Các nhân tố tác động đến rủi ro tín dụng doanh nghiệp tại ngân hàng TMCP Đầu tư và Phát triển Việt Nam, khu vực thành phố Hồ Chí Minh - 11


Kết luận Chương 5

Trên cơ sở thực trạng hoạt động tín dụng và công tác quản trị rủi ro tín dụng tại BIDV, tác giả đã nêu lên phương hướng phát triển trong thời gian tới cũng như đề xuất một số giải pháp nhằm khắc phục những hạn chế trong công tác quản trị rủi ro tín dụng tại BIDV.

Những đề xuất được đưa ra nhằm củng cố hệ thống sẽ giúp công tác quản trị tín dụng hoàn thiện hơn, đồng thời cũng tạo điều kiện thuận lợi cho hoạt động tín dụng và các hoạt động khác trong ngân hàng. Từ đó, hoạt động kinh doanh của ngân hàng sẽ càng ngày tốt hơn, vị trí thương hiệu càng cao hơn và chiếm lĩnh thị phần nhiều hơn.


KẾT LUẬN

Từ sau cuộc khủng hoảng kinh tế tài chính thế giới, nền kinh tế nước ta đã gặp rất nhiều khó khăn. Tuy hiện nay đã có dấu hiệu dần hồi phục những vẫn còn rất chậm. Đặc biệt là trong lĩnh vực tài chính - ngân hàng bị ảnh hưởng vô cùng nặng nề. Hàng loạt vấn đề xảy ra như nhiều doanh nghiệp phá sản, bất động sản đóng băng, giảm sút chỉ số thị trường chứng khoán,... đã làm bùng nổ nợ xấu. Con số nợ xấu đã dần dần thể hiện rõ nét qua các năm từ sau sự kiện đó xảy ra. Và chỉ vừa được kiểm soát trong ít năm gần đây. Đứng trước tình hình đó, Ngân hàng TMCP Đầu tư và Phát triển Việt Nam đã thực hiện tốt quá trình kiểm soát nợ xấu của mình, điều đó được minh chứng qua thực trạng rủi ro tín dụng từ năm 2010 đến năm 2016. Đạt được thành quả như vậy là nhờ đóng góp rất quan trọng của việc thực hiện tốt công tác quản trị rủi ro tín dụng của BIDV.


Việc sử dụng các mô hình kinh tế là khá phổ biến trên thế giới, đã được rất nhiều tác giả thực hiện và thành công, đặc biệt là trong lĩnh vực quản lý rủi ro tín dụng. Với việc khảo sát và kiểm định dữ liệu bằng các mô hình Logit đã cho kết quả thu được trong đề tài này là rất khả quan, nó phản ánh được một mức độ chính xác tương đối cao. Với những ưu điểm như thực hiện đơn giản, tiết kiệm thời gian, khả năng tính toán xác suất xuất hiện nợ quá hạn của doanh nghiệp một cách đồng nhất, chính xác, khách quan, việc ứng dụng kết quả của mô hình là một lựa chọn tốt cho ngân hàng vào việc quản lý rủi ro tín dụng. Nếu mô hình được tiếp tục phát triển hơn nữa sẽ có thể giúp đỡ rất nhiều trong quá trình giảm thiểu nợ xấu của BIDV nói riêng và toàn ngành ngân hàng nói chung.


Có thể bạn quan tâm!

Xem toàn bộ 88 trang tài liệu này.

TÀI LIỆU THAM KHẢO:

1. Altman, E.I (2000), Predicting financial distress of companies: Revisiting the Z- Score and Zeta models, Stern School of Business, New York.

Các nhân tố tác động đến rủi ro tín dụng doanh nghiệp tại ngân hàng TMCP Đầu tư và Phát triển Việt Nam, khu vực thành phố Hồ Chí Minh - 11

2. Altman, E.I. & Hotchkiss, E. (2006), Corporate Financial Distress and Bankruptcy. John Wiley & Sons., Hoboken, New Jersey, US. (Tái bản lần 3).

3. Altman, E.I. & Sabato, G. (2007), Modelling Credit Risk for SMEs: Evidence from the U.S. Market. ABACUS, 43(3), 332-357.

4. Andrich, D. (1988), A General Form of Rasch's Extended Logistic Model for Partial Credit Scoring. Applied Measurement in education, 1(4), 363-378.

5. Baltagi, B.H. (2008), Econometric analysis of panel data.

6. Bhojrai, S. & Sengupta, P. (2003), Effect of Corporate Governance on Bond Ratings and Yields: The Role of Institutional Investors and Outside Directors, The Journal of Business, 76, 455 – 475.

7. Carling, K., Jocobson, T., Linde, J. & Roszbach K. (2007), Corporate credit risk modeling and the macroeconomy. Journal of Banking & Finance, 31, 845- 868.

8. Crouhy, M., Galai, D. & Mark, R. (2000), A comparative analysis of current credit risk models. Journal of Banking & Finance, 24, 59-117.

9. Đoàn Ngọc Phi Anh (2010), Các nhân tố ảnh hưởng đến cấu trúc tài chính và hiệu quả tài chính: tiếp cận theo phương pháp phân tích đường dẫn. Tạp chí khoa học và công nghệ, 5(40).

10. Frydman, H., Altman, E.I. & Kao, D. (1985), Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress. The Journal of Finance, XL(1).

11. Huang, C.L., Chen, M.C. & Wang, C.J. (2007), Credit scoring with a data mining approach based on support vector machines. Expert Systems with Applications, 33, 847-856.


12. Lê Đạt Chí & Lê Tuấn Anh (2012), Kết hợp phương pháp CVaR và mô hình Merton/KMV để đo lường rủi ro vỡ nợ - Bằng chứng thực nghiệm tại Việt Nam. Phát triển & Hội nhập, 5(15).

13. Lê Thị Mận (2009), Lý thuyết Tài chính - Tiền tệ, Nhà xuất bản Lao động xã hội.

14. Li, K. (1999), Bayesian analysis of duration models: an application to Chapter 11 bankruptcy. Economics Letters, 63, 305-312.

15. Mishkin, F.S. & Eakins S.G. (2012), Financial Markets and Institutions. Pearson Education, Boston, US. (Tái bản lần 7).

16. Nguyễn Minh Kiều (2012), Tiền tệ ngân hàng, Nhà xuất bản Lao động xã hội.

17. Ngân hàng TMCP Đầu tư và Phát triển Việt Nam, (2010 – 2016), Báo cáo tài chính thường niên.

18. Ngân hàng TMCP Đầu tư và Phát triển Việt Nam, (2017), Tài liệu Hướng dẫn triển khai Hệ thống Xếp hạng tín dụng nội bộ.

19. Nickell, P., Perraudin, W. & Varotto, S. (2000), Stability of rating transitions,

Journal of Banking & Finance, 24, 203 – 227.

20. Pesaran, M.H., Schuermann, T., Treutler, B. & Weiner, S.M. (2006), Macroeconomic Dynamics and Credit Risk: A Global Perspective, The Journal of Finance, 38.

21. Trần Huy Hoàng (2010), Quản trị ngân hàng, Nhà xuất bản Lao động xã hội, Thành phố Hồ Chí Minh.

22. http://www.bidv.com.vn/

23. https://www.gso.gov.vn/

Xem toàn bộ nội dung bài viết ᛨ
Ngày đăng: 08/10/2024