Phương Pháp Bao Dữ Liệu (Dea) Đánh Giá Hiệu Quả Hoạt Động Của Các Nhtmcp

Quá trình xây dựng một cây quyết định về cơ bản là một quá trình phân chia. Một tập hợp T của dữ liệu huấn luyện bao gồm k lớp (C1, C2,..., Ck). Nếu T chỉ bao gồm các trường hợp của một đơn lớp, T sẽ là một lá. Nếu T chứa nhiều hơn 1 lớp, một thử nghiệm dựa trên một số thuộc tính của dữ liệu đào tạo sẽ được thực hiện và T sẽ được chia thành n tập con (T1, T2,..., Tn) trong đó n là số kết quả của các thử nghiệm trên thuộc tính. Quá trình tương tự của xây dựng cây quyết định đệ quy được thực hiện

trên mỗi

Tj ; j  1, n

cho đến khi mỗi tập con là một lá. Vấn đề ở đây là làm thế nào để

lựa chọn các thuộc tính tốt nhất cho mỗi nút quyết định trong quá trình xây dựng cây quyết định. Lựa chọn thuộc tính để tạo nhánh thông qua Entropy và gain.

Độ lợi thông tin (Information gain)

Information gain được sử dụng để chọn ra thuộc tính với Information gain lớn nhất. Cho tập dữ liệu A gồm p phần tử lớp Y và n phần tử lớp N.

Khối lượng thông tin giúp quyết định một mẫu thuộc lớp Y hay N hay không là:

inf o(p, n)  Entropy( p ,

n ) = 

p log p 

n log  n 

p  n p  n

p  n

2 p  n 

p  n

2 p  n 

 Cho các tập {S1,S2,…,Sk}là một phân hoạch của tập A, khi sử dụng thuộc tính T. Mỗi Si chứa pi mẫu lớp Y và ni mẫu lớp N.

Entropy, hay thông tin mong muốn cần thiết để phân lớp các đối tượng trong tất cả các cây con Si là:

Entropy(T) pi niInfo(p ,n )

i1

p  n i i

Thông tin có được bởi việc phân nhánh trên thuộc tính T là: Gain(T) = Info(p,n) - Entropy(T)

Sử dụng chỉ tiêu Gain chọn thuộc tính phân tách, sau đó làm lặp lại tương tự với các nhánh dưới ta được cây quyết định. Nhiều thuật toán khác nhau được sử dụng để xây dựng cây quyết định, chẳng hạn như thuật toán CHAID, ID3, Quest, thuật toán C4.5, C5.0, J48,…

Ưu điểm: + Các mối quan hệ phi tuyến giữa các biến và phân lớp có thể dễ dàng mô hình hóa. Cây quyết định không yêu cầu các giả định của các biến.

+ Không cần chọn dữ liệu trước.

+ Quy tắc phân loại của cây quyết định dễ hiểu, sử dụng dễ dàng, tương tác cao.

Nhược điểm: + Mô hình nhiều trường hợp dường như là quá phù hợp đối với những dữ liệu đã được chọn vì vậy cho kết quả không tốt khi áp dụng cho dữ liệu ngoài mẫu.

+ Không thể dự đoán quá giới hạn nhỏ nhất và lớn nhất của biến số tương ứng trong dữ liệu đã được chọn.

+ Đầu ra không là biến số liên tục. Cây quyết định chỉ tính được xác suất vỡ nợ cho các nút. Sự ổn định của mô hình không được đánh giá bởi các thủ tục thống kê.

Ngoài các mô hình tác giả đã trình bày ở trên còn có nhiều mô hình, phương pháp khác được áp dụng trong nghiên cứu cảnh báo vỡ nợ như: phương pháp phân tích phân biệt, thuật toán phân tích đặc điểm, thuật toán di truyền, mô hình phân tích sống sót,…

2.4. Phương pháp bao dữ liệu (DEA) đánh giá hiệu quả hoạt động của các NHTMCP

Tác giả Farrell (1957) là người đầu tiên sử dụng đường giới hạn khả năng sản xuất (PPF) làm tiêu chí đánh giá hiệu quả tương đối giữa các công ty trong cùng một ngành. Trên cơ sở nghiên cứu của Farrell, tác giả Charnes và cộng sự (1978) đã đề xuất một chương trình thuật toán có tên gọi đường bao dữ liệu (Data envelopment analysis- DEA) để đánh giá năng lực của một số đơn vị ra quyết định. DEA được gọi là phương pháp bao dữ liệu bởi nó sử dụng những biến tốt nhất ứng với mức đầu vào xác định để tạo thành một đường bao biên. DEA sử dụng mô hình toán tuyến tính và hàm khoảng cách.

Hình 2.3: Đường bao dữ liệu (DEA)

Hiệu quả kỹ thuật:

Bằng cách tạo ra đường bao dữ liệu này, phương pháp sẽ giới hạn được hiệu quả kỹ thuật của toàn ngành và coi đường bao là hiệu quả sản xuất tối ưu với đầu vào xác định trước. Hình 2.3 có các điểm A, B, C và E, F mô tả các kết hợp giữa đầu vào và đầu ra. Sau khi qui hoạch tuyến tính các biến tốt nhất trong bộ số liệu thành đường bao giới hạn (trên hình 2.3 là đường nối các điểm A, B, C), ta sẽ có hình dung về tính hiệu quả trong việc sử dụng các yếu tố đầu vào của các số liệu mô tả bằng các điểm nằm dưới đường bao biên (E, F). Mỗi yếu tố đầu ra (q) phụ thuộc đầu vào (x1, x2, x3, x4…). Vì vậy các điểm giá trị nằm dưới đường bao biên cho thấy mức độ hiệu quả cũng như phi hiệu quả của 1 số liệu đại diện. Ở đây, thang đo cho mức độ hiệu quả là TE (Tổng hiệu quả kỹ thuật): TE= SE× PE

Trong đó: TE: Tổng hiệu quả kỹ thuật; SE: Hiệu quả kỹ thuật thuần túy. PE: Hiệu quả quy mô.

Dựa trên việc thiết lập đường bao biên (PP), trạng thái hiệu suất không đổi và hàm khoảng cách, ta có thể tính được PE, SE và TE. Kỹ thuật này tạo ra một biên giới được thiết lập bởi các ngân hàng hiệu quả và so sánh nó với các ngân hàng không hiệu quả để sản xuất điểm hiệu quả. Trong trường hợp hiệu quả không đổi theo qui mô. DEA sẽ xác định tổng hiệu quả kĩ thuật của doanh nghiệp thông qua bài toán sau:

Với các ràng buộc:

Với: m = 1,…,M: số đầu ra; n = 1,…,N: số đầu vào; k = 1,…,K: số doanh nghiệp Từ bài toán này ta có thể xác định được TE của doanh nghiệp thứ i tại thời kì s.

2.5. Khung nghiên cứu của luận án

Từ các phân tích về cơ sở lý luận vỡ nợ ngân hàng thương mại, tác giả đưa ra khung nghiên cứu của luận án

Tiêu chí xác định nguy cơ vỡ nợ NH

Nguy cơ vỡ nợ của các NHTMCP

Các giải pháp hạn chế nguy cơ vỡ nợ

Mô hình cảnh báo vỡ nợ

Mô hình LA

Mô hình phi tham số (ANN, DT)

Hình 2.4: Khung nghiên cứu của luận án

Nguồn: Tác giả nghiên cứu và đề xuất

Cụ thể, luận án phân mức nguy cơ vỡ nợ thành 2 mức (nguy cơ vỡ nợ cao và nguy cơ vỡ nợ thấp). Để có thể phân mức nguy cơ vỡ nợ: Luận án sử dụng mô hình phân tích bao dữ liệu - DEA để phân tích hiệu quả hoạt động của các NHTMCP. Sau khi có kết quả hiệu quả hoạt động của các NH, đề tài phân loại hiệu quả thành 3 nhóm (Nhóm A-các ngân hàng hiệu quả hoạt động tốt, nhóm B-các ngân hàng hiệu quả hoạt động khá, nhóm C-các ngân hàng hiệu quả hoạt động trung bình, yếu kém). Tác giả tính toán chỉ tiêu nợ xấu của các NH, kết hợp với kết quả phân loại hiệu quả hoạt động để xác định nguy cơ vỡ nợ các NH trong mẫu nghiên cứu.

Hệ thống các nhân tố, chỉ tiêu ảnh hưởng đến nguy cơ vỡ nợ các NH được tác giả xây dựng chủ yếu trên cơ sở các chỉ tiêu của mô hình CAMEL, ngoài ra luận án có xây dựng thêm một số chỉ tiêu. Các chỉ tiêu phản ánh điều kiện kinh tế vĩ mô gồm: Tốc độ tăng trưởng GDP, tỷ lệ lạm phát, tốc độ tăng trưởng tín dụng hệ thống.

Mô hình để xác định các nhân tố tác động đến nguy cơ vợ các NHTMCP, tác giả sử dụng mô hình LA với dữ liệu mảng, mô hình ANN, mô hình DT.

Kết luận chương 2

Trên cơ sở khoảng trống nghiên cứu đã chỉ ra ở chương 1, để đạt mục tiêu nghiên cứu tác giả đã triển khai nghiên cứu:

 Làm rõ tiêu chí xác định nguy cơ vỡ nợ các NHTMCP

Trong luận án tác giả sử dụng tiêu chí nợ xấu và kết quả đánh giá hiệu quả hoạt động của các NH để xác định nguy cơ vỡ nợ, cụ thể biến nguy cơ vỡ nợ Y được gán giá trị bằng 1 (nguy cơ vỡ nợ cao) nếu tỷ lệ nợ xấu từ 3% trở lên và phân nhóm hiệu quả hoạt động của NH ở mức trung bình hoặc yếu kém, biến Y bằng 0 (nguy cơ vỡ nợ thấp) trong trường hợp khác. Việc lựa chọn tiêu chí phân loại như vậy đã được tác giả luận giải cặn kẽ.

 Xây dựng, phân tích hệ thống các chỉ tiêu sử dụng trong mô hình cảnh báo vỡ nợ các NHTMCP:

+ Phân tích các nhân tố vĩ mô có ảnh hưởng đến hoạt động, nguy cơ vỡ nợ của các ngân hàng.

+ Phân tích chi tiết hệ thống các chỉ số, chỉ tiêu trong mô hình Z-score của Atlman, mô hình CAMELS và một số chỉ tiêu tài chính khác. Đây là cơ sở lý luận cần thiết để triển khai xây dựng hệ thống các chỉ tiêu sử dụng trong mô hình cảnh báo vỡ nợ ở chương 4.

 Phân tích cơ sở lý thuyết, các ưu, nhược điểm của một số mô hình cảnh báo vỡ nợ đã có qua đó để phù hợp với mục tiêu nghiên cứu cũng như điều kiện dữ liệu hiện có tác giả lựa chọn mô hình Logit với dữ liệu mảng, mô hình mạng nơron, mô hình cây quyết định để xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam.

CHƯƠNG 3

THỰC TRẠNG HOẠT ĐỘNG, NGUY CƠ VỠ NỢ

CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2009-2015

Chương 3, tác giả trình bày bối cảnh tình hình kinh tế vĩ mô và các chính sách tiền tệ trong giai đoạn 2009-2015, đồng thời cũng phân tích những tác động của các chính sách tới hoạt động của hệ thống ngân hàng. Đặc biệt chương 3 tác giả phân tích rõ thực trạng hoạt động của hệ thống NHTMCP Việt Nam giai đoạn 2009-2015 trên các phương diện: cấu trúc, quy mô, phạm vi hoạt động, mức độ an toàn vốn, khả năng sinh lời, hiệu quả quản lý, chất lượng tài sản,…Từ thực trạng đó nghiên cứu chỉ ra các hạn chế của hệ thống ngân hàng, phân tích nguy cơ vỡ nợ của một số ngân hàng điển hình.

3.1. Tình hình kinh tế vĩ mô giai đoạn 2009-2015

Sau khi Việt Nam gia nhập tổ chức thương mại thế giới năm 2007 và thực hiện các cam kết đối với khu vực tài chính thì cũng là lúc kinh tế thế giới trải qua thời kỳ suy thoái, cuộc khủng hoảng tài chính toàn cầu xảy ra xuất phát từ sự sụp đổ mang tính hệ thống của thị trường nợ dưới chuẩn tại Hoa Kỳ. Điều kiện kinh tế vĩ mô của Việt Nam cũng thường xuyên rơi vào tình trạng không ổn định: tốc độ tăng trưởng GDP sụt giảm, tỷ lệ lạm phát tăng cao,… những điều này đã tác động mạnh mẽ đến hoạt động của các ngân hàng thương mại. Tình trạng kinh tế vĩ mô giai đoạn 2009-2015 có thể được mô tả qua một số chỉ tiêu dưới đây:

GDP

6.42

6.68

6.24

5.98

5.4

5.25

5.42

GDP

2009 2010 2011 2012 2013 2014 2015

Biểu đồ 3.1: Tốc độ tăng trưởng GDP giai đoạn 2009-2015 (%)

Nguồn: Tổng cục Thống kê

Tốc độ tăng trưởng GDP giai đoạn 2009-2015 tương đối ổn định, mức trung bình đạt 5.7%, tuy nhiên đây là mức tăng thấp so với tiềm năng. Từ năm 2010 đến năm 2012, tốc độ tăng trưởng GDP giảm dần phản ánh những khó khăn trong kinh tế vĩ mô, giai đoạn 2012-2015, kinh tế bắt đầu phục hồi, tốc độ tăng trưởng kinh tế năm sau cao hơn năm trước. Biểu đồ 3.1 mô tả tốc độ tăng trưởng GDP giai đoạn 2009-2015.

Về tỷ lệ lạm phát, tỷ lệ lạm phát tăng cao và đạt đỉnh vào năm 2011 (đạt mức 18.6%), sau đó nhờ sự can thiệp và kiên trì chính sách kiềm chế lạm phát của Chính phủ nên tỷ lệ này giảm dần qua các năm, đạt tỷ lệ thấp nhất năm 2015. Biểu đồ 3.2 mô tả tốc độ tăng CPI giai đoạn 2009-2015.

CPI

18.6

9.2

6.9

6.6

4.1

2.05

2009 2010 2011 2012 2013 2014 2015

Biểu đồ 3.2: Tỷ lệ lạm phát thời kỳ 2009-2015

Nguồn: Tổng cục Thống kê

Tình hình xuất, nhập khẩu

Xuất khẩu đã trở thành một trong những nhân tố quan trọng nhất tạo ra bước phát triển kinh tế nhanh trong thời kỳ đổi mới. Đặc biệt, sau khi Việt Nam ký Hiệp định thương mại Việt - Mỹ và tiếp đó trở thành thành viên đầy đủ của tổ chức Thương mại Thế giới, điều kiện trao đổi thương mại, thu hút đầu tư thuận lợi hơn rất nhiều so với trước; tốc độ tăng trưởng xuất nhập khẩu đều tăng lên rất mạnh, khoảng 25% mỗi năm. Đến nay kim ngạch xuất khẩu và nhập khẩu đều đã tương đương với 80% GDP toàn nền kinh tế, phản ánh vị thế rất quan trọng đối với tăng trưởng chung.

Bảng 3.1: Hoạt động xuất nhập khẩu hàng hóa (triệu USD)

Xuất khẩu			Nhập khẩu			Cán cân xuất nhập khẩu
Kim ngạch	Tốc độ (%)	Tỷ trọng so GDP (%)	Kim ngạch	Tốc độ (%)	Tỷ trọng so GDP (%)	Cán cân xuất nhập khẩu
2009	57096.3	-8.9	57.2	69948.8	-13.3	70.1	-12852.5
2010	72236.7	26.5	65.3	84838.6	21.3	76.6	-12601.9
2011	96905.7	34.2	72.7	106749.8	25.8	80.1	-9844.1
2012	114529.2	18.2	73.8	113780.4	6.6	73.3	748.8
2013	132032.9	15.3	77.1	132032.6	16.0	77.1	0.3
2014	150042.0	13.6	80.4	148058.0	12.1	79.3	1984
2015	162400	8.1	83.9	165600	12.0	85.6	- 3200