đang trong quá trình hoàn thiện. Vì vậy, hội sở của BIDV cần tiếp tục nghiên cứu, phát triển thêm hệ thống xếp hạng tín dụng nội bộ. Thông qua chương trình, xây dựng một số chỉ tiêu dành riêng cho từng ngành, để khi cán bộ tín dụng đánh giá năng lực tài chính của khách hàng, có thể tham khảo các chỉ tiêu của ngành, đánh giá chính xác hơn về tình hình của khách hàng so với các doanh nghiệp trong ngành.
Xây dựng thêm các chỉ tiêu hạn chế tín chủ quan của người nhập liệu, đánh giá chính xác về hạng của doanh nghiệp.
Nâng cao phần mềm công nghệ hỗ trợ cho công tác tín dụng, liên quan đến khả năng trả nợ của KHDN, cập nhật kịp thời các thông tin của khách hàng như chỉ tiêu về số liệu báo cáo tài chính, lãi suất, tình hình trả nợ của khách hàng, giá trị tài sản bảo đảm, giảm thiểu rủi ro tác nghiệp trong quá trình nhập liệu..
Xem xét đưa kết quả đánh giá KNTN của KHND bằng mô hình logit kết hợp với kết quả xếp hạng tín dụng nội bộ của ngân hàng để đánh giá khả năng khả nợ của khách hàng khi cấp tín dụng
5.4. Hạn chế của luận văn
Sử dụng mô hình Logistic, đề tài đã xác định được các yếu tố ảnh hưởng đến khả năng trả nợ của KHDN tại Ngân hàng TMCP Đầu Tư và Phát Triển Việt Nam, chi nhánh Long An, tuy nhiên, đề tài nghiên cứu còn nhiều hạn chế:
Số quan sát còn thấp nên cần gia tăng mẫu.
Các thông tin thuộc về doanh nghiệp thường được cung cấp bởi chính DN đó, dẫn đến trường hợp có những thông tin không chính xác. Các thông tin từ báo cáo tài chính, có thể không phản ánh được đúng tình hình tài chính của DN tại thời điểm đánh giá.
Đối với hệ thống xếp hạng tín dụng nội bộ, các thông tin về phi tài chính, còn dựa nhiều trên đánh giá chủ quan của cán bộ tín dụng, tùy thuộc vào kinh nghiệm, trình độ và đạo đức của cán bộ tín dụng.
Do hạn chế về thời gian và dữ liệu nghiên cứu, bài nghiên cứu chỉ đưa ra một số nhân tố ảnh hưởng đến KHTN xác với tình hình thực tê, một số nhân tố có khả
năng ảnh hưởng đến KNTN của KHDN đã bị bỏ qua như: lãi suất, kinh nghiệm, năng lực của người quản lý,… Các yếu tố về tình hình kinh tế vĩ mô: lạm phát, chính sách kinh tế, chính sách chính trị, tỷ giá,…
Kết quả của mô hình, đã chỉ ra một số yếu tố căn bản có tác động đến KNTN của KHDN, có thể bổ sung vào quá trình thẩm định của cán bộ tín dụng, giúp CBTD có thể đánh giá được khả năng trả nợ của KHDN cụ thể hơn, hạn chế được rủi ro cho ngân hàng. Nếu có một cơ sở dữ liệu đủ lớn và đáng tin cậy, có thể áp dụng mô hình hồi quy logistic với nhiều biến hơn, giúp đánh giá khách hàng và đưa ra quyết định cấp tín dụng.
5.5. Kết luận
Trước bối cảnh cạnh tranh ngày càng gay gắt trong hệ thống ngân hàng hiện nay, yêu cầu đặt ra đối với các ngân hàng nói chung và BIDV nói riêng là mục tiêu tăng trưởng tín dụng phải đặt trọng tâm kiểm soát rủi ro tín dụng, hạn chế nợ quá hạn, nợ xấu mới phát sinh. Việc nhận diện và đo lường rủi ro tín dụng trở thành một việc cấp bách giúp ngân hàng có từng ứng xử phù hợp với từng khách hàng cụ thể giảm tổn thất, hạn chế rủi ro xảy ra. Đánh giá đúng khả năng trả nợ của khách hàng doanh nghiệp giúp ngân hàng sẽ có cơ hội sàn lọc, tái thẩm định nền khách hàng của mình, từ đó có những chính sách tín dụng phù hợp với từng khách hàng.
Đề tài nghiên cứu: “Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Ngân Hàng TMCP Đầu Tư Và Phát Triển Việt Nam - Chi Nhánh Long An” đã hệ thống hóa các lý thuyết về KNTN và các nhân tố ảnh hưởng đến khả năng trả nợ, đồng thời phân tích và đánh giá thực trạng hoạt động tín dụng đối với KHDN, các phương pháp đánh giá khả năng trả nợ của KHDN tại BIDV Long An. Bằng cách đối chiếu với các nghiên cứu trước đây về các nhân tố ảnh hưởng đến KNTN của khách hàng doanh nghiệp, đề tài nghiên cứu đề ra một mô hình mới dựa ra nền tảng mô hình hiện hữu và thực trạng hoạt động tín dụng tại BIDV Long An. Nghiên cứu đã đưa thêm được những giải pháp cần thiết để giảm
thiểu rủi ro tín dụng thông qua các nhân tố ảnh hưởng đến KNTN của khách hàng doanh nghiệp.
Tóm tắt chương 5
Dựa vào kết quả mô hình và thực trạng khả năng trả nợ của KHDN tại BIDV Long An, tác giả đã đề xuất một số giải pháp nhằm giúp cán bộ tín dụng, các nhà điều hành quản lý, nâng cao hiệu quả trong công tác đánh giá khả năng trả nợ của KHDN hay rộng hơn là hạn chế rủi ro tín dụng tại ngân hàng. Việc đưa ra các giải pháp đối với chi nhánh BIDV Long An chỉ mang tính đề xuất và hỗ trợ. Chính vì vậy, cần phải tiếp tục nghiên cứu, bổ sung và sửa đổi để từng bước hoàn thiện hoạt động quản trị rủi ro tín dụng trong hoạt động cho vay KHDN để đáp ứng được mục tiêu ngân hàng đề ra.
TÀI LIỆU THAM KHẢO
Danh mục tài liệu tiếng Việt
Hoàng Trọng – Chu Nguyễn Mộng Ngọc, (2008), “Phân tích dữ liệu nghiên cứu với SPSS”, NXB Hồng Đức.
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam, (2012), “Nghị quyết số 1155/NQ-HĐQT về việc Phê duyệt Chiến lược phát triển của BIDV đến năm 2020 và kế hoạch kinh doanh giai đoạn 2011- 2020”.
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An, (2016, 2017, 2018), “Bảng cân đối tài khoản; Báo cáo phân loại nợ và trích lập dự phòng rủi ro; Báo cáo hoạt động kinh doanh BIDV Long An; Hệ thống dữ liệu BIDV Long An”.
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An, (2016), “Quyết định số 10546/BIDV – QLTD ngày 15/12/2016 về việc Hướng dẫn triển khai Hệ thống XHTDNB mới đối với Khách hàng TCKT và khách hàng cá nhân”.
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An, (2014), “Quyết định 1126/QĐ-BIDV.LA về Thành lập mô hình tổ chức tại Chi nhánh BIDV Long An”.
Ngân hàng Nhà nước Việt Nam, (2013), “Thông tư 02/2013/TT-NHNN Quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài”.
Quốc hội, (2010), “Luật số 17/2017/QH14 Luật Các tổ chức tín dụng”.
Danh mục tài liệu tiếng Anh
AEG, “2004”, “Non – performing loans. Adversory Expert Group (AEG) Meeting [PDF]”, Available at:
Amato, L., H. & Amato, C., H. (2004), “Firm Size, Strategic Advantage, and Profit Rates in US Retailing”, Journal of Retailing and Consumer Services 11, pp. 181–193.
Andrea Ruth Coravos (2010), “Measuring the likelihood of Small Business Loan Default: Community development Financial Institutions (CDFIs) and the use of credit scoring to Minimize Default Risk”.
Basel Committee on Banking Supervison (2006), “International convergence of capital measurement and capital standards: a received framework – comprehensive version”, Bank for International Settlements.
Beattie, V., A. Goodacre and S. J. Thomson (2006), "Corporate financing decisions: UK survey evidence", Journal of Business Finance Accounting, Vol. 33, No. 9, pp. 1402-1434.
Bessler, W., Drobetz, W. & Gruninger, M. (2011), “Information Asymmetry and Financing Decisions”, International Review of Finance, Vol 11, No.1, pp. 123– 154.
Bigelli, M. & Sanchez - Vidal, J. (2012), “Cash Holdings in Private Firms”,
Journal of Banking and Finance, Vol. 36, pp. 26–35.
Chiara Pederzoli, Costanza Torricelli, (2010), “A parsimonious default prediction model of Italian SMEs”, Bank and Bank System, Vol.5. pp. 5-9.
Fitch, (1997), “Dictionary of Banking Terms, 3rd ed”, Barron’s Educational Series, Inc.
Fitzpatrick, (1931), “Symptoms of industrial failure. Washington D.C, USA”
Catholic University of America Press.
Flannery, (1986), “Asymemetric information and risk debt maturity choice”,
Jounal of Finance, Vol.XLI, No 1, Pp. 19-37.
Goyal, V., Nova, A. & Zanetti, (2011), Capital Market Access and Financing of Private Firms, International Review of Finance, Vol.11, No.2, pp. 155–179.
Greuning and Bratanovic, (2009), “Analyzing Banking Risk: A framework for Assessing Corporate Governance and Risk Management. 3rd ed”.
Jimenez và Saurina, (2003), “Collateral, type of lender and relationship banking as determinants of credit risk”, Journal of Banking & Finance, pp. 28.
Lally, (2003), “Time Varying Market Leverage, the Market Risk Premium and the Cost of Capital”, Journal of Business Finance and Accounting Vol. 29, No. 9- 10, pp. 1301–1318.
Petrunia, R. (2007), “Persistence of Initial Debt in the Long - term Employment Dynamics of New Firms”, Canadian Journal of Economics, Vol. 40, No. 3, pp. 861–880.
Watson, R. & Wilson, N. (2002), “Small and Medium Size Enterprise Financing: A Note on Some of the Empirical Implications of a Pecking Order”, Journal of Business and Accounting Vol. 39, No. 3-4, pp. 557–578.
PHỤ LỤC 1
Kết quả phân tích hồi quy thông qua phần mềm SPSS
1. Thống kê mô tả dữ liệu các biến
Descriptive Statistics
N | Mini mum | Maximu m | Mean | Std. Deviation | ||
Stati stic | Stati stic | Statistic | Statistic | Std. Error | Statistic | |
KINHNGHIEM | 318 | 0 | 20 | 9,22 | ,262 | 4,678 |
DONBAY | 318 | ,000 | 14,588 | 1,98218 | ,119511 | 2,131188 |
ROE | 318 | -,940 | 1,066 | ,1122 | ,00963725 | ,171856960 |
DUNO | 318 | 50 | 291432 | 16321,47 | 2032,678 | 36247,840 |
TLTSBD | 318 | ,16 | 13,60 | 1,2964 | ,08024 | 1,43090 |
THOIGIANVA Y | 318 | 1 | 195 | 21,66 | 1,586 | 28,289 |
Valid N (listwise) | 318 |
Có thể bạn quan tâm!
-
Kết Quả Xếp Hạng Và Nhóm Nợ Của Khách Hàng Doanh Nghiệp -
So Sánh Mô Hình Hồi Quy Binary Logistic Và Hồi Quy Tuyến Tính -
Kết Luận Và Giải Pháp Nâng Cao Khả Năng Trả Nợ Khách Hàng Doanh Nghiệp Tại Ngân Hàng Tmcp Đầu Tư Và Phát Triển Việt Nam Chi Nhánh Long An -
Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An - 11 -
Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An - 12 -
Các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Long An - 13
Xem toàn bộ 110 trang tài liệu này.
2. Kết quả kiểm định mức độ dự báo của mô hình Classification Tablea
Observed Predicted
Y Percentage
0 1 Correct
Step 1
Y 0 31 55 36,0
1 11 221 95,3
Overall Percentage
a. The cut value is ,500
3. Kết quả kiểm định mức độ giải thích của mô hình
Model Summary
79,2
-2 Log likelihood | Cox & Snell R Square | Nagelkerke R Square | |
1 | 291,749a | ,221 | ,321 |
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
4. Kiểm định sự phù hợp của mô hình hồi quy:
Omnibus Tests of Model Coefficients
Chi-square | df | Sig. | ||
Ste p | 79,482 | 6 | ,000 | |
Step 1 | Blo ck | 79,482 | 6 | ,000 |
Mo del | 79,482 | 6 | ,000 |
5. Kiểm định tương quan từng phần của các hệ số hồi quy:
Variables in the Equation
B | S.E. | Wald | Df | Sig. | Exp(B) | ||
KINHNGHIEM | ,090 | ,032 | 8,043 | 1 | ,005 | 1,095 | |
DONBAY | ,072 | ,078 | ,855 | 1 | ,355 | 1,074 | |
Step 1a | ROE | 12,666 | 2,234 | 32,135 | 1 | ,000 | 316742,865 |
DUNO | ,000 | ,000 | ,022 | 1 | ,882 | 1,000 | |
TLTSBD | ,046 | ,099 | ,220 | 1 | ,639 | 1,048 | |
THOIGIANVAY | -,010 | ,006 | 3,480 | 1 | ,062 | ,990 | |
Constant | -,680 | ,408 | 2,780 | 1 | ,095 | ,507 |
a. Variable(s) entered on step 1: KINHNGHIEM, DONBAY, ROE, DUNO, TLTSBD, THOIGIANVAY.