Ứng dụng mô hình Logistic xếp hạng tín dụng doanh nghiệp ngành xây dựng niêm yết trên thị trường chứng khoán Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

15
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Ứng dụng mô hình Logistic xếp hạng tín dụng doanh nghiệp ngành xây dựng niêm yết trên thị trường chứng khoán Việt Nam nghiên cứu ứng dụng mô hình Logistic trong xếp hạng tín dụng 69 doanh nghiệp ngành Xây dựng được niêm yết trên thị trường chứng khoán Việt Nam.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ứng dụng mô hình Logistic xếp hạng tín dụng doanh nghiệp ngành xây dựng niêm yết trên thị trường chứng khoán Việt Nam

QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Ứng dụng mô hình Logistic xếp hạng tín dụng doanh nghiệp ngành xây dựng niêm yết trên thị trường chứng khoán Việt Nam Phạm Quốc Khang Nguyễn Thị Hà Vy Ngày nhận: 12/12/2016 Ngày nhận bản sửa: 11/01/2017 Ngày duyệt đăng: 13/03/2017 Xếp hạng tín dụng đã trở thành một phương pháp đánh giá quan trọng đối với các doanh nghiệp và các định chế tài chính. Việc đẩy mạnh công tác nghiên cứu, nâng cao chất lượng xếp hạng tín dụng đang là yêu cầu đối với các ngân hàng và toàn bộ nền kinh tế. Bài viết này nghiên cứu ứng dụng mô hình Logistic trong xếp hạng tín dụng 69 doanh nghiệp ngành Xây dựng được niêm yết trên thị trường chứng khoán (TTCK) Việt Nam. Các tiêu chí định lượng được sử dụng để ứng dụng mô hình Logis- tic gồm 13 biến độc lập là các chỉ tiêu tài chính. Kết quả cho thấy, biến Doanh thu/Tổng tài sản có ảnh hưởng mạnh nhất. Trong số 69 doanh nghiệp ngành Xây dựng được xếp hạng tín dụng cho thấy, gần 1/4 doanh nghiệp ngành Xây dựng đang có rủi ro tín dụng, từ đó nghiên cứu đưa ra các khuyến nghị cần thiết. Từ khóa: Xếp hạng tín dụng; ngành xây dựng; mô hình logistic; niêm yết; TTCK Việt Nam. 1. Đặt vấn đề Nền kinh tế chỉ nên dành những nguồn lực tài chính cho những doanh nghiệp hoạt động hiệu iệt Nam là một quốc gia đang quả, được xếp hạng tốt. Vì vậy, cần có những phát triển, nguồn lực tài chính phương pháp đánh giá khách quan tình hình còn thiếu thốn nên cần được sử tài chính các doanh nghiệp để xem xét cung dụng một cách hiệu quả. Bài cấp nguồn lực tài chính hiệu quả (Daniels, học kinh nghiệm cho thấy trong Ramirez, 2008). thời gian qua, hàng loạt doanh nghiệp Nhà Các mô hình dự báo xếp hạng tín dụng trở nước, doanh nghiệp tư nhân có tình hình kinh thành nội dung nhận được nhiều sự quan doanh yếu kém, hoạt động không hiệu quả, tâm trong nghiên cứu. Nhiều kỹ thuật khai kinh doanh thua lỗ nhưng vẫn được vay vốn, thác dữ liệu được sử dụng như: Phân tích gây tổn thất cho Nhà nước và nền kinh tế. biệt số (Discriminant Analysis), Hồi quy © Học viện Ngân hàng Tạp chí Khoa học & Đào tạo Ngân hàng ISSN 1859 - 011X 32 Số 181- Tháng 6. 2017
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Logistic (Logistic Regression), Lân cận gần hành. nhất K (K-nearest neighbor) và Mạng nơ ron + Bartual và cộng sự (2012) nghiên cứu rủi ro thần kinh (Neural network), Cây quyết định tín dụng của 622 doanh nghiệp ở Tây Ban Nha. (Decision Trees)… (Mileris, Boguslauskas, Nghiên cứu lựa chọn 23 biến là các chỉ số tài chính 2011). đưa vào mô hình logistic nhưng cuối cùng chỉ còn Nghiên cứu này vận dụng hồi quy logistic để 8 biến có ảnh hưởng đến khả năng phá sản. Kết xếp hạng tín dụng các doanh nghiệp ngành quả dự báo cho thấy có 49 doanh nghiệp (chiếm Xây dựng niêm yết trên TTCK Việt Nam, một 8% mẫu nghiên cứu) có rủi ro không thể trả nợ. ngành có vai trò quan trọng đối với kinh tế. Trong bài viết này, các chỉ số tài chính giới hạn Nghiên cứu có ý nghĩa trong việc tạo cơ sở để gồm 12 biến, trong đó có 11 biến là các chỉ số tài so sánh, cung cấp thông tin kịp thời cho các chính và 01 biến quy mô doanh nghiệp. Các biến nhà đầu tư, các ngân hàng có thể đưa ra những này được lựa chọn dựa trên sự kế thừa từ các chỉ định hướng đầu tư hoặc cấp tín dụng đúng số tài chính trong xếp hạng tín dụng của Trung đắn. tâm Thông tin Tín dụng (CIC) và nghiên cứu của Hoàng Tùng (2011). Điều này nhằm đảm bảo sự 2. Cơ sở lý thuyết phù hợp trong việc ứng dụng mô hình Logistic và từ quy trình xếp hạng đối với doanh nghiệp thuộc Hồi quy logistic là phương pháp được nhiều ngành Xây dựng niêm yết trên TTCK Việt Nam. nhà nghiên cứu sử dụng như: Martin (1977), Olson (1980), Zavgren (1985); Keasey (1990) và 3. Phương pháp nghiên cứu và số liệu nghiên Westgaard & Wijst (2001), Bartual và cộng sự cứu (2012) (trích dẫn từ Psillaki, Tsolas, Margaritis, (2010)). Một số nghiên cứu nước ngoài điển hình 3.1. Phương pháp nghiên cứu như: + Olson (1980) thực hiện với 105 doanh nghiệp Theo Nguyễn Trọng Hòa (2009) và Hoàng Tùng phá sản và 2.058 doanh nghiệp thông thường; 09 (2011), mô hình logistic có phương trình tổng tỷ số tài chính được sử dụng. Kết quả cho thấy, 04 quát: yếu tố ảnh hưởng rõ nét đến khả năng phá sản của ln[P(Y = 1)/P(Y = 0)] = β0 + β1X1 + β2X2 + ... + doanh nghiệp là: quy mô doanh nghiệp, đòn bẩy tài βjXi chính, hiệu quả kinh doanh, tính thanh khoản hiện Phương trình hồi quy Binary Logistic: Bảng 1. Các biến đưa vào mô hình Ký hiệu Chỉ tiêu Ý nghĩa Dấu kỳ vọng Quy mô của doanh nghiệp. Nếu doanh nghiệp có Lợi thế về quy mô doanh D - quy mô nhỏ và vừa (D = 0), quy mô lớn (D = 1). nghiệp X1 Khả năng thanh toán ngắn hạn Tỷ số khả năng thanh - X2 Khả năng thanh toán nhanh toán - X3 Hiệu suất sử dụng TSCĐ Hiệu suất sử dụng TSCĐ - X4 Nợ phải trả/Tổng tài sản Cơ cấu nợ, quy mô tài + X5 Nợ dài hạn/Vốn chủ sở hữu chính của doanh nghiệp + X6 Vòng quay hàng tồn kho Hiệu quả quản trị ngân - X7 Vòng quay vốn lưu động quỹ - X8 Lợi nhuận gộp/Doanh thu thuần - X9 Lợi nhuận trước thuế/Doanh thu thuần - Tỷ suất sinh lợi X10 Lợi nhuận sau thuế/Vốn chủ sở hữu - X11 Lợi nhuận sau thuế/Tổng tài sản - X12 Doanh thu thuần/ Tổng tài sản Hiệu quả sử dụng tài sản - Nguồn: Tổng hợp của tác giả Tạp chí Khoa học & Đào tạo Ngân hàng Số 181- Tháng 6. 2017 33
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Bảng 2. Kiểm định Wald với đầy đủ các biến số B S.E. Wald df Sig. Exp(B) D -2,033 1,811 1,260 1 ,262 ,131 X1 ,726 2,522 ,083 1 ,773 2,067 X2 -1,142 1,948 ,344 1 ,558 ,319 X3 -,043 ,054 ,632 1 ,427 ,958 X4 -8,879 6,772 1,719 1 ,190 ,000 X5 1,971 1,109 3,156 1 ,076 7,176 X6 -,139 ,150 ,860 1 ,354 ,870 X7 -2,690 2,586 1,083 1 ,298 ,068 X8 -2,078 5,869 ,125 1 ,723 ,125 X9 3,928 8,241 ,227 1 ,634 50,794 X10 -23,290 21,657 1,156 1 ,282 ,000 X11 -17,104 60,335 ,080 1 ,777 ,000 X12 3,328 3,466 ,922 1 ,337 27,889 Constant 11,241 6,778 2,751 1 ,097 76181,36 Nguồn: Tính toán của tác giả Bảng 3. Kiểm định Wald loại bỏ các biến X8, X12 B S.E. Wald df Sig. Exp(B) D -2,590 1,869 1,921 1 ,166 ,075 X1 ,935 2,453 ,145 1 ,703 2,547 X2 -,840 2,010 ,175 1 ,676 ,432 X3 -,024 ,050 ,235 1 ,628 ,976 X4 -7,112 6,421 1,227 1 ,268 ,001 X5 1,240 ,830 2,230 1 ,135 3,455 X6 -,162 ,146 1,230 1 ,268 ,850 X7 -,568 ,932 ,372 1 ,542 ,567 X9 ,352 10,029 ,001 1 ,972 1,423 X10 -14,815 20,234 ,536 1 ,464 ,000 X11 -31,534 58,963 ,286 1 ,593 ,000 Constant 10,083 6,289 2,571 1 ,109 23943,755 Nguồn: Tính toán của tác giả ln[P(Y = 1)/P(Y = 0)] = β0 + β1X1 + β2X2 + ... + Xi: Các biến độc lập β12X12 ln: log của cơ số e (e = 2,714) Trong đó: Biến độc lập ứng với các chỉ tiêu tài chính, nó P(Y = 1) = P0: Xác suất xảy ra sự kiện hay xác phản ánh mức độ rủi ro của doanh nghiệp, và được suất xảy ra rủi ro tín dụng. tổng hợp từ các báo cáo tài chính. P(Y = 0) = 1- P0: Xác xuất không xảy ra sự kiện hay xác suất không có rủi ro tín dụng. 3.2. Mẫu nghiên cứu Biến phụ thuộc Dữ liệu được thu thập qua các chỉ số tài chính của Y: Mức độ rủi ro của doanh nghiệp 69 doanh nghiệp ngành Xây dựng được niêm yết Y= 0: Doanh nghiệp không có hay có rủi ro tín trên các Sở Giao dịch Chứng khoán Hà Nội và TP. dụng thấp Hồ Chí Minh có đủ báo cáo tài chính trong 4 năm Y= 1: Doanh nghiệp có rủi ro tín dụng 2012- 2015. Dữ liệu này được thu thập từ Cổng thông tin điện tử của Công ty Cổ phần Chứng Biến độc lập khoán FPT (FPTS). Các công ty xây dựng niêm 34 Số 181- Tháng 6. 2017 Tạp chí Khoa học & Đào tạo Ngân hàng
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Bảng 4. Kiểm định Wald loại bỏ các biến X2, X3 B S.E. Wald df Sig. Exp(B) D -2,404 1,907 1,589 1 ,207 ,090 X1 ,207 1,247 ,027 1 ,868 1,230 X4 -5,826 5,972 ,952 1 ,329 ,003 X5 1,239 ,641 3,732 1 ,053 3,451 X6 -,131 ,113 1,353 1 ,245 ,877 X7 -,385 ,855 ,203 1 ,652 ,680 X9 1,187 8,330 ,020 1 ,887 3,279 X10 -19,163 19,061 1,011 1 ,315 ,000 X11 -22,182 56,371 ,155 1 ,694 ,000 Constant 8,008 5,620 2,030 1 ,154 3004,638 Nguồn: Tính toán của tác giả Bảng 5. Kiểm định Wald loại bỏ các biến X1, X9 B S.E. Wald df Sig. Exp(B) D -2,400 1,761 1,857 1 ,173 ,091 X4 -6,432 5,205 1,527 1 ,217 ,002 X5 1,276 ,625 4,165 1 ,041 3,582 X6 -,121 ,094 1,668 1 ,197 ,886 X7 -,449 ,816 ,302 1 ,582 ,638 X10 -18,603 18,870 ,972 1 ,324 ,000 X11 -21,221 55,132 ,148 1 ,700 ,000 Constant 8,613 4,561 3,566 1 ,059 5500,546 Nguồn: Tính toán của tác giả Bảng 6. Kiểm định Wald loại bỏ các biến X6, X7, X11 và D B S.E. Wald df Sig. Exp(B) X4 -4,151 2,317 3,209 1 ,073 ,016 X5 ,967 ,500 3,741 1 ,053 2,630 X10 -27,476 7,615 13,019 1 ,000 ,000 Constant 4,205 1,793 5,498 1 ,019 67,044 Nguồn: Tính toán của tác giả yết được tổng hợp từ FPTS với tiêu chí phân loại r (X8,X12) = 0,893 là tỷ lệ doanh thu đóng góp từ mảng xây dựng của Điều này có nghĩa là các biến có tương quan chặt các doanh nghiệp trong tổng doanh thu tối thiểu chẽ với nhau, nếu giữ nguyên các biến đó và chạy là 30%. Theo đó, có tất cả 69 doanh nghiệp ngành mô hình hồi quy, sẽ không tách được ảnh hưởng Xây dựng niêm yết với báo cáo tài chính đầy đủ của các biến tới biến phụ thuộc cho nên kết quả trong giai đoạn 2012- 2015. hồi quy sẽ không chính xác. Do đó, cần loại bỏ một hoặc cả hai biến trong các cặp biến có quan hệ 4. Ước lượng mô hình logistic tương quan chặt chẽ với nhau. 4.1. Hệ số tương quan giữa các biến 4.2. Kiểm định Walk Kết quả phân tích mô hình tương quan giữa các Hồi quy Logistic sử dụng đại lượng Wald Chi biến cho thấy, hệ số tương quan của một số cặp square để kiểm định ý nghĩa thống kê của hệ số hồi biến số là rất lớn và tương đối: quy tổng thể. r (X2,X3) = 0,840 Kết quả Bảng 2 cho thấy hệ số của biến Nợ phải Tạp chí Khoa học & Đào tạo Ngân hàng Số 181- Tháng 6. 2017 35
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Bảng 7. Kiểm định mức độ giải thích của mô hình -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 62,500a ,378 ,505 Nguồn: Tính toán của tác giả Bảng 8. Kiểm định mức độ dự báo chính xác của mô hình Dự báo Quan sát Y Tỷ lệ dự báo Không có rủi ro tín dụng Có rủi ro tín dụng chính xác Không có rủi ro tín dụng 29 8 78,4 Y Có rủi ro tín dụng 7 25 78,1 Tổng tỷ lệ dự báo chính xác 78,3 Nguồn: Tính toán của tác giả Bảng 9. Mức độ ảnh hưởng của các biến độc lập B S.E. Wald df Sig. Exp(B) X4 -4,151 2,317 3,209 1 ,073 ,016 X5 ,967 ,500 3,741 1 ,053 2,630 X10 -27,476 7,615 13,019 1 ,000 ,000 Constant 4,205 1,793 5,498 1 ,019 67,044 Nguồn: Tính toán của tác giả trả/Tổng tài sản (X4) mang dấu âm; hệ số của hai biến, cho nên việc loại 2 biến trên giúp tăng ý biến Lợi nhuận trước thuế/Doanh thu thuần (X9) nghĩa thống kê của mô hình nghiên cứu (Bảng 5). và Doanh thu thuần/Tổng tài sản (X12) mang dấu Với mức ý nghĩa là 0,1, giá trị P- Value của các dương; không đúng về ý nghĩa kinh tế, trái với biến X6, X7, X11 và D đều> 0,1 cho nên tiếp tục dấu kỳ vọng. Điều này có thể giải thích do tương nghi ngờ về ý nghĩa thống kê của các biến nói trên. quan của các biến với nhau lớn. Dựa vào mô hình Bài viết tiếp tục thực hiện kiểm định Wald để loại được ước lượng với đầy đủ các biến, bài viết xem X6, X7, X11 và D. Sau khi loại các biến trên, giá xét các cặp biến có tương quan mạnh; và tiến hành trị P- value của các biến đều< 0,1. Như vậy, việc kiểm định loại bỏ biến. loại bỏ các biến giúp tăng ý nghĩa thống kê của các Đầu tiên, xem tiến hành lần lượt loại biến X8, X12 biến còn lại trong mô hình (Bảng 6). và cả X8, X12 cho thấy nếu loại cả hai biến thì giá trị P- value của các biến còn lại giảm không đáng 4.3. Kiểm định mức độ phù hợp của mô hình kể và nếu loại một trong hai biến thì P- value của (kiểm định Omnibus) biến còn lại vẫn> 0,1 cho thấy thỏa mãn khi loại cả hai biến. Dựa vào kết quả có thể thấy mức độ phù hợp của Tiếp tục xem xét cặp biến có tương quan mạnh tiếp mô hình, ta có giá trị P- value< 0,1 do vậy mô hình theo là (X2, X3). Tương tự, nếu loại lần lượt hoặc tổng quát cho thấy mối tương quan giữa biến phụ loại cả hai biến X2, X3 thì giá trị P- value của biến thuộc và các biến độc lập X4, X5, X10 trong mô còn lại vẫn> 0,1 cho thấy cả hai biến đều không có hình có ý nghĩa thống kê với độ tin cậy 90%. ý nghĩa thống kê với biến phụ thuộc. Do đó, có thể thực hiện loại cả hai biến. 4.4. Kiểm định mức độ giải thích của mô hình Bảng 4 cho thấy giá trị P- value của tất cả các biến đều >0,1; trong đó, 2 biến X1 và X9 có giá trị P- Dựa vào chỉ tiêu LL (log likelihood), thước đo value lớn nhất cho nên nghi ngờ về ý nghĩa thống này có ý nghĩa giống như SSE (Sum of squares of kê của các biến này. Tiến hành kiểm định Wald error) nghĩa là có giá trị càng nhỏ càng tốt. Giá trị để loại biến X1 và X9 như trên. Ta thấy giá trị P- nhỏ nhất của LL là 0 (tức là không có sai số) khi value của các biến còn lại giảm đáng kể khi loại cả đó mô hình có một độ phù hợp hoàn hảo. 36 Số 181- Tháng 6. 2017 Tạp chí Khoa học & Đào tạo Ngân hàng
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Bảng 10. Vai trò ảnh hưởng của các yếu tố Xác suất ban đầu Tốc độ tăng Vị trí STT Biến B EXP(B) P0=10% (giảm) ảnh P1 % hưởng 1 Nợ phải trả/Tổng tài sản -4,151 0,0157 0,0174% -9,826 % 3 2 Nợ dài hạn/Vốn chủ sở hữu ,967 2,4630 22,60 % 12,600% 1 3 Lợi nhuận sau thuế/Vốn chủ sở hữu -27,476 ,0000 0,00 % -10,00% 2 Nguồn: Tính toán của tác giả Bảng 11. Kết quả xếp hạng tín dụng của 69 doanh nghiệp ngành xây dựng niêm yết MCK P XH MCK P XH MCK P XH B82 0,50 B LUT 0,82 C SIC 0,94 C BCE 0,24 A MCG 0,70 CC SJE 0,01 AAA BHT 0,99 C MCO 0,76 CC TDC 0,57 B C32 0,01 AAA MDG 0,68 CC TKC 0,38 BBB C47 0,58 B PVV 0,67 CC TV1 0,59 B C92 0,19 AA PVX 0,73 CC TV2 0,00 AAA CDC 0,53 B PXI 0,22 A TV3 0,10 AAA CID 0,99 C PHC 0,24 A TV4 0,44 BB CT6 0,71 CC QTC 0,07 AAA V12 0,18 AA CTD 0,01 AAA S12 1,00 C V21 0,66 CC CTN 0,22 A S55 0,13 AA VC1 0,64 CC DC2 0,70 CC S74 0,84 C VC2 0,49 BB DC4 0,51 B S99 0,77 CC VC3 0,05 AAA FCN 0,10 AA SC5 0,24 A VC5 1,00 C HBC 0,28 A SD2 0,63 CC VC9 0,33 BBB HTI 0,29 A SD4 0,04 AAA VCC 0,00 AAA HUT 0,75 CC SD5 0,33 BBB VCG 0,53 B KTT 0,87 C SD6 0,15 AA VE1 0,40 BB L18 0,22 A SD7 0,95 C VE2 0,02 AAA LCD 0,68 CC SD9 0,43 BB VE3 0,05 AAA LCS 0,71 CC SDH 0,99 C VE9 0,92 C LHC 0,13 AA SDT 0,46 BB VMC 0,32 BBB LIG 0,09 AAA SDU 0,75 CC VNE 0,42 BB Nguồn: Tính toán của tác giả Hệ số mức độ giải thích của mô hình: Nagelkerke Trong số các doanh nghiệp ngành Xây dựng niêm = 0,505. Điều này có nghĩa là 50,5% sự thay đổi yết không có rủi ro tín dụng, quan sát thực tế có 37 của biến phụ thuộc được giải thích bởi 4 biến độc doanh nghiệp, trong khi mô hình dự báo gồm 29 lập trong mô hình, còn lại là các biến khác. Giá trị doanh nghiệp không có rủi ro tín dụng và 8 doanh LL là 62,500 mặc dù có thay đổi so với mô hình nghiệp có rủi ro tín dụng. Do đó, mô hình dự báo ước lượng ban đầu tuy nhiên vẫn ở mức chấp nhận có tỷ lệ chính xác của mô hình dự báo là 78,4%. được. Trong số 32 doanh nghiệp ngành Xây dựng niêm yết quan sát thực tế có rủi ro tín dụng, nhưng mô 4.5. Kiểm định mức độ dự báo tính chính xác của hình dự báo có 07 doanh nghiệp không có rủi ro tín mô hình dụng và 25 doanh nghiệp có rủi ro tín dụng, như vậy tỉ lệ dự báo chính xác của mô hình là 78,1%. Tạp chí Khoa học & Đào tạo Ngân hàng Số 181- Tháng 6. 2017 37
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Như vậy tỉ lệ dự báo chính xác trung bình của toàn 4.7. Dự báo của mô hình hồi quy Logistic mô hình là 78,3%. Từ nguồn xử lý số và căn cứ vào lý thuyết phân 4.6. Thảo luận kết quả hồi quy tích, ta có được xác suất rủi ro của doanh nghiệp ngành xây dựng niêm yết: - Biến X4 (Nợ phải trả/Tổng tài sản): Có β1 = pi = e^(Y^)(1 + e^(Y^))-1 = exp(4,205 - 4,151X4 -4,151, e^(β1) = 0,0157, P0 = 10% + ,967X5 - 27,476X10)(1+ exp(4,205 - 4,151X4 + P1 = (P0 × e^(β1))/(1 - P0(1- e^(β1)) = (0,1×0,0157)/ ,967X5 - 27,476X10))-1 (1 - 0,1×(1 - 0,0157)) = 0,00174 = 0,174% Với ngưỡng xác suất là 0,5, nghĩa là nếu xác suất Nếu xác suất có rủi ro tín dụng của doanh nghiệp nhỏ hơn 0,5 thì biến Y nhận giá trị 0 hay đối tượng ban đầu là 10%, khi các yếu tố khác không đổi, xếp hạng không có rủi ro tín dụng. Nếu xác suất nếu doanh nghiệp tăng thêm 1 đơn vị Nợ phải trả/ lớn hơn 0,5 thì biến Y nhận giá trị 1 hay đối tượng Tổng tài sản thì xác suất có rủi ro tín dụng của xếp hạng có rủi ro tín dụng. doanh nghiệp sẽ là xấp xỉ bằng 0,197% (giảm xấp Do mô hình sử dụng các biến là chỉ tiêu tài chính xỉ 9,826% so với xác suất ban đầu là 10%). nên nghiên cứu đưa ra mối liên hệ giữa xác suất - Biến X5 (Nợ dài hạn/ Vốn chủ sở hữu): Có β2 rủi ro tín dụng của các doanh nghiệp với xếp hạng = 0,967, e^(β2) = 2,63, P1 = 10% doanh nghiệp dựa vào mô hình chấm điểm tín P1 = (P0 × e^(β2))/(1 - P0(1- e^(β2)) = (0,1×2,63)/(1 dụng của CIC và tính toán từ tác giả thể hiện ở - 0,1×(1 - 2,63)) = 0,226= 22,60% Bảng 11. Nếu xác suất xác suất có rủi ro tín dụng của doanh nghiệp ban đầu là 10%, khi các yếu tố khác không 5. Kết luận đổi, nếu doanh nghiệp tăng thêm 1 đơn vị Nợ dài hạn/Vốn chủ sở hữu thì xác suất có rủi ro tín dụng Nghiên cứu đã đưa ra cách tiếp cận xếp hạng tín của doanh nghiệp sẽ là 22,60% (tăng 12,60% so dụng đối với các doanh nghiệp xây dựng niêm với xác suất ban đầu là 10%). yết trên TTCK Việt Nam bằng mô hình hồi quy - Biến X10 (Lợi nhuận sau thuế/Vốn chủ sở Logistic. Từ 69 doanh nghiệp ngành xây dựng hữu): Có β3 = -27,476, e^(β3) = 0,00, P1 = 10% niêm yết trên TTCK Việt Nam, nghiên cứu đã đưa P1 = (P0 × e^(β3))/(1 - P0(1- e^(β3)) = (0,1×0,00)/(1 ra mô hình dự báo rủi ro tín dụng cho các doanh - 0,1×(1 - 0,00)) = 0,00= 0 % nghiệp trong mẫu nghiên cứu. Phương trình cho Nếu xác suất có rủi ro tín dụng của doanh nghiệp thấy mối liên hệ tỷ lệ thuận giữa điểm số của 3 chỉ ban đầu là 10%, khi các yếu tố khác không đổi, tiêu và kết quả chấm điểm tín dụng. Trong đó, biến nếu doanh nghiệp tăng thêm 1 đơn vị Vòng quay Nợ dài hạn/Vốn chủ sở hữu có ảnh hưởng mạnh vốn lưu động thì xác suất có rủi ro tín dụng của nhất, và còn lại theo thứ tự là: Lợi nhuận sau thuế/ doanh nghiệp xấp xỉ bằng 0 (xấp xỉ giảm 10% so Vốn chủ sở hữu; Nợ phải trả/Tổng tài sản. với xác suất ban đầu là 10%). Kết quả trên cung cấp thông tin cảnh báo về tình - Vai trò ảnh hưởng của các yếu tố hình rủi ro tín dụng của một số doanh nghiệp Trong các biến ảnh hưởng đến rủi ro tín dụng, biến ngành xây dựng đang niêm yết. Các ngân hàng vận Nợ dài hạn/Vốn chủ sở hữu có ảnh hưởng mạnh dụng trong việc dự báo rủi ro tín dụng của doanh nhất, và còn lại theo thứ tự là: Lợi nhuận sau thuế/ nghiệp xây dựng đến vay vốn. ■ Vốn chủ sở hữu; Nợ phải trả/Tổng tài sản. Tài liệu tham khảo 1. Nguyễn Trọng Hòa (2009), Xây dựng mô hình xếp hạng tín dụng đối với các doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi, Học viện tài chính, Luận án tiến sĩ kinh tế. 2. Hoàng Tùng (2011), “Phân tích rủi ro tín dụng doanh nghiệp bằng mô hình Logistic”, Tạp chí khoa học và công nghệ Đại học Đà Nẵng, Số 2(43). 3. Bartual, C., et al (2012), “Probability of Default Using the Logit model: The Impact of Explanatory Variable and Data Base selection”, International Scientific Conference “Whither Our Economics”. 4. Daniels, K., & Ramirez, G. G. (2008), “Information, Credit Risk, Lender Specialization and Loan Pricing: Evidence from the DIP Financing Market”, Journal of Financial Services Research,34(1), 35-59. 5. Mileris, R., Boguslauskas, V., (2011), “Credit Risk Estimation Model Development Process: Main Steps and Model Improvement”, 38 Số 181- Tháng 6. 2017 Tạp chí Khoa học & Đào tạo Ngân hàng
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP Magazine of Economic - Engineering Economics, 22(2), 126-133. 6. Ohlson. J. A. (1980): Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research(Spring): 109-131. 7. Psillaki, M., Tsolas, I., Margaritis, D., (2010), Evaluation of Credit Risk based on Firm Performance, European Journal of Operation Research, Vol.201, Issue 3, 873-881. Thông tin tác giả Phạm Quốc Khang, Thạc sỹ Đại học Kinh tế Huế Email: pqkhang@hce.edu.vn Nguyễn Thị Hà Vy, Ngân hàng TMCP Ngoại thương Việt Nam- Chi nhánh Nam Đà Nẵng Email: havy.tg@gmail.com Summary Applyied logistic regression in credit ratings for construction sector enterprises listed on Vietnam stock exchange Credit ratings have become an important method of assessment not only for manufacturing firms, financial institutions, but also for the economy in general. Researching and improving quality in credit ratings is essential for banks, and the economy. This study applied Logistic models in credit rating 69 construction enterprises listed on the stock exchange of Vietnam. The quantitative criteria used for Logistic model consists of 13 independent variables are financial indicators. The result showed that the variable Revenue/Total assets had the strongest impact. In the sample of 69 construction enterprises, nearly ¼ of the enterprises have credit risks. Finally, the study proposes some recommendations on the credit risks of construction enterprises. Key words: Credit ratings; construction sector; logistic model; listed; Vietnam stock exchange. Khang Quoc Pham, M.Ec. Hue College of Economics, Hue University Vy Thi Ha Nguyen, Joint Stock Commercial Bank for Foreign Trade of Vietnam, South Danang City Branch Tạp chí Khoa học & Đào tạo Ngân hàng Số 181- Tháng 6. 2017 39