Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

-------

------

ĐẶNG HUY NGÂN

XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ
ĐỐI VỚI CÁC NGÂN HÀNG THƯƠNG MẠI
CỔ PHẦN VIỆT NAM

Chuyên ngành: Kinh tế học (Toán kinh tế)
Mã số: 62.31.01.01

LUẬN ÁN TIẾN SĨ KINH TẾ
Người hướng dẫn khoa học: GS.TS. NGUYỄN QUANG DONG

HÀ NỘI - 2018


MỤC LỤC
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC TỪ VIẾT TẮT
BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG
DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH
MỞ ĐẦU .................................................................................................................... 1
CHƯƠNG 1 TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG ...... 5
1.1. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại.............................................. 5

1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới .................. 8
1.2.1. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu .......................... 8
1.2.2. Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các
nghiên cứu trước ................................................................................................. 20
1.2.3. Các nhân tố, biến số trong các nghiên cứu vỡ nợ ....................................... 21
1.3. Các nghiên cứu về dự báo vỡ nợ, vỡ nợ ngân hàng ở Việt Nam .................. 25
Kết luận chương 1.................................................................................................... 31
CHƯƠNG 2 CƠ SỞ LÝ LUẬN VỀ VỠ NỢ NGÂN HÀNG THƯƠNG MẠI ...... 32
2.1. Tiêu chí xác định nguy cơ vỡ nợ .................................................................... 32
2.2. Các nhân tố ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại . 35
2.2.1. Các nhân tố vĩ mô ảnh hưởng đến hoạt động của các ngân hàng ................ 35
2.2.2. Các nhân tố vi mô ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng
thương mại .......................................................................................................... 36
2.3. Cơ sở lý thuyết một số mô hình áp dụng trong nghiên cứu cảnh báo vỡ nợ 48
2.3.1. Mô hình Logit, mô hình Logit với số liệu mảng ......................................... 48
2.3.2. Mạng nơron ............................................................................................... 52
2.3.3. Cây quyết định........................................................................................... 55
2.4. Phương pháp bao dữ liệu (DEA) đánh giá hiệu quả hoạt động của các NHTMCP57
2.5. Khung nghiên cứu của luận án ...................................................................... 58
Kết luận chương 2.................................................................................................... 60
CHƯƠNG 3 THỰC TRẠNG HOẠT ĐỘNG, NGUY CƠ VỠ NỢ CỦA CÁC
NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2009-201561
3.1. Tình hình kinh tế vĩ mô giai đoạn 2009-2015 ................................................ 61
3.2. Một số chính sách tiền tệ giai đoạn 2009-2015 .............................................. 65


3.3. Hoạt động ngành ngân hàng .......................................................................... 68
3.3.1. Cơ cấu sở hữu, quy mô và phạm vi hoạt động của các ngân hàng .............. 68
3.3.2. Mức độ an toàn vốn và quy mô tổng tài sản của các NHTMCP ................. 69
3.3.3. Khả năng sinh lời, hiệu quả quản lý tài sản ................................................ 73

3.3.4. Tăng trưởng huy động và tín dụng, khả năng thanh khoản ......................... 75
3.3.5. Chất lượng tài sản, mức độ thâm hụt.......................................................... 78
3.4. Nguy cơ vỡ nợ của một số NHTMCP điển hình trong giai đoạn 2009-2015 82
Kết luận chương 3.................................................................................................... 87
CHƯƠNG 4 XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ CÁC
NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM........................................ 88
4.1. Thiết kế nghiên cứu ........................................................................................ 88
4.1.1. Số liệu ....................................................................................................... 88
4.1.2. Xác định nguy cơ vỡ nợ của các NHTMCP Việt Nam ............................... 89
4.1.3. Hệ thống các chỉ tiêu tác động tới nguy cơ vỡ nợ....................................... 92
4.1.4. Phân tích thống kê ..................................................................................... 97
4.2. Mô hình Logit dữ liệu mảng ........................................................................ 101
4.3. Mô hình mạng nơron.................................................................................... 107
4.4. Mô hình cây quyết định................................................................................ 109
Kết luận chương 4.................................................................................................. 114
CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH ............................... 115
5.1. Các kết quả đạt được................................................................................... 115
5.2. Phân loại các ngân hàng thương mại cổ phần............................................. 119
5.3. Một số kiến nghị và hàm ý chính sách ......................................................... 120
KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO ..................................... 127
DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ ......................... 129
DANH MỤC TÀI LIỆU THAM KHẢO............................................................... 130
PHỤ LỤC ............................................................................................................... 137


DANH MỤC TỪ VIẾT TẮT
Tên viết tắt

Tên tiếng Việt

ANN
BCTC
CAMELS
CIC
CPI
DA
DT
DEA
FE
IMF
LA

Mạng nơron
Báo cáo tài chính
Mô hình CAMELS
Trung tâm Thông tin tín dụng Ngân hàng Nhà nước
Chỉ số giá tiêu dùng
Phân tích phân biệt
Cây quyết định
Phân tích đường bao dữ liệu (Data envelopment analysis)
Tác động cố định
Quỹ tiền tệ quốc tế
Hồi quy Logistic
Cục Quản lý các tổ hợp tín dụng quốc gia Mỹ (National Credit
Union Administration)
Ngân hàng
Ngân hàng Nhà nước
Ngân hàng thương mại
Ngân hàng thương mại cổ phần
Tỷ lệ nợ xấu

Ngân sách Nhà nước
Hồi quy Probit
Tác động ngẫu nhiên
Thu nhập ròng/ Tổng tài sản
Thu nhập ròng/ Vốn chủ sở hữu
Phần mềm thống kê Stata
Tổng tài sản
Tổ chức tín dụng
Mô hình phân tích đặc điểm
Vốn chủ sở hữu
Việt Nam đồng
Vốn tự có
Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam
Xếp hạng tín dụng

NCUA
NH
NHNN
NHTM
NHTMCP
NPL
NSNN
PA
RE
ROA
ROE
STATA
TA
TCTD
TR

VCSH
VNĐ
VTC
VAMC
XHTD


BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG
BIDV

Ngân hàng thương mại cổ phần Đầu tư và Phát triển

GP bank

Ngân hàng thương mại cổ phần dầu khí Việt Nam

MHB

Ngân hàng phát triển nhà đồng bằng sông Cửu Long

Oceanbank

Ngân hàng thương mại cổ phần Đại Dương

SCB

Ngân hàng thương mại cổ phần Sài Gòn SCB

Vietcombank

Ngân hàng thương mại cổ phần Ngoại thương Việt Nam

Vietinbank

Ngân hàng thương mại cổ phần Công Thương Việt Nam

Westernbank

Ngân hàng thương mại cổ phần Phương Tây


DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH
Bảng biểu:
Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình............................................ 7
Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver ........................ 10
Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980) ................................ 15
Bảng 1.4: Tóm tắt một số nghiên cứu cảnh báo vỡ nợ, vỡ nợ NH trên thế giới........... 19
Bảng 1.5: Một số định nghĩa sử dụng trong các nghiên cứu cảnh báo vỡ nợ .............. 21
Bảng 1.6: Bảng tổng hợp một số biến sử dụng trong cảnh báo vỡ nợ ......................... 22
Bảng 1.7: Các nhân tố tác động tới nợ xấu ................................................................. 24
Bảng 1.8: Một số nghiên cứu vỡ nợ, vỡ nợ ngân hàng ở Việt Nam ............................ 29
Bảng 2.1: Các chỉ tiêu trong mô hình CAMEL .......................................................... 47
Bảng 3.1: Hoạt động xuất nhập khẩu hàng hóa (triệu USD) ....................................... 63
Bảng 3.2: Thu chi và cân đối ngân sách nhà nước (tỷ đồng và %).............................. 64
Bảng 3.3: Diễn biến các mức lãi suất điều hành của NHNN giai đoạn 2010-2015 ..... 65
Bảng 3.4: Diễn biến biên độ giao dịch tỷ giá VND/USD ........................................... 66
Bảng 3.5: Nghiệp vụ thị trường mở giai đoạn 2011-2015........................................... 67
Bảng 3.6: Số lượng các ngân hàng thương mại giai đoạn 2009-2015 ......................... 69
Bảng 3.7: Quy định về mức vốn pháp định của các ngân hàng ................................... 70
Bảng 3.8: Các chỉ tiêu an toàn vốn ............................................................................. 70

Bảng 3.9: So sánh tỷ lệ an toàn vốn của các NH Việt Nam và NH một số quốc gia
trong khu vực............................................................................................................. 71
Bảng 3.10: VCSH, TA của một số định chế tài chính lớn trong khu vực Asean năm 2014 .... 73
Bảng 3.11: Chỉ tiêu ROA, ROE của một số định chế tài chính lớn trong khu vực
Asean năm 2012- 2014 .............................................................................................. 74
Bảng 3.12: Các chỉ tiêu đo lường khả năng sinh lời, hiệu quả quản lý........................ 74
Bảng 3.13: Các chỉ tiêu đo lường khả năng thanh khoản ............................................ 77
Bảng 3.14: Các chỉ tiêu đo lường chất lượng tài sản, mức độ thâm hụt ...................... 78
Bảng 3.15: Tỷ lệ nợ xấu các NHTM Việt Nam giai đoạn 2009 -2015 ........................ 80
Bảng 3.16: Tỷ lệ nợ xấu của một số nước trong khu vực............................................ 80
Bảng 3.17: Một số ngân hàng yếu kém điển hình ....................................................... 86
Bảng 4.1: Số lượng các ngân hàng trong nghiên cứu.................................................. 88
Bảng 4.2: Các biến đầu vào /đầu ra lựa chọn ............................................................. 89


Bảng 4.3: Thống kê mô tả của các biến đầu vào/đầu ra mô hình DEA ....................... 90
Bảng 4.4: Kết quả ước lượng hiệu quả kĩ thuật (TE) của các NHTMCP giai đoạn 2010-2015 .. 91
Bảng 4.5: Tiêu chí phân nhóm hiệu quả (HQ) các NHTMCP giai đoạn 2010-2014 ... 91
Bảng 4.6: Các biến vĩ mô trong nghiên cứu ............................................................... 93
Bảng 4.7: Danh mục các biến dự báo trong luận án ................................................... 94
Bảng 4.8: Thống kê mô tả các biến vĩ mô trong nghiên cứu ....................................... 97
Bảng 4.9: Các biến nghiên cứu và hệ số tương quan với biến phụ thuộc ................... 98
Bảng 4.10: Thống kê mô tả các biến trong nghiên cứu ............................................... 99
Bảng 4.11: Hệ số tương quan giữa các biến độc lập nhóm 1, nhóm 3 ....................... 101
Bảng 4.12: Kết quả kiểm định Hausman .................................................................. 102
Bảng 4.13: Kết quả hồi quy ..................................................................................... 102
Bảng 4.14: Mã code của chương trình...................................................................... 103
Bảng 4.15: Hệ số chặn của các ngân hàng ................................................................ 104
Bảng 4.16: Hiệu suất phân loại của mô hình LA ...................................................... 105
Bảng 4.17: Phân tích một số quan sát....................................................................... 106

Bảng 4.18: Các thông số của mạng nơ ron ............................................................... 108
Bảng 4.19: Hiệu suất của mạng nơron...................................................................... 108
Bảng 4.20: Hiệu suất phân loại của mô hình ANN ................................................... 109
Bảng 4.21: Thuật toán J48 ....................................................................................... 110
Bảng 4.22: Kết quả của cây quyết định .................................................................... 111
Bảng 4.23: Các biến xây dựng cây quyết định ......................................................... 111
Bảng 4.24: Hiệu suất mô hình cây quyết định .......................................................... 113
Bảng 5.1: Tác động biên của các biến đến xác suất vỡ nợ p ..................................... 116
Bảng 5.2: Tổng hợp các quan sát có kết quả dự báo khác nhau trong các mô hình .. 117
Bảng 5.3: Hiệu suất của ba mô hình ở mẫu 114 quan sát.......................................... 118
Bảng 5.4: Hiệu suất các mô hình.............................................................................. 118
Bảng 5.5: Xác suất vỡ nợ và các mức XHTD của KMV .......................................... 119
Bảng 5.6: Tiêu chuẩn xếp loại các NHTMCP .......................................................... 120
Bảng 5.7: Bảng so sánh kết quả xếp loại .................................................................. 120


Biểu đồ:
Biểu đồ 3.1: Tốc độ tăng trưởng GDP giai đoạn 2009-2015 (%) ................................ 61
Biểu đồ 3.2: Tỷ lệ lạm phát thời kỳ 2009-2015 .......................................................... 62
Biểu đồ 3.3: Tăng trưởng GDP, tăng trưởng tín dụng, tỷ lệ nợ xấu ............................ 65
Biểu đồ 3.4: Các tỷ lệ nhóm an toàn vốn.................................................................... 72
Biểu đồ 3.5: Các chỉ tiêu nhóm khả năng sinh lời ...................................................... 75
Biểu đồ 3.6: Tăng trưởng tín dụng giai đoạn 2010-2014 ............................................ 76
Biểu đồ 3.7: Các chỉ tiêu nhóm khả năng thanh khoản ............................................... 77
Biểu đồ 3.8: Các chỉ tiêu chất lượng tài sản, mức độ thâm hụt ................................... 79
Biểu đồ 3.9: Tỷ lệ nợ xấu của các NHTMCP Việt Nam giai đoạn 2010-2015 ............ 80
Biểu đồ 4.1: Số lượng ngân hàng có/không có nguy cơ vỡ nợ cao ............................. 92

Hình:
Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ................................ 8

Hình 2.1: Nơron nhân tạo .......................................................................................... 53
Hình 2.2: Sơ đồ cây quyết định dạng đơn giản ........................................................... 55
Hình 2.3: Đường bao dữ liệu (DEA) .......................................................................... 57
Hình 2.4: Khung nghiên cứu ...................................................................................... 59
Hình 4.1: Đồ thị các biến e2, e4 ............................................................................... 100
Hình 4.2: Đồ thị các biến d3, a2, a3 ......................................................................... 100
Hình 4.3: Mạng nơ ron với 10 nút ẩn ....................................................................... 108
Hình 4.4: Cây quyết định ......................................................................................... 112


MỞ ĐẦU
1. Tính cấp thiết của đề tài
Hệ thống ngân hàng đóng vai trò quan trọng đối với nền kinh tế, nó được coi
là “hệ thống huyết mạch” của cả nền kinh tế. Tuy nhiên hoạt động ngân hàng cũng
luôn chứa đựng nhiều rủi ro, rủi ro là một yếu tố không thể tách rời quá trình hoạt
động của các ngân hàng thương mại trên thị trường. Rủi ro vỡ nợ ngân hàng có thể
gây ra những tổn thất to lớn cho nền kinh tế hơn bất cứ rủi ro của các loại hình doanh
nghiệp nào khác và chi phí cho việc khắc phục hậu quả là rất lớn. Cảnh báo sớm rủi
ro vỡ nợ sẽ góp phần quan trọng ngăn chặn nguy cơ đổ vỡ của các ngân hàng, giảm
thiểu tổn thất cho người gửi tiền, cho ngân hàng, cho các tổ chức bảo hiểm tiền gửi
và nền kinh tế. Khi một ngân hàng yếu kém bị vỡ nợ nó có thể sẽ tạo ra sự đổ vỡ dây
truyền trong hệ thống và ảnh hưởng nghiêm trọng đến sự phát triển lành mạnh, bền
vững của hệ thống ngân hàng. Do đó việc phát hiện sớm các ngân hàng gặp khó
khăn, có nguy cơ vỡ nợ cao cũng có ý nghĩa đặc biệt quan trọng đối với những cơ
quan quản lý trong việc ngăn chặn khủng hoảng hệ thống ngân hàng, giữ vững sự ổn
định của thị trường tài chính, ổn định kinh tế vĩ mô.
Hệ thống các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam bắt đầu
xuất hiện vào những năm cuối của thập niên 80 của thế kỷ XX và phát triển mạnh
trong giai đoạn 1991-1996, tiếp theo là giai đoạn 2006-2010. Sự phát triển mạnh mẽ
về mọi mặt của hệ thống ngân hàng đã góp phần quan trọng vào sự phát triển kinh tế

đất nước. Tuy nhiên, bên cạnh những thành tựu đạt được thì hệ thống ngân hàng
thương mại cổ phần cũng đang bộc lộ nhiều hạn chế, yếu kém, nhiều NHTMCP đã
lâm vào tình trạng mất khả năng thanh toán vào cuối năm 2011. Đó là lý do chính
cho sự ra đời của Đề án Cơ cấu lại hệ thống tổ chức tín dụng (TCTD) giai đoạn
2011-2015. Nghị quyết Hội nghị Trung ương 3 (khoá XI) khẳng định: “Một trong ba
trọng tâm tái cấu trúc kinh tế là cơ cấu lại hệ thống tài chính, trong đó trọng tâm là
cơ cấu lại hệ thống ngân hàng”. Để tái cơ cấu hệ thống ngân hàng thành công thì việc
quan trọng đầu tiên cần làm là phân loại, nhận diện chính xác các ngân hàng yếu kém
có nguy cơ vỡ nợ cao.
Cho đến nay trên thế giới đã có nhiều lý thuyết và mô hình về cảnh báo vỡ nợ,
khủng hoảng như: phân tích phân biệt đơn biến, mô hình phân tích phân biệt đa biến
(MDA), mô hình Logit (LA), Probit (PA),… Gần đây các phương pháp, mô hình
1


thuộc nhánh sử dụng các kỹ thuật thông minh như mạng nơron (ANN), cây quyết
định (DT), mô hình nhận dạng các đặc điểm (TR), thuật toán di truyền,... đã được
áp dụng trong nghiên cứu cảnh báo vỡ nợ và hứa hẹn nhiều kết quả tốt. Các nghiên
cứu cũng cho thấy mỗi phương pháp, mô hình đều có những ưu, khuyết điểm riêng
và ngay trong một mô hình khi áp dụng ở các quốc gia khác nhau, các khu vực khác
nhau cũng có các biến thể khác nhau, điều đó phụ thuộc vào điều kiện kinh tế của
mỗi quốc gia, mỗi khu vực. Đã có nhiều mô hình được xây dựng với sự trợ giúp
của công nghệ máy tính tiên tiến nhằm giải thích nguyên nhân cũng như dự báo,
ngăn ngừa vỡ nợ, khủng hoảng. Tuy nhiên trên thực tế vẫn xảy ra các cuộc vỡ nợ
các ngân hàng, các tổ chức tài chính với quy mô và ảnh hưởng ngày càng lớn mà
người ta không dự báo được, do vậy việc xây dựng các mô hình cảnh báo vỡ nợ vẫn
luôn cần được quan tâm, bổ sung, hoàn thiện. Những biến động rất lớn về kinh tế xã hội, tính không dự báo được của các sự kiện tự nhiên, kinh tế xã hội làm cho
việc sử dụng các phương pháp truyền thống, phương pháp hiện tại nhiều trường hợp
không còn phù hợp nữa.
Xuất phát từ các lý do trên, nghiên cứu sinh chọn đề tài: “Xây dựng mô hình

cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam” làm
luận án tiến sỹ kinh tế (chuyên ngành Toán kinh tế) để góp phần giải quyết một vấn
đề mà lý luận và thực tiễn đang đặt ra.
2. Mục đích nghiên cứu của luận án
Mục đích nghiên cứu của luận án là
- Xây dựng và lựa chọn hệ thống các chỉ tiêu sử dụng trong việc đánh giá nguy
cơ vỡ nợ của các NHTMCP.
- Xây dựng mô hình thực nghiệm cảnh báo nguy cơ vỡ nợ của các NHTMCP
Việt Nam.
- Đề xuất một số giải pháp nhằm hạn chế nguy cơ vỡ nợ của các NHTMCP
Việt Nam.
Câu hỏi nghiên cứu:
- Trong điều kiện của Việt Nam, những nhân tố nào có thể đặc trưng cho khả
năng vỡ nợ của ngân hàng; các nhân tố, các chỉ tiêu nào ảnh hưởng và ảnh hưởng như
thế nào tới nguy cơ vỡ nợ của các NHTMCP Việt Nam?
2


- Các ngân hàng có các đặc thù riêng ảnh hưởng đến khả năng vỡ nợ, sự khác
biệt này giữa các ngân hàng được xác định như thế nào?
- Phương pháp, mô hình nào nên đề xuất áp dụng cho các NHTMCP Việt Nam?
- Hàm ý về chính sách rút ra từ mô hình?
3. Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu
Đối tượng nghiên cứu của luận án là nguy cơ vỡ nợ, mô hình xác định nguy cơ
vỡ nợ của các NHTMCP Việt Nam.
- Phạm vi nghiên cứu
Luận án nghiên cứu về các NHTMCP Việt Nam gồm 35 NHTMCP trong
đó bao gồm cả các NHTMCP mà Nhà nước nắm cổ phần chi phối như BIDV,
MHB, Vietcombank, Vietinbank. Khoảng thời gian nghiên cứu là từ năm 2010

đến năm 2015.
4. Phương pháp nghiên cứu
Để phù hợp với nội dung, yêu cầu và mục đích nghiên cứu đã đặt ra, luận án sử
dụng phương pháp phân tích định lượng và phân tích định tính. Một số mô hình được sử
dụng là mô hình hồi quy Logit với dữ liệu mảng, mô hình mạng nơ ron và cây quyết định
để xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam.
Luận án sử dụng các số liệu được thu thập từ các báo cáo của NHNN, các báo
cáo tài chính đã được kiểm toán của các NHTMCP thời kỳ 2010-2015.
5. Ý nghĩa khoa học và thực tiễn của luận án
- Luận án xây dựng cơ sở lý luận cho mô hình cảnh báo nguy cơ vỡ nợ các
NHTMCP.
- Luận án xây dựng, lựa chọn hệ thống các chỉ tiêu sử dụng trong cảnh báo vỡ
nợ ngân hàng. Xác định được các nhân tố, các chỉ tiêu ảnh hưởng tới nguy cơ vỡ nợ
của các NHTMCP.
- Lượng hóa tính đặc thù của từng ngân hàng ảnh hưởng tới khả năng vỡ nợ.
- Xây dựng được mô hình cảnh báo vỡ nợ cho các NHTMCP.
- Đề xuất một số giải pháp giảm nguy cơ vỡ nợ cho các NHTMCP dựa trên các
phân tích của luận án.
3


6. Bố cục của luận án
Ngoài phần mở đầu, kết luận, phụ lục, bảng biểu và danh mục tài liệu tham
khảo, nội dung luận án được chia làm 5 chương như sau:
Chương 1: Tổng quan các nghiên cứu về vỡ nợ ngân hàng
Chương 2: Cơ sở lý luận về vỡ nợ ngân hàng thương mại
Chương 3: Thực trạng hoạt động, nguy cơ vỡ nợ của các ngân hàng thương mại
cổ phần Việt Nam giai đoạn 2009-2015
Chương 4: Xây dựng mô hình cảnh báo nguy cơ vỡ nợ các NHTMCP Việt Nam.
Chương 5: Kết luận và kiến nghị chính sách.

4


CHƯƠNG 1
TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG
Chương 1, luận án trình bày khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại.
Qua việc tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng tiêu biểu trên thế giới và ở
Việt Nam, tác giả cũng chỉ ra khoảng trống nghiên cứu và đề ra mục tiêu nghiên cứu.

1.1. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại
Hiện tượng “phá sản” hay “vỡ nợ” đã có từ lâu nhưng nó được nói đến nhiều
trong nền kinh tế thị trường. Trong nền kinh tế thị trường các doanh nghiệp phải cạnh
tranh khốc liệt với nhau, các doanh nghiệp kinh doanh hiệu quả tồn tại và phát triển
còn các doanh nghiệp làm ăn kém hiệu quả, thua lỗ, không thể thanh toán các nghĩa vụ
tài chính thì vỡ nợ, phá sản. Sự vỡ nợ của doanh nghiệp dẫn đến sự xung đột lợi ích
của các chủ thể tham gia vào các quan hệ kinh tế. Việc xác định rõ khái niệm này là cơ
sở để Nhà nước, các chủ thể trong nền kinh tế có thể can thiệp một cách có ý thức vào
hiện tượng này nhằm hạn chế tối đa những hậu quả tiêu cực và khai thác những mặt
tích cực của nó.
Theo từ điển Tiếng Việt của Viện ngôn ngữ (1988, tr.790) viết rằng “ phá sản là
lâm vào tình trạng tài sản chẳng còn gì, và thường là vỡ nợ, do kinh doanh bị thua lỗ,
thất bại; vỡ nợ là tình trạng doanh nghiệp, cá nhân lâm vào tình trạng bị thua lỗ, thất
bại liên tiếp trong kinh doanh, phải bán tài sản để trang trải công nợ, mà cũng có thể
không trang trải được hết”. Trong luận án này tác giả sử dụng thuật ngữ ‘vỡ nợ’.
Theo hiệp ước Basell II (2008), nguy cơ vỡ nợ được xem như sự kiện hoặc
sự cố liên quan đến những chủ thể vay, khi ít nhất một trong các khả năng sau đây
xảy ra:
- Không có khả năng thực hiện nghĩa vụ trả nợ khi đến thời hạn hoàn trả hay là
tình trạng mất khả năng thanh toán nợ đến hạn, bao gồm vốn vay và tiền lãi phải trả.

- Không có khả năng thực hiện nghĩa vụ tín dụng khi quá hạn trên 90 ngày.
- Giá trị tài sản nhỏ hơn vốn vay.
Dưới giác độ pháp lý theo văn bản luật mới nhất, luật phá sản số 51/2014/QH13
ngày 19/6/2014 quy định: “ Vỡ nợ là tình trạng của doanh nghiệp, hợp tác xã mất khả
năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố vỡ nợ”, luật cũng chỉ rõ:
“Doanh nghiệp, hợp tác xã mất khả năng thanh toán là doanh nghiệp, hợp tác xã không
thực hiện nghĩa vụ thanh toán khoản nợ trong thời hạn 03 tháng kể từ ngày đến hạn
5


thanh toán”. Luật phá sản số 51/2014/QH được xem là văn bản pháp lý đầy đủ nhất về
phá sản, vỡ nợ doanh nghiệp.
Vỡ nợ ngân hàng thương mại
Về mặt kỹ thuật, vỡ nợ ngân hàng là một tình trạng trong đó một NH không
thể đáp ứng được trách nhiệm thanh toán cho những người gửi tiền và không có đủ
khoản tiền dự trữ theo như đòi hỏi phải có (Mishkin, 1999, tr.270). Do tính chất quan
trọng của các TCTD trong đó có ngân hàng đối với nền kinh tế nên việc vỡ nợ của
TCTD được quy định riêng ở mục 2, điều 155 của Luật các TCTD số 47/2010/QH12
ra ngày 16/6/2010 nêu rõ “Sau khi NHNN có văn bản chấm dứt kiểm soát đặc biệt
hoặc văn bản chấm dứt áp dụng hoặc văn bản không áp dụng các biện pháp phục hồi
khả năng thanh toán mà TCTD vẫn lâm vào tình trạng vỡ nợ thì TCTD đó phải làm
đơn yêu cầu toà án mở thủ tục giải quyết yêu cầu tuyên bố vỡ nợ theo quy định của
pháp luật về vỡ nợ”. Cũng theo điều 146 chương VIII, luật các TCTD 2010, mục
kiểm soát đặc biệt, tổ chức lại, phá sản, giải thể, thanh lý TCTD có nêu: “NHNN
xem xét, đặt các TCTD vào tình trạng kiểm soát đặc biệt khi TCTD lâm vào một
trong các trường hợp sau
+ Có nguy cơ mất khả năng chi trả.
+ Nợ không có khả năng thu hồi có nguy cơ dẫn đến mất khả năng thanh toán.
+ Khi số lỗ lũy kế của TCTD lớn hơn 50% giá trị thực của vốn điều lệ và các
quỹ dự trữ ghi trong báo cáo tài chính đã được kiểm toán gần nhất.

+ Hai năm liên tục bị xếp hạng yếu kém theo quy định của NHNN.
+ Không duy trì được tỷ lệ đảm bảo an toàn vốn tối thiểu quy định tại điểm b,
khoản 1 Điều 130 của luật Này trong thời gian một năm liên tục”.
Như vậy việc vỡ nợ của các TCTD, các ngân hàng ở Việt Nam được quy định
và giám sát rất chặt chẽ.
Hậu quả của vỡ nợ ngân hàng
Sự vỡ nợ của các NHTM gây ra sự mất vốn của các cổ đông ngân hàng, sự tổn
thất cho người gửi tiền (nếu không được chi trả bảo hiểm tiền gửi đầy đủ), nếu qui mô
vỡ nợ lớn hơn nó có thể tạo phản ứng đổ vỡ dây chuyền hệ thống NH, kéo theo khủng
hoảng tài chính. Hậu quả của nó rất dai dẳng gây ra suy thoái kinh tế và làm kiệt quệ
nguồn vốn đầu tư nhất là ở các nước đang phát triển (Lê Khương Ninh, 2015). Ví dụ
điển hình là chi phí khắc phục hậu quả của cuộc khủng hoảng tài chính Châu Á năm
6


1997 (bắt nguồn từ cuộc khủng hoảng ngân hàng và tiền tệ) lên tới 200 tỷ đô-la Mỹ,
trong đó người gửi tiền và Chính phủ gánh chịu. Trong lịch sử đã xảy ra nhiều vụ vỡ
nợ các ngân hàng lớn trên thế giới. Bảng 1.1 nêu một số cuộc khủng hoảng ngân hàng
điển hình từ năm 1980.
Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình
TT

Địa bàn

Sự kiện

Nguyên nhân

1

Châu Mỹ
La-tinh

Hơn 70 ngân hàng bị giải thể hoặc cần
cứu trợ. Quốc hữu hoá ngân hàng quy
mô lớn diễn ra ở Mexico, Uruguay,
Chile và Peru.

Lãi suất giảm và chính
sách tiền tệ thắt chặt ở Hoa
Kỳ, cùng với sự xấu đi của
môi trường kinh tế vĩ mô
trong nước.

(1980-1983)

Hoa Kỳ
(1988-1992)

1300 ngân hàng vỡ nợ. Chi phí Bùng nổ thị trường bất
khắc phục là 180 tỷ đô-la Mỹ (khoảng động sản cùng việc gỡ bỏ
3% GDP).
một số quy định đối với
lĩnh vực tài chính khiến
các TCTD thực hiện các
khoản cho vay quá rủi ro.

2

Hoa Kỳ

(2007-2009)

Khủng hoảng tự dẫn đến vấn đề thanh
khoản ở hệ thống ngân hàng do nhu
cầu đối với các loại chứng khoán phái
sinh giảm sâu. Các loại tài sản tài
chính khó định giá bị mất giá do áp
dụng các quy định kế toán mới.

3

Phần Lan, Na Chính phủ kiểm soát ba ngân hàng lớn Tự do tài chính dẫn đến
Uy và Thụy chiếm đến 31% tổng lượng tiền gửi.
bùng nổ cho vay, cùng với
Điển (1991)
lãi suất tăng ở Đức nên
chất lượng các khoản cho
vay không thể kiểm soát.

4

Khủng hoảng Khủng hoảng ngân hàng và tiền tệ. Nợ
tài chính Châu xấu tăng đột biến ở Thái Lan, Hàn
Á (1997)
Quốc, Indonesia, Philippines và
Malaysia, dẫn tới nhiều vụ sáp nhập
các NH.

Bùng nổ bong bong nhà
đất khiến cho thị trường

cho vay sụp đổ, làm cho
nhu cầu đối với các loại
chứng khoán phái sinh
giảm sâu.

Sự mở rộng thị trường vốn
quốc tế, cùng sự định giá
quá cao đồng nội tệ dẫn
đến việc vay và cho vay
quá mức.

Nguồn: Amri và Kocher (2012)
7


1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới
Nghiên cứu dự báo vỡ nợ công ty là một chủ đề quan trọng và được quan tâm rộng
rãi, đã có nhiều mô hình dự báo vỡ nợ phát triển dựa trên các lý thuyết khác nhau. Dự
báo vỡ nợ gắn liền với thuật ngữ cảnh báo sớm được hiểu là hoạt động nhận biết nguy
cơ vỡ nợ của một chủ thể trong tương lai từ các chỉ báo trong hiện tại. Cơ sở cho việc dự
báo vỡ nợ là việc phân tích mối quan hệ giữa vỡ nợ doanh nghiệp với các chỉ số tài
chính được thể hiện trên các báo cáo liên quan đến doanh nghiệp. Lý luận này đưa ra bởi
tác giả Fitzpatrick (1934) và được hoàn thiện trong các nghiên cứu sau đó như của
Atlman (1968, 1983, 1993).

1.2.1. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu
Khi nghiên cứu về các mô hình cảnh báo vỡ nợ người ta thường chia ra các loại
mô hình:
- Các mô hình, phương pháp thống kê chứa tham số: phân tích đơn biến, phân
tích phân biệt đa biến, mô hình Logit, Probit, phân tích sống sót,...

- Các mô hình phi tham số: mạng nơron nhân tạo, học máy, cây quyết định, mô
hình nhận dạng đặc điểm, thuật toán di truyền,...
Hình 1.1: Mô tả các mô hình thường được sử dụng trong nghiên cứu cảnh báo vỡ nợ.
Dự báo vỡ nợ

Mô hình thống kê

UDA

LA, PA

MDA

Các mô hình phi tham số

Mạng
Nơ ron

Cây
quyết
định

Phân tích
đặc điểm

Thuật toán Máy hỗ
di truyền trợ véc tơ

Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ
Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; LAmô hình Logit; PA- mô hình Probit.

8


a) Nhóm mô hình thống kê: phân tích đơn biến, phân tích phân biệt đa biến, mô
hình Logit, Probit.
Nghiên cứu sử dụng phân tích phân biệt đơn biến: Nội dung chính của phân
tích đơn biến trong nghiên cứu cảnh báo vỡ nợ là xem xét các nhân tố đơn lẻ và so
sánh các nhân tố giữa hai nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, nếu các
nhân tố tài chính cho thấy các dấu hiệu khác nhau giữa hai nhóm vỡ nợ và không vỡ
nợ thì chúng được sử dụng như các biến dự báo.
Vụ nghiên cứu chính sách và thương mại Mỹ (1930) công bố tập san các kết quả
nghiên cứu trong cuốn ‘ Một phân tích, kiểm tra các công ty công nghiệp vỡ nợ ’. Nghiên
cứu đã phân tích 24 nhân tố của 29 công ty để xác định những tính chất chung của nhóm
công ty bị vỡ nợ. Trung bình của các nhân tố được xác định dựa trên số liệu các nhân tố
của 29 công ty. Các nhân tố của mỗi công ty được so sánh với trung bình của các nhân tố
tương ứng để chỉ ra tính chất hoặc xu hướng của công ty. Các nghiên cứu tìm ra 8 nhân tố
để xem xét như các chỉ báo tốt về tình trạng suy yếu của một công ty. Những nhân tố đó là
vốn lưu động/tổng tài sản, thặng dư và dự trữ/tổng tài sản, tài sản dòng cố định, tài sản cố
định/tổng tài sản, tỷ suất khả năng thanh toán, lợi nhuận dòng/ tổng tài sản, doanh
thu/tổng tài sản, và tiền mặt/tổng tài sản. Nghiên cứu cũng chỉ ra rằng vốn lưu động/tổng
tài sản là chỉ báo tốt hơn tỷ suất khả năng thanh toán mặc dù trên thực tế cả hai đều là các
chỉ báo tốt cho dự báo vỡ nợ. Nghiên cứu theo hướng này còn có các nghiên cứu của
FitzPatrick (1932), Smith và Winakor (1935), Merwin (1942),...
Một nghiên cứu sử dụng phân tích đơn biến tiêu biểu, được tham khảo rộng rãi
là nghiên cứu của tác giả Beaver công bố năm 1966. Trong nghiên cứu của mình, khác
những nghiên cứu trước, Beaver sử dụng định nghĩa rộng hơn về vỡ nợ, một công ty
được xem là vỡ nợ nếu nó có các biểu hiện vỡ nợ trái phiếu (khế ước), rút tiền quá
mức tài khoản ngân hàng, hoặc mất khả năng thanh toán các nghĩa vụ tài chính. Sự mở

rộng của định nghĩa dường như không có bất cứ ảnh hưởng gì nhiều đến các kết quả.
Dữ liệu sử dụng của 79 công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành. Ông
tách mẫu thành hai nhóm: nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, sau đó
tiến hành so sánh khả năng phân nhóm công ty vỡ nợ và công ty không vỡ nợ của các
chỉ số đơn biến. Ông sử dụng 30 chỉ số tài chính và phân chúng thành 6 nhóm chỉ số,
các chỉ số liên quan đến tỷ suất lợi nhuận, cấu trúc tài sản, các chỉ số liên quan đến
việc chi trả cổ tức ưu đãi, thấu chi tài khoản ngân hàng, khả năng chi trả lãi trái
phiếu. Ông so sánh trị số trung bình của 30 chỉ số ứng với hai nhóm công ty vỡ nợ
và không vỡ nợ. Kết quả từ 30 chỉ số ban đầu ông lựa chọn được 6 chỉ số lần lượt
thuộc 6 nhóm. Trong nghiên cứu Beaver (1966) tính được điểm cắt cho mỗi chỉ số
9


dựa trên việc tính toán các lỗi loại I, lỗi loại II từ mẫu. Những điểm cắt này thu
được từ dữ liệu gốc và chúng lại được sử dụng phân nhóm các công ty nằm ngoài
mẫu. Kết quả ông tìm thấy các chỉ số dự báo tốt nhất gồm có: luồng tiền mặt/ tổng
nợ (độ chính xác là 92% cho 1 năm trước vỡ nợ), tiếp theo là thu nhập dòng/doanh
thu (91%); thu nhập dòng /tổng tài sản; tổng nợ/ tổng tài sản; vốn lưu động/ tổng tài
sản (độ chính xác 90% cho mỗi chỉ số). Ông kết luận rằng sử dụng các nhân tố đơn
lẻ có thể dự báo vỡ nợ tốt cho khoảng thời gian 5 năm trước vỡ nợ. Trong những
gợi ý cho những nghiên cứu tiếp theo ông chỉ ra việc có thể tích hợp nhiều nhân tố
cùng một lúc nhằm nâng cao khả năng dự báo và bắt đầu xây dựng những mô hình
dự báo vỡ nợ. Những nghiên cứu đơn biến sử dụng kỹ thuật đơn giản và việc áp
dụng nhanh chóng thuận tiện do các điểm phân biệt đã được tính toán sẵn, hiệu suất
dự báo khá cao (độ chính xác lên tới 92% trong nghiên cứu của Beaver (1966)).
Những nghiên cứu phân tích đơn biến cũng rất quan trọng như một bước chuẩn bị nền
móng cho các mô hình dự báo vỡ nợ đa biến.
Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver
Biến số

Lưu chuyển tiền tệ thuần/ tổng nợ

Lợi nhuận ròng/ TA

Tổng nợ/ TA

Vốn lưu động / TA

Khả năng thanh toán hiện thời

Khoảng phi tín dụng

Số năm trước phá sản
Doanh nghiệp

1 năm

2 năm

3 năm

5 năm

Phá sản

0.03

0.05

0.1

0.11

Không phá sản

0.07

0.07

0.09

0.11

Phá sản

0.00

0.01

0.03

0.04

Không phá sản

0.02

0.02

0.03

0.03

Phá sản

0.57

0.51

0.53

0.57

Không phá sản

0.57

0.49

0.5

0.57

Phá sản

0.19

0.33

0.26

0.43

Không phá sản

0.27

0.28

0.26

0.29

Phá sản

1.6

2.3

2.3

2.8

Không phá sản

1.6

1.7

1.8

2.1

Phá sản

-0.04

0.03

0.01

0.04

Không phá sản

-0.04

-0.02

-0.01

-0.02

Nguồn: Beaver (1966)

Tuy nhiên phương pháp phân tích phân biệt đơn biến có một số nhược điểm
sau: Thứ nhất, phân nhóm công ty được đưa ra khi so sánh giá trị của một chỉ số so với
điểm cắt có thể bị lầm lẫn, chẳng hạn một công ty có thể bị xét là vỡ nợ trên 1 nhân tố
10

đặc biệt này nhưng lại không vỡ nợ trên một nhân tố khác. Hoặc một nhân tố có khả
năng phân biệt tốt hai nhóm đối với loại hình doanh nghiệp này nhưng lại không có
khả năng phân biệt với một loại hình doanh nghiệp khác. Thứ hai, khi sử dụng phân
tích đơn biến các biến được xét riêng rẽ sẽ rất khó để đánh giá mức độ quan trọng của
từng biến, hơn nữa cách tiếp cận này sẽ không khai khác được thông tin chứa đựng
đồng thời trong các biến khác nhau. Cuối cùng là điểm cắt cho từng biến sử dụng để
phân loại được lựa chọn phụ thuộc rất lớn vào tỷ lệ phá sản trong mẫu nghiên cứu do
đó giảm tính khái quát.
Nghiên cứu sử dụng phân tích phân biệt đa biến:
Trước những nhược điểm của phương pháp phân tích đơn biến, nhiều nhà
nghiên cứu đã sử dụng phân tích phân biệt đa biến (MDA). Mục tiêu của MDA trong
nghiên cứu cảnh báo vỡ nợ là phân biệt giữa doanh nghiệp phá sản và doanh nghiệp
không phá sản một cách khách quan và chính xác nhất, bằng việc sử dụng hàm phân
biệt (Z-score) trong đó các biến số là các chỉ tiêu tài chính. Hàm phân biệt là tổ hợp
tuyến tính của các biến giúp phân biệt tốt nhất các nhóm, các cá thể trong mỗi nhóm
gần nhau nhất và các nhóm được phân biệt tốt nhất (xa nhau nhất).
Nghiên cứu tiêu biểu áp dụng phương pháp phân tích phân biệt đa biến là
nghiên cứu của tác giả Atlman (1968), ông xem xét ba câu hỏi:
(1) Các chỉ số nào quan trọng nhất trong việc phát hiện nguy cơ phá sản?
(2) Vai trò của các chỉ số hay trọng số của các chỉ số bằng bao nhiêu?
(3) Trọng số nên được thành lập khách quan như thế nào?
Ông sử dụng số liệu các doanh nghiệp ở Mỹ giai đoạn 1946-1965, gồm 66 công
ty với 33 công ty cho mỗi nhóm (vỡ nợ và không vỡ nợ). Ban đầu 22 chỉ số được chia
thành 5 nhóm (nhóm chỉ số khả năng thanh khoản, nhóm chỉ số lợi nhuận, đòn bẩy,
khả năng trả nợ, nhóm chỉ số hiệu quả hoạt động). Năm chỉ số cuối cùng được lựa
chọn cho dự báo vỡ nợ công ty thông qua quy trình sau đây:
(1) Quan sát ý nghĩa thống kê của các biến số khác nhau
(2) Đánh giá tương quan giữa các biến số có liên quan
(3) Quan sát độ chính xác của nhiều mô hình khác nhau

(4) Sử dụng đánh giá từ các chuyên gia khi hoàn thiện các hàm số.
Hàm phân biệt cho dự báo vỡ nợ trước 1 năm thu được như sau:
Z = 1 .2 X 1 + 1 .4 X 2 + 3 .3X 3 + 0.6 X 4 + 1 .0 X 5

Nguồn: Atlman (1968)
11


trong đó: X 1 = Vốn lưu động / tổng tài sản;
X2
X3
X4
X5

= Lợi nhuận chưa phân phối / tổng tài sản;
= Lợi nhuận trước thuế và lãi / tổng tài sản;
= Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;
= Hệ số doanh thu / tổng tài sản

Altman đã xác định được hai ngưỡng từ đó hình thành ba miền nhận định tình
hình tài chính của doanh nghiệp. Theo đó
+ Nếu Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
+ Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, doanh nghiệp không có
nguy cơ phá sản (khả năng gần như bằng 0).
+ Nếu 1.81 ≤ Z ≤ 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy
cơ phá sản.
Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho
doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ. Tuy nhiên khả năng
dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian
2 năm, 3 năm, 4 năm trước vỡ nợ.

Phân tích phân biệt đa biến của Altman năm 1968 là một mô hình có ảnh hưởng lớn
đến các nghiên cứu dự báo vỡ nợ trong nhiều năm. Các tác giả Balcaen và Ooghe (2006) đã
thảo luận rằng phần lớn các nghiên cứu trước năm 1980 đều phát triển dựa trên mô hình của
Atlman như các nghiên cứu của Deakin (1972), Blum (1974), Altman và Edward,
Haldeman, Narayanan (1977), Norton và Smith (1979), Karel và Prakash (1987),...
Hàm phân biệt Z được thiết lập dựa trên số liệu kết quả kinh doanh từ những
năm 60 trong thế kỷ trước của các doanh nghiệp tại Hoa Kỳ. Sự thay đổi của thời gian
và không gian nghiên cứu, các quan sát trong mẫu của Altman không còn đảm bảo đại
diện cho thị trường, do đó giá trị ước lượng và các ngưỡng phân loại cũng không hoàn
toàn phù hợp. Điều này đòi hỏi các nhà nghiên cứu cần xây dựng mô hình Z phù hợp
cho doanh nghiệp mỗi quốc gia, mỗi loại hình doanh nghiệp kinh doanh trong từng
ngành cụ thể. Và cũng chính tác giả Atlman (1995) đã xây dựng mô hình dự báo vỡ nợ
mới cho các công ty hoạt động trong lĩnh vực dịch vụ. Trong mô hình mới Atlman đã
bỏ biến X 5 và thiết lập mô hình mới với 4 biến gồm X 1 = Vốn lưu động / tổng tài sản;
X2

= Lợi nhuận chưa phân phối / tổng tài sản; X 3 = Lợi nhuận trước thuế và lãi / tổng

tài sản; X 4 = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;
Z '' = 6.56 X 1 + 3 .26 X 2 + 6.72 X 3 + 1.05 X 4

Nguồn: Atlman (1995)
12


Trong nghiên cứu, Atlman đưa ra các ngưỡng để dự báo vỡ nợ cho các công ty, cụ thể:
Doanh nghiệp trong Doanh nghiệp trong Doanh nghiệp trong
vùng nguy hiểm
vùng cảnh báo
vùng an toàn

Z'' < 1.1

1.1 ≤ Z'' ≤ 2.6

Z'' > 2.6

Việc dự báo nguy cơ vỡ nợ của các doanh nghiệp trở nên đơn giản với việc
tính toán các chỉ tiêu trong mô hình, tính toán chỉ số Z’’ và so sánh với các ngưỡng để
xác định tình trạng của doanh nghiệp. Sau đó, E.I. Atlman tiếp tục biến đổi mô hình để
xây dựng hệ số Z’’ điều chỉnh = Z’’ + 3.25, do đó làm tăng độ rộng vùng cảnh báo.Với
thử nghiệm trên một mẫu gồm 700 doanh nghiệp, Ông đã chỉ ra sự tương đồng cao
giữa hệ số Z’’ điều chỉnh và hệ số tín nhiệm của S&P, do đó nghiên cứu đã cung cấp
thêm một phương pháp xếp hạng tín nhiệm bằng chỉ số Z’’ điều chỉnh (Atlman, 2003).
Gần đây năm 2001, nhiều doanh nghiệp Trung Quốc đã phá sản và nhiều nhà
kinh tế đã nghiên cứu về sự phá sản các doanh nghiệp Trung Quốc. Tác giả Ling
Zhang và cộng sự (2001) đã công bố mô hình Z-score. Mẫu nghiên cứu gồm các doanh
nghiệp niêm yết trên thị trường chứng khoán Trung Quốc. Mô hình này có hai chỉ số
mới, khác so với các mô hình của Altman đưa ra năm 1968. Kết quả hàm phân biệt
cho các doanh nghiệp Trung Quốc
ZChina=−8.751+6.3X1+ 0.761X6+ 1.295X21+ 0.412X23+0.015X24+ 0.105X31−21.164X32
Trong đó: X - Lợi nhuận/ tổng tài sản (ROA)
1

X - Dòng tiền mặt thuần từ các hoạt động sản xuất / trên tổng số cổ phiếu đang
6

giao dịch.
X - Logarit tài sản cố định
21

X - Tỷ lệ tăng doanh thu của các kinh doanh chính
23

X - Lợi nhuận chưa phân phối.
24

X - Giá trị thị trường của các cổ phiếu đang giao dịch /tổng nợ.
31

X - Giá trị sổ sách của tổng số cổ phiếu/Giá trị thị trường của chúng
32

Các tác giả cũng đưa ra các ngưỡng phân biệt, theo đó
+ Z > 0.71 - Vùng an toàn
+ -0.5 < Z < 0.71 - Vùng nghi ngờ
+ Z < - 0.5 - Vùng nguy cơ phá sản
13


Phương pháp phân tích phân biệt đa biến là một phương pháp được áp dụng nhiều
nhất trong các nghiên cứu cảnh báo vỡ nợ. Phương pháp này đã đưa vào xem xét nhiều
biến một cách đồng thời, xây dựng một chỉ số dự báo (Z-score) dựa trên nhiều chỉ số giúp
tránh những xung đột về dự báo như trong cách tiếp cận phân tích đơn biến, các biến
dự báo trở lên đa dạng và phong phú hơn do đó có thể làm giảm sai lầm loại I, loại II
(Holmen,1968). Mô hình MDA dễ sử dụng và có thể áp dụng cho các đối tượng khác
nhau, có thể áp dụng để phân loại các doanh nghiệp gặp khủng hoảng, chưa đến mức
phá sản (Bragg, 2002). Tuy nhiên phương pháp này cũng có những nhược điểm
nghiêm trọng liên quan đến các giả định cơ bản trong mô hình (giả thiết về phân phối
chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình

cũng như làm giảm khả năng áp dụng. Hơn nữa, các hệ số trong hàm phân biệt không
thể giải thích như các hệ số bêta trong các hồi quy khác. Cuối cùng theo một số tác giả
mô hình MDA bị phê phán là phương pháp phân tích ‘tĩnh’ (Shumway, 2002) nghĩa là
không tính đến các yếu tố kinh tế vĩ mô như tốc độ tăng trưởng GDP, lạm phát có thể
ảnh hưởng đến vỡ nợ các doanh nghiệp.
Mô hình xác suất điều kiện: Mô hình Logit (LA) và mô hình Probit (PA)
Mô hình Logit và mô hình Probit bắt đầu xuất hiện vào cuối năm 1970 và cho
đến những năm cuối 1980 nó đã trở lên phổ biến hơn phương pháp MDA. Mô hình
Logit và Probit đi vào tính xác suất phá sản của một công ty. Sự khác biệt giữa hai
mô hình Logit và Probit liên quan đến giả thiết về các nhiễu trong các mô hình. Mô
hình Logit giả định hạng nhiễu phân phối Logistic trong khi mô hình Probit giả định
hạng nhiễu phân phối chuẩn thông thường (Dimitras và cộng sự, 1996). Trong mô
hình Logit, Probit chỉ báo vỡ nợ là một biến nhị phân, tập các biến giải thích là các
chỉ số tài chính.
Tác giả Ohson (1980) đặt ra các câu hỏi về những hạn chế của kỹ thuật thống
kê mà mô hình MDA gặp phải và Ông đã sử dụng mô hình Logit thay thế mô hình
MDA để dự báo vỡ nợ công ty. Ohson chọn lựa 9 biến độc lập mà ông cho rằng sẽ
giúp ích cho dự báo vỡ nợ tuy nhiên ông lại không cung cấp lý thuyết giải thích cho
sự lựa chọn các biến này. Ông sử dụng số liệu của các công ty công nghiệp trong
khoảng thời gian 1970-1976 và được giao dịch trên thị trường cổ phiếu Mỹ ít nhất 3
năm. Nghiên cứu sử dụng số liệu của 105 công ty vỡ nợ và 2000 công ty không vỡ
nợ và tiến hành với 3 mô hình: mô hình 1 dự báo vỡ nợ cho khoảng thời gian 1 năm,
mô hình 2 dự báo vỡ nợ cho 2 năm và mô hình 3 dự báo vỡ nợ cho 1 năm hoặc 2
năm trước khi vỡ nợ. Kết quả dự báo của mô hình là khá chính xác, với sai lầm loại
I, loại II tương ứng là 17.4% và 12.4%. Nghiên cứu áp dụng mô hình LA còn có các
14


tác giả: Platt (1991), Smith và Lawrence (1995), Koundinya (2004), Prasad và cộng
sự (2005),….

Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980)
Biến

Mô tả

Dấu trong mô hình

X1

Ln(Tổng tài sản/ GNP)

-

X2

Tổng nợ / tổng tài sản

+

X3

Lưu chuyển tiền tệ/ tổng tài sản

-

X4

Hệ số nợ

+

X5

Bằng 1 nếu tổng nợ phải trả lớn hơn tổng tài sản, bằng
0 trong trường hợp ngược lại

+

X6

Lợi nhuận ròng/ tổng tài sản

-

X7

Vốn lưu động/ tổng nợ

-

X8

Bằng 1 nếu lỗ trong 2 năm liên tiếp, bằng 0 trong
trường hợp ngược lại

+

X9

( NIt − NIt −1 ) / ( NIt

-

+ NIt −1 ) NIt là lợi nhuận năm t

Nguồn: Ohlson (1980)
Tác giả Martin (1977) đã sử dụng mô hình Logit và phân tích phân biệt trong
dự báo phá sản của các ngân hàng trong giai đoạn 1970-1976. Tác giả sử dụng 25 chỉ
tiêu tài chính được đưa ra bởi các cơ quan giám sát ngân hàng Mỹ, các chỉ tiêu được
phân vào 4 nhóm (rủi ro tài sản, thanh khoản, an toàn vốn, lợi nhuận), tác giả sử dụng
biến phụ thuộc trễ từ 1 đến 2 năm. Kết quả nghiên cứu đã xây dựng 6 mô hình cho 6
năm, trong đó xác định 4 nhân tố và hiệu suất cao nhất là 92.3%.
Tác giả West (1985) đã sử dụng mô hình Logit kết hợp với phân tích nhân tố để
đo lường và mô tả đặc điểm tài chính và hoạt động của các NH. Dữ liệu được lấy từ
các báo cáo thu nhập, cũng như các báo cáo kiểm tra của 1900 ngân hàng thương mại
ở một số bang của Mỹ. Những nhân tố quan trọng được xác định bởi mô hình Logit
trong nghiên cứu cũng tương tự như các nhân tố sử dụng trong mô hình xếp hạng
CAMELS. Nghiên cứu cũng cho thấy sự kết hợp giữa phân tích nhân tố và Logit rất
hữu ích khi đánh giá hoạt động của ngân hàng.
15


Một nghiên cứu đáng chú ý là của Isabelle Distingguin và Amine Tarazi (2008),
nghiên cứu này sử dụng dữ liệu kế toán và thị trường để dự báo sự thay đổi xếp hạng
của một số ngân hàng các nước Đông Nam châu Á. Tác giả sử dụng một mô hình Logit
đa dấu hiệu và đã xác định được tập các chỉ số dự báo tối ưu. Bài viết cũng kiểm tra sự
ảnh hưởng có thể có của qui mô ngân hàng, các tính chất đặc trưng của các chỉ số cảnh
báo sớm. Nghiên cứu sử dụng dữ liệu mảng gồm 64 ngân hàng khu vực Đông Nam châu
Á gồm một số ngân hàng của các nước Hồng Kông, Hàn Quốc, Đài Loan, Singapore,
Malaysia, Thái Lan, Indonesia và Philippines trong khoảng thời gian từ năm 1999 đến

năm 2004, tập hợp các tỷ lệ kế toán trong nghiên cứu này lấy trong 4 nhóm CAEL, được
tính theo đơn vị năm. Biến phụ thuộc được xây dựng trên cơ sở kết quả xếp hạng của 3
tổ chức xếp hạng uy tín: Fitch, Moody’s, Standard và Poor’s. Kết quả chỉ ra rằng chỉ số
kế toán và thị trường là chỉ số hàng đầu hữu ích trong việc giải thích sự nâng hạng, hạ
hạng trong tương lai của các ngân hàng.
Tác giả Duclaux và Soupmo Badjio (2009) đã xây dựng mô hình dự báo những
NH gặp khó khăn cho các NH thuộc 6 nước khu vực miền trung châu Phi. Bài viết sử
dụng một mô hình Logit nhị phân để xây dựng một mô hình dự báo khó khăn của các
ngân hàng với đặc trưng miền trung châu Phi. Biến giải thích là một hỗn hợp của các chỉ
số tài chính, các yếu tố thể chế và văn hóa liên quan đến bối cảnh các nước này. Do hạn
chế về thông tin các ngân hàng gặp khó khăn nên nghiên cứu đã sử dụng định nghĩa
ngân hàng gặp khó khăn tài chính, biến phụ thuộc Y=1, nếu tỷ lệ khả năng thanh
toán/tổng tài sản rủi ro nhỏ hơn 8% và Y = 0 trong các trường hợp khác. Sự phân nhóm
ngân hàng theo cách này căn cứ trên tiêu chuẩn yêu cầu về vốn của hiệp ước vốn Basel
II. Trong số 12 biến sử dụng thì có 3 biến số có ý nghĩa thống kê.
Mô hình Logit, Probit có thể được dùng để đánh giá mức độ giải thích
của các biến độc lập, mô hình có thể xét đến các biến không thỏa mãn điều kiện
của mô hình MDA. Tuy nhiên các mô hình có các giả định về phân phối xác
suất, giả thiết không có hiện tượng đa cộng tuyến do đó làm giảm mức độ áp
dụng của mô hình.
b) Nhóm các mô hình phi tham số, sử dụng kỹ thuật thông minh: mạng nơ ron,
cây quyết định, thuật toán di truyền.
Mạng nơ ron đã được sử dụng trong nhiều lĩnh vực như y học, tự động
hóa,…và được áp dụng trong nghiên cứu cảnh báo vỡ nợ từ những năm 1990.
Mạng nơron nhân tạo là một mô phỏng quá trình xử lý thông tin, được nghiên cứu
dựa vào hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin. Các
16


tác giả Odom và Sharda (1990) là những người đầu tiên nghiên cứu dự báo vỡ nợ

sử dụng mạng nơ ron (ANN). Nghiên cứu của Odom sử dụng các chỉ số tương tự
như các chỉ số sử dụng bởi Altman năm 1968 và áp dụng với một mẫu của 65
công ty vỡ nợ và 64 công ty không vỡ nợ. Các mẫu đào tạo bao gồm 38 công ty
vỡ nợ và 36 công ty không vỡ nợ. Một mạng nơ ron với ba lớp, chứa 5 nút ẩn đã
được tạo ra. Mô hình của họ xác định chính xác tất cả các công ty vỡ nợ và không
vỡ nợ trong mẫu kiểm tra, so với độ chính xác 86.8% bởi mô hình MDA. Các
nghiên cứu sử dụng mạng nơ ron còn có Hawley, Johnson và Raina (1990); Boritz
và Kennedy (1995); Alam và cộng sự (2000); Celik và Karatepe (2007).
Tam và Kiang (1992) áp dụng mạng nơ ron, MDA, LA, cây quyết định với thuật
toán ID3 trong nghiên cứu dự báo vỡ nợ của các ngân hàng bang Texas, Mỹ, ông sử
dụng mẫu huấn luyện gồm 118 ngân hàng trong đó 59 ngân hàng vỡ nợ, 59 ngân hàng
không vỡ nợ. Nghiên cứu dựa vào các chỉ tiêu trong mô hình CAMELS để xây dựng 19
biến đầu vào. Kết quả thực nghiệm của nghiên cứu đã chỉ ra rằng mạng nơron (ANN) có
độ chính xác trong phân loại tốt hơn các mô hình MDA, LA, ID3. Các tác giả
Salchenberger, Cinar và Lash (1992) sử dụng ANN và mô hình Logit phân tích sự vỡ nợ
của các tổ chức tiết kiệm và cho vay, kết quả cho thấy ANN vượt trội so với mô hình
Logit qua các lần dẫn khác nhau. Ravi và Pramodh (2008) đã sử dụng mạng nơ ron để
dự báo vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha, trong đó có sử dụng 9
nhân tố tài chính cho các ngân hàng Thổ Nhĩ Kỳ và 12 nhân tố tài chính cho các ngân
hàng Tây Ban Nha. Mức độ chính xác của mô hình xây dựng là 96.6% cho tập số liệu
của Tây Ban Nha và 100% cho tập số liệu của Thổ Nhĩ Kỳ.
So với các mô hình LA, PA, MDA mô hình mạng nơ ron có thể áp dụng với các
loại dữ liệu không thỏa mãn các điều kiện về phân phối, phương sai, đa cộng tuyến.
Tuy nhiên mô hình mạng nơ ron khá phức tạp, cấu trúc của nó khó theo dõi, nằm
ngoài sự kiểm soát của người xây dựng mô hình.
Mô hình cây quyết định (DT) tạo một bộ quy tắc nếu–thì chia không gian
thuộc tính thành những phần nhỏ hơn, các nhóm đồng nhất hơn đối với một giá trị
cụ thể của biến mục tiêu. Các thuật toán khác nhau có thể được sử dụng để xây
dựng cây quyết định, chẳng hạn như quy tắc phân loại kết hợp với hồi quy, thuật
toán CHAID, thuật toán ID3, C4.5, C5.0, J48,... Cây quyết định đã được sử dụng

phổ biến cho các vấn đề phân loại, bởi vì quy tắc phân loại của nó là dễ hiểu và
tương tác cao. Một số nghiên cứu áp dụng mô hình cây quyết định có thể tham
khảo: Tam và Kiang (1992), Marais, Patell và Wolfson (1984), Frydman, Altman,
và Kao (1985), và Li, Sun và Wu (2010).
17