Các Vấn Đề Về Tín Dụng Của Ngân Hàng

Tác giả

Tên đề tài	Phương pháp sử dụng	Kết quả
			Chỉ có 3 yếu tố có tác động thực sự lên khả
	Phân tích kinh tế về khả năng trả		năng trả nợ: (1) Quy mô hộ gia đình có tác
Ojiaki & Ogbukwa (2012)	nợ của nông dân hợp tác xã nhỏ tại Khu vực chính quyền địa phương Bắc Yewa của bang	Tương quan, hồi quy đa biến, mô hình Logit	động ngược chiều lên khả năng trả nợ; (2) Quy mô sử dụng đất cho nông nghiệp có tác động cùng chiều lên khả năng trả nợ của người nông
	Ogun, Nigeria		dân; và (3) Số tiền vay có tác động cùng chiều
			lên khả năng trả nợ của hộ dân
			Các chủ thẻ có mức thu nhập thấp, địa vị xã hội
Mathews và	Tìm hiểu và giải thích các yếu tố		thấp hơn có xu hướng sử dụng thẻ tín dụng
Slocum	có ảnh hưởng đến khả năng vỡ	Mô hình Logit	không hiệu quả và khả năng trả nợ thấp hơn so
(1969).	nợ của KHCN tại các NHTM.		với những chủ thẻ có thu nhập cao và địa vị xã
			hội cao hơn
			Kết luận cho thấy, các yếu tố rủi ro như chi
			tiêu, nợ, thu nhập, tài sản, điều kiện kinh tế,
Agarwal & cộng sự (2009)	Đánh giá ảnh hưởng của các đặc điểm thông tin cá nhân về vốn đến khả năng vỡ nợ của hộ gia đình và kết quả vỡ nợ	Panel data, semi- Parametric	môi trường pháp lý và đặc điểm nhân khẩu học xã hội có ảnh hưởng đến khả năng vỡ nợ

Có thể bạn quan tâm!

Xem toàn bộ 136 trang tài liệu này.

Tác giả

Tên đề tài	Phương pháp sử dụng	Kết quả
Dunn & Kim (1999)	Đánh giá khả năng vỡ nợ với thẻ tín dụng	Mô hình Logit	Kết quả cho thấy rằng các biến nhân khẩu học xã hội như tuổi tác, tình trạng hôn nhân và số con có liên quan mạnh mẽ để khả năng vỡ nợ trong khi thu nhập, giáo dục và sở hữu nhà không có ảnh hưởng tới khả năng vỡ nợ
			Các yếu tố xã hội học được tìm thấy có vai trò
			tương đối nhỏ trong khả năng trả nợ. Thu nhập
			được dự đoán quan trọng nhất trong việc xác
			định trả nợ. Các yếu tố về thái độ được coi là
Livingstone & Lunt (1992)	Dự đoán trả nợ của khách hàng: Các yếu tố quyết định tâm lý, xã hội và kinh tế	Phân tích biệt số và phân tích hồi quy bội	những yếu tố dự báo quan trọng về trả được nợ và không trả nợ. Các yếu tố tâm lý khác, tập trung vào các phân bổ kinh tế, kiểm soát, chiến
			lược đối phó và niềm vui của người khách hàng
			là rất quan trọng và một loạt các hoạt động kinh
			tế cụ thể cũng liên quan đến kinh nghiệm về
			khả năng trả nợ
Ozdemir (2004)	Một cuộc điều tra theo kinh nghiệm về rủi ro vỡ nợ tín dụng tiêu dùng	Mô hình Logit	Các biến nhân khẩu học khác không có ảnh hưởng đến khả năng vỡ nợ của KHCN. Các đặc điểm về tài chính có thể giải thích tốt khả năng vỡ nợ, điển hình là biến lãi suất và thời hạn vay

Tác giả

Tên đề tài

Phương pháp sử dụng

Kết quả

Kocenda &Vojtek (2011)

Dự đoán vỡ nợ trong chấm điểm tín dụng bán lẻ: Bằng chứng từ dữ liệu ngân hàng Séc

CART analysis và Mô hình Logit

Kết quả 2 mô hình chỉ ra các đặc điểm tài chính và hành vi quan trọng nhất đối với khả năng vỡ nợ được phát hiện là số lượng tài nguyên mà khách hàng sở hữu, mức độ giáo dục, tình trạng hôn nhân, mục đích của khoản vay và số năm

có tài khoản với ngân hàng

Arminger & cộng sự (1997)

Phân tích dữ liệu rủi ro tín dụng: So sánh phân biệt Logistic với mô hình phân tích cây phân loại và các mạng liên kết

Mô hình Logit

Kết quả cho thấy khả năng trả nợ tốt hơn thuộc về nhóm các đối tượng: Người trưởng thành, người có ô tô, người có thâm niên công tác, người có gia đình và nữ giới

Jacobson & Roszbach (2003)

Chính sách cho vay của ngân hàng, chấm điểm tín dụng và giá trị rủi ro

Mô hình Probit

Các biến có tác động đáng kể đến khả năng vỡ nợ gồm: Tuổi tác, thu nhập, sự thay đổi trong thu nhập hàng năm và một số điều kiện tín dụng miễn thế chấp có tác động đáng kể đến khả

năng vỡ nợ

Peter & Peter (2006)

Mô hình quản lý rủi ro: Một bằng chứng đánh giá về rủi ro vỡ nợ

Mô hình Logit

Kết quả cho thấy rằng, độ tuổi của chủ hộ đóng vai trò quan trọng. Các hộ gia đình trẻ có xu hướng bị ảnh hưởng xấu bởi gánh nặng ngày càng tăng của các khoản thanh toán thế chấp.

Tác giả

Tên đề tài

Phương pháp sử dụng

Kết quả

Thu nhập và các yếu tố nhân khẩu học xã hội cũng có ảnh hưởng: Thu nhập thấp, ít được giáo dục, tuổi đời trẻ và ly hôn là những yếu tố làm

tăng khả năng vỡ nợ

Đào Thị Thanh Bình (2019)

Xây dựng mô hình chấm điểm tín dụng khách hàng cá nhân vay tiêu dùng tại Việt Nam

Mô hình phân tích biệt số

Kết quả phân loại mang lại khả năng chính xác là 89,4%. Trong đó, tác giả chỉ ra mô hình với hàm phi chuẩn hóa có khả năng tốt hơn so với hàm chuẩn hóa. Hai yếu tố là số người phụ thuộc và tài khoản có đóng góp nhiều nhất cho

dự báo khả năng vỡ nợ của khách hàng

Phạm Thị Thu Trà & Robert Lensink (2008)

Sự khác biệt về khả năng vỡ nợ trong tín dụng chính thức, phi chính thức và bán chính thức

Mô hình Logit

Các tác giả thấy rằng các hộ gia đình nhỏ với tài sản thế chấp và/ hoặc bảo lãnh chủ yếu vay chính thức và bán chính thức trong khi nhà thầu nữ, hộ lớn và khách hàng vay không cần thế chấp hoặc người bảo lãnh chủ yếu dựa vào vay phi chính thức. Bên cạnh đó, người cho vay không chính thức chịu nguy cơ vỡ nợ cao hơn so với cho vay chính thức và bán chính thức. Một số điều khoản trong hợp đồng vay có liên

quan đến việc xác định rủi ro vỡ nợ trong tín

Tác giả

Tên đề tài

Phương pháp sử dụng

Kết quả

dụng chính thức, chẳng hạn như thời hạn cho vay, lãi suất cho vay và đặc biệt vai trò người thân trong việc cho vay không chính thức được nhấn mạnh, theo đó vay người thân làm giảm tỷ

lệ vỡ nợ

Lê Văn Triết (2010)

Hoàn thiện hệ thống xếp hạng tín

dụng cá nhân của ngân hàng TM Á Châu

Mô hình Logit

Kết quả mô tả cho thấy, độ tuổi trung bình của khách hàng không trả được nợ là 35 tuổi

Đinh Thị Huyền Thanh & Kleimeier (2007)

Mô hình chấm điểm tín dụng cho thị trường ngân hàng bán lẻ của Việt Nam

Mô hình Logit

Các tác giả đã đưa ra kết luận đối với những biến số có ảnh hưởng lớn để khả năng vỡ nợ. Biến có ý nghĩa bao gồm: Thâm niên giao dịch với ngân hàng, giới tính, số khoản vay và thời

hạn vay

Kvamme & cộng sự (2018)

Dự đoán vỡ nợ thế chấp bằng cách sử dụng mô hình phân loại

ANN, Random Forest

Kết quả so sánh 2 mô hình ANN và Random Forest chỉ ra mô hình Random Forest có mức độ xác xuất ROC cao hơn so với ANN (ROC AUC là 0,918 cho các mạng neuron và 0,926 cho các mạng phân loại Random Forest)

Tác giả

Tên đề tài	Phương pháp sử dụng	Kết quả
Booth và cộng sự (2014)	Giao dịch tự động với hiệu suất Random Forest và tính thời vụ	Chuyên gia, Random Forest, mô hình Logit	Kết quả cho thấy các phân loại Random Forest có trọng số suy thoái tạo ra kết quả vượt trội về cả lợi nhuận và độ chính xác dự đoán so với các kỹ thuật khác
Khemakhem	Dự đoán rủi ro tín dụng: Một		Kết quả được so sánh với các phân tích biệt
&	nghiên cứu so sánh giữa phân	Mạng thần kinh nhân tạo	số. Các tác giả đã chỉ ra rằng, kỹ thuật mạng
Boujelbene	tích biệt số và mạng thần kinh	ANN, phân tích biệt số	thần kinh nhân tạo (ANN) chính xác hơn về
(2015)	nhân tạo		mặt dự đoán
Bennell & cộng sự (2006)	Mô hình xếp hạng tín dụng: Mạng thần kinh nhân tạo và mô hình Probit	Mạng neuron thần kinh nhân tạo (ANN)	Các kết quả cho xếp hạng tín dụng chứng thực qua kết quả của các nhà nghiên cứu khác rằng ANN là các phân loại hiệu quả cao hơn so với mô hình Probit
			Kết quả chỉ ra rằng phân tích phân biệt bậc hai
Finch & Schneider (2007)	Phân loại độ chính xác của mạng thần kinh nhân tạo, Phân tích mạng và phân tích biệt số, Hồi quy Logistic	ANN, mô hình Logit, mô hình phân tích biệt số	luôn thực hiện tốt như các phương pháp khác trong khi các mạng thần kinh hoạt động rất giống với phân tích biệt số tuyến tính và hồi quy Logistic

Tác giả

Tên đề tài	Phương pháp sử dụng	Kết quả
			Kết quả cho thấy sự khác biệt giữa hai mô
			hình mạng thần kinh. Bên cạnh đó, nghiên
Pacelli & Azzollini (2011)	Sử dụng mạng thần kinh nhân tạo (ANN) cho quản lý rủi ro tín dụng tại Italia	Mạng thần kinh nhân tạo ANN, phân tích biệt số, mô hình Logit	cứu cũng chỉ ra mô hình mạng neuron nhân tạo có thể hỗ trợ tốt hơn với mô hình truyền thống. Nhưng nghiên cứu cũng đưa ra khuyến nghị về việc kết hợp sử dụng các mô hình
			phân tích hồi quy như Logisitc hay Probit để
			hỗ trợ nhau trong việc dự báo
Zang (2011)	Nghiên cứu rủi ro mặc định của Ngân hàng thương mại cho vay cá nhân dựa trên mạng thần kinh nhân tạo	Mạng thần kinh nhân tạo ANN	Kết quả cho thấy các mẫu thử nghiệm mạng neuro thần kinh BP có độ chính xác dự đoán cao và ứng dụng tốt cho các ngân hàng thương mại ở Trung Quốc

Nguồn: Tổng hợp của tác giả

1.2. Các vấn đề về tín dụng của ngân hàng

1.2.1. Khái niệm tín dụng ngân hàng

Tín dụng ngân hàng là quan hệ chuyển nhượng tài sản giữa ngân hàng với các chủ thể kinh tế khác. Theo Điều 20, Luật các tổ chức tín dụng, 2010, quy định: “Cấp tín dụng là việc tổ chức tín dụng thỏa thuận để khách hàng sử dụng một khoản tiền với nguyên tắc có hoàn trả bằng các nghiệp vụ cho vay, chiết khấu, cho thuê tài chính, bảo lãnh ngân hàng và các nghiệp vụ khác”. Ngoài ra, tín dụng là một giao dịch về tài sản (tiền hoặc hàng hóa) giữa bên cho vay (ngân hàng và các định chế tài chính khác) và bên đi vay (cá nhân, doanh nghiệp và các chủ thể khác) trong đó bên cho vay chuyển giao tài sản cho bên đi vay sử dụng trong một thời hạn nhất định theo thỏa thuận, bên đi vay có trách nhiệm hoàn trả vô điều kiện vốn gốc và lãi cho bên đi vay khi đến hạn thanh toán (Hồ Diệu, 2011; Hồ Hoàng Triệu, 2019). Hoặc tín dụng ngân hàng là giao dịch tài sản giữa ngân hàng với bên đi vay (là các tổ chức kinh tế, cá nhân trong nền kinh tế) trong đó ngân hàng chuyển giao tài sản cho bên đi vay sử dụng trong một thời gian nhất định theo thoả thuận và bên đi vay có trách nhiệm hoàn trả vô điều kiện cả vốn gốc và lãi cho ngân hàng khi đến hạn thanh toán (Nguyễn Minh Tiến, 2012).

Như vậy, có thể hiểu tín dụng của các ngân hàng là quan hệ chuyển nhượng quyền sử dụng vốn hoặc tài sản từ NHTM cho khách hàng trong một thời hạn nhất định với một khoản chi phí nhất định dựa trên nguyên tắc hoàn trả vô điều kiện cả vốn gốc và lãi cho bên cho vay khi đến hạn thanh toán.

1.2.2. Đặc trưng của tín dụng ngân hàng

Thứ nhất, chủ thể trong quan hệ tín dụng NHTM bao gồm người nhượng quyền sử dụng vốn hay còn gọi là bên cho vay và người nhận quyền sử dụng vốn hay còn gọi là bên đi vay (khách hàng). Trong một số trường hợp, quan hệ tín dụng NHTM còn xuất hiện bên thứ ba đóng vai trò là người bảo lãnh cho bên đi vay vì thế mức độ rủi ro thấp hơn do đã có sự đảm bảo thanh toán (Hồ Diệu, 2011; Hồ Hoàng Triệu, 2019; Phan Thị Thu Hà, 2013).

Thứ hai, đối tượng của giao dịch tín dụng NHTM bao gồm cho vay bằng tiền và cho thuê động sản hay bất động sản.

Thứ ba, sự chuyển nhượng vốn được dựa trên cơ sở “niềm tin” và theo nguyên tắc hoàn trả vô điều kiện trong một khoảng thời hạn nhất định. Quá trình đi vay và cho vay căn cứ trên cơ sở pháp lý chặt chẽ như: Hợp đồng tín dụng, khế ước nhận nợ, hợp đồng bảo đảm tiền vay, bảo lãnh,……Khoảng thời hạn cho vay được ngân