Tổng Quan Các Nghiên Cứu Vỡ Nợ, Vỡ Nợ Ngân Hàng Trên Thế Giới

1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới

Nghiên cứu dự báo vỡ nợ công ty là một chủ đề quan trọng và được quan tâm rộng rãi, đã có nhiều mô hình dự báo vỡ nợ phát triển dựa trên các lý thuyết khác nhau. Dự báo vỡ nợ gắn liền với thuật ngữ cảnh báo sớm được hiểu là hoạt động nhận biết nguy cơ vỡ nợ của một chủ thể trong tương lai từ các chỉ báo trong hiện tại. Cơ sở cho việc dự báo vỡ nợ là việc phân tích mối quan hệ giữa vỡ nợ doanh nghiệp với các chỉ số tài chính được thể hiện trên các báo cáo liên quan đến doanh nghiệp. Lý luận này đưa ra bởi tác giả Fitzpatrick (1934) và được hoàn thiện trong các nghiên cứu sau đó như của Atlman (1968, 1983, 1993).

1.2.1. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu

Khi nghiên cứu về các mô hình cảnh báo vỡ nợ người ta thường chia ra các loại mô hình:

- Các mô hình, phương pháp thống kê chứa tham số: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit, phân tích sống sót,...

- Các mô hình phi tham số: mạng nơron nhân tạo, học máy, cây quyết định, mô hình nhận dạng đặc điểm, thuật toán di truyền,...

Hình 1.1: Mô tả các mô hình thường được sử dụng trong nghiên cứu cảnh báo vỡ nợ.

Dự báo vỡ nợ

Mô hình thống kê

Các mô hình phi tham số

UDA

LA, PA

MDA

Mạng

Nơ ron

Cây quyết

định

Phân tích

đặc điểm

Thuật toán Máy hỗ

di truyền

trợ véc tơ

Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; LA- mô hình Logit; PA- mô hình Probit.

a) Nhóm mô hình thống kê: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit.

Nghiên cứu sử dụng phân tích phân biệt đơn biến: Nội dung chính của phân tích đơn biến trong nghiên cứu cảnh báo vỡ nợ là xem xét các nhân tố đơn lẻ và so sánh các nhân tố giữa hai nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, nếu các nhân tố tài chính cho thấy các dấu hiệu khác nhau giữa hai nhóm vỡ nợ và không vỡ nợ thì chúng được sử dụng như các biến dự báo.

Vụ nghiên cứu chính sách và thương mại Mỹ (1930) công bố tập san các kết quả nghiên cứu trong cuốn ‘ Một phân tích, kiểm tra các công ty công nghiệp vỡ nợ ’. Nghiên cứu đã phân tích 24 nhân tố của 29 công ty để xác định những tính chất chung của nhóm công ty bị vỡ nợ. Trung bình của các nhân tố được xác định dựa trên số liệu các nhân tố của 29 công ty. Các nhân tố của mỗi công ty được so sánh với trung bình của các nhân tố tương ứng để chỉ ra tính chất hoặc xu hướng của công ty. Các nghiên cứu tìm ra 8 nhân tố để xem xét như các chỉ báo tốt về tình trạng suy yếu của một công ty. Những nhân tố đó là vốn lưu động/tổng tài sản, thặng dư và dự trữ/tổng tài sản, tài sản dòng cố định, tài sản cố định/tổng tài sản, tỷ suất khả năng thanh toán, lợi nhuận dòng/ tổng tài sản, doanh thu/tổng tài sản, và tiền mặt/tổng tài sản. Nghiên cứu cũng chỉ ra rằng vốn lưu động/tổng tài sản là chỉ báo tốt hơn tỷ suất khả năng thanh toán mặc dù trên thực tế cả hai đều là các chỉ báo tốt cho dự báo vỡ nợ. Nghiên cứu theo hướng này còn có các nghiên cứu của FitzPatrick (1932), Smith và Winakor (1935), Merwin (1942),...

Một nghiên cứu sử dụng phân tích đơn biến tiêu biểu, được tham khảo rộng rãi là nghiên cứu của tác giả Beaver công bố năm 1966. Trong nghiên cứu của mình, khác những nghiên cứu trước, Beaver sử dụng định nghĩa rộng hơn về vỡ nợ, một công ty được xem là vỡ nợ nếu nó có các biểu hiện vỡ nợ trái phiếu (khế ước), rút tiền quá mức tài khoản ngân hàng, hoặc mất khả năng thanh toán các nghĩa vụ tài chính. Sự mở rộng của định nghĩa dường như không có bất cứ ảnh hưởng gì nhiều đến các kết quả. Dữ liệu sử dụng của 79 công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành. Ông tách mẫu thành hai nhóm: nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, sau đó tiến hành so sánh khả năng phân nhóm công ty vỡ nợ và công ty không vỡ nợ của các chỉ số đơn biến. Ông sử dụng 30 chỉ số tài chính và phân chúng thành 6 nhóm chỉ số, các chỉ số liên quan đến tỷ suất lợi nhuận, cấu trúc tài sản, các chỉ số liên quan đến việc chi trả cổ tức ưu đãi, thấu chi tài khoản ngân hàng, khả năng chi trả lãi trái phiếu. Ông so sánh trị số trung bình của 30 chỉ số ứng với hai nhóm công ty vỡ nợ và không vỡ nợ. Kết quả từ 30 chỉ số ban đầu ông lựa chọn được 6 chỉ số lần lượt thuộc 6 nhóm. Trong nghiên cứu Beaver (1966) tính được điểm cắt cho mỗi chỉ số

dựa trên việc tính toán các lỗi loại I, lỗi loại II từ mẫu. Những điểm cắt này thu được từ dữ liệu gốc và chúng lại được sử dụng phân nhóm các công ty nằm ngoài mẫu. Kết quả ông tìm thấy các chỉ số dự báo tốt nhất gồm có: luồng tiền mặt/ tổng nợ (độ chính xác là 92% cho 1 năm trước vỡ nợ), tiếp theo là thu nhập dòng/doanh thu (91%); thu nhập dòng /tổng tài sản; tổng nợ/ tổng tài sản; vốn lưu động/ tổng tài sản (độ chính xác 90% cho mỗi chỉ số). Ông kết luận rằng sử dụng các nhân tố đơn lẻ có thể dự báo vỡ nợ tốt cho khoảng thời gian 5 năm trước vỡ nợ. Trong những gợi ý cho những nghiên cứu tiếp theo ông chỉ ra việc có thể tích hợp nhiều nhân tố cùng một lúc nhằm nâng cao khả năng dự báo và bắt đầu xây dựng những mô hình dự báo vỡ nợ. Những nghiên cứu đơn biến sử dụng kỹ thuật đơn giản và việc áp dụng nhanh chóng thuận tiện do các điểm phân biệt đã được tính toán sẵn, hiệu suất dự báo khá cao (độ chính xác lên tới 92% trong nghiên cứu của Beaver (1966)). Những nghiên cứu phân tích đơn biến cũng rất quan trọng như một bước chuẩn bị nền móng cho các mô hình dự báo vỡ nợ đa biến.

Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver

Biến số

Số năm trước phá sản
Doanh nghiệp	1 năm	2 năm	3 năm	5 năm
Lưu chuyển tiền tệ thuần/ tổng nợ	Phá sản	0.03	0.05	0.1	0.11
	Không phá sản	0.07	0.07	0.09	0.11
Lợi nhuận ròng/ TA	Phá sản	0.00	0.01	0.03	0.04
	Không phá sản	0.02	0.02	0.03	0.03
Tổng nợ/ TA	Phá sản	0.57	0.51	0.53	0.57
	Không phá sản	0.57	0.49	0.5	0.57
Vốn lưu động / TA	Phá sản	0.19	0.33	0.26	0.43
	Không phá sản	0.27	0.28	0.26	0.29
Khả năng thanh toán hiện thời	Phá sản	1.6	2.3	2.3	2.8
	Không phá sản	1.6	1.7	1.8	2.1
Khoảng phi tín dụng	Phá sản	-0.04	0.03	0.01	0.04
	Không phá sản	-0.04	-0.02	-0.01	-0.02

Có thể bạn quan tâm!

• Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam - 1
• Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam - 2
• Tóm Tắt Một Số Nghiên Cứu Cảnh Báo Vỡ Nợ, Vỡ Nợ Nh Trên Thế Giới
• Các Nghiên Cứu Về Dự Báo Vỡ Nợ, Vỡ Nợ Ngân Hàng Ở Việt Nam
• Các Nhân Tố Ảnh Hưởng Tới Nguy Cơ Vỡ Nợ Của Các Ngân Hàng Thương Mại

Xem toàn bộ 168 trang tài liệu này.

Nguồn: Beaver (1966)

Tuy nhiên phương pháp phân tích phân biệt đơn biến có một số nhược điểm sau: Thứ nhất, phân nhóm công ty được đưa ra khi so sánh giá trị của một chỉ số so với điểm cắt có thể bị lầm lẫn, chẳng hạn một công ty có thể bị xét là vỡ nợ trên 1 nhân tố

đặc biệt này nhưng lại không vỡ nợ trên một nhân tố khác. Hoặc một nhân tố có khả năng phân biệt tốt hai nhóm đối với loại hình doanh nghiệp này nhưng lại không có khả năng phân biệt với một loại hình doanh nghiệp khác. Thứ hai, khi sử dụng phân tích đơn biến các biến được xét riêng rẽ sẽ rất khó để đánh giá mức độ quan trọng của từng biến, hơn nữa cách tiếp cận này sẽ không khai khác được thông tin chứa đựng đồng thời trong các biến khác nhau. Cuối cùng là điểm cắt cho từng biến sử dụng để phân loại được lựa chọn phụ thuộc rất lớn vào tỷ lệ phá sản trong mẫu nghiên cứu do đó giảm tính khái quát.

Nghiên cứu sử dụng phân tích phân biệt đa biến:

Trước những nhược điểm của phương pháp phân tích đơn biến, nhiều nhà nghiên cứu đã sử dụng phân tích phân biệt đa biến (MDA). Mục tiêu của MDA trong nghiên cứu cảnh báo vỡ nợ là phân biệt giữa doanh nghiệp phá sản và doanh nghiệp không phá sản một cách khách quan và chính xác nhất, bằng việc sử dụng hàm phân biệt (Z-score) trong đó các biến số là các chỉ tiêu tài chính. Hàm phân biệt là tổ hợp tuyến tính của các biến giúp phân biệt tốt nhất các nhóm, các cá thể trong mỗi nhóm gần nhau nhất và các nhóm được phân biệt tốt nhất (xa nhau nhất).

Nghiên cứu tiêu biểu áp dụng phương pháp phân tích phân biệt đa biến là nghiên cứu của tác giả Atlman (1968), ông xem xét ba câu hỏi:

(1) Các chỉ số nào quan trọng nhất trong việc phát hiện nguy cơ phá sản?

(2) Vai trò của các chỉ số hay trọng số của các chỉ số bằng bao nhiêu?

(3) Trọng số nên được thành lập khách quan như thế nào?

Ông sử dụng số liệu các doanh nghiệp ở Mỹ giai đoạn 1946-1965, gồm 66 công ty với 33 công ty cho mỗi nhóm (vỡ nợ và không vỡ nợ). Ban đầu 22 chỉ số được chia thành 5 nhóm (nhóm chỉ số khả năng thanh khoản, nhóm chỉ số lợi nhuận, đòn bẩy, khả năng trả nợ, nhóm chỉ số hiệu quả hoạt động). Năm chỉ số cuối cùng được lựa chọn cho dự báo vỡ nợ công ty thông qua quy trình sau đây:

(1) Quan sát ý nghĩa thống kê của các biến số khác nhau

(2) Đánh giá tương quan giữa các biến số có liên quan

(3) Quan sát độ chính xác của nhiều mô hình khác nhau

(4) Sử dụng đánh giá từ các chuyên gia khi hoàn thiện các hàm số. Hàm phân biệt cho dự báo vỡ nợ trước 1 năm thu được như sau:

Z  1 .2 X 1  1 .4 X 2  3 .3X 3  0 .6 X 4  1 .0 X 5

Nguồn: Atlman (1968)

trong đó:

X1 = Vốn lưu động / tổng tài sản;

X2 = Lợi nhuận chưa phân phối / tổng tài sản;

3

X = Lợi nhuận trước thuế và lãi / tổng tài sản;

X4 = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;

5

X = Hệ số doanh thu / tổng tài sản

Altman đã xác định được hai ngưỡng từ đó hình thành ba miền nhận định tình hình tài chính của doanh nghiệp. Theo đó

+ Nếu Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.

+ Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, doanh nghiệp không có nguy cơ phá sản (khả năng gần như bằng 0).

+ Nếu 1.81 ≤ Z ≤ 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.

Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ. Tuy nhiên khả năng dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian 2 năm, 3 năm, 4 năm trước vỡ nợ.

Phân tích phân biệt đa biến của Altman năm 1968 là một mô hình có ảnh hưởng lớn đến các nghiên cứu dự báo vỡ nợ trong nhiều năm. Các tác giả Balcaen và Ooghe (2006) đã thảo luận rằng phần lớn các nghiên cứu trước năm 1980 đều phát triển dựa trên mô hình của Atlman như các nghiên cứu của Deakin (1972), Blum (1974), Altman và Edward, Haldeman, Narayanan (1977), Norton và Smith (1979), Karel và Prakash (1987),...

Hàm phân biệt Z được thiết lập dựa trên số liệu kết quả kinh doanh từ những năm 60 trong thế kỷ trước của các doanh nghiệp tại Hoa Kỳ. Sự thay đổi của thời gian và không gian nghiên cứu, các quan sát trong mẫu của Altman không còn đảm bảo đại diện cho thị trường, do đó giá trị ước lượng và các ngưỡng phân loại cũng không hoàn toàn phù hợp. Điều này đòi hỏi các nhà nghiên cứu cần xây dựng mô hình Z phù hợp cho doanh nghiệp mỗi quốc gia, mỗi loại hình doanh nghiệp kinh doanh trong từng ngành cụ thể. Và cũng chính tác giả Atlman (1995) đã xây dựng mô hình dự báo vỡ nợ mới cho các công ty hoạt động trong lĩnh vực dịch vụ. Trong mô hình mới Atlman đã

1

5

bỏ biến X và thiết lập mô hình mới với 4 biến gồm X = Vốn lưu động / tổng tài sản;

X2 = Lợi nhuận chưa phân phối / tổng tài sản; X 3

= Lợi nhuận trước thuế và lãi / tổng

4

tài sản; X = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;

Z ''  6 .5 6 X 1  3 .2 6 X 2  6 .7 2 X 3  1 .0 5 X 4

Nguồn: Atlman (1995)

Trong nghiên cứu, Atlman đưa ra các ngưỡng để dự báo vỡ nợ cho các công ty, cụ thể:

Doanh nghiệp trong vùng nguy hiểm

Doanh nghiệp trong vùng cảnh báo	Doanh nghiệp trong vùng an toàn
Z ''  1.1	1.1  Z''  2.6	Z''  2.6

Việc dự báo nguy cơ vỡ nợ của các doanh nghiệp trở nên đơn giản với việc tính toán các chỉ tiêu trong mô hình, tính toán chỉ số Z’’ và so sánh với các ngưỡng để xác định tình trạng của doanh nghiệp. Sau đó, E.I. Atlman tiếp tục biến đổi mô hình để xây dựng hệ số Z’’ điều chỉnh = Z’’ + 3.25, do đó làm tăng độ rộng vùng cảnh báo.Với thử nghiệm trên một mẫu gồm 700 doanh nghiệp, Ông đã chỉ ra sự tương đồng cao giữa hệ số Z’’ điều chỉnh và hệ số tín nhiệm của S&P, do đó nghiên cứu đã cung cấp thêm một phương pháp xếp hạng tín nhiệm bằng chỉ số Z’’ điều chỉnh (Atlman, 2003).

Gần đây năm 2001, nhiều doanh nghiệp Trung Quốc đã phá sản và nhiều nhà kinh tế đã nghiên cứu về sự phá sản các doanh nghiệp Trung Quốc. Tác giả Ling Zhang và cộng sự (2001) đã công bố mô hình Z-score. Mẫu nghiên cứu gồm các doanh nghiệp niêm yết trên thị trường chứng khoán Trung Quốc. Mô hình này có hai chỉ số mới, khác so với các mô hình của Altman đưa ra năm 1968. Kết quả hàm phân biệt cho các doanh nghiệp Trung Quốc

Z =−8.751+6.3X + 0.761X + 1.295X + 0.412X +0.015X + 0.105X −21.164X

China 1 6 21 23 24 31 32

Trong đó: X - Lợi nhuận/ tổng tài sản (ROA)

1

X - Dòng tiền mặt thuần từ các hoạt động sản xuất / trên tổng số cổ phiếu đang

6

giao dịch.

X - Logarit tài sản cố định

21

X - Tỷ lệ tăng doanh thu của các kinh doanh chính

23

X - Lợi nhuận chưa phân phối.

24

X - Giá trị thị trường của các cổ phiếu đang giao dịch /tổng nợ.

31

X32- Giá trị sổ sách của tổng số cổ phiếu/Giá trị thị trường của chúng Các tác giả cũng đưa ra các ngưỡng phân biệt, theo đó

+ Z > 0.71 - Vùng an toàn

+ -0.5 < Z < 0.71 - Vùng nghi ngờ

+ Z < - 0.5 - Vùng nguy cơ phá sản

Phương pháp phân tích phân biệt đa biến là một phương pháp được áp dụng nhiều nhất trong các nghiên cứu cảnh báo vỡ nợ. Phương pháp này đã đưa vào xem xét nhiều biến một cách đồng thời, xây dựng một chỉ số dự báo (Z-score) dựa trên nhiều chỉ số giúp tránh những xung đột về dự báo như trong cách tiếp cận phân tích đơn biến, các biến dự báo trở lên đa dạng và phong phú hơn do đó có thể làm giảm sai lầm loại I, loại II (Holmen,1968). Mô hình MDA dễ sử dụng và có thể áp dụng cho các đối tượng khác nhau, có thể áp dụng để phân loại các doanh nghiệp gặp khủng hoảng, chưa đến mức phá sản (Bragg, 2002). Tuy nhiên phương pháp này cũng có những nhược điểm nghiêm trọng liên quan đến các giả định cơ bản trong mô hình (giả thiết về phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình cũng như làm giảm khả năng áp dụng. Hơn nữa, các hệ số trong hàm phân biệt không thể giải thích như các hệ số bêta trong các hồi quy khác. Cuối cùng theo một số tác giả mô hình MDA bị phê phán là phương pháp phân tích ‘tĩnh’ (Shumway, 2002) nghĩa là không tính đến các yếu tố kinh tế vĩ mô như tốc độ tăng trưởng GDP, lạm phát có thể ảnh hưởng đến vỡ nợ các doanh nghiệp.

Mô hình xác suất điều kiện: Mô hình Logit (LA) và mô hình Probit (PA)

Mô hình Logit và mô hình Probit bắt đầu xuất hiện vào cuối năm 1970 và cho đến những năm cuối 1980 nó đã trở lên phổ biến hơn phương pháp MDA. Mô hình Logit và Probit đi vào tính xác suất phá sản của một công ty. Sự khác biệt giữa hai mô hình Logit và Probit liên quan đến giả thiết về các nhiễu trong các mô hình. Mô hình Logit giả định hạng nhiễu phân phối Logistic trong khi mô hình Probit giả định hạng nhiễu phân phối chuẩn thông thường (Dimitras và cộng sự, 1996). Trong mô hình Logit, Probit chỉ báo vỡ nợ là một biến nhị phân, tập các biến giải thích là các chỉ số tài chính.

Tác giả Ohson (1980) đặt ra các câu hỏi về những hạn chế của kỹ thuật thống kê mà mô hình MDA gặp phải và Ông đã sử dụng mô hình Logit thay thế mô hình MDA để dự báo vỡ nợ công ty. Ohson chọn lựa 9 biến độc lập mà ông cho rằng sẽ giúp ích cho dự báo vỡ nợ tuy nhiên ông lại không cung cấp lý thuyết giải thích cho sự lựa chọn các biến này. Ông sử dụng số liệu của các công ty công nghiệp trong khoảng thời gian 1970-1976 và được giao dịch trên thị trường cổ phiếu Mỹ ít nhất 3 năm. Nghiên cứu sử dụng số liệu của 105 công ty vỡ nợ và 2000 công ty không vỡ nợ và tiến hành với 3 mô hình: mô hình 1 dự báo vỡ nợ cho khoảng thời gian 1 năm, mô hình 2 dự báo vỡ nợ cho 2 năm và mô hình 3 dự báo vỡ nợ cho 1 năm hoặc 2 năm trước khi vỡ nợ. Kết quả dự báo của mô hình là khá chính xác, với sai lầm loại I, loại II tương ứng là 17.4% và 12.4%. Nghiên cứu áp dụng mô hình LA còn có các

tác giả: Platt (1991), Smith và Lawrence (1995), Koundinya (2004), Prasad và cộng sự (2005),….

Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980)

Biến

Mô tả	Dấu trong mô hình
X1	Ln(Tổng tài sản/ GNP)	-
X2	Tổng nợ / tổng tài sản	+
X3	Lưu chuyển tiền tệ/ tổng tài sản	-
X4	Hệ số nợ	+
X5	Bằng 1 nếu tổng nợ phải trả lớn hơn tổng tài sản, bằng 0 trong trường hợp ngược lại	+
X6	Lợi nhuận ròng/ tổng tài sản	-
X7	Vốn lưu động/ tổng nợ	-
X8	Bằng 1 nếu lỗ trong 2 năm liên tiếp, bằng 0 trong trường hợp ngược lại	+
X9	NItNIt1 /NItNIt1 NItlà lợi nhuận năm t	-

Nguồn: Ohlson (1980)

Tác giả Martin (1977) đã sử dụng mô hình Logit và phân tích phân biệt trong dự báo phá sản của các ngân hàng trong giai đoạn 1970-1976. Tác giả sử dụng 25 chỉ tiêu tài chính được đưa ra bởi các cơ quan giám sát ngân hàng Mỹ, các chỉ tiêu được phân vào 4 nhóm (rủi ro tài sản, thanh khoản, an toàn vốn, lợi nhuận), tác giả sử dụng biến phụ thuộc trễ từ 1 đến 2 năm. Kết quả nghiên cứu đã xây dựng 6 mô hình cho 6 năm, trong đó xác định 4 nhân tố và hiệu suất cao nhất là 92.3%.

Tác giả West (1985) đã sử dụng mô hình Logit kết hợp với phân tích nhân tố để đo lường và mô tả đặc điểm tài chính và hoạt động của các NH. Dữ liệu được lấy từ các báo cáo thu nhập, cũng như các báo cáo kiểm tra của 1900 ngân hàng thương mại ở một số bang của Mỹ. Những nhân tố quan trọng được xác định bởi mô hình Logit trong nghiên cứu cũng tương tự như các nhân tố sử dụng trong mô hình xếp hạng CAMELS. Nghiên cứu cũng cho thấy sự kết hợp giữa phân tích nhân tố và Logit rất hữu ích khi đánh giá hoạt động của ngân hàng.