phù hợp với những biến động của điều kiện kinh doanh trong tương lai.
Với những yêu cầu nên trên, cùng với những nhận định về các mô hình lượng hóa đã nêu ở chương 1, tác giả nhận định các biến đưa vào mô hình có cả biến định lượng và định tính, dẫn đến không áp dụng được mô hình phân tích biệt số.
Bên cạnh đó, dữ liệu nghiên cứu cũng không đủ lớn để có thể áp dụng một cách tốt nhất các phương pháp lân cận gần nhất K và mạng nơron thần kinh . Vì vậy, trong nghiên cứu của mình, tác giả đề xuất việc xây dựng mô hình lượng hóa rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại Vietinbank bằng phương pháp hồi quy Binary Logistic (mô hình Logistic).
3.1.3. Phương pháp nghiên cứu:
3.1.3.1. Phương pháp thu thập số liệu:
Số liệu được thu thập thông qua sách, báo chí, internet, các đề tài nghiên cứu, luận văn và thông tin cung cấp bởi các chuyên gia trong lĩnh vực thẻ tại Vietinbank. Ngoài ra dữ liệu thông tin về việc mở và thanh toán thẻ tín dụng và các thông tin về khách hàng đã và đang sử dụng thẻ tín dụng Vietinbank được thu thập trực tiếp từ hệ thống lưu trữ thông tin của Vietinbank.
3.1.3.2. Phương pháp phân tích số liệu:
+ Phương pháp so sánh: Được sử dụng để phân tích số liệu qua các năm từ 2009-2014 để phản ánh tình hình hoạt động kinh doanh và thực trạng kinh doanh thẻ tín dụng tại Vietinbank.
+ Phương pháp thống kê mô tả: Dùng để phân tích các biến trong mẫu nghiên cứu
+ Phương pháp phân tích hồi quy Binary Logistic: Xử lý dữ liệu thông qua việc sử dụng phần mềm SPSS. Các tiêu chuẩn đo lường độ phù hợp của mô hình nghiên cứu này hướng tới gồm:
- Kiểm định độ phù hợp tổng quát: Ở hồi quy Binary Logistic, tổ hợp tuyến tính của toàn bộ các hệ số trong mô hình hồi quy ngoại trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc giải
thích cho biến phụ thuộc không. Căn cứ vào mức ý nghĩa quan sát mà SPSS đưa ra trong bảng Omnibus Test of Model Coefficients (OB) với giả thiết H0 là các hệ số hồi quy đồng thời bằng 0. Nếu Sig. < α thì H0 bị bác bỏ hay mô hình phù hợp một cách tổng quát;
- Classification Table: cho biết độ chính xác của kết quả dự báo từ mô
hình;
- Kiểm định độ phù hợp của mô hình: Hồi quy Binary Logistic đòi hỏi phải đánh giá độ phù hợp của mô hình. Đo lường độ phù hợp tổng quát của mô hình Binary Logistic được dưạ trên chỉ tiêu -2 LL (-2 log likelihood) nghĩa là càng nhỏ càng tốt. Giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao, giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đó mô hình có một độ phù hợp hoàn hảo.
3.1.4. Mô hình nghiên cứu đề xuất:
Như trình bày ở trên, rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng phát sinh trong trường hợp chủ thẻ tín dụng không có khả năng trả nợ thẻ tín dụng. Trên cơ sở đó, đề tài sử dụng biến số khả năng trả nợ của chủ thẻ tín dụng để đo lường rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng. Trên cơ sở phân tích về các nhân tố tác động, một mô hình được xây dựng nhằm kiểm soát các nhân tố về mối quan hệ và hướng tác động (dự kiến) đến rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại Vietinbank. Các giả thiết đưa ra để tiến hành kiểm định trong điều kiện thị trường thẻ tín dụng tại Vietinbank như sau:
Giả thuyết: Tồn tại mối quan hệ giữa rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại Vietinbank và các nhân tố sau: Giới tính, Tuổi, Trình độ, Số người phụ thuộc, Tình trạng hôn nhân, Đặc tính nghề nghiệp, Tài sản đảm bảo, Thu nhập, Hạn mức tín dụng, Tỷ lệ thanh toán thẻ tín dụng, Tỷ lệ sử dụng thẻ tín dụng, Thanh toán đúng hạn, Giá trị giao dịch bình quân, Ứng tiền mặt.
Sơ đồ 3.1: Mô hình nghiên cứu về các nhân tố tác động đến rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng
+/-
+/-
+
+/-
Giới tính
Tuổi tác
Trình độ
+/-
+
+
RRTD trong hoạt động kinh doanh thẻ tín dụng
Số người phụ thuộc
Tình trạng hôn nhân
Đặc tính nghề nghiệp
Tài sản đảm bảo
+
+
+
Thu nhập
Hạn mức tín dụng
Tỷ lệ thanh toán thẻ
Tỷ lệ sử dụng thẻ
+
-
+/-
+
Ứng tiền mặt
Giá trị giao dịch bình quân
Thanh toán đúng hạn
Nguồn: Tác giả tự tổng hợp
3.1.5. Lựa chọn biến số
3.1.5.1. Biến phụ thuộc:
Biến phụ thuộc có nhiều phạm trù, mỗi phạm trù đại diện cho một nhóm và biến này có khả năng phân biệt tốt nhất và duy nhất trên cơ sở tập hợp biến độc lập được lựa chọn, nói cách khác là mỗi quan sát phải được sắp xếp vào một nhóm duy nhất.
Trong nghiên cứu này biến phụ thuộc Y là mức độ rủi ro tín dụng được đo lường bằng hai giá trị 0 và 1 (0 là có rủi ro tín dụng và 1 là không có rủi ro tín
dụng). Theo quy định trong 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, các khoản nợ có rủi ro là những khoản nợ thuộc nhóm nợ xấu (nhóm 3, 4, 5). Các khoản nợ này được tổ chức tín dụng đánh giá là có khả năng tổn thất nợ gốc và lãi. Trong nghiên cứu này, ta có thể xác định một khách hàng không có khả năng trả nợ khi được xếp vào nợ nhóm 3 trở lên của NHTM (lúc này biến phụ thuộc Y = 0). Ngược lại, một khách hàng có khả năng đảm bảo trả nợ khi ở các nhóm nợ thấp hơn 3 theo sự phân nhóm của NHTM (Y = 1).
Từ biến phụ thuộc nhị phân Y, hàm hồi quy Logit sẽ tính xác suất xảy ra Y theo quy tắc: nếu xác suất >= 0.5 thì KH có khả năng trả nợ, nếu xác suất < 0.5 thì KH không có khả năng trả nợ.
Để xác định các nhân tố ảnh hưởng đến rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng, trong nghiên cứu này, luận văn sử dụng mô hình Logistic với phương trình như sau:
Trong đó:
- X1,… , Xn là các biến độc lập.
- Pi là xác suất KH i trả nợ tốt với n biến độc lập X1,… , Xn được tính toán từ cơ sở dữ liệu của KH i
- β1, β2, …βk là các hệ số hồi quy của hàm Logistic
3.1.5.2. Biến độc lập:
Việc lựa chọn biến độc lập thường được tiến hành theo hai cách: Cách tiếp cận đầu tiên là dựa trên cơ sở và những nghiên cứu từ trước, cách tiếp cận thứ hai là trực giác dựa trên cơ sở kiến thức của các chuyên gia và trực giác lựa chọn những biến chưa có những nghiên cứu trước và cơ sở lý thuyết hợp lý. Trong nghiên cứu này, biến độc lập được lựa chọn là:
STT | Biến số | Thang đo | Ký hiệu | Giả thiết kỳ vọng |
1 | Giới tính | 1: Nam – 0: Nữ | Gender | +/- |
2 | Tuổi | Tuổi | Age | +/- |
3 | Trình độ | 1: Từ ĐH trở lên – 0: Dưới ĐH | HE | + |
4 | Số người phụ thuộc | Người | Dependants | +/- |
5 | Tình trạng hôn nhân | 1: Có gia đình – 0: Độc thân | Marital | +/- |
6 | Đặc tính nghề nghiệp | 1: Lãnh đạo – 0: Nhân viên | Occupation | + |
7 | Tài sản đảm bảo | 1: Có – 0: Không | Collateral | + |
8 | Thu nhập trung bình hàng tháng | Triệu đồng | Income | + |
9 | Hạn mức tín dụng | Triệu đồng | Limit | + |
10 | Tỷ lệ thanh toán thẻ tín dụng | % | PerPay | + |
11 | Tỷ lệ sử dụng thẻ tín dụng | % | PerUse | + |
12 | Giá trị giao dịch bình quân | Triệu đồng | Quantity | +/- |
13 | Ứng tiền mặt | 1: Có – 0: Không | Cash | - |
14 | Thanh toán đúng hạn thẻ TD | 1: Có – 0: Không | Payment | + |
(Nguồn: Tác giả tự tổng hợp) | ||||
Có thể bạn quan tâm!
-
Thực Trạng Về Rủi Ro Tín Dụng Trong Hoạt Động Kinh Doanh Thẻ Tín Dụng Tại Ngân Hàng Thương Mại Cổ Phần Công Thương Việt Nam -
Thực Trạng Về Rủi Ro Tín Dụng Trong Hoạt Động Kinh Doanh Thẻ Tín Dụng Tại Ngân Hàng Tmcp Công Thương Việt Nam: -
Đánh Giá Thực Trạng Hoạt Động Kinh Doanh Thẻ Tín Dụng Và Rủi Ro Tín Dụng Trong Hoạt Động Kinh Doanh Thẻ Tín Dụng Tại Ngân Hàng Tmcp Công Thương Việt -
Phân Tích Tác Động Biên Của Các Yếu Tố: -
Giải Pháp Vận Dụng Tác Động Các Nhân Tố Nhằm Hạn Chế Rủi Ro Tín Dụng Trong Hoạt Động Kinh Doanh Thẻ Tín Dụng Tại Ngân Hàng Thương Mại Cổ -
Các nhân tố ảnh hưởng đến rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại Ngân hàng TMCP Công Thương Việt Nam - 12
Xem toàn bộ 120 trang tài liệu này.
(+/-: tác động cùng chiều/ngược chiều đến khả năng trả nợ)
3.2. KẾT QUẢ NGHIÊN CỨU:
3.2.1. Mẫu nghiên cứu:
Mẫu nghiên cứu gồm 550 khách hàng đã và đang sử dụng thẻ tín dụng của Vietinbank, loại 21 khách hàng do khuyết dữ liệu, còn lại đều là khách hàng có đủ
dữ liệu về lịch sử trả nợ, các thông tin về nhân thân và tài chính của khách hàng. Các khách hàng này đều đã sử dụng dịch vụ thẻ tín dụng ít nhất là 6 tháng.
Mẫu này được chia thành 2 nhóm: nhóm 1 là nhóm các KH có khả năng trả nợ và nhóm 0 là nhóm KH không có khả năng trả nợ. Dưới đây là bảng mô tả phân nhóm KH:
Nhóm | Số lượng | Cơ cấu |
0 | 101 | 19.1% |
1 | 428 | 80.9% |
Tổng | 529 | 100% |
(Nguồn: Số liệu tính toán từ dữ liệu điều tra) | ||
Phân tích hồi quy Logistic cũng như các kỹ thuật khác, kết quả của phân tích đều bị ảnh hưởng bởi kích thước mẫu. Kích thước mẫu quá nhỏ có thể dẫn đến những kết luận khó có thể chính xác. Đã có nhiều kết quả nghiên cứu đưa ra một tỷ lệ 20 quan sát cho mỗi biến dự báo, cũng có kết quả cho rằng có tối thiểu 5 quan sát cho mỗi biến dự báo, theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2008). Mẫu quan sát của nghiên cứu này có 529 quan sát, với số biến dự định đưa vào mô hình là 14 biến, thì theo các kết quả nghiên cứu trên mô hình của chúng ta có thể có kết luận chính xác để suy rộng ra tổng thể.
Ngoài việc xem xét kích thước mẫu cho toàn bộ mẫu nghiên cứu trong hồi quy Logistic cũng cần phải xem xét tới kích thước mẫu của mỗi phạm trù. Kích thước mẫu của mỗi phạm trù phải lớn hơn số biến độc lập. Trong thực hành mỗi phạm trù phải có ít nhất 20 quan sát. Vậy, kích thước của nhóm 0 của chúng ta lớn hơn 20 quan sát, có thể nói là mô hình vẫn có thể cho kết quả tốt. Tuy nhiên, kích thước tương đối của nhóm 0 tương đối nhỏ, do sự hạn chế trong việc thu thập số liệu nên có thể ảnh hưởng đến kết quả ước lượng và sự phân lớp của quan sát.
3.2.2. Xử lý các biến độc lập:
Đầu tiên ta cần xem xét mức độ tương quan giữa các biến độc lập. Hệ số tương quan để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị hệ số tương quan bằng 0 chỉ ra rằng hai biến không có mối liên
hệ tuyến tính, ngược lại nếu giá trị càng tiến gần đến 1 thì hai biến có mối tương quan tuyến tính chặt chẽ. Nếu giữa hai biến có sự tương quan tuyến tính chặt chẽ thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
Sau đây là bảng 3.3 thể hiện các chỉ số tương quan cặp của các biến trong mô hình.
Thu nhập | Hạn mức tín dụng | Tỷ lệ thanh toán | Tỷ lệ sử dụng | Giá trị giao dịch bình quân | Ứng tiền mặt | Thanh toán đúng hạn | ||
Thu nhập | Hệ số tương quan | 1.00 | ||||||
Sig. (2-tailed) | ||||||||
Hạn mức tín dụng | Hệ số tương quan | 0.490 | 1.00 | |||||
Sig. (2-tailed) | 0.00 | |||||||
Tỷ lệ thanh toán | Hệ số tương quan | 0.208 | 0.240 | 1.00 | ||||
Sig. (2-tailed) | 0.00 | 0.00 | ||||||
Tỷ lệ sử dụng | Hệ số tương quan | 0.364 | 0.308 | -0.237 | 1.00 | |||
Sig. (2-tailed) | 0.00 | 0.00 | 0.00 | |||||
Giá trị giao dịch bình quân | Hệ số tương quan | 0.584 | 0.511 | 0.069 | 0.306 | 1.00 | ||
Sig. (2-tailed) | 0.00 | 0.00 | 0.111 | 0.00 | ||||
Ứng tiền mặt | Hệ số tương quan | -0.084 | -0.057 | -0.067 | -0.043 | -0.039 | 1.00 | |
Sig. (2-tailed) | 0.054 | 0.189 | 0.122 | 0.321 | 0.375 | |||
Thanh toán đúng hạn | Hệ số tương quan | -0.063 | -0.014 | 0.510 | -0.248 | -0.099 | 0.010 | 1.00 |
Sig. (2-tailed) | 0.148 | 0.747 | 0.00 | 0.00 | 0.023 | 0.827 | ||
Nguồn: Số liệu tính toán từ dữ liệu điều tra
Sau khi xem xét phân tích về tương quan giữa các biến độc lập, kết quả cho thấy giữa các biến độc lập với nhau có sự tương quan tuyến tính yếu, tất cả đều có hệ số tương quan < 0.6. Hệ số tương quan lớn nhất là cặp biến Quantity - Income:
0.584. Kết quả này cho thấy các biến độc lập không có sự tương quan chặt với nhau, điều này cho thấy các biến này có thể đưa vào mô hình để thực hiện phân
tích hồi quy.
3.2.3. Kết quả thống kê mô tả:
Kết quả thống kê mô tả các biến định lượng trên bộ dữ liệu nghiên cứu gồm 529 mẫu (bảng 3.4 và 3.5) cho thấy như sau:
Về tuổi tác, khách hàng sử dụng thẻ tín dụng ở Vietinbank phần lớn có độ tuổi từ 30 đến 45 (chiếm 44,42%), chủ yếu là khách hàng nam giới chiếm 53%. Đây là những đối tượng có khả năng và nhu cầu sử dụng thẻ tín dụng do hầu hết đều có tạo ra thu nhập hoặc có nhu cầu chi tiêu cho bản thân. Sự khác biệt về tuổi tác hay giới tính cũng tạo ra sự khác biệt trong việc quyết định lựa chọn sử dụng thẻ tín dụng do mỗi đối tượng khách hàng có hành vi mua hàng khác nhau. Ngân hàng cần nắm rò đối tượng khách hàng chủ yếu của mình là ai để có chính sách tác động cho phù hợp với đặc tính tiêu dùng của họ. Đa số khách hàng đều có trình độ từ đại học trở lên chiếm tỷ lệ tới 89%. Điều này cũng dễ hiểu, thông thường những người có trình độ cao có khả năng tiếp nhận những công nghệ mới nhanh hơn, mà thẻ tín dụng lại là một sản phẩm công nghệ.
Bảng 3.4: Giới tính và độ tuổi của khách hàng
Tuổi | Tổng | ||||
Tuổi từ 18 - 29 | Tuổi từ 30 - 44 | Tuổi từ 45 - 59 | Tuổi từ 60 trở lên | ||
Nữ Nam | 46 53 | 104 131 | 92 93 | 6 4 | 248 281 |
Tổng | 99 | 235 | 185 | 10 | 529 |
Nguồn: Số liệu tính toán từ dữ liệu điều tra