Chính sách cho vay nội bộ hợp lý: Chính sách cho vay hướng dẫn các ngân hàng giải ngân khoản vay cho khách hàng, tuân thủ nghiêm ngặt chính sách cho vay đến nay là phương pháp rẻ nhất và đơn giản nhất của quản lý rủi ro tín dụng. Chính sách cho vay phải phù hợp với chiến lược tổng thể của ngân hàng và các yếu tố được xem xét khi thiết kế chính sách cho vay phải bao gồm chính sách tín dụng hiện hành, định mức ngành, điều kiện kinh tế chung của đất nước (Kithinji, 2010).
Chính sách khuyến khích nhân viên giành nhiều thời gian cho chăm sóc khách hàng cũng như kiểm tra thông tin cẩn thận để tránh thông tin sai sự thật. Việc có chính sách khen thưởng cho các nhân viên trong hoạt động huy động tín dụng KHCN có thành tích tốt trong việc hạn chế rủi ro vỡ nợ của khách hàng. Những khuyến khích này, giúp nhân viên có cách tiếp cận khách hàng cũng như thu thập dữ liệu chính xác giúp giảm thiểu rủi ro vỡ nợ của khách hàng.
Nên có các hình phạt được áp dụng cho các khoản nợ quá hạn hoặc chưa trả để ngăn chặn các khoản nợ xấu. Nó có thể ở dạng từ chối các khoản vay mới cho những người đã bị vỡ nợ trong quá khứ. Hình thức phạt này, sẽ giúp các khách hàng có trách nhiệm hơn về thời gian trả nợ lãi và gốc. Những lo ngại về khoản vay trong tương lai sẽ giúp khách hàng tiến hành trả nợ đúng hạn hơn.
4.1.2. Giải pháp về giám sát hoạt động sau cho vay
Ngoài việc xây dựng xếp hạng tín dụng theo phương pháp định lượng, ngân hàng cần làm chặt hơn nữa quy trình kiểm soát và theo dõi hồ sơ cho vay nhằm kịp thời xử lý những dấu hiệu bất thường của khách hàng sau khi vay vốn. Quy trình kiểm soát hồ sơ được tự động báo cáo cho ban lãnh đạo theo tháng, quý để kiểm soát tốt hơn rủi ro tín dụng cho vay khách hàng cá nhân.
Yếu tố sử dụng vốn vay đúng mục đích có ảnh hưởng tới khả năng vỡ nợ của khách hàng. Do vậy, các hoạt động sử dụng vốn vay của khách hàng cần được kiểm soát theo mục đích sử dụng cũng như hoạt động kinh doanh của khách hàng. Với khách hàng sử dụng vốn vay không đúng mục đích sẽ làm tăng nguy cơ không trả được nợ. Do vậy, cần có biện pháp tư vấn hoạt động sử dụng vốn vay hợp lý với khách hàng. Đồng thời, với các dự án cần phải thực hiện giải ngân theo tiến độ, cần giám sát các hoạt động đầu tư kinh doanh đúng như hợp đồng vay vốn với ngân hàng. Các hành vi kê khai không đúng khối lượng hoàn thành và kê khai không đúng dự án cần được theo dõi và có hướng khắc phục nhằm làm đúng hợp đồng ký kết giữa ngân hàng và khách hàng.
4.1.3. Giải pháp liên quan tới cải thiện hệ thống chấm điểm tín dụng định kỳ
Do đặc điểm điều kiện kinh tế cũng như yếu tố ảnh hưởng tới khả năng vỡ nợ của khách hàng cá nhân có thể thay đổi theo thời gian nên việc thay đổi mô hình đánh giá khả năng vỡ nợ hay xếp hạng tín dụng cần thường xuyên cập nhật sửa đổi bổ sung cho phù hợp với sự phát triển kinh tế thị trường.
4.1.4. Giải pháp hoàn thiện hệ thống chấm điểm tín dụng trực tuyến
Áp dụng công nghệ thông tin để đưa hệ thống chấm điểm tín dụng theo hình thức trực tuyến dựa trên mô hình dự báo được đưa ra như mô hình Logistic, Probit, ANN, Random Forest sẽ giúp ngân hàng giảm bớt các yếu tố thông tin không cần thiết khi đưa vào hệ thống app- ứng dụng. Khách hàng có thể dễ dàng chủ động khai báo các thông tin cá nhân của mình vào hệ thống, qua đó có thể biết mình có khả năng được vay vốn nằm trong hạn mức tín dụng nào. Với các khoảng có khả năng xem xét hồ sơ thì khách hàng sẽ được chuyển tới bộ phận tiếp nhận hồ sơ và liên hệ với khách hàng để tư vấn cũng như hỗ trợ thủ tục để vay vốn. Với các khách hàng có những thông tin cá nhân nhưng nằm trong vùng khả năng cấp tín dụng rất thấp thì ngân hàng có thể bỏ qua và thông báo cho khách hàng về việc chưa đáp ứng các yêu cầu để cấp tín dụng trong thời gian này. Các yêu cầu chưa đạt có thể được đưa ra ngay khi được lập trình trên hệ thống hay app ứng dụng.
Để hệ thống chấm điểm tín dụng trực tuyến tiếp cận tốt tới khách hàng thì việc áp dụng trí tuệ nhân tạo (AI) sẽ giúp ngân hàng marketing dịch vụ tín dụng tới khách hàng một cách hiệu quả hơn với những đặc tính khách hàng sử dụng internet có tương tác hay quan tâm tới việc vay vốn. Những từ khóa liên quan sẽ giúp ngân hàng có thể gắn các quảng cáo tới những khách hàng này một cách dễ dàng (qua facebook, các trình duyệt hay app khác). Cách tiếp cận này ban đầu gần như nhắm tới đúng đối tượng cần vay vốn.
Tham gia hoặc xây dựng các sàn giao dịch vốn như blockchain sẽ giúp ngân hàng kết nối tốt hơn giữa khách hàng và đơn vị cho vay. Việc tạo ra sàn điện tử thì các thông tin khách hàng sẽ được đưa vào hệ thống, được lọc ra với thông tin và nhu cầu vốn như vậy thì ngân hàng nào hay đơn vị nào cấp tín dụng nào có thể tiến hành cho vay. Điều này giúp khách hàng có thể tiếp cận tối đa tới đơn vị cấp tín dụng. Việc áp dụng công nghệ thông tin hiện đại cũng như phát triển ứng dụng AI để tạo ra các kênh giúp trao đổi vốn giữa ngân hàng và khách hàng trở lên dễ dàng hơn. Các thông tin sẽ được xử lý nhanh hơn khi bên cung cấp thông tin và bên yêu cầu thông tin để đầu tư gặp nhau.
4.2. Xây dựng hệ thống xếp hạng tín dụng khách hàng cá nhân tại Ngân hàng HTX dựa trên kết quả nghiên cứu
Căn cứ xếp hạng tín dụng KHCN tại Ngân hàng HTX và dựa trên kết quả phân tích mô hình Logit và trọng số trong mô hình ANN cũng như Random Forest đồng thời tuân theo những căn cứ chung mà ngân hàng khác đang áp dụng, bao gồm: Hồ sơ pháp lý, thông tin tài chính, mức độ tín nhiệm của khách hàng trong quan hệ với các ngân hàng và tổ chức tín dụng khác. Cán bộ tín dụng thực hiện nhiệm vụ thu thập thông tin liên quan đến khách hàng vay gồm cả thông tin mang tính định tính và định lượng rồi so sánh với những tiêu chuẩn đã được ngân hàng xây dựng cho từng tiêu chí. Quá trình so sánh, đánh giá và cho điểm đối với các tiêu chí có thể phụ thuộc nhiều vào mối liên hệ tương quan với các khách hàng khác nhau. Việc tính điểm có thể bị ảnh hưởng bởi đánh giá chủ quan của người chấm. Vì thế, đòi hỏi cán bộ đánh giá phải có kiến thức và kinh nghiệm tốt về khách hàng, về lĩnh vực hoạt động của họ. Do đó, để hạn chế tối đa ảnh hưởng của yếu tố chủ quan của người đánh giá đến kết quả xếp hạng tín dụng KHCN, hệ thống xếp hạng tín dụng của Ngân hàng HTX đã được thiết kế để có những kiểm soát chặt chẽ đối với vấn đề này bằng cách:
Thứ nhất, các chỉ tiêu phi tài chính sẽ được thiết kế xen kẽ để đảm bảo tính thống nhất trong quá trình đánh giá.
Thứ hai, các thông tin phi tài chính sẽ được xác nhận bởi các tài liệu lưu trong hồ sơ tín dụng. Hệ thống xếp hạng tín dụng nội bộ của Ngân hàng HTX sử dụng phương pháp chấm điểm tín dụng. Tổng số điểm của khách hàng được xác định theo thang điểm tối đa là 100 được chia cho bộ chỉ tiêu tài chính và phi tài chính theo tỷ trọng tương ứng.
Nguyên tắc chấm điểm tín dụng cá nhân tại Ngân hàng HTX là chấm điểm thông qua các chỉ tiêu cụ thể. Trong mỗi bộ chỉ tiêu tài chính hoặc phi tài chính có một số chỉ tiêu cụ thể (chỉ tiêu cấp 1). Mỗi chỉ tiêu cấp 1 có trọng số tính điểm cụ thể. Tổng trọng số tính điểm của các chỉ tiêu cấp 1 phải bằng 100% trọng số tính điểm của bộ chỉ tiêu đó. Mỗi chỉ tiêu cấp 1 có một số chỉ tiêu cấp 2. Mỗi chỉ tiêu cấp 2 có trọng số tính điểm cụ thể. Tổng trọng số tính điểm của các chỉ tiêu cấp 2 phải bằng 100% trọng số tính điểm của chỉ tiêu cấp 1 tương ứng đó. Mỗi chỉ tiêu cấp 2 sẽ có 5 khoảng giá trị chuẩn tương ứng là 5 mức điểm là 20, 40, 60, 80, 100 (điểm ban đầu). Như vậy đối với mỗi chỉ tiêu, điểm ban đầu của khách hàng là một trong 5 mức điểm kể trên, trên cơ sở số liệu thống kê và đánh giá của Ngân hàng HTX đối với tất cả các khách hàng cùng loại về chỉ tiêu này, được đánh giá từ mức nhỏ (xấu) nhất đến mức lớn (tốt) nhất. Tương ứng với mỗi khoảng giá trị chuẩn này là số điểm đạt được của khách hàng theo chỉ tiêu.
Bảng 4.1. Tiêu chí chấm điểm tín dụng KHCN tại Ngân hàng HTX
Điểm ban đầu | Trọng số (%) | ||||||
100 | 80 | 60 | 40 | 20 | |||
Phần 1: Thông tin về khách hàng | 50% | ||||||
1 | Độ tuổi | 30 - 50 | 26 - 39 | 51 – 60 | 20 - 25 | >60; <20 | 5% |
2 | Giới tính | Nữ | Nam | 5% | |||
3 | Lý lịch tư pháp | Tốt | Không tốt | 5% | |||
4 | Tình trạng cơ sở kinh doanh | Chủ sở hữu | Nhà chung | Với gia đình | Thuê | Khác | 5% |
5 | Tình trạng hôn nhân | Đã có gia đình | Độc thân | 5% | |||
6 | Bảo hiểm nhân thọ | >100 triệu | 50-100 triệu | 30-50 triệu | <30 triệu | Không | 5% |
7 | Tài sản đảm bảo | Bất động sản | Động sản | 10% | |||
8 | Thời gian làm việc | Trên 5 năm | 2-5 năm | 1 năm | 5% | ||
9 | Quy mô hộ | >4 người | 2-4 người | 1-2 người | 5% | ||
Phần 2: Việc làm và kinh doanh | 30% | ||||||
1 | Đa dạng hóa việc làm | Không | Có | 5% | |||
2 | Sử dụng đúng mục đích | Đúng | Không đúng | 15% | |||
4 | Thu nhập hàng tháng | >20 triệu | 15- 20 triệu | 10-15 triệu | 5-10 triệu | <5 triệu | 10% |
Phần 3: Quan hệ với Ngân hàng HTX | 20% | ||||||
1 | Số lần trả chậm | Không | 1 lần | 2 lần | 3 lần | 4 lần | 10% |
2 | Thời gian quan hệ tín dụng | >7 năm | 5-7 năm | 2-5 năm | <2 năm | 10% | |
Có thể bạn quan tâm!
-
Kết Quả Phân Tích Các Yếu Tố Ảnh Hưởng Lên Khả Năng Vỡ Nợ Của Khcn -
Kết Quả Trọng Số Mô Hình Phân Loại Rừng Ngẫu Nhiên (Random Forest) -
So Sánh Mức Độ Dự Báo Chính Xác Của Các Mô Hình Ước Lượng -
Kithinji, A. M. (2010),credit Risk Management And Profitability Of Commercial Banks In Kenya. -
Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng Hợp tác xã Việt Nam - 16 -
Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng Hợp tác xã Việt Nam - 17
Xem toàn bộ 136 trang tài liệu này.
Nguồn: Tác giả tổng hợp và xây dựng dựa trên kết quả nghiên cứu
Thang điểm sử dụng để xếp hạng tín dụng là 100 (cao nhất). Số điểm đạt được sẽ làm kết quả để xếp loại khách hàng theo thứ hạng tốt, trung bình, xấu khác nhau. Hiện tại mối quan hệ giữa số điểm đạt được và thứ hạng như sau:
Bảng 4.2. Hệ thống ký hiệu xếp hạng tín dụng KHCN tại Ngân hàng HTX
Xếp hạng | Ý nghĩa | |
90-100 điểm | AAA | Đây là mức xếp hạng cao nhất khả năng hoàn trả khoản vay của khách hàng được xếp hạng này là đặc biệt tốt. |
80-90 điểm | AA | Khách hàng xếp hạng AA có năng lực trả nợ không kém nhiều so với khách hàng được xếp hạng cao nhất. |
73-80 điểm | A | Khách hàng xếp loại A có thể có nhiều khả năng chịu tác động tiêu cực của các yếu tố bên ngoài và các điều kiện kinh tế hơn các khách hàng được xếp hạng cao hơn. |
70-73 điểm | BBB | Khách hàng xếp hạng BBB có các chỉ số cho thấy khách hàng hoàn toàn có khả năng hoàn trả đầy đủ các khoản nợ. Tuy nhiên, các điều kiện kinh tế bất lợi và sự thay đổi của các yếu tố bên ngoài có khả năng làm suy giảm khả năng trả nợ của khách hàng. |
63-70 điểm | BB | Khách hàng xếp hạng BB ít có nguy cơ mất khả năng trả nợ hơn các nhóm từ B đến D. Tuy nhiên, các khách hàng này đang phải đối mặt với nhiều rủi ro tiềm ẩn hoặc các ảnh hưởng từ các điều kiện kinh doanh, tài chính và kinh tế bất lợi, các ảnh hưởng này có khả năng dẫn đến sự suy giảm khả năng trả nợ của khách hàng. |
60-63 điểm | B | Khách hàng xếp hạng B có nhiều nguy cơ mất khả năng trả nợ hơn các nhóm BB. Tuy nhiên, hiện thời khách hàng vẫn có khả năng hoàn trả món vay. Các điều kiện kinh doanh, tài chính và kinh tế nhiều khả năng ảnh hưởng đến khả năng hoặc thiện trí trả nợ của khách hàng. |
56-60 điểm | CCC | Khách hàng xếp hạng CCC hiện thời đang bị suy giảm khả năng trả nợ, khả năng trả nợ của khách hàng phụ thuộc vào độ thuận lợi của các điều kiện kinh doanh, tài chính và kinh tế. Trong trường hợp có các yếu tố bất lợi xảy ra, khách hàng nhiều khả năng không trả được nợ. |
53-56 điểm | CC | Khách hàng xếp hạng CC hiện thời đang bị suy giảm nhiều khả năng trả nợ. |
Xếp hạng | Ý nghĩa | |
44-53 điểm | C | Khách hàng xếp hạng C trong trường hợp đã thực hiện các thủ tục xin phá sản hoặc có các động thái tương tự nhưng việc trả nợ của khách hàng vẫn đang được duy trì. |
Dưới 44 điểm | D | Khách hàng xếp hạng D trong trường hợp đã mất khả năng trả nợ, các tổn thất đã thực sự xảy ra. Không xếp hạng D cho các khách hàng mà việc mất khả năng trả nợ mới chỉ là dự báo. |
Nguồn : Tác giả tổng hợp và xây dựng dựa trên kết quả nghiên cứu
4.3. Cách thức ra quyết định cho vay và không cho vay đối với khách hàng cá nhân khi vay vốn ở Ngân hàng HTX
Dựa trên bảng xếp hạng tín dụng (kết hợp mô hình Logit và trọng số mô hình ANN để xây dựng) của Ngân hàng HTX đã xây dựng và ước lượng dự báo trên mô hình Random Forest. Ban đầu các hồ sơ khách hàng yêu cầu được đưa vào hệ thống chấm điểm tín dụng đã được thiết lập. Nếu kết quả của bảng xếp hạng tín dụng đưa ra trùng khớp với dự báo về khả năng vỡ nợ của khách hàng dựa trên mô hình Random Forest thì ngân hàng sẽ đi đến kết luận chung.
Trong trường hợp các kết quả dự báo từ các mô hình là khác nhau thì sẽ ưu tiên lực chọn kết quả trùng khớp giữa mô hình Random Forest và bảng xếp hạng tín dụng khách hàng cá nhân đã xây dựng ở trên. Cơ bản kết quả sẽ đều dựa trên sự trùng khớp của 2 phương án trở lên để ra quyết định về cho vay hay không cho vay.
4.4. Khuyến nghị
4.4.1. Đối với Ngân hàng HTX Việt Nam
Thứ nhất, cần xây dựng một hệ thống cơ sở dữ liệu đủ lớn nhằm mục đích phục vụ cho việc sử dụng phương pháp định lượng thông qua các mô hình hồi quy để thực hiện chấm điểm tín dụng KHCN. Kết quả hồi quy sẽ cho biết, yếu tố nào là yếu tố có ảnh hưởng lớn đến khả năng vỡ nợ của KHCN, yếu tố nào có ảnh hưởng ít, yếu tố nào không rõ ràng và cần loại bỏ. Việc sử dụng mô hình điểm số tín dụng sẽ hạn chế được những sai lầm mang tính chủ quan từ phương pháp chuyên gia với những nhận định còn có yếu tố cảm tính từ các cán bộ tín dụng. Điều này, giúp các ngân hàng có được bảng chấm điểm tín dụng KHCN ngắn gọn nhưng mang tính chính xác cao hơn đồng thời có thể dễ dàng thay đổi tỷ trọng của các tiêu chí sao cho phù hợp với điều kiện kinh tế - tài chính thay đổi cũng như xây dựng chính sách khách hàng linh hoạt hơn.
Thứ hai, khi xây dựng hệ thống xếp hạng tín dụng cần quan tâm đến tác tiêu chí nhân khẩu - xã hội học của khách hàng như giới tính, tình trạng hôn nhân, tình trạng cư trú, trình độ học vấn, loại hình công ty mà khách hàng làm việc, cách thức chi trả lương, thu nhập của khách hàng. Trong bảng chấm điểm tín dụng cần có những tiêu chí này, đồng thời tỷ trọng các tiêu chí phải được dựa trên kết quả ước lượng của mô hình đề xuất.
Thứ ba, xây dựng hệ thống thông tin quản lý rủi ro tín dụng của nội bộ ngân hàng nhằm đảm bảo việc cung cấp thông tin một cách đầy đủ, kịp thời và đáng tin cậy, được cập nhật thường xuyên nhằm phục vụ cho mục đích đánh giá, chấm điểm tín dụng KHCN khi vay vốn tại Ngân hàng HTX.
Thứ tư, đối với cán bộ tín dụng của ngân hàng cần tập trung đào tạo để nâng cao trình độ đánh giá và khả năng phân tích, nhận định vấn đề một cách khách quan. Thêm vào đó, việc cán bộ, chuyên gia phân tích tín dụng có nhiều kinh nghiệm và kỹ năng cũng là một trong những yếu tố đóng góp cho tính chính xác và giúp quá trình thẩm định, xếp hạng tín dụng được rút ngắn thời gian. Tập trung đào tạo chuyên môn nghiệp vụ của cán bộ tín dụng là rất cần thiết nhưng bên cạnh đó đạo đức nghề nghiệp của cán bộ tín dụng cũng là một yếu tố có khả năng tiềm ẩn rủi ro đối với ngân hàng. Do đó, Ngân hàng HTX Việt Nam cũng cần có quy chế làm việc cụ thể và tăng cường giám sát đạo đức nghề nghiệp của cán bộ tín dụng bên cạnh những yêu cầu về chuyên môn nghề nghiệp.
Thứ năm, cần không ngừng cập nhật những tiến bộ khoa học tiên tiến đặc biệt là ứng dụng công nghệ thông tin trong lĩnh vực tài chính ngân hàng. Hơn nữa, phải hoàn thiện hệ thống xếp hạng tín dụng khách hàng, nâng cao khả năng bảo mật thông tin khách hàng và các thông tin tín dụng nội bộ.
4.4.2. Đối với Ngân hàng Nhà nước
Ngân hàng Nhà nước cần xây dựng cơ chế chính sách về tín dụng một cách đồng bộ và hoàn thiện hơn, tạo điều kiện cho ngân hàng đa dạng hóa hình thức cấp tín dụng cho KHCN, mở rộng phạm vi đối tượng được tiếp cận vốn. Đồng thời, có sự phối hợp chặt chẽ với các cơ quan có thẩm quyền có liên quan trong việc xử lý các vấn đề phát sinh có liên quan đến hoạt động tín dụng KHCN tại ngân hàng một cách kịp thời và hiệu quả.
4.4.3. Đối với Trung tâm thông tin tín dụng (CIC)
Trung tâm thông tin tín dụng quốc gia (CIC) là nơi lưu trữ lịch sử thông tin tín dụng của khách hàng. Nguồn thông tin mà trung tâm cung cấp là những thông tin rất đáng tin cậy và có ý nghĩa rất quan trọng đối với các ngân hàng. Chính vì vậy, Ngân hàng Nhà nước cần có những quy định bắt buộc đối với Ngân hàng HTX Việt Nam trong việc cung cấp đầy đủ các thông tin tín dụng của khách hàng đã giao dịch vay vốn tại ngân hàng để xây dựng hệ cơ sở dữ liệu về lịch sử tín dụng, cung cấp kịp thời những thông tin cần thiết, cảnh bảo rủi ro cho các ngân hàng khác.
4.5. Hạn chế của đề tài và các hướng nghiên cứu tiếp theo
Mặc dù luận án đã xây dựng được mô hình và tìm ra các yếu tố ảnh hưởng tới khả năng vỡ nợ của KHCN tại Ngân hàng HTX Việt Nam bằng các mô hình Logit, Probit, ANN và Random Forest. Tuy nhiên, với số lượng mẫu thu thập trong nghiên cứu là 5.498 mẫu chưa phải là lớn vì thế mà có thể chưa phân tích một cách tổng thể cho Ngân hàng HTX Việt Nam.
Tổng số lượng khách hàng thu thập được là 5.498 khách hàng giai đoạn 2014- 2019. Với số lượng như vậy, chưa phân tích được đặc điểm riêng của từng Chi nhánh ngân hàng, đặc điểm vùng miền như tỉnh thành, địa phương, loại hình kinh doanh của khách hàng cá nhân. Vấn đề tiếp cận dữ liệu lớn của khách hàng cá nhân trong từng ngân hàng là rào cản đối với NCS. Vì thế, NCS chỉ phân tích được trên các dữ liệu lấy được một cách hạn chế. Do vậy, NCS cũng khuyến nghị cho các nghiên cứu sau có thể có những chính sách từ các ngân hàng để hỗ trợ việc phân tích trên quy mô lớn hơn.