Luận văn Thạc sĩ Ứng dụng mô hình phân tích đa biệt thức trong đo lường rủi ro tài chính của khách hàng doanh nghiệp tại ngân hàng TMCP Á Châu
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.12 MB, 110 trang )
NG DT
THNG RI RO TÀI
CHÍNH CA KHÁCH HÀNG DOANH
NGHIP TI
C PHN Á CHÂU
Chí Minh -
NG DT
THNG RI RO TÀI
CHÍNH CA KHÁCH HÀNG DOANH
NGHIP TI
C PHN Á CHÂU
Chuyên Ngành: Tài Chính - Ngân Hàng
Mã số: 60340201
NGƯỜI HƯỚNG DẪN KHOA HỌC
PGS.TS PHẠM VĂN NĂNG
-
L
Tôi xin cam đoan rằng đây là công trình nghiên cứu của tôi, được thực hiện trên cơ sở
nghiên cứu lý thuyết và thực tiễn dưới sự hướng dẫn khoa học của PGS.Tiến Sĩ Phạm
Văn Năng . Các kết quả nghiên cứu trong luận văn này là trung thực và chưa từng
được ai công bố trước đây.
TP. Hồ Chí Minh, ngày 15 tháng 11 năm 2013
Tác giả
Nguyễn Mạnh Hoằng
1
1.1. 4
1.1.1. Khái niệm về rủi ro tài chính 4
1.1.1.1. Rủi ro tài chính 4
1.1.1.2. Các nguyên nhân gây ra rủi ro tài chính 4
1.1.2. Hậu quả của rủi ro tài chính 6
1.1.3. Đo lường các rủi ro tài chính 7
1.1.4. Tầm quan trọng của việc đo lường rủi ro tài chính 8
1.1.5. Các mô hình đo lường rủi ro tài chính 9
1.1.5.1. Mô hình sác xuất tuyến tính 10
1.1.5.2. Mô hình đa biệt thức 10
1.1.5.3. Mô hình logit 10
1.1.5.4. Mô hình probit 11
1.1.5.5. Mô hình Lân cận gần nhất K và mô hình mạng nơtron 12
1.1.5.6. Các nghiên cứu thực nghiệm đo lường rủi ro tài chính 13
1.2. Mô 16
1.2.1. Giới thiệu mô hình phân tích đa biệt thức 16
1.2.2. Mục tiêu của mô hình phân tích đa biệt thức 17
1.2.3. Ưu và nhược điểm của mô hình phân tích đa biệt thức 17
1.2.4. Nội dung của mô hình phân tích đa biệt thức 18
1.2.4.1. Giả thiết mô hình đa biệt thức 18
1.2.4.2. Nghiên cứu thực nghiệm sử dụng mô hình MDA trong lĩnh vực tài
chính 19
21
KHÁCH HÀNG
.
2.1. Khái quát h 22
2.1.1. Lịch sử hình thành và quá trình phát triển 22
2.1.2. Cơ cấu tổ chức quản lý và sở hữu 23
2.1.2.1. Cơ cấu tổ chức quản lý 23
2.1.2.2. Cơ cấu sở hữu 23
2.1.3. Kết quả hoạt động kinh doanh của ACB giai đoạn 2010 – 2012 23
2.1.3.1. Về hoạt động huy động vốn 24
2.1.3.2. Về hoạt động tín dụng 25
2.1.3.3. Về thu nhập – chi phí 28
2.2.
32
2.2.1. Trung tâm thông tin tín dụng – Ngân hàng nhà nước Việt Nam 33
2.2.2. Hệ thống chấm điểm xếp hạng tín dụng tại ACB 36
2.2.2.1. Lịch sử hình thành 36
2.2.2.2. Quy trình xếp hạng 38
2.2.2.3. Tiêu chí phân loại nợ 39
2.2.2.4. Nhận xét về hệ thống chấm điểm xếp hạng tín dụng tại ACB 41
2 42
khách .
3.1. Lý
ACB 44
3.2. 45
3.3. 45
3.3.1. Nguyên tắc chọn mẫu 46
3.3.2. Chọn dữ liệu 46
3.3.3. Chọn biến độc lập 48
3.3.3.1. Nhóm chỉ số tài chính đòn bẩy 49
3.3.3.2. Nhóm chỉ số tài chính sinh lời 50
3.3.3.3. Nhóm chỉ số tài chính hoạt động 51
3.3.3.4. Nhóm chỉ số tài chính thanh toán 53
3.4. 54
3.5. 55
3.6. 56
3.6.1. Thống kê mô tả biến độc lập 57
3.6.2. Xác định biến quan trọng 58
3.6.3. Giảm biến độc lập 59
3.6.4. Kiểm định phân phối chuẩn 60
3.6.5. Kết quả nghiên cứu thực nghiệm, chọn hàm biệt thức phù hợp 62
3.6.6. Kiểm định mô hình nghiên cứu 64
3.6.7. Tính giá trị chỉ số Z 65
3.7. 68
3.8. kh 68
3.9. 70
3.9.1. Những kết quả đạt được 70
3.9.2. Những mặt còn tồn tại và hạn chế 71
3.9.3. Nguyên nhân 72
3 72
4.1.
74
4.1.1. Nâng cao chất lượng báo cáo tài chính của các khách hàng doanh nghiệp khi cho
vay. 74
4.1.2. Xây dựng các chỉ số tài chính trung bình ngành. 77
4.1.3. Hoàn thiện hệ thống xếp hạng tín dụng. 78
4.1.4. Phổ biến kiến thức về rủi ro tài chính và công bố các công ty thuộc điện cảnh báo
rủi ro tài chính đến từng nhân viên tín dụng 80
4.2. 82
4.2.1. Hoàn thiện quy trình, quy định nghiệp vụ về việc cảnh báo rủi ro tín dụng 82
4.2.2. Xây dựng hệ thống thông tin cảnh báo sớm các nguy cơ rủi ro tín dụng 83
4.2.3. Các giải pháp khác 84
4.2.3.1. Nghiên cứu khách hàng 84
4.2.3.2. San sẻ rủi ro 85
4.2.3.3. Thực hiện đảm bảo tín dụng 86
4.2.3.4. Hạn chế tín dụng 87
4.2.3.5. Đa dạng hóa đầu tư 87
4.3. 88
4.3.1. Hoàn thiện thống nhất các quy định về chấm điểm phân loại nợ và trích lập dự
phòng 88
4.3.2. Phát huy tối đa hiệu quả cung cấp thông tin của Trung tâm thông tin tín dụng
(CIC) 88
4.3.3. Tăng cường thanh tra giám sát hệ thống ngân hàng. 89
4 89
90
1
D
ACB : Ngân hàng thương mại cổ phần Á Châu
ANN : Artifical neural network (Mô hình mạng nơtron).
BCTC : Báo cáo tài chính
Cty : Công ty
DN : Doanh nghiệp
HCM : Hồ Chí Minh
KHDN : Khách hàng Doanh nghiệp
LPM : Linear probability model (Mô hình xác suất tuyến
tính.
MDA : Multiple Dirciminant Analysis (Mô hình phân biệt
đa thức – mô hình đa biệt thức).
NHTMCP : Ngân hàng thương mại cổ phẩn
NHNN : Ngân hàng Nhà Nước
NVTD : Nhân viên tín dụng
OLS : Ordinary least squares (Phương pháp bình phương
nhỏ nhất)
QĐ : Quyết định
SCB : Ngân hàng Standard Chartered
TCTD : Tổ chức tín dụng
UBCKNN : Ủy Ban Chứng khoán nhà nước
XHTD : Xếp hạng tín dụng
Da
Bảng 1.1 : Bảng mô tả mô hình MDA
Bảng 2.1 : Bảng tóm tắt các thành tích đạt đựợc của ACB trong giai đoạn 2009
Bảng 2.2 : Bảng cơ cấu huy động vốn theo kỳ hạn
Bảng 2.3 : Bảng cơ cấu huy động vốn theo thành phần kinh tế
Bảng 2.4 : Bảng cơ cấu tín dụng theo thời hạn cho vay
Bảng 2.5 : Bảng cơ cấu tín dụng theo thành phần kinh tế
Bảng 2.6 : Phân loại nhóm nợ tín dụng tại ACB
Bảng 2.7 : Bảng cơ cấu tín dụng theo khu vực
Bảng 2.8 : Cơ cấu tín dụng theo ngành kinh tế
Bảng 2.9 : Bảng cơ cấu thu nhập – chi phí từ đầu tư – kinh doanh chứng khoán
Bảng 2.10 : Bảng điểm các chỉ tiêu tài chính, trọng số trong chấm điểm tín dụng của
CIC
Bảng 2.11 : Bảng chuẩn xếp hạng tín dụng DN theo CIC
Bảng 2.12 : Bảng nhóm nợ KHDN phân loại theo điều 6 và điều 7 Quyết định 493
Bảng 2.13: Thống kê các chỉ tiêu đánh giá trong hệ thống XHTD áp dụng đối với
KHDN tại ACB
Bảng 2.14 : Bảng tiêu chí phân loại nợ tại ACB
Bảng 3.01 : Bảng phân loại theo ngành nghề của mẫu đánh giá
Bảng 3.02 : Bảng nhóm chỉ số đòn bẩy tài chính
Bảng 3.03 : Bảng nhóm chỉ số tài chính sinh lời
Bảng 3.04 : Bảng nhóm chỉ số tài chính hoạt động
Bảng 3.05 : Bảng nhóm chỉ số tài chính thanh toán
Bảng 3.06: Bảng thống kê mô tả biến độc lập
Bảng 3.07 : Bảng thống kê các biến giải thích
Bảng 3.08: Bảng thống kê các biến độc lập có hệ số tương quan cao
Bảng 3.09 : Bảng kiểm định phân phối chuẩn của biến độc lập
Bảng 3.10: Bảng kết quả thực nghiệm
Bảng 3.11: Bảng kết quả phân tích từng bước
Bảng 3.12: Bảng hệ số biệt tải của các biến độc lập
Bảng 3.13: Bảng hệ số chuẩn hóa và chưa chuẩn hóa
Bảng 3.14: Bảng phân loại của mô hình trên cơ sở mẫu phân tích
Bảng 3.15: Bảng kiểm định Wilks’Lambda
Bảng 3.16: Bảng trọng tâm của các nhóm
Bảng 3.17: Bảng biến thiên của nhóm trung gian
Bảng 3.18: Bảng đánh giá kết quả với số liệu biến lớn
Bảng 3.19: Bảng kết quả đo lường một số KHDN cụ thể tại ACB
D
Biểu đồ 2.1 : Biểu đồ thề hiện các chỉ tiêu hoạt động của ACB
Biều đồ 2.2 : Biểu đồ thu nhập- Chi phí hoạt động tín dụng
Biểu đồ 2.3 : Lãi ròng từ hoạt động kinh doanh ngoại hối và đầu tư vàng
Biều đồ 2.4 : Biểu đồ Thu nhập – Chi phí từ hoạt động dịch vụ
Hình 3.1 : Mô hình phân phối của chỉ số Zscore
1
Mở đầu
1.
Cùng với xu hướng phát triển chung trong lĩnh vực ngân hàng, hệ thống ngân hàng
thương mại Việt Nam đã mở rộng phạm vi hoạt động của mình theo hướng tăng tỷ
trọng dịch vụ, giảm tỷ trọng tín dụng. Tuy nhiên không thể phủ nhận rằng hiện tại và
trong tương lai tín dụng vẫn đem lại nguồn thu chính cho các ngân hàng này. Và trong
cho vay thì rủi ro tín dụng là điều không thể nào tránh khỏi. Làm thế nào để hạn chế
rủi ro tín dụng và giảm thiểu tổn thất khi rủi ro tín dụng xảy ra là một đề tài mà các
nhà quản trị ngân hàng đã và đang nghiên cứu nhằm hoàn thiện trong điều kiện mới.
Do đó, có thể nhận thấy trong thời điểm hiện nay cùng với sự tăng trưởng của tín dụng
thì việc cảnh báo rủi ro tín dụng là việc cấp bách. Việc xác định, đo lường tình hình tài
chính của khách hàng cho vay đang trong tình trạng nào, có rủi ro hay không có rủi ro
là một việc cực kỳ quan trọng. Việc đo lường các rủi ro tín dụng giúp ngân hàng có
thể chủ động điều chỉnh sách tín dụng cũng như ứng xử phù hợp với từng khách hàng
góp phần hạn chế rủi ro và giảm thiểu tổn tất khi rủi ro xảy ra. Góp phần đáp ứng đòi
hỏi từ thực tiễn nêu trên, tôi nghiên cứu và thực hiện luận văn với đề tài “Ứng dụng
mô hình phân tích đa biệt thức trong đo lường rủi ro tài chính của khách hàng doanh
nghiệp tại ngân hàng thương mại cổ phần Á Châu”.
2.
- Làm rõ cơ sở lý luận về rủi ro tài chính của KHDN và ảnh hưởng rủi ro tài chính
của khách hàng đối với ngân hàng.
- Làm rõ cơ sở lý luận về mô hình đo lường rủi ro tài chính của khách hàng doanh
nghiệp.
- Ứng dụng của mô hình phân tích đa biệt thức tính toán đưa ra một mô hình riêng
phù hợp với ACB dựa trên cơ sở dữ liệu từ hệ thống xếp hạng tín dụng nội bộ.
2
- Từ những vấn đề nêu trên đưa ra giải pháp ứng dụng mô hình phân tích đa biệt
thức để đo lường rủi ro tài chính của các khách hàng doanh nghiệp trong hoạt động tín
dụng và quản lý tín dụng tại Ngân hàng TMCP Á Châu.
3.
- Đối tượng nghiên cứu là đo lường rủi ro tài chính của các KHDN
- Phạm vi nghiên cứu các KHDN đang vay tại ACB dựa trên cơ sở dữ liệu thu thập
từ hệ thống xếp hạng tín dụng. Việc đo lường rủi ro tài chính của các khách hàng DN
dựa trên cơ sở phân tích các chỉ số tài chính của 100 khách hàng trong giai đoạn 2009
2012. Từ các công ty trên đưa 2 hai nhóm riêng biệt, nhóm khách hàng có rủi ro và
nhóm khách hàng chưa có rủi ro, từ đó đưa ra một mô hình chung đo lường các rủi ro
tài chính của KHDN đang vay tại ACB.
4. G
- Thông tin từ các chỉ số tài chính thu thập từ hệ thống XHTD tại ACB là có hữu ích
trong việc đo lường rủi ro tài chính của các KHDN tại ACB.
- Đề tài chỉ nghiên cứu đánh giá mối liên hệ giữa các dữ liệu từ BCTC đánh giá rủi
ro tài chính của doanh nghiệp và bỏ qua các yếu tố liên quan.
5.
Nội dung của luận văn được nghiên cứu được nghiên cứu theo phương pháp định
tính, định lượng đựa thống kê mô tả. Sử dụng mô hình phân tích đa biệt thức để phân
tích các chỉ số tài chính của khách hàng DN từ đó đề xuất mô hình đo lường rủi ro tài
chính nhằm phục vụ cho công tác đo lường rủi ro tín dụng của khách hàng DN tại
ACB.
6.
Nội dung luận văn bao gồm 04 chương:
3
Tổng quan về việc do lường rủi ro tài chính của các KHDN
Thực trạng đo lường rủi ro tài chính của KHDN tại ACB
Ứng dụng mô hình phân tích đa biệt thức để đo lường rủi ro tài chính
của KHDN tại ACB
4: Giải pháp nâng cao chất lượng đo lường rủi ro tài chính của KHDN tại
ACB bằng cách ứng dụng mô hình phân tích đa biệt thức
4
1.1. .
1.1.1.
1.1.1.1. hính:
Theo từ điển Tiếng Việt phổ thông, “rủi ro là điều không lành mạnh, không tốt bất ngờ
xảy ra”. Vậy rủi ro trong tài chính là “những điều không lành mạnh, không tốt, bất
ngờ xảy ra trong tài chính DN”.
Như vậy rủi ro tài chính cũng có thể được hiểu như là sự xuất hiện của các tình
huống ảnh hưởng đến việc suy giảm khả năng sinh lời và trong tình huống đặc biệt có
thể dẫn tới công ty phá sản. Hiện nay khái niệm rủi ro tài chính bao hàm nghĩa rộng
hơn và không chỉ tính đến những rủi ro trong tình hình tài chính của DN mà còn bao
hàm những rủi ro ảnh hưởng đến những chiến lược chính sách hoạt động của công ty :
như rủi ro tỷ giá, rủi ro tín dụng, rủi ro kinh doanh, rủi ro lãi suất.
1.1.1.2. :
Các luồng tiền vào DN (dòng thu) và các
luồng tiền ra khỏi DN (dòng chi) diễn ra một cách thường xuyên liên tục. Trên thực tế,
tại những thời điểm nhất định có thể xảy ra, hiện tượng lượng tiền vào DN (số thu)
nhỏ hơn lượng tiền ra khỏi DN (số chi) đến hạn. Khi đó, tình trạng mất cân đối về
dòng tiền đã xảy ra. Sự mất cân đối này tiềm ẩn một rủi ro lớn đối với hoạt động kinh
doanh. Do thiếu tiền, việc mua nguyên liệu, vật liệu, nhiên liệu phục vụ cho sản xuất
kinh doanh có thể bị dừng lại, dẫn đến ngừng sản xuất, kinh doanh; tiền lương của
công nhân và các khoản vay (nếu có) không được trả đúng hạn ảnh hưởng lớn tới uy
tín của DN, v.v
Sự mất cân đối dòng tiền được chia thành: mất cân đối tạm thời và mất cân đối dài
hạn. Có thể nói, ở bất kỳ DN nào cũng xảy ra mất cân đối tạm thời do việc thu hồi các
khoản nợ phải thu không đúng kế hoạch; việc góp vốn không được thực hiện đúng
5
cam kết Mất cân đối tạm thời về dòng tiền có thể khắc phục được bằng nhiều biện
pháp và hậu quả thường không lớn. Mất cân đối dài hạn xảy ra do những nguyên nhân
quan trọng như: phần định phí trong tổng chi phí của DN quá lớn; vốn lưu động tự có
quá ít; nợ khó đòi tăng lên; doanh thu chưa bù đắp đủ các khoản chi phí thường xuyên,
v.v… Khi lạm phát xảy ra trong nền kinh tế, do tác động dây chuyền giữa các DN, số
nợ phải thu, đặc biệt là nợ phải thu khó đòi tăng lên, mất cân đối tạm thời rất dễ
chuyển thành mất cân đối dài hạn. Mất cân đối dài hạn về dòng tiền có thể làm cho
DN bị phá sản.
Để phục vụ kinh doanh, đầu tư, hầu như các
DN đều phải sử dụng vốn vay. Do đó, lãi suất tiền vay - chi phí sử dụng vốn - trở
thành bộ phận cấu thành quan trọng trong chi phí sản xuất kinh doanh và đầu tư của
DN. Khi lập kế hoạch kinh doanh và dự án đầu tư, lãi suất tiền vay đã được dự tính.
Song, có rất nhiều nhân tố nằm ngoài tầm kiểm soát của DN tác động đến lãi suất tiền
vay. Thông thường khi lạm phát xảy ra, lãi suất tiền vay tăng đột biến làm cho những
tính toán, dự kiến trong kế hoạch kinh doanh, đầu tư bị đảo lộn. Lượng tiền vay càng
lớn, tác động tiêu cực của rủi ro này càng nghiêm trọng và có thể dẫn đến tình trạng
phá sản DN nếu nó tồn tại trong một thời kỳ dài.
Sức mua của thị trường là nhân tố quyết
định khả năng tiêu thụ hàng hóa của DN và nó cũng quyết định dòng tiền vào DN.
Song, sức mua của thị trường lại phụ thuộc vào khả năng thanh toán. Khi lạm phát, giá
cả hàng hóa trên thị trường tăng cao, thu nhập của người lao động và các tầng lớp dân
cư không tăng hoặc tăng chậm hơn chỉ số lạm phát và tất yếu dẫn đến sức mua giảm.
Quan trọng hơn nữa, cơ cấu tiêu dùng cũng thay đổi. Phần lớn khả năng thanh toán tập
trung cho những nhu cầu thiết yếu. Vì vậy, sẽ có không ít mặt hàng lượng tiêu thụ sẽ
giảm đi đáng kể. Khi đó, rủi ro về sức mua của thị trường đã xảy ra. Nó thể hiện qua
số lượng hàng hóa tiêu thụ được giảm, giá bán không bù đắp được chi phí sản xuất,
kinh doanh.
6
Là rủi ro xảy ra khi các giao dịch kinh tế được
thực hiện bằng ngoại tệ và tỷ giá hối đoái biến động theo hướng làm cho đồng nội tệ
bị mất giá. Với những DN sử dụng nhiều ngoại tệ, khi tỷ giá hối đoái tăng, số lỗ về tỷ
giá có thể làm giảm đáng kể, thậm chí là triệt tiêu toàn bộ lợi nhuận thu được trong
kinh doanh. Đây là rủi ro bất khả kháng của các DN trong một nền kinh tế nhập siêu
với tỷ lệ lớn.
Muốn phát triển bền vững, quá trình sản
xuất, kinh doanh của DN phải diễn ra liên tục, vòng sau phải cao hơn vòng trước. Đó
chính là quá trình tái đầu tư. Nguồn vốn để tái đầu tư là quỹ khấu hao, lợi nhuận thu
được từ quá trình sản xuất kia doanh trước đó. Khi lạm phát xảy ra, nguồn vốn để tái
đầu tư bị giảm đi, thậm chí là một số âm. Do đó, khả năng tái đầu tư bị triệt tiêu, DN
sẽ không thể hoạt động liên tục, quy mô kinh doanh bị thu hẹp. Nếu điều đó xảy ra
trong một thời gian dài, DN có thể sẽ "biến mất trên thị trường”. Với những DN đang
thực hiện các dự án đầu tư, lạm phát có thể làm cho dự án đầu tư phải dừng lại thậm
chí là "nằm chờ vĩnh viễn" do tổng mức đầu tư tăng đột biến, lãi suất tiền vay tăng
cao, việc vay vốn bị chặn lại.
Trong phạm vi nghiên cứu tác giả chi nghiên cứu rủi ro tài chính trong phạm vi nội
tại công ty, những biến cố mang tính tài chính và rủi ro tài chính này được biểu hiện
thông qua các chỉ số tài chính của công ty và ảnh hưởng đến rủi ro tín dụng trong
hoạt động cho vay của ngân hàng.
1.1.2.
- Khi rủi ro tài chính xảy ra thì các sự kiện sẽ ảnh hưởng mạnh mẽ đến nhiều thành
phần tham gia trong nền kinh tế.
- Rủi ro tài chính xảy ra không chỉ ảnh hưởng đến vốn, tài sản, lợi nhuận của công ty
mà còn ảnh hưởng đến độ tín nhiệm thương hiệu. Rủi ro tài chính xảy ra có thể dẫn tới
công ty phá sản gây thiệt hại trực tiếp cho nhà đầu tư và các nhà tài trợ.
7
- Rủi ro tài chính gây ra những tổn thất gián tiếp đến nền kinh tế và ở mức độ nặng hơn
có thể gây ra bất ổn xã hội.
- Hậu quả của rủi ro tài chính là nghiêm trọng nếu như không quản trị được rủi ro. Quản
trị rủi ro tài chính thay vì cách tiếp cận mang tính hậu kiểm thì nay đã chuyển sang
cách tiếp cận mang tính phòng ngừa, cảnh báo trước bằng các mô hình đo lường rủi ro
tài chính.
1.1.3. :
Từ những năm đầu thập niên 30 của thế kỷ 20,việc đưa ra mô hình đo lường rủi ro tài
chính đã được khởi xướng. Cho đến thập niên 70 thì việc sử dụng các mô hình thống
kê để đo lường rủi ro tài chính của các DN trở thành một hướng phát triển mạnh mẽ.
Nói đến đo lường rủi ro tài chính, người ta thường nghĩ đến đo lường rủi ro của một
danh mục đầu tư chứng khoán, định giá quyền chọn hay đo lường rủi ro nội tại thông
qua các chỉ số tài chính của một DN. Việc đo lường rủi ro tài chính là một trong
những hoạt động quan trọng giúp quản trị tốt các rủi ro và đây cũng một hoạt động đã
được các quốc gia và các tổ chức tài chính trên thế giới quan tâm và ứng dụng từ rất
sớm.
Tùy theo từng góc độ nghiên cứu mà ta có các cách hiểu khác nhau về việc đo lường
rủi ro tài chính.
Đối với hoạt động tín dụng trong ngân hàng, việc đo lường rủi ro tài chính của các
DN đang cho vay được hiểu như là một bộ phận của hệ thống xếp hạng tín dụng. Vì
thông qua việc đo lường này ngân hàng sẽ phân loại hay sắp xếp một đối tượng hay
một nhóm đối tượng có rủi ro hay không có rủi ro tài chính vào bảng xếp hạng tín
dụng theo quy định sẵn.
DN
DN
- Khái niệm DN có rủi ro tài chính theo tiêu chí xếp hạng tín dụng của Trung tâm
thông tin tín dụng – Ngân hàng nhà nước Việt Nam (CIC) là DN hoạt động kém
8
hiệu quả, tự chủ về tài chính yếu kém, hoạt động sản xuất kinh doanh thua lỗ, có
nguy cơ lâm vào tình trạng phá sản, rủi ro rất cao. Trái lại, DN không có rủi ro tài
chính là DN hoạt động hiệu quả cao, khả năng tự chủ tài chính rất tốt, triển vọng
phát triển lâu dài, tiềm lực tài chính mạnh, rủi ro thấp nhất.
- Như vậy đối với trong hoạt động tín dụng thì những công ty có rủi ro tài chính là
những công ty có dòng tiền hoạt động không hiệu quả, có nguy cơ gây ra khả năng
mất thanh toán, có các hệ số thanh toán kém, các chỉ số tài chính sinh lợi không
mang lại hiệu quả cao và không có khả năng thanh toán lãi vay và nợ gốc. Ngược
lại những công ty không có rủi ro tài chính là những công ty hoạt động hiệu quả,
tình hình tài chính lành mạnh, không bị mất cân đối vốn và khả năng thanh toán lãi
vay và vốn gốc tốt.
1.1.4.
:
- Một công ty được đo lường là không có rủi ro tài chính thì công ty đó có nhiều
thuận lợi trong việc mở rộng hoạt động kinh doanh cũng như vay vốn từ các ngân
hàng. Đối với các nhà quản trị công ty, khi xác định tình hình tài chính của công ty
là lành mạnh không có rủi ro, thì có thể quyết định tham gia vào các dự án tốt hơn.
Việc đo lường được các rủi ro tài chính giúp những nhà hoạch định chiến lược hiểu
rõ và nắm bắt được tình hình tài chính của công ty mình một cách hiệu quả và đưa
ra chiếc lược phù hợp hơn. Đối với các công ty được đo lường là không có rủi ro
tài chính có nhiều thuận lợi, và linh hoạt hơn trong việc huy động vốn với các công
ty cùng ngành, các công ty này có thể sử dụng nhiều công cụ chứng khoán cũng
như vay ngân hàng để huy động một cách dễ dàng.
- Hầu hết các công ty hiện nay ở Việt Nam việc huy động vốn chủ yếu dựa vào vốn
vay từ ngân hàng. Do đó việc các ngân hàng đánh giá được rủi ro tài chính của các
9
công ty vay vốn tại ngân hàng mình là điều hết sức quan trọng và có ý nghĩa trong
quyết định cho vay cũng như là trong quá trình giám sát sau khi cho vay.
- Để phát triển và tăng trưởng kinh tế thì đương nhiên là phải thúc đẩy đầu tư và như
vậy phải tăng trưởng tín dụng. Tuy nhiên nếu chỉ tăng trưởng tín dụng thì chưa đủ
điều quan trọng là chất lượng và hiệu quả mang lại của tín dụng. Nếu chỉ quan tâm
đến tăng trưởng tín dụng để phát triển kinh tế mà không quan tâm đến chất lượng
và hiệu quả tín dụng thì sau một khoản thời gian thì phải giải quyết khoản nợ xấu
khổng lồ. Do đó việc đánh giá đo lường được rủi ro tài chính của các DN cho vay
định kỳ giúp cho các ngân hàng kiểm soát được chất lượng tín dụng và có biện
pháp xử lý nợ xấu kịp thời.
- Đo lường rủi ro tín dụng hỗ trợ và là một trong những cơ sở ra quyết định cấp tín
dụng: xác định hạn mức tín dụng, thời hạn, mức lãi suất, biện pháp bảo đảm tiền
vay.
- Cải thiện tình trạng trích lập dự phòng của ngân hàng (phù hợp với tài sản bảo
đảm). Đo lường được rủi ro tài chính của khách hàng là cơ sở để quản trị tín dụng
nhằm hạn chế và giới hạn mức rủi ro mục tiêu. Đồng thời cũng từ đó xác định
được mức dự phòng trích lập tiến tới mục đích tối đa hóa lợi nhuận và ổn định hệ
thống ngân hàng.
1.1.5.
Hiện nay, bên cạnh phương pháp chuyên gia, các phương pháp dự báo rủi ro tín dụng
DN dựa trên dữ liệu thống kê đang phát triển ngày càng mạnh mẽ cả về chiều rộng và
chiều sâu. Từ mô hình xác suất tuyến tính (Linear Probability Models – LPM) và
phương pháp mô hình đa biệt thức (MDA) đã được sử dụng từ những năm 1930, đến
phương pháp hồi quy Logistic, Probit đang được ứng dụng rộng rãi từ những năm
1980 và gần đây thì xuất hiện các cách thức tiếp cận mới sử dụng phương pháp thống
kê phi thông số (non-parametric) phức tạp như lân cận gần nhất K, mạng nơ ron thần
kinh.
10
1.1.5.1.
Mô hình xác suất tuyến tính (Linear probability model - LPM) là mô hình ước lượng
đa biến dùng phương pháp bình phương tối thiểu OLS. Mô hình này gặp phải nhiều
hạn chế.
* Sai số hồi quy không phân phối chuẩn.
Phương sai thay đổi.
Không thỏa mãn điều kiện cơ bản của xác suất trong khoảng (0; 1).
Tác động biên không đổi, trong khi bản chất của mô hình xác suất là tác động biên
thay đổi theo từng giá trị của biến độc lập.
1.1.5.2. Multiple Dirciminant Analysis):
MDA được sử dụng trong nhiều nghiên cứu từ khi được áp dụng đầu tiên ở thập kỷ
30 của thế kỷ 20. Suốt những năm trước, MDA được sử dụng chủ yếu trong sinh vật
học và khoa học nghiên cứu hành vi. Trong những năm gần đây, kỹ thuật này được sử
dụng ngày càng phổ biến trong giới học thuật cũng như trong thực tiễn. Altman và
cộng sự (1981) đã thảo luận về MDA một cách khá sâu sắc và xem xét một vài ứng
dụng của nó vào lĩnh vực tài chính.
1.1.5.3. Mô hình Logit
Nhà thống kê học David R. Cox (1970s), đã phát triển mô hình Logistic để phân
tích các biến nhị phân.
Mô hình logistic là một mô hình toán học hồi quy. Sử dụng mô hình logistic với
biến (Y) là biến phụ thuộc và tất cả các biến còn lại là biến độc lập.
Mô hình Logit nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc
lập khác. Mục tiêu của các mô hình này là sử dụng những nhân tố có ảnh hưởng đến
khả năng đảm bảo trả nợ (biến độc lập) để xác định rủi ro tài chính cũng như khả năng
trả nợ (biến phụ thuộc) của khách hàng này là bao nhiêu. Nghĩa là, mô hình Logit có
thể ước lượng xác suất một rủi ro tài chính của một khách hàng là bao nhiêu trực tiếp
từ mẫu.
11
Cấu trúc dữ liệu trong mô hình như sau:
Biến
loại
Biến độc lập
Liên tục hoặc rời rạc
Biến phụ thuộc
Nhị phân
Mô hình kinh tế lượng tương ứng là:
ln(p/(1-p)) = β
1 +
β
2
X
1+
β
3
X
2 + … +
β
k
X
k +
u
Trong đó : P là xác suất trả nợ của KH ( xác xuất xảy ra rủi ro tài chính)
β1,β2, β3,… ,βn là các hệ số
X
1,
X
2,…,
X
k
là các chỉ số tài chính.
1.1.5.4. Mô hình Probit
Ý tưởng phân tích probit được xuất bản trong khoa học bởi Chester Ittner Bliss
trong năm 1934. Năm 1952, một giáo sư về thống kê tại Đại học Edinburgh là David
Finney đã viết lại một cuốn sách với tên gọi là “phân tích Probit”.
Cấu trúc dữ liệu của mô hình Probit cũng tương tự như mô hình Logit, mô hình này
cũng ước lượng được xác suất trả nợ của một KH. Trong mô hình Probit, chúng ta có
giả thiết sai số ngẫu nhiên có sai số chuẩn hóa: ε ~ N(0,1)
Trong đó F là hàm phân phối xác suất tích lũy
Khi đó hàm hợp lý có dạng :
Việc ước lượng các tham số trong mô hình, chúng ta có thể thực hiện được nhờ máy
tính bằng sử dụng phần mềm thống kê.
Sự khác nhau trong giả thiết giữa mô hình Logit và Probit là mô hình Logit giả định
hạng nhiễu phân phối chuẩn logistic (standard logistic distribution) trong khi Probit
12
giả định hạng nhiễu phân phối chuẩn thông thường (standard normality distribution).
Tuy nhiên, sự khác biệt giữa Logit và Probit không đáng kể và không có ý nghĩa về
mặt thống kê. Charles M.Friel trong nghiên cứu “Linear probability response models:
Probit and Logit” chỉ ra vấn đề này.
1.1.5.5. Mô hình
Machine learning: (nhiều tác giả dịch là "học máy") là một lĩnh vực của trí tuệ nhân
tạo mà nó liên quan đến thiết kế và phát triển các thuật toán cho phép cải thiện khả
năng thực thi các chức năng dựa trên cơ sở dữ liệu. Mục tiêu chính trong nghiên cứu
machine learning là đưa ra những mô hình có kết quả được tạo ra một cách tự động từ
những quy luật hay kiểu mẫu từ dữ liệu. Do đó, các mô hình này đòi hỏi phải có dữ
liệu đầu vào lớn và có nhiều nhóm nghiên cứu. Mỗi nhóm này có một chức năng khác
nhau, ở đây tác giả quan tâm đến nhóm nghiêm cứu giám sát (supervised learning) mà
các thuât toán của nó sau đây, đang được sử dụng để xếp hạng tín nhiệm trên thế giới
như là những kỹ thuật riêng lẻ tốt nhất như lân cận gần nhất K (K –nearest neighbor)
và mạng notron nhân tạo (Artifical neural network - ANN).
Lân cận gần nhất K:
Là một trong số những thuật toán machine learning đơn giản nhất. Thuật toán này
phân loại dựa trên phương pháp chọn những quan sát gần nhau trong không gian véc
tơ đa chiều của các biến độc lập thành một nhóm, mức độ gần nhau của các quan sát
phụ thuộc vào K. K là một số nguyên dương và có đặc trưng là nhỏ. Tương tự đối với
hồi quy, bằng cách phân giá trị của quan sát gần với trung bình giá trị của nhóm các
quan sát nằm trong khoảng lân cận gần nhất K. Giá trị của biến nào càng gần mức
trung bình thì tỷ trọng của nó càng lớn.
Mô hình ANN (mạng nowtron):
Neural Network là một tập các phần tử xử lý đơn giản được kết nối với nhau, mỗi kết
nối có cường độ nhất định thể hiện bởi trọng số. Năng lực xử lý của mạng nowtron
13
được quyết định bởi các trọng số này, vốn được hình thành qua một quá trình thích
nghi từ các điều kiện mẫu nhất định.
Neural Network thường sử dụng trong phân tích thống kê và mô hình hóa dữ liệu.
Chúng cũng được ứng dụng trong các lĩnh vực phân loại và dự báo, bao gồm nhận
dạng hình ảnh và giọng nói hay chữ viết. Ngoài ra, ta còn có thể bắt gặp Neural
Network trong các hệ thống chẩn đoán y khoa, thăm dò dầu khí hoặc dự báo tài chính.
1.1.5.6.
Các nghiên cứu thực nghiệm về rủi ro tài chính đều đi đến một kết luận rằng các chỉ
số tài chính là hữu ích trong việc đo lường các nguy cơ tài chính. Trong các nghiên
cứu đó nhìn chung các chỉ số về lợi nhuận, thanh khoản được sử dụng phổ biến nhất.
Độ chính xác không phải là tuyệt đối nhưng đa phần các nghiên cứu này đã chứng
minh tính hiệu quả trong đo lường rủi ro tài chính theo thời gian.
Mục tiêu nghiên cứu đa phần là khác nhau, nhưng phương thức đo lường nhìn chung
là tương tự nhau. Scott (1981) đưa ra một quy trình thực hiện một mô hình đo lường
rủi ro tài chính, theo đó các chỉ số tài chính được tính toán từ BCTC đã được công bố
trước khi công ty có rủi ro tài chính, bước kế tiếp là xây dựng một hàm đo lường,
trong đó các chỉ số tài chính được kết hợp với nhau và có khả năng phân biệt tốt nhất
giữa công ty có rủi ro tài chính và không có rủi ro tài chính. Hàm này được kiểm
nghiệm trên cả hai mẫu phân tích và mẫu kiểm tra. Scott cũng chứng minh tính hiệu
quả của mô hình đo lường bị suy giảm theo thời gian sau khi được đưa vào sử dụng.
Có hai loại mô hình truyền thống. Đầu tiên là phương pháp đơn biến, khám phá các
mối quan hệ giữa chỉ số tài chính riêng biệt và rủi ro tài chính. Cách thứ hai là phương
pháp đa biến kết hợp các chỉ số tài chính lại với nhau để đo lường rủi ro tài chính.
: Phương pháp đơn biến sử dụng các chỉ số tài chính
riêng biệt tại một thời điểm để đo lường rủi ro tài chính. Beaver (1966) đã chọn mẫu
theo cặp để đánh giá độ chính xác của các chỉ số tài chính. Kết quả của nghiên cứu chỉ
ra rằng có sự khác biệt giữa chỉ số tài chính của các công ty có rủi ro và không có rủi
14
ro tài chính. Phát hiện của Beaver gợi ý rằng phân tích chỉ số tài chính có hiệu quả từ
năm năm trước khi công ty có rủi ro tài chính, mặc dù ông cảnh báo rằng các chỉ số tài
chính được chọn là có chọn lọc. Nghiên cứu cũng phát hiện ra rằng không phải tất cả
các chỉ số tài chính đều đo lường chính xác các công ty có nguy cơ và không có rủi ro
tài chính.
Zavgren (1983) quan sát thấy rằng nhược điểm chủ yếu theo phương pháp của Beaver
là sự khác biệt chỉ diễn ra ở một chỉ số tài chính tại một thời điểm trong khi đó các
biến khác nhau đều có khả năng cung cấp sự đa dạng trong đo lường. Một chỉ số tài
chính duy nhất giải thích chưa đầy đủ tình hình tài chính của các công ty.
: Altman (1968) là người đầu tiên áp dụng
phương pháp đa biến để đo lường rủi ro tài chính. Phương pháp này kết hợp các chỉ
số tài chính lại với nhau vào trong một mô hình. Để xây dựng một mô hình đa biến
hiệu quả, phải xác định được các chỉ số tài chính tốt nhất có khả năng đo lường được
rủi ro tài chính.
Có ba phương pháp phân tích phổ biến của mô hình đa biến, đó là mô hình phân tích
đa biệt thức (MDA), hồi quy Logit, Probit và mô hình mạng nơ tron nhân tạo (ANN).
MDA là một trong những phương pháp phổ biến nhất được sử dụng để đo lường
rủi ro tài chính (Zavgren 1983). Phương pháp này đánh giá khả năng đo lường của các
chỉ số tài chính. Jones (1987) mô tả phương pháp này như một kỹ thuật điểm Z của
mỗi công ty trong một mẫu bằng cách kết hợp các biến độc lập lại với nhau. Một điểm
Z được lựa chọn dựa vào kết quả mẫu. Các công ty dưới điểm Z được dự báo là có rủi
ro tài chính và ngược lại những công ty trên điểm Z được dự báo là không có rủi ro tài
chính (Jones 1987). Ưu điểm của phương pháp này là khả năng đo lường chính xác
cao. Phương pháp MDA đã được sử dụng để phát triển một số mô hình đo lường,
bao gồm cả Altman (1968), Altman, Haldeman và Narayanan (1977), Deakin (1972,
1977), Edmister (1972), Blum (1974), Sinkey (1975) và Lincoln (1984).
15
Phân tích hồi quy Logit tương đương với hồi quy Probit. Ưu điểm của nó là các giả
định đơn giản hơn so với MDA, chẳng hạn như các biến chỉ cần phân phối thông
thường (Altman, 1993). Hồi quy Logit được sử dụng để phát triển các mô hình đo
lường như Ohlson (1980).
ANN là một kỹ thuật phân tích khác để xây dựng mô hình đo lường. ANN có thể
bắt chước và nhận dạng được các trạng thái thực đối với dữ liệu đầu vào không đầy đủ
hoặc dữ liệu với một số lượng biến rất lớn. Kỹ thuật này đặc biệt phù hợp với mô
hình đo lường mà không có công thức toán học nào được biết đến để miêu tả mối quan
hệ giữa các biến đầu vào và đầu ra. Hơn nữa nó hữu dụng khi mục tiêu đo lường là
quan trọng hơn giải thích. Một trong những thuận lợi của mô hình mạng là nó có thể
giải quyết mối quan hệ phi tuyến. ANN được Adnan và Dar (2006) sử dụng để đo
lường rủi ro tài chính với độ chính xác cao.
Hamer (1983) đã kiểm tra các biến trong mô hình của Altman (1968), Deakin
(1972), Blum (1974) và Ohlson (1980). Nghiên cứu Hamer chỉ ra tất cả các mô hình
đều có các biến để đo lường lợi nhuận, thanh khoản và đòn bẩy. Phương pháp của
Altman và Deakin có thêm doanh thu, trong khi phương pháp của Blum và Ohlson là
biến thay đổi của thu nhập theo thời gian. Ngoài ra, phương pháp của Blum có thêm
một số biến để đo lường sự thay đổi trong khả năng thanh toán theo thời gian. Altman
và Blum sử dụng dữ liệu giá thị trường để tính toán chỉ số đòn bẩy, trong khi phương
pháp của Ohlson và Deakin dựa hoàn toàn vào thông tin trên BCTC.
Scott (1981) xem xét và kết hợp các mô hình hàng đầu thế giới lại với nhau bao
gồm các mô hình của Altman Beaver (1966, 1968), Deakin (1972), Wilcox (1971,
1973) và Altman, Haldeman và Narayanan (1977). Ông đã so sánh độ chính xác của
chúng và đi đến kết luận tồn tại một mô hình có khả năng đo lường rủi ro tài chính
một cách thành công nhất. Ông kết luận rằng “các mô hình đa biến, các mô hình điểm
số Z có lẽ là thuyết phục nhất”. Nó có khả năng phân biệt giữa các công ty có rủi ro
tài chính và không có rủi ro tài chính với đầu vào là các dữ liệu kế toán và dữ liệu thị
