Khóa luận tốt nghiệp: Ứng dụng mô hình Binary Logistic trong xếp hạng tín dụng khách hàng doanh nghiệp vay vốn tại Ngân hàng thương mại cổ phần Công thương Việt Nam, Chi nhánh Thừa Thiên

Đề tài nghiên cứu sự vận dụng mô hình Binary logistic để phân tích và ước lượng sự tác động của các biến chỉ số tài chính và biến chỉ số phi tài chính đến biến phụ thuộc rủi ro tín dụng tại ngân hàng Vietinbank chi nhánh Huế, từ đó tính ra xác suất DN gặp rủi ro tín dụng và xếp hạng tín dụng cho DN vay vốn tại NH. Góp phần giúp ngân hàng đưa ra mức lãi suất cho vay phù hợp đối với từng DN.

DANH MỤC CÁC CHỮ CÁI VIẾT TẮT

DANH MỤC CÁC BẢNG BIỂU

Bảng 2.1

Trụ sở chính và các phòng giao dịch của Ngân hàng TMCP

Bảng 2.2 Báo cáo kết quả hoạt động kinh doanh năm 2013 và 2014 25 Bảng 3.1 Mô tả thống kê các biến trong mô hình ban đầu 37 Bảng 3.2 Kết quả ước lượng mô hình Logistic ban đầu 38 Bảng 3.3 Ma trận tương quan giữa các biến trong mô hình ban đầu 39

Kết quả xếp hạng tín dụng khách hàng doanh nghiệp theo

mô hình logistic và theo quy trình của Vietinbank 56 Trường Đại học Kinh tế Huế

Hình 3.2 Cơ cấu khách hàng doanh nghiệp của Vietinbank

theo thương hiệu

38

Hình 3.3 Cơ cấu khách hàng doanh nghiệp của Vietinbank

theo trình độ quản lý, kinh nghiệm ban lãnh đạo

39

Trường Đại học Kinh tế Huế

MỤC LỤC

PHẦN I: MỞ ĐẦU 1

1 Lý do thực hiện đề tài 1

2 Mục tiêu nghiên cứu 2

2.1 Mục tiêu chung 2

2.2 Mục tiêu cụ thể 2

3 Đối tượng và phạm vi nghiên cứu 3

3.1 Đối tượng nghiên cứu 3

3.2 Phạm vi nghiên cứu 3

3.2.1 Không gian 3

3.2.2 Thời gian 3

4 Phương pháp nghiên cứu 3

5 Kết cấu đề tài 4

CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO TRONG HOẠT ĐỘNG KINH DOANH VÀ NGHIỆP VỤ XẾP HẠNG TÍN DỤNG TRONG NGÂN HÀNG 5

1.1 Rủi ro tín dụng của ngân hàng 5

1.1.1.Khái niệm rủi ro tín dụng 5

1.1.2.Nguyên nhân xảy ra rủi ro tín dụng 5

1.1.3.Hậu quả mà rủi ro tín dụng đối với ngân hàng thương mại 7

1.2 Tổng quan xếp hạng tín dụng 8

1.2.1 Khái niệm xếp hạng tín dụng 8

1.2.2 Phân loại và đối tượng xếp hạng tín dụng 9

1.2.3 Tầm quan trọng của xếp hạng tín dụng 10

1.2.4 Nguyên tắc xếp hạng tín dụng và quy trình xếp hạng tín dụng 10

1.2.5 Các nhân tố ảnh hưởng đến xếp hạng tín dụng 11

Trường Đại học Kinh tế Huế

1.2.6 Quy trình xếp hạng tín dụng 11

1.3 Một số mô hình xếp hạng tín dụng tại các ngân hàng 12

1.3.1 Một số mô hình áp dụng trên thế giới 12

1.3.2 Một số mô hình xếp hạng tín dụng tại Việt Nam 17

1.4 Tổng quan các nghiên cứu trước đây 17

1.4.1 Thực tiễn nghiên cứu ở nước ngoài 17

1.4.2 Thực tiễn nghiên cứu ở Việt Nam 19

1.5 Mô hình binary logistic 20

1.5.1 Đề xuất mô hình 20

1.5.2 Phương pháp sử dụng mô hình trong XHTD 20

1.5.3 Nguyên nhân sử dụng mô hình hồi quy Binary Logistic 21

CHƯƠNG 2: THỰC TRẠNG XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI VIETINBANK CHI NHÁNH HUẾ 22

2.1 Giới thiệu chung về Ngân hàng TMCP Công Thương – Chi nhánh Thừa Thiên Huế (VietinBank – Huế) 22

2.1.1 Sơ lược quá trình hình thành và phát triển Ngân hàng TMCP Công Thương – Chi nhánh Thừa Thiên Huế 22

2.1.2 Các hoạt động chính của VietinBank – Huế 24

2.1.3 Kết quả hoạt động kinh doanh của Vietinbank Huế 24

2.1.4 Thực trạng về quản lý rủi ro tín dụng của Vietinbank 26

2.2 Đối tượng, phạm vi áp dụng xếp hạng tín dụng khách hàng doanh nghiệp của Vietinbank Huế 26

2.2.1 Đối tượng, phạm vi xếp hạng tín dụng 26

2.2.2 Căn cứ đánh giá xếp hạng tín dụng 27

2.3 Quy trình thực hiện xếp hạng tín dụng của hệ thống chấm điểm tín dụng Vietinbank 27

Trường Đại học Kinh tế Huế

CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH BINARY LOGISTIC TRONG XẾP HẠNG

KHÁCH HÀNG DOANH NGHIỆP CỦA VIETINBANK HUẾ 29

3.1 Điều kiện áp dụng và phương pháp phân tích hồi quy Binary Logistic29 3.1.1 Điều kiện áp dụng 29

3.1.2 Phương pháp phân tích 30

3.2 Áp dụng mô hình binary logistic để xếp hạng tín dụng khách hàng doanh nghiệp vay vốn của Vietinbank Huế 31

3.2.1 Mô hình hồi quy Binary logistic 31

3.2.2 Mẫu nghiên cứu 32

3.2.3 Phân tích thông kê về khách hàng doanh nghiệp của Vietinbank Huế 39 3.2.4 Kết quả chạy mô hình 40

3.2.5 Hồi quy mô hình Binary Logistic với đầy đủ 13 biến số: 43

3.2.6 Kiểm tra đa cộng tuyến 44

3.3 Hiệu chỉnh mô hình 47

3.3.1 Kiểm định sự phù hợp của mô hình Logistic 52

3.4 Đánh giá khả năng chuyển đổi hạng của các doanh nghiệp 59

PHẦN III: KẾT LUẬN 61

1 Kết luận – Đóng góp của nghiên cứu 61

4 Kiến nghị 61

2 Hạn chế đề tài 62

5 Hướng phát triển của đề tài 63

PHỤ LỤC 65

Trường Đại học Kinh tế Huế

PHẦN I: MỞ ĐẦU

1 Lý do thực hiện đề tài

Hệ thống ngân hàng chiếm một vị trí quan trọng như là huyết mạch của nền kinh tế với vai trò cung cấp các sản phẩm dịch vụ chủ yếu trong quá trình hoạt động của các doanh nghiệp Trong những năm gần đây nền kinh tế nói chung và đối với

hệ thống Ngân hàng nói riêng đối mặt với 3 nhiệm vụ hết sức nặng nề đó là cơ cấu lại các doanh nghiệp, hoạt động đầu tư và cơ cấu lại hệ thống ngân hàng Cơ cấu lại

hệ thống ngân hàng là một công việc hết sức khó khăn, phức tạp – đây không chỉ là nhiệm vụ của toàn ngành ngân hàng mà trong đó còn là nhiệm vụ của các doanh nghiệp và toàn xã hội Để cơ cấu lại hệ thống ngân hàng đạt kết quả, công việc đầu tiên phải giải quyết tốt và phải giải quyết trước là vấn đề nợ xấu ở các TCTD và NHTM.Tỷ lệ nợ xấu cao như hiện nay là hệ quả tất yếu của nhiều năm chất lượng tín dụng yếu kém ở các NHTM mà một trong những nguyên nhân chính là quản trị rủi ro tín dụng của NHTM yếu kém Do vậy, chúng ta cần quan tâm đến xử lý nợ xấu và đồng thời thực hiện các giải pháp để hạn chế rủi ro tín dụng

Rủi ro tín dụng là một trong những rủi ro lâu đời nhất trong thị trường tài chính, cũng là loại rủi ro lớn nhất, thường xuyên xảy ra và gây hậu quả năng nề nhất đối với hệ thống ngân hàng thương mại Rủi ro tín dụng cũng là loại rủi ro phức tạp

và khó quản lý, phòng tránh nhất, đòi hỏi các ngân hàng phải có những giải pháp hiệu quả mới có thể kiểm soát, ngăn ngừa và giảm thiểu tối đa thiệt hại có thể xảy

ra Một trong những công cụ chínhđể quản trị rủi ro tín dụng là xếp hạng tín dụng Hiện nay, thực tế đã có rất nhiều mô hình về xếp hạng tín dụng khách hàng Các mô hình từ đơn giản đến phức tạp, có mô hình nặng về các chỉ tiêu định tính, có mô hình nặng về các chỉ tiêu định lượng và mỗi một mô hình đều có những ưu thế và những hạn chế nhất định Mô hình chấm điểm tín dụng là một mô hình khá phổ biến đang được thực hiện tại các NHTM Việt Nam, bởi vì mô hình này có nhiều ưu điểm và phù hợp với các NHTM trong điều kiện Việt Nam hiện nay như tận dụng được kinh nghiệm và kiến thức chuyên sâu của các cán bộ tín dụng, các chuyên gia tài chính để phân tích các chỉ tiêu tài chính Việc phân tích dựa trên công nghệ đơn giản, hệ thống lưu trữ thông tin ổn định, sử dụng hồ sơ có sẵn và không mang tính lượng hóa Song hạn chế của mô hình này phụ thuộc vào khả năng dự báo cũng như Trường Đại học Kinh tế Huế

trình độ phân tích, đánh giá của CBTD Đặc biệt mô hình này chịu chi phí cao do tốn nhiều thời gian để đánh giá và đòi hỏi CBTD phải có tính chuyên nghiệp, thâm niên, kỹ năng phân tích tốt Để khắc phục những hạn chế của mô hình chấm điểm

và nâng cao tính khách quan lượng hóa, hiện nay một số ngân hàng tiếp cận qua phương pháp định lượng Mô hình điểm số Z do Altman khởi tạo, mô hình này dùng để do xác suất vỡ nợ của khách hàng thông qua đặc điểm cơ bản của KH Tuy nhiên mô hình này chỉ có độ chính xác cao tại thị trường Mỹ, tại Việt Nam giá trị ước lượng vẫn có độ chính xác chưa cao

Trong bối cảnh các nghiên cứu trong nước và nước ngoài vẫn luôn sử dụng

mô hình logistic để xếp hạng tín dụng doanh nghiệp cho thấy không phải ngẫu nhiên mà các nghiên cứu lại sử dụng mô hình logistic như vậy mà do những ưu điểm lớn mà mô hình đem lại cho kết quả nghiên cứu Mô hình logistic cho phép ngân hàng có thể tính được xác suất khách hàng gặp rủi ro tín dụng từ đó đưa ra mức lãi suất cho vay phù hợp, do đây là mô hình toán học nên độ chính xác cao và không phụ thuộc vào đánh giá chủ quan của CBTD

Vì vậy, nhận thấy tính cần thiết và hữu ích trong việc nghiên cứu vấn đề này,

tôi quyết định lựa chọn đề tài: “ Ứng dụng mô hình Binary Logistic trong xếp hạng tín dụng khách hành doanh nghiệp vay vốn tại Ngân Hàng Thương Mại

Cổ Phần Công Thương Việt Nam, Chi nhánh Thừa Thiên Huế.”

2 Mục tiêu nghiên cứu

2.1 Mục tiêu chung

Vận dụng mô hình Binary logistic để phân tích và ước lượng sự tác động của các biến chỉ số tài chính và biến chỉ số phi tài chính đến biến phụ thuộc rủi ro tín dụng tại ngân hàng Vietinbank chi nhánh Huế, từ đó tính ra xác suất DN gặp rủi ro tín dụng và xếp hạng tín dụng cho DN vay vốn tại NH Góp phần giúp ngân hàng đưa ra mức lãi suất cho vay phù hợp đối với từng DN

- Lựa chọn những chỉ số tài chính của DN thích hợp đề đưa vào mô hình hồi quy, nhằm đưa ra kết quả dự báo chính xác về tình hình rủi ro tín dụng của

DN

- Ước lượng tác động của các biến chỉ tiêu tài chính đến biến rủi ro tín dụng, tính ra xác suất rủi ro tín dung của DN, từ đó xếp hạng tín dụng doanh nghiệp dựa trên mô hình Binary Logistic

- So sánh kết quả mô hình với kết quả chấm điểm của ngân hàng Vietinbank

- Đưa ra các quyết định trên cơ sở phân tích nhận được

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu : Phương pháp xếp hạng tín dụng sử dụng mô hình hồi quy Binary Logistic

4 Phương pháp nghiên cứu

 Phương pháp thu thập số liệu: Số liệu cho bài nghiên cứu được thu thập từ bảng báo cáo tài chính của DN giai đoạn 2012-2014 được phòng tín dụng khách hàng doanh nghiệp của NHTM Vietinbank cung cấp

 Phương pháp xử lí số liệu: Các dữ liệu sau khi thu thập sẽ được chọn lọc, xử

lý và phân tích với sự hỗ trợ của phần mềm SPSS và Eviews 8.1 để xử lý kết quả và ước lượng mô hình hồi quy binary logistic

Trường Đại học Kinh tế Huế

5 Kết cấu đề tài

Ngoài phần phụ lục, danh mục bảng biểu, bố cục chính của đề tài như sau:

Phần I: Mở đầu

Phần II: Nội dung và kết quả nghiên cứu

Chương 1: Tổng quan về rủi ro trong hoạt động kinh doanh và nghiệp vụ xếp hạn tín dụng trong ngân hàng

Chương 2: Thực trạng xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng Vietinbank, chi nhánh Huế

Chương 3: Ứng dụng mô hình Binary Logistic trong xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng Vietinbank

Phần III: Kết luận

Trường Đại học Kinh tế Huế

PHẦN 2: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO TRONG HOẠT ĐỘNG KINH DOANH VÀ NGHIỆP VỤ XẾP HẠNG TÍN DỤNG TRONG NGÂN HÀNG

1.1 Rủi ro tín dụng của ngân hàng

1.1.1 Khái niệm rủi ro tín dụng

Theo quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 của Ngân hàng Nhà Nước Việt Nam thì “ Rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng là khả năng xảy ra tổn thất trong hoạt động ngân hàng của các tổ chức tín dụng do khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ của mình theo cam kết”

Tóm lại, rủi ro tín dụng được hiểu là khả năng xảy ra tổn thất do khách hàng không hoàn trả hoặc hoàn trả không đầy đủ số tiền gốc và lãi phải trả

1.1.2 Nguyên nhân xảy ra rủi ro tín dụng

1.1.2.1 Nguyên nhân khách quan

Sự thay đổi chính sách của chính phủ: Việt Nam đang thực hiện quá trình chuyển đổi cơ cấu kinh tế sang kinh tế thị trường, do đó phải tuân thủ và chấp nhận

sự biến động theo quy luật của nền kinh tế Mỗi khi nền kinh tế có những biến động trồi hay sụt thì ngay lập tức chính phủ phải đưa ra các chính sách kinh tế mới phù hợp với điều kiện hiện tại nhằm hạn chế ảnh hưởng xấu tới nền kinh tế đất nước

Môi trường tự nhiên: Thiên tai là yếu tố khó dự đoán, nó thường xảy ra bất ngờ với thiệt hại lớn nằm ngoài tầm kiểm soát của con người, khi xảy ra khách hàng

và ngân hàng sẽ có nguy cơ tổn thất lớn, đồng nghĩa với việc ngân hàng sẽ phải chia

sẻ rủi ro với khách hàng của mình

Trường Đại học Kinh tế Huế

1.1.2.2 Những nguyên nhân từ phía khách hàng

Do thông tin bất đối xứng: Việc cấp tín dụng tại các ngân hàng được dựa trên

uy tín của khách hàng, khi cho vay, các tổ chức tín dụng luôn kì vọng khách hàng sẽ lựa chọn và thực hiện tốt phương án đầu tư để có đủ nguồn thu nhằm hoàn trả cả vốn lẫn lãi Tuy nhiên, do thông tin bất đối xứng đã tạo ra rủi ro đạo đức Rủi ro đạo đức hay gặp phải nhất là khách hàng vay sử dụng vốn vay không đúng mục đích, dẫn đến rủi ro tín dụng không hoàn trả được nợ vay Rủi ro đạo đức giảm bớt xác suất hoàn trả vốn nên ngân hàng có thể không cho vay mặc dù ngay cả khi ngân hàng chắc chắn rằng sẽ thu được cả gốc và lãi nếu khách hàng vay sử dụng vốn vay đúng

Môi trường kinh tế xã hội: Môi trường kinh tế xã hội trong nước biến động gây ảnh hưởng tới các lĩnh vực, ngành nghề trong nền kinh tế Sự thay đổi các mối quan

hệ quốc tế, các quan hệ ngoại giao của chính phủ cũng là nguyên nhân gây rủi ro lớn cho kinh doanh tín dụng của ngân hàng Bên cạnh đó, hoạt động kinh doanh tín dụng phụ thuộc rất nhiều vào thói quen của người dân Những yếu tố đó nhiều khi hạn chế việc mở rộng hoạt động kinh doanh của ngân hàng

Các dự báo cho tương lai không thể hoàn toàn chính xác: Các cán bộ tín dụng ngân hàng thường phân tích khách hàng trong tương lai dựa theo các điều kiện, số liệu ở hiện tại và trong quá khứ Việc dự báo cho tương lai không thể chính xác tuyệt đối, dẫn đến những khả năng có thể xảy ra rủi ro tín dụng trong tương lai

1.1.2.3 Những nguyên nhân từ phía ngân hàng

Thông tin của ngân hàng không đầy đủ và chính xác dẫn đến việc xác định sai hiệu quả của phương án xin vay, hoặc xác định thời hạn cho vay và trả nợ không phù hợp với phương án kinh doanh của khách hàng

Sự nơi lỏng trong quá trình giám sát trong và sau khi cho vay nên không phát hiện kịp thời hiện tượng sử dụng vốn sai mục đích Quá tin tưởng vào tài sản thế chấp, bảo lãnh, bảo hiểm, coi đó là vật đảm bảo chắc chắn cho sự thu hồi cả gốc và lãi tiền vay

Trường Đại học Kinh tế Huế

Chạy theo số lượng (hoặc theo kế hoạch) mà sao lãng việc coi trọng chất lượng khoản vay, quá lạc quan và tin tưởng vào sự thành công của phương án kinh doanh của khách hàng

Thiếu một bộ phận chuyên trách theo dõi, quản lý rủi ro, quản lý hạn mức tín dụng tối đa cho từng khách hàng thuộc từng ngành nghề, sản phẩm

1.1.3 Hậu quả mà rủi ro tín dụng đối với ngân hàng thương mại

- Rủi ro làm giảm uy tín của ngân hàng

Rủi ro làm giảm uy tín của ngân hàng một khi ngân hàng có mức độ rủi ro của các tài sản có là cao thì ngân hàng đó thường đứng trước nguy cơ mất uy tín của mình trên thị trường Thông tin về việc một ngân hàng có mức độ rủi ro cao thường được báo chí nêu lên và lan truyền trong dân chúng, điều này sẽ khiến cho việc huy động vốn của ngân hàng gặp rất nhiều khó khăn

- Rủi ro làm ảnh hưởng tới khả năng thanh toán của ngân hàng

Hoạt động chủ yếu của ngân hàng là tín dụng, nếu các khoản tín dụng gặp rủi ro thì việc thu hồi nợ vay sẽ gặp nhiều khó khăn, trong khi đó các khoản tiền gửi vẫn phải thanh toán đúng hạn Trong lúc không huy động được vốn do mất uy tín, người rút tiền ngày càng tăng lên và kết quả là ngân hàng gặp khó khăn trong khâu thanh toán

- Rủi ro làm giảm lợi nhuận của ngân hàng

Rủi ro tín dụng làm cho doanh thu thấp dẫn đến lợi nhuận thấp Trong trường hợp không lỗ thì do rủi ro tín dụng cao dẫn đến việc phải tăng trích lập dự phòng rủi

ro, khiến cho lợi nhuận còn lại càng thấp, thậm chí là trích dự phòng hết cả phần lợi nhuận trước thuế, khiến cho phần lợi nhuận sau thuế giảm hay thậm chí là thua lỗ

- Rủi ro có thể làm phá sản ngân hàng

Nếu rủi ro xảy ra ở mức độ ngân hàng không có khả năng ứng phó thì sẽ gây ra phản ứng dây chuyền trong dân chúng, người gửi tiền sẽ đổ xô đến ngân hàng rút tiền gửi và ngân hàng không còn khả năng thanh toán sẽ dẫn đến phá sản

Trường Đại học Kinh tế Huế

1.2 Tổng quan xếp hạng tín dụng

1.2.1 Khái niệm xếp hạng tín dụng

Xếp hạng tín dụng (XHTD) là thuật ngữ bắt nguồn từ tiếng Anh Credit Rating Trong đó, Credit có nghĩa là tín dụng, tín dụng còn Rating chính là sự đánh giá, xếp hạng XHTD do John Moody đưa ra vào năm 1909 trong cuốn “ cẩm nang chứng khoán” khi tiến hành nghiên cứu, phân tích và công bố bảng xếp hạng cho 1500 loại trái phiếu của 250 công ty theo một hệ thống ký hiệu bằng chữ cái A, B, C được xếp lần lượt là AAA đến C (hiện nay những ký hiệu này đã trở thành chuẩn mực quốc

tế Chúng ta có thể điểm qua một số định nghĩa về xếp hạng tín dụng như sau:

Trong khái niệm của Moody’s thì “XHTD là đánh giá vị thế hiện tại và dự báo về triển vọng tương lai của doanh nghiệp trên cơ sở tổng hợp các chỉ tiêu tài chính và phi tài chính một cách có hiệu quả”

Theo Bohn, John A viết trong cuốn “Phân tích rủi ro trên các thị trường đang

chuyển đổi” thì “Xếp hạng tín dụng là sự đánh giá về khả năng một nhà phát hành

có thể thanh toán đúng hạn cả gốc và lãi đối với một loại chứng khoán trong suốt thời gian tồn tại của nó”

Theo định nghĩa của công ty Merrill Lynch thì “Xếp hạng tín dụng là đánh giá hiện thời của công ty xếp hạng tín dụng về chất lượng tín dụng của một nhà phát hành chứng khoán nợ, về một khoản nợ nhất định Nói khác đi, đó là cách đánh giá hiện thời về chất lượng tín dụng đang được xem xét trong hoàn cảnh hướng về tương lai, phản ánh sự sẵn sàng và khả năng nhà phát hành có thể thanh toán gốc

và lãi đúng hạn”

Theo tự điển thị trường chứng khoán thì “Xếp hạng tín dụng là cách ước tính chính thức tín dụng từ trước đến nay của cá nhân hay công ty về khả năng chi trả bao gồm tất cả các số liệu kiểm tra, phân tích, hồ sơ lưu trữ về khả năng trách dụng tín dụng của cá nhân và công ty kinh doanh”

Trường Đại học Kinh tế Huế

Đứng trên góc độ của ngân hàng thương mại thì “ XHTD là việc đưa ra nhận định về mức độ tín nhiệm đối với trách nhiệm tài chính; hoặc đánh giá mức độ rủi

ro tín dụng phụ thuộc vào các yếu tố bao gồm năng lực đáp ứng các cam kết tài chính, khả năng dễ bị vỡ nợ khi điều kiện kinh doanh thay đổi, ý thức, thiện chí trả

nợ của người đi vay”

1.2.2 Phân loại và đối tượng xếp hạng tín dụng

XHTD cá nhân: áp dụng đối với các khách hàng cá nhân tham gia vào hoạt động tín dụng của các NHTM Việc XHTD cá nhân được thực hiện dựa trên lịch sử vay – trả nợ, số lượng và loại tài sản đảm bảo mà cá nhân đó đang sở hữu, những khoản thanh toán chậm hoặc nợ quá hạn…

XHTD doanh nghiệp:XHTD doanh nghiệp về cơ bản dựa trên các chỉ tiêu tài chính và phi tài chính của doanh nghiệp để đánh giá

XHTD quốc gia: đánh giá mức độ tin cậy của một quốc gia để có thể so sánh môi trường đầu tư giữa các quốc gia Việc XHTD các quốc gia dựa trên các chỉ số phát triển chung như: chỉ số phát triển các ngành, chỉ số an toàn vốn đầu tư, tốc độ tăng trưởng kinh tế của quốc gia, mức độ ổn định chính trị, …

XHTD các công cụ đầu tư như: trái phiếu công ty, trái phiếu chính phủ và các loại trái phiếu, kì phiếu ngân hàng, cổ phiếu ưu đãi, cổ phiếu thường,… Việc XHTD các công cụ được thực hiện dựa trên một số chỉ tiêu như: khả năng thanh khoản, kì hạn, lãi suất, mệnh giá, các rủi ro có thể gặp phải Ở nước ta hiện nay mới chỉ tập trung xếp hạng các doanh nghiệp và cá nhân Xếp hạng quốc gia và các công cụ đầu

tư thì chúng ta chưa thực hiện mà chỉ có những tổ chức xếp hạng lớn như Moody’s, S&P hay Fitch, … xếp hạng

Trường Đại học Kinh tế Huế

1.2.3 Tầm quan trọng của xếp hạng tín dụng

Đối với nhà đầu tư: giúp nhà đầu tư có thêm công cụ đánh giá rủi ro tín dụng, giảm thiểu chi phí thu thập, phân tích, giám sát khả năng trả nợ của các tổ chức phát hành trái phiếu, công cụ nợ

Đối với ngân hàng: là cơ sở để quản trị rủi ro tín dụng nhằm hạn chế và giới hạn rủi ro ở mức mục tiêu, hỗ trợ ngân hàng trong việc phân loại nợ và trích lập dự phòng rủi ro, tiến tới mục đích tối đa hóa lợi nhuận và bảo vệ sự ổn định của hệ thống ngân hàng

Đối với doanh nghiệp: giúp các công ty mở rộng thị trường vốn, giảm bớt sự phụ thuộc vào các khoản vay ngân hàng, giúp duy trì sự ổn định nguồn tài trợ cho công ty, các công ty được xếp hạng cao có thể duy trì được thị trường vốn hầu như trong mọi hoàn cảnh Xếp hạng tín dụng càng cao thì chi phí vay càng giảm Xếp hạng tín dụng giúp cho nguồn tài trợ linh hoạt hơn

Đối với chính phủ và thị trường tài chính: Xếp hạng tín dụng giúp thị trường tài chính minh bạch hơn, nâng cao hiệu quả của nền kinh tế và tăng cường khả năng giám sát thị trường của chính phủ

1.2.4 Nguyên tắc xếp hạng tín dụng và quy trình xếp hạng tín dụng

1.2.4.1 Nguyên tắc xếp hạng tín dụng

Nguyên tắc chủ yếu của XHTD bao gồm phân tích tín dụng trên cơ sở ý thức

và thiện chí trả nợ của người đi vay và từng khoản vay; đánh giá rủi ro dài hạn dựa trên ảnh hưởng của chu kỳ kinh doanh và xu hướng khả năng trả nợ trong tương lai; đánh giá rủi ro toàn diện và thống nhất dựa vào hệ thống ký hiệu xếp hạng

Trong phân tích XHTD cần thiết sử dụng phân tích định tính để bổ sung cho những phân tích định lượng Các dữ liệu định lượng là những quan sát được đo lường bằng số, các quan sát không thể đo lường bằng số được xếp vào dữ liệu định tính Các chỉ tiêu phân tích có thể thay đổi phù hợp với sự thay đổi của trình độ công nghệ và yêu cầu quản trị rủi ro

Trường Đại học Kinh tế Huế

Việc thu thập số liệu để đưa vào mô hình XHTD cần được thực hiện một cách khách quan, linh động Sử dụng cùng lúc nhiều nguồn thông tin để có được cái nhìn toàn diện về tình hình tài chính của khách hàng vay

1.2.5 Các nhân tố ảnh hưởng đến xếp hạng tín dụng

Trong quá trình xếp hạng tín dụng thì có một số nhân tố sẽ ảnh hưởng đến kết quả xếp hạng như sau:

1.2.5.1 Chuẩn mực của dữ liệu phân tích

Chuẩn mực của dữ liệu phân tích định lượng phải phù hợp với chuẩn mực của mô hình XHTD mới đảm bảo phân tích định lượng được chính xác, bất kỳ một

sự khác biệt nào cũng có ảnh hưởng nhất định đến kết quả XHTD

1.2.5.2 Tính chính xác, trung thực của dữ liệu

Kết quả XHTD phụ thuộc trực tiếp vào số liệu dùng để phân tích, nếu số liệu dùng để xếp hạng không chính xác sẽ khiến cho kết quả xếp hạng bị sai lệch hoàn toàn

1.2.5.3 Cơ sở dữ liệu phục vụ đánh giá XHTD

Một hệ thống thông tin đầy đủ về khách hàng như: lịch sử hình thành và quá trình phát triển, năng lực tài chính, mức độ tín nhiệm, đội ngũ điều hành… là cơ sở hết sức quan trọng trong việc xếp hạng của các tổ chức tín dụng

1.2.5.4 Năng lực và trình độ của người thực hiện XHTD

Phân tích định tính là sự bổ sung cho phân tích định lượng Trong khi phân tích định lượng phụ thuộc vào số liệu thì năng lực và trình độ của người thực hiện XHTD lại có ý nghĩa quan trọng khi phân tích định tính

1.2.6 Quy trình xếp hạng tín dụng

Thông tin Trường Đại học Kinh tế Huế

Nhân viên chấm

Cấp trên duyệt

Sơ đồ1.1: Sơ đồ xếp hạng tín dụng 1.3 Một số mô hình xếp hạng tín dụng tại các ngân hàng

1.3.1 Một số mô hình áp dụng trên thế giới

Các công ty xếp hạng tín nhiệm của Mỹ được hình thành từ rất sớm so với thế giới bao gồm: những tổ chức chuyên về xếp hạng tín nhiệm các công cụ nợ của doanh nghiệp và xếp hạng tín nhiệm quốc gia hoạt động trên thị trường tài chính quốc tế như Moody’s và S&P và Mô hình Altman Z-score

1.3.1.1 Hệ thống xếp hạng tín nhiệm của Moody’s và S&P

Moody’s Investor Service (Moody’s) và Standard & Poor’s (S&P) là

tổ chức tín nhiệm có uy tín và lâu đời tại Mỹvà cũng là những tổ chức tiên phong trong lĩnh vực xếp hạng tín nhiệm trên thế giới, sau đó có thêm Fitch Investors Service Phương pháp xếp hạng của S&P bao gồm cả phân tích định tính và định lượng Trong quy trình xếp hạng, S&P không phân loại theo tính chất của dữ liệu

mà phân loại theo rủi ro là rủi ro kinh doanh và rủi ro tài chính

- Rủi ro kinh doanh bao gồm rủi ro ngành, khả năng cạnh tranh/ vị thế doanh nghiệp trong ngành/ lợi thế kinh tế, khả năng sinh lợi trong sự so sánh với các doanh nghiệp khác trong nhóm tương đồng S&P nhấn mạnh nhân tố chính trong rủi

ro kinh doanh là khả năng cạnh tranh của doanh nghiệp

Chỉ tiêu phi tài chính

Chỉ tiêu tài chính Quy mô ngành

- Rủi ro tài chính gồm phân tích chính sách tài chính, chính sách và thông tin kế toán, khả năng đáp ứng của dòng tiền, cấu trúc vốn, khả năng thanh toán ngắn hạn

Để đánh giá khả năng trả nợ, S&P đưa ra một số tỷ số chính để phân tích( xem phụ lục 17)

1.3.1.2 Mô hình điểm số tín dụng doanh nghiệp của Edward I.Altman

Mô hình Altman Z-score được công bố năm 1968 bởi Edward Altman, đại học New York Mô hình được sử dụng để tính toán và dự báo khả năng vỡ nợ của doanh nghiệp trong vòng 02 năm Mô hình Z-score là một trong những mô hình tính toán khả năng vỡ nợ tài chính của doanh nghiệp với lợi thế dễ tính toán do sử dụng các dữ liệu từ báo cáo tài chính để tính toán Z-score sử dụng mô hình tuyến tính bậc nhất giữa các chỉ tiêu tài chính được lượng hóa bằng các hệ số.Mô hình sử dụng phương pháp hồi quy dựa trên cơ sở dữ liệu trong quá khứ và từ đó đưa ra dự báo cho tương lai

Các biến thiên của mô hình Altman Z – score:

+ Chỉ số Z được xây dựng bởi Edward I Altman (1968), Đại Học New York, dựa vào việc nghiên cứu khá công phu trên số lượng lớn các công ty khác nhau tại Mỹ Chỉ số Z là công cụ được cả hai giới học thuật và thực hành, công nhận và sử dụng rộng rãi nhất trên thế giới Mặc dù chỉ số Z được phát minh tại Mỹ, nhưng hầu hết các nuớc vẫn có thể sử dụng với độ tin cậy khá cao như Mexico, Indian Chỉ số này dựa trên phương pháp thống kê với công cụ phân tích biệt số đa yếu tố (MDA) + Chỉ số Z bao gồm 5 tỷ số X1, X2, X3, X4, X5:

𝑋1 = 𝑉ố𝑛 𝑙𝑢â𝑛 𝑐ℎ𝑢𝑦ể𝑛

𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛

Trong đó:

* Vốn luân chuyển = tài sản ngắn hạn - nợ ngắn hạn

* Những khoản thua lỗ trong hoạt động kinh doanh sẽ làm giảm tỷ số X1

Trường Đại học Kinh tế Huế

𝑋2 =𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 𝑔𝑖ữ 𝑙ạ𝑖

𝑡ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛

* Tỷ số này đo lường lợi nhuận giữ lại tích lũy qua thời gian

Sự trưởng thành của công ty cũng được đánh giá qua tỷ số này Các công ty mới thành lập thường có tỷ số này thấp vì chưa có thời gian để tích lũy lợi nhuận Theo một nghiên cứu của Dun& Bradstreet (1993), khoảng 50% công ty phá sản chỉ hoạt động trong 5 năm

𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛

* Sự tồn tạị và khả năng trả nợ của công ty sau cùng đều dựa trên khả năng tạo ra lợi nhuận từ các tài sản của nó Vì vậy, tỷ số này , theo Altman thể hiện tốt hơn các thước đo tỷ suất sinh lợi

𝑋4 =𝐺𝑖á 𝑡𝑟ị 𝑡ℎị 𝑡𝑟ườ𝑛𝑔 𝑐ủ𝑎 𝑣ố𝑛 𝑐ổ 𝑝ℎầ𝑛

𝐺𝑖á 𝑡𝑟ị 𝑠ổ 𝑠á𝑐ℎ 𝑐ủ𝑎 𝑛ợ

* Nợ = nợ ngắn hạn + nợ dài hạn

* Vốn cổ phần= cổ phần thường+ cổ phần ưu đãi

* Tỷ số này cho biết giá trị tài sản của công ty sụt giảm bao nhiêu lần trước khi công ty lâm vào tình trạng mất khả năng thanh toán

* Đối với công ty chưa cổ phần hóa thì giá trị thị trường được thay bằng giá trị sổ sách của vốn cổ phần

- Đối với doanh nghiệp đã cổ phần hoá, ngành sản suất:

là sự kết hợp gián tiếp của nhiều yếu tố tài chính và phi tài chính trong mô hình mới tạo được chỉ số an toàn1

1.3.1.3 Phương pháp chuyên gia

Sử dụng mô hình hồi quy logistic với các nhân tố cứng - chỉ tiêu tài chính, nhân tố mềm-chỉ tiêu phi tài chính góp phần cải thiện đáng kể khả năng dự báo mức tín nhiệm của khách hàng vay.Phần lớn các ngân hàng sử dụng mô hình chấm điểm các nhóm chỉ tiêu tài chính và phi tài chính của từng khách hàng trên cơ sở bộ giá trị chuẩn đối với mỗi loại khách hàng hay ngành kinh tế khác nhau Do tính chất khác nhau giữa các khách hàng, để chấm điểm tín dụng được chính xác, khoa học các ngân hàng chia khách hàng có quan hệ tín dụng thành ba nhóm: định chế tài chính,

tổ chức kinh tế, hộ gia đình và cá nhân

Ví dụ: Fitch xếp hạng doanh nghiệp dựa trên phân tích định tính và phân tích định lượng.Phương pháp phân tích của Fitch bao gồm phân tích dữ liệu tài chính và hoạt động kinh doanhcủa doanh nghiệp trong khoảng thời gian ít nhất là 5 năm.Phân tích định tính gồm có phân tíchrủi ro ngành, môi trường kinh doanh, vị thế của doanh nghiệp trong ngành, năng lực của banquản trị, phân tích kế toán Trong phân tích

1 Nguồn: the-gioi -Phan-1.17.482

http://rating.com.vn/home/_/Cac-phuong-phap-xep-hang-tin-dung-doanh-nghiep-dien-hinh-tren-Trường Đại học Kinh tế Huế

định lượng, Fitch nhấn mạnh đến thước đo dòng tiềncủa thu nhập, các khoản đảm bảo và đòn bẩy Dòng tiền từ hoạt động kinh doanh cung cấp chodoanh nghiệp sự đảm bảo rủi ro tín dụng nhiều hơn là từ nguồn tài trợ bên ngoài.Và Fitch quantâm tới phân tích xu hướng của một nhóm các tỷ số hơn việc phân tích bất kỳ một tỷ số riêng lẻnào

1.3.1.4 Mạng nơ ron thần kinh

Là một kỹ thuật phân tích khác để xây dựng mô hình dự báo Mạng nơ ron thần kinh có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào không đầy đủ hoặc dữ liệu với một số lượng biến rất lớn Kỹ thuật này đặc biệt phù hợp với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra.Hơn nữa nó hữu dụng khi mục tiêu dự báo là quan trọng hơn giải thích Kỹ thuật này đòi hỏi dữ liệu đầu vào lớn, các phương pháp này cũng rất phức tạp và chưa phổ biến ở nước ta Nhìn chung, các tổ chức xếp hạng tín nhiệm hàng đầu trên thế giới gồm Fitch, S&P, Moody's sử dụng chủ yếu phương pháp chuyên gia, đánh giá một cách toàn diện về nền kinh tế, ngành và công ty Tuy nhiên, dù sử dụng phương pháp mô hình toán học hay phương pháp chuyên gia, mỗi hệ thống xếp hạng tín dụng đều có một số khuyết điểm nhất định Nếu như phương pháp định lượng cần sự hỗ trợ của các nhân tố mềm thì phương pháp chuyên gia, tự thân đã chứa đựng rủi ro do yếu tố chủ quan trong xếp hạng, kỹ thuật mạng nơ-ron tuy khắc phục được khuyết điểm của hai mô hình trên song đòi hỏi dữ liệu đầu vào lớn và việc xây dựng rất phức tạp Phương pháp xây dựng mô hình xếp hạng tín nhiệm hay rủi ro tín dụng dựa trên hàm Logistic là phương pháp phù hợp đối với các ngân hàng thương mại Việt Nam vì yêu cầu mẫu không quá cao, ít ràng buộc về mặt giả thiết, hiện đang được sử dụng rộng rãi trên thế giới Do vậy, các mục tiếp theo sẽ đề cập đến các yếu tố cần thiết

để xây dựng một hệ thống XHTDNB dựa trên phương pháp chuyên gia

Trường Đại học Kinh tế Huế

1.3.2 Một số mô hình xếp hạng tín dụng tại Việt Nam

1.3.2.1 Hệ thống xếp hạng tín nhiệm của CIC

Trung tâm thông tin tín dụng của NHNN (CIC) thực hiện xếp hạng tín nhiệm doanh nghiệp theo hướng dẫn của NHNN Việt Nam nhằm tiến tới tiêu chuẩn hóa đánh giá các chỉ tiêu tài chính có thểáp dụng cho các NHTM trong nước CIC hiện đang sửdụng các chỉ tiêu tài chính đểchấm điểm theo hướng dẫn tại quyết định 57/2002/QĐ-NHNN ngày 24/01/2002 của NHNN bao gồm: tính thanh khoản, cân

nợ, thu nhập, tình hình hoạt động qua các năm tài chính liên tục

Các doanh nghiệp niêm yết được xếp hạng cũng được phân theo quy mô, nguồn vốn kinh tế, số lao động, doanh thu thuần, chỉtiêu nộp ngân sách nhà nước Ngoài ra, kết quả khảo sát tổng hợp các yếu tố: bảng cân đối kếtoán, kết quảkinh doanh, tình hình

dư nợngân hàng, các thông tin phi tài chính… cũng được coi là yếu tố quan trọng đểđánh giá chất lượng tín dụng của doanh nghiệp Kết quả đánh giá này chủ yếu được CIC đem cung cấp cho các tổ chức tín dụng làm cơ sở phục vụ việc cấp vốn của các tổchức này Căn cứvào độ tin cậy tín dụng của các DN được khảo sát, cũng

có thể xem đây là một gợi ý, kênh tham khảo nhỏ về chất lượng DN để nhà đầu tư

tự đưa ra quyết định rót vốn đúng đắn Tuy nhiên, mô hình này rõ ràng có nhiều hạn chế dokhông đánh giá cao các chỉ tiêu phi tài chính dẫn tới độ chính xác không cao

1.4 Tổng quan các nghiên cứu trước đây

1.4.1 Thực tiễn nghiên cứu ở nước ngoài

Trước đây, để đánh giá mức độ tín nhiệm, các tổ chức tài chính thường sử dụng phương pháp “chuyên gia” trong hệ thống đánh giá rủi ro tín dụng của các doanh nghiệp Các chuyên gia đánh giá sử dụng thông tin về đặc điểm của doanh nghiệp, danh tiếng, vốn, độ bất ổn của lợi suất và các tiêu chí liên quan khác Đồng thời, các tác giả đó phối hợp những biến định danh và các biến định tính

để đi đến việc đánh giá rủi ro tín dụng của khách hàng Phần lớn sự đánh giá này đều mang tính chủ quan của các chuyên gia Từ kết quả đánh giá này, người ta sẽ Trường Đại học Kinh tế Huế

quyết định việc cấp hay không cấp các khoản tín dụng Đã có rất nhiều những phân tích chuyên sâu về phương pháp luận đã được công bố trên tạp chí Journal of Banking &Finance2, như DA tiếp đó là phân tích bằng mô hình Logistic Trong bài viết của Altman trên tạp chí JBF tháng 6 năm 1997 đã phát triển mô hình phân biệt

và được coi như cơ sở cho các mô hình tiếp cận theo phương pháp này Phân tích phân biệt tìm một hàm tuyến tính của các biến tài chính và thị trường để có thể phân biệt một cách tốt nhất giữa hai lớp doanh nghiệp vỡ nợ và không vỡ nợ Tương tự, phân tích logistic sử dụng các biến tài chính dự báo xác suất vỡ nợ của người vay Với giả thuyết khả năng vỡ nợ có phân phối Logistic, hàm mật độ xác suất vỡ nợ được gọi là hàm logistic Bởi vậy, giá trị của nó nằm trong khoảng (0, 1)

West (1985) đã sử dụng mô hình logistic kết hợp với sự phân tích nhân tố

để đo lường điều kiện tài chính của các tổ chức tài chính và đưa ra xác suất vỡ nợ của những ngân hàng Đặc biệt, những nhân tố được sử dụng trong mô hình Logistic tương tự như mô hình Camel dùng để xếp hạng các ngân hàng

Platt (1991) đã sử dụng mô hình Logistic trong kiểm định và lựa chọn các

biến tài chính và cho rằng, việc sử dụng các biến tài chính trong ngành tốt hơn sử dụng những biến tài chính của một doanh nghiệp đơn lẻ, trong dự báo phá sản của doanh nghiệp

Lawrence (1992) sử dụng mô hình Logistic dự báo xác suất vỡ nợ

của những người vay mua nhà có thế chấp

Smith và Lawrence (1995) sử dụng mô hình Logistic trong lựa chọn biến tốt

nhất khi dự báo vỡ nợ của các quốc gia Họ cho rằng, sử dụng dữ liệu trả nợ trong quá khứ là quan trọng nhất trong dự báo vỡ nợ

Trong một số năm trởlại đây, đã có rất nhiều phương pháp khác nhau sử dụng mô hình không có tham biến trong quá trình phát triển Bao gồm mô hình cây phân lớp, mạng nơron, logic mờ Mặc dù một số kết quả nghiên cứu đã công bố

và cho kết quả rất tốt như: Galindo&Tamayo (2000) và Caiazza (2004), những họ

2 E.I Altman, A Saunders / Journal of Banking & Finance 21 (1998) 1721-1742

Trường Đại học Kinh tế Huế

lại cho rằng vẫn chỉ sử dụng mô hình Logistic và Probit vì ước lượng các tham số

dễ dàng, có thể giải thích được, cũng như ước lượng rủi ro khi thay đổi kích thước mẫu là thấp

1.4.2 Thực tiễn nghiên cứu ở Việt Nam

Tại việt nam có một số công trình nghiên cứu về mô hình logistic đã gặt hái được nhiều thành công mang tính ứng dụng thực tiễn rất sâu sắc như:

- “ Phân tích rủi ro tín dụng Doanh Nghiệp bằng mô hình Logistic”- PGS.TS Hoàng Tùng (2011) Tác giả đưa ra mô hình các nhân tố ảnh hưởng đến rủi ro tín dụng của DN bao gồm: Nợ phải trả/Tổng TS, Nợphải trả/VCSH, TSNH/TổngTS, Doanh thu/Tổng TS,vòng quay HTK, Lợi nhuận/Doanh thu,Lợi nhuận/Tổng TS, Lợi nhuận/VCSH

- “ Ứng dụng phương pháp thông kê xây dựng mô hình định mức tín nhiệm

KH tín dụng.”- TS Bùi Phúc Trung (2010)

- “ Ứng dụng hàm Logistic xây dựng mô hình dự báo hạng mức tín nhiệm các doanh nghiệp Việt Nam”- Nghiên cứu của Lê Tất Thành, Đại học Kinh tế Tp.HCM, luận văn thạc sỹ kinh tế (2009)

- “ Xây dựng mô hình xếp hạng tín dụng doanh nghiệp trong mô hình thực hành ngân hàng”- Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011)Tác giả đưa ra

mô hình các nhân tố ảnh hưởng đến rủi ro tín dụng của DN bao gồm:Khả năng thanh toán ngắn hạn, Khả năng thanh toán nhanh, Hiệu quả sử dụng tài sản, Kỳ thu tiền bình quân

Chứng tỏ mô hình này được lựa chọn rất nhiều để đưa vào công trình nghiên cứu khoa học của mình Để dự báo rủi ro tín dụng DN, ngoài phương pháp truyền thống, việc ứng dụng các mô hình kinh tế lượng như: Mô hình phân tích phân biệt (MDA); Mô hình hồi quy; Mô hình Logistic và Probit; Mạng Neutral; Phương pháp giải thuật di truyền (Genetic Algorithm); Sơ đồ cây phân loại (Classification Tree Analysis)

Trường Đại học Kinh tế Huế

1.5 Mô hình binary logistic

1.5.1 Đề xuất mô hình

Qua quá trình tìm hiểu, tham khảo các tài liệu đi trước kết hợp với nhận thức, hiểu biết có được Dựa trên nền tảng nghiên cứu của Hoàng Tùng(2011) , bài nghiên cứu sẽ sử dụng mô hình Binary Logistic để xếp hạng tín dụng của DN

1.5.2 Phương pháp sử dụng mô hình trong XHTD

Hiện nay, hầu hết các NHTM đã và đang từng bước hoàn thiện hệ thống xếp hạn tín dụng nội bộ nhằm nâng cao chất lượng tín dụng và giảm thiểu tối đa rủi ro tín dụng Tuy nhiên, hệ thống mà các ngân hàng xây dựng vẫn tồn tại một số hạn chế nhất định Đó là hệ thống chỉ dựa vào tổng số điểm để đánh giá việc cho vay mà không nêu lên được xác suất vỡ nợ trong tương lai của các doanh nghiệp Một số chỉ tiêu quá thấp so với yêu cầu nhưng đôi khi lại được bù đắp bởi các chỉ tiêu khác nên chấm điểm tín dụng không đánh giá chính xác được tình hình hoạt động và kết quả kinh doanh của doanh nghiệp Điều này có thể gây nhiều rủi ro cho ngân hàng Trong nền kinh tế phát triển, việc đánh giá rủi ro tín dụng dựa vào cách xếp hạng các doanh nghiệp đi vay đang rất được quan tâm Trong đó, mô hình logistic được các nhà kinh tế đánh giá là khá phổ biến và hiệu quả trong đó có Việt Nam

Mô hình được phân tích chủ yếu dựa vào các dữ liệu thu thập được trong quá khứ

về tình hình kinh doanh của các doanh nghiệp thuộc các ngành khác nhau trong nền kinh tế Từ đó, lượng hóa xác suất vỡ nợ của các doanh nghiệp dựa vào các dữ liệu trên Ngoài ra, mô hình còn cho ta ước lượng được sự ảnh hưởng của từng yếu tố đến xác suất vỡ nợ trên Chính vì thế, thông tin trong quá khứ càng chính xác và đầy đủ thì việc dự báo khả năng vỡ nợ của doanh nghiệp càng sát với thực tế Với những đặc điểm của mô hình Logistic, nó đã khắc phục được những hạn chế trong

hệ thống xếp hạng của Vietinbank nói riêng và các NHTM nói chung

Trường Đại học Kinh tế Huế

1.5.2.1 Phương pháp sử dụng mô hình

Mô hình logistic sử dụng các dữ liệu trong quá khứ về chỉ tiêu ảnh hưởng tới

độ rủi ro của các doanh nghiệp đi vay vốn Các chỉ tiêu này thường gồm chỉ tiêu tài chính cũng như các chỉ tiêu phi tài chính Từ các dữ liệu trên bằng phương pháp hồi quy logistic chúng ta sẽ ước lượng được xác suất vỡ nợ của các doanh nghiệp dựa vào các biến độc lập là các chỉ tiêu trên Ước lượng được ảnh hưởng của các nhân

tố đến xác suất vỡ nợ Từ đó dự báo được xác suất vỡ nợ thay đổi thế nào khi các

yếu tố ảnh hưởng đến nó thay đổi

Với dữ liệu thu thập được từ Vietinbank, em sẽ ước lượng xác suất vỡ nợ của các doanh nghiệp theo 13 biến bao gồm các chỉ tiêu tài chính và chỉ tiêu phi tài chính Xác định được xác suất vỡ nợ của các doanh nghiệp sẽ giúp Ngân hàng chủ động trong việc cho vay như xác định hạn mức tín dụng, mức lãi suất phù hợp và trích lập dự phòng rủi ro khi cho vay Từ đó, giúp ngân hàng hạn chế được rủi ro tín dụng mang lại

1.5.3 Nguyên nhân sử dụng mô hình hồi quy Binary Logistic

- Tính phù hợp: Biến phụ thuộc là biến nhị phân chỉ nhận giá trị 0 hoặc 1,

nên chỉ thích hợp với hồi quy Logistic, bởi vì khó một mô hình hồi quy thông thường nào có thể bảo đảm rằng giá trị dự đoán trước sẽ nằm trong khoảng 0 và 1

- Tính đơn giản: Kiểm định không phức tạp, không yêu cầu dữ liệu đầu vào

quá lớn như mô hình mạng noron thần kinh, KMV- những mô hình đang được xem

là ưu việt nhất hiện nay, nhưng chưa phù hợp với nền kinh tế Việt Nam Bên cạnh

đó, mô hình không bị ràng buộc bởi giả thiết về sự phân phối của biến độc lập, trong khi với các mô hình như LPM, MDA, biến độc lập đều phải tuân theo phân phối chuẩn

- Tính khách quan: Đây là mô hình đinh lượng nên khắc phục được nhưng

nhược điểm của mô hình định tính, thể hiện sự khách quan, nhất quán, không phụ thuộc vào ý kiến chủ quan của các chuyên gia

Trường Đại học Kinh tế Huế

- Tính linh hoạt: Trong khi mô hình Z-score đã cố định những yếu tố tác

động(biến độc lập) và mức ảnh hưởng ( các hệ số của chúng) đến khả năng phá sản của DN, thì mô hình Logistic lại có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến tác động nhằm phù hợp hơn với từng ngành kinh tế và xác định cụ thể tác động của các yêu tố tới rủi ro tín dụng là như thế nào Ngoài ra, mô hình này có thể sử dụng biến giả, nên việc chuyển các biến định tính thành định lượng sẽ rất đơn giản thông qua tạo biến giả

Nhược điểm của mô hình là phụ thuốc lớn vào độ chính xác của liệu, nguồn thông tin thu thập được nên nếu số liệu có độ chính xác cao thì kết quả của mô hình sẽ càng đáng tin cậy

Từ những cơ sở trên, đề tài đã chọn mô hình logistic để tính xác suất xảy ra rủi ro tín dụng và XHTD cho các doanh nghiệp đang vay vốn tại ngân hàng Vietinbank

CHƯƠNG 2: THỰC TRẠNG XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI VIETINBANK CHI NHÁNH HUẾ

2.1 Giới thiệu chung về Ngân hàng TMCP Công Thương – Chi nhánh Thừa

Thiên Huế (VietinBank – Huế) 2.1.1 Sơ lược quá trình hình thành và phát triển Ngân hàng TMCP Công

Thương – Chi nhánh Thừa Thiên Huế

Thực hiện nghị quyết đại hội Đảng toàn quốc lần thứ VI tháng 8 năm 1988, về việc triển khai công tác đổi mới nền kinh tế từ chế độ quan liêu bao cấp sang cơ chế thị trường có sự quản lý định hướng của nhà nước, hệ thống ngân hàng đã từng bước phân cấp cụ thể, ngân hàng thương mại được tách khỏi ngân hàng nhà nước để hoạt động độc lập Từ đó Ngân hàng công thương Bình Trị Thiên ra đời, với trụ sở chính đặt tại Thừa Thiên Huế và hai chi nhánh ở Đông Hà, Đồng Hới Tất cả các mặt hoạt động kinh doanh đều chịu sự giám sát từ Ngân hàng Nhà nước tỉnh và sự chỉ đạo trực tiếp từ Ngân hàng Công Thương Việt Nam

Trường Đại học Kinh tế Huế

Đến tháng 7 năm 1989, do sự phân chia ranh giới tỉnh Bình Trị Thiên thành 3 tỉnh: Quảng Bình, Quảng Trị và Thừa Thiên Huế, Chi nhánh Ngân hàng Công Thương Việt Nam – Thừa Thiên Huế đã được tách ra từ ngân hàng Công Thương Bình Trị Thiên theo quyết định 217/42 của Hội đồng Bộ trưởng Từ đó đến nay Ngân hàng TMCP Công Thương – Chi nhánh Huế đã không ngừng phấn đấu vượt qua nhiều khó khăn, thử thách nhất là trong giai đoạn nền kinh tế chuyển đổi từ chế

độ tập trung quan liêu bao cấp sang cơ chế thị trường với những định hướng phát triển quan trọng để không ngừng nâng cao số lượng và chất lượng Chi nhánh hoạt động kinh doanh theo hệ thống NHTM quốc doanh trực thuộc Ngân hàng Công Thương Việt Nam: kinh doanh tiền tệ thanh toán và các hình thức dịch vụ khác Chi nhánh thực hiện chế độ hạch toán toàn ngành theo pháp lệnh ngân hàng, hợp tác xã tín dụng và công ty tài chính Chi nhánh chịu mọi chi phối và điều hành của Ngân hàng Công Thương Việt Nam qua các văn bản, thể chế và thực hiện các quy định về việc báo cáo tình hình hoạt động kinh doanh định kỳ, thường xuyên, tuân thủ các chính sách, chế độ của ngân hàng, bảo đảm nguyên tắc tập trung thống nhất trong toàn hệ thống

Với nhiều năm tồn tại và phát triển, Ngân hàng Công thương – Chi nhánh Huế

đã khẳng định được tên tuổi và vị thế của mình Chính vì thế đến năm 2002, Chi nhánh đã cho mở rộng địa bàn hoạt động của mình, mở một chi nhánh cấp 2 tại Phú Bài, một điểm giao dịch tại Thuận An Cho đến nay Chi nhánh cấp 2 Phú Bài đã tách riêng thành Chi nhánh trực thuộc Ngân hàng Công Thương Việt Nam, các quầy giao dịch đã trở thành phòng giao dịch, quầy tiết kiệm trở thành các điểm giao dịch

ở những nơi trọng điểm trên địa bàn thành phố Huế Tính đến nay, Ngân hàng TMCP Công Thương – Chi nhánh Huế đã có 1 trụ sở chính và 9 phòng giao dịch trên địa bàn tỉnh Thừa Thiên Huế như sau:

Bảng 2.1: Trụ sở chính và các phòng giao dịch của Ngân hàng TMCP

Công Thương – Chi nhánh Huế

Trường Đại học Kinh tế Huế

1 Hội sở 02 Lê Quý Đôn 054.3823275

8 PGD Sân bay Phú Bài Ga đến sân bay Phú Bài 054.3961232

Có thể nói hiện nay Ngân hàng TMCP Công thương Việt Nam – Chi nhánh Huế

đã vững vàng khẳng định vị thế là một trong những ngân hàng phát triển mạnh ở địa bàn tỉnh Thừa Thiên Huế

2.1.2 Các hoạt động chính của VietinBank – Huế

2.1.3 Kết quả hoạt động kinh doanh của Vietinbank Huế

Qua bảng 2.2 ta thấy hiệu quả kinh doanh của VietinBank – Huế qua 3 năm đều tiến triển tốt, thể hiện hoạt động trong 3 năm của ngân hàng có lãi Trong năm 2013 tổng thu nhập của ngân hàng đã đạt 607.517 triệu đồng, tăng 112.573 triệu đồng so với năm 2012, tỷ lệ tăng là 22,74% Không dừng lại tại đó, bước sang năm 2014 tổng thu nhập của ngân hàng tăng vượt bậc là 758.275 triệu đồng, tăng 19,88% tương ứng với 150.758 triệu đồng so với năm 2013 Chi nhánh đã tạo điều kiện cho Trường Đại học Kinh tế Huế

doanh nghiệp được vay vốn không những giúp doanh nghiệp duy trì và dần phục hồi sản xuất kinh doanh mà còn làm góp phần tăng trưởng tín dụng của chi nhánh gia tăng vượt bậc, từ đó góp phần gia tăng thu nhập từ lãi

Bảng 2.2: Tình hình kinh doanh của VietinBank Huế trong 3 năm 2012 – 2014

Chênh lệch 2014/2013(+/-)

Số tiền % Số tiền %

Tổng thu nhập 494.944 607.517 758.275 112.573 22,74 150.758 19,88 Tổng chi phí 435.378 554.151 725.960 118.773 27,28 171.809 23,67

Tổng lợi nhuận 59.566 53.366 32.315 (6.200)

-10,41 (21.051)

65,14

-(Nguồn từ phòng Kế hoạch tổng hợp năm 2011 – 2013 của VietinBank – Huế)

Mặc khác, tổng chi phí của VietinBank – Huế năm 2013 tăng nhẹ 27,28%, tương đương với 118.773 triệu đồng Và năm 2013 tổng chi phí tăng 23,67% với số tiền là 171.809 triệu đồng Sở dĩ như vậy là do tổng nguồn vốn huy động của chi nhánh tăng lên đáng kể, điều này là để đáp ứng nhu cầu thanh khoản cho chi nhánh, đặc biệt khi chi nhánh gia tăng tín dụng – cho vay hỗ trợ lãi suất theo diện rộng Điều này thể hiện sự cố gắng không ngừng của CBCNV toàn chi nhánh Ngân hàng, việc giảm chi phí tới mức thấp nhất có thể trong thời điểm nhạy cảm về giá hiện nay

là một điều cần được phát huy hơn nữa

Tuy nhiên, với việc tăng thêm chi phí và tình hình kinh tế những năm gần đây không ổn định dẫn đến thu nhập của chi nhánh không được tốt, đến cuối năm 2013 lợi nhuận chi nhánh giảm 10,41% tương đương với (6.200) triệu đồng và đến năm

2014 đã giảm đến 65,14% với số tiền là (21.051) triệu đồng so với năm trước

Kết quả hoạt động kinh doanh cho thấy tiềm năng của chi nhánh Có được kết quả như vậy là do NH biết đa dạng hóa các hoạt động, đặc biệt khai thác hiệu quả các dịch vụ…cũng như không ngừng mở rộng thị phần, quản lý nguồn vốn, đổi mới công nghệ

Kết quả đạt được như trên là sự kết hợp của việc triển khai tích cực sâu sát và đồng bộ các giải pháp đa dạng hóa kết hợp nâng cao chất lượng sản phẩm, dịch vụ Trường Đại học Kinh tế Huế

và công tác phục vụ khách hàng, thường xuyên nâng cấp hệ thống công nghệ thông tin Vietinbank tiếp tục thu hút được nhiều nguồn vốn với khối lượng lớn và kỳ hạn

ổn định Nguồn vốn được sử dụng hiệu quả và tập trung cho vay các ngành kinh tế mũi nhọn trọng điểm quốc gia, có tiềm năng phát triển bền vững

2.1.4 Thực trạng về quản lý rủi ro tín dụng của Vietinbank

Các công cụ mà Vietinbank sử dụng để quản lý rủi ro tín dụng là:

- Đối với hoạt động tín dụng :

Ngân hàng kiểm soát và quản lý rủi ro tín dụng bằng cách thiết lập hạn mức tín dụng tương ứng với mức độ rủi ro mà ngân hàng có thể chấp nhận được đối với mỗi khách hàng và đối với mỗi lĩnh vực địa lý, ngành nghề Ngân hàng đã thiết lập quy trình soát xét chất lượng tín dụng cho phép dự báo sớm những thay đổi về tình hình tài chính, khả năng trả nợ của các bên đối tác dựa trên các yếu tố định tính và định lượng Hạn mức tín dụng đối với mỗi khách hàng được thiết lập thông qua việc sử dụng hệ thống xếp hạng tín dụng Trong đó, mỗi khách hàng được xếp loại ở một mức độ rủi ro Mức độ rủi ro này có thể được sửa đổi và cập nhật thường xuyên

- Đối với hoạt động đầu tư và cho vay trên thị trường liên ngân hàng

Ngân hàng kiểm soát và quản lý rủi ro bằng cách thiết lập hạn mức đầu tư liên ngân hàng đối với từng đối tác cụ thể trên cơ sở phân tích, đánh giá của Ngân hàng

về mức độ rủi ro của đối tác Hạn mức đầu tư liên ngân hàng do Hội đồng định chế tài chính xác lập và giao Phòng đầu tư thực hiện

2.2 Đối tượng, phạm vi áp dụng xếp hạng tín dụng khách hàng doanh

nghiệp của Vietinbank Huế 2.2.1 Đối tượng, phạm vi xếp hạng tín dụng

2.2.1.2 Phạm vi áp dụng xếp hạng

Các doanh nghiệp hoạt động pháp luật quy định có liên quan đã, đang và sẽ có quan hệ tín dụng với Ngân hàng Công thương Việt Nam hay nói cách khác là khách hàng của ngân hàng

2.3 Quy trình thực hiện xếp hạng tín dụng của hệ thống chấm điểm tín dụng

Vietinbank

Trường Đại học Kinh tế Huế

( Nguồn: sổ tay tín dụng của ngân hàng vietinbank)

Sơ đồ 2.1: Quy trình chấm điểm và xếp hạng tín dụng doanh nghiệp Chi tiết các bước trong quy trình chấm điểm và xếp hạng tín dụng xem tại Phụ lục

19

Thông tin doanh nghiệp

Chấm điểm phi tài

chính

Chỉ tiêu thanh khoản

Chỉ tiêu thu nhập

Chỉ tiêu hoạt động Chỉ tiêu cân nợ

Xác định quy mô Xác định ngành,

lĩnh vực Chấm điểm tài chính

Khả năng

trả nợ

Ảnh hưởng tới ngành

Quan hệ khách hàng

Ảnh hưởng tới hoạt động DN

Trình độ quản lý

Điểm phi tài chính

Điểm tài chính

Tổng hợp điểm

Xếp hạng doanh nghiệp

Trường Đại học Kinh tế Huế

CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH BINARY LOGISTIC TRONG XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP CỦA VIETINBANK HUẾ

3.1 Điều kiện áp dụng và phương pháp phân tích hồi quy Binary Logistic 3.1.1 Điều kiện áp dụng

Hồi quy Binary Logistic được sử dụng trong trường hợp biến phụ thuộc sử dụng trong mô hình là biến định tính với hai giá trị 0 và 1 (hay biến nhị phân), ở đây chính là Tình trạng rủi ro tín dụng của DN với hai giá trị là 1: DN có rủi ro tín dụng

và 0: DN không có rủi ro tín dụng, để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được Trước khi tiến hành hồi quy Binary Logistic cần chú ý đến những điểm sau:

+ Thông thường sử dụng phương pháp đưa biến vào mặc định là Enter, tức là đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong một bước Ngoài

ra còn có phương pháp đưa biến vào là Stepwise ( hồi quy từng bước), số thống kê được sử dụng cho các biến được đưa vào và dời ra căn cứ trên số thống kê likehood- ratio( tỷ lệ thích hợp) hay số thống kê Wald3

+ Giá trị P_value được thể hiện qua chỉ tiêu sig trong SPSS của kiểm định Chi bình phương (Chi – square) dùng để kiểm định cho giả thiết Ho: 1 = 2 = … = n = 0, kiểm định này xem xét khả năng giải thích biến phụ thuộc của tổ hợp biến độc lập hay cho thấy độ phù hợp tổng quát của mô hình:

- Nếu giá trị sig < 0.1( mức ý nghĩa phù hợp với cỡ mẫu không đủ lớn, tương ứng với độ tin cậy 90%) ta đủ điều kiện để bác bỏ H0, nghĩa là tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có ý nghĩa trong việc giải thích cho sự thay đổi của biến phụ thuộc

- Ngược lại nếu giá trị sig > 0.1 ta không đủ điều kiện để bác bỏ Ho, nói cách khác ta phải chấp nhận Ho, tức lúc này là tổ hợp liên hệ tuyến tính của toàn bộ các

3 Hoàng trọng- Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu với spss tập 2, Nhà xuất bản Hồng Đức, trang 5

Trường Đại học Kinh tế Huế

hệ số trong mô hình là không có ý nghĩa trong việc giải thích cho sự thay đổi của biến phụ thuộc

+ Mức độ chính xác của mô hình còn được thể hiện trong kết quả của bảng phân loại (Classification table), cho thấy tỷ lệ dự đoán đúng của toàn bộ mô hình

+ Đối với hồi quy tuyến tính sử dụng kiểm định t để kiểm định giả thuyết H0: k=0 Còn đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể, tức là kiểm định giả thuyết

H0: k=0

- Nếu giá trị sig của biến thứ k < mức ý nghĩa  = 0.1, ta đủ điều kiện để bác bỏ

Ho, hay hệ số hồi quy tìm được là có ý nghĩa, tức là tỷ lệ chênh lệch giữa các xác suất là khác 1, tức xác suất để sự kiện xảy ra hay không xảy ra là khác nhau, lúc này

mô hình hồi quy mới có tác dụng dự đoán

- Nếu giá trị sig của biến thứ k > mức ý nghĩa  = 0.1, ta không đủ điều kiện để bác bỏ Ho, hay hệ số hồi quy tìm được là không có ý nghĩa, tức là tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra là bằng nhau, lúc này mô hình hồi quy không có tác dụng dự đoán

nợ của các doanh nghiệp trên theo mô hình logistic và theo quy trình xây dựng của Ngân hàng Công thương Nếu hai cách trên không làm đổi hạng của doanh nghiệp thì mô hình được coi là phù hợp

Nếu mô hình phù hợp, dùng kết quả của mô hình phân tích sự ảnh hưởng của các yếu tố tác động đến xác suất rủi ro tín dụng Từ đó đánh giá khả năng chuyển đổi Trường Đại học Kinh tế Huế

hạng đối với từng doanh nghiệp khi có sự tác động tích cực hoặc tiêu cực của một hay nhiều yếu tố khác và đưa ra quyết định cho vay hay không, nếu cho vay thì khoản vay bằng bao nhiêu, lãi suất như thế nào?

3.2 Áp dụng mô hình binary logistic để xếp hạng tín dụng khách hàng

doanh nghiệp vay vốn của Vietinbank Huế 3.2.1 Mô hình hồi quy Binary logistic

Mô hình hồi qui Logistic nghiên cứu sự phụ thuộc của 1 biến nhị phân vào các biến độc lập khác Mục đích của mô hình này sử dụng các nhân tố có ảnh hưởng đến DN (biến độc lập) để xác định khả năng những DN này sẽ có rủi ro tín dụng (biến phụ thuộc) là bao nhiêu Nghĩa là, mô hình Logistic có thể ước lượng xác suất mặc định một DN có rủi ro là bao nhiêu trực tiếp từ mẫu

Cấu trúc dữ liệu trong mô hình như sau:

Giả sử biến giảY phụ thuộc vào chỉ số khả dụng Y* Trong đó:

Y*=ß1+ß2X2i+ +ßkXki +Єi

Vì Y(i) là biến nhị phân có thể được giải thích như sau:

0 nếu không trả được nợ (có rủi ro tín dụng)

Yi =

1 nếu trả trả được nợ (không có rủi ro tín dụng) Trong đó Pi=P(Yi=1/Xi), khi đó Yilà biến ngẫu nhiên phân phối theo qui luật Bernoulli, có nghĩa là:

Trường Đại học Kinh tế Huế

sử dụng các phần mềm như SPSS, Eviews…

3.2.2 Mẫu nghiên cứu

Mẫu nghiên cứu gồm 66 doanh nghiệp đang vay vốn tại ngân hàng VietinBank- Chi nhánh huế Kích thước mẫu đã thỏa mãn điều kiện: số lượng quan sát ít nhất là gấp 5 lần số biến độc lập

Mẫu này được chia thành 2 nhóm: nhóm 1 gồm các DN có rủi ro tín dụng ( 22 gồm DN), nhóm 0 gồm các DN không có rủi ro tín dụng (44 gồm DN)

3.2.2.1 Biến và số liệu

Dấu hiệu rủi ro tín dụng:

Trường Đại học Kinh tế Huế

Căn cứ vào dấu hiệu nhận biết rủi ro tín dụng theo tiêu chuẩn Basel II4 thì một

DN có rủi ro tín dụng khi xuất hiện ít nhất một trong các dấu hiệu sau:

a) Không có khả năng thực hiện nghĩa vụ tín dụng với các đối tác b) Vốn lưu động ròng < 0

c) Giá trị thị trường của DN < Tổng nợ phải trả Việc đo lường các sự cố trên có thể sử dụng thông qua các chỉ tiêu:

b Vốn lưu động ròng Tổng TS ngắn hạn -Tổng nợngắn hạn

c Giá trịthịtrường của DN Tổng cổphiếu x Giá thịtrường 1 cổphiếu

Trong ba dấu hiệu trên thì dấu hiệu đầu tiên là khó có thể quan sát nhất , vì chỉ nhận biết khi phát sinh kiện tung hoặc phản hồi của bên cho vay Đối với dấu hiệu thứ 2 và thứ 3, có thể quan sát trực tiếp từ BCTC mà NH cung cấp Do đó đề tài chỉ sử dụng một trong hai dấu hiệu đó để xác định rủi ro tín dụng của DN

 Biến phụ thuộc: Y là khả năng trả nợ của doanh nghiệp

Y=1 : không có rủi ro tín dụng Y=

Ý nghĩa kỳ vọng

Tác giả nghiên cứu

1 D1

Thương hiệu thị trường D=0: Thương hiệu ít nổi

tiếng D=1: Thương hiệu nổi tiếng

- Lợi thế về thương hiệu Biến đề xuất

2 D2

Trình độ quản lý, kinh nghiệm ban lãnh đạo D2= 0: Nếu trình độ quản lý, kinh nghiệm ban lãnh đạo

-

Lợi thế về kinh nghiêm quản lý

Biến đề xuất

4 Basel II là hệthống các tiêu chuẩn được thiết lập nhằm quản lý rủi ro tín dụng do uỷban Basel

vềgiám sát ngân hàng ban hành Uỷ ban Basel bao gồm đại diện ngân hàng trung ương của 20 nền kinh tếlớn (G20).

Trường Đại học Kinh tế Huế

không cao

D2=1: Nếu trình độ quản lý, kinh nghiệm ban lãnh đạo

cao

3 X1 Khả năng thanh toán ngắn

Tỷ số khả năng thanh toán

Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011)

4 X2 Khả năng thanh toán nhanh -

Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011)

5 X3 Khả năng trả lãi -

Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011)

6 X4 Kỳ thu tiền bình quân + Hiệu quả thu

hồi nợ

Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011)

7 X5 Nợ phải trả/TTS + Cơ cấu nợ,

quy mô tài chính của doanh nghiệp

Hoàng Tùng (2011); Đỗ Văn Lộc và Lâm Thị

Đỗ Văn Lộc và Lâm Thị Mỹ Dung (2011);

10 X8

Lợi nhuận sau thuế/DTT -

Tỷ suất sinh lợi

Hoàng Tùng (2011); Đỗ Văn Lộc và Lâm Thị

Mỹ Dung (2011)

13 X11 DTT/ Tổng TS - Hiệu quả sử

dụng tài sản

Hoàng Tùng (2011) (Nguồn: tổng hợp của tác giả) Trường Đại học Kinh tế Huế