Luận văn thạc sỹ kinh tế: Xây dựng mô hình xếp hạng tín dụng cho khách hàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Kỹ Thương Việt Nam

Tín dụng là nghiệp vụ mang lại nguồn thu nhập chính, tuy nhiên đây cũng là hoạt động tiềm ẩn nhiều rủi ro nhất cho sự tồn tại và phát triển bên vững của các ngân hàng. Trong giai đoạn kinh tế khó khăn hiện nay, rủi ro tín dụng tăng lên do khó khăn chung của nền kinh tế khiến cho các ngân hàng thắt chặt các điều kiện cấp tín dụng để đảm bảo an toàn vốn. Việc thắt chặt tín dụng này gây ảnh hưởng xấu lên nền kinh tế đặc biệt là khi việc thắt chặt tín dụng diễn ra đại trà chung với các doanh nghiệp mà có rất ít sự phân biệt giữa khách hàng tốt và khách hàng xấu do bản thân chính Ngân hàng thương mại cũng chưa đủ cơ sở để nhận định khách hàng tốtxấu một cách chính xác.Tại các ngân hàng ở Việt Nam hiện nay, mặc dù đã tồn tại sẵn hệ thống đánh giá và phê duyệt tín dụng dựa trên kinh nghiệm của chuyên gia, tuy nhiên hệ thống này không đáp ứng được so với tốc độ gia tăng của số lượng hồ sơ tín dụng, việc đưa ra kết quả phê duyệt dựa chủ yếu trên yếu tố kinh nghiệm – khó kiểm chứng được mức độ chính xác, khó đào tạo lại cho người khác và dễ gây lên sự thiếu minh bạch trong hoạt động phê duyệt tín dụng cho các ngân hàng.Xuất phát từ nhu cầu thực tế đó, ở Việt Nam, những năm gần đây đã có nhiều nghiên cứu về hệ thống xếp hạng tín dụng trong cả lĩnh vực ứng dụng và nghiên cứu. Trong ứng dụng, các mô hình xếp hạng khách hàng đã được bắt đầu xây dựng và ứng dụng từ đầu những năm 2000 rải rác ở một số ngân hàng lớn tuy nhiên các hệ thống này chủ yếu dựa trên phương pháp chuyên gia và không đánh giá hay đo lường được hiệu quả. Một vài năm gần đây, xuất hiện việc tham gia tư vấn của các công ty nước ngoài như McKinsey, EY… tham gia tư vấn xây dựng mô hình xếp hạng cho một số ngân hàng ở nhiều quy mô khác nhau, mỗi công ty tư vấn tư vấn cho một ngân hàng một hệ thống xếp hạng tùy theo mức độ mà ngân hàng có thể tiếp nhận, đó có thể là Mô hình xếp hạng khách hàng thuần túy theo phương pháp chuyên gia – được áp dụng với những ngân hàng nhỏ, cơ sở dữ liệu không đáng tin cậy; Mô hình theo phương pháp thống kê xuất thân từ mô hình gốc từ nước ngoài và được điều chỉnh theo phương pháp chuyên gia cho từng ngân hàng và Mô hình xếp hạng dựa trên phương pháp thống kê được xây dựng dựa trên chính dữ liệu và thông tin tại ngân hàng cần xây dựng. Trong nghiên cứu, tại Việt Nam cũng có một số nghiên cứu về mô hình xếp hạng tín dụng khách hàng dựa trên phương pháp thống kê, tuy nhiên các nghiên cứu này mới chỉ dừng lại ở việc đánh giá dựa trên Báo cáo tài chính của doanh nghiệp, và tập trung chính vào các doanh nghiệp lớn đã được niêm yết trên thị trường chứng khoán Việt Nam, các nghiên cứu này đã bỏ qua việc xếp hạng cho một đối tượng rất lớn các doanh nghiệp quy mô vừa và nhỏ đồng thời chưa tận dụng được nhiều nguồn thông tin có thể sử dụng khác.Với các lí do như trên, nhằm mục đích xây dựng một mô hình xếp hạng phù hợp với nhu cầu thực tế, tận dụng được tối đa các nguồn dữ liệu có thể sử dụng và kết hợp được các phương pháp phân tích phù hợp, người viết lựa chọn đề tài: “Xây dựng mô hình xếp hạng tín dụng cho khách hàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Kỹ Thương Việt Nam” cho luận văn thạc sĩ của mình.

L¦U THU THñY

X©y dùng m« h×nh xÕp h¹ng tÝn dông cho kh¸ch hµng doanh nghiÖp t¹i Ng©n hµng Th¬ng m¹i cæ phÇn Kü Th¬ng ViÖt Nam

Chuyªn ngµnh: §IÒU KHIÓN HäC KINH TÕ

Ngêi híng dÉn khoa häc:

TS TRÇN TRäNG NGUY£N

Hµ néi, n¨m 2013

Tôi xin cam đoan rằng liệu và kết quả nghiên cứu trong luận văn này làtrung thực và chưa hề được sử dụng để bảo vệ một học vị nào.

Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện luận văn này đãđược cảm ơn và các thông tin trích dẫn trong luận văn này đều đã được chỉ rõnguồn gốc

Hà nội, ngày tháng năm 2013

Tác giả luận văn

Lưu Thu Thủy

Với lòng kính trọng và biết ơn sâu sắc nhất, tôi xin chân thành cảm ơn giảngviên huớng dẫn khoa học TS Trần Trọng Nguyên trong thời gian qua, thầy giáo đãdành nhiều thời gian và công sức, với nhiệt huyết, tấm lòng và trách nhiệm đểhướng dẫn tôi trong quá trình thực hiện luận văn này.

Tôi cũng xin trân trọng cảm ơn các quý Thầy Cô giảng dạy ở Viện Sau Đạihọc đã cùng với tri thức và tâm huyết của mình để truyền đạt vốn kiến thức quý báucho chúng tôi trong suốt thời gian học tập tại trường Và tôi xin cảm ơn tới toàn thểđội ngũ cán bộ chuyên viên trong khoa đã tham gia vào công tác đào tạo, góp phầntạo điều kiện cho chúng tôi hoàn thành khóa học chất luợng nhất

Cuối cùng, tôi xin cảm ơn gia đình, bạn bè, những người thân thiết đã ủng hộtôi trong quá trình hoàn thiện luận văn

Luận văn được thực hiện trong khoảng thời gian hơn 3 tháng Do kiến thức

và thời gian nghiên cứu có hạn nên sẽ không tránh khỏi những thiếu sót, tôi rấtmong nhận được những ý kiến đóng góp quý báu của quý Thầy Cô và các bạn đểkiến thức của tôi trong lĩnh vực này được hoàn thiện hơn

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỤC LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT

DANH MỤC BẢNG BIỂU, HÌNH VẼ

TÓM TẮT LUẬN VĂN i

MỞ ĐẦU 1

CHƯƠNG 1: TỔNG QUAN VỀ LÝ THUYẾT VÀ CÁC MÔ HÌNH XẾP HẠNG TÍN DỤNG TRÊN THẾ GIỚI 5

1.1 Khái niệm xếp hạng tín dụng 5

1.2 Mục đích của xếp hạng tín dụng 5

1.3 Đặc điểm và đối tượng xếp hạng tín dụng 7

1.4 Các nhân tố cần đánh giá khi xếp hạng tín dụng 8

1.5 Các phương pháp xếp hạng tín dụng 9

1.6 Quy trình xếp hạng tín dụng và Triển khai ứng dụng mô hình xếp hạng tín dụng trong Kinh doanh và Quản trị của Ngân hàng thương mại 10 1.7 Thực trạng hệ thống xếp hạng tín dụng khách hàng tại Ngân hàng Thương mại cổ phần Kỹ thương Việt Nam - Techcombank 13

CHƯƠNG 2: PHƯƠNG PHÁP XÂY DỰNG MÔ HÌNH XẾP HẠNG TÍN DỤNG .15

2.1 Xếp hạng khách hàng dựa trên phương pháp thống kê 15

2.1.1 Phương pháp phân tích khác biệt 15

2.1.2 Phương pháp hồi quy logistic (Logit – Goldberger) 17

2.1.3 Phương pháp phân tích định tính 19

2.2 Các tiêu chuẩn đánh giá mô hình 29

2.2.1 Đánh giá Khả năng dự báo 29

2.2.2 Đánh giá Khả năng phân biệt khách hàng (Discriminatory Power) 31

2.2.3 Đánh giá Độ ổn định trong khả năng dự báo của mô hình 33

CHƯƠNG 3: XÂY DỰNG MÔ HÌNH XẾP HẠNG TÍN DỤNG TẠI NGÂN

HÀNG THƯƠNG MẠI CỔ PHẦN KỸ THƯƠNG VIỆT NAM 37

3.1 Định nghĩa khách hàng xấu 37

3.2 Phân loại và lựa chọn biến số 37

3.2.1 Cấu phần tài chính 37

3.2.2 Cấu phần lịch sử quan hệ với các tổ chức tín dụng 38

3.2.3 Cấu phần lịch sử giao dịch của khách hàng tại TCTD xếp hạng 38

3.3 Chọn mẫu 39

3.4 Kết quả phân tích 41

3.4.1 Kết quả phân tích dựa trên phương pháp phân tích khác biệt 42

3.4.2 Kết quả phân tích dựa trên phương pháp hồi quy logistic 45

3.4.3 Kết quả phân tích dựa trên phương pháp phân tích định tính 51

3.5 Lựa chọn mô hình 64

3.6 Phân lớp khách hàng 66

3.7 Đánh giá mô hình – Các vấn đề còn gặp phải và Khả năng phát triển 68 KẾT LUẬN 72

DANH MỤC TÀI LIỆU THAM KHẢO 73 PHỤ LỤC

BCTC : Báo cáo tài chính

CIC : Credit Information Centre – Trung tâm Thông tin tín dụng

Ngân hàng Nhà nước Việt NamTCB : Techcombank – Ngân hàng Thương mại cổ phần Kỹ Thương

Việt Nam

DA : Discriminant Analysis

EL : Expected Loss – Mức lỗ kỳ vọng

EAD : Exposure At Default - Dư nợ tại thời điểm phá sản

IV : Information Value – Giá trị thông tin

PD : Probability of Default – Xác suất phá sản/ Vỡ nợ

PDadj : Adjusted PD – PD đã được hiệu chỉnh

PTC : Phi tài chính

SME : Small and Medium Enterprise – Khách hàng doanh nghiệp

vừa và nhỏTSBĐ : Tài sản bảo đảm

TCTD : Tổ chức tín dụng

Bảng 2.1: Tiêu chuẩn đánh giá Chỉ tiêu đo lường Khả năng phân biệt ND 27

Bảng 2.2: .Tiêu chuẩn đánh giá Chỉ tiêu đo lường Khả năng phân biệt IV .28

Bảng 2.3: Các điều kiện Lựa chọn chỉ tiêu cho Mô hình xếp hạng 29

Bảng 2.4: Tiêu chuẩn Đánh giá Khả năng Phân biệt của Mô hình - Gini 32

Bảng 3.1: Bảng Tóm tắt Số lượng các biến độc lập được sử dụng trong luận văn .39

Bảng 3.2: Số lượng quan sát trong luận văn 40

Bảng 3.3: Số lượng quan sát trong luận văn theo Mẫu Phát triển và Mẫu Kiểm định 40

Bảng 3.4: Danh sách các biến Phân phối chuẩn 43

Bảng 3.5: Kết quả Phân tích tương quan – Mô hình Phân tích khác biệt 43

Bảng 3.6: Kết quả Phân tích khác biệt 44

Bảng 3.7: Các biến được giữ lại sau Phân tích đơn biến – Mô hình Logistic 46

Bảng 3.8: Kết quả Phân tích tương quan – Mô hình Logistic 48

Bảng 3.9: Kết quả Phương án 1 - Phân tích đa biến – Mô hình Logistic 49

Bảng 3.10: Kết quả Phương án 1 - Phân tích đa biến – Mô hình Logistic 49

Bảng 3.11: Kết quả Đánh giá Khả năng phân biệt – Mô hình Logistic 50

Bảng 3.12: Kết quả Đánh giá Khả năng Dự báo đúng– Mô hình Logistic 51

Bảng 3.13: Kết quả Mô hình Logistic 51

Bảng 3.14: Các biến tài chính thô được giữ lại sau khi quan sát số lượng giá trị 0 .52

Bảng 3.15: Các biến được giữ lại sau Phân tích đa biến – Mô hình Định lượng – Phương pháp Định tính 54

Bảng 3.16: Mô hình Định lượng – Phương pháp Định tính 55 Bảng 3.17: Khả năng Phân biệt - Mô hình Định lượng – Phương pháp Định tính

Bảng 3.18: Khả năng dự báo - 2 phương án - Mô hình Định lượng – Phương

pháp Định tính 57Bảng 3.19: Mô hình Định tính – Phương pháp Định tính 59Bảng 3.20: Trọng số biến định tính - Mô hình Định tính – Phương pháp Định tính

60Bảng 3.21: Khả năng phân biệt - Mô hình Định tính – Phương pháp Định tính 61Bảng 3.22: Khả năng Dự báo - Mô hình Định tính – Phương pháp Định tính 61Bảng 3.23: Gini các Phương án Kết hợp Mô hình Định tính và Định lượng –

Phương pháp Định tính 62Bảng 3.24: Gini Mô hình Định tính và Định lượng – Phương pháp Định tính 63Bảng 3.25: Gini Mô hình Phương pháp Định tính 64Bảng 3.26: Bảng Khả năng Dự báo đúng và Khả năng Phân biệt của 3 phương pháp

65Bảng 3.27: Bảng tóm tắt Thông tin Phân hạng Khách hàng 67

Hình 1.1 Quy trình xếp hạng và ứng dụng mô hình xếp hạng vào hoạt động

kinh doanh 12Hình 2.1: Gini 32Hình 2.2: K-S 33Hình 3.1: Quy trình Xây dựng mô hình xếp hạng tín dụng cho khách hàng

doanh nghiệp SME 41Hình 3.2: Phân bố Hạng + Bad rate (Toàn bộ mẫu) 67Hình 3.3: Phân bố Hạng – Bad rate (Mẫu Phát triển) 68

L¦U THU THñY

X©y dùng m« h×nh xÕp h¹ng tÝn dông cho kh¸ch hµng doanh nghiÖp t¹i Ng©n hµng Th¬ng m¹i cæ phÇn Kü Th¬ng ViÖt Nam

Chuyªn ngµnh: §IÒU KHIÓN HäC KINH TÕ

Hµ néi, n¨m 2013

TÓM TẮT LUẬN VĂN

Tín dụng là nghiệp vụ mang lại nguồn thu nhập chính đồng thời cũng tiềm ẩnnhiều rủi ro nhất cho các Ngân hàng thương mại Trong bối cảnh kinh tế khó khăn,các ngân hàng thương mại thường áp dụng chính sách thắt chặt tín dụng nhằm đảmbảo an toàn vốn, tuy nhiên việc thắt chặt đồng đều cho mọi đối tượng khách hànggây thiệt hại không những cho cả các khách hàng tốt có nhu cầu vay vốn phát triểnkinh doanh mà chính bản thân ngân hàng cũng bị thiệt hại do đã từ chối nhầm kháchhàng tốt Chính vì vậy, công cụ được sử dụng để phân loại khách hàng - xếp hạngtín dụng - ngày càng được các Ngân hàng quan tâm tới

Xếp hạng tín dụng được định nghĩa là việc phân loại, đánh giá khả năng chủthể đi vay có thể thực hiện hoàn trả các nghĩa vụ đã cam kết một cách đầy đủ vàđúng hạn Xếp hạng tín dụng là do các chủ thể cho vay thực hiện đối với kháchhàng có nhu cầu vay Khi có thông tin xếp hạng tín dụng chính xác, Ngân hàng sẽlường trước được mức độ rủi ro mà khách hàng mang lại cho Ngân hàng để cóchính sách đối xử phù hợp Ngân hàng có thể từ chối cho vay nếu nhận thấy kháchhàng có rủi ro cao mà việc áp dụng lãi suất cao và yêu cầu nhiều tài sản bảo đảmcũng không đủ bù đắp cho rủi ro đó Ngân hàng có thể cho những khách hàng có rủi

ro cao nhưng nằm trong ngưỡng chấp nhận được vay với lãi suất cao hơn, yêu cầunhiều tài sản bảo đảm hơn để bù đắp cho rủi ro đó Đối với những khách hàng rấttốt, gần như không có rủi ro, ngân hàng có thể đề nghị chính sách giá và tài sản bảođảm tốt để thu hút khách hàng về ngân hàng Kết quả của hệ thống xếp hạng khôngchỉ hỗ trợ phát triển kinh doanh mà còn giúp ngân hàng có đủ công cụ để thực hiệnquản trị rủi ro theo thông lệ quốc tế, thực hiện trích lập dự phòng và phân loại nợtheo phương pháp tiên tiến…

Tầm quan trọng của hệ thống xếp hạng nói chung và mô hình xếp hạng nóiriêng đã được tất cả các ngân hàng thừa nhận, tuy nhiên do những khó khăn về cơ

sở dữ liệu cũng như khả năng phân tích, các ngân hàng ở Việt Nam hiện nay mớichỉ bắt đầu tiếp cận với việc xây dựng và áp dụng mô hình xếp hạng vào kinhdoanh Ngoài một số các ngân hàng thương mại lớn đã bắt đầu áp dụng xây dựng

mô hình xếp hạng theo phương pháp thống kê hiện đại với cơ sở dữ liệu thật củachính ngân hàng mình, hầu hết các ngân hàng thương mại tại Việt Nam vẫn đang ápdụng mô hình xếp hạng được mua từ các công ty tư vấn bên ngoài, đây có thể vẫnđược coi là mô hình xếp hạng theo phương pháp chuyên gia do không hề sử dụng

dữ liệu của ngân hàng để phân tích Trong nghiên cứu, đã có một số công trìnhnghiên cứu về phương pháp toán – thống kê để xây dựng mô hình xếp hạng, tuynhiên các nghiên cứu này hầu hết chỉ tập trung vào những công ty lớn, đã niêm yếttrên thị trường chứng khoán mà bỏ qua các doanh nghiệp có quy mô nhỏ - chiếmphần lớn số lượng khách hàng trên toàn thị trường Việt Nam Các nghiên cứu nàycũng chỉ tập trung phân tích dự báo khả năng có nợ quá hạn dựa trên thông tin từbáo cáo tài chính, như vậy việc sử dụng thông tin chưa phong phú sẽ một phần hạnchế được khả năng đánh giá khách hàng Chính vì vậy, luận văn sẽ tập trung vàoviệc xây dựng mô hình xếp hạng cho một phân khúc khách hàng nhỏ tại một ngânhàng thương mại (Khách hàng doanh nghiệp có doanh thu từ 20 – 200 tỷ/năm tạingân hàng thương mại cổ phần Kỹ Thương Việt Nam) bằng phương pháp toán –thống kê và sử dụng tối đa các nguồn thông tin có thể có để phân tích khả năng có

nợ quá hạn của khách hàng

Hiện tại có nhiều phương pháp toán – thống kê được sử dụng để xây dựng môhình xếp hạng tín dụng cho khách hàng Nhằm mục đích lựa chọn được phươngpháp có khả năng dự báo tốt nhất, luận văn sẽ trình bày cách thức xây dựng mô hìnhvới 3 phương pháp: Phương pháp phân tích khác biệt, Phương pháp hồi quyLogistic và Phương pháp phân tích định tính Hai phương pháp Phân tích khác biệt

và phương pháp hồi quy Logistic là các phương pháp rất nổi tiếng và đã được sửdụng rộng rãi, tác giả trình bày thêm phương pháp Phân tích định tính Phương phápphân tích định tính thường gây hiểu lầm là phương pháp chuyên gia do có chứa cụm

từ “định tính”, tuy nhiên bản chất của phương pháp phân tích định tính là phân tíchthống kê có sử dụng cả hồi quy logistic, tuy nhiên điểm khác biệt là do quá trình xử

lý dữ liệu và phân tích biến trước khi thực hiện hồi quy

Với mục đích đánh giá để lựa chọn được phương pháp phù hợp nhất giữa 3

phương pháp trên, tác giả trình bày thêm về các công cụ để đánh giá hiệu quả củacác mô hình xếp hạng Khả năng dự báo của mô hình xếp hạng được đánh giá trên 3khía cạnh: Khả năng cảnh báo đúng – được đo bằng tỉ lệ số khách hàng dự báođúng/Tổng số khách hàng được phân tích; Khả năng phân biệt khách hàng theo từnghạng – mô hình xếp hạng tốt không những chỉ dự báo đúng việc khách hàng có nợquá hạn hay không mà còn phải phân biệt được các khách hàng, các khách hàng cóhạng tốt hơn là những khách hàng có mức độ rủi ro thấp hơn, khả năng phân biệtkhách hàng tốt/xấu sẽ được đo lường bằng hệ số Gini; Mô hình xếp hạng tốt phải là

mô hình xếp hạng có khả năng phân biệt ổn định theo thời gian và không gian, vìvậy khía cạnh thứ 3 để đánh giá mô hình xếp hạng là độ ổn định trong khả năng dựbáo Độ ổn định trong khả năng dự báo sẽ được đo bằng cách tạo ra nhiều mẫu ngẫunhiên và kiểm chứng khả năng phân biệt khách hàng của mô hình khi sử dụng mẫu

đó Trong luận văn này, quá trình chọn mẫu ngẫu nhiên từ mẫu ban đầu (được gọi làquá trình bootstrap) sẽ được thực hiện 500 lần nhằm đảm bảo khả năng dự báo của

mô hình thực sự ổn định Dựa vào 3 yếu tố Khả năng cảnh báo đúng, Khả năngphân biệt, Độ ổn định của khả năng phân biệt, tác giả sẽ lựa chọn mô hình tốt nhấtphù hợp với bộ dữ liệu đang phân tích

Ý nghĩa thực sự của mô hình xếp hạng tín dụng khách hàng chỉ phát huy đượctác dụng khi kết quả của mô hình xếp hạng được áp dụng vào thực tế hoạt độngkinh doanh và quản trị của ngân hàng thương mại Nhằm mục đích hỗ trợ kinhdoanh, mô hình xếp hạng khách hàng có thể hỗ trợ ngân hàng trong việc nhận diện

ra khách hàng nên được cho vay/từ chối, Hạng khách hàng là thông tin để đưa raquyết định về giá, về tài sản bảo đảm, hạn mức tín dụng phù hợp Mỗi khách hàngvới hạng khách hàng riêng biệt sẽ được áp dụng một chính sách phù hợp để đảmbảo ngân hàng vừa hạn chế được rủi ro, vừa thu hút thêm được khách hàng mới Vềmục đích hỗ trợ Quản trị, theo quy định của Ngân hàng Nhà nước, các khách hàng

có quan hệ tín dụng đều phải được phân loại nợ và trích lập dự phòng phù hợp.Ngân hàng nhà nước cho phép các Ngân hàng thương mại lựa chọn việc trích lập dựphòng theo phương pháp định lượng (dựa trên số ngày quá hạn) hoặc trích lập dự

phòng theo phương pháp định lượng (dựa trên việc đánh giá khả năng trả nợ thực tếcủa khách hàng) Phương pháp phân loại nợ định lượng đơn giản do chỉ cần sử dụngthông tin về số ngày quá hạn để phân loại nợ, tuy nhiên phương pháp này có hạnchế là do việc trích lập dự phòng diễn ra sau khi khách hàng đã quá hạn, việc tríchlập như này chỉ là quá trình khắc phục sau khi sự kiện đã xảy ra rồi mà không hề cóbiện pháp dự phòng trước, cách thức phân loại nợ này sẽ gây ảnh hưởng bất thườngnên hoạt động kinh doanh của ngân hàng khi nền kinh tế lâm vào khó khăn Trongkhi đó, phương pháp phân loại nợ theo phương pháp định tính cho phép ngân hàngphân loại nợ dựa trên việc đánh giá khả năng khách hàng có nợ quá hạn, khi ngânhàng nhận định khách hàng có khả năng quá hạn cao, ngay lập tức sẽ thực hiện tríchlập dự phòng trong khi thực tế có thể khách hàng chưa quá hạn hoặc chưa quá hạnđến mức trích lập dự phòng đó, cách thức này giúp các ngân hàng có thể làm chủ vàkiểm soát được mức độ rủi ro của ngân hàng mình Cơ sở của phương pháp phânloại nợ định tính chính là đánh giá khả năng trả nợ của khách hàng hay chính là xếphạng tín dụng khách hàng Vì vậy, khi đã có một hệ thống xếp hạng tín dụng kháchhàng tốt, Ngân hàng thương mại sẽ tăng cường được khả năng quản trị theo thông lệquốc tế, đảm bảo an toàn trong hoạt động ngân hàng.

Sau khi trình bày về mặt lý thuyết, luận văn đi sâu vào xây dựng mô hình xếphạng tín dụng khách hàng cho khách hàng thuộc phân khúc vừa và nhỏ (SME –Small and Medium Enterprise – Doanh thu từ 20 đến 200 tỷ đồng/năm) của ngânhàng Thương mại Cổ phần Kỹ thương Việt Nam – Techcombank (TCB) Dữ liệuđược sử dụng trong luận văn gồm 194 khách hàng được lấy trong khoảng thời gian

từ năm 2009 đến hết năm 2012 Thông tin của các khách hàng này được chia thành

3 mảng thông tin chính: Thông tin về tình hình hoạt động sản xuất kinh doanh củakhách hàng - BCTC – được thu thập từ báo cáo tài chính, Thông tin về lịch sử quan

hệ của khách hàng với các tổ chức tín dụng – CIC - được thu thập từ báo cáo Thôngtin tín dụng của trung tâm Thông tin tín dụng Ngân hàng Nhà nước, Thông tin vềlịch sử giao dịch của khách hàng với chính tổ chức tín dụng đang được xếp hạng.Các thông tin này được phát triển thành bộ 280 chỉ tiêu và là các chỉ tiêu đầu vào

chung cho việc xây dựng các mô hình xếp hạng sau đó Phần trình bày chi tiết củaluận văn về quá trình xây dựng các mô hình xếp hạng sẽ đi sâu vào các bước cầnphải thực hiện để xây dựng, đánh giá mô hình và kết quả tương ứng Quy trình cụthể để xây dựng mô hình với mỗi loại mỗi loại mô hình là khác nhau, tuy nhiên đều

đi theo một quá trình cơ bản, gồm 5 bước:

- Bước 1: Xử lý và biến đổi dữ liệu (Loại các quan sát ngoại lai, Loại các chỉtiêu có quá nhiều giá trị, Biến đổi dữ liệu)

- Bước 2: Phân tích đơn biến (bằng Hồi quy Logistic, bằng việc đánh giá khảnăng phân biệt…)

- Bước 3: Phân tích tương quan, loại những chỉ tiêu vừa có khả năng phân biệtyếu vừa có tương quan với chỉ tiêu khác

- Bước 4: Thực hiện phân tích đa biến (Hồi quy Logistic hoặc xây dựng hàmphân tích khác biệt)

- Bước 5: Đánh giá khả năng dự báo, khả năng phân biệt và độ ổn định của môhình

Sau khi đã thu được các mô hình, nhằm mục đích lựa chọn được mô hình phù hợpnhất, các phân tích so sánh về độ phù hợp sẽ được thực hiện Phân tích về độ phùhợp được thực hiện với 3 tiêu chí đánh giá:

- Tiêu chí 1: Khả năng dự báo đúng của mô hình

- Tiêu chí 2: Khả năng phân biệt

- Tiêu chí 3: Độ ổn định của Khả năng phân biệt

Kết quả chỉ ra rằng: Với bộ dữ liệu về khách hàng doanh nghiệp có quy mô doanhthu từ 20 tỷ đồng đến dưới 200 tỷ đồng/năm của ngân hàng Techcombank, môhình phù hợp nhất là mô hình được xây dựng bằng phương pháp phân tích địnhtính, các chỉ tiêu đánh giá khả năng dự báo của mô hình đều thỏa mãn các tiêuchuẩn đặt ra Luận văn đã thực hiện hiệu chỉnh giá trị xác suất có nợ quá hạn(Probability of Default - PD) của khách hàng để giá trị PD sinh ra từ mô hình cókhả năng áp dụng trong thực tế Luận văn cũng đã thực hiện xây dựng và đánh giátiêu chuẩn sắp xếp các khách hàng vào các hạng khác nhau theo tiêu chí PD, kết

quả cho thấy tỉ lệ khách hàng rơi vào mỗi hạng đạt phân bố một cách phù hợp vàđường tỉ lệ khách hàng xấu tăng liên tục theo các hạng

Về cơ bản, kết quả của mô hình xếp hạng là tốt, tuy nhiên trong quá trình xâydựng mô hình vẫn còn một số điểm có thể khắc phục và tiếp tục phát triển để nângcao chất lượng xây dựng mô hình xếp hạng tín dụng cũng như tăng hiệu quả củaviệc áp dụng mô hình xếp hạng tính dụng vào kinh doanh và quản trị của ngân hàngthương mại Về mặt dữ liệu: Kích thước mẫu xây dựng mô hình chưa lớn (chỉ gồm

194 khách hàng), Dữ liệu báo cáo tài chính chỉ thu thập được của năm gần nhất nên

bộ chỉ tiêu đánh giá vẫn thiếu các chỉ tiêu tăng trưởng, Thiếu thông tin về Doanhthu, chi phí, lợi nhuận theo khách hàng dẫn tới việc phân tích điểm Ngừng cho vay(Cut-off) chưa đầy đủ Về mặt kĩ thuật xây dựng mô hình: Cách thức tách các chỉtiêu thành 2 nhóm định tính và định lượng để phát triển mô hình riêng biệt, sau đókết hợp tuyến tính 2 xác suất có nợ quá hạn này để tính ra xác suất có nợ quá hạnchung của khách hàng cần được nghiên cứu và cải tiến để tránh các sai lầm về mặttoán học; Cách thức biến đổi các biến tài chính mới được giới thiệu ở mức độ ýtưởng và đơn giản nhất, trong thực tế để nâng cao khả năng dự báo cần thực hiệnnhiều phép biến đổi cao cấp và phù hợp riêng cho từng biến Về mặt ứng dụng:Luận văn đã đề cập đến những hướng và nội dung cơ bản trong việc ứng dụng môhình xếp hạng vào hoạt động của ngân hàng thương mại, tuy nhiên đây chỉ là cácgiới thiệu ở mức cơ bản nhất và cần có các nghiên cứu, phân tích chuyên sâu hơntrước khi áp dụng

L¦U THU THñY

X©y dùng m« h×nh xÕp h¹ng tÝn dông cho kh¸ch hµng doanh nghiÖp t¹i Ng©n hµng Th¬ng m¹i cæ phÇn Kü Th¬ng ViÖt Nam

Chuyªn ngµnh: §IÒU KHIÓN HäC KINH TÕ

Ngêi híng dÉn khoa häc:

TS TRÇN TRäNG NGUY£N

Hµ néi, n¨m 2013

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Tín dụng là nghiệp vụ mang lại nguồn thu nhập chính, tuy nhiên đây cũng làhoạt động tiềm ẩn nhiều rủi ro nhất cho sự tồn tại và phát triển bên vững của cácngân hàng Trong giai đoạn kinh tế khó khăn hiện nay, rủi ro tín dụng tăng lên dokhó khăn chung của nền kinh tế khiến cho các ngân hàng thắt chặt các điều kiện cấptín dụng để đảm bảo an toàn vốn Việc thắt chặt tín dụng này gây ảnh hưởng xấu lênnền kinh tế đặc biệt là khi việc thắt chặt tín dụng diễn ra đại trà chung với các doanhnghiệp mà có rất ít sự phân biệt giữa khách hàng tốt và khách hàng xấu do bản thânchính Ngân hàng thương mại cũng chưa đủ cơ sở để nhận định khách hàng tốt/xấumột cách chính xác

Tại các ngân hàng ở Việt Nam hiện nay, mặc dù đã tồn tại sẵn hệ thống đánhgiá và phê duyệt tín dụng dựa trên kinh nghiệm của chuyên gia, tuy nhiên hệ thốngnày không đáp ứng được so với tốc độ gia tăng của số lượng hồ sơ tín dụng, việcđưa ra kết quả phê duyệt dựa chủ yếu trên yếu tố kinh nghiệm – khó kiểm chứngđược mức độ chính xác, khó đào tạo lại cho người khác và dễ gây lên sự thiếu minhbạch trong hoạt động phê duyệt tín dụng cho các ngân hàng

Xuất phát từ nhu cầu thực tế đó, ở Việt Nam, những năm gần đây đã có nhiềunghiên cứu về hệ thống xếp hạng tín dụng trong cả lĩnh vực ứng dụng và nghiêncứu Trong ứng dụng, các mô hình xếp hạng khách hàng đã được bắt đầu xây dựng

và ứng dụng từ đầu những năm 2000 rải rác ở một số ngân hàng lớn tuy nhiên các

hệ thống này chủ yếu dựa trên phương pháp chuyên gia và không đánh giá hay đolường được hiệu quả Một vài năm gần đây, xuất hiện việc tham gia tư vấn của cáccông ty nước ngoài như McKinsey, E&Y… tham gia tư vấn xây dựng mô hình xếphạng cho một số ngân hàng ở nhiều quy mô khác nhau, mỗi công ty tư vấn tư vấncho một ngân hàng một hệ thống xếp hạng tùy theo mức độ mà ngân hàng có thểtiếp nhận, đó có thể là Mô hình xếp hạng khách hàng thuần túy theo phương phápchuyên gia – được áp dụng với những ngân hàng nhỏ, cơ sở dữ liệu không đáng tincậy; Mô hình theo phương pháp thống kê xuất thân từ mô hình gốc từ nước ngoài

và được điều chỉnh theo phương pháp chuyên gia cho từng ngân hàng và Mô hình

xếp hạng dựa trên phương pháp thống kê được xây dựng dựa trên chính dữ liệu vàthông tin tại ngân hàng cần xây dựng Trong nghiên cứu, tại Việt Nam cũng có một

số nghiên cứu về mô hình xếp hạng tín dụng khách hàng dựa trên phương phápthống kê, tuy nhiên các nghiên cứu này mới chỉ dừng lại ở việc đánh giá dựa trênBáo cáo tài chính của doanh nghiệp, và tập trung chính vào các doanh nghiệp lớn đãđược niêm yết trên thị trường chứng khoán Việt Nam, các nghiên cứu này đã bỏ quaviệc xếp hạng cho một đối tượng rất lớn các doanh nghiệp quy mô vừa và nhỏ đồngthời chưa tận dụng được nhiều nguồn thông tin có thể sử dụng khác

Với các lí do như trên, nhằm mục đích xây dựng một mô hình xếp hạng phùhợp với nhu cầu thực tế, tận dụng được tối đa các nguồn dữ liệu có thể sử dụng và

kết hợp được các phương pháp phân tích phù hợp, người viết lựa chọn đề tài: “Xây

dựng mô hình xếp hạng tín dụng cho khách hàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Kỹ Thương Việt Nam” cho luận văn thạc sĩ của mình.

2 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của đề tài là phương pháp xây dựng mô hình xếp hạng tíndụng nội bộ dựa trên các yếu tố định tính và định lượng, thực hiện các phân tích cụthể để đánh giá và đưa ra phương pháp xếp hạng phù hợp nhất với đối tượng kháchhàng được xếp hạng Cụ thể, luận văn sau khi hoàn thành có thể đạt được nhữngđiều sau:

- Xác định được mô hình xếp hạng tín dụng phù hợp nhất với một nhóm đốitượng khách hàng xác định

- Xác định được các yếu tố có ảnh hưởng đến khả năng trả nợ của khách hàng

- Ước lượng xác suất không trả nợ đúng hạn của khách hàng trong tương lai,

từ đó phân khúc được khách hàng dựa vào khả năng rủi ro mà khách hàng có thểmang lại trong quá trình vay vốn

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

Đề tài tập trung vào các việc xây dựng Mô hình xếp hạng tín dụng tại ngânhàng thương mại, trong đó việc xây dựng mô hình bao gồm các nội dung như sau:

- Trình bày một số phương pháp xây dựng mô hình xếp hạng tín dụng khách hàng

- Ưu nhược điểm và khả năng vận dụng của từng phương pháp

- Xây dựng chi tiết mô hình xếp hạng tín dụng khách hàng

- Đánh giá sự phù hợp của mô hình và lựa chọn một mô hình cụ thể đối với dữliệu thực tế tại một ngân hàng cụ thể

3.2 Phạm vi nghiên cứu

Với giới hạn của một luận văn thạc sĩ, luận văn xin giới hạn ở việc Xây dựng

mô hình xếp hạng tín dụng cho Khách hàng doanh nghiệp có doanh thu từ 20 tỷđồng đến dưới 200 tỷ đồng (thuộc phân khúc khách hàng SME) tại Ngân hàngThương mại cổ phần Kỹ Thương Việt Nam

4 Phương pháp nghiên cứu

4.1 Phương pháp điều tra chọn mẫu

Dựa trên dữ liệu của hệ thống về các khách hàng doanh nghiệp đã từng có giaodịch với Techcombank, lựa chọn khách hàng thuộc phân khúc SME dựa theo tiêuchí doanh thu Sau đó, thực hiện chọn mẫu nghiên cứu dựa trên các yếu tố sau:

- Tại thời điểm chọn mẫu, khách hàng đã có quan hệ với Techcombank vàđang là khách hàng tốt (khách hàng có số ngày quá hạn dưới 10 ngày)

- Khách hàng có báo cáo tài chính trong năm liền kề trước đó

- Khách hàng có thông tin quan hệ tín dụng với các tổ chức tín dụng (Thôngtin CIC)

- Tính từ sau thời điểm chọn mẫu, khách hàng phải có tối thiểu 6 tháng có dư nợtại TCB Thông tin này được sử dụng để nhận diện khách hàng là khách hàng (tốt/xấu)

- Thông tin về đặc điểm khách hàng (tốt/xấu) được đánh giá dựa vào số ngàyquá hạn của khách hàng trong vòng 12 tháng kể từ thời điểm chọn mẫu

4.2 Phương pháp phân tích và mô hình hóa thống kê

Trong luận văn này, tác giả sử dụng nhiều phân tích thống kê, bao gồm:

- Thống kê mô tả

- Phân tích tương quan

- Phân tích khác biệt

- Phân tích hồi quy

- Các Kiểm định (t-test, Kiểm định phân phối chuẩn)

- Các thống kê như ND, IV, Gini làm công cụ đánh giá các đối tượng

5 Những đóng góp khoa học của luận văn

- Về mặt thực tiễn: Mô hình xếp hạng tín dụng nội bộ sẽ giải quyết được bàitoán về việc đánh giá khách hàng dựa trên xác suất quá hạn nợ/điểm tín dụng củakhách hàng, từ đó làm cơ sở cho chuyên gia phê duyệt ra quyết định phê duyệt hoặc

từ chối hồ sơ tín dụng một cách nhanh chóng và thống nhất Ngoài ra, thông tin vềhạng khách hàng là yếu tố đầu vào để áp dụng các chính sách về giá, tài sản bảođảm cũng như chính sách phân loại nợ theo quy định của Ngân hàng Nhà nước

- Đóng góp về mặt lý luận khoa học: Mô hình xếp hạng tín dụng nội bộ là sảnphẩm mang tính thực tế cao, có ý nghĩa lớn trong việc định lượng hóa các yếu tốđịnh tính, nâng cao tính ứng dụng của việc toán học vào giải quyết các vấn đề trongtài chính, kinh tế

- Những hạn chế của kết quả nghiên cứu và hướng phát triển: Trên thực tế,việc xây dựng mô hình xếp hàng có sự khác biệt tương đối về phương pháp giữa các

tổ chức tín dụng, kết quả từ mô hình xếp hạng cũng có thể có những hạn chế nhấtđịnh như khả năng dự báo không đạt được kì vọng, tính thiếu ổn định theo thờigian Những hạn chế này thường bắt nguồn từ nhiều nguyên nhân: dữ liệu đầu vàothiếu chính xác, kích thước mẫu phát triển không đủ lớn, phương pháp xử lý dữ liệuchưa phù hợp,… Vì vậy, những người làm mô hình thường xuyên phải kiểm địnhlại mô hình định kỳ, điều chỉnh cho phù hợp và thực hiện các biện pháp nâng caochất lượng dữ liệu đầu vào

6 Kết cấu của luận văn

Ngoài phần mở đầu, kết luận, mục lục, các bảng biểu, phụ lục, danh mục tài

liệu tham khảo, luận văn “Xây dựng mô hình xếp hạng tín dụng cho khách hàng doanh nghiệp tại Ngân hàng Thương mại cổ phần Kỹ Thương Việt Nam” gồm 3

phần:

Chương I: Tổng quan về lý thuyết và các mô hình xếp hạng tín dụng trên thế giớiChương II: Phương pháp xây dựng mô hình xếp hạng tín dụng

Chương III: Xây dựng mô hình xếp hạng tín dụng tại Ngân hàng Thương mại

cổ phần Kỹ Thương Việt Nam

CHƯƠNG 1: TỔNG QUAN VỀ LÝ THUYẾT VÀ CÁC MÔ HÌNH

XẾP HẠNG TÍN DỤNG TRÊN THẾ GIỚI

1.1 Khái niệm xếp hạng tín dụng

Được hình thành từ đầu thế kỷ 20, đến nay khái niệm Xếp hạng tín dụng đượcdùng phổ biến trên toàn thế giới bởi nhiều tổ chức khác nhau, mỗi tổ chức tùy thuộcvào mục đích và đối tượng xếp hạng thường đưa ra định nghĩa riêng

Theo Standards & Poor, xếp hạng tín nhiệm là những ý kiến đánh giá hướng

về tương lai về rủi ro tín dụng Hạng tín dụng của S&P thể hiện đánh giá về khảnăng và mức sẵn lòng của người đi vay, như là các công ty, bang hay Chính phủtrong việc hoàn trả các nghĩa vụ tài chính một cách đầy đủ và đúng hạn (Theohttp://www.standardandpoors.com/ratings/definitions-and-faqs/en/us)

Theo Moody's, xếp hạng tín nhiệm là những ý kiến đánh giá về chất lượng tíndụng và khả năng thanh toán nợ của chủ thể đi vay dựa trên những phân tích tíndụng cơ bản và biểu hiện thông qua hệ thống ký hiệu Aaa-C

Theo chuyên trang Từ điển về tài chính Investopedia, Xếp hạng tín dụng là việcđánh giá mức đáng tin cậy trong tín dụng của cá nhân và doanh nghiệp, nó được dựatrên lịch sử vay và trả tiền cũng như mức độ có sẵn của tài sản bảo đảm và tình trạng

nợ của chủ thể (Theo http://www.investopedia.com/terms/c/creditrating.aspx)

Như vậy, định nghĩa về Xếp hạng tín dụng khá đa dạng, nhưng tựu chung lại

có thể thấy đặc điểm chung trong định nghĩa về Xếp hạng tín dụng đều nhằm việcđánh giá khả năng trả nợ đầy đủ và đúng hạn của chủ thể được xếp hạng Trongluận văn này, Xếp hạng tín dụng được định nghĩa là việc phân loại, đánh giá khảnăng chủ thể đi vay có thể thực hiện hoàn trả các nghĩa vụ đã cam kết một cách đầy

đủ và đúng hạn

1.2 Mục đích của xếp hạng tín dụng

Mục đích chung của xếp hạng tín dụng là nhằm đánh giá khả năng thực hiệnđầy đủ nghĩa vụ của chủ thể được đánh giá trong một khoảng thời gian nhất định.Chủ thể được đánh giá trong xếp hạng tín dụng khá đa dạng như:

- Chính phủ các quốc gia khi các quốc gia này phát hành trái phiếu trên thịtrường quốc tế

- Các doanh nghiệp phát hành trái phiếu để huy động vốn

- Các doanh nghiệp/cá nhân khi vay vốn tại các tổ chức tín dụng…

Trong giới hạn của luận văn này, đề tài tập trung trình bày về cách thức xâydựng mô hình xếp hạng tín dụng cho khách hàng doanh nghiệp tại các ngân hàngthương mại

Mô hình xếp hạng tín dụng nội bộ tại mỗi ngân hàng được xây dựng với nhiềumục đích:

Thứ nhất: Mục đích cơ bản và hàng đầu của mô hình xếp hạng tín dụng làđánh giá và phân biệt khả năng có nợ quá hạn trong tương lai của các khách hàng.Trong hoạt động cho vay, các ngân hàng đã phải bỏ ra nhiều chi phí cho thiết lập vàduy trì một hệ thống các chuyên gia làm nhiệm vụ thẩm định khách hàng và phêduyệt khoản vay, mà công việc chính của bộ phận đó là lọc và loại bỏ được cáckhách hàng có tiềm năng trả nợ thấp Một mô hình xếp hạng tốt sẽ phân biệt đượckhách hàng tốt và khách hàng xấu một cách tự động và chính xác hơn, giảm thiểuđược rất nhiều rủi ro cho ngân hàng thông qua việc loại bỏ ngay từ đầu nhữngkhách hàng có khả năng cao sẽ không đủ khả năng để trả nợ cho ngân hàng

Thứ hai: Kết quả của mô hình xếp hạng tín dụng trở thành công cụ phát triểnkinh doanh và thu hút khách hàng Không chỉ loại bỏ được khách hàng xấu, đối vớinhững khách hàng có thể cho vay vốn, mô hình xếp hạng còn phân biệt được mức

độ tốt/ xấu của các khách hàng này, khách hàng tốt hơn là các khách hàng có khảnăng quá hạn thấp hơn, dựa trên khả năng phân loại này của mô hình xếp hạng,ngân hàng sẽ xây dựng và áp dụng đúng các chính sách về lãi suất, yêu cầu tài sảnbảo đảm, thời gian xử lý hồ sơ… cho từng đối tượng khách hàng khách nhau để vừathu hút được những khách hàng tốt (ví dụ như sẵn sàng giảm lãi suất, giảm yêu cầu

về TSBĐ hay xử lý nhanh các hồ sơ cho khách hàng có hạng đặc biệt cao) mà vẫn

có thể tăng doanh thu từ việc đánh phí/lãi suất cao hơn với các khách hàng xấu hơn.Thứ ba: Hạng khách hàng là công cụ hỗ trợ quản trị rủi ro ngân hàng theo

thông lệ quốc tế Để đảm bảo an toàn trong hoạt động của ngân hàng thương mại, cácthông lệ quốc tế cũng như theo quy định cụ thể của NHNN, các ngân hàng sẽ phảithực hiện tính toán mức lỗ kì vọng (Expected Loss – EL) cho danh mục của ngânhàng và thực hiện trích lập dự phòng theo mức độ rủi ro của khách hàng Hiện tại, khithực hiện trích lập dự phòng rủi ro, các ngân hàng được phép lựa chọn trích lập theophương pháp định lượng (dựa trên loại nợ hình thành từ số ngày quá hạn thực tế củakhách hàng) hoặc phương pháp định tính (dựa trên đánh giá về khả năng trả nợ củakhách hàng bằng việc thực hiện xếp hạng khách hàng), mặc dù phương pháp địnhlượng được sử dụng phổ biến tuy nhiên nó ẩn chứa rủi ro do việc trích lập dự phòngnày xảy ra sau khi khách hàng đã quá hạn, như vậy việc trích lập dự phòng này chỉmang tính chất “chữa cháy” khi sự kiện đã xảy ra mà không hề tính toán trước được,các ngân hàng sẽ có khả năng bị động khi phải trích lập dự phòng, điều này sẽ ảnhhưởng lên kế hoạch kinh doanh của ngân hàng Khi sử dụng hệ thống xếp hạng cókhả năng dự báo tốt, ngay từ thời điểm cho khách hàng vay, ngân hàng đã lườngtrước được mức độ rủi ro của khách hàng, từ đó có thể trích lập hoặc lên kế hoạchtrích lập ngay một cách chủ động, điều này sẽ góp phần vào duy trì một hoạt động ổnđịnh và có thể lường trước được - đặc biệt về lợi nhuận – cho các ngân hàng.

1.3 Đặc điểm và đối tượng xếp hạng tín dụng

Việc thực hiện xếp hạng tín dụng có một số đặc điểm sau:

- Xếp hạng tín dụng được thực hiện dựa trên các thông tin thu thập được từ đốitượng được xếp hạng, các thông tin này có thể do chính đối tượng được xếp hạngcung cấp hoặc do chủ thể thực hiện xếp hạng điều tra, tổng hợp từ các nguồn thôngtin mà chủ thể xếp hạng có

- Các yếu tố đánh giá xếp hạng phong phú, mức độ ảnh hưởng của từng nhómchỉ tiêu lên kết quả xếp hạng phụ thuộc vào đánh giá và phân tích của từng chủ thểxếp hạng cũng như từng nhóm đối tượng được xếp hạng khác nhau

- Xếp hạng tín dụng là đánh giá của riêng chủ thể thực hiện xếp hạng cho đốitượng được xếp hạng trong một khoảng thời gian cụ thể, kết quả xếp hạng có thểthay đổi khi thông tin đầu vào thay đổi

Đối tượng xếp hạng tín dụng: Việc thực hiện xếp hạng tín dụng nhằm đánh giákhả năng người vay tiền hoàn trả đầy đủ nợ gốc và nợ lãi theo đúng thời hạn camkết, vì vậy đối tượng thực hiện xếp hạng tín dụng là các chủ thể có nhu cầu chongười khác vay vốn, đó có thể là:

- Các quốc gia, các tổ chức đại diện cho Chính phủ thực hiện xếp hạng tíndụng khi có nhu cầu cho các chủ thể khác vay vốn

- Các tổ chức xếp hạng chuyên nghiệp: Đây là các tổ chức có uy tín, được tínnhiệm, thực hiện xếp hạng các quốc gia cũng như các công ty trên thị trường

- Các ngân hàng, tổ chức tài chính: Thực hiện xếp hạng khách hàng của mìnhkhách hàng có nhu cầu vay vốn, thường các kết quả này chỉ được sử dụng nội bộ

mà không được các tổ chức khác thừa nhận

1.4 Các nhân tố cần đánh giá khi xếp hạng tín dụng

Phần căn bản nhất của một hệ thống xếp hạng tín dụng chính là bộ các tiêu chí

và cách thức kết hợp để đánh giá khách hàng, bộ chỉ tiêu sẽ ảnh hưởng trực tiếp lênkhả năng phân biệt khách hàng của mô hình xếp hạng Chính vì vậy, Hiệp ước vềvốn Basel 2 cũng đã yêu cầu các ước lượng về PD phải tổng hợp được các thông tin

có sẵn và phù hợp, các ngân hàng có thể sử dụng dữ liệu nội bộ và dữ liệu từ bênngoài để đánh giá khách hàng

Đối với một khách hàng, có một số nhóm thông tin có thể được sử dụng đểđánh giá khách hàng như:

- Thông tin tài chính: Thể hiện kết quả hoạt động kinh doanh cũng như hoạtđộng sản xuất cụ thể của doanh nghiệp

- Thông tin nhân khẩu học: Mang các thông tin về cơ cấu tổ chức, lịch sử hìnhthành, sứ mệnh tầm nhìn của doanh nghiệp, cơ cấu và chất lượng ban lãnh đạo,thông tin về khách hàng của doanh nghiệp được xếp hạng, nguồn cung cấp đầu vào,tiêu thụ đầu ra…

- Thông tin thể hiện đặc điểm khác của khách hàng như lịch sử giao dịch củakhách hàng với các tổ chức tín dụng cũng như với chính ngân hàng hiện tại

Các thông tin được sử dụng nên bao quát tất cả các đặc điểm của doanh nghiệp

và tận dụng được các nguồn dữ liệu có sẵn trong ngân hàng cũng như giữa các ngânhàng để kết quả đánh giá phản ánh đầy đủ và chính xác đặc thù của doanh nghiệp.

- Phương pháp thống kê: Là phương pháp dựa trên dữ liệu, sử dụng toán học

để đánh giá và xác định bộ chỉ tiêu xếp hạng tín dụng Mô hình xếp hạng tín dụngtheo phương pháp thống kê được chia thành nhiều dạng khác nhau tùy thuộc vàomức độ đầy đủ, chất lượng và đặc điểm của dữ liệu:

Phân tích khác biệt

Mô hình hồi quy

Mô hình Hazard

Mô hình Mạng nơ ron

Mô hình Cây quyết định

(Nguồn: [7])

Tùy thuộc vào đặc điểm của từng bộ dữ liệu, dạng mô hình phù hợp sẽ được

sử dụng để tối đa hóa hiệu quả cảnh báo Bên cạnh đó, để nâng cao khả năng dự báocủa mô hình, các bước xử lý và biến đổi dữ liệu luôn là một phần quan trọng trongviệc xây dựng mô hình xếp hạng tín dụng, trong cùng một điều kiện về chất lượng

dữ liệu, đây chính là những điểm khác biệt và có thể coi là “công nghệ riêng”, quyết

định mức độ thành công của hệ thống xếp hạng tín dụng của từng tổ chức xếp hạng.

1.6 Quy trình xếp hạng tín dụng và Triển khai ứng dụng mô hình xếp hạng tín dụng trong Kinh doanh và Quản trị của Ngân hàng thương mại

Việc xây dựng mô hình xếp hạng tín dụng nhằm đánh giá khả năng trả nợ củakhách hàng có ý nghĩa với các ngân hàng thương mại không những trên góc độ tuânthủ các chuẩn mực quốc tế và chuẩn mực của Ngân hàng Nhà nước (NHNN) màtrước mắt phục vụ chính cho hoạt động của Ngân hàng đó Tuy nhiên, để đạt đượcnhững mục tiêu này, việc triển khai ứng dụng thành công hệ thống xếp hạng là nộidung quan trọng không kém so với việc xây dựng mô hình xếp hạng

Các công việc một tổ chức cần thực hiện để triển khai ứng dụng thành công hệthống xếp hạng tín dụng nội bộ:

- Xây dựng các chính sách liên quan đến hạng khách hàng: Mục đích của xếphạng tín dụng là đánh giá và phân biệt được khách hàng tốt/xấu để từ đó có cơ sở đểđưa ra chính sách kinh doanh phù hợp vừa giúp thu hút khách hàng tốt và tăng thu

bù đắp rủi ro đối với khách hàng xấu Một số chính sách có thể áp dụng sau khi cóhạng khách hàng:

Chính sách phê duyệt nhanh: Theo quy trình phê duyệt hồ sơ ở các ngânhàng hiện nay, việc thẩm định hồ sơ để đưa ra quyết định cho vay được thực hiệnriêng lẻ cho từng hồ sơ riêng lẻ, việc này dẫn đến thời gian phê duyệt xử lý dài vàđưa ra quyết định cho vay chậm, đôi khi ảnh hưởng đến hoạt động của khách hàng.Khi có hạng khách hàng, ngân hàng sẽ nhận biết được những khách hàng tốt, rủi rothấp, những khách hàng này có thể không cần tiếp tục thẩm định theo phương phápthông thường mà sẽ được ưu tiên phê duyệt nhanh hơn, rút ngắn thời gian xử lý hồ

sơ trong khi không làm tăng rủi ro cho ngân hàng

Chính sách về tài sản bảo đảm: Khách hàng hạng cao có rủi ro thấp, khảnăng xảy ra hiện tượng không đòi được nợ thấp vì vậy có thể áp dụng chính sáchyêu cầu TSBĐ ở mức thấp để thu hút khách hàng Các khách hàng ở mức rủi ro caohơn nếu theo phương pháp thẩm định thông thường sẽ thường bị từ chối, nhưng khi

có hạng khách hàng, có được khả năng xảy ra nợ quá hạn và có cơ sở để tính được

thông tin về mức lỗ ngân hàng có thể có khi cho khách hàng vay, ngân hàng sẽ tínhtoán được mức độ tăng yêu cầu tài sản bảo đảm để khách hàng được vay – vừa thỏamãn nhu cầu vốn của khách hàng vừa không có thêm rủi ro do rủi ro đã được TSBĐtăng thêm đảm bảo.

Chính sách về Giá: Tương tự như với TSBĐ, ngân hàng có thể áp dụng chínhsách giá khác nhau có khách hàng có mức độ rủi ro khác nhau, khách hàng có rủi rothấp có thể giảm lãi suất và phí để thu hút, phần lãi suất thu được ít đi của mỗikhách hàng sẽ được bù đắp bởi số lượng khách hàng tăng lên Khách hàng xấu hơnvẫn có thể được vay khi chấp nhận trả lãi suất và phí cao hơn, mức thu chênh lệchnày sẽ giúp bù đắp các chi phí có thể phát sinh khi có nợ quá hạn

- Xây dựng quy trình xếp hạng: Miêu tả các bước cần thực hiện để tính đượchạng khách hàng, các yêu cầu đối với việc thu thập thông tin, kiểm soát chất lượng

dữ liệu đầu vào, đánh giá điều chỉnh hạng khách hàng…

- Xây dựng quy định về hệ thống xếp hạng: Quy định chi tiết về tiêu chuẩncủa mô hình xếp hạng, hệ thống báo cáo theo dõi triển khai cũng như kết quả môhình, thẩm quyền điều chỉnh, ban hành hệ thống xếp hạng, quy định kiểm định môhình… Các văn bản này sẽ quy định và kiểm soát để đảm bảo hệ thống xếp hạngphải tuân theo những quy tắc thống nhất và có khả năng dự báo ổn định, tránh xảy

ra hiện tượng chất lượng dự báo suy giảm cũng như là việc thay đổi hệ thống xếphạng mà không lương trước được ảnh hưởng tiêu cực lên hoạt động kinh doanhcủa ngân hàng

[Nguồn: Luận văn của tác giả]

Hình 1.1 Quy trình xếp hạng và ứng dụng mô hình xếp hạng vào hoạt động kinh doanh

1.7 Thực trạng hệ thống xếp hạng tín dụng khách hàng tại Ngân hàng Thương mại cổ phần Kỹ thương Việt Nam - Techcombank

Ngân hàng Techcombank đã bắt đầu xây dựng hệ thống xếp hạng tín dụng chokhách hàng từ năm 2006 Ban đầu Hệ thống xếp hạng được xây dựng bằng phươngpháp chuyên gia dựa trên kinh nghiệm, từ năm 2009, Ngân hàng đã bắt đầu xây dựng

và sử dụng mô hình xếp hạng tín dụng bằng phương pháp thống kê với dữ liệu thựccủa Ngân hàng Các mô hình xếp hạng ở TCB đã sử dụng được tối đa các thông tin

có thể tiếp cận như: Thông tin về tình hình hoạt động sản xuất kinh doanh của kháchhàng thông qua BCTC, Thông tin chung của doanh nghiệp, Các thông tin về lịch sửgiao dịch của khách hàng với các tổ chức tín dụng nói chung cũng như với TCB nóiriêng Đến năm 2013, Hệ thống xếp hạng tín dụng tại TCB được đánh giá là khá đầy

đủ so với các ngân hàng trong thị trường, hệ thống xếp hạng bao gồm:

- Các mô hình xếp hạng cho các đối tượng khách hàng khác nhau

- Hệ thống các văn bản hỗ trợ triển khai hệ thống xếp hạng được ban hành đầy

đủ theo quy định của NHNN, bao gồm: Quy định, quy trình và hướng dẫn xếp hạngtín dụng

- Các chính sách về Giá, TSBĐ, quy trình xử lý hồ sơ Theo đó, các kháchhàng có các hạng khác nhau – tương đương với mức độ rủi ro khác nhau – sẽ đượcđối xử khác nhau theo hướng khách hàng càng tốt càng được hưởng nhiều chínhsách ưu đãi

Tuy nhiên, Hệ thống xếp hạng tại TCB vẫn còn gặp một số khó khăn như sau:

- Độ ổn định của mô hình xếp hạng chưa cao, khả năng dự báo của các chỉ tiêu

có xu hướng suy giảm theo thời gian

- Thiếu dữ liệu: Mô hình xếp hạng được xây dựng dựa trên dữ liệu khách hàngthực tế của ngân hàng tuy nhiên thời gian theo dõi chưa đủ dài (theo chuẩn Basel 2,

để xây dựng mô hình PD, ngân hàng cần tối thiểu 5 năm dữ liệu đầy đủ, tuy nhiên

dữ liệu tai TCB thu thập không đầy đủ và chưa đủ 5 năm), kích thước mẫu được sửdụng xây dựng mô hình khá nhỏ do số lượng khách hàng đặc biệt khách hàng xấuchưa đủ lớn

- Các chính sách mới chỉ được áp dụng cho 1 số mức hạng và 1 số đối tượngkhách hàng nhất định, thường là những khách hàng có doanh số hoặc quy mô nhỏgây ra khó khăn trong quá trính đánh giá hiệu quả thực sự của chính sách.

- Gặp khó khăn do kết quả xếp hạng thường chặt hơn so với kết quả xếp hạngbằng mô hình chuyên gia tại các ngân hàng khác

Những khó khăn này xuất phát từ cả chủ quan lẫn khách quan và cần đượckhắc phục nhằm tăng hiệu quả của hệ thống xếp hạng tín dụng

CHƯƠNG 2: PHƯƠNG PHÁP XÂY DỰNG MÔ HÌNH

XẾP HẠNG TÍN DỤNG

Như đã trình bày ở phần trên, có 2 phương pháp xếp hạng khách hàng, đó là:

- Phương pháp chuyên gia: Xây dựng các chỉ tiêu đánh giá khả năng có nợ quáhạn của khách hàng dựa trên kinh nghiệm

- Phương pháp thống kê: Xây dựng mô hình đánh giá khả năng có nợ quá hạncủa khách hàng dựa trên dữ liệu và các phương pháp toán học

Do phạm vi và mục đích của đề tài, trong luận văn này, tác giả chỉ tập trungtrình bày về một số phương pháp thống kê được sử dụng trong xếp hạng tín dụngkhách hàng doanh nghiệp tại các ngân hàng thương mại Các phương pháp đóbao gồm:

- Phương pháp phân tích khác biệt

- Phương pháp hồi quy logistic

- Phương pháp phân tích định tính

Nhằm đánh giá, lựa chọn và điều chỉnh mô hình xếp hạng tín dụng phù hợp,Chương II của luận văn cũng trình bày them về:

- Các tiêu chuẩn đánh giá mô hình

- Kĩ thuật điều chỉnh mô hình

- Phương pháp phân lớp khách hàng

2.1 Xếp hạng khách hàng dựa trên phương pháp thống kê

2.1.1 Phương pháp phân tích khác biệt

Ý tưởng cơ bản:

Phương pháp phân tích khác biệt nhằm xây dựng một hàm phân biệt có khảnăng phân biệt tối đa một tiêu thức định tính nhất định Hàm phân biệt được tổnghợp từ các biến giải thích được cho là có khả năng ảnh hưởng lên tiêu thức định tínhbằng phép chiếu trong không gian tuyến tính, các biến được lựa chọn lần lượt lànhững biến phân biệt được tiêu thức định tính cao nhất

Biến đổi toán học:(Nguồn: [5])

Bài toán Phân tích khác biệt cần phải tìm các biến (các trục) và cách thức tổhợp giữa các trục để sau khi sử dụng các trục và cách thức tổ hợp này để phân lớp(thành các đám mây), ảnh của tâm các đám mây khi chiếu lên trục phải khác nhau

và quán tính được bảo toàn tối đa

Giả sử có một tập hợp n các doanh nghiệp và được phân loại thành 2 nhóm:

- Nhóm 1 – Có nguy cơ phá sản

- Nhóm 2 – Không có nguy cơ phá sản

Với mỗi cá thể trong n doanh nghiệp, ta đều có m thông tin thể hiện đặc điểmcủa doanh nghiệp, kí hiệu X1 ,X2 ,X3 , …Xm

Phân tích khác biệt thực hiện tìm p trục cùng với cách tổ hợp để phân chia tốtnhất các cá thể quan sát được qua các phép chiếu Với mỗi trục trong p trục, thựchiện phép chiếu vuông góc các đám mây lên trục, một trục có khả năng phân biệt tốt

là trục sau khi được chiếu lên, phân bố điểm ảnh của 2 đám mây (Có và Không cónguy cơ phá sản) rất khác nhau trên trục đó

Cách xác định các trục:

Trong không gian p chiều, xác định một metric M (có thể là Ma trận Hiệpphương sai hoặc Ma trận Hệ số tương quan), với trục phân biệt a ta có véc tơ u – gọi

là nhân tố: u=Ma Biến phân biệt c=Xu

Khi chiếu đám mây điểm lên a, nếu a là một trục có khả năng phân biệt, ảnhcủa các tâm phải khác nhau đồng thời quán tính của các đám mây Ej theo gj phảiđược bảo toàn tối đa

Khi chiếu lên a:

- Ma trận quán tính của đám mây ảnh là aTMBMa

- Phần quán tính bảo toàn được của các đám mây Ej là aTMVjMa với j=1,2…kCần tìm a để cực tiểu hóa trung bình quán tính trong mỗi đám mây ảnh đượcxác định bởi công thức:

1

k

j j j

Do đó có thể chuyển bài toán cực tiểu trung bình quán tính trong mỗi đámmây ảnh thành bài toán: Cực đại tỷ lệ Quán tính giữa các nhóm và Tổng quán tính,tức là tìm a sao cho:

ax

T T

a MBMa M

Đọc kết quả, các chỉ tiêu thể hiện khả năng cảnh báo, sai số

Phân tích khác biệt được sử dụng phân tích trên những bộ dữ liệu lớn Quátrình phân tích cần sử dụng những phép biến đổi trong không gian tuyến tính, việctính toán các véc tơ riêng, giá trị đặc trưng là các phép tính toán phức tạp và cần sự

hỗ trợ của các công cụ thống kê chuyên dụng Toàn bộ quá trình tính toán của Phântích khác biệt hiện nay đã được thiết kế trên các phần mềm thống kê như SPSS,SAS, Matlab, người sử dụng có thể đọc kết quả, đánh giá khả năng phân biệt từ kếtquả của chương trình

2.1.2 Phương pháp hồi quy logistic (Logit – Goldberger)

Phương pháp Hồi quy Logistic thường được nhắc đến với 2 mô hình phổ biến

là Logit và Probit, trong luận văn này, tác giả trình bày và sử dụng Mô hình Logitcủa Goldberger

Biến đổi toán học:(Nguồn: [1])

Mô hình Logit sử dụng hàm phân bố logistic để xác định xác suất phá sản:

X Y X

i

X X

Một số phương pháp được sử dụng trong thực hành

Trong quá trình thực hành, Hồi quy Logistic được hỗ trợ thực hiện trên nhiềuphần mềm thống kê như Eviews, SPSS, SAS, Matlab Ngoài việc cho phép người

sử dụng ước lượng mô hình, các chương trình này còn cho phép người sử dụng lựachọn cách thức chạy hồi quy phù hợp

Có 3 phương pháp thường được sử dụng trong Hồi quy nói chung và Hồi quyLogistic nói riêng:

- Phương pháp Backward: Tất cả các tiêu chí được đưa vào mô hình và loạidần từng chỉ tiêu ra khỏi mô hình theo một tiêu chuẩn loại trừ nhất định(LR/Conditional/Ward), chỉ tiêu được cân nhắc đưa ra khỏi mô hình nếu việc đưachỉ tiêu đó ra khỏi mô hình không làm ảnh hưởng nhiều đến khả năng dự báo của

mô hình

- Phương pháp Forward: Biến tốt nhất (theo một tiêu chí nhất định nhưLR/Conditional/Ward) được lựa chọn và đưa vào mô hình trước, sau đó lần lượttừng biến được lựa chọn để tiếp tục đưa vào mô hình Quá trình dừng lại khi nếutiếp tục thêm biến, khả năng dự báo không tăng/tăng không đáng kể

- Phương pháp Stepwise: Đây là phương pháp kết hợp giữa Backward vàForward.Chỉ tiêu đầu tiên được chọn để đưa vào mô hình hồi quy giống phươngpháp đưa vào dần, nếu nó không thỏa mãn tiêu chuẩn vào thì thủ tục này sẽ chấmdứt và không có chỉ tiêu nào được lựa chọn trong mô hình Nếu nó thỏa mãn tiêuchuẩn vào thì chỉ tiêu có khả năng dự báo tốt thứ 2 được lựa chọn Nếu chỉ tiêu thứ

2 thỏa mãn tiêu chuẩn vào thì nó cũng sẽ đi vào mô hình hồi quy Sau đó, dựa vàotiêu chuẩn ra để xem xét chỉ tiêu thứ nhất có phải loại bỏ khỏi mô hình hồi quy haykhông Tiếp theo đó, các chỉ tiêu không ở trong mô hình hồi quy được xem xét đểđưa vào theo thứ tự ưu tiên chỉ tiêu có khả năng dự báo cao hơn Sau mỗi bước, cácchỉ tiêu ở trong mô hình hồi quy được xem xét để loại trừ ra cho đến khi không cònchỉ tiêu nào thỏa mãn tiêu chuẩn ra thì quá trình hồi quy theo phương pháp Stepwise

khách hàng: Phương pháp phân tích định tính Mặc dù trong tên của phương pháp

có chứa cụm từ “định tính” có thể khiến người đọc liên tưởng đến phương phápchuyên gia trong xây dựng mô hình xếp hạng, tuy nhiên bản chất của phương phápphân tích định tính là phương pháp thống kê dựa trên dữ liệu và các thống kê toánhọc bao gồm cả hồi quy logistic, nhưng điểm khác biệt là: trong phương pháp này

có một số bước biến đổi dữ liệu và phân tích trung gian bằng một số chỉ tiêu thống

kê được thực hiện riêng cho từng chỉ tiêu trước khi thực hiện hồi quy logistic

2.1.3.1 Đối tượng áp dụng

Phương pháp phân tích định tính được áp dụng cho cả các biến định tính vàđịnh lượng

2.1.3.2 Các bước xử lý

Phương pháp phân tích định tính bao gồm các bước sau:

- Biến đổi dữ liệu và phân tích xu hướng

(Các từ khóa: Transform, Bucket và Scoring)

- Đánh giá khả năng phân biệt bằng:

 Các chỉ tiêu thống kê (Discriminatory Power Statistics)

(Các từ khóa: ND, IV)

 Các kiểm định thống kê (Statistic Test): Hồi quy logistic

- Lựa chọn các chỉ tiêu trong mô hình xếp hạng

a Biến đổi dữ liệu và phân tích xu hướng

Phương pháp Biến đổi (Transform) và phân tích xu hướng được thực hiệnkhác nhau giữa biến định tính và biến định lượng

 Biến định lượng

Đối với biến định lượng, do đặc điểm giá trị các biến định lượng có khoảngbiến động rộng và không đồng nhất, vì vậy để độ lớn của các hệ số góc của các biếnđịnh lượng trong mô hình xếp hạng có khả năng so sánh tương đối với nhau, cácbiến định lượng thường được biến đổi đưa về cùng một thang đo nhất định thôngqua một hàm số có khả năng đại diện cho đặc điểm dữ liệu của chính chỉ tiêu đó.Mục đích: Dạng hàm được sử dụng để biến đổi sẽ được lựa chọn để: Thể hiệnđược tốt nhất mối quan hệ giữa giá trị biến và tỉ lệ khách hàng xấu (Bad rate) trong

khi giữ nguyên bản chất dữ liệu.

Ví dụ: Khi sử dụng dữ liệu của khách hàng tại một ngân hàng thương mại đểphân tích, kết quả thực nghiệm cho thấy biến ROE – Khả năng sinh lời trên vốn chủ

sở hữu – có quan hệ với đường Tỉ lệ khách hàng xấu (Bad rate) tuân theo hàm y =1/(x-1.1)2, trong đó x là ROE, y là tỉ lệ khách hàng xấu:

- Ban đầu khi ROE tăng, tỉ lệ khách hàng xấu giảm xuống - thể hiện tình hìnhhoạt động kinh doanh tốt của đối tượng được xếp hạng

- Tuy nhiên khi ROE vượt quá một ngưỡng nhất định, ROE tiếp tục tăng, tỉ

lệ khách hàng xấu tăng lên, điều này được lý giải như sau: ROE cao là do vốn chủ

sở hữu của đối tượng được xếp hạng quá thấp chứ không xuất phát từ lợi nhuận, đây

là một dấu hiệu thể hiện rủi ro tiềm ẩn có thể xảy ra đối với đối tượng xếp hạng.Như vậy sau khi xác định được mối quan hệ giữa ROE và đường tỉ lệ kháchhàng xấu, sẽ thực hiện biến đổi dạng hàm của ROE sang dạng hàm 1/(x-1.1)2, mặc

dù sau khi biến đổi theo dạng hàm này, thứ tự biến gốc bị thay đổi do x và (-x) sẽcùng được gán bằng y, tuy nhiên điều này không quan trọng vì 2 giá trị này cùngmang một mức độ rủi ro như nhau

Tuy nhiên, có thể nhận thấy, khi thực hiện cách lựa chọn hàm biến đổi nhưtrên có 2 nhược điểm:

- Dễ dẫn đến hiện tượng over-fitting: Hiện tượng over-fitting là hiện tượng khihàm mô phỏng được lựa chọn quá phù hợp với bộ dữ liệu hiện tại nhưng không thểhiện được bản chất thật của dữ liệu tổng thể do việc lựa chọn mẫu chưa hoàn hảo,đây là vấn đề rất thường gặp khi các ước lượng được xây dựng trên dữ liệu mẫu,người thực hiện không có dữ liệu của tổng thể hoặc có dữ liệu của tổng thể nhưng

đó là tại một thời điểm và đặc điểm dữ liệu thay đổi theo thời gian

- Hàm biến đổi chỉ mang tính chất toán học mà rất khó giải thích được bằng ýnghĩa kinh tế

Vì vậy trong luận văn này:

- Với mục đích giữ nguyên thứ tự của quan sát sau khi biến đổi, không làm sailệch dữ liệu không gây lên hiện tượng over-fitting

- Các biến tài chính sẽ được đưa về cùng một thang đo và biến động trong

khoảng [0,1]

- Kì vọng mối quan hệ giữa đường tỉ lệ khách hàng xấu và Giá trị biến độc lập

có quan hệ đơn điệu (Khi giá trị biến độc lập càng tăng thì đường tỉ lệ khách hàngxấu càng tăng hoặc càng giảm)

các biến tài chính sẽ được biến đổi về dạng hàm logistic, theo đó,

 Biến Định tính

Định nghĩa: Biến Định tính trong luận văn này được định nghĩa là:

- Những biến mà số lượng phương án trả lời bị giới hạn do đặc tính của chínhbiến đó hoặc

- Những biến có nhiều đến vô hạn phương án trả lời nhưng các phương án nàyđược nhóm thành một số phương án do đặc điểm của biến quan sát

[Nguồn: Từ luận văn của tác giả]

- Biến Doanh số Ghi có của khách hàng vào tài khoản trong vòng một tháng,

về mặt lý thuyết giá trị này có thể biến động liên tục từ -∞ đến +∞, hoàn toàn có thể

định nghĩa biến Ghi có là một biến định lượng như một biến trong báo cáo tài chính,tuy nhiên do đặc điểm của dữ liệu, thực tế không phải khách hàng nào cũng có ghi

có và hầu hết khách hàng khi có ghi có, giá trị ghi có chỉ biến động trong mộtkhoảng nhỏ và rất ít vượt qua giá trị đó, nếu gán các biến này như biến định lượng

và thực hiện phân tích như biến định lượng, có thể xảy ra sai lệch do ảnh hưởng củacác quan sát có giá trị quá lớn (đây là những giá trị không thể gán vào outlier do đây

là những giá trị chính xác, không phải sai số và thường chiếm tỉ lệ > ngưỡng cutoutlier cho phép), vì vậy khi xử lý với kiểu giá trị này, có thể biến đổi để đưa biến

[Nguồn: Từ luận văn của tác giả]

Đặc điểm cơ bản của các biến định tính

- Các phương án trả lời đều ở dưới dạng định tính – chưa được lượng hóa hoặcmới chỉ dừng lại ở mức độ số hóa (tức là gán cho mỗi phương án trả lời một giá trị

“số” đại diện 1/2/3/4…)

- Hoặc dữ liệu gốc đã tồn tại dưới dạng số (như ví dụ biến Ghi có ở trên), tuynhiên cần phải gộp các giá trị này vào 1 số khoảng nhất định, mã hóa và phân tíchdựa trên giá trị đã được mã hóa đó thì mới thể hiện được bản chất của dữ liệu

Việc gán giá trị “số” đại diện cho mỗi phương án trả lời theo số thứ tự theomột quy luật xác định trước (1/2/3/4 hay 1/3/6/9…) có hạn chế:

- Chưa phản ánh được sự khác nhau về mức độ rủi ro của mỗi phương án trảlời

- Số lượng phương án trả lời có thể tại mỗi câu hỏi khác nhau là khác nhau vìvậy có thể gây khó khăn cho việc cho điểm hoặc việc cho điểm sẽ không “công

bằng” giữa các câu hỏi

Ví dụ: một bộ câu hỏi có 2 câu hỏi:

Câu hỏi 1 (QS1): có 3 phương án trả lời, điểm số được cho tương ứng là 1/2/3,trung bình 1 phương án có mức rủi ro trung bình được gán 2 điểm

Câu hỏi 2 (QS2): Có 5 phương án trả lời, điểm số được gán tương ứng là1/2/3/4/5, trung bình 1 phương án có mức độ rủi ro trung bình được gán 3điểm

Như vậy giả sử 2 câu hỏi này có cùng mức ảnh hưởng lên độ rủi ro của kháchhàng, 2 khách hàng cùng đều trả lời ở mức độ rủi ro trung bình, nhưng 1 kháchhàng có mức rủi ro trung bình trong câu hỏi QS1 và 1 khách hàng có mức rủi

ro trung bình trong QS2, như vậy việc 2 khách hàng bị gán hai mức điểm khácnhau là không hợp lý và gây ra sai lệch trong đánh giá khách hàng

Các vấn đề cần xử lý với biến định tính:

- Nhóm các phương án trả lời (Bucket): Mỗi câu hỏi định tính có thể có nhiềuphương án lựa chọn, nhưng mức độ rủi ro trung bình của khách hàng khi lựa chọnmỗi đáp án có thể không khác nhau và không thể hiện rõ quy luật, vì vậy để thuậnlợi cho việc đánh giá mức độ rủi ro của khách hàng, các phương án trả lời của biếnđịnh tính cần được nhóm vào 1 số nhóm để đảm bảo các khách hàng có đặc điểm:

 Giống nhau khi trong cùng một nhóm

 Khác nhau giữa các nhóm và

 Tỉ lệ khách hàng xấu đồng nhất tuân theo cùng một xu hướng khi dịchchuyển giữa các nhóm, cụ thể: Tỉ lệ khách hàng xấu trong mỗi nhómsau khi được nhóm lại phải khác nhau (đo lường cụ thể trong mục sau)

và đơn điệu tăng khi biến chuyển từ nhóm ít rủi ro hơn về nhóm rủi rohơn

Quá trình nhóm các phương án trả lời cần tuân theo một số quy tắc như sau:

 Số lượng nhóm tối thiểu cho mỗi biến định tính: Quy định này phụthuộc vào từng tổ chức, tuy nhiên thông thường một biến định tínhđược giới hạn số nhóm trong khoảng từ 2 đến 5 nhóm