ỨNG DỤNG MÔ HÌNH LOGISTIC ĐỂ XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG VPBANK

ỨNG DỤNG MÔ HÌNH LOGISTIC ĐỂ XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG VPBANK - NGÔ QUYỀN Có rất nhiều phương pháp để xếp hạng tín dụng đối với khách hàng doanh nghiệp.. Đối với ng

ỨNG DỤNG MÔ HÌNH LOGISTIC ĐỂ XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG VPBANK - NGÔ QUYỀN

Có rất nhiều phương pháp để xếp hạng tín dụng đối với khách hàng doanh

nghiệp Tuỳ từng ngân hàng thì có những phương pháp xếp hạng khác nhau Đối với ngân hàng VPBank – chi nhánh Ngô Quyền, bên cạnh phương pháp xếp hạng nói trên, sau đây em sẽ đưa ra một phương pháp khác - ứng dụng mô hình LOGISTIC để xếp hạng khách hàng doanh nghiệp tại ngân hàng VPBank – Ngô Quyền

3.1 Ứng dụng mô hình LOGIT với đầy đủ các biến số vào một số khách hàng của ngân hàng VPBank – Ngô Quyền

Sử dụng số liệu là 11 chỉ tiêu định lượng để xếp hạng doanh nghiệp của 50 doanh nghiệp hiện đang có quan hệ tín dụng với VPBank – chi nhánh Ngô Quyền

Kí hiệu:

Biến phụ thuộc Y: Tình trạng nợ của khách hàng ( doanh nghiệp )

Việc phân chia dựa trên tình trạng chiếm dụng vốn của các

doanh nghiệp

Y = 0: Doanh nghiệp không có nợ không đủ tiêu chuẩn

Y = 1: Doanh nghiệp có nợ không đủ tiêu chuẩn

Các biến độc lập X: Quy mô của doanh nghiệp

Việc phân chia phụ thuộc vào tổng tài sản ( <10 tỷ quy mô doanh nghiệp nhỏ ), số lao động, doanh thu thuần, nộp ngân sách nhà nước

D = 0: Khi quy mô của doanh nghiệp nhỏ

D = 1: Khi quy mô của doanh nghiệp không phải là nhỏ

X1: Khả năng thanh toán ngắn hạn

X2: Khả năng thanh toán nhanh

X3: Kỳ thu tiền bình quân

X4: Nợ phải trả trên tổng tài sản

X5: Nợ phải trả trên nguồn vốn chủ sở hữu

X6: Vòng quay hàng tồn kho

X7: Lợi nhuận sau thuế trên doanh thu

X8: Tổng lợi tức sau thuế trên nguồn vốn chủ sở hữu( ROE)

X9: Tổng lợi tức sau thuế trên tổng tài sản

X10: Hiệu quả sử dụng tài sản (Doanh thu thuần trên tổng tài sản )

Bảng 3.1 Bảng ma trận hệ số tương quan của các biến

1

0.20429 1

0.14129 8

0.01604 5

0.20236 6

0.21455 8 D

-0.10473 0.16999 -0.18106 0.14187

4

0.42766 4

0.22055 1

0.311305 -0.07015

X1 0.20429

1

0.19661 9

0.07223 8

0.44989 6

0.13815 3 X2 0.14129

8

0.22720 9

0.95122 3

1 -0.04587 0.62336 -0.31371 0.35137 0.32184 0.13095 0.45930

6

0.11440 6 X3 -0.1659 -0.10473 -0.10783 -0.04587 1 -0.33658 0.76236

8

-0.09747 0.33590

4

0.14341 8

8

-0.7412 1 -0.15945 0.09609

5

0.18327 9

-0.31634 -0.23163

X6 0.18457

5

0.14187 4

0.33989 9

0.35137 -0.09747 0.241102 -0.15945 1 0.20231 0.33527

4

0.56971 -0.00535

Ta thấy hệ số tương quan của một số cặp biến số là rất lớn, như:

Ngoài ra ta có thể kết hợp các kiểm định sau để việc loại biến được chính xác: Ước lượng mô hình Logit với đầy đủ các biến số, ta thu được kết quả sau:

Variable Coefficient Std Error z-Statistic Prob

D1 1.192121 0.974617 1.223169 0.2213 X1 1.896150 1.004133 1.888345 0.0590 X2 -1.878610 1.033080 -1.818456 0.0690 X3 215.7457 625.2673 0.345046 0.7301 X4 -12.52131 7.043104 -1.777811 0.0754 X5 -0.674376 0.885391 -0.761670 0.4463 X6 0.025879 0.025619 1.010161 0.3124 X7 13.70830 7.355708 1.863627 0.0624 X8 -31.03930 17.78750 -1.745007 0.0810 X9 39.60053 27.96949 1.415847 0.1568 X10 1.873597 1.009471 1.856019 0.0635

C 3.542004 3.714154 0.953650 0.3403

Từ bảng trên ta thấy hệ số của các biến khả năng thanh toán nhanh, nợ phải trả trên tổng tài sản, nợ phải trả trên nguồn vốn chủ sở hữu, ROE đều mang dấu âm, điều này là bất hợp lý về mặt kinh tế Nguyên nhân là do tương quan giữa các biến với nhau Giá trị p-value của X3 = 0.7301 chứng tỏ rằng hệ số của biến này rất có khả năng = 0, ta sẽ tiến hành bỏ biến X3 ra khỏi mô hình

Để kiểm tra xem có thể bỏ biến X3 ra khỏi mô hình không ta sử dụng kiểm định Wald Test:

y

0.73006

Kết quả kiểm định cho thấy C(4) = 0 do kiểm định F có P = 0.73196 > 0.05 và

kiểm định χ 2 có P = 0.73006 > 0.05 Chấp nhận giả thiết Ho.

Vậy ta có thể bỏ biến X3 ra khỏi mô hình Thử hồi quy lại các biến trên khi không có X3 Ta có được kết quả sau:

Variable Coefficient Std Error z-Statistic Prob

D1 1.123395 0.943822 1.190261 0.2339 X1 1.840920 0.977601 1.883100 0.0597 X2 -1.816673 1.004981 -1.807669 0.0707 X4 -12.14723 7.275309 -1.669651 0.0950 X5 -0.568638 0.855819 -0.664437 0.5064 X6 0.024617 0.025028 0.983616 0.3253 X7 13.65584 7.256692 1.881827 0.0599 X8 -30.78391 17.67848 -1.741321 0.0816 X9 39.92666 28.15955 1.417873 0.1562 X10 1.776629 0.940602 1.888821 0.0589

Kết quả kiểm định cho thấy C(5) = 0 do kiểm định F có P = 0.51032 >

0.05 và kiểm định χ 2 có P = 0.50641 > 0.05 Chấp nhận giả thiết Ho.

Vậy ta có thể bỏ biến X5 ra khỏi mô hình Thử hồi quy lại các biến trên khi không có X5 Ta có được kết quả sau:

Variable Coefficient Std Error z-Statistic Prob

D1 1.171353 0.929718 1.259902 0.2077 X1 1.746575 0.961692 1.816148 0.0693 X2 -1.763154 0.996877 -1.768678 0.0769 X4 -9.446807 5.276317 -1.790417 0.0734 X6 0.024037 0.025884 0.928635 0.3531 X7 12.99455 6.778930 1.916903 0.0553 X8 -32.30504 16.54775 -1.952231 0.0509 X9 43.07412 25.92424 1.661539 0.0966 X10 1.803707 0.942358 1.914037 0.0556

C 1.447431 2.353546 0.615000 0.5386

Ta thấy p-value của biến X6 = 0.3531 > 0.05 và p-value của biến C = 0.5386

> 0.05, chứng tỏ rằng hệ số của các biến này có thể bằng 0

C(10)=0 F-statistic 0.703862 Probability 0.500695 Chi-square 1.407723 Probability 0.494671

Ta thấy kiểm đinh F có P = 0.500695 > 0.05 và kiểm định χ 2 có P = 0.494671

> 0.05, vậy chấp nhận giả thiết Ho Tiến hành hồi quy các biến còn lại khi không

có biến X6 và C

Variable Coefficient Std Error z-Statistic Prob

D1 0.973696 0.874424 1.113529 0.2655 X1 1.551583 0.868897 1.785691 0.0741 X2 -1.573429 0.908512 -1.731875 0.0833 X4 -6.062617 2.691582 -2.252436 0.0243 X7 11.10615 5.981732 1.856677 0.0634 X8 -22.83146 8.879521 -2.571249 0.0101 X9 29.41683 12.89567 2.281141 0.0225 X10 1.707614 0.886749 1.925702 0.0541

Hypothesis:

C(1)=0

F-statistic 1.239947 Probability 0.271814 Chi-square 1.239947 Probability 0.265481

Kết quả kiểm định cho thấy C(1) = 0 do kiểm định F có P = 0.271814 và

kiểm định χ 2 có P = 0.265481 > 0.05, vậy chấp nhận giả thiết Ho Hồi quy lại các

biến khi không có biến D1

Variable Coefficien

t Std Error z-Statistic Prob

X1 1.434456 0.802578 1.787309 0.0739 X2 -1.449024 0.866151 -1.672945 0.0943 X4 -5.980214 2.609746 -2.291493 0.0219 X7 12.32075 5.632256 2.187533 0.0287 X8 -22.86419 8.435738 -2.710396 0.0067 X9 30.37381 12.68636 2.394209 0.0167 X10 1.792656 0.872332 2.055014 0.0399

Như vậy có thể mô tả xác suất có nợ không đủ tiêu chuẩn của doanh nghiệp như sau:

) 10

* 793 1 9

* 37 30 8

* 86 22 7

* 32 12 5

* 982 5 2

* 449 1 1

* 43

* 37 30 8

* 86 22 7

* 32 12 4

* 982 5 2

* 449 1 1

* 43

.

1

exp(

X X

X X

X X

X

X X

X X

X X

X Pi

+ +

− +

−

− +

+ +

− +

X1: Khả năng thanh toán ngắn hạn

X2: Khả năng thanh toán nhanh

X4: Nợ phải trả trên tổng tài sản

X7: Lợi nhuận sau thuế trên doanh thu

X8: Tổng lợi tức sau thuế trên nguồn vốn chủ sở hữu ( ROE)

X9: Tổng lợi tức sau thuế trên tổng tài sản

X10: Hiệu quả sử dụng tài sản (Doanh thu thuần trên tổng tài sản)

Tình trạng nợ của doanh nghiệp phụ thuộc 1.434456 vào khả năng thanh toán ngắn hạn, -1.449024 vào khả năng thanh toán nhanh, -5.980214 vào nợ phải trả

trên tổng tài sản, 12.32075 vào lợi nhuận sau thuế trên doanh thu, -22.86419 vào ROE, 30.37381 vào ROA, 1.792656 vào hiệu quả sử dụng tài sản Trong đó Khả năng thanh toán nhanh, Nợ phải trả trên tổng tài sản ,ROE tác động âm tới tình trạng nợ của doanh nghiệp và Khả năng thanh toán ngắn hạn, lợi nhuận sau thuế trên doanh thu, ROA, hiệu quả sử dụng tài sản tác động dương tới tình trạng nợ của doanh nghiệp

Bảng 3.7 Bảng so sánh kết quả hạng và xác suất nợ không đủ tiêu chuẩn (

KĐTC ) của 50 DN

STT các công ty

Xác suất nợ KĐTC

Xác suất có nợ không đủ tiêu

3.2 Một số giải pháp nhằm phòng ngừa và hạn chế rủi ro tín dụng

Hoạt động tín dụng luôn là một hoạt động cơ bản và quan trọng nhất của NHTM Vì vậy việc phòng ngừa và hạn chế rủi ro tín dụng là rất quan trọng đối với hoạt động tín dụng của ngân hàng

3.2.1 Nâng cao chất lượng công tác thẩm định và phân tích tín dụng

• Rà soát, chỉnh sửa và hoàn thiện các quy trình nội bộ, ứng dụng thông tin phù hợp với các thông tin của pháp luật có liên quan

• Thu thập thông tin về các khách hàng cần kịp thời và chính xác

- Đối với khách hàng cá nhân: Cần theo dõi, nắm bắt được thông tin cá nhân của khách hàng một cách kịp thời, chính xác về: Tuổi tác, trình độ học vấn, công việc đang làm…để có được đánh giá chính xác về tình hình tài chính và khả năng trả nợ của khách hàng thông qua mô hình điểm số tín dụng đối với khách hàng cá nhân

- Đối với khách hàng doanh nghiệp: Cần thu thập kịp thời về tình hình sản xuất kinh doanh, tình hình tài chính của khách hàng ….Để từ đó có chính sách cấp tín dụng

và quản lý tín dụng một cách có hiệu quả, tránh được những rủi ro tiềm ẩn trong hoạt động tín dụng

- Cần chú trọng đến công tác đào tạo và bồi dưỡng nguồn nhân lực có đủ năng lực, trình độ, đạo đức nghề nghiệp để thực hiện các hoạt động nghiệp vụ, có cơ chế ủy quyền, quy định trách nhiệm đối cán bộ phụ trách và tác nghiệp.

- Cần tăng cường công tác kiểm tra, kiểm soát, kiểm toán nội bộ và ứng dụng công nghệ mới để kịp thời phát hiện, ngăn ngừa sai phạm, rủi ro

3.2.2 Sử dụng các bảo đảm tín dụng

NH cần quan tâm tới khâu định giá tài sản một cách chuẩn xác và đảm bảo đầy

đủ tính pháp lý của những tài sản này

Với tài sản thế chấp, NH cũng cần kiểm tra xem việc sử dụng tài sản có hợp lý, đúng như cam kết hay không

Với các đảm bảo bằng bảo lãnh, những nội dung giám sát người bảo lãnh cũng giống như đối với khách hàng đi vay ( tuy nhiên phần lớn là giám sát gián tiếp thông qua thông tin thu thập được )

3.2.3 Chú trọng công tác thu thập thông tin tín dụng

- Thực hiện việc quản lý dữ liệu tập trung, đảm bảo có sẵn thông tin cho các nhà quản trị khi đưa ra quyết định cho vay

- Triển khai việc xếp hạng tín dụng đối với khách hàng vay, nâng cấp đảm bảo chính xác và kịp thời hệ thống thông tin báo cáo và quản trị rủi ro

- Tăng cường việc sử dụng các thông tin liên bộ, liên ngành góp phần hỗ trợ trong việc đưa ra các quyết định tín dụng một cách chính xác

3.2.4.Tuân thu nghiêm ngặt quy trình tín dụng

Quy trình tín dụng là quá trình cấp tín dụng của ngân hàng bao gồm nhiều giai đoạn và có quan hệ chặt chẽ với nhau: mang tính chất liên hoàn, theo một trật tự nhất định, kết quả của giai đoạn trước là cơ sở thực hiện giai đoạn tiếp theo và tác động đến chất lượng của giai đoạn sau; trong mỗi giai đoạn lại bao gồm nhiều công việc được thực hiện theo hệ thống những nguyên tắc và những quy định.

Hiện nay, các NHTM đều có thiết lập quy trình tín dụng, giúp cho các nhà quản trị tín dụng có thông tin đầy đủ trước khi quyết định cấp tín dụng, bao gồm:

3.2.5 Sử dụng các nghiệp vụ phái sinh tín dụng để phòng ngừa rủi ro

Ngày nay các nhà quản lý rủi ro đang được tập trung vào hai lĩnh vực Thứ

nhất, phát triển các mô hình để đo lường rủi ro tín dụng Thứ hai, đưa ra các hợp

đồng phái sinh để có thể chuyển giao rủi ro tín dụng

Phái sinh tín dụng là một nghiệp vụ cho phép các NH và các tổ chức tín dụng chuyển rủi ro tín dụng sang những tổ chức sẵn sang chấp nhận rủi ro khác.

Gần đây, sự chú ý đã tập trung và việc chuyển giao rủi ro tín dụng từ một NH sang một đối tác khác bằng cách sử dụng các hợp đồng phái sinh tín dụng Đặc điểm chung của những công cụ quản lý rủi ro này chính là chúng giữ nguyên các tài sản có trên sổ sách kế toán của những tổ chức khởi tạo ra những tài sản đó, đồng thời sẽ chuyển giao một phần rủi ro tín dụng có sẵn trong những tài sản này sang các đối tác khác, thông qua đó sẽ đạt được một số mục tiêu: Các tổ chức khởi tạo có một phương tiện để chuyển giao rủi ro tín dụng mà không cần bán tài sản đó đi; khi việc bán tài sản có làm suy yếu mối quan hệ của NH với khách hàng, thì chuyển giao rủi ro tín dụng sẽ cho phép NH này duy trì được các mối quan hệ sẵn có

Các công cụ phái sinh tín dụng bao gồm:

i) Hoán đổi tổng thu nhập

ii) Hoán đổi tín dụng

iii) Hợp đồng quyền chọn tín dụng

iv) Hợp đồng trao đổi các khoản tín dụng rủi ro

Tuy nhiên, chính sách quản lý hiện nay đối với các công cụ phái sinh tín dụng là không thừa nhận tiềm năng làm giảm rủi ro của chúng Các ngân hàng Trung ương chỉ tin rằng các công cụ phái sinh là đáp ứng được các yêu cầu về vốn dự phòng khi chúng được sử dụng để bảo vệ các tài sản có trong các hoạt động đầu tư của

NH, nhưng đối với các tài sản có trên các sổ sách về hoạt động cho vay thì không

Từ góc độ tiềm năng, trong nhiều trường hợp, việc quản lý rủi ro tín dụng bằng các công cụ phái sinh hiệu quả hơn chính sách hiện nay về vốn dự phòng bắt buộc Vì thế việc sử dụng các công cụ phái sinh tín dụng cần phải được xem xét kỹ lưỡng nhằm góp phần hạn chế rủi ro tín dụng cho NH

KẾT LUẬN Ngân hàng có thể được coi là trái tim của nền kinh tế Nội dung các mặt hoạt

động của ngân hàng bao quát đến toàn bộ hoạt động của nền kinh tế, đến mọi đối tượng, tổ chức, cá nhân liên quan đến lĩnh vực tiền tệ, tín dụng, thanh toán, ngoại hối và ngân hàng ở trong nước và các quan hệ giao dịch với nước ngoài

Cũng như mọi hoạt động kinh doanh khác, hoạt động tín dụng của NHTM Việt Nam hiện nay đang phát triển mạnh mẽ và nó đã trở thành một yếu tố không thể thiếu được đối với nền kinh tế Tuy nhiên trong hoạt động tín dụng thì rủi ro tín dụng là điều không thể tránh khỏi đối với mỗi Ngân hàng Chính vì vậy việc xếp hạng khách hàng là rất cần thiết, giúp các Ngân hàng hạn chế được phần nào rủi ro, quản lý được khách hàng…Vì vậy, hiện nay việc đổi mới hoạt động theo hướng nâng cao hiệu quả tín dụng phải được coi là khâu then chốt trong tiến trình đổi mới chung của ngành ngân hàng

Qua thời gian nghiên cứu đề tài và thực tập giúp em hiểu thêm kiến thức thực tế

về tín dụng, rủi ro tín dụng, hiệu quả hoạt động tín dụng, xếp hạng tín dụng trong hoạt động chi vay của ngân hàng và hiểu sâu thêm về kiến thức chuyên ngành mà mình đã học Tuy nhiên, do vấn đề nghiên cứu phức tạp, thời gian và kinh nghiệm còn hạn chế nên chuyên đề không thể tránh khỏi những sai sót Em rất mong được

sự đóng góp chỉ bảo của các thầy cô, các anh chị trong phòng cũng như của các bạn học sẽ giúp cho em củng cố lại kiến thức cũng như kinh nghiệm thực tế để phát triển trong các nghiên cứu sau này tốt hơn

Xin chân thành cám ơn!

DANH MỤC TÀI LIỆU THAM KHẢO

1 Nguyễn Quang Dong, Kinh tế lượng chương trình nâng cao, NXB Khoa học kỹ thuật, 2007, Hà Nội

2 Phạm Thị Thu Hà, Giáo trình ngân hàng thương mại NXB Thống kê, 2006

3 Tạp chí Ngân hàng và Tạp chí Tài chính tiền tệ các năm 2007, 2008

4 Rủi ro tín dụng và quản trị rủi ro tín dụng , Ngân hàng TMCP các doanh nghiệp ngoài quốc doanh – chi nhánh Ngô Quyền

5 Nguyễn Văn Tiến, Đánh giá và phòng ngừa rủi ro, NXB Thống kê 2002

6 Nguyễn Văn Tiến, Quản trị rủi ro trong kinh doanh ngân hàng, Học viện ngân hàng

7 Website: http://w.w.w.vpb.com.vn

PHỤ LỤC Bảng 3.2 Mô hình với đầy đủ biến số

Convergence achieved after 6 iterations

Covariance matrix computed using second derivatives

Variable Coefficient Std Error z-Statistic Prob D1 1.192121 0.974617 1.223169 0.2213 X1 1.896150 1.004133 1.888345 0.0590 X2 -1.878610 1.033080 -1.818456 0.0690 X3 215.7457 625.2673 0.345046 0.7301 X4 -12.52131 7.043104 -1.777811 0.0754 X5 -0.674376 0.885391 -0.761670 0.4463 X6 0.025879 0.025619 1.010161 0.3124 X7 13.70830 7.355708 1.863627 0.0624 X8 -31.03930 17.78750 -1.745007 0.0810 X9 39.60053 27.96949 1.415847 0.1568 X10 1.873597 1.009471 1.856019 0.0635

C 3.542004 3.714154 0.953650 0.3403 Mean dependent var 0.500000 S.D dependent var 0.505076 S.E of regression 0.466516 Akaike info criterion 1.457668 Sum squared resid 8.270226 Schwarz criterion 1.916553 Log likelihood -24.44170 Hannan-Quinn criter 1.632414 Restr log likelihood -34.65736 Avg log likelihood -0.488834

LR statistic (11 df) 20.43132 McFadden R-squared 0.294762 Probability(LR stat) 0.039765

Obs with Dep=1 25

Estimation Command:

=====================

BINARY(D=L) Y D1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 C