Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng liên doanh Việt Thái

CHƯƠNG I: GIỚI THIỆU

Quá trình toàn cầu hóa làm tăng thêm mức độ phụ thuộc lẫn nhau giữa các nền kinh tế trên thế giới. Trong lĩnh vực tài chính, ngân hàng cũng không ngoại lệ. Khủng hoảng tín dụng đã có những ảnh hưởng không nhỏ đến nền kinh tế. Thời gian qua, cuộc khủng hoảng tín dụng tại Mỹ là khởi nguồn cho cuộc khủng hoảng kinh tế toàn cầu. Các quốc gia phải thực hiện cải cách, xây dựng hệ thống quản lý tài chính và cơ chế phòng ngừa rủi ro tài chính quốc tế, công khai, minh bạch trong hoạt động NH để tránh những nguy cơ biến động mạnh của thị trường tài chính, hoạt động tuân theo quy luật chung của thị trường.

Trong kinh doanh ngân hàng tại Việt Nam, lợi nhuận từ hoạt động tín dụng chiếm tỷ trọng chủ yếu trong thu nhập của các ngân hàng. Tuy nhiên, hoạt động này luôn tiềm ẩn rủi ro cao, đặc biệt là ở các nước có nền kinh tế mới nổi như Việt Nam bởi hệ thống thông tin thiếu minh bạch và không đ ầy đ ủ, trình đ ộ quản trị rủi ro còn nhiều hạn chế, tính chuyên nghiệp của cán bộ ngân hàng chưa cao…

Rủi ro tín dụng luôn tồn tại và nợ xấu là một thực tế hiển nhiên ở bất cứ ngân hàng nào, kể cả các ngân hàng hàng đầu trên thế giới bởi có những rủi ro nằm ngoài tầm kiểm soát của con người. Thực tế từ đầu năm 2010 đến nay, tình hình nợ xấu của các NHTM nói chung và của Ngân hàng liên doanh Việt Thái – chi nhánh Ðồng Nai nói riêng đang có chiều hướng gia tăng, ảnh hưởng đến sự an toàn của hệ thống ngân hàng và của nền kinh tế. Ðể giảm thiểu rủi ro, VSB Đồng Nai cần phải kiểm soát rủi ro tín dụng một cách triệt để. Trong đó, tín dụng cá nhân là một trong những hoạt động cần được kiểm soát chặt chẽ. Tuy nhiên, kiểm soát như thế nào là một vấn đề cấp thiết được đặt ra đối với cấp lãnh đạo ngân hàng. Để đánh giá khả năng trả nợ

của các khách hàng cá nhân, VSB Đồng Nai cần dựa vào những tiêu chí nào và các nhân tố đó ảnh hưởng như thế nào đến khả năng trả nợ của khách hàng? Sử dụng mô hình hồi quy logistic như thế nào để đánh giá mức độ ảnh hưởng của các nhân tố đó đến khả năng trả nợ của khách hàng? Ðó là các vấn đề cần nghiên cứu chính của bài luận văn.

Nội dung nghiên cứu chính của luận văn:

Nội dung của luận văn nhằm trả lời các câu hỏi nghiên cứu như sau:

1. Những nhân tố nào ảnh hưởng đến xác suất trả nợ của khách hàng cá nhân tại Ngân hàng liên doanh Việt Thái – chi nhánh Đồng Nai?

2. Mức độ ảnh hưởng của từng nhân tố đến xác suất trả nợ của khách hàng cá nhân tại Ngân hàng liên doanh Việt Thái – chi nhánh Đồng Nai.

Kết cấu của luận văn gồm 5 chương:

Chương I: Giới thiệu

Chương II: Các kết quả nghiên cứu trước đây Chương III: Phương pháp nghiên cứu

Chương IV: Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Ngân hàng liên doanh Việt Thái – chi nhánh Đồng Nai

Chương V: Kết luận

CHƯƠNG II

LÝ THUYẾT ĐÁNH GIÁ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN VÀ CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY

2.1. Lý thuyết đánh giá khả năng trả nợ của khách hàng cá nhân:

2.1.1. Lịch sử ra đời và phát triển

Mô hình định mức tín nhiệm thể nhân ra đời cách đây hơn 50 năm. Theo các mô hình này các cá nhân có nhu cầu thế chấp mua nhà, vay trả chậm dùng thẻ tín dụng sẽ được đánh giá và lượng hóa khả năng thanh toán của cá nhân đó bằng thang điểm tín dụng. Mức điểm thu được cho biết mức độ rủi ro tương đối của khả năng thanh toán và khả năng gây thiệt hại của khách hàng đối với ngân hàng. Mức điểm dựa trên thông tin có được từ các báo cáo về quá trình sử dụng khoản tín dụng của khách hàng, đồng thời so sánh với những khách hàng tương tự.

Từ khi ra đời, các mô hình định mức tín nhiệm thể nhân được sử dụng ngày càng hiệu quả, giúp ngân hàng và các tổ chức tín dụng lượng hóa tương đối chính xác khả năng thanh toán của khách hàng trước khi quyết định cung cấp các dịch vụ như thẻ tín dụng, các khoản vay trả chậm trực tiếp và gián tiếp, vay thế chấp, v.v... Lợi ích mà hệ thống này đem lại là rất lớn, trong đó những ưu điểm nổi bật có thể kể đến là giảm thiểu chi phí phân tích thông tin, giúp đưa ra các quyết định cho vay tín dụng nhanh và chính xác, đảm bảo việc thu hồi tín dụng, và từ đó giảm thiểu rủi ro tín dụng.

Dễ dàng nhận thấy rằng chỉ cần mức độ đánh giá chính xác trong phân

tích tín dụng được tăng lên một tỷ lệ nhỏ cũng có thể giúp các ngân hàng hay

các tổ chức tài chính tránh được những khoản tổn thất lớn. Do đó, những mô hình phức tạp trong các bài toán đánh giá rủi ro khách hàng ngày càng được phát triển và mở rộng, cho phép các tổ chức tài chính quản lý hiệu quả hơn nguồn vốn kinh doanh của mình.

Về bản chất, đánh giá khả năng trả nợ của khách hàng dựa trên cơ sở nhận biết những nhóm khách hàng khác nhau trong một tổng thể, trong đó người ta không thể nhận diện được những đặc điểm của các cá thể trong cùng một nhóm, mà chỉ có thể nhận biết được sự khác nhau tương đối giữa các nhóm. David Duran (1941) là người đầu tiên nhận biết được rằng kỹ thuật đó có thể được sử dụng để phân biệt các khoản nợ xấu và tốt. Báo cáo của ông được trình bày trong một đề án nghiên cứu với Cục nghiên cứu kinh tế quốc gia Hoa Kỳ trước tiên không nhằm mục đích dự báo. Cùng thời gian đó, các công ty bán hàng qua đơn đặt hàng và các công ty cho vay mua nhà đã gặp rất nhiều khó khăn với hệ thống đánh giá khả năng trả nợ của khách hàng. Các quyết định cho vay hay gửi đi hàng hóa cho khách hàng chủ yếu được thực hiện bởi các chuyên viên đánh giá tín dụng trong một thời gian dài. Tuy nhiên, những chuyên viên này được huy động phục vụ cho quân đội trong thời gian chiến tranh, vì vậy nhu cầu thay thế nguồn lực này đã trở nên cấp thiết hơn bao giờ hết. Một giải pháp tạm thời được sử dụng khi đó là các công ty đã yêu cầu các chuyên viên của mình liệt kê những nguyên tắc cơ bản mà họ sử dụng để ra các quyết định cho vay. Những nguyên tắc này sau đó được sử dụng bởi những người kế nhiệm để đưa ra các quyết định tín dụng cho công ty, đây chính là hình thức sơ khai của hệ thống này. Không lâu sau khi chiến tranh kết thúc, các mô hình dựa trên những nguyên lý thống kê đã tỏ rò được sức mạnh của nó trong việc đưa ra quyết định cấp tín dụng.

Vào cuối thập kỷ 80, thành công của các mô hình định mức tín nhiệm

trong việc phát hành thẻ tín dụng bắt đầu lan tỏa sang các sản phẩm khác của

ngân hàng như các khoản vay của cá nhân, thậm chí trong một vài năm vừa qua, phương pháp này được sử dụng cho cả các khoản vay mua nhà và các khoản vay kinh doanh nhỏ. Đến những năm 90, sự phát triển của các hình thức marketing trực tiếp đến người tiêu dùng đã đưa đến việc sử dụng các thẻ tính điểm để nâng cao tỷ lệ phản hồi cho các chiến dịch marketing. Những tiến bộ trong khoa học máy tính cũng cho phép những kỹ thuật khác được đưa vào thử nghiệm để xây dựng các thẻ tính điểm tự động. Vào những năm 80, các phương pháp hồi quy log và quy hoạch tuyến tính đã trở thành những phương pháp rất đáng tin cậy cho các tổ chức kinh tế. Gần đây hơn, các kỹ thuật trí thông minh nhân tạo như hệ thống chuyên gia hay mạng lưới trung hòa đã trở thành những kỹ thuật hàng đầu được áp dụng.

2.1.2. Các phương pháp đánh giá khả năng trả nợ của khách hàng cá nhân

Ban đầu, cách tiếp cận cơ bản chỉ đơn thuần dựa trên phương pháp đánh giá cá nhân. Các chuyên viên tín dụng dựa trên thông tin khách hàng cung cấp (qua một mẫu đơn bao gồm các câu hỏi thống nhất) để đưa ra các quyết định chấp nhận hoặc từ chối cấp tín dụng. Do vậy, các quyết định của họ thường bị mang tính chất chủ quan và dựa vào các nguyên lý phân loại tổng quát. Các chỉ tiêu thường được xem xét để đưa ra quyết định bao gồm:

- Đặc điểm của khách hàng (tình trạng hôn nhân, gia đình, nghề nghiệp,

tuổi tác...);

- Số lượng tín dụng xin được vay;

- Tài sản thế chấp (khách hàng sẽ sẵn sàng trả nợ bằng những nguồn tài sản gì trong trường hợp phá sản);

- Năng lực trả nợ (Nguồn thu nhập khả dụng mà khách hàng có thể sử

dụng để trả nợ); và

- Các điều kiện thị trường khác.

Ngày nay, đánh giá khả năng trả nợ được dựa trên phương pháp nghiên cứu thống kê để giải quyết các bài toán công nghiệp, tài chính và thương nghiệp, đặc biệt để giúp nhà kinh doanh có được các quyết định hợp lý cho các hành động trong hiện tại và tương lai. Một mẫu các khách hàng sẽ được thu thập, quy mô mẫu có thể từ một vài nghìn lên đến hàng trăm nghìn khách hàng. Đối với mỗi đơn vị mẫu, các thông tin cá nhân và lịch sử tín dụng sẽ được thu thập trong khoảng thời gian 12, 18 hay 24 tháng. Khi đó, các chuyên viên tín dụng có thể xác định xem một hồ sơ như vậy có thể chấp nhận được với mức độ rủi ro như thế nào, và cuối cùng tiến hành loại bỏ những khách hàng "xấu" (ví dụ khách hàng xấu là những người thanh toán chậm các khoản nợ trong 3 tháng liên tiếp). Đương nhiên một thực tế cần được xem xét đến là không thể tiến hành phân loại được một số các khách hàng vì lịch sử tín dụng của họ chưa đủ dài, hay các thông tin cá nhân của họ chưa đủ rò ràng để đưa ra các kết luận chính xác. Do vậy, các trường hợp này sẽ bị loại ra ngoài mẫu xem xét.

2.2. Các nghiên cứu trước đây

2.2.1. Đề tài "Chấm điểm tín dụng cho thị trường ngân hàng bán lẻ Việt Nam: Kết quả thực hiện và ảnh hưởng đối với cho vay so với mối quan hệ được giao dịch" của tác giả Stefanie Kleimeier và Đinh Thị Huyền Thanh (2006)

Trong nghiên cứu của mình, Kleimeier và Thanh (2006) đã đề xuất một mô hình tính điểm tín dụng đối với các khoản vay tại các ngân hàng Việt Nam bán lẻ. Tác giả đã sử dụng các nhân tố để đánh giá khả năng trả nợ của khách hàng bao gồm: Thời gian giao dịch với ngân hàng, giới tính, số lần vay nợ tín dụng, thời gian vay nợ, tài khoản tiền gửi, khu vực, tình trạng nhà ở, tài khoản

hiện tại, giá trị phụ thêm, số người phụ thuộc, thời gian cư trú tại địa chỉ hiện tại, tình trạng hôn nhân, tài sản thế chấp, điện thoại bàn, trình độ học vấn, mục đích vay. Các nhân tố này được tác giả đưa vào mô hình hồi quy logistic để phân biệt khách hàng có khả năng trả nợ hay không. Kết quả nghiên cứu như sau:

Các nhân tố ảnh hưởng

Ký hiệu	Estimated Coefficient (Hệ số hồi quy)	Standard Error (Sai số chuẩn)	Significant Level % (Mức ý nghĩa)
Thời gian giao dịch với ngân hàng	X1	-1.774	0.121	0.00
Giới tính	X2	-1.557	0.222	1.00
Số lần vay nợ tín dụng	X3	-0.938	0.051	1.40
Thời gian vay nợ	X4	-0.845	0.080	3.70
Tài khoản tiền gửi	X5	-0.750	0.104	3.10
Khu vực	X6	-0.652	0.030	13.60
Tình trạng nhà ở	X7	-0.551	0.278	44.60
Tài khoản hiện tại	X8	-0.492	0.208	10.40
Giá trị phụ thêm	X9	-0.402	0.096	9.80
Số người phụ thuộc	X10	-0.356	0.096	9.90
Thời gian cư trú tại địa chỉ hiện tại	X11	-0.233	0.054	2.50
Tình trạng hôn nhân	X12	-0.190	0.101	68.10
Tài sản thế chấp	X13	-0.181	0.057	53
Điện thoại bàn	X14	-0.156	0.047	3.40
Trình độ học vấn	X15	-0.125	0.067	60.30
Mục đích vay	X16	-3.176	0.054	3.30
Constant		-3.176	0.058	4.60