Các Vấn Đề Về Tín Dụng Của Ngân Hàng

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

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

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.

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

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)

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

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