Luận văn Thạc sĩ Khoa học máy tính: Mô hình toán học Logit - Probit hồi quy và Z-Score trong phân tích và dự báo nợ xấu tín dụng tại Ngân hàng Nayoby Chi nhánh tỉnh Oudomxay

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

SILISITH XAYSOMPHENG

MÔ HÌNH TOÁN HỌC LOGIT – PROBIT HỒI QUY VÀ Z-

SCORE TRONG PHÂN TÍCH VÀ DỰ BÁO NỢ XẤU TÍN

DỤNG TẠI NGÂN HÀNG NAYOBY CHI NHÁNH TỈNH

OUDOMXAY - LÀO

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

SILISITH XAYSOMPHENG

MÔ HÌNH TOÁN HỌC LOGIT – PROBIT HỒI QUY VÀ Z-

SCORE TRONG PHÂN TÍCH VÀ DỰ BÁO NỢ XẤU TÍN

DỤNG TẠI NGÂN HÀNG NAYOBY CHI NHÁNH TỈNH

OUDOMXAY - LÀO

Chuyên ngành

: Khoa học máy tính

Mã số chuyên ngành : 848 01 01.

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC :

PGS.TS Nguyễn Văn Huân

Thái Nguyên – Năm 2020

LỜI CAM ĐOAN

Tôi tên là XAYSOMPHENG silisith, học viên lớp K17A – Khoa học máy

tính, Trường Đại học Công nghệ thông tin và Truyền thông Thái Nguyên.

Tôi xin cam đoan đề tài Mô hình toán học Logit - Probit hồi quy và Z-score

trong phân tích và dự báo nợ xấu tín dụng tại ngân hàng NAYOBY chi nhánh tỉnh

Oudomxay - Lào do Thầy giáo PGS.TS Nguyễn Văn Huân hướng dẫn, là công

trình nghiên cứu do bản thân tôi thực hiện, dựa trên sự hướng dẫn của Thầy giáo

hướng dẫn khoa học và các tài liệu tham khảo đã trích dẫn.

Tôi xin chịu trách nhiệm với lời cam đoan của mình.

Thái Nguyên, Ngày 09 tháng 11 năm 2020

Học viên

XAYSOMPHENG silisith

LỜI CẢM ƠN

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

PGS.TS Nguyên 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 việc 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 để đồ án

chuyên ngành 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 Viện Khoa học xã hội quốc gia Lào, Trung tâm Thông tin Khoa học

xã hội 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, bạn bè.

Cuối cùng, tôi xin cản 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 luân

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

Thái Nguyên, Ngày 09 tháng 11 năm 2020

Học viên

XAYSOMPHENG silisith

iii

MỤC LỤC

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

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

MỤC LỤC ................................................................................................................. iii

DANH MỤC CÁC TỪ VIẾT TẮT .......................................................................... vi

DANH MỤC BẢNG, BIỂU ĐỒ VÀ SÔ ĐỒ .......................................................... vii

DANH MỤC HÌNH ẢNH ...................................................................................... viii

LỜI MỞ ĐẦU ............................................................................................................. 1

CHƯƠNG 1: ............................................................................................................... 3

TỔNG QUAN VỀ NỢ XẤU NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ................ 3

1.1. Hoạt động chung của ngân hàng: ................................................................ 3

1.1.1. Tổng quan về ngân hàng thương mại: ..................................................... 3

1.1.1.1. Khái niệm: ........................................................................................... 3

1.1.1.2. Các hoạt động của Ngân hàng thương mại: ........................................ 4

1.1.1.3. Tín dụng và đặc trưng của tín dụng: ................................................... 7

1.2. Nợ xấu của các Ngân hàng thương mại. ................................................... 11

1.2.1. Khái niệm: ............................................................................................. 11

1.2.2. Các quan điểm về nợ xấu của Ngân hàng thương mại: ........................ 12

1.2.3. Nguyên nhân phát sinh nợ xấu: ............................................................. 14

1.2.3.1. Nhóm các nguyên nhân khách quan: ................................................ 15

1.2.3.2. Nhóm nguyên nhân chủ quan: .......................................................... 17

1.2.4. Các tác động của nợ xấu: ...................................................................... 19

KẾT LUẬN CHƯƠNG 1 .......................................................................................... 21

CHƯƠNG 2: ............................................................................................................. 22

TỔNG QUAN VỀ CÁC MÔ HÌNH TRONG CẢNH BẢO NỢ XẤU NGÂN HÀNG VÀ GIỚI THIỆU MÔ HÌNH LOGIT-PROBIT VÀ Z-SCORE .................. 22

2.1. Tổng quan về các mô hình trong cảnh bảo nợ xấu tín dụng: .................... 22

2.1.1. Nghiên cứu mô hình CAEL cảnh báo nợ xấu tín dụng: ........................ 22

2.1.2. Giới thiệu mô hình CAEL: .................................................................... 22

2.2. Nghiên cứu mô hình chất lượng 6C .......................................................... 24

2.2.1. Mô hình định tính – Mô hình 6C: ......................................................... 24

2.3. Nghiên cứu mô hình xếp hạng của Moody và Standard & Poor: ............. 25

2.3.1. Mô hình xếp hạng các ngân hàng của Moody’s.................................... 26

2.3.2. Mô hình của Standard & Poor’s (S&P): ............................................... 26

2.4. Mô hình toán học Logit-Probit hồi quy trong cảnh báo nợ xấu tín dụng: 29

2.4.1. Mô hình hồi quy theo biến giá (Qualitative Respones Regression Model) 29

2.4.2. Mô hình Logit: ...................................................................................... 29

2.4.2.1. Đặc điểm mô hình Logit trong việc đánh giá khả năng trả nợ của khách hàng. ......................................................................................................... 30

2.4.2.2. Cơ sở toán học và các khái niệm liên quan nghiên cứu liên quan đến mô hình Logit. .................................................................................................... 33

2.4.2.3. Đặc điểm của mô hình Logit: ............................................................ 37

2.4.3. Mô hình Probit: ..................................................................................... 40

2.4.3.1. Giới thiệu mô hình Probit: ................................................................ 40

2.4.3.2. Đặc điểm của mô hình Probit: ........................................................... 42

2.5. Mô hình Z-Score và điểm số tín dụng tiêu dùng: ..................................... 43

2.5.1. Giới thiệu về mô hình: .......................................................................... 43

2.5.2. Cơ sở toán học và các khái niệm liên quan: .......................................... 43

2.5.3. Đặc điểm của mô hình Z-Score: ........................................................... 45

KẾT LUẬN CHƯƠNG 2 .......................................................................................... 46

CHƯƠNG 3: DỰ BÁO NỢ XẤU DỰA VÀO MÔ HÌNH LOGIT-PROBIT TRÊN PHẦN MỀM EVIEWS 8 VÀ DỰ BÁO PHÁ SẢN DỰA VÀO MÔ HÌNH Z- SCORE ...................................................................................................................... 48

3.1. Giới thiệu về Ngân hàng NAYOBY Lào: ................................................. 48

3.1.1. Giới thiệu về ngân hàng: ....................................................................... 48

3.1.2. Hoạt động của Ngân hàng NAYOBY Lào: .......................................... 51

3.1.3. Nguồn dữ liệu và thực trạng hoạt động tín dụng tại Ngân hàng NAYOBY, chi nhánh tỉnh Oudomxay - Lào: .................................................... 53

3.1.3.1. Nguồn dữ liệu của ngân hàng NAYOBY: ........................................ 53

3.1.3.2. Tình hình hoạt động kinh doanh của Ngân hàng NAYOBY: ........... 53

3.1.3.3. Quy trình tín dụng đối với khách hàng doanh nghiệp: ..................... 56

Dự báo nợ xấu dựa trên mô hình toán học Logistic - Probit hồi quy tại

3.2. NHNBB trên phần mềm Eviews 8.0: .................................................................... 59

3.2.1. Mô hình hồi quy Logistic - Probit: ........................................................ 59

3.2.1.1. Ứng dụng phần mềm Eviews 8.0 ...................................................... 60

Dự báo phá sản dựa trên mô hình Z-Score tại các Doanh nghiệp khách

3.3. hàng của Ngân hàng ............................................................................................... 69

KẾT LUẬN ............................................................................................................... 74

TÀI LIỆU THAM KHẢO ......................................................................................... 76

PHỤ LỤC .................................................................................................................. 78

NGUỒN DỮ LIỆU ................................................................................................... 80

DANH MỤC CÁC TỪ VIẾT TẮT

NBB Ngân hàng NAYOBY Lào

CSXH Chính sách xã hội

NHCSXH Ngân hàng Chính sách xã hội

BCTC Báo cáo tài chính

IMF Quỹ tiền tệ quốc tế (The International Monetary Fund)

ECB Ngân hàng Trung ương Châu Âu (The European Central Bank)

NHNN Ngân hàng Nhà nước

NHTM Ngân hàng thương mại

NQH Nợ quá hạn

KHDN Khách hàng doanh nghiệp.

KHCN Khách hàng cá nhân

Moody’s Moody’s Invertors Service

S&P Standard & Poor

RRTD Rủi ro tín dụng

NXTD Nợ xấu tín dụng

DPRR Dự phòng rủi ro

TSBĐ Tài sản bảo đảm

TCTD Tổ chức tín dụng

TCTC Tổ chức tài chính

ĐMTN Định mức tín nhiệm

XHTD Xếp hạng tín dụng

vii

DANH MỤC BẢNG, BIỂU ĐỒ VÀ SÔ ĐỒ

Bảng 2.1. Xếp hạng của Moody’s và Standard & Poor ............................................ 27

Bảng 2. 2. Thang điểm đánh giá tín nhiệm ngân hàng của S&P (từ cao đến thấp) .. 28

Bảng 2. 3. Cấu trúc các biến trong mô hình Logit .................................................... 30

Bảng 2. 4. Các biến để ước lượng LLR trong mô hình của Irakli Ninua .................. 34

Bảng 3. 1. Dư nợ tín dụng KHCN theo thời gian cho vay tại NBB.......................... 55

Bảng 3. 2. Phân tích nợ xấu theo nhóm nợ tại NBB ................................................. 55

Bảng 3. 3. Mô tả thống kê các biến của mô hình ...................................................... 62

Bảng 3. 4. Ma trận tương quan giữa các biến ........................................................... 63

Bảng 3. 5. Kiểm định điểm dừng của EBITA ........................................................... 63

Bảng 3. 6. Kiểm định điểm dừng EQUITYA ........................................................... 64

Bảng 3. 7. Kiểm định điểm dừng LTLA ................................................................... 65

Bảng 3. 8. Kiểm định tính dừng của SALESA ......................................................... 65

Bảng 3. 9. Biến xác suất phá sản của 10 doanh nghiệp ............................................ 67

Bảng 3. 10. Kiểm định tính dừng của biến PD ......................................................... 69

Bảng 3. 11. Các biến độc lập mô hình Z-Score ........................................................ 71

Sơ đồ 1. 1. Các nguyên nhân gây ra nợ xấu ............................................................. 19

Biểu đồ 3. 1. Sự biến động của xác xuất phá sản của Ngân hàng NBB ................... 68

viii

DANH MỤC HÌNH ẢNH

Hình 2. 1. Mô hình hồi quy theo biến giả (Qualitative Respones Regression Model)

................................................................................................................................... 29

Hình 2. 2. Đồ thị mô hình Logit ................................................................................ 31

Hình 2. 3. Đồ thị mô hình Probit ............................................................................... 41

Hình 3. 1. Cơ cấu tổ chức của NBB chi nhánh tỉnh Oudomxay ............................... 49

Hình 3. 2. Phần mềm Eviews 8.0 .............................................................................. 60

Hình 3. 3. Lặp bảng để phân tích mô hình Logit ...................................................... 60

Hình 3. 4. Nhập dữ liệu vào ...................................................................................... 61

Hình 3. 5. Mô hình thống kê các biến của mô hình .................................................. 61

Hình 3. 6. Ma trận tương quan giữa các biến ............................................................ 62

Hình 3. 7. Nhập dữ liệu vào để phân tích Z-Score .................................................... 68

LỜI MỞ ĐẦU

1. Lí do chọn đề tài:

Như đã biết cùng với sự đổi mới của nền kinh tế hệ thống Ngân hàng đóng vai

trò quan trọng cho sự phát triển kinh tế trong nước cũng như sự phát triển kinh tế

toàn cầu. Trong kinh tế thị trường, hệ thống Ngân hàng hoạt động thông suốt, lành

mạnh và hiệu quả là tiền đề để các nguồn lực tài chính luân chuyển, phân bố và sử

dụng hiệu quả, kích thích tăng trưởng kinh tế một cách bền vững.

Nợ xấu ảnh hưởng rất lớn đến sự phát triển của nền kinh tế cũng như sự tồn tại

và phát triển của toàn bộ hệ thống ngân hàng. Do vậy nợ xấu không chỉ là vấn đề

của các ngân hàng cần phải giải quyết mà cần phải có sự chỉ đạo chung của Nhà

nước. Các Ngân hàng cần nhận thức đúng về nợ xấu, đồng thời tìm và phân tích

được nguyên nhân để từ đó đưa ra các giải pháp khắc phục phù hợp. Nếu các ngân

hàng có tình che dấu nợ xấu thì sẽ không phản ánh đúng được thực trạng của toàn

hệ thống ngân hàng và hậu quả là ảnh hưởng đến nguồn cung cấp vốn cho nền kinh

tế.

Điều không thể phủ nhận trong kinh tế thị trường, rủi ro trong kinh doanh là

không thể tránh khỏi, đặc biệt trong rủi ro hoạt động kinh doanh ngân hàng. Trong

hoạt động kinh doanh ngân hàng nợ xấu và những rủi ro tín dụng… ảnh hưởng tiêu

cực hay tích cực đến đời sống kinh tế, chính trị, xã hội của một đất nước.

Em xin gửi lời cảm ơn chân thành tới giáo viên hướng dẫn PGS.TS Nguyễn

Văn Huân đã trực tiếp hướng dẫn, truyền đạt nhiều kinh thức, kinh nghiệm trong

quá trình em làm thực tập cơ sở cũng như trong hoàn thành báo cáo.

Vì vậy em tiến hành thực hiện đề tài: “Mô hình toán học Logit - Probit hồi

quy và Z-Score trong phân tích và dự báo nợ xấu tín dụng tại Ngân hàng

Nayoby Chi nhánh tỉnh Oudomxay - Lào”

2. Mục tiêu của đề tài:

- Dự báo nợ xấu tín dụng Ngân hàng từ đó giảm thiểu nợ xấu tín dụng, rủi ro nợ

xấu tín dụng và nâng cao hiệu quả hoạt động kinh doanh Ngân hàng.

3. Đối tượng và phạm vi nghiên cứu:

- Đới tượng nghiên cứu: dự báo nợ xấu của Ngân hàng Thương mại.

- Phạm vi nghiên cứu: đề tài tập trung nghiên cứu một số nội dung nợ xấu tại

Ngân hàng NAYOBY, chi nhánh tỉnh Oudomxay - Lào.

- Thời gian nghiên cứu: những vấn đề thực trạng nợ xấu tại Ngân hàng

NAYOBY, chi nhánh tỉnh Oudomxay - Lào từ năm 2016 - 2018.

4. Phương pháp nghiên cứu:

- Để thực hiện mục tiêu nghiên cứu trên đề tài sử dụng các phương pháp nghiên

cứu sau:

- Phương pháp phân tích, điều tra, phân tích tổng hợp, so sánh và các phương

pháp khác… để giải quyết vấn đề đặt ra.

5. Bố cục của đề tài:

Ngoài lời mở đầu, kết luận, danh mục các tài liều tham khảo, danh mục các từ

viết tắt, nội dung của đề tài gồm 3 chương như sau:

CHƯƠNG 1: TỔNG QUAN VỀ NỢ XẤU TẠI CÁC NGÂN HÀNG THƯƠNG

MẠI CỔ PHẦN.

CHƯƠNG 2: TỔNG QUAN VỀ CÁC MÔ HÌNH TRONG CẢNH BÁO NỢ XẤU

NGÂN HÀNG VÀ GIỚI THIỆU MÔ HÌNH LOGIT-PROBIT VÀ Z-SCORE.

CHƯƠNG 3: DỰ BÁO NỢ XẤU DỰA VÀO MÔ HÌNH LOGIT-PROBIT TRÊN

PHẦN MỀM EVIEWS8.

CHƯƠNG 1:

TỔNG QUAN VỀ NỢ XẤU NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN

1.1. Hoạt động chung của ngân hàng:

1.1.1. Tổng quan về ngân hàng thương mại:

1.1.1.1. Khái niệm:

Ngân hàng là một trong những tổ chức tài chính quan trọng nhất của nền kinh

tế. Tùy thuộc vào tính chất và mục tiêu hoạt động cũng như sự phát triển của nền

kinh tế nói chung và hệ thống kinh tế nói riêng. Ngân hàng bao gồm Ngân hàng

thương mại, Ngân hàng phát triển, Ngân hàng đầu tư, Ngân hàng chính sách, Ngân

hàng hợp tác và các loại Ngân hàng khác, trong đó Ngân hàng thương mại thường

chiếm tỷ trong lớn nhất về quy mô tài sản, thị phần và số lượng các Ngân hàng.

Ngân hàng thương mại được xem là một trung gian tài chính có chức năng dẫn vốn

từ nơi có khả năng cung ứng vốn đến những nơi có nhu cầu về vốn nhằm tạo điều

kiện cho đầu tư phát triển kinh tế. Chúng ta có thể xem xét một số khái niệm về

NHTM như sau:

Theo pháp lệnh Ngân hàng năm 2019 của Lào có qui định:

“NHTM là một tổ chức tài chính được phép hoạt động kinh doanh ngân hàng,

dịch vụ tiền gửi, tín dụng, thanh toán, kinh doanh tiền tệ và các dịch vụ khác theo

quy định của pháp luật”

Theo luật các tổ chức tài chính (TCTC) của Lào do Quốc hội khóa VIII lần

thứ 6 thông qua ngày 07/12/2018 thì: Ngân hàng có thể đại diện cho các dịch vụ tài

chính, cung cấp các dịch vụ tư vấn tài chính và đầu tư, lưu trữ các vật có giá trị và

cung cấp các dịch vụ khác theo ủy quyền của Ngân hàng Nhà nước Lào. Trong đó

Tổ chức tài chính là các ngân hàng thương mại, tổ chức tài chính vi mô, liên hiệp

tín dụng và tiết kiệm, nhà máy, công ty cho thuê tín dụng và các tổ chức tài chính

khác thuộc thẩm quyền của Ngân hàng Quốc gia Lào theo luật và quy định hiện

hành.

Ngoài ra, NHTM là ngân hàng thực hiện toàn bộ hoạt động Ngân hàng và các

hoạt động kinh doanh khác có liên quan về mục đích lợi nhuận, góp phần thực hiện

các mục tiêu kinh tế của Nhà nước. Trong đó hoạt động Ngân hàng là hoạt động

kinh doanh tiền tệ và dịch vụ Ngân hàng với nội dung thường xuyên là tiền gửi, sử

dụng số tiền này để cấp tín dụng và cung ứng các dịch vụ thanh toán.

Nếu xét trên phương diện những loại hình dịch vụ mà Ngân hàng cung cấp thì

NHTM là loại hình tổ chức tài chính cung cấp một danh mục dịch vụ tài chính đa

dạng nhất – đặc biệt là tín dụng, tiết kiệm, dịch vụ thanh toán và thực hiện nhiều

chức năng tài chính nhất so với bất kì một tổ chức kinh doanh nào trong kinh tế.

Như vạy, có thể nói NHTM là một doanh nghiệp đặc biệt kinh doanh với tiền

tệ với hoạt động thường xuyên là huy động vốn, cho vay, chiết khấu, bảo lãnh, cung

cấp các dịch vụ tài chính và các hoạt động khác có liên quan. Ngoài ra, NHTM còn

là một định chế tài chính trung gian cực kì quan trọng trong nền kinh tế thị trường.

Nhờ vào hệ thống này mà các nguồn tiền nhàn rỗi vốn nằm rải rác trong xã hội sẽ

được huy động và tập trung lại với số lượng đủ lớn để cấp tín dụng cho các Tổ chức

kinh tế xã hội (TCKT), cá nhân nhằm mục dịch phục vụ phát triển kinh tế - xã hội.

sự có mặt của NHTM trong hầu hết các hoạt động của nền kinh tế - xã hội đã chứng

minh rằng: Ở đâu có một hệ thống NHTM phát triển thì ở đó sẽ có sự phát triển với

tốc độ cao của kinh tế - xã hội và ngược lại.

1.1.1.2. Các hoạt động của Ngân hàng thương mại:

➢ Hoạt động huy động vốn:

Đây là một nghiệp vụ đặc biệt trung trong hoạt động kinh doanh của NHTM,

có ý nghĩa quan trọng đối với sự tăng trưởng và phát triển của Ngân hàng. Các

NHTM có thể huy động các nguồn vốn từ các tổ chức kinh tế và dân cư bằng nhiều

hình thức khác nhau như sau:

❖ Hoạt động nhận tiền gửi thường chiếm tỉ trọng rất cao trong tổng nguồn huy

động của NHTM do các Ngân hàng đã chú trọng đến việc đa dạng hóa các

loại tiền gửi không kì hạn, tiền gửi có kì hạn, trong mỗi loại lại chia thành

nhiều loại khác nhau để đáp ứng nhu cầu của khách hàng.

❖ Ngân hàng có thể huy động vốn từ dân cư, tổ chức kinh tế bằng cách bán

cho họ các trái phiếu do Ngân hàng phát hành, đây là hình thức hay được sử

dụng vì thời gian huy động vốn rất ngắn trong khi lãi suất có được lại lương

đối cao, do đó Ngân hàng thường phát hành trái phiếu khi cần vốn đột xuất.

❖ Ngoài các hình thức huy động vốn trên, các Ngân hàng có thể huy động vốn

vay bằng cách vay Ngân hàng Trung ương và các tổ chức tín dụng khác. Ở

Lào, Hình thức này chịu sự quản lí của Ngân hàng Trung ương cả về khối

lượng đi vay và lãi suất đi vay. Do vậy, trong bảng tổng kết tài chính của

các NHTM khoản đi vay này chiếm tỷ trọng nhỏ so với tổng huy dộng vốn

của Ngân hàng.

➢ Hoạt động sử dụng vốn:

Ngân hàng huy động và sử dụng vốn đó cho vay và đầu tư để hưởng doanh

lợi. Cho vay là hình thức thông dụng nhất ở các định chế tài chính nói chung và

NHTM nói riêng ở khắp các nơi trên thế giới. Ở Lào hoạt động cho vay là hoạt

động mang tính lợi nhuận cao nhất cho các Ngân hàng và có ý nghĩa sống còn đối

với Ngân hàng.

Cho vay là một nghiệp vụ trong đó một thể nhân hoặc một pháp nhân gọi là

người cho vay để cho một người khác gọi là người đi vay sử dụng một số tiền với

cam kết hoàn trả lãi theo. Chính vì thế, có thể nói: “Ngân hàng là người đi vay để

cho vay”, số tiền để Ngân hàng sử dụng cho vay xuất phát từ nguồn vốn mà Ngân

hàng huy động được. Lợi nhuận thu được của Ngân hàng phụ thuộc vào khoản

chênh lệch giữa chi phí huy động nguồn và lãi suất Ngân hàng cho vay.

Qua các lý luận về hoạt động huy động vốn và sử dụng vốn nói trên của Ngân

hàng có thể thấy Ngân hàng thực hiện chức năng là người trung gian đứng ra dàn

xếp giữa người thừa vốn và người thiếu vốn. Thông qua hoạt động cho vay, Ngân

hàng kiểm soát khối lượng tiền trong lưu thông, tăng vòng quay vốn của nền kinh

tế, làm cho khối lượng tiền tệ trong ngành kinh tế không ngừng vận động và sinh

lợi.

➢ Thực hiện các dịch vụ khác cho khách hàng:

Ngày nay, hoạt động dịch vụ của NHTM trên thế giới đem lại một mức lợi

nhuận khổng lồ cho Ngân hàng (chiếm khoảng 75% tổng số lợi nhuận Ngân hàng),

nhưng ở Lào thì con số này thật khiêm tốn, chỉ chiếm khoảng 25%. Do vậy, vấn đề

đa dạng hóa các hoạt động dịch vụ ở Ngân hàng đang được rất quan tâm. Các dịch

vụ này bao gồm:

Hoạt động điện tử liên quan đến Ngân hàng: gồm việc nối mạng từ các máy

tính của Ngân hàng và máy tính của khách hàng, chủ yếu là các công ty để trao đổi

các thông tin dữ liệu giúp cho các công ty quản lí nguồn vốn của mình có hiệu quả

hơn.

Đảm bảo an toàn vật có giá: Đây là một dịch vụ lâu đời nhất của NHTM. Do

Ngân hàng có đội ngũ nhân viên bảo vệ và có các kết sắt giữ tiền rất quan trọng,

nên khách hàng có thể khi gửi các tài sản quý, những giấy tờ có giá trị… Dịch vụ

nhận tiền gửi qua đêm. Ở nước ta hiện nay dịch vụ này chưa có nhưng trong tương

lai sẽ dần hình thành vì thu nhập của dân hiện nay càng tăng lên, đồng nghĩa với

việc các tài sản quý mà người dân sở hữu cũng tăng lên và từ đó phát sinh nhu cầu

được bảo vệ và đây cũng là lúc Ngân hàng phát huy chức năng quan trọng của

mình.

Các nghiệp vụ ủy thác: Ngân hàng nhận úy thác từ các khách hàng để quản trị

các tài sản khác. Có thể chia thành 2 loại tài sản bằng tiền và hiện vật, phần đông

khách hàng ủy thác cho Ngân hàng quản trị tài sản bằng tiền, kí gửi vào một tài

khoản, ủy thác cho Ngân hàng quản trị một mình hay cùng với người khác. Ngoài

ra, Ngân hàng cũng được ủy thác quản trị tài sản của người cầm cố, của vị thành

niên…

Các dịch vụ kinh doanh khác: Những dịch vụ khác bao gồm nhiều loại như

đảm bảo tài sản tín dụng, mua các khoản sẽ thu của các công ty, phát hành thẻ làm

tín dụng, làm dịch vụ tư vấn thuê mua…

Có thể thấy hoạt động của NHTM là vô cùng phong phú và đa dạng, trong đó

hoạt động nhận tiền gửi và cho vay chiếm tỷ trọng hàng đầu. Thông qua các nghiệp

vụ này, NHTM đã chứng tỏ với vai trò quan trọng không thể thiếu của mình trong

mỗi quốc gia.

1.1.1.3. Tín dụng và đặc trưng của tín dụng:

➢ Khái niệm:

Khái niệm tín dụng đã xuất hiện từ rất lâu, nó xuất phát từ gốc La Tinh

CREDITUM có nghĩa là sự tin tưởng, tín nhiệm hay chính là lòng tin. Theo cách

biểu hiện nay thì tín dụng là quan hệ vay vốn lẫn nhau dựa trên sự tin tưởng số vốn

đó sẽ được hoàn trả vào một thời điểm xác định trong tương lai.

Mác cho rằng: “Tín dụng là quá trình chuyển nhượng tạm thời một lượng giá

trị từ người sở hữu đến người sử dụng, sau một thời gian nhất định thu hồi một

lượng giá trị lớn hơn lượng giá trị ban đầu”. Có thể hiểu tổng quát về khái niệm tín

dụng: Tín dụng là quan hệ cuyển nhượng tạm thời một lượng giá trị (dưới hình thái

tiền tệ hay hiện vật) từ người sở hữu sang người sử dụng sau một thời gian dài nhất

định thu hồi về một lượng giá trị lớn hơn so với giá trị ban đầu.

Mối quan hệ tín dụng bao gồm 2 mặt cơ bản là quan hệ cho vay và quan hệ

hoàn trả được thể hiện như sau:

(1) Người vay chuyển giao cho người đi vay một lượng giá trị nhất định. Giá

trị này có thể dưới hình thái tiền tệ hay hiện vật, hàng hóa, máy móc,

thiết bị, bất động sản.

(2) Người đi vay chỉ được sử dụng tạm thời trong một khoảng thời gian nhất

định, khi hết thời gian theo thỏa thuận người đi vay phải trả cho người

cho vay. Thông thường, giá trị khi hoàn trả phải lớn hơn giá trị cho vay,

nói cách khác người đi vay phải nhận thêm một phần lợi tức.

➢ Đặc điểm của tín dụng:

Mối quan hệ tín dụng phải thỏa mãn 4 đặc trưng: Lòng tin, tính hoàn trả, tính

thời hạn và ấn chứa nhiều khả năng rủi ro cao.

Một là, Quan hệ tín dụng dựa trên lòng tin. Người ta chỉ cho vay khi người ta

tin tưởng, người đi vay có ý muốn trả nợ và có khả năng trả nợ. Đồng thời người ta

tin rằng người sử dụng lượng giá trị đó sẽ thu được lượng giá trị cao hơn, đặt hiệu

quả sau một thời gian dài nhất định, người cho vay cũng tin tưởng người đi vay và

có ý muốn trả nợ thì quan hệ tín dụng mới xảy ra. Như vậy có thể nói đây là điều

kiện tiên quyết để thiết lập quan hệ tín dụng.

Hai là, Tính hoàn trả. Đối với quan hệ tín dụng thì đây là đặc trưng cơ bản và

sự hoàn trả là tiêu chuẩn phân biệt quan hệ tín dụng với các quan hệ tài chính khác.

Trong tính hoàn trả thì lượng vốn chuyển nhượng phải được hoản trả đúng hạn về

cả thời gian và về giá trị bao gồm 2 bộ phần: Gốc và lãi. Phần lãi đảm bảo cho

lượng giá trị hoàn trả lớn hơn lượng giá trị ban đầu. Sự chênh lệch này là giá trả cho

quyền sử dụng vốn tạm thời. Nói cách khác, nó là giá trị cho sự sinh quyền sử dụng

vốn hiện tại của người sở hữu, vì thế nó phải đủ hấp dẫn để cho người sở hữu có thể

sẵn sàng hy sinh quyền sử dụng nó. Mặt khác nếu không có sự hoàn trả thì đó làm

quan hệ tín dụng không hoàn hảo.

Ba là, Tính thời hạn: Xuất phát từ bản chất của tín dụng là sự tín nhiệm người

cho vay tin tưởng người đi vay sẽ hoàn trả vào một ngày trong tương lai. Người đi

vay chỉ được sử dụng trong một thời gian nhất định, sau khi hết thời gian như thỏa

thuận, người đi vay hoàn trả cho người cho vay.

Bốn là, Tín dụng ấn chứa nhiều khả năng rủi ro. Do sự không cân xứng về

thông tin và người cho vay không hiểu rõ hết về người đi vay. Một mối quan hệ tín

dụng được gọi là hoàn hảo nếu người đi vay hoàn trả được đầy đủ gốc và lãi đúng

thời hạn.

Tuy nhiên trong thực tế không phải lúc nào cũng diễn ra một cách trôi chảy,

không hiếm trường hợp người đi vay không thực hiện được nghĩa vụ của mình đối

với chủ nợ do các nguyên nhân khách quan hay chủ quan gây ra. Đó là trường hợp

khi đến hạn hoàn trả vốn vay, người đi vay không thể thực hiện được việc trả nợ

cho người vay dẫn đến các khoản nợ bị quá hạn. Nợ xấu là biểu hiện không lành

mạnh của quá trình hoạt động tín dụng, là báo hiệu sự rủi ro.

➢ Các hình thức tín dụng:

Khi nền kinh tế chuyển sang nền kinh tế thị trường hoạt động của NHTM cũng

giống như các Doanh nghiệp khác đều chịu tác động của các quy định luật kinh tế.

Điều này đòi hỏi các sản phẩm mà Ngân hàng cung ứng ra thị trường ngày càng

phải đa dạng và phong phú phù hợp với nhu cầu của khách hàng nhưng vẫn phải

đảm bảo được tính an toàn. Chính vì vậy cần tiến hành phân loại tín dụng để có thể

sử dụng và quản lí hiệu quả.

✓ Căn cứ vào thời hạn tín dụng thường phân thành: Tín dụng ngắn hạn, tín

dụng trung hạn và tín dụng dài hạn.

❖ Tín dụng ngắn hạn: Là các khoản cho vay có thời hạn không quá 12

tháng và được sử dụng để bù đắp sự thiếu hụt vốn lưu động của các

doanh nghiệp và các nhu cầu chỉ tiêu ngắn hạn của cá nhân.

❖ Tín dụng trung hạn: Là các khoản vay có thời hạn từ 12 tháng đến 5

năm. Tín dụng trung hạn thường được để đầu tư mua sắm tài sản cố định,

cải tiến hoặc đổi mới thiết bị, công nghệ, xây dựng các dự án quy mô

nhỏ và thời gian thu hồi vốn nhanh. Trong nông nghiệp chủ yếu cho vay

là để đầu tư các đối tượng xây dựng các vườn cây công nghiệp…

❖ Tín dụng dài hạn: Là các khoản cho vay có thời hạn trên 5 năm. Mục

đích sử dụng vốn vay gần như tín dụng trung hạn nhưng với quy mô lớn,

thời hạn thu hồi vốn lâu hơn.

✓ Căn cứ vào mục đích cho vay có: Tín dụng bất động sản, tín dụng công

nghiệp và thương mại…

❖ Tín dụng bất động sản là loại tín dụng có liên quan đến việc mua sắm và

xây dựng bất động sản.

❖ Tín dụng công nghiệp và thương mại là loại tín dụng ngắn hạn để bổ

sung vốn lưu động cho các doanh nghiệp trong lĩnh vực công nghiệp,

thương mại và dịch vụ.

❖ Tín dụng công nghiệp là loại tín dụng cho vay để trang trải các chi phí

sản xuất như phân bón, giống cây…

❖ Cho vay các định chế tài chính bao gồm các khoản tín dụng cho các

Ngân hàng, các công ty cho thuê tài chính, quỹ tín dụng và các định chế

tài chính khác.

❖ Cho vay cá nhân là loại vay đáp ứng các nhu cầu chi tiêu.

❖ Cho thuê bao gồm cho thuê tài chính và cho thuê vận hành.

✓ Căn cứ vào mức độ tín nhiệm với khách hàng có: Tín dụng không đảm

bảo và tín dụng có đảm bảo.

❖ Tín dụng không đảm bảo là loại tín dụng không có tài sản thế chấp, cầm

cố hoặc có sự bảo lãnh của bên thứ ba.

❖ Tín dụng có đảm bảo là loại cho vay dựa trên việc thế chấp, cầm cố hoặc

bảo lãnh.

✓ Căn cứ vào đặc điểm luân chuyển vốn: Tín dụng vốn lưu động và tín

dụng vốn cố định.

❖ Tín dụng vốn lưu động: Là loại tín dụng được cung cấp để bổ sung vốn

lưu động cho các khách hàng vay vốn trong khi nguồn vốn tự có của họ

không đủ để thực hiện phương án sản xuất kinh doanh.

❖ Tín dụng vốn cố định: Là loại tín dụng được cấp bổ sung để hình thành

nên TSCĐ cho các khách hàng vay vốn trong kho các nguồn vốn khác

không đủ để thực hiện dự án.

✓ Căn cứ vào hình thái giá trị của tín dụng: Tín dụng bằng tiền và tín dụng

bằng tài sản.

❖ Tín dụng bằng tiền: Là loại tín dụng mà hình thái giá trị của tín dụng

được cấp bằng tiền.

❖ Tín dụng bằng tài sản: Là tín dụng mà hình thái giá trị của tín dụng được

cấp bằng tài sản. Đối với NHTM thì hình thức tín dụng này thể hiện chủ

yếu dưới hình thức tín dụng thuê mua.

✓ Căn cứ vào phương pháp cho vay. Dựa vào căn cứ này tín dụng được

chia làm hai loại tín dụng trực tiếp và tín dụng gián tiếp.

❖ Tín dụng trực tiếp: Là loại tín dụng mà người vay trực tiếp nhận tiền vay

và trực tiếp hoản trả nợ cho vay cho NHTM.

❖ Tín dụng gián tiếp: Là loại tín dụng mà quan hệ tín dụng thông qua hay

liên quan đến người thứ ba.

✓ Căn cứ vào phương pháp hoàn trả: Tín dụng trả góp, tín dụng phi trả góp

và tín dụng theo yêu cầu.

❖ Tín dụng trả góp: Là loại tín dụng mà khách hàng phải trả cả gốc và lãi

theo định kỳ. Loại tín dụng này chủ yếu được áp dụng trong cho vay bất

động sản nhà ở, thương mại, cho vay tiêu dùng, cho vay đối với những

người kinh doanh nhỏ, cho vay để mua sắm máy móc thiết bị,…

❖ Tín dụng phi trả góp: Là loại tín dụng được thanh toán một lần theo đúng

kì hạn đã thỏa thuận và thường cho vay vốn lưu động.

❖ Tín dụng hoàn trả theo yêu cầu: Là loại tín dụng mà người vay có thể

hoàn trả bất cứ lúc nào khi có thu nhập. Ngân hàng không ấn định thời

hạn nào, áp dụng cho vay thấu chi.

1.2. Nợ xấu của các Ngân hàng thương mại.

1.2.1. Khái niệm:

Trong các sách giáo khoa tài chính nước ngoài. Nợ xấu được hiểu là các khoản nợ hầu như không có khả năng được thanh toán và bắt buộc phải xử lí bằng bút toán xóa nợ.

Theo quy định về mua sắm nợ và trích khấu hao do tổ chức tài chính vi mô của NHNN Lào phân loại. Số 02/BOL ngày 4/2/2015 của NHNN Lào cho biết về nợ xấu:

“Nợ khó đòi là khoản nợ có một hoặc nhiều điều kiện sau đây: Các khoản nợ đã được coi là không được hoàn lại hoặc bất kỳ phần nào của số dư nợ không được đảm bảo đầy đủ.”

“Khi đến kì hạn trả nợ gốc hoặc lãi, nếu khách hàng không trả nợ đúng hạn và không được điều chỉnh kỳ hạn nợ gốc hoặc lãi không được gia hạn nợ gốc hoặc lãi, thì tổ chức tín dụng chuyển toàn bộ số dư nợ sang nợ xấu”.

1.2.2. Các quan điểm về nợ xấu của Ngân hàng thương mại:

Có rất nhiều quan điểm khác nhau về nợ xấu. Quan điểm về nợ xấu khác nhau

ở quốc gia và trong một nền kinh tế dưới góc nhìn của các chủ thể khác nhau thì

quan điểm về nợ xấu cũng có sự khác biệt. Nếu đứng dưới góc nhìn của các NHTM

thì nợ xấu có thể hiểu là những khoản cho vay không có khả năng sinh lời hay

những khoản cho vay không còn hoạt động (NPL: non-performing loans). Những

khoản cho vay trở nên không sinh lời khi người vay dùng việc thanh toán và khoản

cho vay này bắt đầu bị vỡ nợ.

✓ Theo quan điểm của Ngân hàng Trung ương Châu Âu (ECB)

❖ Nợ xấu là những khoản cho vay không có khả năng thu hồi như:

Những khoản nợ đã hết hiệu lực hoặc những khoản nợ không có căn cứ đòi

bồi thường từ người mắc nợ.

- Ngườ mắc nợ trốn hoặc mất tích, không còn tài sản để thanh toán nợ.

- Những khoản nợ mà Ngân hàng không thể liên lạc được với người mắc

nợ hoặc không thể tìm được người mắc nợ.

- Những khoản nợ mà khách nợ chấm dứt hoạt động kinh doanh, thanh lí

tài sản, hoặc kinh doanh bị thua lỗ và tài sản còn lại không đủ để trả nợ.

❖ Nợ xấu là những khoản cho vay có thể không được thu hồi đầy đủ cho

Ngân hàng.

Đây là những khoản nợ không có tài sản thế chấp hoặc tài sản đưa ra để thể

chấp không đủ để trả nợ. Điều đó đồng nghĩa với việc Ngân hàng không thể thu hồi

đầy đủ vì món nợ người mắc nợ rất khó kiếm được lợi nhuận từ công việc kinh

doanh hoặc người mắc nợ không liên lạc với ngân hàng để thanh toán hoặc hoàn

cảnh chỉ ghi rõ rằng phần lớn tiền nợ sẽ không thể thu hồi được. Những khoản nợ

loại này gồm có:

- Những khoản nợ mà người mắc nợ đồng ý thanh toán trong quá khứ,

nhưng phần còn lại không thể được đền bù, hoặc những khoản nợ trong

đó tài sản được chuyển để thanh toán nhưng giá trị còn lại không đủ

trang trải toàn bộ nợ.

- Những khoản nợ mà người mắc nợ khó có thể trả nợ và yêu cầu gia hạn

nợ nhưng không đền bù được nợ trong thời gian thỏa thuận.

- Những khoản nợ mà tài sản thế chấp không đủ để trả nợ hoặc tài sản thế

chấp ở Ngân hàng không được chấp nhận về mặt pháp lí dẫn đến người

mắc nợ không thể trả nợ Ngân hàng đầy đủ.

- Những khoản nợ mà tòa án tuyên bố người mắc nợ phá sản nhưng phần

bồi hoàn ít hơn dư nợ.

Theo quan điểm của ECB, thì nợ xấu được định nghĩa qua hai yếu tố: (i):

khoản vay không có khả năng được thu hồi và (ii): mặc dù được thu hồi nhưng giá

trị thu hồi là không đầy đủ. Như vậy, quan điểm về nợ xấu của ECB được tiếp cận

dựa trên kết quả thu hồi nợ của Ngân hàng.

✓ Theo quan điểm của Quỹ tiền tệ quốc tế (IMF)

Định nghĩa về nợ xấu đã được IMF đưa ra như sau:

“ Một khoản cho vay được coi là không sinh lời (nợ xấu) khi tiền thanh toán

lãi và/hoặc tiền gốc đã quá hạn từ 90 ngày trở lên, hoặc các khoản thanh toán lãi

đến 90 ngày hoặc hơn đã được tái cơ cấu hay gia hạn nợ, hoặc các khoản thanh toán

dưới 90 ngày nhưng có các nguyên nhân nghi ngờ việc trả nợ sẽ được thực hiện đầy

đủ”

Về cơ bản, nợ xấu theo quan điểm của IMF được định nghĩa dựa trên hai yếu

tố:

(i): quá hạn trên 90 ngày, hoặc (ii): khả năng trả nợ bị nghi ngờ. Với quan

điểm này, nợ xấu được tiếp cận dựa trên thời gian quá hạn trả nợ và khả năng trả nợ

của khách hàng. Khả năng trả nợ ở đây có thể là khách hàng hoàn toàn không trả

được nợ, hoặc việc trả nợ của khách hàng là không đầy đủ.

Như vậy, so với quan điểm của ECB, thì quan điểm về nợ xấu của IMF cũng

dựa trên kết quả thu hồi nợ của Ngân hàng, nhưng có bổ sung thêm yếu tố về thời

gian quá hạn trả nợ. Đây được coi là định nghĩa hiện đang được áp dụng phổ biến

trên thế giới.

✓ Theo quan điểm của Ngân hàng Nhà nước Lào

Theo như Quyết định Số 02/BOL của NHNN Lào ngày 4/2/2015 về việc phân

loại nợ, trích tập và sử dụng phòng để xử lí RRTD trong hoạt động ngân hàng của

tổ chức tín dụng (TCTD) thì nợ xấu dược định nghĩa như sau:

Nợ khó đòi là khoản nợ có một hoặc nhiều điều kiện sau đây:

− Các khoản nợ đã được coi là không được hoàn lại hoặc bất kỳ phần nào của

số dư nợ không được đảm bảo đầy đủ.

− Các trường hợp nghi ngờ trước đây nhưng chưa được giải quyết bằng các thủ

tục cải tiến kinh doanh hoặc khởi kiện trong vòng 90 ngày;

− Các khoản nợ nêu trên nếu quá hạn trả, toàn bộ hoặc một phần lãi bắt đầu từ

trên 180 ngày.

Với những quan điểm trên thì quan điểm về nợ xấu theo tác giả, phải được tiếp

cận dựa vào khả năng trả nợ của khách hàng. Có nghĩa một khoản vay trong hạn

thậm chí mới cho vay, nhưng các dấu hiệu chứng tỏ rằng khả năng trả nợ của khoản

vay là đáng nghi ngờ thì cũng có thể coi là một khoản nợ xấu.

1.2.3. Nguyên nhân phát sinh nợ xấu:

❖ Phân tích nguyên nhân nợ xấu là một trong những điểm quan trọng cần phải

làm để từ đó đưa ra được chiến lược cũng như phương pháp quản lí và xử lí

phù hợp, khả thi và có hiệu quả.

❖ Hoạt động Ngân hàng là hoạt dộng của các tổ chức tài chính trung gian, do

vậy hoạt động của NHTM phụ thuộc vào rất nhiều yếu tố: Môi trường pháp

lí, môi trường kinh tế cũng như môi trường thiên nhiên, tình hình sản xuất

kinh doanh của các khách hàng, đạo đức khách hàng và các yếu tố thuộc về

chính bản thân ngân hàng…

1.2.3.1. Nhóm các nguyên nhân khách quan:

❖ Môi trường thiên nhiên:

Thiên tai, bão lụt, hỏa hoạn, mất mùa, dịch bệnh… Đây là những nguyên nhân

khách quan do sự biến đổi của môi trường thiên nhiên gây ra sự hoạt động thất bại

của khách hàng vay, nhất là các khoản cho vay nông nghiệp, dẫn đến nợ xấu phát

sinh. Nguyên nhân này nằm ngoài tầm kiểm soát và mong muốn của cả NHTM và

các khách hàng vay. Đây là nguyên nhân gây ra rủi ro nợ xấu không thể tránh được,

những mất mát do nguyên nhân này gây ra cần được sự chia sẻ của nhà nước, của

cả xã hội.

❖ Môi trường kinh tế:

Nếu môi trường kinh tế chưa thực sự phát triển, cạnh tranh trên thị trường

chưa thực sự bình đẳng, tốc độ cũng như trình độ phát triển chưa cao sẽ dẫn đến

việc các cá nhân và tổ chức cũng như các doanh nghiệp không có tiềm lực tài chính

đủ mạnh. Mặt khác, với sự thay đổi liên tục trong các chính sách kinh tế vĩ mô như

sự thay đổi về cơ chế lãi suất, tỷ giá... Chính sách xuất nhập khẩu, hàng tiêu dùng…

thay đổi quy hoạch xây dựng hạ tầng, thay đổi cơ chế tài chính, cơ chế sử dụng đất

đai… cũng ảnh hưởng trực tiếp đến hoạt động của các cá nhân, tổ chức, doanh

nghiệp, khiến các doanh nghiệp này rơi vào thế bị động, do đó nó gián tiếp ảnh

hưởng đến chất lượng nợ của các đối tượng này NHTM.

Chúng ta có thể lấy ví dụ như sự thay đổi trong lãi suất: với mặt bằng lãi suất

có xu hướng tăng nhanh sẽ làm gia tăng các khoản nợ xấu. Trong lịch sử, hậu quả

của lãi suất tăng không có điểm dừng đã chứng minh khá nhiều. Khủng hoảng tài

chính châu Á năm 1997 với sự tăng mạnh của lãi suất thị trường các nước trong

vực. Ở thời điểm đó, lãi suất ở Indonesia tăng mạnh, và khi vượt trên 30% thì các

ngân hàng bắt đầu phá sản.

Điều này có thể được giải thích dễ dàng: những doanh nghiệp mạnh sẽ không

chấp nhận mức lãi suất quá cao, họ có khả năng tìm đến những nguồn vốn khác

thông qua thị trường chứng khoán. Nghi vấn đặt ra đối với doanh nghiệp đám chấp

thuận mức lãi suất cao. Phần lớn sự chấp thuận đó suất phát từ sự thuê vốn trầm

trọng, năng lực tài chính hạn chế, độ tín nhiệm thấp nên không tiếp cận được những

nguồn vốn khác. Và tất nhiên, nguy cơ nợ xấu ngân hàng tăng lên từ nhóm đối

tượng này.

❖ Môi trường pháp lí:

Môi trường pháp lí cho hoạt động ngân hàng chưa đầy đủ là nguyên nhân quan

trọng góp phần gây ra nợ xấu. Sự bất cập và chồng chéo của luật sẽ khiến cơ quan

hữu quan lúng túng trong việc xử lí tranh chấp về tài sản đảm bảo, các quy định về

kế toán kiểm toán chưa đủ sức mạnh thực hiện sẽ khiến số liệu không đủ cơ sở vững

chắc để thẩm định cho vay.

❖ Tín dụng chi định của Chính phủ:

Theo lí thuyết và kinh nghiệm của các nước có nền kinh tế hoạch hóa hoặc

chuyển đổi, nợ xấu thường là do vấn đề các NHTM quốc doanh bị ràng buộc tài

chính “mềm”, dẫn đến việc các ngân hàng không quan tâm đánh giá sát sao năng

lực tài chính của người vay. Ngoài ra, tại những nước này, chính quyền trung ương

có xu hướng gây áp lực hay khuyến khích các ngân hàng cấp tín dụng vượt quá mức

an toàn cho phép để đạt được những mục tiêu nhất định đã đề ra. Sự can thiệp của

chính phủ vào việc cho vay của ngân hàng có thể diễn ra trước hoặc sau khi giao

dịch đã hoàn tất. Đến những năm gần đây, tại một số nền kinh tế, các ngân hàng

quốc doanh vẫn có nghĩa vụ thực hiện các khoản cho vay chính sách, theo các

chương tình phát triển của chính phủ hoặc vì lí do chính trị.

❖ Sự yếu kém trong hoạt động kinh doanh của khách hàng:

Năng lực tài chính của doanh nghiệp không cao ảnh hưởng trực tiếp đến hiệu

quả kinh doanh. Mặt khác, năng lực điều hành, quản lí kinh doanh của chủ doanh

nghiệp vay vốn yếu kém cũng dẫn đến hoạt động kinh doanh kém hiệu quả từ đó

ảnh hưởng đến khả năng trả nợ của ngân hàng.

❖ Đạo đức khách hàng:

Một số doanh nghiệp cố ý thông báo số liệu tài chính của doanh nghiệp không

chính xác gây sai lệch trong việc thẩm định và cấp tín dụng đã dẫn đến khó khăn

trong việc thu hồi nợ ngân hàng (rủi ro do sự lựa chọn đối nghịch).

Hoặc bản thân doanh nghiệp thiếu ý thức trong vấn đề sử dụng vốn vay và trả

nợ, không lo lắng, không quan tâm đến món nợ đối với ngân hàng mặc dù khả năng

tài chính của doanh nghiệp có một số doanh nghiệp thì lại có tư tưởng lợi dụng kẽ

hở của pháp luật để tính toán, chụp giựt, từa đảo, móc ngoặc, sử dụng vốn sai mục

đích kiếm lời, vay không có ý định trả nợ(rủi ro đạo đức).

1.2.3.2. Nhóm nguyên nhân chủ quan:

Đây là những nguyên nhân xuất phát từ chính bản thân các ngân hàng. Đó có

thể là do một chính sách hiệu quả tín dụng kém, sự lỏng lẻo trong công tác kiểm tra,

giám sát hay các vấn đề liên quan đến chất lượng nguồn nhân lực ngân hàng.

❖ Chính sách tín dụng:

Một chính sách tín dụng không đầy đủ, không đồng bộ và thống nhất sẽ dẫn

tới việc cấp tín dụng không đúng đối tượng, tiềm ẩn nguy cơ rủi ro cho ngân hàng.

Mặt khác để thu hút khách hàng và chiếm lĩnh thị phần, nhiều NHTM đã bỏ qua

một số bước trong quy trình tín dụng, có thể cho vay được đơn giản hóa, tự ý hạ

thấp tiêu chuẩn đánh giá khách hàng. Bài học vẫn còn đó, khủng hoảng tài chính

toàn cầu 2008 xuất phát từ thị trường tài chính Hoa Kỳ có nguồn gốc sâu xa chính

là những món cho vay dưới chuẩn.

Đây là những khoản cho vay chất lượng thấp với mức rủi ro cao. Các khoản

cho vay này không được xem xét kỹ lưỡng về khả năng thanh toán của khách hàng

như: thu nhập hàng năm, tiền sử nghề nghiệp, tài sản… và thường được đảm bảo

bởi rất ít hoặc không có giấy tờ chứng minh khả năng tài chính của người đi vay.

Mặc dù các khoản cho vay này chỉ chiếm 16% tổng số món cho vay thế chấp nhưng

nó lại chiếm tới hơn 50% các khoản vỡ nợ tại Hoa Kỳ.

❖ Công tác tổ chức kiểm tra, kiểm soát:

Nhiệm vụ của công tác kiểm tra, kiểm soát là phát hiện sớm những sai phạm

trong hoạt động cho vay để ngăn ngừa rủi ro. Tuy nhiên, công tác tổ chức, kiểm tra,

kiểm soát của các NHTM nếu quá yếu kém và lỏng lẻo sẽ dẫn đến việc phát hiện và

xử lí không kịp thời những trường hợp vi phạm, lợi dụng trong hoạt động cho vay

và nợ xấu phát sinh là điều tất yếu.

❖ Chất lượng cán bộ ngân hàng:

Cán bộ tín dụng là người trực tiếp giao dịch với khách hàng, nắm bắt đặc điểm

cũng như chất lượng khách hàng, khoản vay. Điều này đòi hỏi cán bộ tín dụng phải

có kiến thức, kinh nghiệm làm việc cũng như khả năng phân tích dự báo… Một bộ

phận cán bộ tín dụng trình độ yếu kém không đánh giá được hết các khả năng rủi ro

liên quan đến khoản vay sẽ dẫn đến quyết định cho vay sai lầm và nguy cơ phát

sinh nợ xấu rất cao.

Một số cán bộ của hệ thống NHTM sa sút về phẩm chất, đạo đức nghề nghiệp,

thiếu cững vàng do đó đã lợi dụng công việc được giao để móc ngoặc với con nợ,

lợi dụng kẽ hở của pháp luật để làm giàu bất hợp pháp, gây thiệt hại về tài sản và

tiền vốn. Đây là rủi ro về đạo đức của cán bộ ngân hàng.

Ngoài ra, năng lực quản trị điều hành của ban lãnh đạo ngân hàng không tốt

như:

(1) Buông lỏng quản lí, khoán trắng mọi việc cho cán bộ tín dụng.

(2) Việc quản lí con người chưa đúng mức cũng như các hoạt động khác

trong quản lí ngân hàng dẫn đến những sai lầm trong quyết định cho vay,

đưa đến chất lượng tín dụng kém kéo dài. Ngoài ra, vấn đề rủi ro đạo đức

cũng xảy ra khi lãnh đạo ngân hàng có quan hệ lợi ích với khách hàng.

- Môi trường thiên nhiên

- Môi trường kinh tế

- Môi trường pháp lí

- Sự chỉ định của chính phủ

- Yếu kém trong kinh doanh

của khách hàng

- Đạo đức khách hàng Nợ xấu

- Chính sách tín dụng

- Kiểm tra, kiểm soát

- Chất lượng cán bộ

Sơ đồ 1. 1. Các nguyên nhân gây ra nợ xấu

1.2.4. Các tác động của nợ xấu:

Nợ xấu là kết quả của một quan hệ tín dụng không hoàn háo gây nên sự đổ vỡ

lòng tin. Nợ xấu luôn sóng hàng cùng hoạt động tín dụng theo mối quan hệ giữa lợi

nhuận và rủi ro. Vì vậy khi đưa ra một món cho vay thì ngân hàng cần phải xác định

nguy cơ phát sinh nợ xấu. Vấn đề nằm ở chỗ xác định xem tỷ lệ nợ xấu thể nào là

phù hợp, tỷ lệ là cao và bắt đầu ảnh hưởng xấu đến hoạt động của NHTM.

Theo chuẩn mực quốc tế hiện nay thì tỷ lệ nợ xấu có thể chấp nhận được là

dưới 5%. Yêu cầu về tỷ lệ nợ xấu được đưa ra vì khi nợ xấu ở mức độ cao sẽ gây

nên hậu quả nghiêm trọng đối với NHTM và nếu xảy ra ở trên diện rộng có thể dẫn

đến khủng hoảng cho nền kinh tế.

Nợ xấu có những tác động chính ảnh hưởng trực tiếp tới nền kinh tế và làm

ảnh hưởng đến hoạt động của các NHTM như sau:

❖ Đối với các Ngân hàng thương mại:

Giảm lợi nhuận của ngân hàng: Nợ xấu làm cho doanh thu thấp dẫn đến tình

trạng thua lỗ. Hơn nữa kể cả trường hợp không lỗ thì nợ xấu phát sinh, các khoản

chi phí cũng tăng lên đáng kể: nó bao gồm chi phí trả tiền lãi gửi, chi phí quản lý nợ

xấu, chi phí trích lập DPRR và các khoản cho phí khác liên quan. Việc gia tăng các

khoản chi phí khiến cho lợi nhuận còn lại cũng trở nên thấp hơn so với dự tính ban

đầu.

Ảnh hưởng đến khả năng thanh toán của ngân hàng: Do không thu hồi được

các khoản cho vay, nợ xấu làm chậm quá trình luân chuyển vốn của ngân hàng.

Trong khi đó ngân hàng vẫn phải có trách nhiệm thanh toán cho những khoản tiền

gửi, điều này sẽ khiến ngân hàng phải đối mặt với nguy cơ mất khả năng thanh toán.

Với tỷ lệ nợ xấu ở mức cao còn có thể dẫn đến sự phá sản của các NHTM.

Giảm uy tín của ngân hàng: Khi một ngân hàng có mức độ rủi ro của các tài

sản có cao thì ngân hàng thường đứng trước nguy cơ mất uy tín của mình trên thị

trường. Không một ai muốn gửi tiền vào một ngân hàng mà ngân hàng đó có tỷ lệ

nợ quá hạn, nợ xấu vượt quá mức cho phép, có chất lượng tín dụng không tốt và gây

ra nhiều vụ thất thoát lớn. Thông tin về việc một ngân hàng có mức độ rủi ro cao

hơn thường được báo chí nêu lên và lan truyền trong dân chúng, điều này sẽ khiến

cho uy tín của ngân hàng trên thị trường bị giảm mạnh gây nên sự bất lợi trong hoạt

động cạnh tranh với các ngân hàng khác.

❖ Đối với nền kinh tế:

Đối với nền kinh tế, tác động của nợ xấu là tác động gián tiếp qua một quan hệ

hữu cơ: Ngân hàng – khách hàng – nền kinh tế. Theo đó, nợ xấu làm ảnh hưởng tới

hoạt động kinh doanh ngân hàng cũng sẽ ảnh hưởng đến sự phát triển nền kinh tế.

Nợ xấu phát sinh sẽ làm hạn chế khả năng khai thác đáp ứng vốn, khả năng cung

ứng các dịch vụ ngân hàng cho nền kinh tế. Mặt khác, nợ xấu phát sinh do khách

hàng, doanh nghiệp sản xuất kinh doanh kém hiệu quả sẽ tác động đến toàn bộ nền

kinh tế, ảnh hưởng đến sự tang trưởng và phát triển nền kinh tế do vốn ứ đọng, sản

xuất kinh doanh đình trệ.

KẾT LUẬN CHƯƠNG 1

Chương này trình bày khái quát cơ sở lý lý luận các nhận định trên thế giới về

khả năng trả nợ của khách hàng doanh nghiệp, khái quát tín dụng và nợ xấu của

Ngân hàng. Trình bày về nguyên nhân xuất sinh nợ xấu của Ngân hàng trên thế

giới. Đây sẽ là căn cứ để trong chương sau tiền hành đổi chiếu những lí luận này với

tình hình Ngân hàng thương mại tại Lào để đưa ra những nhận định cho các ngân

hàng thương mại cổ phần trên thị trường Lào cũng như đúc rút các kinh nghiệm về

sau.

CHƯƠNG 2:

TỔNG QUAN VỀ CÁC MÔ HÌNH TRONG CẢNH BẢO NỢ XẤU NGÂN

HÀNG VÀ GIỚI THIỆU MÔ HÌNH LOGIT-PROBIT VÀ Z-SCORE

2.1. Tổng quan về các mô hình trong cảnh bảo nợ xấu tín dụng:

2.1.1. Nghiên cứu mô hình CAEL cảnh báo nợ xấu tín dụng:

2.1.2. Giới thiệu mô hình CAEL:

Mô hình CAEL là mô hình cảnh báo nợ xấu ngân hàng được xây dựng dựa

trên 4 nhân tố chính sau:

- Mức độ an toàn vốn – Capital Adequacy (C)

Mức độ an toàn vốn thể hiện số vốn tự có để hỗ trợ cho hoạt động kinh doanh

của ngân hàng. Ngân hàng càng chấp nhận nhiều rủi ro thì càng đòi hỏi phải có

nhiều vốn tự có để hỗ trợ hoạt động của ngân hàng và bù đắp tổn thất tiềm năng liên

quan đến mức độ rủi ro cao hơn.

Tỉ lệ an toàn vốn được tính theo tỉ lệ phần trăm của tổng vốn cấp I và vốn cấp

II so với tổng tài sản đã điều chỉnh rủi ro của ngân hàng.

CAR = [(Vốn cấp I + Vốn cấp II) / (Tài sản đã điều chỉnh rủi ro)] * 100%

Vốn cấp I: còn gọi là vốn nòng cốt, về cơ bản gồm vốn điều lệ cộng với lợi

nhuận không chia cộng với các quy dự trữ được lập trên cơ sở trích lập từ lợi nhuận

của tổ chức tín dụng như quy dự trữ bổ sung vốn điều lệ, quỹ dự phòng tài chính và

quỹ đầu tư phát triển.

Tỷ lệ vốn cáp I: Tiền vốn nòng cốt của 1 ngân hàng / Tổng tài sản rủi ro.

(Những tài sản như tiền mặt, tiền xu thường có tỉ lệ rủi ro là 0, trong khi các

khoản vay không có bảo đảm có tỉ lệ rủi ro là 100%).

Vốn cấp 2: Là thước đo tiềm lực tài chính của một ngân hàng liên quan đến

các dạng nguồn lực tài chính. Vốn cấp 2 về cơ bản bao gồm: phần giá trị tăng thêm

do định giá lại tài sản của tổ chức tín dụng; Nguồn vốn gia tăng hoặc bổ sung từ bên

ngoài (bao gồm trái phiếu chuyển đổi, cổ phiếu ưu đãi và một số công cụ nợ thứ cấp

nhất định) và dự phòng chung cho rủi ro tín dụng.

Bằng tỉ lệ này, người ta có thể xác định được khả năng của ngân hàng thanh

toán các khoản nợ có thời hạn và đối mặt với các loại rủi ro khác như rủi ro tín

dụng, rủi ro vận hành. Chính vì lý do trên, các nhà quản lý ngành Ngân hàng các

nước luôn xác định rõ và giám sát các ngân hàng phải duy trì một tỉ lệ an toàn vốn

tối thiểu. Theo chuẩn mực Basel II mà các hệ thống ngân hàng trên thế giới áp dụng

phổ biến là 8%.

- Chất lượng tài sản có – Asset Quality (A)

Chất lượng tài sản có là nguyên nhân cơ bản dẫn đến các vụ đổ vỡ ngân hàng.

Thông thường điều này xuất phát từ việc quản lý không đầy đủ trong chính sách cho

vay từ trước đến nay. Nếu thị trường biết rằng chất lượng tài sản kém, sẽ tạo áp lực

lên trạng thái nguồn vốn ngắn hạn của ngân hàng, và điều này có thể dẫn đến khủng

hoảng thanh khoản, hoặc dẫn đến tình trạng đổ xô đi rút tiền ở ngân hàng.

Tài sản có = Tài sản có sinh lời + Tài sản có không sinh lời

Tài sản có sinh lời là những tài sản đem lại nguồn thu nhập chính cho ngân

hàng, đồng thời cũng là những tài sản chứa dựng nhiều rủi ro. Những tài sản này

bao gồm các khoản cho vay, cho thuê tài chính, các khoản đầu tư vào chứng khoán,

góp vốn liên doanh, liên kết…, trong đó chiếm tỷ trọng cao nhất là các khoản cho

vay.

Bên cạnh chất lượng hoạt động tín dụng, chất lượng tài sản của ngân hàng còn

thể hiện ở các tài sản có khác như danh mục đầu tư chứng khoán, tài sản bằng ngoại

tệ, vàng bạc, đá quý. Chất lượng những tài sản này thường thể hiện ở cơ cấu và

trạng thái ngoại hồi, chất lượng và trạng thái của danh mục đầu tư. Những khoản

mục này cũng có ảnh hưởng rất lớn đến khả năng sinh lời và tính thanh khoản của

một ngân hàng.

- Lợi nhuận – Earnings (E)

Lợi nhuận là chỉ số quan trọng nhất để đánh giá công tác quản lý và các hoạt

động chiến lược của nhà quản lý thành công hay thất bại. Lợi nhuận sẽ dẫn đến hình

thành thêm vốn, đây là điều hết sức cần thiết để thu hút thêm vốn và sự hỗ trợ phát

triển trong tương lai thừ phía các nhà đàu tư. Lợi nhuận còn cần thiết để bù đắp các

khoản cho vay bị tổn thất và trích dự phòng đầy đủ. Bốn nguồn thu nhập chính của

ngân hàng là:

o Thu nhập từ lãi.

o Thu nhập từ lệ phí, hoa hồng.

o Thu nhập từ kinh doanh mua bán.

o Thu nhập khác

- Thanh khoản – Liquidity (L)

Có hai nguyên nhân giải thích tại sao thanh khoản lại có ý nghĩa đặc biệt quan

trọng đối với ngân hàng:

o Thứ nhất, cần phải có thanh khoản để đáp ứng yêu cầu vay mới mà

không cần phải thu hồi những khoản cho vay đang trong hạn hoặc thanh

lý các khoản đầu tư có kỳ hạn.

o Thứ hai, cần có thanh khoản để đáp ứng tất cả các biến động hàng ngày

hay theo mùa vụ về nhu cầu rút tiền một cách kịp thời và có trật tự. Do

ngân hàng thường xuyên huy động tiền gửi ngắn hạn (với lãi suất thấp)

và cho vay số tiền đó với thời hạn dài hạn (lãi suất cao hơn) nên ngân

hàng về cơ bản luôn có nhu cầu thanh khoản rất lớn.

2.2. Nghiên cứu mô hình chất lượng 6C

2.2.1. Mô hình định tính – Mô hình 6C:

Trong tâm của mô hình này là xem xét liệu người vay có thiên chí và khả năng

thanh toán các khoản vay khi đến hạn hay không. Cụ thể bao gồm 6 yếu tố sau:

✓ Tư cách người vay(Character): Cán bộ tín dụng phải làm rõ mục đích xin

vay của khách hàng, mục đích vay của khách hàng có phù hợp với chính

sách tín dụng hiện hành của khách hàng hay không, đồng thời xem xét về

lịch sử đi vay và trả nợ đối với khách hàng cũ; còn khách hàng thì cần thu

nhập thông tin từ nhiều nguồn khác như Trung tâm phòng ngừa rủi ro, từ

ngân hàng khác, hoặc các cơ quan thông tin đại chúng…

✓ Năng lực của người vay (Capacity): Tùy thuộc vào qui định luật pháp của

quốc gia. Người vay phải có năng lực pháp luật dân sự và năng lực hành vi

dân sự.

✓ Thu nhập của người vay (Cash): Trước hết phải xác định được nguồn trả nợ

của người vay như luồng tiền từ doanh thu bán hàng hay từ thu nhập, tiền từ

bán thanh lý tài sản, hoặc tiền từ phát hành chứng khoán… Sau đó cần phân

tích tình hình tài chính của doanh nghiệp vay vốn thông qua các tỷ số tài

chính.

✓ Bảo đảm tiền vay (Collateral): Đây là điều kiện để ngân hàng cấp tín dụng

và là nguồn tài sản thứ hai có thể dùng để trả nợ vay cho ngân hàng.

✓ Các điều kiện (Conditions): Ngân hàng qui định các điều kiện tùy theo

chính sách tín dụng theo từng thời kỳ.

✓ Kiểm soát (Control): Đánh giá những ảnh hưởng do sự thay đổi của luật

pháp, quy chế hoạt động đến khả năng khách hàng đáp ứng các tiêu chuẩn

của ngân hàng.

Mô hình 6C tương đối đơn giản, tuy nhiên lại phụ thuộc quá nhiều vào mức độ

chính xác của nguồn thông tin thu nhập được, khả năng dự báo cũng như trình độ

phân tích, đánh giá chủ quan của cán bộ tín dụng.

2.3. Nghiên cứu mô hình xếp hạng của Moody và Standard & Poor:

Moody’s Investors Service (Moody’s) và Standard & Poor’s (S&P) là hai tổ

chức ĐMTN có uy tín và lâu đời tại Mỹ và cũng là những yếu tố chức tiên phong

trong lĩnh vực xếp hạng tín nhiệm trên thế giới.

2.3.1. Mô hình xếp hạng các ngân hàng của Moody’s

Moody’s Investors Service (Moody’s) là tổ chức ĐMTN chuyên nghiệp đầu

tiên trên thế giới được thành lập từ năm 1990 tại Mỹ và cho đến nay vẫn được đánh

giá là một trong ba bộ tổ chức ĐMTN hàng đầu thế giới.

Mô hình Moody’s áp dụng trong hoạt động ĐMTN cho các ngân hàng rất chi

tiết, kết quả đánh giá được điều chỉnh qua nhiều bước, xem xét đến tất cả những yếu

tố bên trong và bên ngoài tác động rủi ro tín dụng của một ngân hàng. Mô hình này

có thể phân tích toàn diện rủi ro tín dụng, nợ xấu tín dụng ở một thị trường tài chính

phát triển ở mức cao như thị trường Hoa Kỳ nhưng với một thị trường tài chính nhỏ,

còn đang trong giai đoạn đầu phát triển như thị trường Lào thì có nhiều yếu tố đưa

vào phân tích phù hợp với các hoạt động ngân hàng ở Lào, Những yếu tố theo nhận

định của người viết là không phù hợp sẽ chỉ được nêu khái quát.

Phương pháp đánh giá rủi ro tín dụng của các ngân hàng của Moody’s được

thực hiện theo trình tự 3 bước:

- Bước 1: Xếp hạng sức mạnh tài chính độc lập của ngân hàng (Bank

Financial Strength Ratings – BFSR)

- Bước 2: Chuyển BFSR sang thang điểm đánh giá cơ bản của Moody’s

(Baseline Credit Assessment – BCA)

- Bước 3: Đánh giá các yếu tố hỗ trợ và các yếu tố khác.

2.3.2. Mô hình của Standard & Poor’s (S&P):

Mô hình của S&P đánh giá rủi ro tín dụng của một ngân hàng bằng các xem

xét hoạt động độc lập của nó hay còn gọi là đánh giá hồ sơ tín dụng độc tập của

ngân hàng (Stand-Alone Credit Profile – SACP) và sau đó đặt nó trong môi trường

kinh doanh để đánh giá khả năng nó nhận được hỗ trợ từ bên ngoài khi gặp rủi ro.

Kết quả cuối cùng là đưa ra một đánh giá rủi ro tín dụng (Issuer Credit rating –

ICR).

Các yếu tố cần xem xét để điều chỉnh hạng mức tín nhiệm cơ bản được đưa ra

sau khi xem xét hồ sơ tín dụng độc lập và những nguồn hỗ trợ khi gặp rủi ro của

ngân hàng được đưa ra trong mô hình của S&P gồm có:

- Đánh giá cổ phiếu ưu đãi và các công cụ phát sinh

- Đánh giá tín nhiệm quốc gia.

Chi tiết vào phương pháp đánh giá hồ sơ tín dụng độc lập của ngân hàng(tính

SACP), mô hình của S&P đưa ra 6 nhân tố chính:

➢ Rủi ro ngành nào cụ thể là ngành ngân hàng và rủi ro nền kinh tế

➢ Vị thế của ngân hàng (tương đương với giá trị thương hiệu của Moody’s)

➢ Vốn và thu nhập

➢ Vị thế rủi ro (cơ cấu quản trị và đối phó rủi ro)

➢ Thanh khoản

Bảng 2.1. Xếp hạng của Moody’s và Standard & Poor

Xếp hạng Tình trạng

Moody’s Chất lượng cao nhất Aaa

Chất lượng cao Aa

Chất lượng vừa cao hơn A

Chất lường Vừa Baa

Nhiều yếu tố đầu cơ Ba

Đầu cơ B

Chất lượng kém Caa

Đầu cơ có rủi ro Ca

Chất lượng kém nhất C

Standard & AAA Chất lượng cao nhất

Poor’s

Chất lượng cao AA

Chất lượng vừa cao hơn A

BBB Chất lượng vừa

BB Chất lượng vừa thấp hơn

B Đầu cơ

CCC-CC Đầu cơ có rủi ro cao

C Trái phếu có lợi nhuận

DDD-D

(Nguồn: Wikipedia)

Bảng 2. 2. Thang điểm đánh giá tín nhiệm ngân hàng của S&P (từ cao đến

thấp)

Mức đầu

AAA AA+ AA AA- A+ A A-

BBB+ BBB BBB-

tư

Dưới mức

BB+ BB

BB- B+

B- CCC+ CCC

CCC- CC-D

đầu tư

(Nguồn: Wilipedia)

Thang điểm đánh giá của cả 2 mô hình đều thể hiện bằng các chữ cái theo thứ

tự bảng chữ cái, cao nhất là mức AAA với S&P hay Aaa với Moody’s và thấp nhất

là D (S&P) hoặc C (Moody’s). Một khoản đầu tư tốt sẽ nằm trong mức A, từ mức

BBB- (S&P) hay Baa+ (Moody’s) trở lên được xem là “mức đầu tư”, dưới mức này

bị xem là một khoản đầu tư có rủi ro cao và cần cân nhắc.

Các chỉ tiêu đánh giá trong mô hình của Moody’s và S&P có sự tương đồng

khá lớn nhưng nếu Moody’s xem xét sức mạnh tài chính độc lập của ngân hàng như

một tổng thể kết hợp của những chỉ tiêu này và đưa ra tỷ trọng chi tiết cho từng chỉ

tiêu thì mô hình của S&P lại lấy rủi ro của nền kinh tế và rủi ro ngành hàng làm

trọng tâm đánh giá. Hai yếu tố rủi ro này được đánh giá theo 10 bậc từ thấp đến cao

(b- đến a) để đưa ra một hạng mức cơ sở.

2.4. Mô hình toán học Logit-Probit hồi quy trong cảnh báo nợ xấu tín dụng:

2.4.1. Mô hình hồi quy theo biến giá (Qualitative Respones Regression

Model)

➢ Khái niệm về mô hình

Mô hình hồi quy theo biến giả (Qualitative Respones Regression Model) là mô

hình có biến phụ thuộc là biến giả (dummy variable). Đây là một dạng của mô hình

xác suất. Mô hình này khác với mô hình hồi quy tuyến tính cổ điển là biến phụ

thuộc là biến định lượng. Các biến giả sẽ nhận giá trị là 1 hoặc 0 tương ứng với đặc

điểm mà nó biểu hiện. Ví dụ biến giả là quyết định đi học cao học, nó sẽ nhận giá trị

là 1 nếu người được hỏi có đi học và ngược lại sẽ nhận giá trị 0. Biến này còn được

(Nguồn: amorfati.xyz)

Hình 2. 1. Mô hình hồi quy theo biến giả (Qualitative Respones Regression Model)

gọi là biến nhị phân (binary hay dichotomous).

➢ Mục tiêu của mô hình

Vì giá trị của biến phụ thuộc là 0 và 1 nên chúng ta không thể ước tính giá trị

trung bình như các mô hình hồi quy OLS. Mô hình này nhằm mục tiêu tìm kiếm xác

suất của một sự kiện như tỷ lệ bỏ phiếu của cử tri, xác suất mua nhà,... Do đó mô

hình này còn được gọi là mô hình xác suất (Probability model).

2.4.2. Mô hình Logit:

➢ Khai niệm về mô hình Logit:

Là một mô hình định lượng trong đó biến phụ thuộc là biến giả, chỉ nhận 2 giá

trị là 0 hoặc 1. Cụ thể hơn mô hình này giúp Ngân hàng xác định khả năng khách

hàng sẽ có trả nợ (biến phụ thuộc) trên cơ sở sử dụng các nhân tố ảnh hưởng đến

khách hàng (biến độc lập). Nghĩa là, mô hình Logit có thể ước lượng xác xuất khả

năng nợ xấu của một khách hàng là bao nhiêu từ mẫu.

Cấu trúc dữ liệu trong mô hình như sau:

- Biến độc lập: Giá trị liên tục hoặc rời rạc.

- Biến phụ thuộc: Giá trị nhị phân.

Mô hình kinh tế lượng tương ứng là:

Trong đó:

- P là xác xuất trả nợ của khách hàng.

- là các hệ số.

- là các nhân tố ảnh hưởng.

2.4.2.1. Đặc điểm mô hình Logit trong việc đánh giá khả năng trả nợ của khách

hàng.

Mô hình Logit (Maddala, 1984) là mô hình định lượng trong đó biến phụ

thuộc là biến giả, chỉ nhận 2 giá trị là 0 hoặc 1. Mô hình này được ứng dụng rộng

rãi trong phân tích kinh tế nói chung và rủi ro tín dụng nói riêng. Mô hình Logit là

mô hình toán học hồi quy để xem xét mối liên hệ giữa biến (Y) là biến phụ thuộc và

Bảng 2. 3. Cấu trúc các biến trong mô hình Logit

tất cả các biến còn lại là biến độc lập.

Biến Kí hiệu Loại

Nhị phân Phụ thuộc Y

Liên tục hoặc rời rạc Độc lập Xi

(Nguồn: https://mc.ai/logistic-regression-odds-and-log-odds-pattern-for-equidistant-

observations)

Hình 2. 2. Đồ thị mô hình Logit

Y đóng vai trò là biến phụ thuộc và là biến nhị phân, chỉ có thể nhận hai giá trị

l à 0 hoặc 1, cụ thể là: 0 nếu không có khả năng trả nợ, 1 nếu có khả năng trả nợ.

− Xi là biến độc lập, thể hiện các nhân tố ảnh hưởng đến khách hàng, ví dụ

như ROE, ROA, vốn chủ sở hữu… Đối với KHDN.

− là giá trị ước lượng của Y, thu được khi hồi quy Y theo các biến độc

lập. Một điều cần lưu ý là giá trị chưa chắc chắn đã thỏa mãn điều kiện

do là giá trị ước lượng phụ thuộc vào các biến độc lập.

Khi đó, phương trình tính xác suất khách hàng trả được nợ (tức là xác suất

Y=1) được tính theo công thức sau, trong đó e là hằng số Euler (xấp xỉ 2,718):

Như vậy để tính xác suất trả được nợ của khách hàng phải tính các giá trị ước

lượng của Y, cần ước lượng hợp lý tối đa giá trị của β. Để làm được điều này lấy

logarit cơ số tự nhiên hàm hợp lý, sau đó cho các đạo hàm riêng ứng với các βi bằng

0, thu được 1 hệ phương trình. Ngày nay, phương pháp ước lượng các hệ số đã

được tự động hóa dựa trên một số phần mềm kinh tế lượng như Eviews, SPSS, …

Trong nghiên cứu thực nghiệm, người ta có thể tìm cách bỏ đi một số biến mà vai

trò giải thích cho biến Y không đủ lớn (hệ số không có ý nghĩa thống kê), nhằm

tránh hiện tượng các biến độc lập có tương quan lẫn nhau làm sai lệch kết quả của

mô hình.

Khi đã ước lượng được các hệ số β, lúc này trước khi tiến hành dự báo xác

suất khả năng trả nợ của khách hàng, điều cần thiết là tiến hành một số kiểm định để

xem xét mô hình hồi quy đó đã hợp lý chưa, liệu có tồn tại khuyết tật nào của mô

hình không. Để giải quyết vấn đề cần tiến hành một số kiểm định như sau:

- Kiểm định tính ngẫu nhiên của phần dư: các sai số thu được từ mô hình

ước lượng so với giá trị thực tế là Y phải là sai số ngẫu nhiên. Để kiểm

định tính ngẫu nhiên của các sai số này, người ta có thể sử dụng kiểm định

Dickey- Fuller hoặc kiểm định Philip-Perron.

- Kiểm định tính định dạng đúng của mô hình: mô hình hợp lý là mô hình

được định dạng đúng, việc định dạng sai mô hình có thể dẫn đến các kết

quả sai lệch và làm kết quả dự báo bị méo mó. Để kiểm định xem mô hình

được định dạng đúng hay chưa, người ta sử dụng thống kê Hosmer-

Lemeshow.

Nếu mô hình có các phần dư là sai số ngẫu nhiên và được định dạng đúng thì

mô hình được coi là phù hợp, có thể sử dụng để dự báo. Ngược lại, nếu không thỏa

mãn 2 điều kiện trên cần hồi quy lại mô hình với các biến độc lập khác hoặc tiến

hành một số hiệu chỉnh cần thiết như tăng cỡ mẫu, điều chỉnh định dạng hàm, …

Một mô hình được coi là thành công hay không phụ thuộc chủ yếu vào tính

chính xác của kết quả dự báo thu được từ mô hình đó. Do biến Y chỉ có thể nhận 2

giá trị là 0 hoặc 1, do vậy người ta đưa vào 1 ngưỡng xác suất để xếp khách hàng

vào mức 0 hoặc 1 (tương ứng với không có khả năng trả nợ – có khả năng trả nợ).

Ngưỡng xác suất ở đây thường được lấy là 0,5; tức là, nếu xác suất khách hàng trả

được từ 0,5 trở lên, khi đó xếp khách hàng vào nhóm trả được nợ. Nếu xác suất

khách hàng trả được nợ nhỏ hơn 0,5, khi đó xếp khách hàng vào nhóm không trả

được nợ. Sau đó so sánh việc xếp loại khách hàng này với thực tế trả nợ của họ

xem tỷ lệ đúng là bao nhiêu, đó chính là độ chính xác của kết quả dự báo.

2.4.2.2. Cơ sở toán học và các khái niệm liên quan nghiên cứu liên quan đến

mô hình Logit.

➢ Nghiên cứu của Chiara Pederzoli, Costanza Torricelli:

Đây là mô hình được phát triển dựa trên kết quả nghiên cứu do E.I.Altman

(1986) được sử dụng để xác định điểm tín dụng đối với các doanh nghiệp vay vốn

dựa trên giả đỉnh rủi ro tài chính của KHDN ảnh hưởng trực tiếp đến rủi ro tín dụng

của khách hàng. Nếu như Alman sử dụng đại lượng Z dùng làm thước đo tổng hợp

để phân loại rủi ro tín dụng đối với KHDN và phụ thuộc vào: trị số của các chỉ số

tài chính của KHDN và tầm quan trọng của các chỉ số này trong việc xác định xác

xuất vỡ nợ của KHDN trong quá khứ thì các tác giả sử dụng các chỉ tiêu tài chính

và trịnh số để lượng hóa xác suất vỡ nợ của KHDN quy mô nhỏ và quy mô siêu

nhỏ.

Các tác giả đã xây dựng mô hình như sau:

PD=1 / (1+exp (2.86 + 3.46LTLA + 3.52EBITA + 11.18EQUITYA +

0.43SALESA))

Trong đó:

LTLA = Nợ dài hạn/Tổng tài sản.

EBITA = Lợi nhuận trước thuế/Tổng tài sản.

EQUITYA = Nợ phải trả/Tổng tài sản.

SALESA = Doanh thu/Tổng tài sản.

Xác suất PD càng cao, thì xác suất trả nợ của KHDN càng thấp. Ngược lại khi

xác suất PD càng thấp thì khả năng trả nợ của KHDN càng tốt. Kết quả mô hình cho

thấy chỉ tiêu tài chính có ảnh hưởng đến khả năng trả nợ của KHDN.

➢ Nghiên cứu của Irakli Ninua:

- Để ước tính mối liên hệ giữa khoản tín dụng có TSBĐ với khả năng trả

nợ của khách hàng doanh nghiệp tại ProCreditBank của Georgia từ năm

2004-2007, tác giả sử dụng một mô hình Logit, với về tài sản bảo đảm

như là một biến phụ thuộc. Mô hình giải thích mối quan hệ giữa tỷ lệ rủi

ro tín dụng (thay cho khả năng trả nợ của KHDN) và các khoản vay có

TSBĐ.

- Các thông tin về khả năng thanh toán khoản vay của KHDN được đánh

giá thông qua tỷ lệ khoản vay không hoàn trả (LLR). Các khoản vay với

LLR cao được xác định là các khoản vay rủi ro và khách vay với LLR

thấp được xác định là các khoản vay ít rủi ro.

Ảnh hưởng của TSBĐ là đồng biến với LLR, với mức ý nghĩa 1%. Điều đó

cho thấy sự hiện diện của TSBĐ ảnh hưởng đến tỷ lệ tổn thất của ngân hàng. Trên

cơ sở này, tác giả nhận định các khoản vay thế chấp có xác suất không trả nợ cao

Bảng 2. 4. Các biến để ước lượng LLR trong mô hình của Irakli Ninua

hơn nếu so sánh với các khoản vay không có TSBĐ.

STT Biến sử dụng trong mô hình

1 Biến phụ thuộc

→ Tỷ lệ khoản vay không trả nợ (LLR)

2 Biến độc lập

→ Biến giả = 1 nếu có TSBĐ, 0 = Nếu là cho vay không TSBĐ

(COLLATERAL) → Giá trị khoản vay (RAMOUNT) → Thời gian cho

vay (RLENGTH) → Tỷ lệ chấp thuận số tiền vay (RATIORA) → Biến

giả cho loại khách hàng = 1 nếu khách hàng cũ, = 0 nếu khách hàng

mới (CLIENTTYPE) → Số lượng nhân viên của khách hàng tại thời

điểm vay (EMPLOYMENT) → Biến giả cho thành phố, nơi đặt chi

(Nguồn: Does a collateralized loan have a higher probability to default, Irakli Ninua)

nhánh cho vay → Biến giả cho ngành công nghiệp của khách hàng

Tỷ lệ số tiền vay đã được phê duyệt (RATIOAR) ảnh hưởng tiêu cức đến

LLR, ngụ ý khách hàng được cấp tín dụng theo yêu cầu sẽ trả nợ tốt hơn so với

trường hợp không được cấp tín dụng như mong đợi.

- Các công ty sử dụng nhiều lao động xu hướng có LLR cao hơn so với

các công ty sử dụng ít lao dộng. Tác giả giải thích do các công ty lớn

thường có khoản vay lớn, nghĩa vụ trả nợ lớn nên tỷ lệ rủi ro tín dụng cao

tương ứng.

- Số tiền vay (RAMOUNT) và thời gian vay (RLEGTH) có tác động

ngược chiều với LLR nhưng ảnh hưởng không đáng kể và không có ý

nghĩa thống kê.

- Biến loại khách hàng TYPECLIENT có tác động đồng biến và có ý

nghĩa ở mức 1%, mới quan hệ của ngân hàng và khách hàng làm tăng

nguy cơ vỡ nợ.

- Đối với kết quả biến giả của các ngành công nghiệp, tác giả thấy rằng

sản xuất các sản xuất thực phẩm có tác động đồng biến và có ý nghĩa ở

mức 10%, có LLR cao hơn hơn các ngành công nghiệp khác.

➢ Nghiên cứu của Andrea Ruth Coravos:

- Tác giả sử dụng mô hình Logit đa thức (Multinomial Logistic Regression

Models) để đo lượng khả năng trả nợ của khách hàng là các KHDN quy

mô nhỏ tại Community development financial institutions (CIFIs):

- Biến phụ thuộc kết quả khả năng trả nợ của khách hàng được xác định

dựa trên tình trạng thanh toán thực tế của khách hàng (“Strong”: chưa

từng NQH, cơ cấu nợ; “Medium”: từng hơn 1 lần NQH 30 ngày, từng

NQH 60 ngày, từng cơ cấu nợ; “Weak”: từng NQH 90 ngày, không trả

nợ). Các biến độc lập được đưa vào mô hình gồm biến Xi đặc điểm

người vay (kinh nghiệm quản lý, giới tính giám đốc, điểm FICO cá nhân,

mã ngành, thời gian kinh doanh, nợ trước khi vay, doanh nghiệp mới) Yi

đặc điểm khoản vay (thời gian vay, tỷ lệ bảo lãnh của chính phủ đối với

khoản vay doanh nghiệp, lãi suất, số tiền vay,…), Zi đặc điểm người cho

vay (lãi suất được Dè cấp vốn) và Mi đặc điểm vĩ mô (chỉ số S&P, tỷ lệ

thất nghiệp).

- Bộ dữ liệu chứa 530 khoản vay, trong đó bao gồm 229 khoản vay doạnh

nghiệp nhỏ có bảo lãnh và 301 khoản vay doanh nghiệp nhỏ không có

bảo lãnh từ năm 2002 – 2007. Dữ liệu được lấy từ một mẫu không ngẫu

nhiên, tập trung vào các khoản vay “Weak”, “Medium”.

➢ Nghiên cứu Jiménez và Saurina:

- Nhóm tác giả sử dụng dữ liệu tất cả các khoản vay của các TCTD (ngân

hàng, quỹ tiết kiệm, hợp tác xã hội và cơ sở tài chính tín dụng) ở Tây

Ban Nha với giá trị món vay hơn 6,000euro với trên 3 triệu dữ liệu quan

sát. Để bao phủ dữ liệu cho toàn bộ một chu kỳ kinh tế, tác giả đã sử

dụng dữ liệu từ các tháng trong 05 năm, cụ thể là năm 1987, 1990, 1993,

1997 và 2000.

Phương pháp tiếp cận đo lượng khả năng vỡ nợ dựa trên một mô hình Logit

nhị thức (Binary Logistic Regressions Models) như sau:

𝑝𝑟𝑜𝑏(𝑦𝑖𝑡 = 1/(𝑥𝑖𝑡, 𝑧𝑡)) = 𝑝𝑟𝑜𝑏(𝑦 ∗ 𝑖𝑡 > 0/(𝑋𝑖𝑡, 𝑧𝑡)) = 𝐹(𝛼 + 𝑋′𝑖𝑡𝛽 +

𝑍′𝑡𝛾)

Trong đó: Prob (Yit = 1/(Xi,Zt)) là xác suất vỡ nợ của khách vay. Các biến

độc lập (Xit) được xem xét đưa vào mô hình gồm các loại sản phẩm tín dụng, tiền

tệ, kỳ hạn, TSBĐ, số tiền vay, lĩnh vực kinh doanh, khu vực, loại hình TCTD. Để

kiểm soát các yếu tố kinh tế vĩ mô chung cho tất cả KHDN đi vay và các khoản vay,

mô hình bổ sung một biến giả năm (Zt).

2.4.2.3. Đặc điểm của mô hình Logit:

➢ Ưu điểm mô hình

− Mô hình Logit là mô hình định lượng nên khắc phục được những nhược điểm

của mô hình định tính, thể hiện sự khách quan, nhất quán, không phụ thuộc

vào ý kiến chủ quan của nhân viên tín dụng.

− Mô hình Logit này có kỹ thuật đo lường rủi ro tín dụng, nợ xấu tín dụng khả

đơn giản, dễ thực hiện bằng phần mềm chuyển dụng (như EVIEWs, SPSS).

− Mô hình Logit có thể là cơ sở để ngân hàng phân loại khách hàng và nhận

định rủi ro. Thông qua kết quả từ mô hình, chúng ta có thể ước lượng được

xác suất không trả được nợ của khách hàng, từ đó ngân hàng có thể xác định

được KHDN nào có khả năng trả nợ, KHDN không có khả năng trả nợ và giúp

ngân hàng chủ động trong việc đưa ra những biện pháp hạn chế rủi ro.

− Một ưu điểm nổi bật của mô hình Logit so với mô hình XHTD truyền thống,

có thể đo lường vai trò của các yếu tố tác động đến khả năng trả nợ của khách

hàng. Ngoài ra, trong khi mô hình thống kê khác như phân tích phân biệt (Như

điểm số Z) lại cúng nhắc trong việc xem xét các yếu tố tác động tới biến phụ

thuộc và các hệ số của biến độc lập (do Altman đưa ra), trong khi với mô hình

Logit có thể dễ dàng hiệu chỉnh hoặc thêm bớt các biến định tính và định

lượng nhằm xác định cụ thể tác động của các yếu tố tới rủi ro tín dụng là như

thế nào.

➢ Nhược điểm mô hình:

− Mô hình đòi hỏi phải có một số lượng dữ liệu đủ lớn cho mỗi phạm trù trong

số liệu thống kê trong quá trình xử lý dữ liệu. Trong trường hợp biến độc lập

có số lượng biến hiển thị quá thấp, mô hình có thể mắc phải lỗi bỏ qua tác

động của biến trên kết quả biến phụ thuộc.

− Do chỉ sử dụng phương pháp định lượng nên kết quả mô hình có thể trái

ngược hoàn toàn với lý thuyết và không có chức năng giải thích nguyên nhân

kết quả mô hình.

− Mô hình không thể ứng dụng đối với các trường hợp KHDN khiếm khuyết dữ

liệu hoặc các trường hợp KHDN có cấu trúc tài chính đặc biệt.

➢ Điều kiện cần thiết để ứng dụng mô hình Logit:

− Dữ liệu đầu vào đủ lớn để có thể không bỏ sót các biến độc lập ảnh hưởng đến

kết quả mô hình.

− Có cơ sở lý thuyết vững mạnh và số liệu đối chiếu để lựa chọn đưa các biến

độc lập trong quá trình xây dựng mô hình, để chứng minh hoặc phản biện kết

quả mô hình là phù hợp hay chưa phù hợp.

➢ Ước lượng mô hình Logit

Phương trình ước lượng:

Ước lượng mô hình này chia làm hai nhóm như sau:

− Dữ liệu đơn lệ: Như ví dụ ở trên, Pi=1 nếu bạn thắng và Pi=0 nếu bạn thua.

Đối với trường hợp này, bạn không thể ước lượng thông thường như OLS

được vì khi nhập giá trị In(1/0) hay In(0/1) là vô nghĩa. Trường hợp này bạn

phải ước lượng bằng phương pháp xác suất cực đại (Maximum likelihood)

Dữ liệu theo nhóm: Thay vì xem dữ liệu như từng cá thể riêng biệt, bạn có thể

nhóm nó lại. Theo cách này thì Pi được ước lượng thông qua = 𝑛𝑖/𝑁𝑖 trong điều

kiện Ni đủ lớn. Trong ví dụ ở trên thì n là số bạn thắng và N là số bạn chơi.

Tương tự như mô hình xác suất tuyến tính, mô hình này vẫn bị phương sai sai

số thay đổi nên phải ước lượng bằng WLS.

➢ Các bước thực hiện:

Bước 1: Tính xác suất nếu bạn thắng cuộc:

Bước 2: đối với từng giá trị Xi, tính giá trị của L:

Bước 3: Biến đổi mô hình về WLS:

Bước 4: Rút gọn lại sẽ có dạng:

Bước 5: Sau khi đã chuyển về WLS, bạn có thể ước lượng như OLS; lưu là ý

mô hình không còn hệ số chặn nữa.

➢ Bộ công cụ hỗ trợ xây dựng mô hình dự báo Logit:

Ngày nay, phương pháp ước lượng các hệ số đã thuộc tự động hóa dựa trên

một số phần mềm kinh tế lượng như Eviews, SPSS,… Trong nghiên cứu thực

nghiệm, người ta có thể tìm cách bỏ đi một số biến mà vai trò giải thích cho biến Y

không đủ lớn (hệ số không có ý nghĩa thống kê), nhằm tránh hiện tượng các biến

độc lập có tương quan lẫn nhau làm sai lệch kết quả của mô hình.

− Mô hình Logit này có kỹ thuật đo lường rủi ro tín dụng khá đơn giản, dễ thực

hiện bằng phần mềm chuyển dụng (như Eviews, SPSS, STATA).

− Một mô hình được coi là thành công hay không phụ thuộc chủ yếu vào tính

chính xác của kết quả dự báo thu được từ mô hình đó. Do biến Y chỉ có thể

nhận 2 giá trị là 0 hoặc 1, do vậy người ta đưa vào 1 ngưỡng xác suất để xếp

khách hang vào mức 0 hoặc 1 (tương ứng với không có khả năng trả nợ - có

khả năng trả nợ). Ngưỡng xác suất ở đây thường được lấy là 0,5; tức là, nếu

xác suất khách hàng trả được từ 0,5 trở lên, khi đó xếp khách hàng vào nhóm

trả được nợ. Nếu xác suất khách hàng trả được nợ nhỏ hơn 0,5, khi đó xếp

khách hàng vào nhóm không trả được nợ. Sau đó so sánh việc xếp loại khách

hàng này với thực tế trả nợ của họ xem 18 tỷ lệ đúng là bao nhiêu, đó chính là

độ chính xác của kết quả dự báo.

− Mô hình Logit và Probit vè cơ bản thì giống nhau, chỉ có sự khác biệt về phân

phối. Mô hình Logit thì tuân theo phân phối Logistic chuẩn tích lũy(F) còn mô

hình Probit thì tuân theo phân phối chuẩn tích lũy (). Trong bài viết này tôi

sẽ hướng dẫn chạy mô hình Logit bằng Eviews 8.0, và giải thích ý nghĩa của

từng tham số trong mô hình. Mô hình Probit sẽ được đề cập đến trong các bài

viết tiếp theo.

2.4.3. Mô hình Probit:

2.4.3.1. Giới thiệu mô hình Probit:

Mô hình Probit hay còn có tên gọi là mô hình normit. Tên gọi Probit bắt

nguồn từ chữ Probability và unit. Mô hình này áp dụng đối với các biến phụ thuộc

có dạng nhị phân. Ví dụ biến phụ thuộc là khả năng kết hôn của một người. Nếu

người này kết hôn thì sẽ nhận giá trị 1 và ngược lại là 0.

Ý tưởng của mô hình Probit: Mô hình probit cho rằng quyết định kết hôn bị

tác động bởi một biến tiềm ẩn nào đó. Biến tiềm ẩn này được gọi là chỉ số hữu

dụng utility index I. Biến chỉ số này bị ảnh hưởng bởi các biến giải thích:

Một người sẽ quyết định kết hôn khi giá trị I này vượt qua một ngưỡng nào đó

tạm gọi là I*. Giá trị I* này chúng ta không thể biết được nhưng giả định nó có phân

phối chuẩn. Xác suất để người đó không kết hôn sẽ có dạng:

Hàm F là hàm phân phối tích lũy chuẩn (CDF). Vì P là xác suất người đó kết

hôn nên bạn phải tính nghịch đảo của F, do đó ta có công thức:

❖ Ước lượng biến tiềm ẩn

o Đối với dữ liệu theo nhóm

Từ thông tin từ mẫu, bạn có thể xác định được . Ví dụ khảo sát 100 người và

có 40 người kết hôn thì . Ii được ước lượng thông qua hàm CDF.

o Đối với dữ liệu cá biệt

Tương tự như mô hình xác suất tuyến tính, bạn vẫn phải sử dụng phương pháp

(Nguồn: amorfati.xyz)

Hình 2. 3. Đồ thị mô hình Probit

ước lượng xác suất cực đại.

− Ý tưởng phân tích Probit được xuất bản trong khoa học bởi Chester Bliss

trong năm 1934. Năm 1952, một Giáo sư về thống kê tại Đại học Endiburgh

là David Finney đã viết lại một cuốn sách với tên gọi là “Phân tích Probit”.

− Cấu trúc dữ liệu trong mô hình Probit cũng tương tự như mô hình Logit, mô

hình ước lượng xác suất trả nợ của một khách hàng. Mô hình Probit có giả

thiết sai số ngẫu nhiên có sai số chuẩn hóa: N(01).

Trong đó F là hàm phân phối xác suất tích lũy. Khi đó hàm hợp lệ có dạng:

Các biến và tham số trong mô hình Probit tương tự như mô hình Logit.

2.4.3.2. Đặc điểm của mô hình Probit:

➢ Ưu điểm: Xác suất (P) đại diện cho sự kết hợp tuyến tính của các nhân tố

đưa vào mô hình xếp hàng. Với phương pháp ước lượng khác nhau, tuy

nhiên kết quả của hai mô hình Logit và Probit khác nhau không đáng kể. Vì

dễ dùng hơn trong trình bày toán học, các mô hình Logit và Probit thường

được sử dụng cho mô hình XHTD trong thực tế, có khả năng lượng hóa

được xác suất khả năng trả nợ hoặc trả nợ của KHDN.

Trong quá trình sử dụng mô hình này không đòi hỏi các gải thuyết về những

nhân tố liên quan tới khả năng trả nợ, dữ liệu dù là định tính hay lượng tính thì đều

có thể được xử lí mà không gặp phải bất cứ một vấn đề nào.

➢ Nhược điểm:

Trong quá trình xử lí dữ liệu, đòi hỏi phải có một lượng dữ liệu đủ lớn cho

mỗi phạm trù trong số liệu thống kê.

➢ Ước lượng biến tiềm ẩn:

− Đối với dữ liệu theo nhóm: Từ thông tin từ mẫu, bạn có thể xác định

được . Ví dụ khảo sát 100 người và có 40 người kết hôn thì .

Ii được ước lượng thông qua hàm CDF.

− Đối với dữ liệu cá biệt: Tương tự như mô hình xác suất tuyến tính, bạn

vẫn phải sử dụng phương pháp ước lượng xác suất cực đại.

2.5. Mô hình Z-Score và điểm số tín dụng tiêu dùng:

2.5.1. Giới thiệu về mô hình:

− Công trình của Altman được xây dựng dựa trên nghiên cứu của nhà nghiên

cứu kế toán William Beaver và những người khác. Trong những năm 1930 trở

đi, Mervyn và những người khác đã thu thập các mẫu phù hợp và đánh giá

rằng các tỷ lệ kế toán khác nhau dường như có giá trị trong việc dự đoán phá

sản. Điểm Z của Altman là phiên bản tùy biến của ký thuật phân tích phân biệt

đối xử của RA Fisher (1936).

− Công trình của William Beaver, được xuất bản vào năm 1966 và 1968, là

người đầu tiên áp dụng phương pháp thống kê, kiểm tra để dự đoán phá sản

cho một mẫu các công ty phù hợp. Beaver đã áp dụng phương pháp này để

đánh giá tầm quan trọng của từng tỷ lệ kế toán dựa trên phân tích đơn biến, sử

dụng từng tỷ lệ kế toán một lần. Cải tiến chính của Altman là áp dụng một

phương pháp thống kê, phân tích phân biệt, có thể tính đến nhiều biến số cùng

một lúc.

− Có nhiều công cụ đã được phát triển để làm việc này, trong đó chỉ số Z của

Altman là công cụ được cả hai giới học thuật và thực hành công nhận và sử

dụng rộng rãi trên thế giới. Chỉ số Altman Z-Score (gọi tắt là chỉ số Z-Score)

được phát triển năm 1968 bởi giáo sư Edward I. Altman, trường kinh doanh

Leonard N. Stern, thuộc trường Đại học New York, dựa vào việc nghiên cứu

khá công phu trên số lượng nhiều công ty khác nhau tại Mỹ. Mặc dù chỉ số Z-

Score này được tìm ra tại Mỹ, những hầu hết các nước, vẫn có thể sử dụng với

độ tin cậy cao.

2.5.2. Cơ sở toán học và các khái niệm liên quan:

− Ban đầu giáo sư Altman sử dụng đến 22 chỉ tiêu tài chính (Financial Ratio)

khác nhau để tính chỉ số Z-Score, sau đó ông phát triển thêm và rút gọn lại còn

sử dụng 5 chỉ tiêu. Cụ thể, Z-Score được tính với 5 chỉ số tài chính được ký

hiệu từ X1, X2, X3, X4, X5 bao gồm:

✓ X1: Tỷ số vốn lưu động trên tổng tài sản (Working Capitals/Total Assets).

✓ X2: Tỷ số lợi nhuận giữ lại trên tổng tài sản (Retain Earning/Total Assets).

✓ X3: Tỷ số lợi nhuận trước lãi vay và thuế trên tổng tài sản (EBIT/Total

Assets).

✓ X4: Giá trị thị trường của vốn chủ sở hữu trên giá trị số sách của tổng nợ

(Market Value of Total Equity / Book values of total Liabilities).

✓ X5: Tỷ số doanh số trên tổng tài sản (Sales/Total Assets).

Ngoài ra, từ một chỉ số Z ban đầu, Giáo sư Edward I. Altman đã phát triển ra

Z’ và Z’’ để có thể áp dụng theo từng loại hình và ngành của doanh nghiệp:

Đối với doanh nghiệp đã cổ phần hóa, ngành sản suất, Z-Score được tính

theo công thức:

Z=1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5 (1)

− Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá

sản.

− Nếu 1.8 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy

cơ phá sản.

− Nếu Z < 1.8: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.

➢ Mô hình Z-Score áp dụng cho các công ty tư nhân:

Kết quả của mô hình Z-Score điều chỉnh với biến mới X4 là:

Đối với doanh nghiệp chưa cổ phần hóa, ngành sản suất Z-Score, kết quả

của mô hình này điều chỉnh với biến mới X4 được tính theo công thức:

Z’=0.717X1 + 0.847X2 + 3.107X3 + 0.42X4 + 0.998X5 (2)

Các điểm ngưỡng cho chỉ số Z’ này như sau:

− Nếu Z’ > 2.9: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá

sản.

− Nếu 1.23 > 2.9: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ

phá sản.

− Nếu Z’ < 1.23: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản

cao.

➢ Mô hình Z-Score điều chỉnh áp dụng cho các doanh nghiệp không sản

suất

Đối với các doanh nghiệp khác: Chỉ số Z’’ dưới đây có thể được dùng cho

hầu hết các ngành, các loại hình doanh nghiệp. Vì sự khác nhau khá lớn của X5

giữa các ngành, nên X5 đã được loại ra. Công thức tính chỉ số Z’’ được điều chỉnh

như sau:

Z’’=6.56X1 + 3.26X2 + 6.72X3 + 1.05X4 (3)

− Nếu Z’’ > 2.6: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá

sản.

− Nếu 1.2 < Z’’ < 2.6: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy

cơ phá sản.

− Nếu Z’’ < 1.1: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản

cao.

2.5.3. Đặc điểm của mô hình Z-Score:

− Trên thế giới chỉ số Altman’s Z-Score đã được áp dụng trong nhiều năm và

nhiều quốc gia khác nhau như năm 1968 cho các doanh nghiệp nhỏ tại Mỹ,

sau đó giáo sư Altman còn áp dụng Z-Score trong nghiên cứu của mình năm

1983, 1998 và 2000.

− Kết quả cho thấy chỉ số Z-Score đã dự báo chính xác tới khoảng 95% doanh

nghiệp bị phá sản trong năm kết tiếp và 72% doanh nghiệp bị phá nghiệp sẽ

giúp cho NHTM có được dự báo sớm về rủi ro phá sản của doanh nghiệp,

cũng chính là rủi ro tín dụng, nợ xấu tín dụng của NHTM.

− Do đó Z-Score là công cụ bổ trợ hữu ích cho NHTM trong xác định và dự báo

và theo dõi rủi ro tín dụng của doanh nghiệp trong hoạt động tín dụng của

mình.

Trên cơ sở những ưu điểm và khả năng áp dụng rộng rãi của Z-Score trong dự

báo nợ xấu tín dụng của doanh nghiệp, NHTM nên xem xét thực thi một số giải

pháp sau để tận dụng ưu điểm của Z-Score trong quản lý nợ xấu tín dụng của mình:

Một là, nên bổ sung chỉ số Z-Score vào các chỉ tiêu xếp hạng tín dụng nội bộ

khi đánh giá tín dụng và ra quyết định cấp tín dụng cho khách hàng. Điều này giúp

dự báo sớm khả năng phá sản cũng chính là rủi ro tín dụng của khách hàng. Chỉ cấp

tín dụng cho những doanh nghiệp có mức Z-Score an toàn. Kiên quyết từ chối các

doanh nghiệp có mức Z-Score thấp hoặc hạn chế cấp tín dụng cho các doanh nghiệp

có Z-Score ở mức rủi ro.

Hai là, thường xuyên theo dõi, tính toán lại chỉ số Z-Score theo quy hoặc theo

tháng để đánh giá rủi ro tín dụng của khách hàng và theo dõi chiều hướng thay đổi

của Z-Score để phát hiện kịp thời rủi ro biện pháp can thiệp thích hợp.

Ba là, nên nghiên cứu sự thích hợp của Z-Score trong áp dụng cho từng nhóm

đối tượng khách hàng để điều chỉnh các chỉ tiêu sao cho thích hợp tại Lào.

KẾT LUẬN CHƯƠNG 2

Chương này đã tập trung nghiên cứu và đưa ra một số phương pháp, mô hình

cảnh báo nợ xấu tín dụng ngân hàng chẳng hạn như các mô hình CAEL, các mô

hình chất lượng 6C, mô hình định tính – Mô hình 6C, mô hình xếp hạng các ngân

hàng của Moody’s, Mô hình Standard & Poor’s (S&P); Một số mô hình hồi quy

Logit-Probit trong cảnh báo nợ xấu tín dụng, mô hình Z-Score.

Bên cạnh đó, chương này còn chỉ ra những ưu nhược điểm của một số mô

hình và đưa ra lựa chọn mô hình cho thử nghiệm ứng dụng.

CHƯƠNG 3: DỰ BÁO NỢ XẤU DỰA VÀO MÔ HÌNH LOGIT-PROBIT

TRÊN PHẦN MỀM EVIEWS 8 VÀ DỰ BÁO PHÁ SẢN DỰA VÀO MÔ

HÌNH Z-SCORE

3.1. Giới thiệu về Ngân hàng NAYOBY Lào:

3.1.1. Giới thiệu về ngân hàng:

NHNBB có tên bằng theo tiếng Anh là NAYOBY BANK (NBB) đã được

thành lập theo giấy phép số 03/NHNL, Ngày 15/09/2006 của Thống đốc Ngân hàng

Nhà nước CHDCND Lào là một ngân hàng cụ thể có cương vị là một pháp nhân

hoạt động mà không tìm kiếm lợi nhuận, dưới sự giám sát của Ngân hàng Nhà nước

CHDCND Lào. Quản lý việc sử dụng nguồn vốn chính sách bằng tín dụng thúc đẩy

sản xuất hàng hóa trong 47 huyện nghèo và tập trung vào sự phát triển nền kinh tế -

xã hội với sự chuyển đổi nền kinh tế tự nhiên hướng tới một nền kinh tế hàng hóa

trong một khu vực nông nghiệp nhỏ, thủ công và sự quản lý trong nông thôn đang

phát triển, vay lãi suất thấp.

Ngân hàng NAYOBY có vai trò thực hiện theo đường lối của Đảng – Nhà

nước, góp phần giảm nghèo của đồng bào các dân tộc, tiến hành công việc với

không tìm kiếm lợi nhuận. Thực hiện chính sách tín dụng cho người nghèo, người

có mục đích dự định đầu tư vào huyện nghèo và theo đường lối chính sách của

Đảng – Nhà nước đã đặt ra trong từng thời kỳ, quản lý việc sử dụng nguồn vốn

chính sách với nhằm mục đích chuyển đổi nền kinh tế tự nhiên thành sản xuất trong

lĩnh vực lâm nghiệp, công nghiệp nhỏ, thủ công mỹ nhỏ và các dịch vụ.. hãy phát

triển với một khoản vay lãi suất chính sách.

➢ Mục đích cho vay của NHNBB

Mục đích là để cho vay đối với người sản xuất trong khu vực nghèo và vùng

nông thôn hẻo lánh hoặc các dự án phát triển ưu tiên của Chính phủ để góp phần để

giải quyết nghèo và khuyến khích năng suất góp phần tạo việc làm để tạo thu nhập

cho đồng bào các dân tộc có một đời sống càng tốt.

➢ Mục tiêu cho vay của NHNBB

Để cho đồng bào các dân tộc trong khu vực nghèo có vốn được sử dụng để cải

thiện phương pháp sản xuất với sử dụng các ký thuật mới, công cụ hiện đại, cho vay

cần phải tập trung vào các dự án như vậy:

− Dự án trồng trọt.

− Dự án nuôi gia súc

− Dự án thu công

− Dự án biến nông sản (công nghiệp nhỏ)

− Dự án dịch vụ (liên kết với sản xuất của nông thôn)

NHNBB cho vay trực tiếp các gia định, nhưng người được liệt kê là gia định

nghèo ở các làng mục tiêu nhằm nâng cấp đảm bảo cải thiện điều kiện sống của họ

đến xóa đói giảm nghèo về cơ bản.

Ngoài ra, NHNBB cũng cung cấp tín dụng cho người dân, các nhân đã ra khỏi

một gia đình nghèo hoặc doanh nghiệp có mục đích sản xuất trong khu vực đó để

tạo việc làm, tạo sự nghiệp, tạo thu nhập cho người nghèo ở các khu vực do Chính

phủ đã xác định.

Giám đốc PGD

Phó Giám đốc PGD

Các phòng Nghiệp vụ

(Nguồn: http://www.nbblao.org/images/stucter.jpg)

Hình 3. 1. Cơ cấu tổ chức của NBB chi nhánh tỉnh Oudomxay

Tổ Kế hoạch - Nghiệp vụ Tổ Kế toán - Ngân quỹ

NHNBB Lào hoạt động theo quy chế hoạt động của Ngân hàng CSXH. Giám

đốc là người chịu trách nhiệm về một hoạt động của ngân hàng trước Nhà nước và

các cấp có thẩm quyền. giúp việc cho Giám đốc có 1 phó giám đốc.

+ Giám đốc: Quản lý và điều hành mọi hoạt động của ngân hàng theo quy định

của Pháp luật và các văn bản quy phạm Pháp luật của Nhà nước Lào. Thực

hiện đúng quyền và nghĩa vụ đã quy định trong Điều lệ Ngân hàng.

− Quyết định các vấn đề hoạt động hàng ngày của ngân hàng mà không

cần đến quyết định của Hội đồng quản trị.

− Tổ chức thực hiện các quyết định của Hội đồng quản trị.

− Tổ chức thực hiện kế hoạch, chiến lược hoạt động quản lí của ngân hàng.

− Kiến nghị phương án cơ cấu tổ chức, quy chế quản lý nội bộ ngân hàng.

− Bổ nhiệm, miễn nhiệm, cách chức các chức danh quản lý tại ngân hàng

trừ các chức danh thuộc thẩm quyền của Hội đồng quản trị.

− Tuyển dụng và cắt giảm nhân sự theo yêu cầu hoạt động.

− Kiến nghị phương án xử lý lỗ lãi trong hoạt động của ngân hàng.

− Giám đốc còn có các quyền và nghĩa vụ khác theo quy định của Pháp

luật, điều lệ ngân hàng và quyết định của Hội đồng quản trị.

Nếu điều hành trái với quy định, gây thiệt hại cho ngân hàng thì Giám đốc

chịu trách nhiệm trước Pháp luật và phải bồi thường thiệt hại theo quy định.

Do hoạt động trước mắt còn đang dần đi vào ổn định và số lượng cán bộ viên

chức còn hạn chế (9 cán bộ) nên cơ cấu tổ chức bao gồm 02 tổ nghiệp vụ chính là:

Tổ Kế toán – Ngân quỹ gồm 3 người và Tổ Kế hoạch – Nghiệp vụ tín dụng gồm 4

người.

- Tổ kế toán ngân quỹ: Thực hiện nhiệm vụ công tác hạch toán kế toán

theo qui định về pháp lệnh kế toán thống kê và các nghiệp vụ huy động

vốn của các tổ chức kinh tế, quản lý vốn và tài sản, hạch toán cho vay

thu nợ, xây dựng kế hoạch tài chính, quyết toán thu chi tài chính theo chế

độ tài chính, tổng hợp thu cai tài chính, lưu giữ hồ sơ, tài liệu về hạch

toán, thực hiện chức năng trung tâm thanh toán.

- Tổ Kế hoạch nghiệp vụ: Là nơi tiếp nhận hồ sơ vay vốn của tất cả khách

hàng có nhu cầu, tiến hành thẩm định các dự án, phương án vay vốn và

làm các thủ tục vay vốn trình lên các cấp lãnh đạo để xét duyệt cho vay.

3.1.2. Hoạt động của Ngân hàng NAYOBY Lào:

- Hoạt động huy động vốn

Nguồn vốn để hoạt động chủ yếu của NHCSXH là vốn từ Ngân sách Nhà

nước bao gồm: Vốn điều lệ; vốn cho vay xóa đói, giảm nghèo, tạo việc làm và thực

hiện chính sách xã hội khác; vốn từ nguồn tăng thu, tiết kiệm chi của ngân sách các

cấp bổ sung nguồn vốn cho vay người nghèo và các đối tượng chính sách trên địa

bàn; vốn ODA được Chính phủ giao;…

Ngoài ra, Ngân hàng Chính sách xã hội còn được nhận vốn tài trợ không hoàn

lại của các tổ chức, cá nhân trong và ngoài nước, vốn nhận ủy thác cho vay ưu đãi

của chính quyền địa phương, của các tổ chức, cá nhân trong và ngoài nước và vốn

huy động dưới các hình thức khác nhưng phải đảm nguyên tắc chỉ huy động khi đã

sử dụng tối đa các nguồn vốn không phải trả lãi và huy động với mức lãi suất thấp

(việc huy động tiền gửi có trả lãi chỉ được thực hiện trong phạm vi kế hoạch hàng

năm được duyệt).

Với những đặc điểm riêng biệt về nguồn (chủ yếu là vốn do Ngân sách Nhà

nước cấp) và các uư đãi như: Được Nhà nước đảm bảo khả năng thanh toán, không

phải tham gia dự trữ bắt buộc, không phải tham gia bảo hiểm tiền gửi và vốn huy

động có trả lãi chỉ phải thực hiện trong phạm vi kế hoạch được duyệt hàng năm.

Vì vậy, việc đảm bảo quá trình huy động vốn có trả lãi trên địa bàn theo đúng

phạm vi kế hoạch được duyệt với khối lượng cán bộ viên chức là 9 người cũng tạo

ra nhiều khó khăn cho ngân hàng.

- Hoạt động tín dụng

Tín dụng ưu đãi đối với người nghèo và các đối tượng chính sách khác là việc

sử dụng các nguồn lực tài chính do Nhà nước huy động được để cho người nghèo

và các đối tượng chính sách khác vay ưu đãi phục vụ sản xuất, kinh doanh, tạo việc

làm, cải thiện đời sống, góp phần thực hiện Chương trình mục tiêu quốc gia xóa đói

giảm nghèo, ổn định xã hội, tạo việc làm, tăng thu nhập cho người dân.

Người nghèo và các đối tượng chính sách khác được vay vốn tín dụng ưu đãi

gồm:

1. Hộ nghèo

2. Học sinh, sinh viên có hoàn cảnh khó khăn đang học đại học, cao đẳng,

trung học chuyên nghiệp và học nghề.

3. Cho vay vốn giải guyết việc làm.

4. Cho vay đối tượng chính sách đi lao động có thời hạn ở nước ngoài.

5. Cho vay nước sạch vệ sinh môi trường nông thôn.

6. Cho vay sản xuất, kinh doanh vùng khó khăn.

7. Cho vay hộ dân tộc thiểu số, đặc biệt khó khăn.

8. Cho vay doanh nghiệp vừa và nhỏ.

9. Cho vay thương nhân hoạt động thường xuyên tại vùng khó khăn.

10. Cho vay hộ cận nghèo.

11. Các đối tượng khác khi có quyết định của Thủ tướng chính phủ.

Chúng ta có thể thấy, đối tượng phục vụ chủ yếu của Ngân hàng chính sách xã

hội là người nghèo và các đối tượng chính sách khác. Đặc biệt ở những nơi mà

nông nghiệp và nông thôn đóng vai trò chủ đạo thì đối tượng phục vụ chủ yếu của

Ngân hàng chính sách xã hội là hộ nghèo và kinh tế hộ gia định.

Với lãi suất cho vay chỉ bằng hơn nửa lãi suất cho vay của các ngân hàng

thương mại khác. Có thể coi đây là một ưu thế của Ngân hàng CSXH. Tuy nhiên,

việc cho vay phải đảm bảo nghiêm túc quy trình tín dụng, đảm bảo đúng đối tượng,

điều kiện vay vốn, mức cho vay và phải căn cứ vào kế hoạch tín dụng được duyệt.

Đây cũng chính là một điểm cản trở việc mở rộng hoạt động của NHCSXH đề đáp

ứng nhu cầu về vốn của Nhân dân. Điều đó cũng giải thích tại sao quá trình huy

động vốn có trả lãi của NHCSXH luôn phải tuân thủ kế hoạch được phê duyệt và

tìm kiếm các nguồn vốn có chi phí thấp.

- Hoạt động thanh toán:

Cùng với sự phát triển của NHCSXH, hệ thống thanh toán của ngân hàng ngày

càng được phát triển, đổi mới, cơ bản đã đáp ứng được khả năng điều chuyển vốn

thanh toán trong hệ thống đảm bảo phục vụ mục tiêu chính của ngân hàng là cung

cấp vốn tín dụng chính sách tới các đối tượng thụ hưởng theo nhiệm vụ được Chính

phủ giao đồng thời đáp ứng được nhu cầu thanh toán cho khách hàng mở tài khoản

tại NHCSXH cũng như các khách hàng vãng lai thuận tiện và an toàn với mức phí

giao dịch thấp nhất.

3.1.3. Nguồn dữ liệu và thực trạng hoạt động tín dụng tại Ngân hàng

NAYOBY, chi nhánh tỉnh Oudomxay - Lào:

3.1.3.1. Nguồn dữ liệu của ngân hàng NAYOBY:

Đối với nguồn dữ liệu của ngân hàng thì tác giả đã thu thập từ báo cáo tài

chính của ngân hàng trong giai đoạn từ năm 2016 – 2018, từ các khách hàng doanh

nghiệp như đã trình bày trong phần cuối quyển Luận văn (Nguồn dữ liệu đầu vào).

3.1.3.2. Tình hình hoạt động kinh doanh của Ngân hàng NAYOBY:

Trong các năm vừa qua, mặc dù phải hoạt động trong bối cảnh nền kinh tế có

nhiều biến động bất lợi, hệ thống tài chính Lào có nhiều biến động sau những cuộc

sát nhập ngân hàng nhỏ, khả năng cạnh tranh kém, năng lực nhân sự thiếu nhằm

làm lành mạnh hóa thị trường, mặc dù gặp nhiều khó khăn khách quan ban giám

đốc của Ngân hàng NBB đã có những quyết sách đúng đắn nhằm đảm bảo an toàn

tài chính cũng như theo đuổi mục tiêu sinh lợi để tạo tiền đề cho những bước phát

triển mạnh mẽ trong những năm sắp tới.

Thông qua số liệu trên có thấy NBB dành chủ yếu các khách tín dụng cho

khách hàng DN theo dạng tín dụng ngắn hạn. Qua quá trình 3 năm, từ năm 2016 tới

năm 2017 tăng 9.3 tỷ Kíp tương đương 12.62%, năm 2017 tới năm 2018 tăng 5.61

tỷ Kíp tương đương 6.75% việc áp dụng cho vay ngắn hạn đối với các chủ thẻ kinh

tế khá ổn dịnh. Điều này là cần thiết vì các DN đều có rủi ro khá cao khi họ luôn

phải gánh chịu rất nhiều các tác động từ những biến động thị trường trong nền kinh

tế bất ổn hiện nay. Thông qua việc cho vay ngắn hạn, ngân hàng đã hạn chế được

rủi ro tín dụng, nợ xấu tín dụng có thể phát sinh, đảm bảo an toàn nguồn vốn. Việc

cho vay ngắn hạn phù hợp với xu hướng chung của toàn hệ thống trong các năm

qua khi tỷ trọng các khoản vay ngày càng tăng khi NHNN đang thắt chặt các hoạt

động thanh khoản cho các tổ chức tín dụng. Một lợi ích khác của xu hướng này là

tăng vòng quay vốn của ngân hàng, cải thiện hiệu quả sử dụng vốn.

❖ Dư nợ tín dụng KHCN theo thời gian cho vay tại NBB

− Nợ ngắn hạn (tăng/giảm):

Nợ ngắn hạn (2017/2016): 83,106,717 – 73,797,009 = 9,309,708

Nợ ngắn hạn (2018/2017): 88,719,288 – 83,106,717 = 5,612,571

− Nợ ngắn hạn (% tăng/giảm):

Nợ ngắn hạn (2017/2016): (9,309,708 / 73,797,009) * 100 = 12.62%

Nợ ngắn hạn (2018/2017): (5,612,571 / 83,106,717) * 100 = 6.75%

❖ Phân tích nợ xấu theo nhóm nợ tại NBB

− Nợ nhóm 3 (tăng/giảm):

Nợ nhóm 3 (2017/2016): 669,686 – 263,785 = 405,901

Nợ nhóm 3 (2018/2017): 339,729 – 669,686 = – 329,957

− Nợ nhóm 3 (tăng/giảm):

Nợ nhóm 3 (2017/2016): (405,901 / 263,785) * 100 = 153.88%

Nợ nhóm 3 (2018/2017): (– 329,957 / 669,686) * 100 = – 49.27%

Bảng 3. 1. Dư nợ tín dụng KHCN theo thời gian cho vay tại NBB

Đvt: Nghìn Kíp Lào

(Nguồn: Báo cáo kết quả kinh doanh NBB năm 2016-2018)

Bảng 3. 2. Phân tích nợ xấu theo nhóm nợ tại NBB

(Nguồn: Báo cáo tài chính hợp nhất từ năm 2016-2018)

Qua bảng số liệu trên, ta có thể thấy nợ xấu biến đổi tăng dần qua các năm.

Trong khi năm 2017 và năm 2018 nợ nhóm 3 giảm đáng kể xuống con số lần lượt là

– 49.27% và nợ nhóm 4 giảm xuống là – 15.41%. Thành tích này đặt được từ những

biện pháp cứng rắn được áp dụng đồng bộ: nâng cao chất lượng thẩm định, tập

trung nguồn vốn vào những phương án kinh doanh thật sự có hiệu quả, tăng cường

công tác kiểm tra trong và sau khi cho vay.

3.1.3.3. Quy trình tín dụng đối với khách hàng doanh nghiệp:

Xét duyệt cho vay là khâu quan trọng giúp chi nhánh lựa chọn những khách

hàng tốt, hạn chế rủi ro tín dụng, nợ xấu tín dụng. Công tác thẩm định xét duyệt cho

vay đối với các DN tại NBB được tổ chức thực hiện theo quyết định cho vay hiện

hành của NHNN cũng như toàn hệ thống NBB, cụ thể quy trình cho vay đối với

khách hàng doanh nghiệp được thực hiện các bước sau:

Bước 1: Hướng dẫn khách hàng lập hồ sơ tín dụng, tiếp nhận và kiểm tra hồ sơ

Bước 2: Thẩm định

Bước 3: Trình tự duyệt hồ sơ vay vốn, phán quyết cho vay

Bước 4: Tiến hành đàm phán, kỳ kết hợp đồng

Bước 5: Giải ngân

Bước 6: Quản lý, giám sát rủi ro và thu hồi vốn vay

(Nguồn: Tác giả tổng hợp)

Bước 1: Hướng dẫn khách hàng lập hồ sơ tín dụng, tiếp nhận và kiểm tra

hồ sơ.

Khi khách hàng có nhu cầu vay vốn, bộ phận bán hàng phải tiếp xúc và hướng

dẫn khách hàng lập hồ sơ. Hồ sơ do khách hàng lập và cung cấp cho ngân hàng bao

gồm: hồ sơ pháp lí, hồ sơ tài chính, hồ sơ về tài sản đảm bảo, hồ sơ về sử dụng vốn

vay và một hồ sơ khác.

Bước 2: Thẩm định

Sau khi nhận đầy đủ các hồ sơ cần thiết, cán bộ tín dụng cần phải tiến hành thu

thập các thông tin về khách hàng như: Phương án hay dự án vốn, ngành nghề kinh

doanh, môi trường hoạt động, lịch sử quan hệ với ngân hàng… làm cơ sở phân tích

đánh giá một cách toàn diện về khách hàng.

Với những lực pháp lí: Đây là đầu tiên quan trọng nhất để ngân hàng xem xét

tài trợ nhằm xác định trách nhiệm pháp lý trước pháp luật về việc hoàn trả nợ vay.

Những tiêu chuẩn ngân hàng yêu cầu: có giấy phép thành lập của cấp có thẩm

quyền, có giấy phép kinh doanh, được nhân danh DN tham gia hoạt động kinh tế

thông qua người đại diện.

Với tình hình tài chính: Khách hàng có tiềm lực tài chính mạnh là cơ sở quan

trọng đảm bảo tính tự chủ trong hoạt động kinh doanh, đảm bảo khả năng cạnh

tranh trên thị trường và khả năng hoàn trả các khoản nợ đúng hạn trong tương lai.

Ngân hàng sử dụng các chỉ số tài chính để phân tích bao gồm các chỉ số khả năng

thanh toán, khả năng thanh toán, khả năng hoạt động, khả năng cân đối vốn… Khi

đánh giá, ngân hàng sẽ so danh giữa các thời kì để thấy được mức độ phát triển của

DN , so sánh với các DN khác trong ngành, từ đó đưa ra nhận định chủ quan về

hiệu quả hoạt động kinh doanh của DN trong những năm tiếp theo.

Với phướng án, dự án vay vốn: Trước tiên phải có thẩm định mục đích sử

dụng vốn vay, tính hợp lí, hợp pháp của kế hoạch sản xuất kinh doanh có phù hợp

với giấy phép kinh doanh hay không. Sau đó, ngân hàng sẽ thẩm định tính khả thi

của dự án, phương án vay vốn. Cán bộ sẽ đánh giá hiệu quả kinh doanh, xác định

các chỉ tiêu kinh tế, xác định mức độ vốn vay. Ngoài ra, cán bộ tín dụng phải xem

xét các yếu tố khác như: yếu tố đầu ra, yếu tố đầu vào, phương thức sử dụng vốn

vào hoạt động kinh doanh, từ đó đưa ra quyết định cho vay và phương án cho vay.

Bước 3: Trình tự duyệt hồ sơ vay vốn, phán quyết cho vay:

Trên cơ sở tờ trình tín dụng đã lập, cán bộ tín dụng phải đưa ra ý kiến độc lập

của mình, rồi trình bới cấp có thẩm quyền phê duyệt.

Bước 4: Tiến hành đàm phán, ký kết hợp đồng

Sau khi quyết định tài trợ cho khoản nợ vay, cán bộ tín dụng phải chuẩn bị các

hợp đồng và văn bản liên quan để trình với lãnh đạo kí, bao gồm: hợp đồng tín

dụng, khế ước nhận nợ, hợp đồng cầm cố hoặc thế chấp. Tiếp đó, tiến hành kí kết

các hợp động văn bản liên quan đến khoản vay đã được hai bên thỏa thuận. Khách

hàng cũng giao nhận hồ sơ tài sản đảm bảo cho ngân hàng.

Bước 5: Giải ngân

Bộ phận kinh doanh phải trình lãnh đạo kế hoạch giải ngân tới cấp có thẩm

quyền để phê duyệt giải ngân cho khách hàng. Hồ sơ vay vốn của khách hàng được

truyển xuống cho bộ phận kế toán thực hiện phát tiền cho khách hàng. Đồng thời,

cán bộ tín dụng hướng dẫn khách hàng nhận, kiểm trả hồ sơ, chứng từ giải ngân.

Trong quá trình giải ngân sẽ có sự tham gia của nhiều bộ phận khác, Bộ phận

kế toán sẽ kiểm tra quá trình thanh toán giải ngân đảm bảo đúng qui định, nhập kho

tài sản đảm bảo, hạch toán theo dõi khoản vay. Đối với những khoản vay liên quan

đến hoạt động thanh toán L/C thì bộ phận thanh toán quốc tế phải kiểm tra chứng từ

thanh toán quốc tế đảm bảo đúng qui định.

Bước 6: Quản lí, giám sát rủi ro và thu hồi vốn vay:

Để đảm bảo nguyên tắc sử dụng vốn vay đúng mục đích, hoàn trả gốc và lãi

đúng hạn, cán bộ tín dụng phải tiến hành kiểm soát sau khi cho vay. Bộ phận kinh

doanh phải có mối quan hệ chặt chẽ với khách hàng để thu thập và đánh giá tình

hình sản xuất kinh doanh, tài chính thu thập của khách hàng thường xuyên. Từ đó

có những tư vấn về hoạt động kinh doanh của khách hàng, đảm bảo vốn vay được

sử dụng đúng mục đích, hiệu quả. Theo dõi tình hình thanh toán nợ gốc và lãi. Quản

lí tài sản đảm bảo tiền vay, phát hiện về đề xuất biện pháp xử lý khi có tình huống

phát sinh.

Bước 7: Tất toán và thanh lí hợp đồng

Đến thời điểm hết hạn hợp đồng, khách hàng phải thanh toán cả gốc và lãi cho

ngân hàng, thanh lí hợp động tín dụng. Cán bộ ngân hàng tất toán khế ước, lưu hồ

sơ theo quy định, tìm hiểu các thông tin phản hồi từ phía khách hàng. Bộ phận tín

dụng sẽ trả lại những hồ sơ về tài sản đảm bảo, cung cấp những chứng từ tất toán

khoản vay cho khách hàng.

3.2. Dự báo nợ xấu dựa trên mô hình toán học Logistic - Probit hồi quy tại

NHNBB trên phần mềm Eviews 8.0:

3.2.1. Mô hình hồi quy Logistic - Probit:

Mô hìn hồi quy Logistic là phương pháp phổ biến thường được sử dụng dể

đánh giá rủi ro tín dụng, nợ xấu tín dụng và xây dựng mô hình xếp hàng tín dụng

khi có biến yếu tố rủi ro đã được sắp xết thành các thang điểm. Hồi quy Logistic,

như hầu hết các phương pháp xây dựng mô hình dự báo khác, được sử dụng để xây

dựng một hàm các yếu tố rủi ro có khả năng dự đoán cao khả năng có thể xảy ra

(Likelihood) hoặc xác suất (Probability) của một kết quả được lựa chọn nghiên cứu.

Tác giả đã sử dụng nguồn thông tin công khai là báo cáo tài chính của các

doanh nghiệp đã niêm yết trên thị trường chứng khoán (TTCK) Lào. Các số liệu

được thu thập trong giai đoàn 2016 – 2018 để phân tích, chạy thử sau đó lựa chọn

bộ số liệu được lấy tại thời điểm 31/12/2016 – 31/12/2018 làm số liệu chính thức

trong nghiên cứu.

3.2.1.1. Ứng dụng phần mềm Eviews 8.0

1. Phần mềm Eviews 8.0

EViews (Econometric Views) là phần mềm chuyên về kinh tế lượng, nghiên

cứu với dữ liệu chuỗi thời gian, dữ liệu chéo, dữ liệu mảng…

Với khả năng linh hoạt trong thao thác, quản lý dữ liệu dễ dàng, kết quả hiển

thị nhanh và dễ dàng hiểu được đã giúp Eviews đang trở thành một trong những

phần mềm thống kê và phân tích dự báo được các nhà nghiên cứu sử dụng phổ biến

Hình 3. 2. Phần mềm Eviews 8.0

nhất.

Hình 3. 3. Lặp bảng để phân tích mô hình Logit

Create a new Eviews Workfile > sau đó thêm thông tin vào > OK

1.1. Phân tích theo mô hình Logit

Tác giả đã nhập dữ liệu từ Phụ lục 2: Biến phụ thuộc của mô hình Logit vào

Hình 3. 4. Nhập dữ liệu vào

như sau:

Hình 3. 5. Mô hình thống kê các biến của mô hình

View > Descriptive Stats > Common Sample

Bảng 3. 3. Mô tả thống kê các biến của mô hình

(Nguồn: Tác giả tính trên phân mềm Eviews 8.0)

Đề tài sử dụng ma trận hệ số tương quan giữa các biến sử dụng để phân tích,

như trong bảng sau:

View > Covariance > Analysis… > Dấu các (Probability|t|=0, Convariance,

Hình 3. 6. Ma trận tương quan giữa các biến

Correlation) > OK

Bảng 3. 4. Ma trận tương quan giữa các biến

Covariance Analysis: Ordinary Date: 10/04/20 Time: 10:15 Sample: 2016 2018 Included observations: 30 Covariance Correlation Probability

EBITA

EQUITYA

SALESA

LTLA EBITA EQUITYA SALESA

0.028132

LTLA 2.249517 -4.195250 -0.027884 -0.040451

1070.065 -3.573926 1.988301

0.087343 0.001475

(Nguồn: Tác giả tính trên phần mềm Eviews 8.0)

Dựa vào bảng số liệu trên có thể kết luận khả năng xuất hiện đa cộng tuyến

trong mô hình hồi quy là không lớn do các cặp hệ số tương quan giữa các biến

không có trường hợp nào có trị tuyệt đối vượt qúa 0.8. Tuy nhiên, để chắc rằng hiện

tượng đa cộng tuyến không xảy ra giữa các biến nghiên cứu tác giả tiếp tục kiểm tra

qua giá trị hệ số nhân tử phóng đại phương sai (Variance flation Factor được viết tắ

là VIF). Theo Gujarati (2004) nếu VIF 10 thì kết luận mô hình bị đa cộng tuyến.

Theo như kết quả bảng trên thì tất cả các biến độc lập điều có hệ số VIF vượt qua 3,

tức là mô hình nghiên cứu không có hiện tượng đa cộng tuyến giữa các biến độc

Bảng 3. 5. Kiểm định điểm dừng của EBITA

Statistic

Prob.**

Obs

Cross-sections

2.11886

0.9829

6 6

12 6

Panel unit root test: Summary Series: EBITA Date: 10/05/20 Time: 09:32 Sample: 2016 2016 Exogenous variables: Individual effects, individual linear trends Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Method Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Breitung t-stat ** Probabilities are computed assuming asympotic normality

(Nguồn: Tác giả tổng hợp từ Eviews 8.0)

lập.

Bảng 3.8 tác giả tiến hành kiểm định ADF chuỗi dữ liệu EBITA, với độ trễ là

2, ta thấy chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết

quả như (bảng 5) Chuỗi dừng ở mức ý nghĩa 1%.

Bảng 3.9 là kiểm định điểm dừng ADF chuỗi dữ liệu EQUITYA, với độ trễ là

0, ta thấy chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết

Bảng 3. 6. Kiểm định điểm dừng EQUITYA

Statistic

Prob.**

Cross- sections

Obs

-13.3747

0.0000

2 2

4 2

Panel unit root test: Summary Series: EQUITYA Date: 10/05/20 Time: 09:34 Sample: 2016 2016 Exogenous variables: Individual effects, individual linear trends Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Method Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Breitung t-stat ** Probabilities are computed assuming asympotic normality

(Nguồn: Tác giả tổng hợp từ Eviews 8.0)

quả như (bảng 6) Chuỗi dừng ở mức ý nghĩa 1%.

Bảng 3. 7. Kiểm định điểm dừng LTLA

Statistic

Prob.**

Cross- sections

Obs

1.36308

0.9136

4 4

8 4

Panel unit root test: Summary Series: LTLA Date: 10/05/20 Time: 09:35 Sample: 2016 2016 Exogenous variables: Individual effects, individual linear trends Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Method Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Breitung t-stat ** Probabilities are computed assuming asympotic normality

(Nguồn: Tác giả tổng hợp từ Eviews 8.0)

Ta tiến hành kiểm định ADF chuỗi dữ liệu LTLA, với độ trễ là 1, ta thấy chuỗi

náy có tính dừng. Tiến hành lấy sai phân một lần ta được kết quả như (bảng 7)

Bảng 3. 8. Kiểm định tính dừng của SALESA

Statistic

Prob.**

Obs

Cross- sections

2.94379

0.9984

3 3

6 3

Panel unit root test: Summary Series: SALESA Date: 10/05/20 Time: 09:41 Sample: 2016 2016 Exogenous variables: Individual effects, individual linear trends Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Method Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Breitung t-stat ** Probabilities are computed assuming asympotic normality

(Nguồn: Tác giả tổng hợp từ Eviews 8.0)

Chuỗi dừng ở mức ý nghĩa 1%.

Ta tiến hành kiểm định ADF chuỗi dữ liệu SALESA, với độ trễ là 2, ta thấy

chuỗi này không có tính dừng. Tiến hành lấy sai phân một lần ta được kết quả như

(bảng 8) Chuỗi dừng ở mức ý nghĩa 1%.

1.2. Xác xuất PD

Các tác giả đã xây dựng mô hình như sau:

PD=1 / (1+exp (2.86 + 3.46LTLA + 3.52EBITA + 11.18EQUITYA +

0.43SALESA))

❖ Doanh nghiệp AVS

− PD (2016) = 1 / (1+exp (2.86 + 3.46(0.2732) + 3.52(0.0783) + 11.18(0.5915)

+ 0.43(0.3678))) = 0.000019

− PD (2017) = 1 / (1+exp (2.86 + 3.46(0.1958) + 3.52(0.0720) + 11.18(0.6040)

+ 0.43(0.3243))) = 0.000082

− PD (2018) = 1 / (1+exp (2.86 + 3.46(0.1171) + 3.52(0.0597) + 11.18(0.7066)

+ 0.43(0.2667))) = 0.000220

❖ Doanh nghiệp KNV

− PD (2016) = 1 / (1+exp (2.86 + 3.46(0.1979) + 3.52(0.0162) + 11.18(0.7785)

+ 0.43(0.4956))) = 0.000004

− PD (2017) = 1 / (1+exp (2.86 + 3.46(0.0360) + 3.52(0.0100) + 11.18(0.7357)

+ 0.43(0.7207))) = 0.000014

− PD (2018) = 1 / (1+exp (2.86 + 3.46(0.0326) + 3.52(0.0067) + 11.18(0.7275)

+ 0.43(0.2719))) = 0.000450

Bảng 3. 9. Biến xác suất phá sản của 10 doanh nghiệp

(Nguồn: Tác giả tổng hợp trên Eviews 8.0)

Xuất phát từ thực tiễn, bài nghiên cứu giới thiệu việc sử dụng mô hình Logit

(Logistics), đánh giá khả năng trả nợ của 10 nhóm khách hàng khi vay tại Ngân

hàng NAYOBY Lào. Trên cơ sở đó đưa ra một số nhận xét và dự báo nợ xấu của

Ngân hàng. Khi xác xuất vỡ nợ càng cao thì khả năng trả nợ của khách hàng càng

thấp dẫn tới nợ xấu của ngân hàng tăng. Nhìn chung doanh nghiệp AVS năm 2016

đến năm 2018 tăng 0.000201. Doanh nghiệp KNV từ năm 2016 tới năm 2018 đã

tăng 0.000446. Doanh nghiệp IMM chỉ số năm 2016 tới năm 2018 đã giảm

0.001627. Doanh nghiệp EBC năm 2016 bằng 0.000006 cho tới năm 2017 đã tăng

0.001189 nhưng tới năm 2018 đã giảm tới 0.001161. Doanh nghiệp RTB thì có tăng

nhẹ từ năm 2016 tới năm 2008 tăng 0.000200. Doanh nghiệp LAA nhìn chung thì

có sự tăng nhẹ từ năm 2016 tới năm 2018 là 0.000015. Doanh nghiệp DFD có sự

tăng dần theo từng năm từ năm 2016 tới 2018 đã tăng 0.000039. Doanh nghiệp

KKC có sự tăng từ năm 2016 tới 2017 là 0.002792 và có sự tăng mạnh từ năm 2017

tới 2018 là 0.005332. Doanh nghiệp RBP có sự thay đổi từ năm 2017 tới 2018 đã

giảm 0.002807. Doanh nghiệp REL có sự tăng đần từ năm 2016 tới 2018 là

0.004645.

Hình 3. 7. Nhập dữ liệu vào để phân tích Z-Score

(Nguồn: Tác giả tổng hợp trên Eviews 8.0)

Biểu đồ 3. 1. Sự biến động của xác xuất phá sản của Ngân hàng NBB

View > Graph… > OK

Bảng 3. 10. Kiểm định tính dừng của biến PD

Obs

Statistic

Prob.** Cross-sections

-1.18541

0.1179

7 7

Panel unit root test: Summary Series: PD Date: 11/06/20 Time: 09:43 Sample: 2016 2016 Exogenous variables: Individual effects, individual linear trends Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Method Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Breitung t-stat ** Probabilities are computed assuming asympotic normality

(Nguồn: Tác giả tổng hợp từ Eviews 8.0)

Giả thuyết kiểm định:

✓ H0:  = 0 (Yt là chuỗi dữ liệu không dừng)

✓ H1:  < 0 (Yt là chuỗi dữ liệu dừng)

Theo kết quả chạy kiểm định ADF, chuỗi dữ liệu của biến PD không có tính

dừng. Ta tiến hành xử lý bang cách lấy sai phân một lần để được chuổi dừng kết

quả như (bảng 10), với độ trễ bằng 0.

nhỏ hơn các giá trị tới hạn mức ý nghĩa 1%. Ta thấy giá trị

3.3. Dự báo phá sản dựa trên mô hình Z-Score tại các Doanh nghiệp khách

hàng của Ngân hàng

Để áp dụng tính Z-Score, tác giả dùng báo cáo tài chính của một doanh nghiệp

đang niêm yết trên sàn chứng khoán Lào để thể hiện cách tính Z-Score.

Tác giả đã lấy công thức của Giáo sư Edward I.Altman , Đối với doanh nghiệp

đã cổ phần hóa, ngành sản suất, Z-Score được tính theo công thức:

Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5

− Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá

sản.

− Nếu 1.8 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy

cơ phá sản.

− Nếu Z < 1.8: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cap.

➢ Bài toán để phân tích Z-Score

Theo công thức của Altman Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5

Lấy dữ liệu từ bảng các biến độc lập

− AVS (2016) = 1.2(0.2228) + 1.4(0.06) + 3.3(0.0783) + 0.64(0.82) +

0.999(0.3678) = 1.502122122

− AVS (2017) = 1.2(0.2084) + 1.4(0.0568) + 3.3(0.072) + 0.64(0.72) +

0.999(0.3243) = 3.331225842

− AVS (2018) =1.2(0.0603) + 1.4(0.0442) + 3.3(0.0597) + 0.64(0.08) +

0.999(0.2667) = 2.645950723

− KNV (2016) = 1.2(-0.1575) + 1.4(0.0111) + 3.3(0.0163) + 0.64(0.33) +

0.999(0.4956) = 0.58651886

− KNV (2017) = 1.2(0.0251) + 1.4(0.0013) + 3.3(0.0101) + 0.64(0.42) +

0.999(0.7207) = 1.467363493

− KNV (2018) =1.2(0.0268) + 1.4(0.006) + 3.3(0.0068) + 0.64(0.21) +

0.999(0.2719) = 2.134348117

Bảng 3. 11. Các biến độc lập mô hình Z-Score

(Nguồn: Tác giả tính toán trên Microsoft Excel)

Bảng 3.12: Phân tích Z-Score

(Nguồn: Tác giả tính toán trên Microsoft Excel)

Dựa trên thông tin đó, tác giả tính toán chỉ số Z-Score như Bảng 3.12:

Kết quả chỉ số Z-Score cho thấy Z-Score AVS năm 2018 nằm trong ngưỡng

1.8 đến 2.99 có nguy cơ rủi ro về phá sản, tuy nhiên rủi ro này thấp vì Z-Score bằng

2.64 gần với ngưỡng 2.99. Như vậy nếu ngân hàng cho AVS vay có thể sẽ gặp rủi

ro tín dụng với doanh nghiệp này. Chỉ số Z-Score KNV năm 2018 nằm trong

ngưỡng 1.8 đến 2.99 có nguy cơ rủi ro về phả sản trong thời gian tới, rủi ro này cao

vì Z-Score bằng 2.13 chỉ cao hơn mức 1.8. Như vậy doanh nghiệp này vay sẽ có

nguy cơ rủi ro tín dụng cao. Chỉ số Z-Score IMM trong 3 năm đều nằm dươi 1.8 và

nằm trong vùng có nguy cơ phá sản cao vì chỉ số Z-Score năm 2018 bằng 0.98. Nên

ngân hàng không nên cho doanh nghiệp này vay vì nguy cơ phá sản cao. Chỉ số Z-

Score EBC trong 3 năm đều rất thấp dưới mức 1.8, nằm trong vùng nguy hiểm có

nguy cơ phá sản cao năm 2018 Z-Score bằng 0.68. Nên ngân hàng không cho doanh

nghiệp này vay vì nguy cơ phá sản rất cao. Chỉ số Z-Score RTB năm 2017 không

nằm trong vùng nguy hiểm, phá sản cao. Nhưng tới năm 2018 thì chỉ số Z-Score chỉ

còn 1.94 cao hơn mức 1.8 nhưng vẫn nằm trong vùng cảnh báo. Vì vậy ngân hàng

không nên cho doanh nghiệp này vay vì nguy cơ rủi ro tín dụng cao. Chỉ số Z-Score

LAA cả 3 năm đều nằm dưới mức 1.8. Năm 2018 Z-Score bằng 1.65 thấp hơn mức

1.8 nên ngân hàng không nên cho doanh nghiệp vay vì doanh nghiệp nằm trong

vùng nguy hiểm, phá sản cao. Chỉ số Z-Score DFD hai năm 2016, 2017 đều nằm

dưới mức 1.8 cảnh báo, nguy cơ phá sản cao. Năm 2018 thì chỉ số Z-Score đã tăng

lên đáng kể bằng 2.97 so với mức 2.99. vì vậy ngân hàng sẽ không gặp nhiều rủi ro

khi cho doanh nghiệp nay vay. Chỉ số Z-Score KKC cả 3 năm đều nằm trong vùng

an toàn không có rủi ro tín dụng. Năm 2018 Z-Score bằng 3.69 cao hơn 2.99 nên

ngân hàng có thể cho doanh nghiệp vay và không gặp rủi ro phá sản. Chỉ số Z-Score

RBP trong 3 năm đều nằm dưới mức 1.8. Năm 2018 Z-Score bằng 0.57 vùng cảnh

báo, nguy cơ phá sản cực lớn. Nên ngân hàng không nên cho doanh nghiệp vay vì

sẽ gặp rủi ro phá sản lớn. Chỉ số Z-Score REL trong 3 năm đều dưới mức 1.8 nằm

trong vùng cảnh báo. Năm 2018 Z-Score bằng 0.87 dưới mức 1.8 nên ngân hàng

không nên cho doanh nghiệp vay vi sẽ gặp rủi ro phá sản cao.

Thực vậy, trên thế giới chỉ số Altman’s Z-Score đã được áp dụng trong nhiều

năm và nhiều quốc gia khác nhau như năm 1968 cho các doanh nghiệp nhỏ tại Mỹ,

sau đó giáo sư Altman còn áp dụng Z-Score trong nghiên cứu của mình năm 1983,

1998 và 2000. Kết quả cho thấy chỉ số Z-Score đã dự báo chính xác tới khoảng 95%

doanh nghiệp bị phá sản trong năm kết tiếp và 72% doanh nghiệp bị phá nghiệp sẽ

giúp cho NHTM có được dự báo sớm về rủi ro phá sản của doanh nghiệp, cũng

chính là rủi ro tín dụng của NHTM.

KẾT LUẬN

Qua nghiên cứu em đã hiểu được dự báo nợ xấu tín dụng, rủi ro tín dụng dựa

trên việc sử dụng mô phỏng việc sử dụng mô hình Logistic trong đánh giá và dự

báo rủi ro vỡ nợ của các khách hàng doanh nghiệp và dự báo phá sản của khách

hàng doanh nghiệp qua mô hình Z-Score.

Về kinh nghiệm bản thân:

Qua thời gian 4 tháng 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 thiết:

Việc áp dụng mô hình này trong công tác phân tích dự báo nợ xấu tín dụng tại

Ngân hàng NAYOBY Lào 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 dự báo nợ

xấu tín dụng.

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

vây, một vài khuyến nghị tác giả để xuất trong trường hợp các ngân hàng triển khai

hệ thống đánh giá nợ xấu tín dụng, 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 sian tới em sẽ tiếp tục nghiên cứu để hoàn thiện chương trình ngày

một tốt hơn và đi sâu vào đến 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 những kinh nghiệm quý báu cho bản than, củng

cố những kiến thức đã học để có thể thận và hoàn thành các nhiệm vụ.

TÀI LIỆU THAM KHẢO

1. Nguyễn Tiến Đức – Học viện tài chính quốc gia năm (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”.

2. Phạm Chí Khoa, Trường Đại học Kinh tế - Luật- Đại học Quốc gia TP HCM.

Đăng tại Phát triển Kinh tế 289 (11/2014), “Áp dụng mô hình KVM-Merton

dự báo rủi ro tín dụng khách hàng doanh nghiệp và khả năng thiệt hại của

ngân hàng”.

3. Nguyễn Thị Cành, Trường Đại học Kinh tế - Luật- Đại học Quốc gia TP

HCM.

4. Vũ Xuân Hùng, Công ty đầu tư tài chính nhà nước TP Hồ Chí Minh. Đăng tại

Phát triển và hội nhập Số 15 (25) - Tháng 03-04/2014, “Ứng dụng mô hình Z-

score vào quản lý rủi ro tín dụng cho các ngân hàng thương mại Việt Nam”

Tác giả THS Nguyễn Phúc Cảnh. Trường Đại học Kinh tế TP Hồ Chí Minh.

5. Đoàn Thị Xuân Duyên – Trường Đại học Kinh tế TP HCM năm 2013, Luận

văn thạc sĩ kinh tế “Ứng dụng mô hình logit để đo lường khả năng trả nợ của

khách hàng doanh nghiệp tại ngân hàng TMCP Á Châu”.

6. Nguyễn Thị Hoài Phương – Đại học kinh tế quốc dân năm (2012), Luận án

tiến sĩ kinh tế, “Quản lí nợ xấu tại Ngân hàng thương mại Việt Nam”.

7. 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

đểxử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng.

8. 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.

9. Chiara Pederzoli, Costanza Torricelli(2010), A parsimonious default

prediction model for Italian SMEs.

10. Irakli Ninua (2008), (5) Does a collateralized loan have a higher probability to

default.

11. Measuring the Likelihood of Small Business Loan Default: Community

Development Financial Institutions (CDFIs) and the use of Credit-Scoring to

Minimize Default Risk - Duke University, Durham, North Carolina (2010).

12. Collateral, type of lender anh relationship banking as determinants of credit

risk - Jiménez và Saurina (2003)

13. Nguyễn Văn Tuấn, Phân tích hồi quy Logistic (Logistic regression analysis)

http://bomonnoiydhue.edu.vn/

14. Nguyễn Phi Hiếu, Kinh tế lượng cơ bản, ngày 19/05/2019,

https://econometricsr.hieunguyenphi.com/

15. Quy chế phân loại nợ và hợp nhất nợ của tổ chức tài chính vi mô, số 02/BOL

ngày 04/02/2015

16. Luật Ngân hàng Thương mại (Sửa đổi), số 56/QH tại Nghị định ngày

7/12/2018

17. Tóm lược hoạt động tín dụng ngân hàng NAYOBY 10 năm (2007 – 2017),

ngân hàng Nayoby chi nhánh tỉnh Oudomxay, số 46/NBB.ODX, ngày

31/07/2017

18. Báo cáo tháng 09 năm 2018 và phương hướng kế hoạch 03 tháng cuối năm

2018, số 005/NBB.ODX, ngày 04/10/2018

19. Báo cáo tháng 09 năm 2018 và phương hướng kế hoạch tháng 10 năm 2018,

số 006/NBB.ODX, ngày 04/10/2018

20. Báo cáo 12 tháng hoạt động văn phòng tài chính năm 2016, số

001/NBB.ODX, ngày 01/01/2017

21. Biên bản cuộc hợp đúc kết kinh nghiệm hoạt động việc trong giai đoạn 10 năm

(2007-2017), số 106/NBB.ODX, ngày 30/08/2017

22. Báo cáo tài chính tháng 09 năm 2020 và phương huóng kế hoạch cuối năm

2020, số 009/NBB.ODX, ngày 06/10/2020

PHỤ LỤC

PHỤ LỤC 1: Tên doanh nghiệp là khách hàng của Ngân hàng

Mã CK Thứ tự Tên công ty

Công ty AVS – House Bất động sản AVS 1

Công ty KN Vientiane Group KNV 2

IMMOLAOS (Real Estate Services) IMM 3

Saiawardz Real Estate&Business Consulting Co., Ltd EBC 4

Công ty Bất động sản – RentsBuy RTB 5

Lao Assets Appraisal Co., Ltd (Công ty Thẩm định tài sản LAA 6 Lào)

DFDL (Lao) Sole Co.,Ltd DFD 7

KKC Consulting & Real Estate KKC 8

Rent & Buy Property RBP 9

10 LAO HOME REAL ESTATE LAOS REL

PHỤ LỤC 2: Biến phụ thuộc của mô hình Logit

2016

2017

2018

TÊN

DN

TLA

EBITA

EQUITYA

SALESA

TLA

EBITA

EQUITYA

SALESA

TLA

EBITA

EQUITYA

SALESA

AVS

0.2732

0.0783

0.3678

0.1958

0.0720

0.3243

0.1171

0.0597

0.6040

0.5915

0.7066

0.2667

KNV

0.1979

0.0162

0.4956

0.0360

0.0100

0.7207

0.0326

0.0067

0.7357

0.7785

0.7275

0.2719

IMM

0.1850

0.0731

0.3428

0.1221

0.0242

0.4921

0.1376

0.0262

0.0386

0.1375

0.0401

0.4518

EBC

0.4435

-0.0267

0.1221

0.4315

0.0081

0.0912

0.3775

0.0010

0.0122

0.6847

0.0015

0.1120

RTB

0.3028

0.0156

0.1960

0.2606

0.0420

0.2620

0.0901

0.0627

0.0800

0.5238

0.1185

0.3432

LAA

0.4110

0.0137

0.3533

0.3851

0.0107

0.3486

0.3087

0.0042

0.5968

0.6208

0.6003

0.3345

DFD

0.2272

0.1122

0.3570

0.2782

0.1212

0.4228

0.1296

0.1141

0.8802

0.8154

0.9460

0.5066

KKC

0.1979

0.0974

0.1277

0.0407

0.0724

0.1197

0.0159

0.0320

0.3644

0.2531

0.6475

0.0742

RBP

0.2594

0.0007

0.0799

0.1687

0.0128

0.0557

0.1987

0.0131

0.5102

0.4751

0.5398

0.0783

REL

0.0743

0.0081

0.1739

0.0537

0.0119

0.0329

0.0360

0.0078

0.2640

0.2476

0.2390

0.0950

NGUỒN DỮ LIỆU 1. Các doanh nghiệp trong dự báo dựa trên mô hình Logit-Probit (Nguồn: Báo cáo tài chính hợp nhất kiểm toán từ năm 2016 – 2018)

Công ty AVS - House Bất động sản

Công ty KN Vientinane Group

Chỉ tiêu

2016

2017

2018

2016

2017

2018

Chỉ tiêu

Nợ dài hạn

1,047,772,033,498

1,106,594,686,113

986,217,209,349

Nợ dài hạn

247,258,374,956

34,316,399,628

30,765,383,689

Tổng tài sản

3,834,549,199,250

5,652,285,578,535

8,422,490,414,078

Tổng tài sản

1,249,155,839,504

952,446,083,159

944,537,046,040

Lợi nhuận trước thuế

300,388,400,856

406,751,382,793

502,841,711,971

Lợi nhuận trước thuế

20,309,211,687

9,619,614,321

6,412,544,379

Nợ phải trả

2,267,972,420,308

3,414,002,551,720

5,951,210,958,377

Nợ phải trả

972,500,125,387

700,754,751,425

687,183,842,832

Doanh thu

1,410,434,269,648

1,832,798,695,679

2,246,237,955,258

Doanh thu

619,094,322,348

686,396,656,556

256,856,183,654

Nợ dài hạn/ Tổng tài sản

0.273245166

0.195778269

0.117093301

Nợ dài hạn/ Tổng tài sản

0.197940375

0.036029756

0.032571919

0.078337344

0.071962284

0.05970226

0.016258349

0.010099904

0.006789087

Lợi nhuận trước thuế/ Tổng tài sản

Nợ phải trả/ Tổng tài sản

0.591457379

0.604003903

0.706585661

Nợ phải trả/ Tổng tài sản

0.778525861

0.735742174

0.727535088

Doanh thu/ Tổng tài sản

0.367822708

0.324257979

0.266695223

Doanh thu/ Tổng tài sản

0.495610157

0.720667205

0.271938708

Saiawardz Real Estate&Business Consulting Co., Ltd

IMMOLAOS (Real Estate Services)

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Nợ dài hạn

3,311,386,151,854

2,782,536,293,241

3,563,471,434,838

Nợ dài hạn

23,387,621,147

22,895,808,707

18,163,819,474

Tổng tài sản

17,898,172,496,004

22,795,168,388,054

25,889,289,495,859

Tổng tài sản

52,736,469,601

53,062,127,656

48,111,441,616

Lợi nhuận trước thuế

1,307,740,348,167

551,050,202,836

677,265,141,592

Lợi nhuận trước thuế

-1,406,287,691

430,145,293

47,696,838

Nợ phải trả

9,509,689,312,317

14,272,195,661,245

16,870,601,303,917

Nợ phải trả

36,113,695,179

35,274,154,978

31,300,554,930

Doanh thu

6,135,969,310,077

11,216,595,382,112

11,695,895,788,989

Doanh thu

6,439,779,268

4,841,225,074

5,388,200,400

Nợ dài hạn/ Tổng tài sản

0.185012529

0.122066933

0.137642689

Nợ dài hạn/ Tổng tài sản

0.443480979

0.431490589

0.377536379

0.07306558

0.024173991

0.026160051

-0.026666322

0.008106446

0.000991382

Lợi nhuận trước thuế/ Tổng tài sản

Nợ phải trả/ Tổng tài sản

0.531321805

0.626106174

0.651644044

Nợ phải trả/ Tổng tài sản

0.684795464

0.664770836

0.650584432

Doanh thu/ Tổng tài sản

0.342826583

0.492060212

0.451765808

Doanh thu/ Tổng tài sản

0.122112445

0.09123692

0.111994158

Công ty Bất động sản – RentsBuy

DFDL (Lao) Sole Co.,Ltd

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Nợ dài hạn

1,779,227,543,251

1,584,989,468,240

615,391,618,802

Nợ dài hạn

35,294,600,222

33,097,896,771

10,992,264,979

Tổng tài sản

5,875,805,695,072

6,083,229,943,787

6,832,108,167,420

Tổng tài sản

155,316,811,856

118,977,989,961

84,786,265,800

Lợi nhuận trước thuế

91,817,011,881

255,343,657,001

428,283,340,094

Lợi nhuận trước thuế

17,422,249,935

14,423,530,923

9,673,382,709

Nợ phải trả

3,077,744,741,352

3,192,668,780,809

3,612,748,321,996

Nợ phải trả

126,641,310,940

104,726,019,967

80,209,071,386

Doanh thu

1,151,928,588,324

1,593,710,516,859

2,345,008,145,519

Doanh thu

55,441,621,027

50,303,146,629

42,956,414,281

Nợ dài hạn/ Tổng tài sản

0.302805715

0.260550642

0.09007346

Nợ dài hạn/ Tổng tài sản

0.227242626

0.278185039

0.129646764

0.015626285

0.041975013

0.06268685

0.112172338

0.121228564

0.114091388

Lợi nhuận trước thuế/ Tổng tài sản

Nợ phải trả/ Tổng tài sản

0.523799612

0.524831185

0.528789684

Nợ phải trả/ Tổng tài sản

0.815374134

0.880213391

0.946014907

Doanh thu/ Tổng tài sản

0.196046066

0.261984264

0.343233463

Doanh thu/ Tổng tài sản

0.356958274

0.422793717

0.506643545

Lao Assets Appraisal Co., Ltd (Công ty Thẩm định tài sản Lào)

KKC Consulting & Real Estate

Chỉ tiêu

2016

2017

2018

2016

2017

2018

Chỉ tiêu

Nợ dài hạn

2,881,778,672,464

3,201,119,834,915

2,689,222,133,869

71,000,000

44,082,882,666

34,777,696,598

Nợ dài hạn

Tổng tài sản

7,010,967,973,608

8,312,491,432,050

8,712,257,964,384

Tổng tài sản

832,805,342,057

1,082,564,721,760

2,191,793,068,556

Lợi nhuận trước thuế

95,720,680,341

88,752,437,094

36,548,979,819

Lợi nhuận trước thuế

81,085,966,094

78,345,739,613

70,092,520,550

Nợ phải trả

4,352,285,176,840

4,960,731,768,102

5,230,103,182,215

Nợ phải trả

210,801,415,858

394,439,991,015

1,419,119,515,569

Doanh thu

2,477,281,631,049

2,897,509,397,628

2,914,292,449,934

Doanh thu

106,388,123,021

129,634,047,344

162,654,317,803

Nợ dài hạn/ Tổng tài sản

0.41103863

0.38509752

0.308671087

Nợ dài hạn/ Tổng tài sản

0.000085254

0.040720783

0.015867235

0.013652991

0.010676996

0.004195121

0.097364849

0.07237049

0.031979534

Lợi nhuận trước thuế/ Tổng tài sản

Nợ phải trả/ Tổng tài sản

0.62078235

0.596780377

0.600315464

Nợ phải trả/ Tổng tài sản

0.253122075

0.36435696

0.647469661

Doanh thu/ Tổng tài sản

0.353343738

0.348572918

0.334504839

Doanh thu/ Tổng tài sản

0.127746687

0.119747157

0.074210618

LAO HOME REAL ESTATE LAOS

Chỉ tiêu

2016

2017

2018

Rent & Buy Property

Nợ dài hạn

60,025,004,284

44,875,856,585

29,138,541,214

Chỉ tiêu

2016

2017

2018

Tổng tài sản

807,751,462,950

836,052,018,540

810,250,027,035

Nợ dài hạn

75,056,596,140

53,590,105,087

78,487,764,166

Lợi nhuận trước thuế

6,508,733,709

9,918,940,711

6,286,124,105

Tổng tài sản

289,390,789,455

317,753,892,884

394,913,942,197

Nợ phải trả

199,986,699,591

220,729,631,820

193,636,932,999

Lợi nhuận trước thuế

196,405,386

4,072,769,628

5,157,682,123

Doanh thu

140,437,427,260

27,478,163,821

77,005,509,935

Nợ phải trả

137,497,079,861

162,113,777,117

213,155,603,649

Nợ dài hạn/ Tổng tài sản

0.074311229

0.053675914

0.035962407

Doanh thu

23,133,652,701

17,702,755,221

30,914,781,715

0.008057842

0.011864023

0.007758252

Lợi nhuận trước thuế/ Tổng tài sản

Nợ dài hạn/ Tổng tài sản

0.259360695

0.168652867

0.198746501

Nợ phải trả/ Tổng tài sản

0.247584447

0.264014232

0.238984173

0.000678686

0.012817371

0.013060269

Lợi nhuận trước thuế/ Tổng tài sản

Doanh thu/ Tổng tài sản

0.173862176

0.032866572

0.095039195

Nợ phải trả/ Tổng tài sản

0.475125971

0.510186596

0.539752034

Doanh thu/ Tổng tài sản

0.079939146

0.055712158

0.078282325

2. Các doanh nghiệp trong dự báo dựa trên mô hình Z-Score (Nguồn: Báo cáo tài chính hợp nhất kiểm toán từ năm 2016 -

2018)

Công ty AVS - House Bất động sản

Công ty KN Vientinane Group

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Vốn lưu động ròng

854,442

1,177,871

508,176

Vốn lưu động ròng

-196,797

23,869

25,297

Lợi nhuận giữ lại

229,968

321,160

372,078

Lợi nhuận giữ lại

13,924

1,227

5,676

300,388

406,751

502,842

20,309

9,620

6,431

0.82

0.72

0.8

0.33

0.42

0.21

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

1,410,434

1,832,799

2,246,238

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

619,094

686,397

256,856

Tổng tài sản

3,834,549

5,652,286

8,422,490

Tổng tài sản

1,249,156

952,446

944,537

0.2228

0.2084

0.0603

-0.1575

0.0251

0.0268

0.0600

0.0568

0.0442

0.0111

0.0013

0.0060

0.0783

0.0720

0.0597

0.0163

0.0101

0.0068

0.82

0.72

0.80

0.33

0.42

0.21

0.3678

0.3243

0.2667

0.4956

0.7207

0.2719

Saiawardz Real Estate&Business Consulting Co., Ltd

IMMOLAOS (Real Estate Services)

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Vốn lưu động ròng

-3,331,854

-3,563,293

-6,568,828

Vốn lưu động ròng

2,940,064

1,274,941

2,336,875

371,607

6,244

Lợi nhuận giữ lại

-1,502,787

385,275

470,032

Lợi nhuận giữ lại

1,012,552

430,145

47,697

-1,406,288

551,050

677,265

1,218,686

0.38

0.27

0.25

0.52

0.4

0.39

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

6,439,779

4,841,225

5,388,200

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

1,671,573

1,064,679

1,222,816

Tổng tài sản

52,763,407

53,062,128

48,111,442

Tổng tài sản

17,908,210

22,795,168

25,889,389

-0.0672

-0.1365

-0.0631

0.1642

0.0559

0.0903

0.0070

0.0001

-0.0285

0.0565

0.0169

0.0182

0.0081

0.0010

-0.0267

0.0681

0.0242

0.0262

0.38

0.27

0.25

0.39

0.52

0.40

0.0912

0.1120

0.1221

0.0933

0.0467

0.0472

Công ty Bất động sản – RentsBuy

DFDL (Lao) Sole Co.,Ltd

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Vốn lưu động ròng

2,883,653

3,202,109

2,636,276

Vốn lưu động ròng

10,350

-2,968

-31,495

Lợi nhuận giữ lại

65,637

202,390

332,925

Lợi nhuận giữ lại

-17,567

-14,424

-9,675

91,817

255,344

428,283

-17,422

-14,424

-9,673

0.65

1.7

1.22

1.48

2.72

9.34

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

1,151,929

1,593,711

2,345,008

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

55,442

50,303

42,956

Tổng tài sản

5,875,806

6,083,230

6,832,108

Tổng tài sản

155,317

118,978

84,786

0.4908

0.5264

0.3859

0.0666

-0.0249

-0.3715

0.0112

0.0333

0.0487

-0.1131

-0.1212

-0.1141

0.0156

0.0420

0.0627

-0.1122

-0.1212

-0.1141

0.65

1.70

1.22

1.48

2.72

9.34

0.1960

0.2620

0.3432

0.3570

0.4228

0.5066

Lao Assets Appraisal Co., Ltd (Công ty Thẩm định tài sản Lào)

KKC Consulting & Real Estate

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Vốn lưu động ròng

-13,729

383,386

229,404

Vốn lưu động ròng

1,613,955

1,538,370

1,529,795

Lợi nhuận giữ lại

68,991

69,046

66,275

65,727

59,362

14,353

Lợi nhuận giữ lại

81,086

78,346

70,093

95,721

88,752

36,549

2.05

1.37

0.81

0.25

0.32

0.13

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

106,388

129,634

162,654

2,914,292

Lợi nhuận trước thuế Giá trị thị trường/ Giá trị cổ phiếu Doanh thu

2,477,282

2,897,509

Tổng tài sản

832,805

1,082,565

2,191,793

8,712,258

Tổng tài sản

7,010,968

8,312,491

-0.0165

0.3541

0.1047

0.2302

0.1851

0.1756

0.0828

0.0638

0.0302

0.0094

0.0071

0.0016

0.0974

0.0724

0.0320

0.0137

0.0107

0.0042

2.05

1.37

0.81

0.25

0.32

0.13

0.1277

0.1197

0.0742

0.3533

0.3486

0.3345

Rent & Buy Property

LAO HOME REAL ESTATE LAOS

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016

2017

2018

Vốn lưu động ròng

-7,222

-33,536

-55,356

Vốn lưu động ròng

3,099,422

5,113,577

6,698,143

Lợi nhuận giữ lại

196

3,746

4,118

Lợi nhuận giữ lại

664,423

1,085,420

1,178,427

Lợi nhuận trước thuế

196

4,073

5,158

Lợi nhuận trước thuế

821,238

1,335,320

2,101,784

0.26

0.97

0.68

0.89

1.4

1.34

Giá trị thị trường/ Giá trị cổ phiếu

Doanh thu

23,134

17,703

30,915

Doanh thu

2,506,517

2,879,241

4,645,319

Tổng tài sản

289,391

317,754

394,914

Tổng tài sản

5,562,791

10,264,403

13,728,175

-0.0250

-0.1055

-0.1402

0.5572

0.4982

0.4879

0.0007

0.0118

0.0104

0.1194

0.1057

0.0858

0.0007

0.0128

0.0131

0.1476

0.1301

0.1531

0.26

0.97

0.68

0.89

1.40

1.34

0.0799

0.0557

0.0783

0.4506

0.2805

0.3384

Luận văn Thạc sĩ Khoa học máy tính: Mô hình toán học Logit - Probit hồi quy và Z-Score trong phân tích và dự báo nợ xấu tín dụng tại Ngân hàng Nayoby Chi nhánh tỉnh Oudomxay - Lào

Mục tiêu nghiên cứu của luận văn là dự báo nợ xấu tín dụng Ngân hàng từ đó giảm thiểu nợ xấu tín dụng, rủi ro nợ xấu tín dụng và nâng cao hiệu quả hoạt động kinh doanh Ngân hàng. Mời các bạn tham khảo!

SILISITH XAYSOMPHENG

MÔ HÌNH TOÁN HỌC LOGIT – PROBIT HỒI QUY VÀ Z-

SCORE TRONG PHÂN TÍCH VÀ DỰ BÁO NỢ XẤU TÍN

DỤNG TẠI NGÂN HÀNG NAYOBY CHI NHÁNH TỈNH

OUDOMXAY - LÀO

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

SILISITH XAYSOMPHENG

MÔ HÌNH TOÁN HỌC LOGIT – PROBIT HỒI QUY VÀ Z-

SCORE TRONG PHÂN TÍCH VÀ DỰ BÁO NỢ XẤU TÍN

DỤNG TẠI NGÂN HÀNG NAYOBY CHI NHÁNH TỈNH

OUDOMXAY - LÀO

Chuyên ngành

: Khoa học máy tính

Mã số chuyên ngành : 848 01 01.

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC :

PGS.TS Nguyễn Văn Huân

Thái Nguyên – Năm 2020

Mức đầu

tư

Dưới mức

đầu tư

Bước 1: Hướng dẫn khách hàng lập hồ sơ tín dụng, tiếp nhận và kiểm tra hồ sơ

Bước 2: Thẩm định

Bước 3: Trình tự duyệt hồ sơ vay vốn, phán quyết cho vay

Bước 4: Tiến hành đàm phán, kỳ kết hợp đồng

Bước 5: Giải ngân

Bước 6: Quản lý, giám sát rủi ro và thu hồi vốn vay

EBITA

EQUITYA

SALESA

LTLA EBITA EQUITYA SALESA

LTLA 2.249517 -4.195250 -0.027884 -0.040451

2016

2017

2018

TÊN

DN

TLA

EBITA

EQUITYA

SALESA

TLA

EBITA

EQUITYA

SALESA

TLA

EBITA

EQUITYA

SALESA

AVS

KNV

IMM

EBC

RTB

LAA

DFD

KKC

RBP

REL

Công ty AVS - House Bất động sản

Công ty KN Vientinane Group

Chỉ tiêu

2016

2017

2018

2016

2017

2018

Chỉ tiêu

Saiawardz Real Estate&Business Consulting Co., Ltd

IMMOLAOS (Real Estate Services)

Chỉ tiêu

2016

2017

2018

Chỉ tiêu

2016