Ứng dụng mô hình phân tích sống sót trong đo lường rủi ro tín dụng khách hàng cá nhân tại ngân hàng TMCP ngoại thương việt nam tại TP HCM

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHAN XUÂN VINH

ỨNG DỤNG MÔ HÌNH PHÂN TÍCH SỐNG SÓT
TRONG ĐO LƯỜNG RỦI RO TÍN DỤNG
KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG
TMCP NGOẠI THƯƠNG
VIỆT NAM TẠI TPHCM

LUẬN VĂN THẠC SĨ KINH TẾ

TP. HỒ CHÍ MINH - NĂM 2017


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHAN XUÂN VINH

ỨNG DỤNG MÔ HÌNH PHÂN TÍCH SỐNG SÓT
TRONG ĐO LƯỜNG RỦI RO TÍN DỤNG
KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG
TMCP NGOẠI THƯƠNG
VIỆT NAM TẠI TPHCM
Chuyên ngành: Ngân hàng
Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN:
PGS.TS TRẦM THỊ XUÂN HƯƠNG

TP. HỒ CHÍ MINH - NĂM 2017


LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “Ứng dụng mô hình phân tích sống sót trong đo
lường rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Ngoại Thương Việt
Nam tại TPHCM’’ là công trình nghiên cứu của chính cá nhân tôi. Nội dung được
đúc kết từ quá trình học tập và các kết quả nghiên cứu thực tiễn trong thời gian qua.
Số liệu sử dụng là trung thực và có nguồn gốc trích dẫn rõ ràng. Luận văn được
thực hiện dưới sự hướng dẫn khoa học của PGS.TS Trầm Thị Xuân Hương–Giảng
viên Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh.
TP Hồ Chí Minh, ngày 29 tháng 9 năm 2017
Học viên

i


DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

Basel: Uỷ ban về giám sát ngân hàng
BIDV: Ngân hàng thương mại cổ phần Đầu Tư và Phát Triển Việt Nam
NH TMCP: Ngân hàng thương mại cổ phần
KM: mô hình Kaplan-Meier
Vietinbank: Ngân hàng thương mại cổ phần Công Thương Việt Nam
Vietcombank: Ngân hàng thương mại cổ phần Ngoại Thương Việt Nam

ii


MỤC LỤC
LỜI CAM ĐOAN ...................................................................................................... i
DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT .................................................. ii
Chương 1: GIỚI THIỆU ..........................................................................................1
1.1 Lý do chọn đề tài: ..............................................................................................1
1.2 Mục tiêu nghiên cứu của đề tài: ........................................................................2
1.3 Đối tượng nghiên cứu và phương pháp nghiên cứu: .........................................2
1.3.1 Đối tượng nghiên cứu .................................................................................2
1.3.2 Phương pháp nghiên cứu ............................................................................2
1.4 Kết cấu đề tài .....................................................................................................2
1.5 Ý nghĩa khoa học của đề tài ..............................................................................3
Chương 2. LÝ THUYẾT MÔ HÌNH PHÂN TÍCH SỐNG SÓT TRONG ĐO
LƯỜNG RỦI RO TÍN DỤNG..................................................................................4
2.1 Lý thuyết chung về rủi ro tín dụng ngân hàng ..................................................4
2.1.1 Định nghĩa rủi ro .........................................................................................4
2.1.2 Rủi ro tín dụng ............................................................................................4
2.2 Phân tích rủi ro tín dụng ....................................................................................6
2.2.1 Các hệ thống chuyên gia .............................................................................6
2.2.2 Phân tích phần bù rủi ro ..............................................................................7
2.2.3 Phương pháp thống kê và kinh tế lượng .....................................................7
2.2.4 Các hệ thống kết hợp ..................................................................................8
2.2.5 Các phương pháp đo lường rủi ro tín dụng.................................................8
2.3 Mô hình chấm điểm trong đo lường rủi ro tín dụng ..........................................9
2.3.1 Tổng quan về mô hình chấm điểm tín dụng ...............................................9

iii

2.3.2 .Các mô hình chấm điểm tín dụng ............................................................10
2.4 Mô hình phân tích sống sót .............................................................................14
2.4.1 Giới thiệu ..................................................................................................14
2.4.2 Lý thuyết mô hình phân tích sống sót .......................................................15
2.4.2.1 Dữ liệu bị cắt (censored data) ................................................................16
2.4.2.2 Dữ liệu bị chặn (truncated data) ............................................................18
2.4.3 Các loại mô hình phân tích sống sót .........................................................18
2.4.3.1 Mô hình Kaplan – Meier ....................................................................19
2.4.3.2. Mô hình tham số ...............................................................................21
2.4.3.3. Hàm gia tốc thời gian thất bại (Accelerated failure time) ................22
2.4.3.4. Hàm tỷ lệ nguy cơ đầy đủ tham số (fully parametric proportional
hazards model) ...............................................................................................23
2.4.3.5. Mô hình Cox (Cox Proportional hazards model). .............................23
2.5 Các nghiên cứu trước đây ................................................................................24
Chương 3: ĐO LƯỜNG RỦI RO TÍN DỤNG CỦA KHÁCH HÀNG CÁ
NHÂN TẠI VIETCOMBANK ...............................................................................30
3.1 Sơ lược Vietcombank và tình hình hoạt động kinh doanh ..............................30
3.1.1 Lịch sử của Vietcombank .........................................................................30
3.1.2 Tình hình hoạt động kinh doanh và cho vay cá nhân tại Vietcombank ...31
3.2. Thực trạng đo lường rủi ro tín dụng của khách hàng cá nhân tại Vietcombank
...............................................................................................................................34
3.3 Nhận xét mô hình chấm điểm tín dụng của Vietcombank ..............................35
3.3.1 Những điểm tích cực.................................................................................35
3.3.2 Những điểm chưa đạt được.......................................................................36
3.3.3 Sự cần thiết của mô hình phân tích sống sót. ...........................................37

iv

Chương 4: XÂY DỰNG MÔ HÌNH PHÂN TÍCH SỐNG SÓT ĐO LƯỜNG
RỦI RO TÍN DỤNG VÀ KẾT QUẢ NGHIÊN CỨU ..........................................39
4.1 Lựa chọn biến sử dụng trong mô hình.............................................................39
4.5 Xây dựng mô hình phân tích sống sót .............................................................48
4.5.1 Phương pháp nghiên cứu và các bước xây dựng mô hình ........................48
4.5.2 Mô hình ước lượng tổng quát ...................................................................48
4.5.3 Kiểm định giả định của mô hình hồi quy COX ........................................50
4.5.3.1 Kiểm định biến liên tục ......................................................................50
4.5.3.2 Kiểm định các biến phân loại.............................................................51
4.6 Mô hình phân tích sống sót đề xuất .................................................................53
4.6.1 Mô hình thứ nhất.......................................................................................53
4.6.2 Mô hình thứ hai (mô hình đề nghị):..........................................................53
4.7 Kết quả nghiên cứu:.........................................................................................55
4.7.1 Hàm nguy cơ cơ sở: ..................................................................................55
4.7.2 Đối với các biến có ý nghĩa trong mô hình đề xuất ..................................55
4.7.2.1 Biến số tiền được duyệt vay và thu nhập ...........................................55
4.7.2.2 Biến DTI ............................................................................................56
4.7.2.3 Biến giới tính......................................................................................56
4.7.2.4 Biến Sản phẩm ...................................................................................56
Chương 5: KẾT LUẬN VÀ KHUYẾN NGHỊ......................................................58
5.1 Kết luận ...........................................................................................................58
5.1.1 Kết luận .....................................................................................................58
5.1.2 Minh hoạ ứng dụng mô hình nghiên cứu..................................................58
5.2 Khuyến nghị. ...................................................................................................60
5.3 Hạn chế và hướng các nghiên cứu tiếp theo ....................................................61
Phụ lục 1: Danh mục tài liệu tham khảo ...............................................................63

v

Phụ lục 2 kết quả mô hình nghiên cứu ..................................................................66

vi


DANH MUC BẢNG
Bảng 2.1: so sánh các mô hình mô hình chấm điểm .................................................11
Bảng 2.2 : Các nghiên cứu chấm điểm tín dụng .......................................................24
Bảng 4.1: Tên biến và định nghĩa các biến ...............................................................40
Bảng 4.2 : mô tả các biến liên tục .............................................................................44
Bảng 4.3 Thống kê tỷ lệ nợ xấu các nhóm ................................................................46
Bảng 4.4: Tóm tắt các quan sát .................................................................................48
Bảng 4.5: kết qủa mô hình hồi quy COX tổng quát ..................................................49
Bảng 4.6: kết qủa mô hình hồi quy COX thứ nhất ...................................................53
Bảng 4.7: kết qủa mô hình hồi quy COX đề nghị .....................................................54

vii


DANH MỤC HÌNH, BIỂU ĐỒ

Hình 2.1: Minh hoạ về các loại quan sát ...................................................................17
Hình 2.2 thể hiện ước lượng hàm Kaplan Meier ......................................................20
Biểu đồ 3.1: Thể hiện tổng tài sản và khoản mục cho vay ứng trước KH qua các
năm ............................................................................................................................31
Biểu đồ 3.2: Thể hiện tổng thu nhập và thu nhập từ lãi vay .....................................32
Biểu đồ 3.3: thể hiện Dư nợ vay cá nhân, hộ kinh doanh của các ngân hàng BIDV,
Vietinbank và Vietcombank ......................................................................................33
Biểu đồ 4.1: thống kê các biến phân loại ..................................................................45
Biểu đồ 4.2: đồ thị thể hiện phần dư riêng phần của các biến liên tục .....................50

Biểu đồ 4.3: Plot log minus log của biến phân loại theo thời gian ...........................51
Biểu đồ 4.1: Thể hiện hàm nguy cơ cơ sở.................................................................55
Biểu đồ 5.1: hàm nguy cơ đối với người vay thứ nhất..............................................59
Biểu đồ 5.2: hàm nguy cơ đối với người vay thứ hai................................................59

viii


Chương 1: GIỚI THIỆU
1.1 Lý do chọn đề tài:
Hoạt động tín dụng là hoạt động truyền thống và đem lại lợi nhuận cao nhất
cho ngân hàng. Tại Việt Nam, nguồn thu từ hoạt động tín dụng luôn chiếm hơn 80%
nguồn thu của ngân hàng thương mại. Lợi nhuận cao thì sẽ có rủi ro lớn, đặc biệt
hơn khi ngân hàng chủ yếu là cho vay. Rủi ro này không những chỉ ảnh hưởng đến
ngân hàng cho vay mà còn có thể ảnh hưởng xấu đến toàn bộ nên kinh tế đang phát
triển tại Việt Nam. Trong nghiệp vụ tín dụng hiện tại, các ngân hàng đều chia thành
hai mảng là tín dụng bán buôn và tín dụng bán lẻ. Theo quy định tại Vietcombank,
tín dụng bán buôn là việc cấp tín dụng cho các tổ chức, doanh nghiệp lớn có doanh
thu hơn 100 tỷ trong năm. Tín dụng bán lẻ là việc ngân hàng tập trung cho vay đối
với các doanh nghiệp nhỏ và vừa và các cá nhân vay vốn. Trong những năm gần
đây, tất cả các ngân hàng thương mại đều bắt đầu tập trung chuyển dịch dòng vốn
vay về thị trường bán lẻ. Bởi vì, thị trường bán lẻ có biên độ lợi nhuận cao, có tính
an toàn cao hơn cho vay bán buôn. Trong việc cho vay giữa doanh nghiệp nhỏ và
vừa và cá nhân, thì cho vay cá nhân lại có nhiều ưu điểm hơn. Mục đích cho vay
bán lẻ thì tương đối đơn giản, không phức tạp kiểm soát sau vay. Thêm nữa, rủi ro
trong cho vay tiêu dùng cá nhân không tập trung, đồng thời nhờ số lượng người vay
lớn, theo quy luật số đông ngân hàng dễ dàng tính toán phần bù rủi ro lãi suất khi áp
lãi suất vay. Như đã đề cập, với sự phát triển trong cho vay cá nhân, việc cần có một
mô hình chấm điểm tín dụng, xếp hạng tín dụng phù hợp là cần thiết. Nó hỗ trợ việc
đảm bảo an toàn cho ngân hàng đồng thời giúp ngân hàng quyết định cho vay nhanh

chóng để phục vụ khách hàng. Trước những yêu cầu đó, có rất nhiều bài viết khoa
học nghiên cứu để tìm ra mô hình phù hợp, trong đó mô hình được sử dụng rộng rãi
nhất là mô hình hồi quy Logistic. Mô hình Logistic có nhiều ưu điểm, tuy nhiên mô
hình có sự khuyết điểm là không xem xét các dữ liệu bị cắt. Các dữ liệu bị cắt, bản
thân dữ liệu vẫn mang những thông tin tác động đến kết quả nghiên cứu. Với sự
phát triển của kỹ thuật thống kê, mô hình phân tích sống sót được Giáo Sư Cox phát
triển vào năm 1972, trước đây được sử dụng chủ yếu trong y khoa. Đến năm 1992,
Narian đã được sử dụng mô hình Cox trong việc xây dựng mô hình chấm điểm tín

1


dụng, mà nó bổ sung được điểm thiếu sót của mô hình Logistic. Đến năm 2000
Thomas và Stepanova đã được kiểm chứng so sánh với các mô hình truyền thống và
chứng minh rằng mô hình Cox dự báo xác suất vỡ nợ tốt hơn so với mình Logistic.
Tuy nhiên, ở Việt Nam mô hình phân tích sống sót vẫn thật sự chưa được phổ biến
trong việc xây dựng mô hình chấm điểm tín dụng. Luận văn này được nghiên cứu
với mục đích là ứng dụng mô hình phân tích sống sót trong việc xây dựng mô hình
chấm điểm tín dụng tại ngân hàng TMCP Ngoại Thương Việt Nam tại TPHCM.
1.2 Mục tiêu nghiên cứu của đề tài:
Đề tài tập trung nghiên cứu hai mục tiêu chính đó là:
1-Xây dựng mô hình phân tích sống sót
2- Ứng dụng mô hình phân tích sống sót trong đo lường rủi ro tín dụng.
1.3 Đối tượng nghiên cứu và phương pháp nghiên cứu:
1.3.1 Đối tượng nghiên cứu
Đối tượng nghiên cứu là mô hình phân tích sống sót trong vay tiêu dùng cá
nhân, cụ thể là xác suất vỡ nợ của khách hàng cá nhân. Đối tượng khảo sát chính là
những khách hàng vay tiêu dùng tại TPHCM.
1.3.2 Phương pháp nghiên cứu
Tác giả sử dụng nghiên cứu định lượng, thống kê mô tả các biến và sử dụng

mô hình phân tích sống sót để ước lượng mô hình.
Tổng số mẫu được thu thập là 2756 người vay vốn khác nhau tại ngân hàng
TMCP Ngoại Thương Việt Nam tại thành phố Hồ Chí Minh trong khoảng thời gian
từ 7/2012 đến tháng 8/2015.
1.4 Kết cấu đề tài
Đề tài bao gồm 5 chương chính được thể hiện như sau:
Chương 1: Giới Thiệu
Chương 2: Lý thuyết mô hình phân tích sống sót trong đo lường rủi ro tín
dụng
Chương 3: Đo lường rủi ro tín dụng của khách hàng cá nhân tại vietcombank
Chương 4: Xây dựng mô hình phân tích sống sót đo lường rủi ro tín dụng và
kết quả nghiên cứu.

2


Chương 5: Kết luận và khuyến nghị
1.5 Ý nghĩa khoa học của đề tài
Kết quả nghiên cứu của đề tài sẽ góp thêm cơ sở khoa học cho các tổ chức tài
chính, và các cá nhân liên quan, đặc biệt là NH TMCP Ngoại Thương Việt Nam
trong quá trình hoạt động kinh doanh và quản lý rủi ro của mình. Kết quả nghiên
cứu còn là tài liệu tham khảo cho các chủ thể tham gia vào quá trình chấm điểm tín
dụng cũng như cho những nghiên cứu liên quan đến chấm điểm tín dụng cá nhân.
Tóm tắt chương
Trong chương này, tác giả giới thiệu về đề tài nghiên cứu và nguyên nhân sử dụng
mô hình phân tích sống sót trong việc ước lượng xác suất vỡ nợ của một khách hàng
cá nhân. Tác giả cũng chỉ ra được hai mục tiêu trọng tâm của bài là: Xây dựng mô
hình phân tích sống sót và ứng dụng mô hình phân tích sống sót trong đo lường rủi
ro tín dụng, thông qua các dữ liệu được thu thập trong thực tiễn.

3


Chương 2. LÝ THUYẾT MÔ HÌNH PHÂN TÍCH SỐNG SÓT TRONG
ĐO LƯỜNG RỦI RO TÍN DỤNG
2.1 Lý thuyết chung về rủi ro tín dụng ngân hàng
2.1.1 Định nghĩa rủi ro
Theo định nghĩa truyền thống rủi ro là những sự kiện xảy ra có thể làm cho
mất mát tài sản hay làm phát sinh một khoản nợ. Định nghĩa về rủi ro hiện đại bao
hàm nghĩa rộng hơn và không chỉ tính đến rủi ro tài chính và còn bao gồm cả những
rủi ro liên quan đến những mục tiêu hoạt động và mục tiêu chiến lược. Rủi ro là khả
năng những sự kiện chưa chắc chắn trong tương lai sẽ làm cho chủ thể không đạt
được những mục tiêu chiến lược và mục tiêu hoạt động, cũng như chi phí cơ hội của
việc làm mất những cơ hội thị trường.
Chấp nhận rủi ro là trung tâm của hoạt động ngân hàng. Các ngân hàng cần
phải đánh giá các cơ hội kinh doanh dựa trên mối quan hệ rủi ro-lợi ích nhằm tìm ra
những cơ hội đạt được những lợi ích xứng đáng với mức rủi ro chấp nhận. Ngân
hàng sẽ hoạt động tốt nếu mức rủi ro mà ngân hàng gánh chịu là hợp lý và kiểm
soát được và nằm trong phạm vi khả năng các nguồn lực tài chính và năng lực tín
dụng của ngân hàng. Đối với ngân hàng, các tài sản chủ yếu là các khoản tiền gửi
tại các ngân hàng nước ngoài và các khoản cho vay khách hàng cần phải có mức độ
thanh khoản cần thiết để bảo đảm thanh toán cho các khoản tiền gửi của khách
hàng, chi phí hoạt động, và các khoản lỗ, đồng thời vẫn tạo ra một khoản lợi nhuận
đủ lớn đẻ có được tỷ lệ lợi nhuận trên vốn chủ sở hữu hợp lý (cẩm nang quản lý rủi
ro của Vietcombank).
2.1.2 Rủi ro tín dụng
Bất chấp tầm quan trọng của những nguồn rủi ro khác trong ngân hàng, rủi
ro lớn nhất đối mặt với hầu hết các ngân hàng và các định chế tài chính là rủi ro tín
dụng.
Rủi ro tín dụng là vấn đề trọng yếu đối với người cho vay (Brian và Collen,

1997). Thật ra, rủi ro tín dụng là nguyên nhân đầu tiên cho sự phá sản của đa số các
định chế tài chính trong thập kỷ qua. Do vậy, có rất nhiều nghiên cứu từ các phân
tích trong 2 thập kỷ qua với sự phát triển những kỹ thuật phân tích rủi ro tín dụng.

4


Rủi ro tín dụng cũng là một trong những rủi ro lâu đời mà các ngân hàng cũng như
các định chế tài chính phải đối mặt trước đó, ít nhất từ năm 1800 trước công
nguyên. Rủi ro vỡ nợ của người đi vay – đối với lãi suất và/hoặc nợ gốc- có thể gây
ra tổn thất vốn cho ngân hàng dẫn đến phá sản. Quản trị loại rủi ro này bằng cách
chọn và quan sát người đi vay và bằng cách tạo ra một danh mục các tiền cho vay
đa dạng luôn luôn là một trong những thách thức trong vận hành một định chế tài
chính. Rủi ro tín dụng phát sinh bất cứ lúc nào khi ngân hàng mở rộng, cam kết, đầu
tư hoặc những phát sinh khác mà ngân hàng tài trợ thông qua những thỏa thuận
bằng hợp đồng tiềm ẩn hoặc thực sự, thể hiện trên hoặc ngoài bảng cân đối kế toán
(Cục kiểm soát tiền tệ của ngân hàng Quốc Gia Hoa Kỳ, 1999).
Theo Ủy ban Basel (Basel,2000), rủi ro tín dụng có thể được định nghĩa là:
Khả năng mà người đi vay ngân hàng hoặc đối tác sẽ không trả được nợ theo
các điều khoản đã thỏa thuận.
Mục tiêu của quản trị rủi ro là là tăng tỷ lệ thu hồi nợ của ngân hàng bằng
cách duy trì phát sinh rủi ro tín dụng trong giới hạn phù hợp. Quản trị rủi ro tín
dụng cũng cần xử lý cho toàn bộ các danh mục. Quan hệ giữa rủi ro tín dụng và các
rủi ro khác cũng nên được xem xét song song. Quản trị hiệu quả của rủi ro tín dụng
là một phần quan trọng của phương pháp toàn diện đối với quản trị rủi ro và là điều
quan trọng đối với thành công dài hạn của bất kỳ ngân hàng nào.
Đối với hầu hết ngân hàng, và bất chấp các nguồn phát sinh rủi ro tín dụng
có tồn tại ở nhiều hoạt động ở ngân hàng, có thể hiện trên hoặc ngoài bảng cân đối
kế toán hoặc không, các khoản tiền cho vay được xem là nguồn rủi ro tín dụng
chính, dù cho đâu đó các nguồn rủi ro tín dụng khác vẫn tồn tại. Mức độ rủi ro tín

dụng được phát hiện tăng dần trong nhiều công cụ tài chính chẳng hạn các giao dịch
ngoại hối, các hợp đồng tương lai tài chính, hoán đổi, trái phiếu, cổ phần, quyền
chọn, và sự mở rộng các cam kết và đảm bảo, và thanh toán các giao dịch (Basel,
2000).
Phấn lớn các nhà nghiên cứu đề cập đến rủi ro tín dụng và rủi ro vỡ nợ
thường có ý nghĩa tương tự nhau nhưng có một khác biệt nhỏ trong định nghĩa. Ở
đây, rủi ro tín dụng là: rủi ro của các tổn thất thông qua sự không thanh toán được

5


các nghĩa vụ tài chính. Trong khi đó rủi ro vỡ nợ là: rủi ro mà chủ thể phát hành sẽ
không thực hiện đầy đủ các nghĩa vụ tài chính của mình đối với nhà đầu tư/chủ nợ
theo các điều khỏan bắt buộc. Trong thuật ngữ này, rủi ro tín dụng thường ám chỉ
đến người đi vay là người có khả năng hoàn trả một tiền cho vay có một mức độ tổn
thất tiềm ẩn, trong khi đó rủi ro vỡ nợ thường liên quan đến người cho vay là người
có thể không thanh toán. Vì thế, người ta có thể nói rằng không có sự khác biệt lớn
giữa hai loại rủi ro này, chúng có thể cùng được định nghĩa như sau: rủi ro tín
dụng/vỡ nợ là rủi ro mà các nghĩa vụ tài chính của người đi vay trong một thỏa
thuận sẽ không được thực hiện thỏa đáng.
2.2 Phân tích rủi ro tín dụng
Nhiều định chế tài chính sử dụng một số công cụ để xác định rủi ro tín dụng.
Theo Sathye và các cộng sự (2003) thì những công cụ này có thề được chia thành 4
nhóm chính: (i) các hệ thống chuyên gia; (ii) phân tích phần bù rủi ro; (iii) Phương
pháp thống kê kinh tế lượng; (iv) các hệ thống kết hợp. Trong đó, phương pháp
phân tích phần bù, phương pháp thống kê và hệ thống kết hợp sẽ lượng hoá độ rủi
ro tín dụng.
2.2.1 Các hệ thống chuyên gia
Các hệ thống chuyên gia (hoặc hệ thống truyền thống) là một hình thức kinh
điển của phân tích tín dụng phụ thuộc và sự phán xét chủ quan của người thẩm định

tín dụng. Trong hệ thống này, đối với một số lý do kinh nghiệm của người làm công
tác thẩm định lâu năm (hay còn gọi là các chuyên gia phê duyệt) là quan trọng: (i)
Người chuyên gia phê duyệt tín dụng tuân theo các giới hạn của quy định ngân
hàng; (ii) Người phê duyệt tín dụng là điểm gốc của quy luật ngón tay cái; (iii) ngân
hàng dựa vào những chuyên gia phê duyệt kinh nghiệm để thực hiện phần lớn các
vấn đề quan trọng như hiểu xu hướng ngành, đánh giá sự độ đáng tin cậy về khả
năng trả nợ của người đi vay, hoặc thiết kế cấu trúc tín dụng mà theo đó ngân hàng
sẽ cho vay.
Người cho vay nhận đơn đề nghị vay theo mẫu đã được thiết kễ sẵn và một
danh sách kiểm tra/ chứng từ cần cung cấp do ngân hàng đưa ra. Sau đó, đơn đề
nghị và chứng từ được phân tích và đánh giá bởi người phê duyệt. Nếu tiền cho vay

6


được chấp nhận bởi một chuyên gia hay hệ thống hội đồng tín dụng (tuỳ theo từng
hạn mức phê duyệt cụ thể của từng tổ chức tín dụng) thì số tiền cho vay được giải
ngân thông qua các bộ phận khác tại ngân hàng. Kỹ thuật thông thường nhất của
loại này là phân tích 6Cs.
Tuy nhiên, hệ thống chuyên gia dĩ nhiên có điểm yếu. Trước hết, đó là sự
chủ quan; ra quyết định phụ thuộc và người thẩm định có thể dễ bị ảnh hưởng bên
ngoài như các quan hệ xã hội và quan hệ cá nhân. Thứ hai, sự thi hành những hệ
thống này thì không công bằng, vì thế sự thành công hay thất bại của hệ thống phụ
thuộc vào kinh nghiệm và sự thực hiện của người thẩm định tín dụng. Ví dụ, một số
người thẩm định có tài phân tích rủi ro tín dụng hiệu quả và những người khác thì
không có. Ngoài ra, các hệ thống chuyên gia thì khá tốn chi phí. Ví dụ, việc chuẩn
bị và thực hiện của những hệ thống này yêu cầu nhân viên/cấp lãnh đạo có năng lực
và kinh nghiệm. Thêm vào đó, các hệ thống chuyên gia có liên quan đến hệ thống
quan liêu của hoạt động kinh doanh và nó gây ra lãng phí thời gian ra quyết định. Vì
thế, để khắc phục những bất lợi này, nhìn chung các nhà kinh tế tranh luận rằng tốt

nhất nên áp dụng các hệ thống khách quan không phụ thuộc vào phán quyết chủ
quan của người cho vay.
2.2.2 Phân tích phần bù rủi ro
Phần bù rủi ro trong phân tích tín dụng được định nghĩa là phần chênh lệch
giữa lợi tức lãi suất từ khoản vay của ngân hàng cho khách hàng vay và khoảng lãi
suất phi rủi ro. Phương pháp này có thể thực hiện tốt đối với các khách hàng mà
chúng được đánh giá bởi một đơn vị xếp hạng tín dụng. Cách tính phần bù là xác
suất của việc hoàn trả nợ có thể đạt được bằng cách so sánh giữa lãi suất ngân hàng
và lãi suất của chính phủ ‘phi rủi ro’ theo sau:
(1+r) P= 1 + i
Trong đó; P là xác suất hoàn trả nợ, i là lãi suất cho vay, và r = lãi suất phi rủi ro.
2.2.3 Phương pháp thống kê và kinh tế lượng
Kinh tế lượng là bộ phận của kinh tế học nghiên cứu quan hệ toán học giữa
các biến số tài chính và kinh tế để dự báo hành vi của các biến số kinh tế. Kinh tế
lượng cung cấp một cơ sở khoa học cho phân tích tín dụng, mặc dù không có cơ sở

7


lý thuyết về tín dụng. Công cụ quan trọng nhất của kinh tế lượng là phân tích hồi
quy và phân tích rời rạc. Kỹ thuật kinh tế lượng chủ yếu đòi hỏi việc lập mô hình
xác suất vỡ nợ, có thể hiểu là làm lượng hoá rủi ro tín dụng. Xác suất này được sử
dụng như là một biến phụ thuộc mà biến đổi của nó được giải thích bởi một bộ các
biến độc lập. Các kỹ thuật kinh tế lượng khác gồm phân tích rời rạc tuyến tính và
phức hợp, hồi quy đa biến, phân tích logit và phân tích probit. Các kỹ thuật này sẽ
được sử dụng để thiết kế các mô hình đo lường rủi ro tín dụng, và được giới thiệu
phần sau trong chương này.
2.2.4 Các hệ thống kết hợp
Như đã đề cập phần trước đây, kinh tế lượng chịu đựng một cơ sở lý thuyết
không hoàn thiện đối với việc phân tích rủi ro tín dụng vì các giải pháp kinh tế

lượng chỉ cung cấp một quan hệ thống kê giữa biến phụ thuộc và một số biến giải
thích. Quan hệ này xảy ra như là kết quả trong các mô hình không bao gồm các lý
thuyết tài chính đã biết như lý thuyết quyền chọn và bảo hiểm. Vì thế, các hệ thống
kết hợp khắc phục sự thiếu hụt này bằng cách kết hợp lý thuyết tài chính và thống
kê kinh tế. Ngoài ra, có một sự phê bình các mô hình đa biến sử dụng dữ liệu liệu
quá khứ từ các báo cáo tài chính để tính toán xác suất vỡ nợ. Ví dụ của những hệ
thống này là các mô hình tử suất và tần số vỡ nợ kỳ vọng. Thông thường các hệ
thống kết hợp sẽ được sử dụng để thẩm định đối với các khách hàng là tổ chức lớn,
số tiền vay nhiều, cần phải có một sự cẩn trọng và xem xét kỹ càng.
2.2.5 Các phương pháp đo lường rủi ro tín dụng
Đo lường rủi ro tín dụng là một thuật ngữ để chỉ việc xác định mức độ rủi ro
tín dụng của một người vay cụ thể thông qua việc xác định các biến số (hay còn gọi
là các nhân tố) ảnh hưởng đến mức độ rủi ro tín dụng.
Có 2 phương pháp đo lường rủi ro tín dụng đã được nghiên cứu là:
Các phương pháp định tính trong đó mô hình phổ biến nhất là 6Cs
(Character; Capacity; Cash; Collateral; Condition; Control);
Các phương pháp định lượng thông thường là các mô hình chấm điểm tín
dụng (Credit Score Models). Trong bài viết này, tác giả chú trọng vào các mô hình
định lượng, vốn được sử dụng rất nhiều trong các các khoản vay cá nhân.

8


2.3 Mô hình chấm điểm trong đo lường rủi ro tín dụng
2.3.1 Tổng quan về mô hình chấm điểm tín dụng
Mô hình chấm điểm tín dụng là một trong những mô hình đo lường tín dụng
(de Vaney và Lytton 2005). Theo BIS (BIS, 2000), chấm điểm tín dụng được định
nghĩa như là :
Một mô hình ước lượng rủi ro tín dụng của người vay, dựa vào dữ liệu lịch
sử và kỹ thuật thống kê. Nó là một quá trình quy ra định lượng cho từng đơn vị đo

lường, để chấm điểm, làm đại diện cho kết quả hành vi của người vay có thể xảy ra
trong tương lai.
Khi đó, mô hình chấm điểm tín dụng là kỹ thuật thống kê và hệ thống toán
học được sử dụng để hỗ trợ quyết định cấp tín dụng, mục tiêu chính của các mô
hình này là tối đa hoá việc đo lường rủi ro (Papanyan, 2003). Thomas và các cộng
sự (2002) chỉ ra rằng mô hình chấm điểm tín dụng thật sự không ước lượng khả
năng thanh toán nợ của người đề nghị vay, bởi vì nó không phải là thuộc tính của
người vay, đúng hơn đó là sự đo lường của người cho vay, và do vậy mô hình chấm
điểm tín dụng phản ánh các tình huống của người vay và góc nhìn của người cho
vay về các mong muốn của tình huống kinh tế xảy ra trong tương lai.
Có 2 loại chính trong kỹ thuật chấm điểm tín dụng. Đầu tiên là chấm điểm
người vay, được dùng cho việc chấm điểm người vay mới. Thứ hai, là chấm điểm
hành vi được dùng để đo lường người cho vay hiện tại (Banasik và Crook , 2005).
Không kể đến hình thức nào được sử dụng, một lượng lớn mẫu trong quá khứ
thường được thu thập để xác định ra các đặc tính mà mẫu này đại diện cho khoản tín
dụng tốt hay xấu.
Thoạt đầu, các mô hình thống kê chấm điểm được giới thiệu bởi Fisher
(1936) trong việc cố gắng phân biệt giữa hai quần thể cây irít bằng việc đo lường
kích cỡ của cây. David Durand (1941) là người đầu tiên ứng dụng phương pháp đó
trong vào việc phân biệt khoản nợ tốt và nợ xấu. Sau đó nhiều công ty tín dụng đã
xây dựng hình thức sơ khai của việc chấm điểm tín dụng bằng nguyên lý thống kê,
và chính các mô hình này đã hỗ trợ các tổ chức tín dụng ra quyết định cấp tín dụng.
Sự kiện đánh dấu tầm quan trọng của mô hình chấm điểm tín dụng là việc thông qua

9


đạo luật Cơ Hội Tín Dụng Ngang Bằng ở Mỹ năm 1975-1976, nội dung chủ yếu là
cấm sự phân biệt đối xử trong việc cấp tín dụng trừ khi được chứng minh dựa trên
cơ sở Thống kê.

Qua đó, việc quan trọng để xây dựng mô hình chấm điểm tín dụng là phải có
một cơ số mẫu lớn để tiến hành các kỹ thuật thống kê. Nên mô hình chấm điểm tín
dụng thường được áp dụng trong việc đánh giá các khoản vay cá nhân và các khoản
vay dành cho doanh nghiệp vừa và nhỏ.
2.3.2 .Các mô hình chấm điểm tín dụng
Khi sử dụng phương pháp chấm điểm tín dụng, điều chắc chắn rằng tổ chức
tín dụng phải hiểu phương pháp và kết quả cuối cùng của mô hình áp dụng. Tính
đến thời điểm hiện tại, mô hình chấm điểm tín dụng được chia làm ba phương pháp:
(1) phương pháp tham số (parametric Statistical Approaches), (2) phương pháp phi
tham số (Non Parametric Statistical approaches), (3) Cách tiếp cận mới (new
Approaches).
(1) Phương pháp tham số: là phương pháp dùng kỹ thuật phân tích hồi quy
để phân biệt giữa khoản vay tốt và khoản vay xấu bằng cách sư dụng mẫu trong
tổng thể những người vay (Bramma, 1999). Đây là phương pháp xây dựng mô hình
chấm điểm đầu tiên và đến giờ vẫn được xem là phương pháp hiệu quả nhất. Cách
tiếp cận này có thể nhận ra và loại trừ các biến không có tác động, và đảm bảo rằng
các biến quan trọng vẫn được giữ lại trong mô hình (Thomas và cộng sự 2002). Có
bốn phương pháp chủ yếu được sử dụng: Mô hình hồi quy tuyến tính, mô hình logit,
mô hình probit, và mô hình biệt thức.
Trong bốn phương pháp thì mô hình logit và probit được xem là thông dụng
và được sử dụng rất rộng rãi trong việc xây dựng mô hình chấm điểm tín dụng. Với
các mô hình biệt thức thì nổi tiếng đó là phương pháp Altman (1968) với mô hình
chỉ số Z.
(2) Phương pháp phi tham số: Các phương pháp tham số được nêu trên thì sẽ
đặt ra giả định về hàm phân phối của các biến tham số trong mô hình theo các lý
thuyết phân phối xác suất tham số. Tuy nhiên, cách tiếp cận phi tham số không dựa
hoàn toàn vào các lý thuyết phân phối xác suất. Có thể coi cách tiếp cận phi tham số

10

là cách tiếp cận không thông qua phân phối xác suất. Do đó, nó có thể dễ dàng xử lý
các dữ liệu bị mất, hiện tượng đa cộng tuyến giữa các biến, một ưu điểm nếu so với
phương pháp tham số. Với phương pháp phi tham số, chúng ta có thể chia thành 2
loại phương pháp: phương pháp đồng thời và phương pháp liên tục. Các phương
pháp phi tham số có thể kể ra như: mô hình láng giềng gần, phương pháp mạng thần
kinh, hệ thống chuyên gia, v…v. Tuy nhiên, việc áp dụng phương pháp này có
khuyết điểm là phức tạp và không phân tích một mẫu quá lớn.
(3) Cách tiếp cận mới: qua các phương pháp trên, các phương pháp tiếp cận
mới được xem như là sự bổ sung cho các khuyết điểm của 2 phương pháp tham số
và phi tham số. Các tiếp cận mới này đều sử dụng các mô hình của các chuyên
ngành khác để ứng dụng phát triển cho mô hình chấm điểm tín dụng. Có thể coi là
một sự sáng tạo trong khoa học để hoàn thiện hơn, ba phương pháp mới này là:
phân tích sống sót (survival Analysis), mô hình mạng bayesian (bayesian networks),
mô hình xác suất dạng đồ thị (Graphical models).
Bảng 2.1: so sánh các mô hình mô hình chấm điểm
Mô hình kinh tế lượng
Xác suất tuyến tính

Hàm logistic

Ưu Điểm

Nhược điểm

-Dễ hiểu và dễ sử dụng

- Ước lượng xác suất lớn

-Xử lý được các mẫu lớn

khoảng [0,1]

- Ước lượng xác suất có

- Việc giải thích các tham

giá trị trong khoảng [0,1]

số không dễ dàng

- Không yêu cầu các giả

- Không xem xét sự tự

thiết giới hạn của biến

tương quan giữ các biến
độc lập

Probit

- Ước lượng xác suất có

-Việc giải thích các tham

giá trị trong khoảng [0,1]

số không dễ dàng

- Khắc phục sự lựa chọn
chênh lệch

Mô hình Z

- Không bao hàm các

- Nó phụ thuộc hoàn toàn

thuật toán phức tạp

vào phân phối tương quan

11


- Có kết quả tốt

bằng nhau giữ các nhóm.
- Nó bao hàm các giới hạn
thống kê

- Xem xét những vấn đề
Cây phân loại

- Rất khó để hiểu

phức tạp
- Xử lý với nhiều biến

Thuật toán K – láng giềng
gần

- Phần thặng dư được gán

- Rất nhạy với sự xuất

một giá trị cho từng lớp

hiện của các tham số

thay cho quyết định nhị

không liên quan

phân

- Ra kết quả lâu

- Có kết quả tốt

Quy hoạch tuyến tính

- Dễ dàng chấm điểm vấn

- Tỷ lệ dự đoán thấp

đề với số lượng biến lớn

- Ra kết quả lâu

- Bao hàm được các sai số

Mạng thần kinh

Thuật giải duy truyền

Phân tích sống sót

- Xử lý các vấn đề mà có

- Ra kết quả lâu

chứa nhiều tham số.

- Khó xác định mô hình

- Xác định sai lầm loại 1

cho ra quyết định như thế

tốt hơn các mô hình khác

nào

- Bớt nhạy để ra kết quả

- Không có lý thuyết nền

tối ưu

cho quá trình ước lượng

- Hàm ước lượng không

- Rất khó sử dụng trong

cần tuyến tính

việc dự đoán

- Xử lý được các dữ liệu

- Cần giả định các tương

bị cắt.

quan giữa các người vay

- Nó tính toán được xác

khác nhau là bất biến qua

suất tại thời điểm này

thời gian

khác với xác suất tại thời
điểm khác
Nguồn: Tác giả tổng hợp

12


Khi một mẫu được đưa vào mô hình chấm điểm tín dụng thì nó sẽ được phân
loại: là tốt hoặc xấu. Asch (1995) định nghĩa một khoản vay tốt là không bị quá hạn
quá 30 ngày và không bị hơn 2 lần trong vòng 4 năm đầu tiên. Trong khi đó, khoản
nợ xấu được định nghĩa là quá hạn từ 60 ngày trở lên. Tuy nhiên, khoản nợ xấu
cũng có thể liên quan tới một số sự kiện xảy ra của đối tượng vay chẳng hạn như
phá sản. Nên, một khoản vay là tốt hay xấu nó còn phụ thuộc vào đó là loại sản
phẩm vay, đối tượng vay. Ví dụ, tài khoản thấu chi thì không cố định tháng phải trả
nhất định. Vì vậy, quan trọng nhất là phải xác định được thế nào là khoản nợ xấu
hay tốt đối với một sản phẩm cụ thể ta mới có thể đưa vào mô hình để xây dựng.
Tại Việt Nam, con số ngày được thay đổi, một khoản vay được xem là nợ xấu khi
nó được xếp loại nợ nhóm 3 (khoản vay quá hạn hơn 90 ngày, hoặc khoản vay phải
xin cơ cấu thay đổi lịch trả nợ).
Một khi, định nghĩa của một khoản vay được xác định, kỹ thuật thống kê và
toán học sẽ được sử dụng. Phần lớn các kỹ thuật đều cho kết quả tốt trong việc phân
loại khoản vay và khả năng chấm điểm tín dụng. Rất nhiều nghiên cứu đã so sánh
các kỹ thuật tính toán và chỉ ra rằng các kỹ thuật cho ra sai biệt nhỏ trong khả năng
phân loại và một số nghiên cứu thì chỉ ra rằng kỹ thuật mạng thần kinh lại tốt hơn
các kỹ thuật khác trong việc dự đoán.
Một số nghiên cứu khác thì chỉ ra kỹ thuật phân tích sống sót lại có nhiều
điểm lợi và do vậy nó được sử dụng nhiều hơn là khi ta so sánh với mô hình
Logistic. Trong đó, ưu điểm lớn nhất của mô hình này là xử lý được các dữ liệu bị
cắt, tối ưu hoá được dữ liệu đưa vào nghiên cứu. Đồng thời, mô hình này tính toán
được xác suất vỡ nợ theo thời gian của người đi vay. Điều này là rất phù hợp với
các nhà thiết kế sản phẩm vay cá nhân vì thông thường các khoản vay cá nhân có
thời gian vay là trung dài hạn. Và cuối cùng, mô hình này dễ tính toán ít yêu cầu đòi
hỏi về điều kiện của các biến độc lập đưa vào mô hình nhưng kết quả mô hình được

chứng minh là có ý nghĩa tương đương với các mô hình Log và Probit. Cụ thể về lý
thuyết mô hình được trình bày ở phần sau.

13


2.4 Mô hình phân tích sống sót
2.4.1 Giới thiệu
Mô hình phân tích sống sót là mô hình thông kê phân tích các dữ liệu mà
biến kết quả là thời gian sẽ xảy ra sự kiện, tùy vào từng nghiên cứu cụ thể ta có thể
gọi là thời gian thất bại, thời gian sống sót hoặc thời gian sự kiện... Mộ hình phân
tích sống sót sử dụng trong rất nhiều lĩnh vực khác nhau như ngành y, dược và kỹ
thuật. Trong nghiên cứu dược, khoảng thời gian sử dụng thuốc cho đến lúc bệnh
nhân chết đi được mô hình hóa, tương tự trong kỹ thuật là thời gian thất bại v..v..
Ứng dụng của mô hình phân tích sống sót trong đo lường rủi ro tín dụng đã
được trình bày lần đầu bởi Narain (1992). Được phát triển hơn bởi Thomas và các
cộng sự (1999). Sự kiện được quan tâm ở đây là thời điểm vỡ nợ. Narain đã áp dụng
mô hình gia tốc mũ của y học vào dữ liệu vay cá nhân. Tác giả Narain đã phát hiện
ra rằng mô hình ước lượng số lần thất bại đạt kết quả tốt trong từng khoảng thời
gian. Kế đến, Ông trình bày về việc quyết định cấp tín dụng có thể được cũng cố
thông qua mô hình phân tích sống sót, ông dùng phép so sánh mô hình phân tích
sống sót đối với mô hình hồi quy đa biến. Cuối cùng, tác giả đã kết luận rằng mô
hình phân tích sóng sót có thể sử dụng trong hoạt động cấp tín dụng với các biến dự
đoán đưa vào mô hình và thời điểm xảy ra vỡ nợ là điều cần nghiên cứu.
Thomas và cộng sự (1999) đã làm phép so sánh thông qua các mô hình hàm
mũ, Weibull và mô hình Cox so với mô hình hồi quy logistic. Tác giả nhận ra rằng
mô hình phân tích sống sót hoàn toàn cho ra kết quả tương đồng và đôi khi có
những ưu điểm nổi trội hơn cách tiếp cận phân tích hồi quy Logistic truyền thống.
Đến năm 2001, tác giả Stepanova và Thomas đưa ra công trình nghiên cứu
về việc sử dụng mô hình phân tích sống sót của giáo sư Cox trong phân tích dữ liệu

tiêu dùng cá nhân. Các tác giả sử dụng mô hình Cox mở rộng trong phân tích dự
báo, đồng thời sử dụng đường cong ROC (receiver operating characteristic) để xem
xét sự khác biệt giữ mô hình Cox và hồi quy Logistic truyền thống:
Dự báo về việc tất toán khoản vay của khách hàng tại các kỳ hạn khác nhau
thì cả 2 mô hình Cox và Logistic đều cho kết quả tương đối tương đồng.

14


Dự báo về việc khoản vay bị quá hạn thì trong năm thứ nhất, cả 2 mô hình
đều có kết quả dự báo giống nhau. Tuy nhiên, sự khác biệt đến trong năm thứ 2 và
thứ 3, mô hình Cox cho thấy kết quả dự đoán của mô hình chính xác hơn mô hình
Logistic truyền thống.
Thông qua các nghiên cứu, mô hình Cox hay phân tích sống sót có những ưu
điểm trong sử dụng việc đo lường tín dụng cá nhân như sau:
Thứ nhất, mô hình phân tích sống sót vẫn chấp nhận và sử dụng các biến bị
cắt vào phân tích, điều này là không thể khi ta sử dụng mô hình Logistic. Lượng
thông tin của mô hình phân tích sống sót sẽ nhiều hơn so với mô hình Logistic.
Thứ hai, mô hình phân tích sống sót cho phép dự đoán xác suất vỡ nợ tại
từng mốc thời điểm của người vay, và kết quả của mô hình được các tác giả
Thomas, Stepanova và các tác giả khác chứng minh rằng là chính xác hơn so với
mô hình Logistic.
Thứ ba, mô hình phân tích sống sót được phát triển bởi giáo sư Cox (hay còn
gọi là mô hình Cox) sẽ không đòi hỏi nhiều về điều kiện của các biến khi đưa vào
mô hình. Trong khi đó, mô hình Logistic sẽ đòi hỏi các biến đưa vào mô hình
Logistic đòi hỏi các biến không có tự tương quan, đa cộng tuyến.
2.4.2 Lý thuyết mô hình phân tích sống sót
Giả định rằng T là khoảng thời gian trước khi xuất hiện sự vỡ nợ của người
vay. Hàm ngẫu nhiên T có thể được mô phỏng thành ba cách truyền thống (theo
Kalbfeisch và prentice, Lemis) thông qua các hàm như sau:

Cách thứ nhất: Hàm phân phối F(t) (distribution Function) diễn tả xác suất
khoảng thời gian xảy ra biến cố T nhỏ hơn hoặc bằng thời điểm t (thời điểm xảy ra
biến cố) tức là hàm xác suất một cá nhân xảy ra biến cố, ta có:
𝐹 (𝑡 ) = 𝑃 (𝑇 ≤ 𝑡) (1)
Từ đây, ta có hàm sống sót S(t) (survival function), tức xác suất khoảng thời
gian xảy ra sự kiện lớn hơn thời điểm t, nói cách khác là:
𝑆(𝑡 ) = 1 − 𝐹 (𝑡 ) (2)
Cách thứ hai là thông qua hàm phân phối tích lỹ f(t) (Density function). Đây
là xác suất thời gian xảy ra sự kiện tại một thời điểm xác định, được cho như sau:

15