Kết Quả Phân Tích Các Yếu Tố Ảnh Hưởng Lên Khả Năng Vỡ Nợ Của Khcn

Đối với vị trí công việc của KHCN cho thấy đa số các đối tượng vay vốn là trưởng bộ phận và nhân viên (2.170 khách hàng là nhân viên, trưởng bộ phận là 2.096 người và lãnh đạo thấp nhất với 1.232 người).

Hình 3.7. Mô tả về vị trí công việc

Đối với kỳ hạn trả nợ của các KHCN cho thấy các đối tượng vỡ nợ chủ yếu nằm ở vay ngắn hạn (2.867 khách hàng vỡ nợ với kỳ hạn trong ngắn hạn, trong khi đó các khách hàng vỡ nợ trong kỳ hạn vay trung và dài hạn chỉ là 1.428 và 1.203 người. Trung và dài hạn có tỷ lệ gần như nhau. Chi tiết hình 3.8

Hình 3.8. Mô tả về kỳ hạn trả nợ

Mô tả về việc các khách hàng đăng ký bảo hiểm nhân thọ có thể thấy được trong 1 năm gần đây các khách hàng đã quan tâm tới bảo hiểm nhân thọ nhiều hơn. Kết quả chỉ ra có 2.835 người đã tham gia bảo hiểm nhân thọ và 2.663 người chưa tham gia.

Hình 3.9. Mô tả về đăng ký tham gia bảo hiểm nhân thọ

Mô tả về đa dạng hóa nghề nghiệp cho thấy các đối tượng đều có mức đa dạng hóa nghề nghiệp cao. Với 2.609 người có từ 2 công việc trở lên và 2.889 người chỉ có 1 công việc (1 công việc được coi là không đa dạng hóa nghề nghiệp). Chi tiết tại hình 3.10.

Hình 3.10. Mô tả về sự đa dạng hóa công việc

Đối với loại hình tài sản đảm bảo được chia thành 2 loại là động sản và bất động sản. Mô tả cho thấy tỷ lệ hai loại hình này ở mức tương đồng 2.928 khách hàng có tài sản đảm bảo là động sản và 2.570 khách hàng có tài sản là bất động sản. (Hình 3.11).

Hình 3.11. Mô tả về tài sản đảm bảo

3.3. Kết quả phân tích các yếu tố ảnh hưởng lên khả năng vỡ nợ của KHCN

3.3.1. Kết quả hồi quy Logistic

Với dữ liệu thu thập được của các KHCN vay vốn kinh doanh tại Ngân hàng HTX Việt Nam. NCS tiến hành phân tích hồi quy với biến phụ thuộc là việc vỡ nợ và không vỡ nợ của khách hàng. Trong đó: Biến được mã hóa là 1- Vỡ nợ và 0- Không vỡ nợ.

Mô hình ban đầu NCS phân tích cho tất cả các khách hàng. Kết quả chi tiết

được tổng hợp và mô tả trong bảng 3.5

Bảng 3.5. Kết quả hồi quy Logistic cho các khách hàng

Estimate

Std. Error	z value	p-value
(Intercept) 14,2000	0,8484	16,7370	< 2e-16 ***
Học vấn_Trung cấp 0,2253	0,1951	1,1550	0,248272
Cao đẳng_Đại học -0,6597	0,1915	-0,8339	0,71345
Sau đại học -0,0898	0,1369	-0,6550	0,512187
Giới tính 0,8570	0,1421	6,0300	1,64e-09 ***
Hôn nhân -0,6551	0,1146	-5,7160	1,09e-08 ***
Lý lịch tư pháp 0,6929	0,2229	3,1090	0,001879 **
Sở hữu kinh doanh -4,9570	0,1703	-29,1140	< 2e-16 ***
Tuổi -0,0729	0,0089	-8,1810	2,82e-16 ***
Quy mô hộ -0,2300	0,0966	-2,3800	0,017301 **
Số người phụ thuộc 0,0528	0,0707	0,7470	0,455127
Số tiền vay 0,0000	0,0003	0,0280	0,977847
Nghề nghiệp 1,7440	1,0010	1,7420	0,081507*
Vị trí _TruongBoPhan -0,0234	0,2071	-0,1130	0,910178
Nhanvien 0,5550	0,3011	1,8430	0,065263*
Thời gian làm việc -0,0226	0,0105	-2,1470	0,031771 **
Loại hình -0,5450	0,1414	-3,8540	0,000116 ***
Thu nhập -0,1218	0,0107	-11,3770	< 2e-16 ***
Kì hạn_Trung hạn -1,3230	0,2322	-5,6960	1,23e-08 ***
Dài hạn -0,8374	0,2398	-3,4920	0,000480 ***
Tình trạng_Chậm 1 lần 1 -0,0890	0,1550	-0,5740	0,565849
Chậm 2 lần trở lên -1,4100	0,2621	-5,3780	7,54e-08 ***
Mục đích_Sử dụng đúng mục đích -0,2248	0,1134	1,9830	0,047378 **
Đa dạng hóa nghề 0,5236	0,1137	4,6050	4,12e-06 ***
Tài sản ĐB là BĐS -1,7930	0,1247	-14,3750	< 2e-16 ***
Tỷ lệ trả hàng tháng 0,4287	0,4787	0,8960	0,370498
Có Bảo hiểm nhân thọ -1,0980	0,2286	-4,8050	1,55e-06 ***

Có thể bạn quan tâm!

Xem toàn bộ 136 trang tài liệu này.

Observations 5.498

Note:*p<0,1;**p<0.05;***p<0,01.

Khả năng dự báo chính xác của mô hình chung cho tất cả các khách hàng đạt 90,57% >50% cho thấy mô hình có khả năng dự báo tốt cho khả năng vỡ nợ của KHCN.

Bảng 3.6. Kết quả dự báo của mô hình Logistic

Khả năng dự báo

Không vỡ nợ		Vỡ nợ
Vỡ nợ	257		2.541
Không vỡ nợ	2.439		261
Khả năng dự báo chính xác		90,57%

Sau khi có kết quả này, NCS tiến hành lấy các hệ số của các biến độc lập để kiểm tra khả năng dự báo chính xác trên 500 mẫu khách hàng khác (mẫu 500 để kiểm tra kết quả dự báo từ mô hình thu được). Kết quả dự báo trên 500 mẫu kiểm tra thu được như sau:

Bảng 3.7. Kết quả dự báo cho mẫu thử

Kết quả dự báo cho 500 mẫu thử

Dự báo

Không vỡ nợ	Vỡ nợ
Không vỡ nợ	181	27
Vỡ nợ	50	242
Dự báo chính xác	83,46%
95% CI	(81,13%; 87,65%)

Kết quả dự báo cho 500 mẫu khách hàng mới cho ra độ chính xác là 83,46%. Trong đó, số lượng dự báo vỡ nợ đúng là 242 và sai 27 người, dự báo đúng về không vợ nợ là 181 người và sai 50 người. Với khả năng dự báo cho mẫu mới là 83,46% chỉ ra mô hình dự báo của tác giả có khả năng ứng dụng tốt trong việc đánh giá rủi ro vay vốn của khách hàng cá nhân.

3.3.2. Kết quả mô hình ước lượng Probit

Kết quả ước lượng mô hình Probit cho thấy kết quả khá tương đồng với kết quả của mô hình Logistic.

Bảng 3.8. Kết quả dự báo của mô hình Probit

Estimate

Std. Error	z value	p-value
(Intercept) 7,748	0,453	17,108	< 2e-16 ***
Học vấn_Trung cấp 0,131	0,107	1,223	0,221288
Cao đẳng_Đại học -0,369	0,104	-1,213	0,20230
Sau đại học -0,037	0,076	-0,481	0,63044
Giới tính 0,475	0,079	6,026	1,68e-09 ***
Hôn nhân -0,354	0,062	-5,666	1,46e-08 ***
Lý lịch tư pháp 0,374	0,116	3,212	0,001316 **
Sở hữu kinh doanh -2,771	0,088	-31,491	< 2e-16 ***
Tuổi -0,037	0,005	-7,565	3,88e-14 ***
Quy mô hộ -0,115	0,053	-2,157	0,031033 **
Số người phụ thuộc 0,022	0,039	0,582	0,560707
Số tiền vay 0,000	0,000	-0,294	0,768435
Nghề nghiệp 0,998	0,516	1,932	0,053307*
Vị trí _TruongBoPhan 0,007	0,113	0,064	0,949206
Nhanvien 0,309	0,164	1,884	0,059518*
Thời gian làm việc -0,017	0,006	-2,895	0,003794 **
Loại hình -0,278	0,078	-3,571	0,000355 ***
Thu nhập -0,068	0,006	-11,781	< 2e-16 ***
Kì hạn_Trung hạn -0,728	0,127	-5,740	9,46e-09 ***
Dài hạn -0,479	0,131	-3,655	0,000257 ***
Tình trạng_Chậm 1 lần 1 -0,005	0,083	-0,061	0,950985
Chậm 2 lần trở lên -0,750	0,144	-5,208	1,91e-07 ***
Mục đích_Sử dụng đúng mục đích -0,103	0,062	1,653	0,098401*
Đa dạng hóa nghề 0,307	0,063	4,917	8,80e-07 ***
Tài sản ĐB là BĐS -0,954	0,068	-14,083	< 2e-16 ***
Tỷ lệ trả hàng tháng 0,228	0,262	0,868	0,385316
Có Bảo hiểm nhân thọ -0,583	0,123	-4,722	2,34e-06 ***

Note *p<0,1; **p<0,05; ***p<0,01

Đồng thời, mô hình Probit có khả năng dự báo chính xác cho 500 mẫu khách hàng kiểm tra là 84,60%.

Bảng 3.9. Kết quả dự báo của mô hình Probit

Dự báo Không vỡ nợ Vỡ nợ

Không vỡ nợ 183 29

Vỡ nợ 48 240

Dự báo chính xác 84,6%

Khoảng tin cậy 95% (81,13%; 78,5%)

Kết quả dự báo cho mẫu 500 khách hàng mới cho ra độ chính xác là 84,6%. Trong đó, số lượng dự báo vỡ nợ đúng là 240 và sai 29 người, dự báo đúng về không vợ nợ là 183 người và sai 48 người. Với khả năng dự báo cho mẫu mới là 84,6% chỉ ra mô hình dự báo của tác giả có khả năng ứng dụng tốt trong việc đánh giá rủi ro vay vốn của KHCN.

3.3.3. Kết quả mô hình dự báo dựa trên mạng Neuron nhân tạo ANN

Ngoài mô hình Logistic để xác định các yếu tố ảnh hưởng tới khả năng vỡ nợ của KHCN tại các ngân hàng TM. Với mô hình ANN, các trọng số mô hình của các biến độc lập sẽ được thể hiện theo mạng tác động. Trọng số càng lớn cho thấy biến độc lập có đóng góp càng lớn cho việc dự báo khả năng vỡ nợ. Với trọng số (+) giống như hệ số (+) là biến có tác động cùng chiều và trọng số (-) chỉ ra ảnh hưởng ngược chiều lên khả năng vỡ nợ. Bảng 3.10, chỉ ra các trọng số cho từng biến nghiên cứu tác động lên biến phụ thuộc là khả năng vỡ nợ của KHCN. Kết quả cho thấy biến có đóng góp nhiều nhất là sở hữu kinh doanh (shkd).

Bảng 3.10. Kết quả mô phỏng qua mô hình ANN

Các biến Trọng số Các biến Trọng số

Edu 0,0108 income -0,0078

Gender 0,0430 exp -0,0689

Married -0,0373 sit -0,0301

Lltp 0,0535 obj 0,0140

Shkd -0,5097 Djob 0,0448

Age -0,0049 ASS -0,1302

Size -0,0028 pay_income 0,0725

Numberdepend 0,0033 BHNT -0,1441

Number 0,0000 time -0,0030

Pos 0,0277 COMP -0,0396

Hình 3.12. Kết quả mô hình mạng Neuron nhân tạo (ANN)

Đồng thời kết quả dự báo về khả năng chính xác mô hình chỉ ra mô hình ANN có khả năng dự báo chính xác trên mẫu 500 khách hàng từ trọng số của mô hình ANN là 83,86%.

Bảng 3.11. Kết quả dự báo mô hình ANN

Dự báo

Không vỡ nợ		Vỡ nợ
Không vỡ nợ	184		47
Vỡ nợ	34		235
Dự báo chính xác		83,86%