Khung Phân Tích (Các Nhân Tố Tác Động).

Bên cạnh đó, còn rất nhiều cách thức đo lường rủi ro tín dụng khác nhau, và thông qua đó, đã có rất nhiều tác giả phát triển ra nhiều mô hình đo lường rủi ro tín dụng được sử dụng phổ biến rộng rãi trên khắp thế giới hiện nay.

2.2 Cơ sở lý thuyết.

Mô hình xây dựng dựa trên nền tảng ban đầu về cấu trúc tài chính của doanh nghiệp. Việc xác định được các nhân tố ảnh hưởng đến cấu trúc tài chính doanh nghiệp và hiệu quả tài chính doanh nghiệp có ý nghĩa sống còn đối với công tác quản trị tài chính. Bên cạnh đó, cấu trúc tài chính hiện đại dựa trên những giả định lần đầu tiên được đưa ra bởi Modigliani và Miller (1958), và từ đó, một số lý thuyết về cấu trúc tài chính giải thích cho sự khác biệt trong việc lựa chọn cấu trúc tài chính của doanh nghiệp được phát triển. Trong đó, đáng chú ý nhất là 2 lý thuyết lý giải thích mối quan hệ giữa cấu trúc tài chính doanh nghiệp và giá trị doanh nghiệp, bao gồm: lý thuyết tĩnh về đánh đổi (DeAngelo và Masulis, 1980)) và lý thuyết về trật tự phân hạng (Myers và Majluf, 1984). Theo lý thuyết trật tự phân hạng, nhà quản trị doanh nghiệp bao giờ cũng có thông tin về giá trị doanh nghiệp tốt hơn nhà đầu tư bên ngoài. Sự bất cân xứng về thông tin này dẫn đến chi phí huy động vốn từ bên ngoài sẽ cao hơn. Vì thế, nhà quản trị có xu hướng ưu tiên sử dụng các nguồn vốn nội tại trước, rồi mới đến các nguồn vốn vay mượn bên ngoài. Các ngân hàng sẽ xem xét cấu trúc tài chính và hiệu quả kinh doanh của doanh nghiệp như một yếu tố để quyết định mức cấp tín dụng, nhằm hạn chế rủi ro tối thiếu đối với các ngân hàng.

Bên cạnh đó, bài viết còn dựa trên lý thuyết về quản trị doanh nghiệp. Các cơ quan tín dụng có liên quan với quản trị bởi vì quản lý yếu kém có thể làm giảm tình hình tài chính của một công ty và các bên liên quan về nợ dễ bị thiệt hại (Fitch Ratings 2004). Gompers và cộng sự (2003) thấy rằng các công ty có các quyền cổ đông mạnh có giá trị cổ phiếu cao hơn và tận hưởng một chi phí thấp hơn vốn chủ sở hữu, qua đó nhận một xếp hạng tín dụng thấp hơn hàm ý một chi phí cao hơn các khoản nợ tài chính.

Đồng thời, bài nghiên cứu cũng một phần dựa trên lý thuyết cung cầu của thị trường. Việc tác động qua lại của cung - cầu sẽ ảnh hưởng đến hàng loạt các biến kinh tế vĩ mô trong nền kinh tế. Carling và cộng sự (2007) cho rằng chênh lệch sản lượng, các đường cong lãi suất và kỳ vọng của người tiêu dùng về phát triển kinh tế trong tương lai có khả năng giải thích ý nghĩa đối với các rủi ro vỡ nợ của các công ty.

2.3 Khung phân tích (các nhân tố tác động).

Có thể bạn quan tâm!

Xem toàn bộ 88 trang tài liệu này.

Các yếu tố

tài chính của doanh

nghiệp

Các yếu tố

kinh tế vĩ mô

Rủi ro tín

dụng doanh nghiệp

Các yếu tố

phi tài chính của doanh nghiệp

Đặc điểm

của khoản tín dụng

Theo Andrich (1988), Altman (2000), Nickell và cộng sự (2000), Bhojraj và Sengupta (2003), Pesaran và cộng sự (2006), Carling và cộng sự (2007), Huang và cộng sự (2007) và Altman & Sabato (2007).

Trong bài nghiên cứu, tác giá sẽ đánh giá và kiểm định rủi ro tín dụng doanh nghiệp thông qua tác động của các yếu tố xoay quanh quá trình hoạt động kinh doanh của doanh nghiệp.

Thứ nhất, các yếu tố tài chính của doanh nghiệp sẽ phản ánh rõ nhất khả năng trả nợ vay của doanh nghiệp đó thông qua dòng tiền, vốn lưu động, hàng tồn kho, các khoản phải thu, tổng nợ mà doanh nghiệp đang vay, cơ cấu tài sản được tài trợ, việc sử dụng nguồn vốn vào hoạt động kinh doanh có mang lại hiệu quả không thể hiện ở doanh thu và lợi nhuận,…. Một doanh nghiệp sử dụng nhiều đòn bẩy tài

chính (nhiều nợ) có thể sẽ gây áp lực tài chính lớn, gặp khó khan trong việc trả nợ và một doanh nghiệp sử dụng ít đòn bẩy tài chính cũng chưa chắc sẽ mang lại hoạt động kinh doanh hiệu quả. Một cơ cấu tài chính hợp lý là điều mà các doanh nghiệp luôn hướng tới nhằm tối đa hóa lợi nhuận. Đứng ở khía cạnh là nhờ tài trợ vốn như ngân hàng, điều họ quan tâm nhất là doanh nghiệp có đủ khả năng trả nợ hay không. Xuất phát từ nhu cầu đó, mô hình Z-Score của Altman (2000) đã sử dụng các biến vốn lưu động/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, thu nhập trước thuế và lãi/tổng tài sản, giá trị vốn chủ sở hữu/giá trị thị trường của tổng nợ phải trả, doanh thu/tổng tài sản để đo lường xác suất vỡ nợ của doanh nghiệp. Tuy mô hình được đánh giá rất cao, nhưng nó vẫn còn rất nhiều nhược điểm như: mô hình được ước lượng trên nền tảng OLS thông thường với rất nhiều hạn chế, mô hình phần lớn dựa trên số liệu kế toán nên không thể loại trừ được các gian lận kế toán, thủ thuật làm đẹp báo cáo tài chính, sự tác động lẫn nhau giữa các yếu tố độc lập trong mô hình,…. Do đó, trong bài nghiên cứu tác giả sẽ sử dụng lại một số chỉ tiêu tài chính của mô hình Z-Score, đồng thời bổ sung một số biến độc lập khác phù hợp hơn như: Hàng tồn kho/Tổng tài sản, Doanh thu/Tổng tài sản, Lợi nhuận trước thuế/Tổng nợ, Vốn chủ sở hữu/Tổng nợ và tất nhiên được ước lượng với mô hình đảm bảo hơn so với OLS thông thường.

Thứ hai, các yếu tố phi tài chính của doanh nghiệp cũng là nhân tố ảnh hưởng đến hoạt động kinh doanh của doanh nghiệp cũng như khả năng trả nợ vay. Các yếu tố này có thể là: Giám đốc doanh nghiệp được thuê ngoài hay chủ sở hữu doanh nghiệp, chất lượng sản phẩm, đối tác kinh doanh, ngành nghề kinh doanh hay quy mô doanh nghiệp,…. Theo Bhojraj và Sengupta (2003), các công ty có tỷ lệ phần trăm cao hơn của giám đốc bên ngoài không thuộc hội đồng quản trị thì có xếp hạng tín dụng cao hơn, chất lượng tín dụng tốt hơn. Tuy nhiên, theo Ashbaugh- Skaife và cộng sự (2005), đề cập đến vấn đề quản trị doanh nghiệp trong việc đo lường rủi ro tín dụng, họ thấy rằng các đặc điểm của quản trị có khả năng ảnh hưởng đến chi phí của khoản nợ tài chính và cung cấp một lời giải thích cho lý do tại sao một số công ty tiếp tục hoạt động với quản trị yếu mặc dù làm như vậy có

thể có nghĩa là xếp hạng tín dụng thấp hơn. Với các kết luận không đồng nhất từ các kết quả trước, thì việc xác định tầm ảnh hưởng của Giám đốc doanh nghiệp là thuê ngoài hay không đến khả năng trả nợ của doanh nghiệp là cần thiết. Bên cạnh đó, theo Altman và Sabato (2007), doanh nghiệp vừa và nhỏ có rủi ro cao hơn nhưng có một sự tương quan tài sản thấp hơn các doanh nghiệp lớn. Do đó, quy mô doanh nghiệp cũng là một nhân tố đáng để đánh giá trong mô hình.

Thứ ba, ngoài việc xét các yếu tố từ phía doanh nghiệp thì đặc điểm của khoản tín dụng cũng cần được quan tâm. Và theo Carling và cộng sự (2007), nguy cơ vỡ nợ là rõ rệt cao đối với các khoản vay ngắn hạn hơn là tín dụng dài hạn. Vì vậy, biến thời hạn khoản vay là một lựa chọn tốt trong mô hình.

Thứ tư, cuối cùng tác giả xét đến các yếu tố đến từ nền kinh tế vĩ mô. Theo Nickell và cộng sự (2000), Pesaran và cộng sự (2006), rủi ro tín dụng doanh nghiệp được cho thấy phụ thuộc vào các biến như thay đổi các chỉ số chứng khoán, lãi suất, lạm phát, số dư tiền thực tế, giá dầu và sản lượng. Bên cạnh đó, còn nhiều yếu tố khác như GDP bình quân đầu người, tỷ giá, ….

2.4 Mô hình nghiên cứu

Trong bải nghiên cứu này, tác giả sử dụng mô hình OLS, Logit và Probit để khảo sát và kiểm nghiệm số liệu thu thập.

Hồi quy Logistic là mô hình hồi quy đặc biệt khi biến phụ thuộc là một biến nhị phân chỉ nhận hai giá trị 0 và 1. Mô hình hồi quy này sử dụng để dự đoán xác suất xảy ra một sự việc dựa vào thông tin các biến độc lập trong mô hình. Trong đó xác suất là khả năng để sự việc xảy ra, được ký hiệu là: p.

Trong mô hình này, các pi được xác định bằng:

eXi∗β

exp(Xiβ)

pi =

1+eXi∗β = 1+exp(X β) (1)

 β: tham số của các biến độc lập.

 Xi : các biến kinh tế độc lập trong mô hình.

Trong mô hình trên, pi không phải là hàm tuyến tính của các biến độc lập.

Phương trình (1) được gọi là hàm phân bố Logistic. Trong hàm Logistic, khi X,β nhận các giá trị từ −∞ đến +∞ thì pi sẽ nhận giá trị từ 0 đến 1. Và do pi phi tuyến với Xi và các tham số β nên ta không thể áp dụng trực tiếp phương pháp bình phương nhỏ nhất (Ordinary Least Square - OLS) để ước lượng. Vì lẽ đó, người ta dùng phương pháp ước lượng hợp lý tối đa (maximum likelihood) để ước lượng β.

Vì biến phụ thuộc Y chỉ nhận một trong hai giá trị 0 và 1, nên hàm hợp lý với mẫu kích thước n có dạng:

L = ∏n

pYi (1 − p )1−Yi = ∏n

(exp(Xiβ)

1 1−Yi

i=1 i i

i=1

) ( )

1+exp(X β) ( )

i=1

= exp(β ∑n

XiYi)

i 1+exp Xiβ

∏n (1+exp(Xiβ))

i=1

Ta cần tìm ước lượng hợp lý tối đa của β. Để thực hiện được, ta lấy logarit cơ số tự nhiên hàm hợp lý (Ln(L)), sau đó cho các đạo hàm riêng ứng với βi= 0, sẽ thu được một hệ phương trình. Tiếp theo, để giải hệ phương trình đó người ta dùng phương pháp Newton Raphson, thu được một công thức của β. Cuối cùng sử dụng quá trình lặp để ước lượng hệ số của β. Sau khi ước lượng được β̂, ta có thể tính được ước lượng xác suất pi = P(Y=1|Xi):

exp(Xiβ̂)

p̂i=1+exp(X β̂)

Ứng dụng mô hình logit trong dự báo nợ quá hạn của doanh nghiệp tạiNgân hàng:

Mô hình Logit là mô hình không quá khắc khe đối với dạng phân phối của biến độc lập, đồng thời việc kiểm định thống kê tương đối dễ dàng. Vì vậy, mô hình được ứng dụng rất nhiều trong thực tiễn như sử dụng các chỉ tiêu tài chính để lượng hóa xác suất rủi ro sẽ xảy ra và độ tin cậy của xác suất đó.

Để đo lường rủi ro đó, ta tính toán khả năng xuất hiện nợ xấu của doanh nghiệp là bao nhiêu. Và xác suất nợ xấu của doanh nghiệp sẽ được lượng hóa bởi mô hình Logit.

Hàm Logistic có dạng:

Trong đó:

exp(Zi)

pi =

1+exp(Zi)

 pi là xác xuất xuất hiện nợ xấu của doanh nghiệp i.

 Zi là giá trị chỉ số kinh tế của doanh nghiệp i. Zi được xác định bởi mô hình đa nhân tố sau:

Zi = 𝛽𝑖,0 + 𝛽𝑖,1X1i + 𝛽𝑖,2X2i + ... + 𝛽𝑖,𝑚Xmi + 𝜀𝑖

𝛽𝑖,0, 𝛽𝑖,1,..., 𝛽𝑖,𝑚 là tham số của doanh nghiệp i.

 X1i , X2i,..., Xmi là giá trị các biến kinh tế của doanh nghiệp i.

𝜀𝑖 là sai số ngẫu nhiên, giả thiết nó không tương quan với Xi. Và giả định 𝜀𝑖

có phân phối chuẩn.

Từ hàm Logit trên và các dữ liệu thu thập được, mô hình có thể dự báo xác suất nợ quá hạn của doanh nghiệp. Thông qua đó, ngân hàng sẽ có thể đưa ra những biện pháp thích hợp để quản lý rủi ro tín dụng cũng như giảm thiểu nợ quá hạn.

Mô hình Logit và Probit về cơ bản là giống nhau, chỉ có sự khác biệt về phân phối. Mô hình logit thì tuân theo phân phối logistic chuẩn tích lũy (F) còn mô hình Probit thì tuân theo phân phối chuẩn tích lũy (Φ).

Mô hình Probit được giới thiệu lần đầu tiên bởi Chester Bliss vào năm 1935. Giả sử theo phân tích đơn vị xác suất là có một phương trình phản ứng có dạng Y*t

= a + βXt + ut, với Xt là biến có thể quan sát được nhưng Y*t là biến không thể quan sát được. ut /σ có phân phối chuẩn chuẩn hóa. Những gì có thể quan sát được trong thực tế là Yt, nó mang giá trị 1 nếu Y*t > 0 và bằng 0 nếu các giá trị khác. Do đó, Yt = 1 nếu a + βXt + ut > 0, Yt = 0 nếu a + βXt + ut < 0.

Các mô hình logit và probit nói chung cho các kết quả tương tự, khác biệt chính giữa hai mô hình là phân phối logistic có các đuôi hơi mỏng hơn, có nghĩa phương sai của một biến ngẫu nhiên theo phân phối logistic là khoảng 2/3, trong khi đó của một biến ngẫu nhiên theo phân phối chuẩn hóa là 1. Điều đó nói lên rằng, xác suất có điều kiện Pi tiến về 0 và 1 với tốc độ chậm hơn trong mô hình logit so với mô hình probit. Nhưng trong thực tế không có lý do thuyết phục để

chọn mô hình này chứ không phải mô hình kia. Nhiều nhà nghiên cứu thích chọn logit hơn bởi vì sự tương đối đơn giản về mặt toán học của nó.