tiểu luận kinh tế lượng các yếu tố ảnh hưởng đến xác suất vỡ nợ của các khoản vay tại mỹ

Mô hình hồiquy tuyến tính được sử dụng để ước lượng các yếu tố ảnh hưởng đến xác suất vỡ nợ của các khoản vay... Chương II: Xây dựng và phân tích mô hình hồi quy Chương này thực hiện thu

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ

QUỐC TẾ =====000=====

BÁO CÁO KINH TẾ LƯỢNG

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN XÁC SUẤT VỠ NỢ CỦA CÁC KHOẢN VAY TẠI MỸ NĂM 2013Giảng viên hướng dẫn: Th.S Nguyễn Thúy Quỳnh

Nhóm sinh viên thực hiện:

MỤC LỤC

BẢNG ĐÁNH GIÁ CÁ NHÂN 1

MỤC LỤC 2

CHƯƠNG MỞ ĐẦU 4

I Lý do chọn đề tài: 4

II Phạm vi nghiên cứu: 4

III Phương pháp nghiên cứu: 4

IV Mục tiêu nghiên cứu: 5

V Cấu trúc nghiên cứu: 5

CHƯƠNG I: CƠ SỞ LÝ LUẬN 6

VỀ XÁC SUẤT VỠ NỢ CỦA CÁC KHOẢN VAY 6

I Khái niệm xác suất vỡ nợ: 6

II Tổng quan về tình hình nghiên cứu: 6

III Giả thuyết nghiên cứu: 7

CHƯƠNG II XÂY DỰNG VÀ PHÂN TÍCH MÔ HÌNH HỒI QUY 9

I Tổng quan 9

1 Mô tả số liệu 9

2 Thiết lập mô hình tổng quát 10

II Hàm hồi quy tuyến tính và phân tích hồi quy 11

1 Mối quan hệ tương quan giữa các biến 11

2 Kết quả hổi quy 13

3 Mức độ phù hợp của mô hình 15

CHƯƠNG III ƯỚC LƯỢNG, KIỂM ĐỊNH VÀ SUY DIỄN THỐNG KÊ 16

I Mô hình ước lượng 16

II Kiểm định sự phù hợp của mô hình 16

1 Kiểm định dạng hàm 16

2 Kiểm định giả thuyết về hệ số hồi quy 16

3 Kiểm định bỏ sót biến 17

III Kiểm định một số khuyết tật của mô hình 18

1 Kiểm định đa cộng tuyến 18

2 Kiểm định phương sai sai số thay đổi 19

3 Kiểm định tự tương quan 21

4 Kiểm định phân phối chuẩn của nhiễu 21

IV Kiểm tra tính phù hợp với lý thuyết kinh tế 22

KẾT LUẬN 24

I Số liệu bảng biểu: 26

1 Bảng số liệu chính 26

2 Mô tả số liệu trên Gretl 31

3 Ma trận tương quan giữa các biến trên Gretl 31

4 Kết quả mô hình hồi quy cùng các kiểm định phương sai sai số thay đổi trên Gretl 32

5 Kết quả kiểm định bỏ sót biến trên Gretl 33

6 Kết quả tính chỉ số VIF trên Gretl 34

7 Kết quả chạy mô hình khi sử dụng lệnh Robust standard errors 35

II Tài liệu tham khảo 35

CHƯƠNG MỞ ĐẦU

Hoạt động tín dụng đã và đang là một trong những hoạt động kinh doanhchính đem lại nguồn thu chủ yếu cho các ngân hàng thương mại Tuy nhiên, bêncạnh việc đem lại thu nhập đáng kể thì lĩnh vực tín dụng cũng là lĩnh vực có rủi rolớn nhất, rủi ro tín dụng mang đến tổn thất to lớn cho không chỉ riêng ngân hàng

mà cả nền kinh tế Trong thời gian gần đây, nợ quá hạn, nợ xấu tại các ngân hàngthương mại ngày càng trở thành một vấn đề nan giải, cản trở sự phát triển toàndiện của ngành ngân hàng Chính vì vậy, đánh giá rủi ro trong hoạt động cho vay

là vấn đề vô cùng cấp thiết mà hệ thống ngân hàng cần quan tâm nhằm góp phầnthực hiện mục tiêu hoạt động tín dụng an toàn, hiệu quả

Xuất phát từ những lý do trên, nhóm em lựa chọn đề tài “Các yếu tố ảnh hưởng đến xác suất vỡ nợ của các khoản vay tại Mỹ”

Bài viết này nhằm phân tích các yếu tố có tác động đến rủi ro tín dụng tạicác ngân hàng thương mại tại Mỹ Số liệu gồm 200 mẫu được lựa chọn từ hơn

2000 trường hợp tại 5 ngân hàng của Mỹ năm 2013

III Phương pháp nghiên cứu:

Nghiên cứu áp dụng phương pháp nghiên cứu định lượng Mô hình hồiquy tuyến tính được sử dụng để ước lượng các yếu tố ảnh hưởng đến xác suất vỡ

nợ của các khoản vay

IV Mục tiêu nghiên cứu:

Kết quả nghiên cứu được kỳ vọng sẽ cung cấp góc nhìn mới trong hoạtđộng quản lý và một số khuyến nghị được đề xuất nhằm giúp các ngân hàngthương mại thực hiện tốt công tác quản lý rủi ro tín dụng

Tiểu luận gồm 3 nội dung chính:

Chương I: Cơ sở lý luận về xác suất vỡ nợ

Chương này giới thiệu tổng quan lý thuyết về xác suất vỡ nợ, rủi ro tíndụng và các nghiên cứu có liên quan

Chương II: Xây dựng và phân tích mô hình hồi quy

Chương này thực hiện thu thập số liệu, định nghĩa các biến và chỉ định

mô hình để tìm ra các biến có ảnh hưởng đến xác suất vỡ nợ của cáckhoản vay tại ngân hàng

Chương III: Ước lượng, kiểm định và suy diễn thống kê.

Chương này tiến hành chạy các mô hình kinh tế để tìm ra mối quan hệ giữacác biến, từ đó đánh giá, kiểm định và đưa ra các kiến nghị, giải pháp

Chúng em xin chân thành cảm ơn giảng viên hướng dẫn – Th.S NguyễnThúy Quỳnh đã giúp đỡ chúng em thực hiện báo cáo Trong quá trình làm tiểuluận, dù đã rất cố gắng nhưng chắc chắn không tránh khỏi những sai sót, kínhmong được cô góp ý để nhóm chúng em có thể hoàn thiện hơn bản báo cáo này

CHƯƠNG I: CƠ SỞ LÝ LUẬN

VỀ XÁC SUẤT VỠ NỢ CỦA CÁC KHOẢN VAY

- Xác suất vỡ nợ là khả năng 1 doanh nghiệp không thể hoàn trả nợ gốc, nợ lãi theolịch trình, cam kết đã định trước

- Khi người cho vay ước tính một doanh nghiệp có xác suất vỡ nợ cao thì họ sẽđưa ra một mức lãi suất cho vay cao hơn, như là một khoản bồi thường cho việcchấp nhận rủi ro cao hơn đó

- Một khách hàng được định nghĩa là không có khả năng trả được nợ như sau:

• Ngân hàng đánh giá rằng khách hàng không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực diện hành động gì để cố gắng thu hồi

• Khách hàng đã quá hạn trả nợ 90 ngày

- Wilson (1997) và Merton (1974) được biết đến với các bài nghiên cứu về stresstest đo lường rủi ro tín dụng dưới tác động kinh tế vĩ mô Wilson thiết lập môhình trực tiếp dựa trên tính nhạy cảm của nhiều biến kinh tế vĩ mô đối với xácsuất vỡ nợ trên từng khu vực ngành nghề

- Kể từ đó nhiều bài nghiên cứu đã ứng dụng công cụ này để đánh giá mức độ hồiphục của hệ thống ngân hàng ở những quốc gia khác nhau trước biến động vĩ môbất lợi như là Berkowitz (1999), Pesola (2001), Boss và cộng sự (2002), Gerlach

và cộng sự (2003), Virolainen và Sorge (2006), Barnhill (2006) Mục tiêu chínhcủa những bài nghiên cứu này là đo lường mức độ nhạy cảm của danh mục tíndụng trước kịch bản vĩ mô bất lợi hoặc những sự kiện, biến động ngoạn mục

- Boss (2002) đã sử dụng mô hình rủi ro tín dụng vĩ mô để phân tích tình hình biến

đã nhận thấy sức sản xuất công nghiệp, tỷ lệ lạm phát, chỉ số chứng khoán, lãi suất ngắn hạn danh nghĩa và giá dầu là các nhân tố quyết định xác suất vỡ nợ.

- Sorge & Virolainen (2006) ứng dụng hai phương pháp chính trong stress test chonền kinh tế Phần Lan là kết hợp phân tích kinh tế lượng theo dữ liệu bảng cân đối

kế toán và mô hình giá trị có rủi ro VaR Thông qua đó, các tác giả còn tìm thấymối quan hệ có ý nghĩa thống kê giữa tỷ lệ vỡ nợ đặc trưng theo ngành và GDP,lãi suất và tổng nợ của khu vực doanh nghiệp

- Liên quan đến việc thiết kế kịch bản vĩ mô bất lợi trước khi mô phỏng xác suất

vỡ nợ của ngân hàng, Ali và Daly (2010) đã khảo sát các nhân tố kinh tế vĩ môtác động lên mức độ vỡ nợ tổng thể trong nền kinh tế Mỹ và Úc Các kết quả củanghiên cứu này đã hỉ ra rằng GDP, lãi suất ngắn hạn và tổng nợ là những chỉ tiêu

có ý nghĩa kinh tế đối với mức độ vỡ nợ tổng thể

- Gtogowski (2008) cũng kiểm tra mối liên hệ giữa các nhân tố chu kì kinh doanh

và khoản tổn thất nợ của ngân hàng thương mại Ba Lan Kết quả đã cho thấy tốc

độ tăng trưởng GDP, sự thay đổi trong lãi suất thực, tỷ lệ thất nghiệp và tỷ giá hốiđoái có ảnh hưởng quan trọng đến tổn thất nợ

III Giả thuyết nghiên cứu:

xác suất xảy ra vỡ nợ cũng khác nhau Thông thường, nhóm khách hàng trong độtuổi từ 30-45 có xác suất vỡ nợ lớn hơn nhóm khách hàng trong độ tuổi từ 46-60

- Số năm sống ở khu vực hiện tại: Biến này cho biết tình trạng ổn định về chỗ ở

của khách hàng Thông thường, những người có thời gian sống ở khu vực hiện tạilâu hơn sẽ có tình trạng ổn định về công việc cao hơn và nguy cơ vỡ nợ cũng thấphơn

- Thu nhập ($): Thu nhập cao là 1 trong những yếu tố làm giảm tỷ lệ vỡ nợ và

ngược lại

- Nợ thẻ tín dụng: Những khách hàng có số dư nợ trong thẻ tín dụng thấp sẽ có xác suất vỡ nợ thấp hơn nhóm còn lại.

- Khoản nợ khác: Số dư tài khoản nợ càng cao, xác suất vỡ nợ càng lớn và ngược

lại

CHƯƠNG II XÂY DỰNG VÀ PHÂN TÍCH MÔ

• Biến phụ thuộc: predeff: xác suất vỡ nợ của một khoản vay tại ngân hàng

(chỉ số này được tính bằng mô hình khác thuộc nghiệp vụ quản lí rủi ro củacác chuyên viên ngân hàng, ở đây chúng em chỉ dùng kết quả có sẵn và xácđịnh ảnh hưởng của các yếu tố khác lên chỉ số này)

• Biến độc lập: gồm 7 biến được trình bày trong bảng sau:

Trình độ học vấn của chủ thể vay nợ (ed=1 cho

ed trình độ học xong trung học cơ sở, ed = 2 cho

trình độ học xong trung học phổ thông, ed=3 chotrình độ đại học, ed = 4 cho trình độ sau đại học)

employ năm Số năm gắn bó với công việc hiện tại

income nghìn Tổng thu nhập của chủ thể vay nợ tính theo năm

USD/năm

creddebt nghìn USD Số ghi nợ trong tài khoản thẻ tín dụng của chủ thể

vay nợ

othdebt nghìn USD Các khoản vay nợ khác của chủ thể vay nợ

Sử dụng lệnh Summary Statistics trong Gretl ta được bảng mô tả dữ liệu sau:

Biến Giá trị Trung Độ lệch Giá trị nhỏ Giá trị lớn

• Hàm hồi quy tổng thể (PRF): biểu diễn mối liên hệ giữa biến phụ thuộc

preddef với các biến độc lập: age, ed, employ, address, income, creddebt, othdebt như sau:

Trong đó, : sai số ngẫu nhiên ; :phần dư ( ước lượng của sai số )

1 Mối quan hệ tương quan giữa các biến.

Dùng Gretlt ta có ma trận tương quan như sau:

Sử dụng các quan sát từ 1-200, giá trị tới hạn 5% (2 phía) = 0.1388, n=200

preddef age ed employ address income creddebt othdebt

- Hệ số tương quan giữa preddef và age là -0.4403

- Hệ số tương quan giữa preddef và ed là 0.2794

- Hệ số tương quan giữa preddef và employ là -0.6071

11

- Hệ số tương quan giữa preddef và address là -0.3970

- Hệ số tương quan giữa preddef và income là -0.2911

- Hệ số tương quan giữa preddef và creddebt là 0.3354

- Hệ số tương quan giữa preddef và othdebt là 0.1783

Có thể thấy, trong tất cả các nhân tố được nghiên cứu, biến employ có mối tương quan mạnh nhất đến biến preddef (hệ số tương quan của biến có độ lớn cao nhất),

hay nói cách khác, số năm gắn bó với công việc hiện tại của chủ thể vay nợ có ảnhhưởng mạnh nhất đến xác suất vỡ nợ của khoản vay Hệ số tương quan của biến

employ này âm, chứng tỏ được mối quan hệ ngược chiều giữa biến employ và preddef, thể hiện nếu một người có công việc càng ổn định thì xác suất vỡ nợ của người đó khi đi vay nợ càng thấp Ngược lại, biến othdebt có tương quan ít nhất đến biến preddef (hệ số tương quan có độ lớn thấp nhất), hay nói cách khác, các

khoản nợ khác của chủ thể vay nợ có ảnh hưởng ít nhất đến xác suất vỡ nợ của

khoản vay đang xét Hệ số tương quan giữa othdebt và preddef mang dấu dương

chứng tỏ chúng có mối quan hệ thuận chiều, tức là khi chủ thể vay nợ từ các nguồnkhác càng nhiều, thì khoản nợ đang xét có xác suất vỡ nợ càng cao

Dấu của hệ số tương quan cũng tương tự với các nhân tố khác, nếu mang dấudương là thuận chiều, còn mang dấu âm là ngược chiều Các biến có quan hệ thuận

chiều ở đây là: ed, creddebt và othdebt Các biến có quan hệ ngược chiều là: age, employ, address và income.

Ngoài ra, sau khi đọc số liệu của bảng tương quan giữa các biến, ta thấy tươngquan giữa các biến độc lập với nhau là tương đối nhỏ, đều dưới mức 0.8, do đónhiều khả năng không có hiện tượng đa cộng tuyến (kiểm định sẽ được thực hiện ởchương sau)

2 Kết quả hổi quy.

Sử dụng phương pháp ước lượng bình phương tối thiểu OLS và phần mềm Gretl tađược kết quả hồi quy như sau:

Hệ số hồi quy Sai số chuẩn t-ratio p-value

employ -0.0267519 0.00210550 -12.71 3.06e-027address -0.00869707 0.00160979 -5.403 1.93e-07

Dựa vào kết quả ước lượng trên ta thu được:

(PRF):

=1+2 + 3 + 4 + 5 + 6 + 7 + 8 ℎ +(SPF):

= 0.425665 − 0.00150717 + 0.0239668 − 0.0267519 − 0.00869707 − 0.00112479

+ 0.0935105 + 0.0206162 ℎ +

1 =0.425665 nghĩa là khi giá trị các biến độc lập Xi= 0 thì xác suất vỡ nợ trung bình là 0.425665, với điều kiện các yếu tố khác không đổi.

• ̂2 = -0.00150717 có nghĩa là nếu tuổi của chủ thể vay nợ tăng 1 tuổi thì xác suất vỡ nợ trung bình giảm 0.00150717, với điều kiện các yếu tố khác không đổi.

• ̂3 = 0.0239668 có nghĩa là trình độ học vấn của chủ thể vay nợ tăng thêm 1 bậc thì xác xuất vỡ nợ trung bình tăng 0.0239668, với điều kiện các yếu tố khác không đổi.

• ̂4 = -0.0267519 có nghĩa là số năm gắn bó với công việc hiện tại của chủ thể vay nợ tăng thêm 1 năm thì xác suất vỡ nợ trung bình giảm 0.0267519, với điều kiện các yếu tố khác không đổi.

• ̂5 = -0.00869707có nghĩa là số năm sống tại chỗ ở hiện tại của chủ thể vay nợ tăng 1 năm thì xác suất

vỡ nợ trung bình giảm 0.00869707, với điều kiện các yếu tố khác không đổi.

14

• ̂6 = -0.00112479 có nghĩa là nếu tổng thu nhập của chủ thể vay nợ tính theo năm tăng thêm 1 nghìn USD thì xác suất vỡ nợ trung bình giảm 0.00112479, với điều kiện các yếu tố khác không đổi.

• ̂7 = -0.00112479 có nghĩa là nếu số ghi nợ trong tài khoản tín dụng của chủ thể vay nợ tăng 1 nghìn USD thì xác suất vỡ nợ trung bình giảm 0.00112479 , với điều kiện các yếu tố khác không đổi.

• ̂8 = 0.0206162 có nghĩa là nếu các khoản vay nợ khác của chủ thể vay nợ tăng 1 nghìn USD thì xác suất vỡ nợ trung bình tang 0.0206162, với điều kiện các yếu tố khác không đổi.

3 Mức độ phù hợp của mô hình.

• Hệ số xác định R2 = 0.795539

 Mức độ phù hợp của mô hình hồi quy là tương đối lớn 79.6% Các biến độ

tuổi, trình độ học vấn, số năm làm công việc hiện tại, số năm sống tại nơi ởhiện tại, mức thu nhập hàng năm, số ghi nợ thẻ tín dụng và các khoản nợkhác giải thích được 79.6% sự thay đổi trong giá trị trung bình của xác suất

vỡ nợ, còn lại do các yếu tố khác

• Hệ số xác định điều chỉnh ̅2 = 0.788085

 Trong trường hợp ta đưa thêm biến vào mô hình, hệ số xác định điều chỉnh

mà tang thì việc đưa thêm biến là có ý nghĩa, và ngược lại

15

CHƯƠNG III ƯỚC LƯỢNG, KIỂM ĐỊNH VÀ SUY

DIỄN THỐNG KÊ

Preddef = 0.425665 - 0.00150717age + 0.0239668ed -0.0267519employ

Mục đích : xem xét trường hợp các tham số của biến độc lập đồng thời bằng

0 có thể xảy ra hay không

2 Kiểm định giả thuyết về hệ số hồi quy.

Mục đích : kiểm định ảnh hưởng của từng biến độc lập lên giá trị trung bình

của biến phụ thuộc preddef.

Có cặp giả thuyết thống kê:

{ 0 : =0

vơi i = 1,8

1 : ≠0

́•

Nếu giá trị P-value nhỏ hơn mức ý nghĩa = 0.05 thì bác bỏ H o , chấp nhận H 1 , tức là biến độc lập đó có ý nghĩa thống

kê đối với preddef.

- Theo bảng kết quả hồi qui ở chương II, ta thấy:

• Biến age: P-value = 0.3260 > 0.05, chấp nhận H0 vâỵ nên biến age không

có ýnghiã thống kê đối với preddef.

• Biến ed: P-value = 0.0242 < 0.05, bác bỏ H0 vâỵ nên biến ed cóýnghiã thống kê đối với preddef.

• Biến employ: P-value = 3.06e-027 < 0.05, bác bỏH0 vâỵ nên biến employ

cóýnghiã thống kê đối với preddef.

• Biến address: P-value = 1.93e-07 < 0.05, bác bỏ H0 vâỵ nên biến address

cóýnghiã thống kê đối với preddef.

• Biến income: P-value = 0.0503 > 0.05, chấp nhâṇ H0 vâỵ nên biến

income không cóýnghiã thống kê đối với biến preddef.

• Biến creddebt: P-value = 1.03e-026 < 0.05, bác bỏ H0 vâỵ nên biến

creddebt cóýnghiã thống kê đối với preddef.

• Biến othdebt: P-value = 7.54e-06 < 0.05, bác bỏ H0 vâỵ nên biến othdebt

cóýnghiã thống kê đối với biến preddef.

 Các biến age và income không có ý nghĩa thống kê.

17

và

̂

vào mô hình, hồi quy preddef theo

Đưa thêm biến

age, ed, employ, address, income, creddebt, othdebt, ̂

Do p-value = P(F(2,190) > 178.603) = 2.28e-044 < 0.05 nên bác bỏ

 Mô hình ban đầu đã bỏ sót biến

III Kiểm định một số khuyết tật của mô hình

1 Kiểm định đa cộng tuyến

- Bản chất : Đa cộng tuyến là một lỗi của mô hình phân tích hồi quy, xảy ra

khi giữa các biến độc lập Xi trong mô hình hồi quy đa biến có tương quantuyến tính với nhau

- Nguyên nhân :

• Đa cộng tuyến hoàn hảo xảy ra khi đặt mô hình sai, trên thực tế hiện tượng

đa cộng tuyến hoàn hảo ít khi xảy ra

18