác định các nhân tố tác động đến nguy cơ vỡ nợ qua từng nghiên cứu, nhưng các nhân tố này có phải là nguyên nhân dẫn đến nguy cơ

vỡ nợ của các NH trong một thời kỳ nào đó hay không? Các yếu tố vĩ mô tác động đến nguy cơ vỡ nợ của các NH hiện chưa có nghiên cứu nào kiểm chứng

3) Các cá thể ngân hàng có những đặc trưng riêng có ảnh hưởng tới khả năng

vỡ nợ thì hiện nay chưa có nghiên cứu thực nghiệm nào xác định chỉ tiêu đo lường

Từ khoảng trống nghiên cứu tác giả đã đề ra mục tiêu nghiên cứu của luận án

và triển khai nghiên cứu ở các chương sau