Luận văn Thạc sĩ Khoa học máy tính: Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

TOUMKHAM KANLAYA

KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ

BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI

(SHB), CHI NHÁNH THÁI NGUYÊN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Thái Nguyên – 2020

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

TOUMKHAM KANLAYA

KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ

BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI

(SHB), CHI NHÁNH THÁI NGUYÊN

Chuyên ngành: Khoa học máy tính

Mã số : 8 48 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: PGS.TS NGUYỄN VĂN HUÂN

Thái Nguyên - 2020

LỜI CAM ĐOAN

Tôi xin cam đoan toàn bộ nội dung văn bản này là do tôi tự sưu tầm, tra cứu

và sắp xếp cho phù hợp với nội dung yêu cầu của đề tài.

Nội dung luận văn này chưa từng được công bố hay xuất bản dưới bất kỳ hình

thức nào và cũng không được sao chép từ bất kỳ một công trình nghiên cứu nào.

Tất cả phần mã nguồn của chương trình đều do tôi tự thiết kế và xây dựng,

trong đó có sử dựng một số thư viện chuẩn và các thuật toán được các tác giả xuất

bản công khai và miễn phí trên mạng Internet.

Thái Nguyên, Ngày 15 tháng 9 năm 2020

Tác giả luận văn

KANLAYA toumkham

LỜI CẢM ƠN

Trước hết tôi xin gửi lời cảm ơn sâu sắc đến thầy hướng dẫn khoa học

PGS.TS Nguyễn Văn Huân về những chỉ dẫn khoa học, định hướng nghiên cứu và

tận tịnh hướng dẫn tôi trong suốt quá trình làm luận văn.

Tôi xin cảm ơn các thầy trong khoa Công Nghệ Thông Tin, các thầy cô giáo

trong trường Đại học Công Nghệ Thông Tin và Truyền Thông – Đại học Thái

Nguyên đã cung cấp cho tôi những kiến trúc vô cùng quý báu và cần thiết trong

suốt thời gian học tập tại trường để tôi có thể thực hiện và hoàn thành tốt luận văn

này.

Tôi xin bày tỏ lòng biết ơn sâu sắc nhất tới Chính phủ Lào và Chính phủ Việt

Nam, Bộ Giáo dục và Thể thao Lào, Bộ Giáo dục và Đào tạo Việt Nam đã tạo điều

kiện cấp suất học bổng cao học này cho tôi. Xin trân trọng cảm ơn sâu sắc nhất tới

Ban Lãnh đạo Bộ giáo dục và thể thao Lào đã tạo điều kiện và luôn ủng hộ tôi.

Với thời gian nghiên cứu còn hạn chế, ngôn ngữ còn khiêm tốn, luận văn

không tránh khỏi những thiếu sót, tôi rất mong nhận được các ý kiến đóng góp chân

thành từ các thầy cô giáo, đồng nghiệp và bạn bè.

Cuối cùng, tôi xin cảm ơn gia đình và bạn bè, những người đã luôn ủng hộ và

động viên tôi, giúp tôi yên tâm và có tâm lý thuận lợi nhất để tôi nghiên cứu luận

văn này. Tuy nhiên do giới hạn về mặt thời gian và kiến thức nên luận văn chắc

chắn sẽ không tránh khỏi những sai sót ngoài ý muốn. Tôi rất mong nhận được sự

thông cảm và đóng góp ý kiến của các thầy cô giáo, đồng nghiệp và bạn bè.

HỌC VIÊN

KANLAYA toumkham

iii

DANH MỤC CÁC TỪ VIẾT TẮT

RRTD Rủi ro tín dụng

TMCP Thương mại cố phần

NHTM Ngân hàng thương mại

SHB Ngân hàng thương mại Sài Gòn – Hà Nội

VNĐ Việt Nam Đồng

CMND Chứng Minh Nhân Dân

DN Doanh nghiệp

DANH MỤC BẢNG

Bảng 2. 1. Bảng dữ liệu quan sát thời tiết trong 2 tuần ............................................. 19

Bảng 2. 2. Một số thuật toán xây dựng cây quyết định ............................................. 23

Bảng 2. 3. Bảng chỉ số tín nhiệm của S&P và Moody’s. .......................................... 39

Bảng 3. 1. Dư nợ tín dụng ………………………………………………………..45

Bảng 3.2. danh sách khách hàng ..............................................................................55

Bảng 3.3. Dữ liệu vay tín dụng.................................................................................58

Bảng 3.4. Kết quả dự báo với mô hình cây quyết định ............................................. 64

Danh Mục Các Hình Vẽ

Hình 3. 1. Giao diện phần mềm Weka ...................................................................... 50

Hình 3. 2. Giao diện chức năng Experimenter .......................................................... 50

Hình 3. 3. Giao diện Chức năng Knowledge Flow ................................................... 50

Hình 3. 4. Giao diện chức năng Workbench ............................................................. 51

Hình 3. 5. Giao diện chức năng Simple CLI ............................................................. 51

Hình 3. 6. Xây dựng cây quyết định dựa vào phần mềm WeKa .............................. 55

Hình 3. 7. Dữ liệu mã hồ sơ ...................................................................................... 56

Hình 3. 8. Dữ liệu về xếp loại hồ sơ ......................................................................... 56

Hình 3. 9. Dữ liệu về số tiền vay............................................................................... 56

Hình 3. 10. liệu về loại khách hàng ........................................................................... 57

Hình 3. 11. Dữ liệu về cảnh báo rủi ro ...................................................................... 57

MỤC LỤC

LỜI CAM ĐOAN ........................................................................................................ i

LỜI CẢM ƠN ............................................................................................................. ii

DANH MỤC CÁC TỪ VIẾT TẮT .......................................................................... iii

DANH MỤC BẢNG .................................................................................................. iv

DANH MỤC CÁC HÌNH VẼ……………………………………………………....v

MỤC LỤC……………...………………………………………………...………...vi

LỚI MỞ ĐẦU……………………………………………………………………….1

CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO, QUẢN TRỊ RỦI RO TÍN DỤNG TRONG NGÂN HÀNG……………………………………………………………..3 1.1. Giới thiệu về ngân hàng và hoạt động kinh doanh tín dụng ................................. 3

1.1.1. Giới thiệu về ngân hàng. ............................................................................ 3

1.1.2. Hoạt động kinh doanh tín dụng ................................................................. 4

1.2. Rủi ro, rủi ro tín dụng ........................................................................................... 5

1.2.1. Rủi ro là gì ? .............................................................................................. 5

1.2.2. Rủi ro tín dụng là gì ? ................................................................................ 6

1.2.3. Những tác hại của rủi ro tín dụng .............................................................. 6

1.2.4. Phân loại rủi ro tín dụng ............................................................................ 7

1.2.5. Đặc điểm của rủi ro tín dụng ..................................................................... 8

1.2.6. Nguyên nhân dẫn đến rủi ro tín dụng ........................................................ 9

1.2.6.1. Nguyên nhân khách quan ........................................................................ 9

1.2.6.2. Nguyên nhân chủ quan ......................................................................... 12

1.2.7. Ảnh hưởng của rủi ro tín dụng ................................................................ 13

1.3. Quản trị rủi ro tín dụng ....................................................................................... 15

1.3.1. Khái niệm và mục tiêu của quản trị rủi ro tín dụng ................................. 15

1.3.2. Các nguyên tắc trong quản trị rủi ro tín dụng .......................................... 16

1.3.3. Hậu quả của quản trị rủi ro tín dụng ........................................................ 17

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP PHÂN TÍCH RỦI RO TÍN DỤNG ....... 19

2.1. Phương pháp mô hình cây quyết định ................................................................ 19

vii

2.1.1. Giới thiệu ................................................................................................. 19

2.1.1.1. Mô hình cây quyết định ........................................................................ 19

2.1.1.2. Chiến lược cơ bản để xây dựng cây quyết định .................................... 20

2.1.1.3. Thuận lợi và hạn chế của mô hình cây quyết định ............................... 21

2.1.2. Một số thuật toán ..................................................................................... 23

2.1.2.1. Thuật toán ID3 ...................................................................................... 23

2.1.2.2. Thuật toán C4.5..................................................................................... 27

2.1.2.3. Một số cài tiễn của thuật toán C4.5 so với thuật toán ID3 ................... 28

2.2. Phương pháp mô hình Merton-KMV ................................................................. 32

2.2.1. Giới thiệu mô hình ................................................................................... 32

2.2.2. Ưu nhược điềm của mô hình ................................................................... 33

2.3. Phương pháp Gaussian ....................................................................................... 34

2.4. Mạng nơron nhân tạo .......................................................................................... 36

2.5. Phân tích hồi quy logistic ................................................................................... 37

2.6. Phương pháp CBR .............................................................................................. 37

2.7. Phương pháp chuyên gia trong xếp hạng tín dụng ............................................. 38

CHƯƠNG 3: DỰ BÁO RỦI RO TÍN DỤNG CHO NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI, CHI NHÁNH THÁI NGUYÊN ................................................... 41

3.1. Giới thiệu về ngân hàng SHB ............................................................................. 41

3.1.1. Khái quát chung về ngân hàng SHB ........................................................ 41

3.1.2. Các sản phẩm dịch vụ của ngân hàng SHB ............................................. 41

3.1.3. Thực trạng rủi ro tín dụng tại ngân hàng SHB ........................................ 43

3.1.4. Một số quy định về cho vay đối với khách hàng trong hệ thống ngân hang TMCP Sài Gòn –Hà Nội (SHB) ............................................................... 44

3.1.4.1. Nguyên tắc vay vốn .............................................................................. 44

3.1.4.2. Điều kiện vay vốn ................................................................................. 44

3.1.4.3. Đối tượng cho vay ................................................................................ 44

3.1.4.4. Các phương thức cho vay ..................................................................... 45

3.1.4.5. Thời hạn cho vay .................................................................................. 45

3.1.4.6. Trả nợ gốc và lãi ................................................................................... 45

viii

3.1.4.7. Quy tắc xử lý nợ vay ............................................................................. 46

3.1.4.8. Lãi suất cho vay .................................................................................... 46

3.1.4.9. Quy trình cho vay ................................................................................. 46

3.2. Phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội .... 48

3.2.1. Dữ liệu cần thu thập ................................................................................. 48

3.2.1.1. Dữ liệu hồ sơ tín dụng .......................................................................... 48

3.2.1.3. Các thông tin khác liên quan đến chủ thể vay vốn trên hệ thống ......... 49

3.2.2.1. Trích xuất dữ liệu từ kho dữ liệu thực tế của ngân hàng TMCP Sài Gòn – Hà Nội, chi nhánh Thái Nguyên……………………………………….52

3.3. Dự báo rủi ro dựa trên mô hình cây quyết định ................................................. 64

KẾT LUẬN ............................................................................................................... 66

TÀI LIỆU THAM KHẢO ......................................................................................... 67

LỜI MỞ ĐẦU

1. Lý do chọn đề tài.

Trong cơ chế thị trường, nền kinh tế hàng hoá phát triển rất đa dạng và

phong phú, ngành Ngân hàng đóng vai trò hết sức quan trọng đặc biệt là các

NHTM. Chính vì vậy, để phát triển nền kinh tế nhằm đạt được những mục

tiêu đã đề ra thì một trong những nhiệm vụ ưu tiên hàng đầu phải thực hiện là

củng cố và lành mạnh hoá hoạt động của hệ thống tài chính tiền tệ nói chung

và ngành Ngân hàng nói riêng. Trong đó, đảm bảo hoạt động kinh doanh tiền

tệ, tín dụng vừa an toàn vừa có hiệu quả cao, có khả năng thích ứng được với

những biến chuyển của nền kinh tế là những điều kiện tiên quyết góp phần

xây dựng một hệ thống NHTM vững mạnh và ổn định.

Trong những năm qua, hệ thống NHTM Việt Nam đã từng bước đổi mới

và ngày càng khẳng định tầm quan trọng trong việc thúc đẩy sự phát triển của

nền kinh tế, đặc biệt là hoạt động tín dụng của các NHTM. Hoạt động tín

dụng là hoạt động cơ bản của các NHTM, nó chiếm tỉ trọng lớn nhất trong

tổng tài sản. Hoạt động tín dụng được hiểu là hoạt động trong đó ngân hàng

thực hiện tài trợ cho các nhu cầu sử dụng vốn của nền kinh tế và dựa trên

nguyên tắc hoàn trả, có thời hạn và có lãi. Hoạt động tín dụng đem lại thu

nhập chính cho NHTM nhưng cũng có thể gây ra những tổn thất nghiêm trọng

nếu các khoản tín dụng mà ngân hàng cung cấp không hiệu quả, hoặc bị rủi

ro. Để tín dụng có hiệu quả là vấn đề hết sức khó khăn nhưng cũng hết sức

quan trọng đối với các NHTM nói chung và đối với ngân hàng TMCP Sài

Gòn – Hà Nội nói riêng.

Xuất phát từ những lý do trên em mong muốn xây dựng một chương trình về

“Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân

hàng TMCP Sài Gòn – Hà Nội (HSB), chi nhánh Thái Nguyên” để làm đề tài luận

văn thạc sỹ.

2. Phạm vi nghiên cứu.

- Đề tài nghiên cứu thuộc lĩnh vực : Phân tích và dự báo rủi ro tín dụng tại

ngân hàng.

- Về nội dung : Phương pháp phân tích và dự báo rủi ro tín dụng tại ngân

hàng TMCP Sài Gòn – Hà Nội.

- Về thời gian : Đề tài thực hiện trong vòng 5 tuần.

3. Mục đích nghiên cứu.

Trên cơ sở đánh giá hoạt động kinh doanh, đặc biệt là hoạt động tín dụng của

ngân hàng TMCP Sài Gòn – Hà Nội trong những năm gần đây, kết hợp nghiên cứu tại

NHTM, để có thể đưa ra các đề xuất, giải pháp để nâng cao hiệu quả công tác quản trị

rủi ro tín dụng trong thời gian tới tại ngân hàng TMCP Sài Gòn – Hà Nội.

4. Phương pháp nghiên cứu.

Đối tượng và phạm vi nghiên cứu : Tình hình hoạt động tín dụng và công tác

quản trị rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội.

Phương pháp nghiên cứu : Phương pháp phân tích tổng hợp và phương pháp tập

hợp phân tích số liệu.

5. Bố cục đề tài.

Ngoài phần mở đầu và kết luận thì báo cáo gồm 3 chương :

Chương 1 : Tổng quan về rủi ro, quản trị rủi ro tín dụng trong Ngân hàng.

Chương 2 : Một số phương pháp phân tích rủi ro tín dụng.

Chương 3 : Dự báo rủi ro tín dụng cho Ngân hàng TMCP SÀI GÒN – HÀ NỘI,

Chi nhánh THÁI NGUYÊN.

6. Ý nghĩa khoa học và thực tiễn của đề tài.

Xây dựng một số chức năng chính cho chương trình phân tích và dự báo rủi ro

tín dụng.

CHƯƠNG 1 :

TỔNG QUAN VỀ RỦI RO, QUẢN TRỊ RỦI RO TÍN DỤNG TRONG

NGÂN HÀNG

1.1. Giới thiệu về ngân hàng và hoạt động kinh doanh tín dụng

1.1.1. Giới thiệu về ngân hàng

Hiện nay, nền kinh tế toàn cầu đang rơi vào giai đoạn suy thoái nghiêm trọng.

Trên thế giới đã có rất nhiều ngân hàng bị phá sản, ở Mỹ từ năm 2008 tính đến nay đã

có 42 ngân hàng bị phá sản, các nước khác trong khu vực và trên thế giới cũng rơi vào

tình trạng như vậy. Nền kinh tế Việt Nam cũng không thoát khởi tình trạng chung

này. Điều đó đang đặt ra cho các chủ thể tham gia trong nền kinh tế phải đối mặt với

nhiều thách thức và khó khăn mới. Đó là làm thế nào để có thể tồn tại, đứng vững và

vẫn phát triển trong điều kiện cạnh tranh và khó khăn như vậy. Trong lịch sử hoạt

động của những ngân hàng trên thế giới đã ghi nhận nhiều sự đổ vỡ của hàng loạt các

ngân hàng, các tổ chức tín dụng qua những cuộc khủng hoảng tài chính - tiền tệ như

cuộc khủng hoảng tài chính 1929 - 1933, vụ đổ vỡ thị trường cổ phiếu 1987, gần đây

là cuộc khủng hoảng kinh tế - tiền tệ 1997 đã đẩy hàng loạt các ngân hàng đến

ngưỡng cửa phá sản; và hiện nay là cuộc khủng hoảng thị trường nhà đất ở Mỹ đã ảnh

hưởng đến các ngân hàng lớn ở Mỹ và các nước Châu Âu cũng như đang lan ra khắp

thế giới. Trong bối cảnh đó, hoạt động của ngân hàng đóng một vai trò rất quan trọng.

Với chức năng làm trung gian tài chính của nền kinh tế, thông qua ngân hàng, các

nguồn lực sẽ được phân bổ, sử dụng một cách hợp lí và hiệu quả nhất. Thông qua việc

cung ứng nguồn vốn, tín dụng ngân hàng có tác dụng rất lớn tới quá trình hoạt động

của doanh nghiệp và giúp doanh nghiệp vượt qua được những khó khăn chung hiện

nay. Để thực hiện được những điều này, đòi hỏi ngân hàng phải có một kế hoạch phát

triển toàn diện về mọi mặt, đặc biệt là hoạt động tín dụng - lĩnh vực thể hiện sự sống

còn của tất cả các ngân hàng. Đối với ngân hàng thương mại cổ phần Sài Gòn - Hà

Nội (SHB) chi nhánh Thái Nguyên để nằm rõ hơn tình hình này của Ngân hàng và có

những giải pháp phù hợp, phần nào giúp Ngân hàng đứng vững và ngày càng nâng

cao được vị thế của mình trong cuộc chạy đua về kinh doanh sản phẩm là tiền tệ, tôi

quyết định chọn đề tài “Kỹ thuật cây quyết định hồi quy trong Phân tích và Dự

báo rủi ro tín dụng tại Ngân hàng TMCP Sài Gòn – Hà Nội (SHB), chi nhánh

Thái Nguyên, Trên đây là tất cả những lí do thôi thúc tôi đến với đề tài này để hoàn

thành luận văn tốt nghiệp của mình.

1.1.2. Hoạt động kinh doanh tín dụng

Nhận thức được tầm quan trọng của vốn, tạo nguồn vốn là tiền đề để mở rộng

thị trường tín dụng, là sống còn của kinh doanh dịch vụ Ngân hàng. Ban giám đốc đã

bố trí các cán bộ có năng lực chuyên môn, liên tục cải tiến lối làm việc đổi mới tác

phong phục vụ, đảm bảo chữ tín đối với khách hàng, mở rộng mạng lưới giao dịch, đa

dạng hoá các hình thức huy động tạo điều kiện thu hút vốn từ các tổ chức và cá nhân.

Một trong những mục tiêu quan trọng của chi nhánh Thái Nguyên hàng năm là

tiếp tục đẩy mạnh công tác huy động vốn, phấn đấu tổng nguồn vốn huy động tăng

bình quân 20% so với năm trước. Với các thế mạnh như uy tín, thái độ phục vụ nhiệt

tình, nhanh gọn chính xác, thủ tục thuận lợi, hình thức huy động phong phú,… Chi

nhánh ngày càng thu hút được nhiều khách hàng tới giao dịch. Kết quả là nguồn vốn

của chi nhánh vẫn tăng trưởng, ổn định, không chỉ đáp ứng đủ cho nhu cầu đầu tư, tín

dụng, thanh toán tại chi nhánh mà còn thường xuyên nộp vốn thừa theo kế hoạch về

SHB để điều hoà trong toàn hệ thống. Bảng số liệu kết quả hoạt động huy động vốn

của Chi nhánh trong một số năm gần đây sẽ giúp cho chúng ta đánh giá một cách

chính xác hơn.

Cho vay là một hình thức cấp tín dụng, theo đó TCTD giao cho KH sử dụng một

khoản tiền để sử dụng vào mục đích và thời gian nhất định theo thỏa thuận với

nguyên tắc có hoàn trả cả gốc và lãi.

Tín dụng là quan hệ vay mượn, quan hệ sử dụng vốn lẫn nhau giữa người đi vay

và người cho vay dựa trên nguyên tắc hoàn trả, kèm theo lợi tức khi đến hạn. Tín

dụng có thể hiểu một cách đơn giản là một quan hệ giao dịch giữa hai chủ thể, trong

đó một bên chuyển giao quyền sử dụng tiền hoặc tài sản cho bên kia bằng nhiều hình

thức như: cho vay, bán chịu hàng hoá, chiết khấu, bảo lãnh,… được sử dụng trong

một thời gian nhất định và theo một số điều kiện nhất định nào đó đã thỏa thuận.

Tín dụng ngân hàng (sau đây gọi tắt là tín dụng) là quan hệ chuyển nhượng

quyền sử dụng vốn từ NH cho KH trong một thời gian nhất định với một chi phí nhất

định.

1.2. Rủi ro, rủi ro tín dụng

1.2.1. Rủi ro là gì ?

Quản lý rủi ro tín dụng là quá trình ngân hàng tác động đến hoạt động tín dụng

thông qua bộ máy và công cụ quản lý để phòng ngừa, cảnh báo, đưa ra các biện pháp

nhằm hạn chế đến mức tối đa việc không thu được đầy đủ cả gốc và lãi của khoản vay

hoặc thu gốc và lãi không đúng hạn.

Rủi ro tín dụng không chỉ giới hạn ở hoạt động cho vay mà còn bao gồm nhiều

hoạt động mang tính chất tín dụng khác của ngân hàng như : bảo lãnh, cam kết, chấp

thuận tài trợ thương mại, cho vay ở thị trường liên ngân hàng, những chứng khoản có

giá (trái phiếu, cổ phiếu …), trái quyền, Swaps, tín dụng thuê mua, đồng tài trợ …

Rủi ro tín dụng phát sinh trong trường hợp ngân hàng không thu được đầy đủ cả

gốc lẫn lãi của khoản cho vay hoặc là việc thanh toán nợ gốc và lãi không đúng kỳ

hạn. RRTD không chỉ giới hạn ở hoạt động cho vay, mà còn bao gồm nhiều hoạt

động mang tính chất tín dụng khác của ngân hàng nhờ bảo lãnh, cam kết, chấp thuận

tài trợ thương mại, cho vay ở thị trường liên ngân hàng, tín dụng thuê mua, đồng tài

trợ dự án ...

Khi gặp rủi ro tín dụng, ngân hàng không thu được vốn tín dụng đã cấp và lãi

cho vay, nhưng ngân hàng phải trả vốn và lãi cho khoản tiền huy động khi đến

hạn, điều này làm cho ngân hàng mất cân đối trong việc thu chi. Khi không thu được

nợ thì vòng quay vốn tín dụng giảm làm ngân hàng kinh doanh không có hiệu quả.

Khi gặp phải RRTD ngân hàng thường rơi vào tình trạng mất khả năng thanh khoản,

làm mất lòng tin người gửi tiền, ảnh hưởng đến uy tín của ngân hàng.

Rủi ro tín dụng : Rủi ro tín dụng phát sinh trong trường hợp ngân hàng không

thu được đầy đủ cả gốc và lãi của khoản vay, hoặc là việc thanh toán nợ gốc và lãi

không đúng kỳ hạn. Trong trường hợp người vay tiền bị phá sản, thì việc thu hồi gốc

và lãi tín dụng đầy đủ là không chắc chắn, do đó ngân hàng có thể gặp rủi ro tín dụng.

Nó là sự tổn thất, mất mát về tải chính mà Ngân hàng phải gánh chịu do khách hàng

vay vốn của ngân hàng không trả nợ được đúng hạn, không thực hiện đúng cam kết

với bất kỳ lí do nào.

Rủi ro lãi suất : Rủi ro lãi suất hay còn gọi là rủi ro thị trường là rủi ro xảy ra do

sự thay đổi bất lợi của lãi suất trên thị trường đối với giá trị của trái phiếu, giấy tờ có

giá, các công cụ tài chính có lãi suất trên sổ sách kinh doanh của ngân hàng, tổ chức

tín dụng.

Rủi ro thanh khoản : Thanh khoản là một khái niệm trong tài chính, chỉ mức độ

mà một tài sản bất kì có thể được mua hoặc bán trên thị trường mà không làm ảnh

hưởng đến giá thị trường của tài sản đó. Một tài sản có tính thanh khoản cao nếu nó

có thể được bán nhanh chóng mà giá bán không giảm đáng kể, thường được đặc trưng

bởi số lượng giao dịch lớn.

1.2.2. Rủi ro tín dụng là gì ?

Nghiệp vụ tín dụng là nghiệp vụ cơ bản của ngân hàng nó thường chiếm phần

lớn trong các hoạt động kinh doanh của ngân hàng về khối lượng công việc cũng như

mức độ tạo lợi nhuận. Tỷ lệ thuận với nó là mức độ rủi ro của nghiệp vụ tín dụng

cũng chiếm phần lớn trong tổng mức rủi ro của hoạt động ngân hàng.

Hoạt động tín dụng ngân hàng thương mại bao gồm nghiệp vụ nguồn vốn và

nghiệp vụ cho vay. Do đó, rủi ro tín dụng cũng bao gồm 2 nội dung: Rủi ro nguồn

vốn và rủi ro cho vay. Trong nghiệp vụ tín dụng rủi ro cho vay chứa tỷ trọng lớn nhất

trong tổng rủi ro. Do đó nội dung nghiên cứu rủi ro tín dụng được đề cập về rủi ro cho

vay.

Rủi ro tín dụng phát sinh khi ngân hàng cho khách hàng vay mà không thu lại

được gốc và lãi đúng hạn, hoặc chỉ thu được một phần gốc và lãi hoặc không thu được

cả gốc và lãi.

Rủi ro tín dụng luôn tiềm ẩn trong toàn bộ dư nợ cho vay của ngân hàng và gắn

liền với khả năng khách hàng không trả được nợ như trên hồ sơ. Cụ thể là nguồn thu

nhập dự tính mang lại từ các tài sản có sinh lời của các ngân hàng có thể không được

hoàn trả đủ xét cả về mặt số lượng và thời hạn.

Rủi ro tín dụng phát sinh bởi các giao dịch mà chúng có thể dẫn đến quyền đòi

bồi thường, không chắc chắn đối với bất kỳ phía đối tác nào. Đây là rủi ro lớn nhất

mà ngân hàng phải đối mặt.

1.2.3. Những tác hại của rủi ro tín dụng

Rủi ro tín dụng : khiến cho ngân hàng bị mất cơ hội nhận được thu nhập tiền

lãi cho vay, tổn thất trước hết tác động đến lợi nhuận và sau đó là vốn tự có của ngân

hàng. Thêm nữa, vốn sử dụng để cho vay chủ yếu là vốn huy động từ tiền gửi của

khách hàng vì vậy trong trường hợp nợ xấu quá nhiều ngân hàng phải sử dụng các

nguồn vốn của mình để trả cho người gửi tiền. Đến khi ngân hàng không còn đủ

nguồn vốn để trả cho người gửi tiền thì ngân hàng sẽ rơi vào tình trạng mất khả năng

thanh toán, có thể dẫn đến phá sản.

Ngân hàng là một tổ chức trung gian tài chính, có chức năng huy động vốn nhàn

rỗi trong nền kinh tế để cho các tổ chức và cá nhân có nhu cầu vay lại. Nguồn vốn cho

khách hàng vay chủ yếu là từ nguồn tiền gửi tiết kiệm của cá nhân. Do đó, khi rủi ro

tín dụng xảy ra, không chỉ ngân hàng chịu thiệt hại mà những khách hàng gửi tiền tại

đây cũng bị ảnh hưởng.

Ngày nay hoạt động của ngân hàng mang tính xã hội hóa cao nên một khi rủi ro

tín dụng xảy ra đối với ngân hàng thì nó sẽ ảnh hưởng rất lớn đến nền kinh tế - xã hội

của cả quốc gia. Nếu có rủi ro trong hoạt động tín dụng, dù chỉ ở một ngân hàng mà

không được ứng cứu kịp thời thì có thể gây phản ứng dây chuyền đe dọa đến tính an

toàn và ổn định của cả hệ thống ngân hàng. Từ đó sẽ gây ra những bất ổn về kinh

Tế - xã hội.

1.2.4. Phân loại rủi ro tín dụng

Căn cứ vào nguyên nhân phát sinh rủi ro, rủi ro tín dụng được phân chia thành

các loại như sau :

Rủi ro thừa vốn : Nguồn vốn hoạt động chủ yếu của ngân hàng thương mại là

nguồn vốn huy động. Để huy động được vốn Ngân hàng phải trả lãi cho người gửi

tiền. Nếu số này bị ứ đọng, không thể cho vay hoặc đầu tư vào các loại tài sản có thể

sinh lời trong khi ngân hàng vẫn phải trả lãi cho số vốn đã huy động thì có nghĩa là

các thiệt hại của ngân hàng đang diễn ra. Nếu quá trình này kéo dài ở mức độ lớn có

thể dẫn đến thua lỗ trong kinh doanh. Giải quyết vấn đề này, NHTM cần phải tăng

cường công tác kế hoạch hoá, đảm bảo cân đối giữa vốn huy động và vốn cho vay.

Rủi ro giao dịch : Là một hình thức rủi ro tín dụng mà nguyên nhân phát sinh là

do những hạn chế trong quá trình giao dịch và xét duyệt cho vay, đánh giá khách

hàng. Rủi ro giao dịch có 3 bộ phận chính là rủi ro lựa chọn, rủi ro đảm bảo và rủi ro

nghiệp vụ.

Rủi ro lựa chọn : Là rủi ro có liên quan đến quá trình đánh giá và phân tích tín

dụng, khi ngân hàng lựa chọn những phương án vay vốn hiệu quả để ra quyết định

cho vay.

Rủi ro đảm bảo : Phát sinh từ các tiêu chuẩn đảm bao như các điều khoản trong

hồ sơ cho vay, các loại tài sản đảm bảo, chủ thể đảm bảo, cách thức đảm bảo và mức

cho vay trên giá trị của tài sản đảm bảo.

Rủi ro nghiệp vụ : Là rủi ro liên quan đến công tác quản lý khoản vay và hoạt

động cho vay, bao gồm cả việc sử dụng hệ thống xếp hạng rủi ro và kỹ thuật xử lý các

khoản cho vay có vấn đề.

Rủi ro danh mục : Là một hình thức của rủi ro tín dụng mà nguyên nhân phát

sinh là do những hạn chế trong quản lý danh mục cho vay của ngân hàng được chia

thành hai loại, rủi ro nội tại và rủi ro tập trung.

Rủi ro nội tại : Xuất phát từ các yếu tố, đặc điểm riêng có, mang tính riêng biệt

bên trong của mỗi chủ thể đi vay hoặc nghành, lĩnh vực kinh tế. Nó xuất phát từ đặc

điểm hoạt động hoặc đặc điểm sử dụng vốn có của khách hàng vay vốn.

Rủi ro tập chung : Là trường hợp ngân hàng tập chung vốn cho vay quá nhiều

đối với một số khách hàng, cho quá nhiều doanh nghiệp vay hoạt động trong cùng

một ngành, lĩnh vực kinh tế, hoặc trong vùng địa lý nhất định, hoặc cùng một loại

hình cho vay có rủi ro cao.

1.2.5. Đặc điểm của rủi ro tín dụng

Rủi ro tín dụng mang tích tất yếu : Rủi ro tín dụng luôn tồn tại và gắn liền với

hoạt động tín dụng. Chấp nhận rủi ro tất yếu trong hoạt động ngân hàng. Các ngân

hàng cần phải đánh giá cơ hội dựa trên mối quan hệ rủi ro. Lợi ích nhằm tìm ra những

cơ hội đạt được lợi ích xứng đáng với mức rủi ro chấp nhận. Ngân hàng sẽ hoạt động

tốt nếu mức rủi ro mà ngân hàng gánh chịu hợp lý và kiểm soát được cũng như nằm

trong phạm vi khả năng các nguồn lực tài chính và năng lực tín dụng của ngân hàng.

Rủi ro mang tính gián tiếp : rủi ro tín dụng xảy ra sau khi ngân hàng giải ngân

vốn vay và trong quá trình sử dụng vốn vay của khách hàng. Do tình trạng thông tin

mất cân xứng nên thông thường ngân hàng thường biết thông tin sau hoặc biết thông

tin không chính xác về những khó khăn, thất bại của khách hàng. Do đó, thường có

phương pháp ứng phó chậm trễ.

Rủi ro tín dụng có tính chất đa dạng, phức tạp : Đặc điểm này thể hiện ở sự

đa dạng, phức tạp của nguyên nhân gây ra rủi ro tín dụng này cũng như diễn biến sự

việc, hậu quả khi rủi ro sảy ra.

Qua các nghiên cứu cho thấy, thực tế quy mô của ngân hàng có tác động 2 chiều

đến RRTD cũng như hiệu quả quản trị rủi ro tín dụng. Hiện nay, các nghiên cứu đi

theo 2 hướng. Thứ nhất, ngân hàng có quy mô lớn thường có nguy cơ rủi ro tín dụng

cao hơn, hiệu quả quản trị rủi ro tín dụng thấp hơn các ngân hàng có quy mô nhỏ.

Theo lý giải thông thường, đối với những ngân hàng có quy mô lớn, đối tượng khách

hàng đều là những doanh nghiệp lớn trong các lĩnh vực khác nhau, vì vậy khi xảy ra

biến động thị trường, các doanh nghiệp này dễ bị tổn thất nặng nề, ảnh hưởng đến

hoạt động kinh doanh từ đó xác suất không thực hiện được nghĩa vụ tín dụng đối với

ngân hàng là khá lớn. Bên cạnh đó, đối với đối tượng khách hàng này, tâm lý chung

của các ngân hàng là đơn giản hóa các thủ tục tín dụng, vì vậy tạo ra lỗ hổng trong

quá trình cấp tín dụng sẽ phát sinh RRTD.

Thứ hai, một số nhà nghiên cứu lại cho rằng, quy mô tín dụng ngân hàng có tác

động ngược chiều đến RRTD, nghĩa là với những ngân hàng có quy mô lớn, có đầy

đủ nguồn lực để xây dựng một hệ thống quản trị rủi ro tốt hơn, do đó RRTD đối với

các ngân hàng này là khá thấp mang lại hiệu quả quản trị RRTD cao.

1.2.6. Nguyên nhân dẫn đến rủi ro tín dụng

1.2.6.1. Nguyên nhân khách quan

Nhận diện được những nguyên nhân dẫn đến rủi ro tín dụng giúp cho ngân hàng

chủ động hơn trong công tác phòng ngừa quản trị rủi ro.

❖ Nguyên nhân từ ngân hàng

Thứ nhất : Sự yếu kém của đội ngũ cán bộ. Sự yếu kém ở đây bao gồm cả về

năng lực và phẩm chất đạo đức. Nếu một cán bộ tín dụng non kém về trình độ, thiếu

kiến thức, thiếu kinh nghiệm thì sẽ không có khả năng thẩm định và xử lý thông tin,

đánh giá khách hàng thiếu chính xác, mức vay, lãi suất vay và kỳ hạn không phù hợp ;

dẫn đến chất lượng tín dụng thấp, rủi ro cao. Ngoài ra, nếu cán bộ tín dụng không

tuân thủ theo đúng quy trình tín dụng như giải ngân trước khi hoàn thành chứng từ

hay không kiểm tra giám sát việc sử dụng vốn của người vay, thì việc mất vốn rất dễ

xảy ra. Hơn nữa, cán bộ tín dụng mà phẩm chất đạo đức kém, không có tinh thần

trách nhiệm, dễ bị cám dỗ thì sẽ gây thiệt hại rất lớn cho ngân hàng bằng cách cho

vay chỉ dựa trên mối quan hệ với khách hàng, dựa trên lợi ích cá nhân mà bỏ qua

những điều kiện và thủ tục cần thiết.

Thứ hai : Sự giám sát của các cấp quản lý trong ngân hàng là thiếu sát sao. Cán

bộ tín dụng cần có sự phê duyệt của lãnh đạo trước khi giải ngân. Vậy nên nếu cấp

trên không có sự kiểm tra, đánh giá xem quyết định của cán bộ đã thực sự chính xác

chưa thì nguy cơ rủi ro tín dụng sẽ là rất cao. Hơn nữa, sau khi giải ngân rồi, cán bộ

tín dụng vẫn phải tiếp tục theo dõi khách hàng để sớm phát hiện ra dấu hiệu của

những khoản nợ có vấn đề. Tuy nhiên, việc theo dõi này đối với nhiều cán bộ chỉ

mang tính hình thức. Do vậy, nếu các cấp quản lý không có sự giám sát đối với cán

bộ tín dụng, hoạt động của các cán bộ tín dụng sẽ không hiệu quả, thậm chí dẫn đến

những sai phạm đạo đức trong cho vay và thu nợ. Ngoài ra, các cơ quan cấp trên

không quan tâm đến thực trạng tín dụng của ngân hàng thì sẽ không có những chỉ đạo

kịp thời để ngăn ngừa và xử lý rủi ro xảy ra.

Thứ ba : Ngân hàng chưa đa dạng hoá các danh mục đầu tư. Một công cụ luôn

được nhắc đến trong quản trị tín dụng ở tất cả các ngân hàng trên thế giới là quản trị

danh mục đầu tư. Quản trị danh mục làm cân đối và kiềm chế rủi ro bằng cách nhận

dạng, dự báo và kiểm soát mức độ rủi ro với từng thị trường, khách hàng, loại sản

phẩm tín dụng và điều kiện hoạt động khác nhau. Nhiều chuyên gia ngân hàng tin

rằng đa dạng hoá là giải pháp phòng ngừa rủi ro tín dụng hữu hiệu nhất. Mặc dù hiểu

rõ tầm quan trọng của việc đa dạng hoá danh mục đầu tư, song rất nhiều ngân hàng

chỉ cho vay một hoặc hai ngành hoặc chỉ cho vay một vài doanh nghiệp lớn, nhóm

kinh doanh đơn lẻ. Một danh mục đầu tư phụ thuộc chủ yếu vào một ngành hay một

loại mặt hàng là rất nguy hiểm vì không ngành nào là không có rủi ro.

Thứ tư : Định giá khoản vay không theo mức độ rủi ro của khách hàng. Về cơ

cấu, lãi suất cho một khoản vay phải được xác định ở mức đảm bảo bù đắp được chi

phí vốn đầu vào, chi phí quản lý, phần lợi nhuận mong muốn và phần bù đắp rủi ro

của khoản vay. Khách hàng được đánh giá có mức độ rủi ro càng cao, phần bù rủi ro

càng lớn. Nhưng vì cạnh tranh nên một số ngân hàng có thể chấp nhận mức giá cho

vay thấp, thậm chí chỉ đủ chi phí vốn đầu vào và chi phí quản lý, không tính đến phần

bù rủi ro. Việc làm đó trong dài hạn không những làm giảm lợi nhuận mà còn làm

tăng tính rủi ro trong hoạt động tín dụng của ngân hàng.

❖ Nguyên nhân đến từ khách hàng

Thứ nhất: Do khách hàng kinh doanh thua lỗ nên mất khả năng trả nợ. Trường

hợp này rất phổ biến do khách hàng có trình độ yếu kém trong dự đoán các vấn đề

kinh tế, yếu kém trong năng lực quản lý, sử dụng vốn sai mục đích, sản phẩm chất

lượng thấp không bán được… Hơn nữa có rất nhiều người vay sẵn sàng lao vào

những cơ hội kinh doanh mạo hiểm với kỳ vọng thu được lợi nhuận cao, mà không

tính toán kỹ hoặc không có khả năng tính toán những bất trắc có thể xảy ra nên khả

năng xảy ra tổn thất với ngân hàng là rất lớn.

Thứ hai : Do khách hàng cố tình chiếm dụng vốn của ngân hàng. Để đạt được

mục đích thu được lợi nhuận, nhiều khách hàng sẵn sàng tìm mọi thủ đoạn để ứng

phó với ngân hàng như mua chuộc hoặc cung cấp các báo cáo tài chính sai lệch.

Trong trường hợp này, nếu không phát hiện ra, ngân hàng sẽ đánh giá sai về khả năng

tài chính của khách và cho vay vốn với khối lượng và thời hạn không hợp lý, dẫn đến

rủi ro tiềm ẩn là rất cao. Ngoài ra, cũng có những trường hợp người kinh doanh có lãi

song vẫn không trả nợ cho ngân hàng đúng hạn mà cố tình kéo dài với ý định không

trả nợ hoặc tiếp tục sử dụng vốn vay càng lâu càng tốt.

❖ Các nguyên nhân khác

Những nguyên nhân này phần lớn xuất hiện từ môi trường xung quanh như chất

lượng thông tin, biến động kinh tế, chính sách pháp luật…

Thứ nhất : Chất lượng thông tin chưa cao. Các thông tin mà ngân hàng thu thập

thường liên quan đến hoạt động sản xuất kinh doanh, khả năng tài chính của khách

hàng, tình hình kinh tế xã hội, cạnh tranh trên thị trường ; sau đó dựa vào các thông

tin thu thập được để ra quyết định cho vay. Tuy nhiên, trên thực tế thì không phải lúc

nào các thông tin ngân hàng thu thập được đều có tính chính xác, đầy đủ và kịp thời.

Do vậy, nếu hệ thống thông tin tín dụng của ngân hàng không hoạt động có hiệu quả,

cập nhật được những thông tin đáng tin cậy thì tất yếu dẫn đến việc ngân hàng thất

thoát vốn khi cho vay.

Thứ hai : Những biến động kinh tế không dự báo được. Khi nền kinh tế ổn định,

tăng trưởng lành mạnh thì nhu cầu đầu tư trong xã hội có xu hướng gia tăng, tạo điều

kiện thuận lợi cho hoạt động tín dụng. Tuy nhiên, khi xuất hiện những biến động kinh

tế như lạm phát, giá tăng ở một số mặt hàng nào đó ảnh hưởng đến một nhóm ngành

thì rủi ro tín dụng với ngân hàng là rất lớn. Nhiều người vay có thể thích ứng và vượt

qua khó khăn đó, nhưng cũng có rất nhiều người bị đình trệ hoạt động sản xuất, kinh

doanh thua lỗ nên khả năng trả nợ vốn vay ngân hàng không được đảm bảo.

Thứ ba : Sự thay đổi trong các chính sách kinh tế, pháp luật. Sự thiếu nhất quán

trong các chính sách kinh tế pháp luật cũng gây ảnh hưởng không nhỏ tới ngân hàng

cũng như như các doanh nghiệp có sử dụng vốn vay ngân hàng. Hoạt động kinh

doanh của doanh nghiệp sẽ không ổn định khi có những thay đổi trong quy định về

thuế, vốn…, cũng như hoạt động tín dụng của ngân hàng cũng bị tác động nhiều bởi

những văn bản luật về tài sản đảm bảo, dự trữ, trích lập… Như vậy, các chính sách

kinh tế, pháp luật không hoàn chỉnh cũng gây khó khăn có doanh nghiệp về khả năng

trả nợ, cũng như đe doạ đến sự an toàn của ngân hàng trong cho vay.

Tín dụng ngân hàng là một hoạt động kinh doanh, do đó nó chịu tác động trực

tiếp của môi trường bên ngoài bao gồm : môi trường kinh tế, môi trường pháp lý, môi

trường xã hội, sự thay đổi của từng môi trường này cũng là nguyên nhân dẫn đến rủi

ro tín dụng. Cụ thể như sau :

Môi trường kinh tế : Các nguyên nhân chủ yếu dẫn đế RRTD chính là rủi ro

trong hoạt động kinh doanh của khách hàng. Trong khi đó hoạt động kinh doanh của

khách hàng chịu ảnh hưởng mạnh mẽ của các yếu tố vĩ mô như : tăng trưởng kinh tế,

lạm phát, tỷ giá hối đoạn, cán cân thanh toán quốc tế, tỷ lệ thất nghiệp.

Môi trường pháp lý : Bao gồm các quy định, quy chuẩn các văn bản pháp luật

do chính phủ, Ngân hàng Nhà nước và các bộ ban ngành hoặc các tổ chức quốc tế có

liên quan ban hành. Khi môi trường pháp lý thiếu rõ ràng, công khai và minh bạch,

thiếu thống nhất và còn chồng chéo mâu thuẫn sẽ làm ra tăng rủi ro cho hoạt động tín

dụng ngân hàng.

Môi trường xã hội : Đây là môi trường quan trọng hình thành nên tập tục, đạo

đức, lối sống của mỗi cá nhân. Tín dụng là quan hệ vay mượn dựa trên cơ sở lòng tin.

Nếu trình độ dân chí chưa cao, người dân thiếu hiểu biết thì rủi ro về mặt đạo đức sẽ

rất dễ xảy ra, tình trạng lừa đảo, trốn nợ có nguy cơ gia tăng.

Ngoài ra, rủi ro tín dụng còn chịu ảnh hưởng bởi một số nhân tố khác như thiên

tai, dịch bệnh, hạn hán, trật tự - ổn định xã hội, chiến tranh.

1.2.6.2. Nguyên nhân chủ quan

Chính sách tín dụng của ngân hàng không hợp lý, quy trình tín dụng không nhất

quán, lỏng lẻo. Chính sách tín dụng là hệ thống các chủ trương, định hướng quy định

chi phối hoạt động tín dụng của Ngân hàng, một khi chính sách tín dụng tập trung quá

nhiều vào mục tiêu lợi nhuân hoặc quy định không nhất quán thiếu rõ ràng, thiếu thực

tế thì sẽ đối mặt với RRTD cao.

Không chú trọng đến công tác thẩm định phân tích và thiết kế khoản vay: phân

tích thông tin khách hàng và thẩm định khoản vay, đánh giá khách hàng và thiết kế

phương án vay vốn không phù hợp, không có khả năng đưa ra đánh giá khách hàng

không chặt chẽ, chưa hiểu phương án kinh doanh có thể đưa ra những quyết định cho

vay sai lầm.

Sự yếu kém về năng lực và phẩm chất đạo đức của đội ngũ cán bộ ngân hàng :

đây là nguyên nhân mang tính chủ quan và khó lường nhất bởi liên quan đến yếu tố

con người. Sự yếu kém về chất lượng đội ngũ cán bộ tin dụng gây ra rủi ro trong mọi

khâu, từ khâu xét duyệt cho vay đến khâu kiểm tra giám sát việc sử dụng vốn vay, cán

bộ tín dụng non kém về trình độ năng lực nghiệp vụ thiếu kinh nhiệm nên không có

khả năng xử lý… những trường hợp này nếu không được xử lý kịp thời sẽ làm cho

RRTD của ngân hàng ngày càng gia tăng.

Ngoài ra nguyên nhân do cơ cấu tổ chức : khả năng nhận diện rủi ro, công cụ

đánh giá rủi ro năng lực công nghệ của NHTM còn chưa đồng bộ, chưa phù hợp gây

bất lợi cho hệ thống kiểm soát rủi ro tín dụng của Ngân hàng.

1.2.7. Ảnh hưởng của rủi ro tín dụng

Đối với nền kinh tế : Hoạt động tín dụng ngân hàng liên quan đến hoạt động

của các doanh nghiệp và các cá nhân. Ngân hàng gặp khó khăn sẽ ảnh hưởng đến

nguồn vốn phục vụ cho hoạt động kinh doanh dẫn đến đời sống công nhân gặp khó

khăn, sự khủng hoảng từ hệ thống ngân hàng ảnh hưởng rất lớn đến toàn bộ nền kinh

tế. Làm cho nên kinh tế bị suy thoái, giá cả gia tăng, sức mua giảm, thất nghiệp tăng,

xã hội mất ổn định. Ngày nay nền kinh tế mỗi quốc gia đều phụ thuộc và nền kinh tế

khu vực và thế giới, do đó hệ thống ngân hàng của mỗi quốc gia gặp khó khăn cũng

ảnh hưởng đến nền kinh tế thế giới.

Đối với các doanh nghiệp kinh nghiệm và năng lực kinh doanh đang còn ờ trình

độ thấp, thì hầu hết các doanh nghiệp này đều không nắm bắt được thông tin kịp thời,

thiếu thích nghi với cạnh tranh. Khi được vay vốn kinh doanh thì dự án này sẽ gặp

nhiều khó khăn, khả năng xảy ra rủi ro là rất cao. Như vậy rủi ro tín dụng đối với

ngân hàng sẽ rất lớn.

Nhân tố không lành mạnh từ phía khách hàng là việc khách hàng lừa đảo, sử

dụng vốn sai mục đích, trốn tránh trách nhiệm uỷ quyền và bảo lãnh. Khi mà khách

hàng lừa đảo họ lợi dụng các điểm yếu và kẽ hở của ngân hàng. Họ lập các phương án

kinh doanh giả, cùng các giấy tở thế chấp giả mạo hoặc đi vay ở nhiều ngân hàng với

cùng một bộ hồ sơ. Đối với trường hợp bảo lãnh và uỷ quyền xảy ra chủ yếu đối với

các công ty lớn. Một số công ty, công ty lớn đứng ra bảo lãnh uỷ quyền cho các chi

nhánh trực thuộc thực hiện vay vốn của ngân hàng để tránh sự kiểm tra giám sát của

ngân hàng vào hoạt động và kinh doanh. Tuy nhiên khi đơn vị chi nhánh không trả

được nợ thì đơn vị bảo lãnh không chịu đứng ra thực hiện nghĩa vụ của mình.

Đối với ngân hàng : Khi gặp rủi ro tín dụng, ngân hàng không thu được vốn tín

dụng đã cấp và lãi cho vay, nhưng ngân hàng phải trả vốn và lãi cho khoản tiền huy

động khi đến hạn, điều này làm ngân hàng mất cân đối trong công việc thu chi và

giảm sút hệu quả kinh doanh. Khi gặp phải rủi ro tín dụng cao trong ngân hàng

thường rơi vào tình trạng mất khả năng thanh toán, làm mất lòng tin người gửi, ảnh

hưởng đến uy tín của ngân hàng, và có thể bị ngân hàng nhà nước đưa vào kiểm soát

đặc biệt hoặc bị phá sản, đối với cán bộ nhân viên, do ngân hàng gặp khó khăn trong

hoạt động kinh doanh nên chế độ phúc lợi, thu nhập sẽ bị hạn chế vì thế những người

có năng lực sẽ thuyên truyền công tác, càng gây khó khăn cho ngân hàng.

Lợi nhuận của ngân hàng chủ yếu thu được từ hoạt động tín dụng. Đó là nguồn

thu chính của các ngân hàng do đó, việc tăng lợi nhuận tức là phải tăng quy mô của

hoạt động tín dụng lên. Như vậy đồng nghĩa với rủi ro tín dụng tăng lên. Việc mở

rộng tín dụng lên thì việc giám sát và kiểm tra các hồ sơ tín dụng trở lên yếu kém đi.

Việc giám sát của các cán bộ tín dụng đối với các hồ sơ tín dụng lơi lỏng, và việc tuân

thủ các quy trình tín dụng cũng bị lơ là.

Trình độ và năng lực của cán bộ tín dụng yếu kém, đây cũng là một nhân tố gây

ra rủi ro trong tín dụng. Một người cán bộ yếu kém về năng lực, khi tiếp nhận hồ sơ

của khách hàng thì khả năng phân tích và thẩm định dự án không đúng về dự án.

Trong trường hợp này nhân viên tín dụng có thể bị khách hàng lừa gạt, hoặc lựa chọn

dự án tài trợ không chính xác. Như vậy khả năng mất vốn rất cao. Điều đó đòi hỏi đội

ngũ cán bộ phải có năng lực cao.

Quy trình tín dụng đối với các ngân hàng là một bí mật riêng. Quy trình tín dụng

chưa chặt chẽ hoặc quá cụ thể, quá linh hoạt đều có thể là nhân tố gây ra rủi ro tín

dụng. Những vấn đề nổi cộm hiện nay trong các quy trình tín dụng là đánh giá lại giá

trị tài sản thế chấp hoặc cầm cố.

Nhân tố do sự cạnh tranh không lành mạnh giữa các ngân hàng gây ra trong quá

trình thu hút khách hàng. Đó là việc thẩm định khách hàng trở nên sơ sài, chủ quan.

Thậm chí có nhiều ngân hàng liều lĩnh chấp nhận rủi ro cao, nhằm đạt được mức lợi

nhuận cao mà bất chấp những hồ sơ tín dụng không lành mạnh, thiếu an toàn.

Ngoài ra còn có nhiều nhân tố khác ảnh hưởng đến rủi ro tín dụng thuộc về ngân

hàng như : chất lượng thông tin và xử lý thông tin trong ngân hàng, cơ cấu tổ chức và

quản lý đội ngũ cán bộ, năng lực công nghệ…

Tóm lại rủi ro tín dụng có thể gây hậu quả nhẹ nhất là ngân hàng bị giảm lợi

nhuận khi không thu hồi được lãi cho vay, nặng nhất khi ngân hàng không thu được

vốn và lãi, nợ thất thu với tỷ lệ cao dẫn đến ngân hàng bị lỗ và mất vốn, có thể bị phá

sản, gây hậu quả nghiêm trọng cho nền kinh tế nói chung và hệ thống ngân hàng nói

riêng. Chính vì vậy pháp luật đòi hỏi các nhà quản trị ngân hàng bắt buộc phải xây

dựng hệ thống quản lý tín dụng thích hợp nhằm giảm thiểu rủi ro trong hoạt động tín

dụng.

1.3. Quản trị rủi ro tín dụng

1.3.1. Khái niệm và mục tiêu của quản trị rủi ro tín dụng

- Khái niệm :

Theo Tổ chức Moody’s Analytics, quản trị RRTD là một quá trình thực hiện các

biện pháp giảm tổn thất bằng cách hiểu một cách đầy đủ về vốn và dự phòng RRTD

trong một khoảng thời gian nhất định. Với quan điểm này thì quản trị RRTD thực

chất là việc nhà quản trị có những biện pháp để quản lý vốn và dự phòng cho RRTD.

Một cách phát biểu khác của Ủy ban Basel cho rằng, quản trị RRTD là việc thực

hiện các biện pháp tối đa hóa tỷ suất sinh lời điều chỉnh theo RRTD bằng cách duy trì

số dư tín dụng trong phạm vi các tham số cho phép. Khái niệm về quản trị RRTD của

Ủy ban Basel đã làm rõ được vấn đề đó là mục đích của quản trị RRTD là tối đa hóa

lợi nhuận dựa trên cơ sở đảm bảo tổn thất do RRTD gây ra nằm trong giới hạn mà

ngân hàng có thể chấp nhận được.

Theo khung quản trị RRTD của ngân hàng Standard Charter (năm 2012), quản

trị RRTD là quá trình quản lý RRTD thông qua thiết lập khung các chính sách và thủ

tục, nhằm kiểm soát việc đo lường và quản lý RRTD. Trong khi đó, tài liệu hướng

dẫn quản trị RRTD của MAS (Singapore) cho biết, quản trị RRTD là quá trình nhận

diện, đo lượng, đánh giá, giám sát, kiểm soát và báo cáo RRTD thông qua thiết lập

khung các chính sách và thủ tục, nhằm kiểm soát việc đo lường và quản lý RRTD.

- Mục tiêu :

Mục tiêu của quản lý rủi ro là để đảm bảo sự không chắc chắn này không làm

lệch hướng các hoạt động của các mục tiêu kinh doanh.

1.3.2. Các nguyên tắc trong quản trị rủi ro tín dụng

– Nguyên tắc 1 : Phê duyệt và xem xét Chiến lược rủi ro tín dụng theo định kỳ,

xem xét những vấn đề như : mức độ rủi ro có thể chấp nhận được, mức độ khả năng

sinh lời.

– Nguyên tắc 2 : Thực hiện Chiến lược chính sách tín dụng. Xây dựng các chính

sách tín dụng. Xây dựng các quy trình thủ tục cho các khoản vay riêng lẻ và toàn bộ

danh mục tín dụng nhằm xác định, đánh giá, quản lý và kiểm soát rủi ro tín dụng.

– Nguyên tắc 3 : Xác định và quản lý rủi ro tín dụng trong tất cả các sản phẩm

và các hoạt động. Đảm bảo rằng các sản phẩm và hoạt động mới đều trải qua đầy đủ

các thủ tục, các quy trình kiểm soát thích hợp và được phê duyệt đầy đủ.

– Nguyên tắc 4 : Tiêu chuẩn cấp tín dụng đầy đủ gồm có những hiểu biết về

người vay, mục tiêu và cơ cấu tín dụng, nguồn thanh toán.

– Nguyên tắc 5 : Thiết lập hạn mức tín dụng tổng quát cho từng khách hàng

riêng lẻ, nhóm những khách hàng vay có liên quan tới nhau, trong và ngoài bảng cân

đối kế toán.

– Nguyên tắc 6 : Có các quy trình rõ ràng được thiết lập cho việc phê duyệt các

khoản tín dụng mới, gia hạn các khoản tín dụng hiện có.

– Nguyên tắc 7 : Việc cấp tín dụng cần phải dựa trên cơ sở giao dịch thương mại

thông thường, quản lý chặt chẽ các khoản vay đối với các doanh nghiệp và cá nhân có

liên quan, làm giảm bớt rủi ro cho vay đối với các bên có liên quan.

– Nguyên tắc 8 : Áp dụng quy trình quản lý tín dụng có hiệu quả và đầy đủ đối

với các danh mục tín dụng.

– Nguyên tắc 9 : Có hệ thống kiểm soát đối với các điều kiện liên quan đến từng

khoản tín dụng riêng lẻ, đánh giá tính đầy đủ của các khoản dự phòng rủi ro tín dụng.

– Nguyên tắc 10 : Xây dựng và sử dụng hệ thống đánh giá rủi ro nội bộ. Hệ

thống đánh giá cần phải nhất quán với các hoạt động của ngân hàng.

– Nguyên tắc 11 : Hệ thống thông tin và kỹ thuật phân tích giúp Ban quản lý

đánh giá rủi ro tín dụng cho các hoạt động trong và ngoài bảng cân đối kế toán, cung

cấp thông tin về cơ cấu và thành phần danh mục tín dụng, bao gồm cả việc phát hiện

các tập trung rủi ro.

– Nguyên tắc 12 : Có hệ thống nhằm kiểm soát đối với cơ cấu tổng thể của danh

mục tín dụng, chất lượng danh mục tín dụng.

– Nguyên tắc 13 : Xem xét ảnh hưởng của những thay đổi về điều kiện kinh tế

có thể xảy ra trong tương lai trong những tình trạng khó khăn khi đánh giá danh mục

tín dụng.

– Nguyên tắc 14 : Thiết lập hệ thống xem xét tín dụng độc lập và liên tục và cần

thông báo kết quả đánh giá cho Hội đồng quản trị và ban quản lý cấp cao.

– Nguyên tắc 15 : Quy trình cấp tín dụng cần phải được theo dõi đầy đủ, cụ thể :

Việc cấp tín dụng phải tuân thủ với các tiêu chuẩn thận trọng, thiết lập và áp dụng

kiểm soát nội bộ, những vi phạm về các chính sách, thủ tục và hạn mức tín dụng cần

được báo cáo kịp thời.

– Nguyên tắc 16 : Có hệ thống quản lý đối với các khoản tín dụng có vấn đề.

❖ Hậu quả của rủi ro tín dụng đối với ngân hàng

1.3.3. Hậu quả của quản trị rủi ro tín dụng

Việc không thu hồi được nợ (gốc, lãi và các khoản phí) làm cho nguồn vốn của

các NHTM bị thất thoát, trong khi đó, các ngân hàng này vẫn phải chi trả tiền lãi cho

nguồn vốn hoạt động, làm cho lợi nhuận bị giảm sút. Nếu lợi nhuận không đủ thì

ngân hàng còn phải dùng chính vốn tự có của mình để bù đắp thiệt hại. Điều này có

thể làm ảnh hưởng đến quy mô hoạt động của các NHTM.

Mặt khác, tỷ lệ nợ quá hạn cao làm cho uy tín, niềm tin vào tiềm lực tài

chính của ngân hàng bị suy giảm, dẫn đến làm giảm khả năng huy động vốn của ngân

hàng, nghiêm trọng hơn nó có thể dẫn đến rủi ro thanh khoản, đẩy ngân hàng đến bờ

vực phá sản và đe dọa sự ổn định của toàn bộ hệ thống ngân hàng.

❖ Hậu quả của rủi ro tín dụng đối với khách hàng

Đối với bản thân chủ thể không có khả năng hoàn trả vốn (lãi) cho ngân hàng

thì họ gần như không có cơ hội tiếp cận với nguồn vốn ngân hàng và thậm chí là cả

những nguồn khác trong nền kinh tế do đã mất đi uy tín. Cơ hội tiếp cận vốn ngân

hàng của các chủ thể đi vay khác cũng bị hạn chế hơn khi rủi ro tín dụng buộc các

NHTM hoặc thắt cho vay hay thậm chí phải thu hẹp quy mô hoạt động.

Các chủ thể gửi tiền vào ngân hàng có nguy cơ không thu hồi được khoản tiền

❖ Hậu quả của rủi ro tín dụng đối với nền kinh tế

gửi và lãi nếu như các ngân hàng lâm vào tình trạng phá sản.

Hệ thống ngân hàng có mối quan hệ chặt chẽ với nền kinh tế, là kênh thu hút

và cung cấp tiền cho các tổ chức, doanh nghiệp và cá nhân trong nền kinh tế. Do đó,

rủi ro tín dụng có ảnh hưởng trực tiếp đến nền kinh tế.

Ở mức độ thấp, rủi ro tín dụng khiến cơ hội tiếp cận vốn mở rộng hoạt động sản

xuất kinh doanh hoặc tiêu dùng của các khách hàng bị hạn chế, ảnh hưởng xấu đến

khả năng tăng trưởng của nền kinh tế.

Ở mức độ cao hơn, khi có một ngân hàng lâm vào tình trạng khó khăn dẫn đến

phá sản, thì hiệu ứng dây chuyền rất dễ xảy ra trong toàn bộ hệ thống ngân hàng, gây

nên khủng hoảng đối với toàn bộ nền kinh tế, ảnh hưởng tiêu cực đến đời sống xã hội

và sự phát triển của đất nước.

Kết luận của chương 1:

Chương này báo cáo đã tập trung trình bày các báo cáo tổng quan về rủi ro, hoạt

động rủi ro, quản trị rủi ro tín dụng, các nguyên tắc quản trị rủi ro. Đặc biệt, chương

này đã chỉ ra được những nguyên nhân, hậu quả của rủi ro cũng quản trị rủi ro tín

dụng trong hoạt động kinh doanh tín dụng trong hệ thống các ngân hàng thương mại.

CHƯƠNG 2 :

MỘT SỐ PHƯƠNG PHÁP PHÂN TÍCH RỦI RO TÍN DỤNG

2.1. Phương pháp mô hình cây quyết định

2.1.1. Giới thiệu

2.1.1.1. Mô hình cây quyết định

Cây quyết định (decision tree) là một trong những hình thức mô tả dữ liệu trực

quan nhất, dễ hiểu nhất đối với người dùng. Cấu trúc của một cây quyết định bao gồm

các nút và các nhánh. Nút dưới cùng được gọi là nút lá, trong mô hình phân lớp dữ

liệu chính là các giá trị của các nhãn lớp (gọi tắt là nhãn). Các nút khác nút lá được

gọi là các nút con, đây còn là các thuộc tính của tập dữ liệu, hiển nhiên các thuộc tính

này phải khác thuộc tính phân lớp. Mỗi một nhánh của cây xuất phát từ một nút p nào

đó ứng với một phép so sánh dựa trên miền giá trị của nút đó. Nút đầu tiên được gọi

là nút gốc của cây. Xem xét một ví dụ về một cây quyết định như sau :

Bảng 2.1. Bảng dữ liệu quan sát thời tiết trong 2 tuần

Từ bảng dữ liệu 2. 1. ta xây dựng được cây quyết định như sau:

2.1. Mô hình cây quyết định

Cây quyết định của ví dụ trên có thể được giải thích như sau: các nút lá chứa các

giá trị của thuộc tính phân lớp (thuộc tính “Play”). Các nút con tương ứng với các

thuộc tính khác thuộc tính phân lớp; nút gốc cũng được xem như một nút con đặc

biệt, ở đây chính là thuộc tính “Outlook”. Các nhánh của cây từ một nút bất kỳ tương

đương một phép so sánh có thể là so sánh bằng, so sánh khác, lớn hơn nhỏ hơn…

nhưng kết quả các phép so sánh này bắt buộc phải thể hiện một giá trị logic (Đúng

hoặc Sai) dựa trên một giá trị nào đó của thuộc tính của nút. Lưu ý cây quyết định

trên không có sự tham gia của thuộc tính “thu nhập” trong thành phần cây, các thuộc

tính như vậy được gọi chung là các thuộc tính dư thừa bởi vì các thuộc tính này không

ảnh hưởng đến quá trình xây dựng mô hình của cây.

Các thuộc tính tham gia vào quá trình phân lớp thông thường có các giá trị liên

tục hay còn gọi là kiểu số (ordered or numeric values) hoặc kiểu rời rạc hay còn gọi là

kiểu dữ liệu phân loại (unordered or category values). Ví dụ kiểu dữ liệu lương biểu

diễn bằng số thực là kiểu dữ liệu liên tục, kiểu dữ liệu giới tính là kiểu dữ liệu rời rạc

(có thể rời rạc hóa thuộc tính giới tính một cách dễ dàng).

2.1.1.2. Chiến lược cơ bản để xây dựng cây quyết định

Bắt đầu từ nút gốc chứa tất cả các mẫu; •

• Nếu các mẫu thuộc về cùng một lớp, nút trở thành nút lá và được gán nhãn

bằng lớp đó;

• Ngược lại, dùng độ đo thuộc tính để chọn thuộc tính sẽ phân tách tốt nhất

các mẫu vào các lớp;

• Một nhánh được tạo cho từng giá trị của thuộc tính được chọn và các mẫu

được phân hoạch theo;

• Dùng để quy cùng một quá trình trên để tạo cây quyết định;

• Tiến trình kết thúc chỉ khi bất kỳ điều kiện nào sau đây là đúng.

- Tất cả các mẫu cho một nút cho trước đều thuộc về cùng một lớp.

- Không còn thuộc tính nào mà mẫu có thể dựa vào để phân hoạch xa

hơn.

- Không còn mẫu nào để phân lớp.

Tuy nhiên, nếu không chọn được thuộc tính phân lớp hợp lý tại mỗi nút, ta sẽ

tạo cây rất phức tạp, ví dụ như cây dưới đây:

2.2. Mô hình cây quyết định phức tạp

Như vậy, vấn đề đặt ra là phải chọn được thuộc tính phân lớp tốt nhất. Phần tiếp

theo sẽ giới thiệu các tiêu chuẩn, dựa vào các tiêu chuẩn này, ta sẽ chọn ra thuộc tính

phân lớp tốt nhất tại mỗi nút.

2.1.1.3. Thuận lợi và hạn chế của mô hình cây quyết định

❖ Một số thuận lợi sau đây của cây quyết định được xem như là một công

cụ phân loại mà đã chỉ ra trong tài liệu này:

1) Cây quyết định tự giải thích và khi được gắn kết lại, chúng có thể dễ dàng

tự sinh ra. Nói cách khác, nếu cây quyết định mà có số lượng nút lá vừa

phải thì người không chuyên cũng dễ dàng hiểu được nó. Hơn nữa, cây

quyết định cũng có thể chuyển sang tập luật. Vì vậy, cây quyết định được

xem như là dễ hiểu;

2) Cây quyết định có thể xử lý cả thuộc tính tên và số đầu vào;

3) Thể hiện của cây quyết định là đủ đa dạng để biểu diễn cho bất kỳ giá trị

rời rạc nào;

4) Cây quyết định có khả năng xử lý các bộ dữ liệu mà có thể gây ra lỗi;

5) Cây quyết định có khả năng xử lý các bộ dữ liệu mà có giá trị rỗng;

6) Cây quyết định được xem như là một phương pháp phi tham số. Điều này

có nghĩa là cây quyết định không có giả định về sự phân chia bộ nhớ và

cấu trúc phân lớp.

❖ Bên cạnh đó, cây quyết định cũng có những bất lợi sau đây:

1) Hầu hết các thuật toán (như ID3 hoặc C4.5) bắt buộc các thuộc tính mục

tiêu phải là các giá trị rời rạc;

2) Khi cây quyết định sử dụng phương pháp “chia để trị”, chúng có thể thực

hiện tốt nếu tồn tại một số thuộc tính liên quan chặt chẽ với nhau, nhưng sẽ

khó khăn nếu một số tương tác phức tạp xuất hiện. Một trong những

nguyên nhân gây ra điều này là những sự phân lớp mà có mô tả rất mạch

lạc về việc phân lớp cũng có thể gặp khó khăn trong việc biểu diễn bằng

cây quyết định. Một minh họa đơn giản của hiện tượng này là vấn đề tái

tạo cây quyết định (Pagallo và Huassler, 1990). Khi mà hầu hết các cây

quyết định phân chia không gian thể hiện thành những khu vực loại trừ lẫn

nhau để biểu diễn một khái niệm, trong một số trường hợp, cây nên chứa

một vài cây con giống nhau trong thứ tự thể hiện của việc phân lớp. Ví dụ,

nếu khái niệm sau mà thể hiện theo hàm nhị phân: y = (A1∩ A2) ∪ (A3∩

A4) thì cây quyết định đơn biến tối thiểu mà biểu diễn hàm này đã được

biểu diễn trong phần 9.3. Lưu ý là cây có chứa 2 bản sao của cùng một cây

con;

3) Các đặc tính liên quan của cây quyết định dẫn đến những khó khăn khác

như là độ nhạy với tập huấn luyện, các thuộc tính không phù hợp, nhiễu.

(Quinlan, 1993).

2.1.2. Một số thuật toán

Với tiêu chí xây dựng cây quyết định ngày càng đơn giản, cho độ chính xác

phân lớp cao, chi phí thấp, có khả năng mở rộng, … thì có rất nhiều tác giả đã cho ra

đời các thuật toán ngày càng tối ưu hơn. Một số thuật toán tiêu biểu sau :

Bảng 2. 2. Một số thuật toán xây dựng cây quyết định

Algorithms References

CLS (Concept learning System) C. I. Hovland và E. B. Hunt

CART (Classification And Regression Tree) Breiman et al. (1984)

ID3(Interactive Dichotomizer 3) Quinlan (1986)

Quinlan (1993) C4.5

CHAID (CHi-squared Automatic Interaction Kass (1980)

LohandShih (1997) Detecor) QUEST

Muller and Wysotzki (1994) CAL5

Loh and Vanichsetakul(1988) FACT

Brodley and Utgoff (1995) LMDT

Holte (1993) T1

Rastogi and Shim (2000) PUBLIC

Friedman (1991) MARS

SLIQ (Supervised Learning in Quest) Mehta (1996)

SPRINT (A Scalable Parallel Classifier for Shafer, Agrawal, Mehta

DataMining) …. ….

Trong phạm vi đồ án môn học này chúng tôi xin trình bày cụ thể 4 thuật toán

gồm thuật toán CLS, ID3, C4.5, SPRINT.

2.1.2.1. Thuật toán ID3

Thuật toán ID3 được phát biểu bởi tác giả Quinlan (trường đại học Syney,

Australia) và được công bố vào cuối thập niên 70 của thế kỷ 20. Sau đó, thuật toán

này được giới thiệu và trình bày trong mục Induction on decision trees, machine

learning năm 1986. ID3 được xem như là một cải tiến của CLS với khả năng lựa chọn

thuộc tính tốt nhất để tiếp tục triển khai cây tại mỗi bước. ID3 xây dựng cây quyết

định từ trên- xuống (top -down). ID3 sử dụng độ đo Information Gain (trình bày ở

2.1.1.1) để đo tính hiệu quả của các thuộc tính phân lớp. Trong quá trình xây dựng

cây quyết định theo thuật toán ID3 tại mỗi bước phát triển cây, thuộc tính được chọn

để triển khai là thuộc tính có giá trị Gain lớn nhất. Hàm xây dựng cây quyết định

trong thuật toán ID3 [2]

Function induce_tree (tập_ví_dụ, tập_thuộc_tính)

begin

if mọi ví dụ trong tập_ví_dụ đều nằm trong cùng một lớp then

return một nút lá được gán nhãn bởi lớp đó

else if tập_thuộc_tính là rỗng then

return nút lá được gán nhãn bởi tuyển của tất cả các lớp trong

tập_ví_dụ

else begin

chọn một thuộc tính P, lấy nó làm gốc cho cây hiện tại;

xóa P ra khỏi tập_thuộc_tính;

với mỗi giá trị V của P

begin

tạo một nhánh của cây gán nhãn V;

Đặt vào phân_vùng các ví dụ trong tập_ví_dụ có giá trị V

V

tại thuộc tính P;

Gọi induce_tree (phân_vùng , tập_thuộc_tính), gắn kết quả

V

vào nhánh V

end

Xét ví dụ 3.1 cho thuật toán ID3:

- Gọi tập huấn luyện là S, số mẫu thuộc lớp Có ký hiệu là (+) và số mẫu thuộc lớp

Không ký hiệu là (-), ta có S [9+,5-] tức tập huấn luyện S có 14 mẫu trong đó có

9 mẫu thuộc lớp Có và 5 mẫu thuộc lớp Không.

- Để xác định thuộc tính phân lớp ta cần tính Information Gain cho từng thuộc

tính của mẫu huấn luyện:

o Thuộc tính Quang Cảnh

Value (QC)= {Nắng, Mưa, Âm u}

Gọi SNắng là tập các mẫu có QC=Nắng ta có SNắng=[2+,3-]

Tương tự ta có SMưa= [3+,2-], SÂm u=[4+,0-]

𝐺𝑎𝑖𝑛(𝑆, 𝑄𝐶) = 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆)

𝑉𝜖𝑉𝑎𝑙𝑢𝑒(𝑄𝐶)

− ∑ 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆𝑣) |𝑆𝑣| |𝑆|

= 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆) − 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆𝑁ắ𝑛𝑔) − 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆Â𝑚𝑢) 5 14 4 14

× 0.971 − × 0 − × 0.971 − 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆𝑀ư𝑎) = 0.94 − 5 14 4 14 5 14 5 14

≈ 0.246

Tư tượng đối với các thuộc tính Nhiệt độ, Độ ẩm, Gió ta có Gain tương ứng như sau:

- Gain (S, ND) = 0.029

- Gain (S, DA) = 0.151

- Gain (S, G) = 0.048

➔ Chọn Quang cảnh làm thuộc tính phân lớp vì có Gain lớn nhất

- Vẽ cây quyết định:

Nắng

Mưa

Quang Cảnh

Âm u

[D4, D5, D6, D10, D14]

[D1, D2, D8, D9, D11] S Nắng[2+,3-] [D3, D7, D12, D13] S Âm u[4+,0-]

S Mưa[3+,2-]

???

Có

???

Do Quang cảnh=Nắng và Quang cảnh=Mưa chưa xác định được thuộc tính

phân lớp nên ta chia tập huấn liệu thành 2 bảng như hình trên và tiếp tục tìm thuộc

Quang Cảnh

Mưa

Nắng

Âm u

[D1, D2, D8, D9, D11]

[D4, D5, D6, D10, D14]

[D3, D7, D12, D13] S Âm u[4+,0-]

S Nắng[2+,3-] Độ ẩm

tính phân lớp cho 2 bảng mẫu huấn luyện. Kết quả cuối cùng ta có cây quyết định sau:

Có

SMưa[3+,2-] Gió

Cao

Nhẹ

Mạnh

S cao[0+,3-]

S TB[2+,0-]

S Mạnh[0+,2-]

S Nhẹ[3+,0-]

Có

không

Có

Từ cây quyết định trên tạo ra các luật:

– R1: IF QC=Âm u THEN Chơi Tennis=Có.

– R2: IF QC=Nắng AND Độ ẩm=TB THEN Chơi Tennis=Có.

– R3: IF QC=Nắng AND Độ ẩm=Cao THEN Chơi Tennis=Không.

– R4: IF QC=Mưa AND Gió=Nhẹ THEN Chơi Tennis=Có

– R5: IF QC=Mưa AND Gió=Mạnh THEN Chơi Tennis=Không

Nhận xét: Với việc tính toán giá trị Gain để lựa chọn thuộc tính tối ưu cho việc

triển khai cây, thuật toán ID3 được xem là một cải tiến của thuật toán CLS. Tuy nhiên

thuật toán ID3 còn các vấn đề chưa được giải quyết như sau:

o Vấn đề overfitting.

o Độ đo Information Gain chưa thật sự tốt vì còn thiên về các thuộc tính có

nhiều giá trị.

o Xử lý các thuộc tính có kiểu giá trị liên tục (ví dụ như kiểu số thực).

o Xử lý các bộ học thiếu giá trị thuộc tính (missing-value attributes).

o Xử lý các thuộc tính có chi phí (cost) khác nhau.

o Vấn đề này sẽ được giải quyết trong thuật toán C4.5 sau đây.

2.1.2.2. Thuật toán C4.5

Thuật toán C4.5 cũng được tác giả Quinlan phát triển và công bố vào năm 1996.

Thuật toán này là một thuật toán được cải tiến từ thuật toán ID3 và giải quyết hầu hết

các vấn đề mà ID3 chưa giải quyết như đã nêu trên. Nó thực hiện phân lớp tập mẫu

dữ liệu theo chiến lược ưu tiên theo chiều sâu (Depth - First).

➢ Thuật toán xây dựng cây quyết định C4.5

Function xay_dung_cay(T)

{

;

khác lớp>Then

Else ;

For Do ;

trị Gain

tốt nhất (lớn nhất). Gọi N.test là thuộc tính có Gain lớn

Mô tả thuật toán dưới dạng giả mã như sau:

nhất>;

If Then

phép tách của N.test>;

For Do

( T` được tách ra theo quy tắc:

- Nếu N.test là thuộc tính liên tục tách theo ngưỡng ở bước 5

- Nếu N.test là thuộc tính phân loại rời rạc tách theo các giá trị

của thuộc tính này.

)

{ If } Then

;

Else

với hàm xay_dung_cay(T'), với tập T'>;

}

;

}

2.1.2.3. Một số cài tiến của thuật toán C4.5 so với thuật toán ID3 ❖ Chọn độ đo Gain Ratio

Thuật toán ID3 sử dụng độ đo Information Gain để tìm thuộc tính phân lớp tốt

nhất nhưng xu hướng của Information Gain là ưu tiên chọn thuộc tính có nhiều giá trị

làm thuộc tính phân lớp.

Thật vậy, ta xét ví dụ với tập huấn luyện sau:

Outlook Temp

Humidity Windy

Play

A A B E A B E A D E

Hot Hot Hot Mild Cool Cool Cool Mild Cool Mild

High High High High Normal Normal Normal High Normal Normal

Weak Strong Weak Weak Weak Strong Strong Weak Weak Weak

No No Yes Yes Yes No Yes No Yes Yes

A B C D

Mild Mild Hot Mild

Normal High Normal High

Strong Strong Weak Strong

Yes Yes Yes No

Test bằng Tool WEKA ta được kết quả sau:

Test bằng WEKA

Rõ ràng Information Gain chọn thuộc tính có nhiều giá trị (Outlook) làm thuộc

tính phân lớp. Kết quả cho cây quyết định phức tạp hơn, sinh ra nhiều luật hơn. Trong

thuật toán C4.5, tác giả Quinlan đã giải quyết vấn đề này bằng cách sử dụng 1 độ đo

khác là Gain Ratio, làm giảm ảnh hưởng của các thuộc tính có nhiều giá trị.

❖ Xử lý các thuộc tính có kiểu giá trị liên tục

Thuộc tính kiểu giá trị liên tục là:

Ngày Quang Cảnh Nhiệt độ Độ ẩm Gió Chơi Tennis

D1 Nắng 85 85 Nhẹ Không

D2 Nắng 80 90 Mạnh Không

D3 Âm u 83 78 Nhẹ Có

D4 Mưa 70 96 Nhẹ Có

D5 Mưa 68 80 Nhẹ Có

D6 Mưa 65 70 Mạnh Không

D7 Âm u 64 65 Mạnh Có

D8 Nắng 95 72 Nhẹ Không

D9 Nắng 70 69 Nhẹ Có

D10 Mưa 80 75 Nhẹ Có

D11 Nắng 70 75 Mạnh Có

D12 Âm u 90 72 Mạnh Có

D13 Âm u 75 81 Nhẹ Có

D14 Mưa 80 71 Mạnh Không

Trong thuật toán ID3 không phân biệt thuộc tính kiểu giá trị liên tục và thuộc

tính kiểu giá trị rời rạc, mà chỉ xem thuộc tính kiểu giá trị liên tục như một thuộc tính

có nhiều giá trị, và phạm phải khuyết điểm trên là ưu tiên chọn thuộc tính này làm

thuộc tính phân lớp. Giả sử thuộc tính A có các giá trị v1, v2,…, vN, thuật toán C4.5 đã

giải quyết vấn đề này như sau:

• Trước tiên, sắp xếp các giá trị của thuộc tính A tăng dần ví dụ như từ v1,

v2,.., vN.

Chia giá trị của thuộc tính A thành N-1 “ngưỡng” Tính Information Gain •

ứng với N-1 “ngưỡng”.

• Chọn “ngưỡng” có Information Gain cao nhất làm “ngưỡng” tốt nhất của

A, Gain (S, A) là giá trị Gain cao nhất của “ngưỡng” chọn.

Nhận xét: Việc tìm ngưỡng theo thuật toán C4.5 rất tốn thời gian để tính Gain

cho N-1 ngưỡng. Sau có nhiều tác giả đã nghiên cứu để tìm cách tìm ngưỡng nhanh

hơn như Fayyad (1991), Utgoff, Brodley, Murthy et al.

❖ Làm việc với thuộc tính thiếu giá trị

Thuật toán xây dựng dựa vào giả thuyết tất cả các mẫu dữ liệu có đủ các thuộc

tính. Nhưng trong thực tế, xảy ra hiện tượng dữ liệu bị thiếu, tức là ở một số mẫu dữ

liệu có những thuộc tính không được xác định hoặc mâu thuẫn, hoặc không bình

thường. Ta xem xét kỹ hơn với trường hợp dữ liệu bị thiếu. Đơn giản nhất là không

đưa các mẫu với các giá trị bị thiếu vào, nếu làm như vậy thì có thể dẫn đến tình trạng

thiếu các mẫu học. Một số cách khác được đề xuất ở thuật toán C4.5 như sau:

• Giả sử thuộc tính A là một ứng cử cho thuộc tính kiểm tra ở nút n;

• Xử lý thế nào với bộ X thiếu giá trị đối với thuộc tính A (tức là XA là không

xác định);

• Gọi Sn là tập các mẫu học gắn với nút n có giá trị đối với thuộc tính A;

– Giải pháp 1: XA là giá trị phổ biến nhất đối với thuộc tính A trong số các

bộ thuộc tập Sn;

– Giải pháp 2: XA là giá trị phổ biến nhất đối với thuộc tính A trong số các

bộ Sn có cùng phân lớp với X;

– Giải pháp 3:

✓ Tính xác suất pv đối với mỗi giá trị có thể V của thuộc tính A;

✓ Gán phần pv của bộ X đối với nhánh tương ứng của nút n;

✓ Giá trị pv này được dùng tính Gain và hơn nữa để chia nhỏ nhánh tiếp

theo của cây nếu có thuộc tính thứ 2 có lỗi (thiếu giá trị) Xét ví dụ sau:

Ngày Quang Cảnh Nhiệt độ Độ ẩm Gió Chơi Tennis

D1 Nắng Nóng Cao Nhẹ Không

D2 Nắng Nóng Cao Mạnh Không

D3 Âm u Nóng Cao Nhẹ Có

D4 Mưa Ấm áp Cao Nhẹ Có

D5 Mưa Mát TB ??? Có

D6 Mưa Mát TB Mạnh Không

D7 Âm u Mát TB Mạnh Có

D8 Nắng Ấm áp Cao Nhẹ Không

D9 Nắng Mát TB Nhẹ Có

D10 Mưa Ấm áp TB Nhẹ Có

D11 Nắng Ấm áp TB Mạnh Có

D12 Âm u Ấm áp Cao Mạnh Có

D13 Âm u Nóng TB Nhẹ Có

D14 Mưa Ấm áp Cao Mạnh Không

Tại mẫu huấn luyện D5 có thuộc tính không rõ giá trị là thuộc tính Gió, theo 3

giải pháp trên ta tìm giá trị cho thuộc tính ở mẫu này như sau:

• Giải pháp 1: Xét trên toàn tập S có 13 mẫu, trong đó số mẫu có Gió =

Mạnh là 6 và số mẫu có Gió = Nhẹ là 7. Vậy giá trị “Nhẹ” phổ biến hơn

nên ta chọn “Nhẹ” điền vào giá trị thiếu ở mẫu D5.

• Giải pháp 2: Chỉ xét trên lớp mà mẫu D5 thuộc, đó là lớp “Có”. Số mẫu

thuộc lớp “Có” lúc này là 8, trong đó số mẫu có Gió = Mạnh là 3 và số

mẫu có Gió = Nhẹ là 5. Vậy giá trị “Nhẹ” phổ biến hơn nên ta chọn “Nhẹ”

điền vào giá trị thiếu ở mẫu D5.

• Giải pháp 3: Gió có 2 giá trị là “Nhẹ” và “Mạnh”. Tính xác suất ứng với 2

giá trị này:

P (Gió = Nhẹ ) = 7/13; -

P (Gió = Mạnh ) =6/13. -

Xác suất của Gió=Nhẹ cao hơn nên ta chọn “Nhẹ” điền vào giá trị thiếu ở mẫu D5.

❖ Xử lý các thuộc tính có giá trị chi phí

Trong việc học để phân lớp các bệnh y tế, Blood Test có chi phí $150 trong khi

Temperature Test có chi phí $10, ta nên chọn thuộc tính nào để chi phí trị bệnh là

thấp nhất! Theo xu hướng học cây quyết định:

Sử dụng càng nhiều các thuộc tính có chi phí thấp càng tốt. •

Chỉ sử dụng các thuộc tính có chi phí cao khi cần thiết (để giúp đạt •

được các phân loại đáng tin cậy).

Làm sao để học một cây quyết định với chi phí thấp? Vấn đề này đã được 2 tác

giả Tan và Schimmer (1990) giải quyết bằng cách sử dụng các đánh giá khác của

Information Gain cho việc xác định thuộc tính phân lớp theo công thức sau:

𝐺𝑎𝑖𝑛2(𝑆, 𝐴) 𝐶𝑜𝑠𝑡(𝐴)

Đến năm 1991, tác giả Nunez đưa ra một cách công thức khác:

2𝐺𝑎𝑖𝑛(𝑆,𝐴) − 1 (𝐶𝑜𝑠𝑡(𝐴) + 1)𝑤

2.2. Phương pháp mô hình Merton-KMV

2.2.1. Giới thiệu mô hình

Năm 1989, công ty KMV được thành lập trong lĩnh vực quản lý rủi ro, người

điều hành của công ty phát triển mô hình KMV dựa trên mô hình Merton vào năm

1990. Mô hình KMV được thiết lập dựa trên mô hình Merton nhưng mở rộng về công

cụ tính toán thực nghiệm và kiểm tra dựa trên cơ sở dữ liệu lớn của KMV.

Đại lượng trọng điểm của mô hình KMV vào xác suất vỡ nợ (EDF). EDF là xác

suất mà một công ty sẽ vợ nợ trong vòng một năm theo phương pháp tính toán KMV.

Với giả sử giá trị tài sản Vt của công ty thỏa mãn phương trình vi phân ngẫu

nhiên

Vì ; là rất nhỏ nên ta thu được công thức xấp xỉ như sau:

Với DD là khoảng cách tới vỡ nợ

Trong mô hình vì áp dụng cho một công ty trong thực tế nên B sẽ được gọi là

điểm vỡ nợ và được xác định B = nợ ngắn hạn + ½ nợ dài hạn. V0 là giá trị thị trường

của công ty. độ biến động.

Vậy để xác định xác suất vỡ nợ thì ta cần xác định khoảng cách tới vỡ nợ. Vậy

nếu DD càng lớn thì xác suất vỡ nợ trong 1 năm càng thấp.

2.2.2. Ưu nhược điềm của mô hình

Mô hình Merton có ưu điểm: Mô hình Merton đơn giản trong tính toán; và mặc

dù đơn giản, nhưng cho người ta những kết quả giải thích được nhiều ý nghĩa trong

tài chính. Mô hình Merton có các nhược điểm:

Mô hình Merton chỉ xét cho công ty có 1 khoản nợ, dẫn đến công ty chỉ có thể

vỡ nợ hay không ở một thời điểm là T. Trong thực tế, cấu trúc nợ của các công ty rất

phức tạp và công ty có thể vỡ nợ ở nhiều thời điểm khác nhau.

Mô hình Merton đồng nhất vỡ nợ (default) với giải thể công ty (liquidation);

trong thực tế, việc giải thể một công ty cần phải tuân thủ theo pháp luật của từng quốc

gia.

Mô hình Merton được xây dựng trên “thế giới Gaussian” – biến lnVt phải tuân

theo phân phối chuẩn (giả định này bắt nguồn từ mô hình Black-Schole). Mặc dù giả

định này vẫn phổ biến trong tài chính nhưng nó bị chỉ trích nhiều trong giới học thuật

(nổi tiếng nhất là trong cuốn sách Thiên nga đen của Nicholas Taleb (2007)) và nhiều

khi bị bác bỏ bởi các kiểm định thống kê.

2.3. Phương pháp Gaussian

Giả sử rằng bạn là chủ một hồ sơ tín dụng có thể được tham chiếu đến như là hồ

sơ N. Bạn muốn dự báo những khả năng mất mát có thể xảy ra trong một năm tiếp

theo từ ngày hôm nay. Mỗi mục cho vay A trong hồ sơ có một sự kiện mặc định tại

một vài thời điểm đã được tính toán trước. Tại những sự kiện đó, khoản vay được

phân tách thành một giá trị là A. Thông thường, chủ hồ sơ, đến nay, đã khai báo khả

năng trả nợ hoặc là không trả được tại thời điểm mặc định đó với cả khả năng trả đủ

hoặc không đủ số nợ tương ứng với tài sản của mình. Tương lai mất mát cho hồ sơ tín

dụng A sẽ là khác nhưng nếu chúng ta xem xét ở thời điểm 1 năm sau đó và xem xét

tại thời điểm hiện tại, khả năng trả nợ thay đổi tương ứng với độ dịch chuyển A. Bây

giờ chúng ta sẽ định nghĩa một mô hình cho sự thay đổi, tương ứng với việc xem xét

ở thời điểm vỡ nợ A:

Có 2 nguyên nhân cho việc mô hình hóa sự tổn thất thông qua một hồ sơ tương

ứng với việc xem xét tại thời điểm vỡ nợ và không có mối liên hệ nào với việc xem

xét tại thời điểm hiện tại: trước tiên, để tránh hiệu ứng hàng loạt đối với các khoản

vay nhỏ, có sự hướng dẫn tiềm năng đối với những sự thay đổi không lý do liên quan

đến việc xét tại thời điểm hiện tại, trong suốt quá trình điều chỉnh và thứ hai để so

sánh các nguyên tắc Base II với mô hình Gaussian.

❖ Hồ sơ bị tổn thất là:

Đó là một giả thuyết mạnh trong việc mô hình hóa rủi ro của hồ sơ tín dụng mà

sự tổn thất đó không phải là độc lập một cách ngẫu nhiên. Trong trường hợp của các

hồ sơ tín dụng bị nợ xấu, thành phần ngẫu nhiên là sự tổn thất mang lại bởi vỡ nợ và

có những sự liên hệ giữa những tổn thất này đã được báo cáo bởi báo cáo của Gupton

(năm 2000). Chúng ta mô hình hóa tính phụ thuộc với chúng.

Sự gián đoạn của nền kinh tế được mô hình hóa bởi Y và rủi ro đối với tài sản

đảm bảo của hồ sơ tín dụng được ước lượng bởi biến chúng ta giả sử rằng Y và các

biến là độc với nhau. Tính phụ thuộc giữa hai sự tổn thất được xác định bởi sự biến

động của Y và sự biến động của các biến. Giả thuyết này bao hàm sự biến động của

khả năng thanh toán và sự tương quan như nhau cho bất kỳ hồ sơ tín dụng nào. Hơn

nữa, chúng ta giả sử rằng sự tổn thất mong đợi là 0 và xa hơn nữa thì chúng ta sẽ bỏ

qua nó. Để cho đơn giản, chúng ta giả sử rằng phân bố Gaussian cho Y và các biến.

Rõ ràng, tổn thật được mong đợi của hồ sơ là 0 và khi là tổn của các biến

Gaussian ngẫu nhiên thì bản thân nó chính là phân bố Gaussian. Phân bố được khai

báo rõ ràng và đầy đủ thông qua việc tính toán sư biến động của tổn thất.

Trong đó đã chỉ ra một cách rõ ràng hồ sơ bị nợ xấu và đem đến chỉ mục

Herfindahl - Hirschmann của trung tâm mỗi hồ sơ (Hirschmann (1964). Trong giới

hạn trường hợp của một lượng nhỏ hồ sơ, H bằng 0 và độ biến động giảm xuống đối

với tính hiệu quả hệ thống của Y, định danh mang giá trị dương nếu :

Vốn cơ bản của nền kinh tế tại cấp độ được đưa ra bởi công thức:

Trong đó chỉ ra trung điểm - của phân phối chuẩn thông thường. Các giá trị đặc

biệt cho là 99.95, 99.9, 99.5, 99.0 và 90% các giá trị tương ứng với chúng là 3.29,

3.09, 2.58, 2.33 và 1.28.

Một phần trong việc xác định các tham biến (xem chương 4), công thức (4) cấu

thành một tính toán nguồn vớn cơ bản của nền kinh tế một cách độc lập cho một hồ sơ

của các khoản vay bị nợ xấu. Đây là một trong những mục tiêu của phần này. Mô

hình kết hợp chặt chẽ với một hình thức phạt tập trung duy nhất, được phản ánh bởi

chỉ mục H của phương pháp Herfindahl-Hirschmann. Tuy nhiên, chúng ta đã chỉ ra

trong các nghiên cứu có ảnh hưởng, rằng hiệu quả hệ thống của Y làm bùng nổ toàn

bộ sự rủi ro, một hậu quả thường thấy ở việc mô hình hóa rủi ro trong các hồ sơ tài

chính (Gordy (2000)). Chỉ là nếu mối tương quan là không đáng kể, làm nên yếu tố

cấu thành hồ sơ đóng vai trò chủ yếu.

Một chủ đề mà chúng ta chưa hoàn thành được nhiều đang được tiếp tục nghiên

cứu. Mỗi một lần chủ hồ sơ biết được khoản vốn cần để tránh một hồ sơ bị vỡ nợ, anh

ấy sẽ cảm thấy hứng thú trong việc được chỉ định trách nhiệm cho lương vốn đó, đối

với từng hồ sơ tín dụng đơn lẻ, ví dụ: Trong khi khai báo vốn để trả, đặc biệt ưu tiên

tính toán khối lượng rủi ro cần được điều chỉnh. Nếu tất cả các khoản vay trong hồ sơ

là tương đồng, mỗi cái sẽ mang đến một tỷ số tương đương nhau. Nhưng vấn đề là gì

nếu không xảy ra trường hợp này? ở khía cạnh khác, vốn của nền kinh tế cần phải

được cấp phát. Một điều hiển nhiên xuyên suốt, đem đến phân bố logic cho nguồn

vốn chuẩn trong chuẩn Basel II, là để khai báo khối lượng rủi ro khi xem xét tại thời

điểm vỡ nợ và khai báo nguồn vốn để trả:

Giống như một chú thích ngắn gọn, chúng ta muốn nhấn mạnh rằng tất cả, mô

hình và công thức kết quả cho hồ sơ vay vốn và vốn cần trả của một hồ sơ tín dụng

đơn là có thể tiếp cận được. Cơ chế tổn thất là đơn giản như một hệ quả, sự xác định

cái mà nó có thể được ngăn chặn là đơn giản. Vì vậy, thường xuyên cập nhật, nó là

điều cơ bản trong việc thay đổi nhanh chóng môi trường của nền kinh tế là có thể.

2.4. Mạng nơ-ron nhân tạo

Mạng nơ-ron nhân tạo là một trong những khái niệm cơ bản của trí tuệ nhân tạo

nó giúp cho việc hiện thực hóa một số đặc tính mạnh mẽ của não người trên các hệ

thống máy tính. Các mạng nơ-ron học các quan hệ không tuyến tính, các mẫu, và các

xu hướng trên dữ liệu khi mà huấn luyện các dữ liệu hiện có trên mạng. Cứ mỗi lần

huấn luyện dữ liệu, các mạng nơ-ron nhân tạo tạo ra một dự báo chưa từng nhìn thấy

bởi mạng có độ chính xác cao cho một tập dữ liệu sạch trong suốt quá trình huấn

luyện. Mạng nơ-ron nhân tạo được sử dụng trong rất nhiều các ứng dụng, ví dụ như:

ánh xạ không tuyến tính, giảm tải dữ liệu, nhận dạng mẫu, phân cụm và phân lớp.

Chức năng được quan tâm để xây dựng các mô hình dự báo nợ xấu ở đây chính là

chức năng phân lớp.

Trong phạm vi của việc xây dựng các mô hình dự báo nợ xấu, chúng ta sử dụng

mạng nơ-ron được sử dụng phổ biến là mạng nơ-ron ba lớp fee-forward với sự lan

truyền trở lại mạng. Mạng nơ-ron này gồm ba lớp: lớp nhập, lớp ẩn và lớp xuất. Mạng

nhập được chèn vào lớp nhập và lớp xuất. Và lớp xuất được dùng để sinhcác kết quả

đầu ra. Lớp giữa được gọi là “lớp ẩn” từ đó nó không tương tác trực tiếp với môi

trường xung quanh. Tất cả các lớp chứa một số lượng nơ-ron kết nối với nhau được

coi như là sự liên kết các trọng điểm. Số lượng các nơ-ron trong mạng chính bằng số

lượng các đầu vào của mạng. Trong khi đó thì số lượng các nơ-ron trong lớp xuất

cũng tương ứng các đầu ra của hệ thống. Mỗi nơ-ron bao gồm 2 thành phần: thành

phần nut tổng và thành phần chức năng vận chuyển hình xích-ma. Nut tổng tính toán

việc sinh ra mỗi giá trị đầu vào thông thường và giá trị trọng tâm. Vấn đề của các

phương pháp bao gồm việc tìm ra một tập các trọng điểm liên kết phù hợp bằng cách

sử dụng một giải thuật tối ưu làm cho lỗi sinh ra giữa việc dự báo và thực nghiệm đầu

ra là nhỏ nhất.

Không giống như các phương pháp thống kê, các mạng nơ-ron không phụ thuộc

vào giả thuyết về tính độc lập và phân bố của phần dư hoặc tính cộng tuyến của các

biến đầu vào. Ngoài ra, một lượng dữ liệu lớn được yêu cầu cho việc huấn luyện, và

các tham biến của mạng nơ-ron (việc liên kết các trọng điểm) cung cấp nhận định nội

tại bên trong các đặc tính vật lý của tiến trình. Đây là một nhược điểm bởi vì các

trọng điểm không thể dễ dàng chuyển đổi sang các luật if-then để có thể hiểu được.

2.5. Phân tích hồi quy logistic

Mục đích của các mô hình xây dựng dựa trên phương pháp hồi quy logistic là để

đạt được một biểu thức toán học nhằm dự báo những mối liên hệ của một đối tượng

thuộc về hai hoặc nhiều nhóm. Hồi quy logistic cũng hỗ trợ dự báo xác suất mà một

tập dữ liệu đích nhị phân hoặc dữ liệu đích thông thường sẽ dành được sự kiện của lợi

ích như là một chức năng của một hoặc nhiều biến độc lập.

Không giống như phương pháp các mạng nơ-ron nhân tạo, phương pháp hồi quy

logistic xây dựng để dự báo một biến phụ thuộc tại một thời điểm nào đó. Ở một

phương diện nào đó, một người có thể nhớ rằng đầu ra của logistic hồi quy cung cấp

kết quả thống kê dựa trên mỗi biến bao hàm bên trong phương pháp cái mà các nhà

nghiên cứu có thể phân tích để kiểm tra tính hữu ích của dữ liệu cụ thể.

Logistic có thể được coi như là mô hình mạng nơ-ron feed-forward đơn giản bao

gồm hai lớp : Một lớp đầu vào và một lớp đầu ra. Hồi quy logistic được hiểu là dùng

để giải quyết các bài toán phân lớp từ các đầu ra đã được tính toán có thể được đem

lại bởi các hạng mục của phân phối. Đầu vào được chèn vào lớp nhập nơi mà không

diễn ra sự tính toán. Mỗi nơ-ron trong một lớp đầu vào được kết nối với một nơ-ron ở

lớp đầu ra bằng một kết nối trọng điểm. Đầu ra của một lớp nơ-ron đầu ra được tính

toán với chức năng trung chuyển logistic xich-ma. Các trọng điểm kết nối được xác

định bởi một sự lặp đi lặp lại thủ tục tối ưu nhằm tìm cách giảm thiểu tối đa một phạm

vi của các lỗi dự báo.

2.6. Phương pháp CBR

Phương pháp Instance-Base cũng giống như là phương pháp K- phần tử lân cận

là đều có chung 3 khái niệm cơ bản. Thứ nhất là nó trì hoãn quyết định làm thế nào để

khái quát chung dữ liệu huấn luyện cho đến khi một tập mẫu/case/thể hiện cần phải

được phân lớp. Điểm này là trái ngược với các cây quyết định và các mạng nơ-ron,

các phương pháp này lại xây dựng một mô hình khái quát trước khi nhận dữ liệu mẫu

vào phân lớp. Điểm thứ hai, các phương pháp instance-base phân lớp các thể hiện

truy vấn bằng cách phân tích các thể hiện tương tự trong khi đó bỏ qua các thể hiện

mà nó khác với truy vấn. Điểm thứ ba, chúng được biểu thị trên các thể hiện như là

những điểm giá trị thực tế trong không gian Ơ-clit n chiều.

Các phân lớp dựa trên Case or memory-based rất giống với giải thuật instanced-

based. Hơn nữa, chúng được xây dựng dựa trên 2 khái niệm cơ bản, nhưng không

phải là ba. Không giống như phương pháp phân lớp K-phần tử lân cận, giải thuật mà

lưu trữ dữ liệu như là các điểm trong không gian Ơ-clit, dữ liệu mẫu hoặc là các case

được lưu trữ bởi phương pháp memory-base là những mô tả phức tạp. Khi có một

case mới đưa lại để phân lớp, một tiến trình phân lớp memory-base trước tiên kiểm tra

xem case đó đã tồn tại hay chưa. Nếu case đó đã tồn tại, thì kết quả tương ứng với

case đó sẽ được trả lại. Về cơ bản, những case huấn luyện này có thể được xem xét

như là hàng xóm của những case mới. Nếu không thể phát sinh những giải pháp riêng,

việc quay lại để tìm những giải pháp khác có thể là cần thiết (Mitchell, 1997;

Han&Kamber, 2001).

Thử thách cho phương pháp memory-based bao gồm việc tìm ra một ma trận

tương đồng tốt, phát triển một kỹ thuật hiệu quả để đánh chỉ mục các case huấn luyện,

và các phương pháp cho kết hợp các giải pháp.

2.7. Phương pháp chuyên gia trong xếp hạng tín dụng

Moody’s Investors Service (Moody’s) và Standard & Poor's (S&P) là hai tổ

chức tín nhiệm có uy tín và lâu đời tại Mỹ và cũng là những tổ chức tiên phong

trong lĩnh vực xếp hạng tín nhiệm trên thế giới, sau đó có thêm Fitch Investors

Service. Ngày nay, các tổ chức tín nhiệm này của Mỹ hoạt động trên các thị trường

tài chính lớn và cả những thị trường mới nổi trên toàn cầu. Kết quả xếp hạng tín

nhiệm của các tổ chức này được đánh giá rất cao.

Các tổ chức xếp hạng tín nhiệm hàng đầu trên thế giới gồm Fitch, S&P,

Moody's sử dụng chủ yếu phương pháp chuyên gia, đánh giá một cách toàn diện về

nền kinh tế, ngành và công ty, kết hợp phân tích định tính và định lượng. Với chỉ tiêu

phi tài chính được nỗ lực lượng hóa tối đa, chỉ tiêu tài chính được tính toán sau khi dữ

liệu đã điều chỉnh để có thể so sánh với các doanh nghiệp tương đồng hoặc các doanh

nghiệp trong ngành. Họ cũng chú trọng xem xét các nhóm tỷ số hơn bất kỳ tỷ số riêng

lẻ nào và thiên về đánh giá dòng tiền thực chất mà doanh nghiệp tạo ra được với dòng

tiền mà doanh nghiệp phải chi trả. Tuy nhiên, dù sử dụng phương pháp nào, mô hình

toán học hay phương pháp chuyên gia, mỗi hệ thống xếp hạng tín nhiệm đều có một

số khuyết điểm nhất định. Nếu như phương pháp định lượng cần sự hỗ trợ của các

nhân tố mềm thì phương pháp chuyên gia, tự thân đã chứa đựng rủi ro do yếu tố chủ

quan trong xếp hạng, chắc chắn 100% về khả năng trả nợ của doanh nghiệp là điều

không thể làm được. Koresh Galil (2003) khảo sát 2631 hạng mức tín nhiệm trái

phiếu của S&P trong giai đoạn 1983 - 1993, đã kết luận rằng: phân loại S&P không

cung cấp đủ thông tin rủi ro tín dụng ; khác biệt giữa hạng mức tín nhiệm chính và

các hạng mức tín nhiệm phụ của S&P không có ý nghĩa thống kê; các hạng mức tín

nhiệm phụ thậm chí không đồng đều với rủi ro tín dụng.

Bảng 2.3. Bảng chỉ số tín nhiệm của S&P và Moody’s.

Diễn giải

Chỉ số Tín Nhiệm theo S&P Chỉ số Tín Nhiệm theo Moody’s

AAA Aaa Chất luợng cao nhất, ổn định, độ rủi ro thấp nhất.

Chất lượng cao, rủi ro thấp, Độ rủi ro chỉ cao hơn AA Aa hạng AAA một bậc.

Chất lượng khá, tuy vậy có thể bị ảnh huỡng bởi tình A A hình kinh tế.

Chất lượng trung bình, an toàn trong thời gian hiện BBB Baa tại, tuy vậy có ẩn chứa một số yếu tố rủi ro.

Chất lượng trung bình thấp, có thế gặp khó khăn

BB Ba trong việc trả nợ, bị ảnh hưởng đối với sự thay đổi

của tình hình kinh tế.

Chất lượng thấp, rủi ro cao, có nguy cơ không thanh B B toán đúng hạn.

Rủi ro cao, chỉ có khả năng trả nợ nếu tình hình kinh CCC Caa tế khả quan.

CC Ca Rủi ro rất cao, rất gần phá sản.

Rủi ro rất cao, khó có khả năng thực hiện thanh toán C C các nghĩa vụ nợ.

Xếp hạng thấp nhất, đã phá sản hay hầu như sẽ phá D sản.

NR NR Không đánh giá.

Kết luận của chương 2:

Chương này tập trung trình bày một số phương pháp phân tích và dự báo rủi ro tín dụng trong hoạt động đầu tư tài chính tín dụng trong hệ thống ngân hàng, cụ thể:

- Phương pháp mô hình cây quyết định trong quản trị rủi ro, các chiến

lược xây dựng cây quyết định, một số thuật toán ID3, C4.5.

- Phương pháp mô hình Merton – KMV

- Phương pháp phân tích và dự báo Gaussian

- Một số phương pháp mạng Noron nhân tạo, phân tích hồi quy logistic,

phương pháp CBR.

- Phương pháp sử dụng hệ chuyên gia trong xếp hạng tín dụng.

CHƯƠNG 3:

DỰ BÁO RỦI RO TÍN DỤNG CHO NGÂN HÀNG TMCP SÀI

GÒN – HÀ NỘI, CHI NHÁNH THÁI NGUYÊN

3.1. Giới thiệu về ngân hàng SHB

3.1.1. Khái quát chung về ngân hàng SHB

Ngân hàng TMCP Sài Gòn – Hà Nội (SHB) được thành lập từ năm 1993. Trải

qua hơn 25 năm xây dựng và phát triển, ngân SHB hiện đang là 1 trong 5 Ngân hàng

TMCP lớn nhất Việt Nam. Đứng trong top 10 Ngân hàng Thương mại uy tín nhất

Việt Nam, và trong top 500 Ngân hàng mạnh nhất ở Châu Á. Ước tính đến hết ngày

31/3/2018, ngân hàng TMCP Sài Gòn – Hà Nội (SHB) có tổng số tài sản đạt 286.904

tỷ đồng. Với mức vốn điều lệ hơn 12.036 tỷ đồng. Với gần 7000 cán bộ, nhân viên và

có hơn 500 điểm giao dịch ở Việt Nam, Lào và Campuchia.

Với số lượng khách hàng mà ngân hàng SHB đang phục vụ lên tới con số gần 4

triệu quý khách hàng (Bao gồm cả cá nhân và doanh nghiệp). Đây cũng là một trong

những con số khá ấn tượng đối với một ngân hàng có hơn 25 năm xây dựng và phát

triển.

Với tầm nhìn chiến lược của mình. Ngân hàng SHB mong muốn trở thành Ngân

hàng bán lẻ đa năng hiện đại hàng đầu Việt Nam. Để dần tiến tới mục tiêu trở thành

tập đoàn tài chính mạnh theo chuẩn của quốc tế vào năm 2020 tới đây.

Không chỉ có vậy ngân hàng SHB đã đạt được rất nhiều các giải thưởng của các

tổ chức trong và ngoài nước. Với các giải thưởng danh giá, uy tín như: Ngân hàng tài

trợ dự án tốt nhất, Ngân hàng bán lẻ tốt nhất Việt Nam, Ngân hàng có sáng kiến bao

trùm tài chính tốt nhất do Tạp chí hàng đầu châu Á Asian Banking and Finance trao

tặng.

Ngân hàng SHB là một trong những ngân hàng uy tín, có nguồn tài chính mạnh

mà bạn nên đầu tư.

3.1.2. Các sản phẩm dịch vụ của ngân hàng SHB

1. Cập nhật lãi suất ngân hàng SHB mới nhất.

Với phương châm và chiến lược kinh doanh luôn không ngừng đổi mới, sáng tạo

nhằm mang lại giá trị lợi ích tốt nhất cho khách hàng. Ngân hàng SHB luôn làm hài

lòng khách hàng với những sản phẩm, dịch vụ ngân hàng ưu việt, tiện ích, đồng bộ,

chất lượng và phong cách phục vụ chuyên nghiệp.

Theo biểu lãi suất ngân hàng SHB công bố trên website của Ngân hàng TMCP

Sài Gòn – Hà Nội (SHB), trong tháng 10, lãi suất tiết kiệm truyền thống tại quầy dao

động từ 1%/năm đến 9%/năm.

Cụ thể, lãi suất huy động áp dụng cho kì hạn 1 tuần, 2 tuần và 3 tuần là 1%/năm.

Lãi suất tiền gửi kì hạn 1 và 2 tháng là 5,3%/năm; kì hạn 3 – 5 tháng là 5,5%/năm.

Bắt đầu từ kì hạn 6 tháng trở lên mức lãi suất áp dụng mới phân biệt rõ ra theo

số tiền gửi (dưới 2 tỉ đồng, từ 2 tỉ đồng đến dưới 500 tỉ đồng và từ 500 tỉ đồng trở

lên).

2. Lợi ích khi gửi tiết kiệm ngân hàng SHB

Khách hàng được hưởng lãi suất hấp dẫn và nhiều chương trình ưu đãi. -

Linh hoạt rút tiền trước hạn và rút gốc từng phần với thủ tục đơn giản, -

nhanh chóng.

Có thể dùng sổ tiết kiệm để sử dụng cho việc cầm cố, vay thế chấp, bảo -

lãnh vay vốn.

Chủ động trong kế hoạch chi tiêu với lãi được trả định kỳ hoặc trả trước. -

Thủ tục đơn giản, nhanh gọn. -

3. Đặc điểm sản phẩm gửi tiết kiệm ngân hàng SHB

Loại tiền gửi : VNĐ. -

Số tiền gửi tối thiểu : 100.000VNĐ. -

Kỳ hạn gửi linh hoạt : 1 – 13 tháng, 18 tháng, 24 tháng, 36 tháng. -

Thời gian trả lãi : lãi được trả định kỳ hàng tháng hoặc trả trước cho khách -

hàng.

Khách hàng không được rút gốc nhiều lần. -

4. Thủ tục gửi tiết kiệm ngân hàng SHB

Giấy gửi tiền tiết kiệm theo mẫu của ngân hàng SHB. -

CMND/Hộ chiếu. -

- Một số giấy tờ khách liên quan theo quy định của ngân hàng.

5. Tham khảo lãi suất vay ngân hàng SHB để mua nhà, mua xe

- Với 3 sản phẩm là cho vay xây sửa chữa nhà, cho vay mua nhà đất tại các

dự án và cho vay mua nhà đất, SHB đưa ra mức lãi suất vay vốn

chỉ 9%/năm với 12 tháng đầu và khoảng 11%/năm cho các tháng tiếp

theo.

- Lãi suất vay mua xe ngân hàng SHB cập nhật, SHB đưa ra 2 chính sách

vay vốn vay mua xe với mức lãi suất như sau:

• Lãi suất cố định 7,5%/năm trong 6 tháng đầu tiên.

• Lãi suất cố định 8%/năm trong 12 tháng đầu tiên.

3.1.3. Thực trạng rủi ro tín dụng tại ngân hàng SHB

Tăng / giảm

Tỷ lệ tăng giảm

2016

2017

2018

2017/

2018/

2017/

2018/2

2016

2017

2016

017

Dư nợ tín

160.578.800

195.441.551

213.986.652

34.862.751

18.545.101

21.7%

9.4%

dụng

Bảng 3.1. Dư nợ tín dụng

❖ Nhận xét:

Năm 2017 dư nợ tín dụng của NH SHB là 195.441.551 VNĐ cao hơn là

34.862.751 đồng, tăng 21,7% so với năm 2016. Hoạt động tín dụng tiếp tục tập trung

vào các lĩnh vực ưu tiên của nền kinh tế theo định hướng của Chính phủ và NHNN,

những ngành nghề ít chịu rủi ro. Nhờ đó, hoạt động kinh doanh của SHB luôn đạt hiệu

quả cao, chất lượng tín dụng được kiểm soát chặt chẽ và tỷ lệ nợ xấu được duy trì ở mức

an toàn chỉ 1,9%. Bên cạnh đó, các tỷ lệ an toàn hoạt động của SHB luôn đạt và vượt so

với tiêu chuẩn của NHNN, tỷ lệ an toàn vốn (CAR) đạt 12% – cao hơn mức quy định của

NHNN (9%).

Năm 2018 dư nợ tín dụng của NH SHB là 213.986.652 VNĐ cao hơn là

18.545.101 đồng, tăng 9,4% so với năm 2017. Chi phí hoạt động của SHB tăng 9,4%

trong năm 2018 lên. Trong hoạt động tín dụng, SHB tiếp tục ưu tiên tập trung cho vay

các ngành nghề ít rủi ro, các ngành nghề được Chính phủ và NHNN khuyến khích

phát triển như cho vay sản xuất nông nghiệp, nông thôn, xuất khẩu, chế biến, chế tạo,

nuôi trồng, chế biến nông, lâm, thủy hải sản, công nghiệp ứng dụng công nghệ cao….

Nhờ đó, hoạt động kinh doanh của SHB luôn đạt hiệu quả cao mà vẫn đảm bảo an

toàn và nợ xấu được kiểm soát chặt chẽ.

Bên cạnh việc hoàn thành vượt mức các chỉ tiêu kinh doanh, SHB cũng hoàn

thành xuất sắc các mục tiêu lớn đặt ra trong năm 2016 như: khai trương ngân hàng

con tại Lào và Campuchia, hoàn thành việc nhận xác nhập Công ty tài chính cổ phần

Vinaconex - Viettel.

Với sự tăng trưởng mạnh mẽ trong hoạt động kinh doanh, SHB tiếp tục đứng

vững trong danh sách Top 500 ngân hàng lớn mạnh nhất Châu Á.

3.1.4. Một số quy định về cho vay đối với khách hàng trong hệ thống ngân

hang TMCP Sài Gòn –Hà Nội (SHB)

3.1.4.1. Nguyên tắc vay vốn

Tiền vay phải được hoàn trả đúng hạn cả tiền gốc và lãi sau một thời gian -

nhất định.

Tiền vay phải có vật tư hàng hóa, tài sản tương đương làm đảm bảo. -

Sử dụng vốn đúng mục đích đã thỏa thuận trong hồ sơ tín dụng. -

3.1.4.2. Điều kiện vay vốn

Ngân hàng xem xét và quyết định cho vay khi khách hàng có đủ điều kiện sau:

Có năng lực pháp luật nhân sự, năng lực hành vi nhân sự và chịu trách -

nhiệm theo quy định phát luật.

Có khả năng tài chính đảm bảo trả nợ trong thời hạn cam kết. -

- Mục tiêu sử dụng vốn hợp pháp.

Có dự án đầu tư hay phương án sản xuất kinh doanh có hiệu quả. -

Thực hiện các quy định đảm bảo về tiền vay theo quy định của chính phủ -

và hướng dẫn của Ngân Hàng Nhà Nước.

3.1.4.3. Đối tượng cho vay

❖ Ngân hàng cho vay các đối tượng sau:

- Giá trị vật tư, hàng hóa máy móc thiết bị và các khoản chi phí để khách

hàng thực hiện các dự án sản xuất, kinh doanh dịch vụ, đầu tư và phát

triển.

- Số tiền vay trả cho các tổ chức tín dụng trong thời gian thi công chưa bàn

giao và đưa tài sản cố định mà khoản lãi chưa được tính trong giá trị tài sản

cố định đó.

- Số tiền thuế xuất khẩu, khách hàng phải nộp để làm thủ tục xuất khẩu mà

giá trị lô hàng xuất khẩu đó tổ chức tín dụng có tham gia cho vay.

❖ Ngân hàng không cho vay các đối tượng sau:

Số tiền phải nộp thuế (trừ số tiền thuế xuất khẩu, nhập khẩu). -

Số tiền để trả nợ gốc và lãi vay cho tổ chức tín dụng khác. -

Số tiền vay chả cho chính tổ chức tín dụng cho vay vốn. -

3.1.4.4. Các phương thức cho vay

Các phương thức cho vay gồm nhiều phương thức, trong đó có 4 phương thức

chủ yếu thường được áp dụng là :

Cho vay từng lần. -

Cho vay theo hạn mức tín dụng. -

Cho vay theo dự án đầu tư. -

Cho vay trả góp. -

3.1.4.5. Thời hạn cho vay

Ngân hàng cho vay và khách hàng thỏa thuận cho vay căn cứ vào chu kỳ sản xuất

kinh doanh, thời hạn thu hồi vốn dự án, phương án đầu tư, khách hàng trả nợ của khách

hàng.

Đối với những pháp nhân Việt Nam và người nước ngoài, thời hạn cho vay

không quá thời hạn hoạt động còn lại theo quyết định thành lập hoặc giấy phép hoạt

động tại Viêt Nam.

3.1.4.6. Trả nợ gốc và lãi

Căn cứ vào đặc điểm sản xuất kinh doanh dịch vụ, khả năng tài chính, thu nhập

và nguồn trả nợ của khách hàng, tổ chức tín dụng và khách hàng thỏa thuận về việc

trả nợ gốc và lãi vay như sau:

Các kỳ hạn trả nợ gốc. -

Các kỳ hạn trả tiền vay cùng với kỳ hạn trả nợ gốc hoặc theo kỳ hạn trả nợ -

riêng.

Khi đến kỳ hạn trả nợ hoặc kết thúc thời hạn cho vay, nếu khách hàng không có

khả năng trả nợ đúng hạn và không được điều chỉnh kỳ hạn nợ hoặc không được gia

hạn nợ, thì số nợ đến hạn phải chuyển sang nợ quá hạn.

3.1.4.7. Quy tắc xử lý nợ vay

Tùy theo trường hợp cụ thể mà ngân hàng có phương thức xử lý nợ khách nhau.

Ngân hàng thu nợ cả gốc và lãi trước hạn trong các trường hợp sau:

- Đơn vị giải thể hoặc dừng hoạt động.

- Đơn vị bị tách hoặc xác nhập với đơn vị mới.

- Đơn vị chuyển trụ sở và đến mở tài khoản ở một ngân hàng khác.

- Có các vụ kiện liên quan đến đơn vị này.

- Đơn vị vay vốn vi phạm thế ước vay vốn, vi phạm thể lệ tín dụng.

3.1.4.8. Lãi suất cho vay

Ngân hàng cho vay công bố lãi suất cho vay của mình cho khách hàng biết, hoặc

ngân hàng cho vay và khách hàng thỏa thuận ghi vào hồ sơ tín dụng mức lãi suất cho

vay trong hạn và mức lãi suất áp dụng đối với nợ quá hạn.

Mức lãi suất cho vay trong hạn được thỏa thuận phù hợp với quy định của ngân

hàng Nhà Nước và quy định của ngân hàng cho vay về lãi suất cho vay tại thời điểm

ký hồ sơ tín dụng.

Mức áp dụng đối với khoản nợ gốc quá hạn do giám đốc ngân hàng cho vay

quyết định theo nguyên tắc cao hơn mức lãi suất trong hạn nhưng không vượt quá

150% lãi suất cho vay trong hạn đã được ký kết hoặc được điều chỉnh trong hồ sơ tín

dụng.

3.1.4.9. Quy trình cho vay

Bước 1: Cán bộ tín dụng phụ trách địa bàn nhận hồ sơ vay vốn của khách hàng sau đó

thẩm định dự án vay vốn.

Bước 2: Nếu không đủ điều kiện hoặc sai xót cán bộ tín dụng trả lại hồ sơ cho khách

hàng để bổ sung hoặc điều chỉnh cho phù hợp. Sau khi sơ thẩm hồ sơ nếu thấy đủ

điều kiện thì cán bộ tín dụng gửi phiếu hẹn đến khách hàng để xuống thẩm định.

Bước 3: Trưởng phòng tín dụng nhận hồ sơ kiểm soát các yếu tố hồ sơ và căn cứ đề

đồng ý cho vay hay không đồng ý cho vay, sau đó trình lên cho giám đốc.

- Đối với những món vay trên 50 triệu đồng thì trưởng phòng tín dụng say khi

kiểm duyệt xong phải thông qua tổ thẩm định để tổ thẩm định kế hợp với

phòng tín dụng thẩm định lại tính khả thi của dự án sản xuất kinh doanh.

- Sau khi thẩm định dự án thì tổ trưởng tổ thẩm định dự án trình hồ sơ cho

giám đốc xem xét đồng ý cho vay hay không cho vay.

Bước 4: Giám đốc nhận hồ sơ và xem xét các yếu tố pháp lý của hồ sơ và căn cứ vào

khả năng nguồn vốn của ngân hàng mà quyết dịnh cho vay. Sau đó, trả hồ sơ cho

phòng tín dụng, nếu hồ sơ chưa được đầy đủ và yêu cầu bổ sung thêm.

Bước 5: Nếu hồ sơ hợp lý thì giám đốc chuyển toàn bộ hồ sơ sang phòng kế toán,

phòng kế toán sau khi nhận hồ sơ đã phê duyệt của giám đốc thì có trách nhiệm lưu

hồ sơ vay vốn, mở hồ sơ cho vay nạp vào máy tính. Sau đó thì giải ngân và chuyển

sang cho thủ quỹ.

Bước 6: Thủ quỹ sáu khi nhận được phiếu của kế toán chuyển sang thì có trách nhiệm

chi tiền mặt cho khách hàng. Chậm nhất là 20 ngày kể từ ngày giải ngân, cán bộ tín

dụng xuống kiểm tra việc sử dụng vốn của khách hàng nhằm giám sát khách hàng sử

dụng vốn đúng mục đích đã cam kết hay không.

Bước 7: Kết thúc quy trình cho vay là khi khách hàng đến thực hiện đầy đủ nghĩa vụ

về việc vay vốn theo đúng hồ sơ đã ký kết, ngân hàng sẽ thu cả gốc và lãi sau khi cho

vay.

Trường hợp khách hàng vi phạm những thỏa thuận của ngân hàng, ngân hàng sẽ

áp dụng những biện pháp tín dụng thích hợp tương ứng để xử lý, mức độ nặng là có

thể thu hồi vốn, lãi trả trước, phong tỏa tài sản thế chấp hoặc khởi tố trước pháp luật.

3.2. Phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội

3.2.1. Dữ liệu cần thu thập

3.2.1.1. Dữ liệu hồ sơ tín dụng

Các thông tin về hồ sơ tín dụng được ghi trong hồ sơ tín dụng là những thông tin

cơ bản và có ảnh hưởng trực tiếp tới việc hoàn trả theo đúng thời hạn ký kết trong hồ

sơ tín dụng. Đối với các khách hàng cá nhân :

1. Tuổi;

2. Giới tính;

3. Tình trạng hôn nhân;

4. Lĩnh vực công tác;

5. Đơn vị công tác;

6. Cấp bậc;

7. Thu nhập sau thuế;

8. Xếp hạng tín dụng;

9. Tài sản thế chấp cho vay vốn.

❖ Đối với khách hàng là các tổ chức, đơn vị kinh doanh:

1. Tên đơn vị;

2. Năm thành lập;

3. Số lượng nhân viện ở thời điểm hiện tại;

4. Lĩnh vực kinh doanh, đầu tư;

5. Doanh thu của năm tài chính gần nhất;

6. Tỷ số tăng trường của 3 năm gần đây nhất;

7. Chỉ số quản lý;

8. Xếp hạng tín dụng;

9. Tài sản thế chấp.

❖ Lịch sử giao dịch tín dụng

Lịch sử giao dịch tín dụng là tập hợp các thông tin về các giao dịch từ sau khi

hoàn thành thu thập thông tin hồ sơ tín dụng. Các giao dịch bao gồm:

1. Xây dựng kế hoạch hoàn trả;

2. Xếp hạng tín dụng và cấp hạn mức ở cấp phòng giao dịch;

3. Phê duyệt hồ sơ tín dụng ở cấp phòng giao dịch;

4. Phê duyệt hồ sơ tín dụng ở cấp chi nhánh;

5. Phê duyệt hồ sơ tín dụng ở cấp hội sở;

6. Các giao dịch hoàn trả theo kế hoạch hoàn trả;

7. Lịch sử vay trả của các hồ sơ trong quá khứ có liên quan tới người vay;

8. Lịch sử thay đổi tài sản thế chấp.

3.2.1.3. Các thông tin khác liên quan đến chủ thể vay vốn trên hệ thống

Thông tin giao dịch các tài khoản trên hệ thống bao gồm: các tài khoản tiền gửi

thanh toán, các tài khoản tiết kiệm. Các tài khoản này có thể biểu hiện một phần

luồng tiền của chủ thể vay vốn. Các giao dịch này chính là các giao dịch liên quan

đến tài chính của chủ thể vay vốn. Đó có thể là các giao dịch thanh toán dịch vụ, hàng

hóa đầu tư cho kinh doanh, sản xuất. Và các giao dịch này có thể biểu hiện phần nào

đó luồng tiền cũng như là khả năng thanh toán của chủ thể vay vốn.

1. Các yếu tố của nền kinh tế

Nợ xấu của hồ sơ tín dụng nào đó chịu sự ảnh hưởng gián tiếp bởi các yêu tố thị

trường. Các yếu tố này chính là các yếu tổ thể hiện sức khỏe, khả năng sinh lãi trong

sản xuất, kinh doanh. Các chỉ số đo lường sức sản xuất, Các chỉ số tiêu dùng, Các chỉ

số đo lường mức độ lạm phát. Các chỉ số này được thu thập từ các báo tài chính hàng

quý của các tổ kiểm toán nhà nước.

2. Công cụ xây dựng cây quyết định - Phần mềm weka

- Giới thiệu về phần mềm Weka.

WEKA là một công cụ phần mềm viết bằng Java phục vụ lĩnh vực học máy

bằng Java, phục vụ lĩnh vực học máy và khai phá dữ liệu

- Các chức năng chính:

❖ Chức năng explorer

- Tiền xử lý dữ liệu.

- Phân lớp.

- Phân cụm.

- Khai phá luật kết hợp.

- Lựa chọn thuộc tính.

- Trực quan hóa.

Hình 3. 1. Giao diện phần mềm Weka

❖ Chức năng Experimenter:

Thiết kế các thí nghiệm. -

Lựa chọn thuật toán và tập dữ liệu. -

Chạy thí nghiệm. -

Phân tích kết quả (so sánh các kết quả,…). -

Hình 3. 2. Giao diện chức năng Experimenter

❖ Chức năng Knowledge Flow:

Thiết kế quá trình khai phá dữ liệu 1 cách trực quan. -

Từ xử lý dữ liệu -> chạy mô hình -> trình bày kết quả. -

Hình 3. 3. Giao diện Chức năng Knowledge Flow

❖ Chức năng Workbench:

- Tổng hợp các chức năng ở trên vào trong một ứng dụng.

- Cung cấp cho người sử dụng công cụ mạnh để khai phá dữ liệu.

Hình 3. 4. Giao diện chức năng Workbench

❖ Chức năng Simple CLI:

- Cho phép người dung tương tác với WEKA bằng cách gõ lệnh.

Hình 3. 5. Giao diện chức năng Simple CLI

3. Cách dùng:

Tập tin xử lý chính của weka dạng ARFF:

- Mô tả đối tượng trong không gian n- chiều.

- Tập tin ARFF có phần header.

- Tập tin ARFF có phần data.

- Các kiểu dữ liệu.

- Là một văn bản theo bảng mã ASCII.

- Mô tả các đối tượng có cùng chung tập thuộc tính.

Được sử dụng làm định dang chuẩn cho dữ liệu được dùng bới các mô hình -

của weka.

- Người dùng có thể đọc các loại tập tin đầu vào khác như: csv, xls… thu thấp

và tiền xử lý dữ liệu.

3.2.2.1. Trích xuất dữ liệu từ kho dữ liệu thực tế của ngân hàng TMCP Sài

Gòn – Hà Nội, chi nhánh Thái Nguyên

Dữ liệu của hệ thống online trong ngân hàng thường được lưu trữ tại cơ sở dữ

liệu của hệ thống lõi (corebanking). Các dữ liệu này chưa được xử lý, loại bỏ dư thừa

để xây dựng các báo cáo gửi ngân hàng nhà nước. Chính vì thế, các dữ liệu này chính

là các dữ liệu nguyên bản và có giá trị cao cho việc phân tích theo nhiều chiều khác nhau.

1. Tiền xử lý dữ liệu và xây dựng cơ sở dữ liệu

Dữ liệu dự báo gồm hồ sơ vay vốn của 30 khách hàng vay theo hình thức tín

chấp tại ngân hàng TMCP Sài Gòn – Hà Nội, chi nhánh Thái Nguyên được thể hiện

như bảng sau:

Bảng 3.2. Bảng danh sách khách hàng

MaHD XEPLOAIHS TUOI SOTIENVAY LOAIKH

D1 LOAIA 55 35 CN

D2 LOAIA 60 30 DN

D3 LOAIA 20 43 CN

D4 LOAIC 50 30 CN

D5 LOAIC 50 28 CN

D6 LOAIC 40 65 DN

D7 LOAIB 35 64 CN

D8 LOAIA 65 52 DN

D9 LOAIA 20 39 CN

D10 LOAIC 20 25 CN

CN D11 LOAIA 45 45

DN D12 LOAIB 60 22

CN D13 LOAIB 45 41

CN D14 LOAIC 30 31

DN D15 LOAIB 53 45

DN D16 LOAIB 55 34

CN D17 LOAIC 50 56

DN D18 LOAIB 58 66

CN D19 LOAIB 59 45

CN D20 LOAIB 61 34

DN D21 LOAIA 60 45

DN D22 LOAIA 45 34

CN D23 LOAIB 30 56

CN D24 LOAIC 53 66

CN D25 LOAIC 55 45

DN D26 LOAIC 90 34

CN D27 LOAIB 25 45

DN D28 LOAIA 60 34

CN D29 LOAIB 45 56

DN D30 LOAIA 50 66

Trong đó:

❖ Hồ sơ được phân vào Loại A:

Là những hồ sơ của khách hàng vay tín chấp mà chưa vay tại ngân hàng SHB.

Điều kiện vay:

- Với khách hàng cá nhân: Với những khách hàng cá nhân vay dưới 30 triệu

sẽ không có nguy cơ rủi ro cao, và sẽ được vay.

- Với khách hàng doanh nghiệp: Sẽ được chấp nhận cho vay ngay và không

bị cảnh báo rủi ro.

❖ Hồ sơ được phân vào loại B:

Là những hồ sơ của khách hàng vay tín chấp đã vay tại ngân hàng SHB.

Điều kiện vay:

- Với khách hàng cá nhân: Với những khách hàng cá nhân vay dưới 40 triệu

thì sẽ không bị cảnh báo rủi ro và cho vay. Với khách hàng vay trên 40

triệu thì sẽ bị cảnh báo rủi ro và cần phải xét duyệt thêm.

- Với khách hàng doanh nghiệp: Sẽ được chấp nhận cho vay ngay và không

bị cảnh báo rủi ro.

❖ Hồ sơ được phân vào loại C:

Là những hồ sơ có nợ xấu tại ngân hàng SHB, những hồ sơ này sẽ bị cảnh báo

rủi ro và không được chấp thuận vay.

Quá trình dự báo rủi ro thông qua cây quyết định được thực hiện trên phần mềm

weka.

Trong quy trình khai phá dữ liệu, công việc xử lý dữ liệu trước khi đưa vào các

mô hình là rất cần thiết, bước này làm cho dữ liệu có được ban đầu qua thu thập dữ

liệu ( gọi là dữ liệu gốc original data) có thể áp dụng được (thích hợp) với các mô

hình khai phá dữ liệu (data mining model) cụ thể. Các công việc cụ thể của tiền xử lý

dữ liệu bao gồm những công việc như:

- Filtering Attributes: Chọn các thuộc tính phù hợp với mô hình.

- Filtering samples: Lọc các mẫu (instances, patterns) dữ liệu cho mô hình.

- Clean data: Làm sạch dữ liệu như xóa bỏ các dữ liệu bất thường (Outlier).

- Transformation: Chuyển đổi dữ liệu cho phù hợp với các mô hình như

chuyển đổi dữ liệu từ numeric qua nomial hay ordinal.

- Discretization (rời rạc hóa dữ liệu): Nếu bạn có dữ liệu liên tục nhưng một

vài mô hình chỉ áp dụng cho các dữ liệu rời rạc (như luật kết hợp chẳng

hạn) thì bạn phải thực hiện việc rời rạc hóa dữ liệu.

Dữ liệu đầu vào là dữ liệu về hoạt động vay tín dụng của ngân hàng SHB. Gồm

5 thuộc tính đó là: MAHS, XEPLOAIHS, TUOI, SOTIENVAY, LOAIKH và 30

khách hàng vay tín dụng.

Đặt tên file là: HOSO.csv và cấu trúc file như sau:

Bảng 3.3. Dữ liệu vay tín dụng

STT Tên trường Kiểu dữ liệu Diễn giải

MAHS CHAR Mã hồ sơ tín dụng 1

XEPLOAIHS CHAR Xếp loại hồ sơ tín dụng A, B, C 2

TUOI NUMBERIC Tuổi khách hàng vay vốn 3

SOTIENVAY NUMBERIC Số tiền khách hàng vay vốn 4

LOAIKH NOMINAL Loại khách hàng vay vốn là cá 5

nhân hay doanh nghiệp

Sau đó chúng ta sẽ nhập bảng dữ liệu ở phần trên vào excel và lưu dưới định

dạng đuôi CSV như dưới hình sau:

2. Xây dựng cây quyết định dựa vào phần mềm Weka

Để xây dựng cây quyết định chúng ta sẽ sử dụng phần mềm weka và bảng số

liệu như ở mục 3.2.

Đầu tiên chúng ta sẽ vào Preprocess => Open file để mở dữ liệu:

Hình 3. 6. Xây dựng cây quyết định dựa vào phần mềm WeKa

Sau khi đã mở được file dữ liệu chúng ta sẽ tiến hàng thao tác với dữ liệu

- Dữ liệu mã hồ sơ.

Hình 3. 7. Dữ liệu mã hồ sơ

- Dữ liệu về xếp loại hồ sơ.

Hình 3. 8. Dữ liệu về xếp loại hồ sơ

- Dữ liệu về số tiền vay.

Hình 3. 9. Dữ liệu về số tiền vay

- Dữ liệu về loại khách hang.

Hình 3. 10. liệu về loại khách hàng

Hình 3. 11. Dữ liệu về cảnh báo rủi ro

Sau khi có đủ dữ liệu chúng ta sẽ đi xây dựng cây quyết định

Chúng ta vào thẻ Classify ➔ Choose

Sau đó màn hình sẽ hiển thị như dưới đây và chúng ta sẽ chọn thuật toán J48

- Kích vào More option để cài đặt một số thông số như hình dưới đây

Sau đó chúng ta click vào start để bắt đầu xây dựng cây quyết định

Sau khi chạy bộ số liệu sẽ ra kết quả như sau đây:

❖ Thông tin dữ liệu

- Điều kiện dữ liệu ràng buộc

- Kết quả dự báo đúng tới 67%

- Và để hiển thị cây quyết định chúng ta làm như sau:

- Lúc đó cây quyết định sẽ hiển thị như dưới hình sau:

❖ Ta có các tập luật sau:

BẢNG 1

IF XEPLOAIHS=LOAIA

KHÔNG RỦI RO CAO, AND Loại KH = CN CHO KHÁCH HÀNG

AND SOTIENVAY<=30 VAY VỐN

Diễn giải:

Nếu hồ sơ tín dụng có:

Xếp loại là loại A -

Loại khách hàng vay là khách hàng cá nhân -

Số tiền vay <=30 triệu đồng -

➔ Hồ sơ tín dụng không có rủi ro cao, có thể tiến hàng cho vay vốn

BẢNG 2:

XEPLOAIHS=LOAIA IF

CÓ RỦI RO CAO, LOAIKH=CN AND KHÔNG KHÁCH

HÀNG VAY VỐN SOTIENVAY>30 AND

Diễn giải: Nếu hồ sơ tín dụng có

Xếp loại là loại A -

Loại khách hàng vay là khách hàng cá nhân -

Số tiền vay >30 triệu đồng -

➔ Hồ sơ tín dụng có rủi ro cao, có thể tiến hàng cho vay vốn

BẢNG 3:

XEPLOAIHS=LOAIA IF

KHÔNG CÓ RỦI RO LOAIKH=DN AND CAO, CHO KHÁCH

HÀNG VAY VỐN SOTIENVAY AND

Diễn giải: Nếu hồ sơ tín dụng có

Xếp loại là loại A -

Loại khách hàng vay là khách hàng doanh nghiệp -

➔ Hồ sơ tín dụng không có rủi ro cao, có thể tiến hàng cho vay vốn

BẢNG 4:

XEPLOAIHS=LOAIB IF

CÓ RỦI RO CAO, LOAIKH=CN AND KHÔNG CHO KHÁCH

HÀNG VAY VỐN SOTIENVAY>40 AND

Diễn giải: Nếu hồ sơ tín dụng có

- Xếp loại là loại B

- Loại khách hàng vay là khách hàng cá nhân

- Số tiền vay >40 triệu đồng

➔ Hồ sơ tín dụng có rủi ro cao, không thể tiến hành cho vay vốn

BẢNG 5:

IF XEPLOAIHS=LOAIB

AND Loại KH = CN

KHÔNG RỦI RO CAO,

AND SOTIENVAY<=40 CHO KHÁCH HÀNG

VAY VỐN

Diễn giải: Nếu hồ sơ tín dụng có

- Xếp loại là loại B

- Loại khách hàng vay là khách hàng cá nhân

- Số tiền vay <= 40 triệu đồng

➔ Hồ sơ tín dụng không có rủi ro cao, tiến hành cho vay vốn

BẢNG 6:

KHÔNG RỦI RO CAO, CHO KHÁCH IF XEPLOAIHS=LOAIC HÀNG VAY VỐN

Diễn giải: Nếu hồ sơ tín dụng có

- Xếp loại là loại C

➔ Hồ sơ tín dụng không có rủi ro cao, tiến hành cho vay vốn

3.3. Dự báo rủi ro dựa trên mô hình cây quyết định

Với tập luật và mô hình cây quyết định của mô hình dự báo ở trên, chúng ta có

bảng dự báo như sau:

Bảng 3. 4. Kết quả dự báo với mô hình cây quyết định

MaHD XEPLOAIHS TUOI SOTIENVAY LOAIKH CBCHOVAY

LOAIA D1 55 CN Không 35

LOAIA D2 60 DN Có 30

LOAIA D3 20 CN Có 43

LOAIC D4 50 CN Không 30

LOAIC D5 50 CN Không 28

LOAIC D6 40 DN Không 65

LOAIB D7 35 CN Có 64

LOAIA D8 65 DN Có 52

LOAIA D9 20 CN Có 39

LOAIC D10 20 CN Không 25

LOAIA D11 45 CN Không 45

LOAIB D12 60 DN Có 22

LOAIB D13 45 CN Không 41

LOAIC D14 30 CN Không 31

LOAIB D15 53 DN Có 45

LOAIB D16 55 DN Có 34

LOAIC D17 50 CN Không 56

LOAIB D18 58 DN Có 66

LOAIB D19 59 CN Không 45

LOAIB D20 61 CN Không 34

LOAIA D21 60 DN Có 45

D22

34 45 DN Có LOAIA

56 30 CN Có D23 LOAIB

66 53 CN Không D24 LOAIC

45 55 CN Không D25 LOAIC

34 90 DN Không D26 LOAIC

45 25 CN Có D27 LOAIB

34 60 DN Có D28 LOAIA

56 45 CN Không D29 LOAIB

66 50 DN Có D30 LOAIA

Nhận xét: Mô hình xây dựng trên cây quyết định dự đoán đúng 20/30 hồ

sơ => tỷ lệ = 67%.

Mô hình dự báo xây dựng dựa trên cây quyết định cho kết quả dự báo cao trên

50%. Chính vì thế mô hình này có thể sử dụng trên thực tế để có thể dự báo rủi ro tín

dụng của ngân hàng.

Kết luận của chương 3:

Chương này tập trung nghiên cứu và đưa ra những ứng dụng thử nghiệm một số

phương pháp phân tích dữ liệu và dự báo về rủi ro, quản trị rủi ro tín dụng đối với

ngân hàng thương mại cổ phần SHB – Chi nhánh Thái Nguyên. Dữ liệu được thu thập

từ ngân hàng SHB, sử dụng phương pháp cây quyết định và sử dụng phần mềm Weka

để đưa ra dữ liệu kết quả phân tích dự báo về rủi ro. Từ đó, đưa ra giải pháp kiến nghị

về quản trị rủi ro tín dụng trong hoạt động kinh doanh tín dụng ngân hàng SHB nhằm

đưa ra những cảnh báo, hạn chế và giảm thiểu những rủi ro tín dụng.

KẾT LUẬN

Qua nghiên cứu em đã hiểu được rủi ro tín dụng dựa trên các phương pháp. Và

đánh giá dự báo rủi ro cho ngân hàng có nên cho khách hàng, doanh nghiệp vay vốn

và dự báo phá sản của khách hàng doanh nghiệp qua mô hình Z-Score.

Về kinh nghiệm bản thân:

Qua thời gian 5 tuần thực tập, nghiên cứu đề tài giúp em rõ hơn về quá trình tín

dụng tại ngân hàng. Học hỏi thêm nhiều kinh nghiệm trong kỹ năng, nghiệp vụ quy

trình quản lí tín dụng. Giúp em hoàn thiện hơn trong nền tảng kiến thức thực tế và

phục vụ cho công việc sau này của bản thân.

Về mặt cơ sở lý thuyết:

Việc áp dụng mô hình này trong công tác quản trị rủi ro tín dụng tại các ngân

hàng thương mại Việt Nam mang tính khả thi và chính xác cao. Có một mô hình có

khả năng dự đoán tốt sẽ mang lại nhiều lợi ích cho ngân hàng trong việc quản trị rủi ro.

Tuy nhiên, trong quá trình áp dụng và triển khai mô hình vào thực tế, phải

thường xuyên có sự kiểm định để kịp thời có động thái hiệu chỉnh cho phù hợp. Vì

vậy, một vài khuyến nghị tác giả đề xuất trong trường hợp các ngân hàng triển khai hệ

thống đánh giá rủi ro tín dụng trên như sau:

Xây dựng danh mục các yếu tố định tính thu thập thông tin khách hàng. -

Lưu trữ toàn hệ thống về thực trạng vay/cho vay/từ chối cho vay của toàn -

bộ khách hàng.

Định kỳ kiểm tra lại tính chính xác của mô hình thời gian 6 tháng/lần hoặc -

có thể thay đổi theo thực trạng về tỷ lệ nợ xấu cũng như tình hình kinh tế

từng thời điểm.

Hướng phát triển của đề tài

Trong thời gian tới em sẽ tiếp tục nghiên cứu để hoàn thiện chương trình ngày

một tốt hơn và đi sâu vào vấn đề phân quyền rủi ro tín dụng đồng thời sẽ xây dựng

các chức năng cao hơn để hoàn thiện mô hình và có thể đáp ứng được với nhu cầu

thực tế xã hội.

Trân trọng cảm ơn Giảng viên hướng dẫn PGS.TS Nguyễn Văn Huân đã tận

tình hướng dẫn, giúp đỡ, tạo điều kiện để em được học tập vận dụng kiến thức lý luận

vào thực tiễn. Qua đó đúc rút ra những kinh nghiệm quý báu cho bản thân, củng cố

những kiến thức đã học để có thể vận dụng và hoàn thành các nhiệm vụ.

TÀI LIỆU THAM KHẢO

1. Nguyễn Tiến Đức (2017), Luận văn thạc sĩ kinh tế, “ Quản lí nợ xấu tại ngân

hàng TMCP đầu tư và phát triển Việt Nam – chi nhánh Quảng Bình”, Học viện

tài chính quốc gia năm (2017).

2. Nguyễn Thị Cành (2014), “ Áp dụng mô hình KVM-Merton dự báo rủi ro tín

dụng khách hàng doanh nghiệp và khả năng thiệt hại của ngân hàng”, Trường

Đại học Kinh tế - Luật- Đại học Quốc gia TP HCM. Đăng tại Phát triển Kinh tế

289 (11/2014).

3. Nguyễn Phúc Cảnh (2014), “Ứng dụng mô hình Z-score vào quản lý rủi ro tín

dụng cho các ngân hàng thương mại Việt Nam”, Trường Đại học Kinh tế TP Hồ

Chí Minh. Đăng tại Phát triển và hội nhập Số 15 (25) - Tháng 03-04/2014.

4. Đoàn Thị Xuân Duyên (2013), Luận văn thạc sĩ kinh tế “Ứng dụng mô hình

logictis để đo lường khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng

TMCP Á Châu”, Trường Đại học Kinh tế TP HCM năm 2013.

5. Nguyễn Thị Hoài Phương (2012), Luận án tiến sĩ kinh tế, “Quản lí nợ xấu tại

Ngân hàng thương mại Việt Nam”, Đại học kinh tế quốc dân năm (2012).

6. Ngân hàng Nhà Nước Việt Nam, 2005. Quyết định 493/2005/QĐ-NHNN ngày

22/04/2005 ban hành Quy định về phân loại nợ, trích lập và sử dụng dự phòng

để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng.

7. Ngân hàng Nhà Nước Việt Nam, 2013. Thông tư 02/2013/TT-NHNN ban hành

ngày 21/01/2013 quy định về phân loại tài sản có mức trích, phương pháp trích

lập dự phòng rủi ro về việc sử dụng dự phòng để xử lý rủi ro trong hoạt động

của TCTD, chi nhánh ngân hàng nước ngoài.

Luận văn Thạc sĩ Khoa học máy tính: Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội (HSB), chi nhánh Thái Nguyên

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

TOUMKHAM KANLAYA

KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ

BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI

(SHB), CHI NHÁNH THÁI NGUYÊN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

TOUMKHAM KANLAYA

KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ

BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI

(SHB), CHI NHÁNH THÁI NGUYÊN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

DANH MỤC BẢNG

Danh Mục Các Hình Vẽ

CHƯƠNG 1 :

TỔNG QUAN VỀ RỦI RO, QUẢN TRỊ RỦI RO TÍN DỤNG TRONG

NGÂN HÀNG

Kết luận của chương 1:

CHƯƠNG 2 :

MỘT SỐ PHƯƠNG PHÁP PHÂN TÍCH RỦI RO TÍN DỤNG

V

V

S Mưa[3+,2-]

???

Có

???

Có

Outlook Temp

Humidity Windy

Play

Test bằng WEKA

Kết luận của chương 2:

CHƯƠNG 3:

DỰ BÁO RỦI RO TÍN DỤNG CHO NGÂN HÀNG TMCP SÀI

GÒN – HÀ NỘI, CHI NHÁNH THÁI NGUYÊN

Bước 2: Nếu không đủ điều kiện hoặc sai xót cán bộ tín dụng trả lại hồ sơ cho khách

3.2. Phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội

3.3. Dự báo rủi ro dựa trên mô hình cây quyết định

Kết luận của chương 3:

KẾT LUẬN

TÀI LIỆU THAM KHẢO

Có thể bạn quan tâm

Luận văn Thạc sĩ: Quản lý hoạt động phát triển nhận thức cho trẻ mẫu giáo ở các trường mầm non, huyện Hoàng Su Phì, tỉnh Hà Giang

Luận văn Thạc sĩ tóm tắt: Pháp luật về điều kiện đầu tư kinh doanh trong lĩnh vực giáo dục, đào tạo ở Việt Nam

Luận văn Thạc sĩ: Sự nghiệp nghiên cứu phê bình văn học của Hoài Thanh

Luận văn Thạc sĩ: Tiểu thuyết của Đỗ Phấn từ góc nhìn sinh thái

Luận văn Thạc sĩ: Giải pháp ứng phó với nhập cư ở Liên minh Châu Âu

Luận văn Thạc sĩ: Diễn ngôn về giới nữ trong văn xuôi nữ Việt Nam đương đại (khảo sát sáng tác của Dạ Ngân, Y Ban, Lý Lan, Nguyễn Thị Thu Huệ)

Luận văn Thạc sĩ: Xây dựng mức phát thải tham chiếu rừng khu vực huyện Bảo Lâm tỉnh Lâm Đồng

Luận văn Thạc sĩ: Đặc điểm nhân vật chính trong ba tác phẩm của Franz Kafka: Lâu đài, Vụ án, Hóa thân

Kháo luận tốt nghiệp: Vận dụng lí thuyết học tập trải nghiệm vào dạy học Thống kê - Xác suất ở lớp Hai

Luận văn Thạc sĩ: Xây dựng hệ thống điều khiển và thu nhận dữ liệu cho Robot dịch vụ

Luận văn Thạc sĩ: Thế giới nhân vật trong truyện ngắn Lê Minh Khuê sau năm 1975

Luận văn Thạc sĩ: Tác động của cấu trúc vốn đến hiệu quả hoạt động của các ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam

Luận văn Thạc sĩ: Kiểm soát rủi ro tín dụng bán lẻ tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam chi nhánh Thủ Thiêm

Luận văn Thạc sĩ: Các yếu tố ảnh hưởng đến hiệu quả kinh doanh của ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam

Luận văn Thạc sĩ: Các nhân tố ảnh hưởng đến hành vi sử dụng dịch vụ ngân hàng điện tử tại Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam – Chi nhánh Thủ Đức

Luận văn Thạc sĩ: Các yếu tố tác đồng đến nợ xấu tại Ngân hàng Nông nghiệp và Phát triển Nông thôn - Chi nhánh Tiền Giang

Luận văn Thạc sĩ: Yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ thanh toán không dùng tiền mặt tại Ngân hàng TMCP Công thương Việt Nam (Vietinbank)

Luận văn Thạc sĩ tóm tắt: Pháp luật về du lịch biển, thực tiễn tại tỉnh Bình Định

Luận văn Thạc sĩ: Ảnh hưởng của các yếu tố thương hiệu với vai trò trung gian của Marketing truyền miệng đến quyết định chọn việc làm của nhân viên GenZ tại chuỗi nhà hàng gà rán Popeyes khu vực Thành Phố Hồ Chí Minh

Luận văn Thạc sĩ: Ảnh hưởng của Marketing mix đến ý định học cao học của sinh viên khối ngành kinh tế thuộc Trường Đại học Công nghệ Thành phố Hồ Chí Minh

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)

Tóm tắt Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và ứng dụng ức chế ăn mòn cho thép của cao chiết xuất từ cây Lộc vừng thuộc họ Lecythidaceae