Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng hợp tác xã việt nam tt

1

2

PHẦN MỞ ĐẦU

Trên thế giới đã có nhiều nghiên cứu được thực hiện về việc tìm hiểu và giải
thích các yếu tố có ảnh hưởng đến khả năng vỡ nợ của KHCN tại các ngân hàng. Một
số nghiên cứu chỉ ra rằng các khách hàng có mức thu nhập thấp, địa vị xã hội thấp
hơn có xu hướng sử dụng nợ vay không hiệu quả và khả năng trả nợ thấp hơn so với
những khách hàng có thu nhập cao và địa vị xã hội cao hơn (Cox & Jappelli, 1993;
Mathews & Slocum, 1969). Một số nghiên cứu chỉ ra giới tính là yếu tố quan trọng
trong việc quyết định khả năng trả nợ của khách hàng (Lea et al., 1995; Xiao et al.,
1995; Zelizer, 1994). Đặc điểm về độ tuổi hay nhân khẩu học cũng được các nhà
nghiên cứu đánh giá tác động nhiều tới rủi ro tín dụng (Agarwal et al., 2011;
Livingstone & Lunt, 1992; Tokunaga, 1993). Thời gian cư trú, tiết kiệm hàng tháng,
trình độ học vấn, sở hữu nhà, rủi ro nghề nghiệp,thời gian làm việc là những yếu tố
được nhiều nhà nghiên cứu nhất (Agarwal et al., 2011; Dufhues, Buchenrieder, Quoc,
& Munkung, 2011; Livingstone & Lunt, 1992; Ojiako & Ogbukwa, 2012; Hoàng Thị
Kim Diễm, 2012; Lê Văn Triết, 2010).
Mặc dù đã có một số nghiên cứu về khả năng trả nợ cũng như vỡ nợ của khách
hàng cá nhân. Tuy nhiên, chưa có nghiên cứu nào tiến hành tại Ngân hàng HTX Việt
Nam. Đồng thời thiếu vắng các nghiên cứu thực hiện so sánh các phương pháp ước
lượng để lựa chọn mô hình phù hợp (một số phương pháp/mô hình mới như mô hình
Logistic, Probit, ANN, Random forest) cũng như phân loại so sánh giữa các loại hình
ngân hàng về rủi ro tín dụng khách hàng cá nhân tại Ngân hàng Hợp tác xã Việt Nam.
Do đó, NCS lựa chọn đề tài “Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ
của khách hàng cá nhân tại Ngân hàng Hợp tác xã Việt Nam” là rất cần thiết và có ý
nghĩa khoa học cả về lý luận cũng như thực tiễn.
2. Mục tiêu nghiên cứu
Thứ nhất, luận án tiến hành hệ thống hóa cơ sở lý thuyết liên quan tới hoạt

động tín dụng khách hàng cá nhân ở Việt Nam.
Thứ hai, luận án tiến hành tổng hợp và phân tích các nghiên cứu đi trước nhằm
tham khảo và đưa ra mô hình nghiên cứu của luận án.
Thứ ba, luận án xây dựng mô hình nghiên cứu đánh giá các yếu tố ảnh hưởng
lên khả năng trả nợ/vỡ nợ của khách hàng cá nhân tại ngân hàng HTX Việt Nam.
Thứ tư, luận án tiến hành phân tích và so sánh các mô hình ước lượng dự báo
khả năng vỡ nợ để tìm ra mô hình dự báo tham khảo cho hoạt động tín dụng của ngân
hàng HTX Việt Nam.
Thứ năm, từ kết quả nghiên cứu NCS cũng đưa ra một số khuyến nghị giúp
giảm khả năng vỡ nợ của khách hàng tại ngân hàng Hợp tác xã Việt Nam cũng như
giúp nâng cao hiệu quả hoạt động tín dụng khách hàng cá nhân.

1. Lý do chọn đề tài
Hoạt động cho vay của các ngân hàng hay các trung gian tài chính giúp duy trì
hoạt động của các cá nhân cũng như doanh nghiệp trong hoạt động kinh doanh và
hoạt động khác. Hoạt động cho vay sẽ giúp giải quyết vấn đề đói nghèo và một số
hoạt động vi mô khác (Mensah, 2013). Tuy nhiên, với hoạt động cho vay như vậy,
các đơn vị trung gian tài chính lại phải đối mặt với các trường hợp vỡ nợ của khách
hàng vay vốn do mất khả năng thanh toán (Westley, 2005). Các khoản vay quá hạn
có ý nghĩa nghiêm trọng về tài chính và phi tài chính đối với hoạt động của các tổ
chức tài chính vi mô trong đó lịch trả nợ là một yếu tố (Mensah, 2013).
Bảo vệ chống lại rủi ro tài chính, giảm nợ xấu, tăng khả năng nhận diện rủi ro
của khách hàng cá nhân đối với các ngân hàng, mấu chốt là cảnh báo rủi ro. Theo
quan điểm về tỷ lệ cho vay cá nhân ngày càng tăng trong kinh doanh ngân hàng, điều
đặc biệt quan trọng là cảnh báo rủi ro vỡ nợ cho vay cá nhân (Zhang, 2011). Trong hệ
thống hoạt động của ngân hàng, hoạt động chính là huy động vốn để sử dụng nhằm
thu lợi nhuận, trong đó hoạt động tín dụng cho khách hàng vay là hoạt động sinh lời
lớn nhất trong hệ thống ngân hàng (Lê Văn Tề, 2009). Tuy nhiên, đi kèm với nó là rủi
ro cao nhất cho các NHTM. Đối với hệ thống ngân hàng Việt Nam, kể từ khi chuyển
sang cơ chế thị trường đã không ngừng lớn mạnh và đã thu được những thành tựu

nhất định, nhưng trong quá trình đó các Ngân hàng cũng đã vấp phải không ít những
rủi ro trong hoạt động kinh doanh gây tổn thất nặng nề. Nên đánh giá rủi ro tín dụng
là khâu đầu tiên, là điều kiện tiên quyết trước khi cho vay.
Theo báo cáo của tổ chức tài chính, tỷ lệ nợ xấu của 22 ngân hàng ở Việt Nam
vào năm 2019 đạt 78,5 nghìn tỷ đồng. Tỷ lệ nợ xấu năm 2019 tăng 41% so với năm
cuối năm 2018. Trong đó, đa số các ngân hàng đều có xu hướng tăng nợ xấu so với
cuối năm 2018. Và tỷ lệ tăng nợ xấu lớn nhất so với 2018 là Ngân hàng Tiên Phong
và Ngân hàng Đại Dương (tốc độ tăng nợ xấu của ngân hàng Tiên Phong là 43,39%
và ngân hàng Đại dương là 80,10% so với năm 2018). Các ngân hàng khác đều có xu
hướng tăng dưới 40% so với năm 2018 (Báo cáo tài chính các doanh nghiệp, 2020).
Ngân hàng Hợp tác xã là một trong những ngân hàng đã có những mục tiêu
trong việc giảm tỷ lệ nợ xấu theo quy định của NHNN. Trong đó, mục tiêu giảm tỷ lệ
nợ xấu xuống chỉ còn dưới 3% vào cuối năm 2020 mang tới những thách thức cho
Ngân hàng Hợp tác xã. Do vậy, phía ngân hàng cần có những hành động tích cực
trong việc nâng cao chất lượng tín dụng cho vay khách hàng. Đồng thời cần xây dựng
hệ thống đánh giá rủi ro tín dụng cho vay một cách tối ưu. Do vậy, vấn đề đánh giá
các yếu tố ảnh hưởng tới rủi ro cho vay của ngân hàng là cần thiết để đạt được mục
tiêu đề ra.


3
3. Câu hỏi nghiên cứu
Một là, những yếu tố nào ảnh hưởng tới khả năng vỡ nợ của khách hàng cá
nhân tại ngân hàng HTX Việt Nam?
Hai là, có sự khác biệt nào về ảnh hưởng của các yếu tố ở các mô hình ước
lượng khác nhau lên khả năng vỡ nợ của khách hàng cá nhân?
Ba là, mô hình dự báo nào có dự báo tốt nhất khả năng vỡ nợ của khách hàng
với dữ liệu nghiên cứu?
Bốn là, những khuyến nghị nào giúp giảm khả năng vỡ nợ của khách hàng
cũng như nâng cao hiệu quả hoạt động tín dụng khách hàng cá nhân ở ngân hàng

HTX Việt Nam?
4. Đối tượng và phạm vi nghiên cứu
4.1.1. Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là đánh giá tác động của các yếu tố ảnh hưởng
tới khả năng vỡ nợ của khách hàng cá nhân.
4.1.2. Phạm vi nghiên cứu
Phạm vi nghiên cứu của luận án về khả năng vỡ nợ của khách hàng cá nhân ở
ngân hàng HTX. Các dữ liệu nghiên cứu về thực trạng hoạt động cho vay tín dụng
khách hàng cá nhân, các biến nghiên cứu trong mô hình được thu thập đến cuối năm
2019. Đến cuối 2019 lịch sử tín dụng khách hàng cá nhân tới thời điểm đáo hạn ngân
hàng đã hoàn tất. Các khách hàng có lịch sử vay vốn trong cả ngắn hạn, trung hạn và
dài hạn từ năm 2014. Do đó, dữ liệu về việc trả được nợ cũng như không trả được nợ
được thu thập tại thời điểm cuối năm 2019. Dữ liệu thu thập được từ ngân hàng HTX
Việt Nam.

4
5.1.2. Thông tin/ dữ liệu
(1) Thông tin/số liệu thứ cấp: được thu thập thông qua báo cáo tổ chức ngân hàng
(2) Số liệu sơ cấp: được thu thập dựa trên cơ sở dữ liệu ngân hàng HTX Việt Nam.
6. Những đóng góp mới của luận án
6.1.1. Đóng góp về lý luận
Thông qua phương pháp nghiên cứu định tính và định lượng, nghiên cứu sẽ
đưa ra được mô hình cũng như các yếu tố quyết định tới khả năng vỡ nợ của khách
hàng cá nhân. Bên cạnh đó, luận án còn đưa ra so sánh các mô hình dự báo về khả
năng vỡ nợ (Đề tài sử dụng các phương pháp ước lượng hiện đại như mô hình Logit,
Probit, ANN, Random forest để tìm ra mô hình phù hợp với phạm ngân hàng HTX).
Các phương pháp kĩ thuật khác nhau sẽ cho ra kết quả khác nhau. Mô hình dự báo
khả năng tốt nhất sẽ được sử dụng để đánh giá cho các yếu tố ảnh hưởng tới khả năng
trả nợ. Trong môi trường nghiên cứu của tác giả, mô hình dự báo khả năng vỡ nợ tối

ưu sẽ được đưa ra cho các nghiên cứu về sau tham khảo.
6.1.2. Đóng góp về thực tiễn
Kết quả nghiên cứu của luận án sẽ giúp các ngân hàng cũng như đơn vị tín
dụng có thể tham khảo trong việc thẩm định hồ sơ cho vay đối với khách hàng cá
nhân trong ngân hàng của mình. Đồng thời, từ các kết quả đạt được, luận án thực hiện
xây dựng mô hình chấm điểm tín dụng KHCN gợi ý cho ngân hàng HTX Việt Nam.
7. Kết cấu của Luận án
Chương 1: Tổng quan nghiên cứu và cơ sở lý thuyết các yếu tố ảnh hưởng tới
khả năng vỡ nợ của khách hàng cá nhân
Chương 2: Phương pháp nghiên cứu

5. Phương pháp nghiên cứu và dữ liệu

Chương 3: Kết quả nghiên cứu

5.1.1. Phương pháp nghiên cứu

Chương 4: Giải pháp và khuyến nghị

Luận án sử dụng cả hai phương pháp nghiên cứu định tính và định lượng.
Trong nghiên cứu định tính, NCS tiến hành phỏng vấn tiền mô hình về các yếu tố
ảnh hưởng lên không trả được nợ của khách hàng. Đồng thời, sau khi có có kết quả
của nghiên cứu định lượng, NCS cũng tiến hành phỏng vấn trong việc giải thích kết
quả cũng như các khuyến nghị trong việc thẩm định hồ sơ cũng như hỗ trợ khách
hàng trong quá trình vay vốn hoạt động kinh doanh. Phương pháp nghiên cứu định
lượng được NCS sử dụng trong việc kiểm định và tìm ra các yếu tố có ảnh hưởng
tới khả năng trả nợ của khách hàng cá nhân tại ngân hàng HTX Việt Nam. Đồng
thời các mô hình dự báo vỡ nợ cho các khách hàng như mạng thần kinh nhân tạo
(ANN), Random Forest được sử dụng để so sánh với các mô hình ước lượng truyền
thống như Logistic và Probit.

5

6

CHƯƠNG 1.
TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT CÁC YẾU TỐ
ẢNH HƯỞNG TỚI KHẢ NĂNG VỠ NỢ CỦA KHÁCH HÀNG CÁ NHÂN

thức và bán chính thức trong khi nhà thầu nữ, hộ lớn và khách hàng vay không cần
thế chấp hoặc người bảo lãnh chủ yếu dựa vào vay phi chính thức
Nghiên cứu của Đường Thị Thanh Hải (2014) về đặc điểm và các yếu tố ảnh
hưởng đến tín dụng cá nhân tại hệ thống ngân hàng thương mại ở Việt Nam hiện nay.
Kết quả nghiên cứu chỉ ra các đặc điểm của tín dụng cá nhân gồm: quy mô khoản vay
nhỏ nhưng số lượng vay lớn; các khoản tín dụng cá nhân có mức lãi suất cho vay
chưa linh hoạt; tín dụng cá nhân có chi phí lớn nhất trong danh mục tín dụng của
ngân hàng; tín dụng cá nhân có mức độ rủi ro cao
Ngoài ra còn nhiều nghiên cứu khác như Nghiên cứu của Lê Văn Triết (2010)
về hoàn thiện hệ thống xếp hạng tín dụng cá nhân của ngân hàng TM Á Châu;
Nghiên cứu của Hoàng Thị Kim Diễm (2012) với ngân hàng đầu tư và phát triển chi
nhánh Nam Sài Gòn; Nghiên cứu của Nguyễn Quốc Nghi (2013) thực thiện đánh giá
các yếu tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của hộ gia đình tại ngân hàng
Agribank; Nghiên cứu của Đinh Thị Huyền Thanh & Kleimeier (2007). Bằng việc sử
dụng bộ dữ liệu gồm 56.037 quan sát của một NHTM Việt Nam;....
1.1.3 Các nghiên cứu ước lượng dự báo về rủi ro vỡ nợ của khách hàng sử
dụng cây phân loại
Nghiên cứu về dự báo rủi ro tín dụng theo tiếp cận mô hình phân tích biệt số và
mạng neuron thần kinh (ANN) ở Tunisian của Khemakhem & Boujelbene (2015).
Kết quả thu được so sánh với các phân tích biệt số. Các tác giả đã chỉ ra rằng kỹ thuật

mạng thần kinh nhân tạo (ANN) chính xác hơn về mặt dự đoán
Booth và cộng sự (2014) thực hiện nghiên cứu về giao dịch tự động với
Random Forest và tính thời vụ. Kết quả cho thấy các phân loại Random Forest có
trọng số suy thoái tạo ra kết quả vượt trội về cả lợi nhuận và độ chính xác dự đoán so
với các kỹ thuật khác
Ngoài ra còn nhiều nghiên cứu khác liên quan như Bennell & cộng sự (2006)
sử dụng bộ dữ liệu toàn diện của các cơ quan xếp hạng và các quốc gia trong giai
đoạn 1989 và 1999; Finch & Schneider (2007) thực hiện đề tài phân loại độ chính xác
của mạng neuron thần kinh (ANN) so với phân tích biệt số, hồi quy logistic và các
cây phân loại; Nghiên cứu của Pacelli &Azzollini (2011) về sử dụng mạng thần kinh
nhân tạo (ANN) cho quản lý rủi ro tín dụng tại Italia; Zang (2011) thực hiện sử dụng
mô hình mạng neuron thần kinh nhân tạo ANN để dự báo khả năng vỡ nợ của khách
hàng trong các ngân hàng thương mại ở Trung Quốc; ….
1.2 Các vấn đề về tín dụng củangân hàng
1.2.1 Khái niệm tín dụng ngân hàng

1.1. Tổng quan nghiên cứu
1.1.1 Các nghiên cứu nước ngoài về các yếu tố ảnh hưởng lên khả vỡ nợ
khách hàng
Abid & cộng sự (2018) tiến hành xây dựng so sánh mô hình dự báo khả năng
vỡ nợ của khách hàng qua mô hình Logit và mô hình phân tích biệt số để phân biệt
giữa các cá nhân có xếp hạng tín dụng tốt và xấu. Các tác giả thấy rằng mô hình LR
mang lại hiệu quả tốt 99%tỷ lệ phân loại trong dự đoán các loại khách hàng, phương
pháp DA (trong đó tỷ lệ phân loại tốt chỉ bằng 68,49%, dẫn đến tỷ lệ lỗi cao đáng kể,
tức là 31,51 %)(Abid et al., 2018). Kết quả chỉ ra mô hình Logistic có khả năng dự
báo tốt hơn so với mô hình phân tích biệt số DA.
Mensah (2013) thực hiện nghiên cứu về khả năng vỡ nợ tín dụng khi vay vốn ở các

ngân hàng tại Ghana. Kết quả nghiên cứu thông qua phân tích hồi quy chỉ ra rằng,
không có mối quan hệ đáng kể giữa vỡ nợ cho vay và lịch trả nợ

Nghiên cứu của Ojiaki & Ogbukwa về khả năng trả nợ các nông dân khi vay
vốn tại ngân hàng nhà nước ở Nigeria. Phương pháp hồi quy mô hình Logit được sử
dụng đã đưa ra kết quả: chỉ có 3 yếu tố có tác động thực sự lên khả năng trả nợ: (1)
Quy mô hộ gia đình có tác động ngược chiều lên khả năng trả nợ; (2) Quy mô sử
dụng đất cho nông nghiệp có tác động cùng chiều lên khả năng trả nợ của người nông
dân và (3) Số tiền vay có tác động cùng chiều lên khả năng trả nợ của hộ dân
Nghiên cứu tại các nước Đông Nam Á của Dufhues và cộng sự (2011) về việc
trả nợ tín dụng tại hai quốc gia Thái Lan và Việt Nam. Đối với Việt Nam, kết quả
nghiên cứu trên 198 hộ được khảo sát đã tìm ra có 2 yếu tố có ảnh hưởng: (1) Khoản
vay của hộ (2) dân tộc của chủ hộ có tác động cùng chiều lên khả năng trả nợ tín
dụng của hộ dân
Ngoài ra còn các nghiên cứu khác như Kocenda & Vojtek (2011) sử dụng dữ
liệu ngân hàng cho vay bán lẻ từ Cộng hòa Séc, Peter & Peter (2006) ước tính khả
năng vỡ nợ liên quan đến thu nhập và các yếu tố khác với dữ liệu của Úc….
1.1.2 Các nghiên cứu trong nước về các yếu tố ảnh hưởng lên khả năng vỡ
nợ của khách hàng
Nghiên cứu của Đào Thị Thanh Bình (2019) về xây dựng mô hình chấm điểm
tín dụng khách hàng cá nhân vay tiêu dùng tại Việt Nam. Tác giả sử dụng phương
pháp của hệ thống FICO có tính đến tình hình của Việt Nam
Nghiên cứu của Phạm Thị Thu Trà & Robert Lensink (2008). . Các tác giả thấy
rằng các hộ gia đình nhỏ với tài sản thế chấp và/ hoặc bảo lãnh chủ yếu vay chính

Tín dụng ngân hàng là quan hệ chuyển nhượng tài sản giữa ngân hàng với các
chủ thể kinh tế khác. Theo điều 20, Luật các tổ chức tín dụng, 2010, quy định: “Cấp


7

8

tín dụng là việc tổ chức tín dụng thỏa thuận để khách hàng sử dụng một khoản tiền
với nguyên tắc có hoàn trả bằng các nghiệp vụ cho vay, chiết khấu, cho thuê tài
chính, bảo lãnh ngân hàng và các nghiệp vụ khác”.

1.4 Rủi ro tín dụng
Rủi ro tín dụng là khoản lỗ tiềm tàng vốn có được tạo ra khi cấp tín dụng cho
khách hàng. Bất kì một khoản tín dụng nào được cấp ra thì đều phải tuân thủ theo ba
nguyên tắc cơ bản sau đây: (1) Khoản tín dụng đó phải được sử dụng đúng mục đích
và có hiệu quả; (2) Khoản tín dụng đó phải có tài sản đảm bảo; (3) Khoản tín dụng đó
phải được hoàn trả cả vốn và lãi theo đúng kì hạn đã cam kết.
1.5 Ảnh hưởng của vỡ nợ tín dụng
Nhìn chung, tác động chính của nợ xấu đối với ngân hàng là việc tăng nợ xấu
làm hạn chế sự tăng trưởng tài chính của các ngân hàng (Karim et al., 2010; Kuo et
al., 2010)
1.6 Hoạt động xếp hạng tín dụng trong các ngân hàng
1.6.1 Khái niệm

1.2.2 Đặc trưng của tín dụng ngân hàng
Thứ nhất, chủ thể trong quan hệ tín dụng; Thứ hai, đối tượng của giao dịch tín
dụng NHTM bao gồm cho vay bằng tiền và cho thuê động sản hay bất động sản; Thứ
ba, sự chuyển nhượng vốn được dựa trên cơ sở “niềm tin” và theo nguyên tắc hoàn
trả vô điều kiện trong một khoảng thời hạn nhất định; Thứ tư, giá trị hoàn trả phải lớn
hơn giá trị lúc cho vay; Thứ năm, hoạt động tín dụng ngân hàng tiềm ẩn nhiều rủi ro
1.2.3. Vai trò của tín dụng ngân hàng
Thứ nhất, tín dụng ngân hàng đảm bảo cho quá trình sản xuất được diễn ra một
các thường xuyên và liên tục; Thứ hai, đây là đòn bẩy mạnh mẽ thúc đẩy sự phát triển
quá trình tích tụ và tập trung vốn; Thứ ba, tín dụng NH giúp thúc đẩy việc bình quân
hóa tỷ suất lợi nhuận giữa các ngành nghề trong nền kinh tế và là công cụ quan trọng
trong việc tổ chức đời sống dân cư.
1.2.4. Các hình thức tín dụng của ngân hàng

Phân loại theo thời gian cấp tín dụng; Phân loại theo mục đích sử dụng vốn;
Phân loại theo phương thức hoàn trả; Phân loại theo mức độ đảm bảo; Phân loại theo
đối tượng cấp tín dụng; Phân loại theo xuất xứ tín dụng; Phân loại theo thành phần
kinh tế
1.3 Các vấn đề về tín dụng khách hàng cá nhân
1.3.1. Tín dụng khách hàng cá nhân
Trên cơ sở định nghĩa “tín dụng ngân hàng”, tín dụng KHCN có thể được hiểu
là hình thức tín dụng mà ở đó NHTM đóng vai trò là người chuyển nhượng quyền sử
dụng vốn của mình cho KHCN sử dụng trong một thời gian nhất định phải hoàn trả
cả gốc lẫn lãi (Nguyễn Đăng Đờn 2013).
1.3.2. Chính sách tín dụng khách hàng cá nhân
Chính sách tín dụng KHCN tại các ngân hàng sẽ phụ thuộc vào mục tiêu, chính
sách hoạt động và luôn có sự thay đổi cho phù hợp với điều kiện kinh tế xã hội cũng
như đảm bảo hoạt động cho vay phát triển, bền vững và sinh lợi cho ngân hàng.
1.3.3. Quy trình tín dụng khách hàng cá nhân
Tiếp xúc và hướng dẫn khách hàng lập hồ sơ vay vốn; Thẩm định các điều kiện
cho vay; Xác định phương thức cho vay, xem xét khả năng nguồn vốn, lãi suất cho
vay; Thẩm định cho vay; Phê duyệt khoản vay; Giải ngân; Kiểm tra, giám sát khoản
vay; Thu nợ, gốc và xử lý phát sinh; Thanh lý hợp đồng tín dụng, hợp đồng bảo đảm
tiền vay, giải chấp tài sản đảm bảo; Lưu giữ hồ sơ tín dụng và hồ sơ đảm bảo tiền vay

Định nghĩa xếp hạng tín dụng là việc đưa ra nhận định về mức độ tín nhiệm đối
với trách nhiệm tài chính hoặc đánh giá mức độ rủi ro tín dụng phụ thuộc các yếu tố
bao gồm năng lực đáp ứng các cam kết tài chính, khả năng vỡ nợ khi các điều kiện
kinh tế thay đổi, ý thức và thiện chí trả nợ của người đi vay. Hệ thống xếp hạng tín
dụng dùng để đánh giá mức độ trách nhiệm tài chính của cả 2 nhóm khách hàng
doanh nghiệp và KHCN. Trong phạm vi luận án này, tác giả tập trung phân tích và
nghiên cứu về xếp hạng tín dụng cho nhóm KHCN.
1.6.2 Vai trò của xếp hạng tín dụng
Các ngân hàng sẽ kiểm soát được mức độ tín nhiệm của khách hàng, đánh giá

được hiệu quả của danh mục cho vay thông qua việc giám sát sự thay đổi dư nợ và
phân loại nợ của khách hàng nhờ hệ thống xếp hạng tín dụng
1.6.3 Nguyên tắc hoạt động xếp hạng tín dụng
Thứ nhất, phân tích tín nhiệm trên cơ sở ý thức và thiện chí trả nợ của người đi
vay đối với từng khoản vay.
Thứ hai, đánh giá rủi ro dài hạn dựa trên ảnh hưởng của chu kỳ kinh doanh
cũng như xu hướng và khả năng vỡ nợ trong tương lai
Thứ ba, đánh giá rủi ro toàn diện và thống nhất dựa vào hệ thống chấm điểm
tín dụng và các ký hiệu xếp hạng.
Thứ tư, việc thu thập số liệu để sử dụng trong mô hình xếp hạng tín dụng cần
được thực hiện khách quan và linh hoạt
1.6.4 Quy trình xếp hạng tín dụng
Thứ nhất, thu thập thông tin liên quan
Thứ hai, phân tích thông tin thu thập được bằng cách sử dụng các mô hình để
kết luận về mức xếp hạng tín dụng của KHCN


9

10

Thứ ba, theo dõi tình trạng tín dụng của khách hàng được xếp hạng điều chỉnh
thích hợp
1.6.5 Một số mô hình xếp hạng tín dụng
Mô hình điểm số tín dụng cá nhân của FICO
Mô hình điểm số tín dụng CreditKarma
Mô hình điểm số tín dụng Credit Sesame
Mô hình điểm số tín dụng VantageScore
Mô hình điểm số tín dụng của Kleimeier
1.4.6 Mô hình xếp hạng tín dụng tại ngân hàng

Hệ thống xếp hạng tín dụng tại các NHTM Việt Nam hiện nay chủ yếu sử dụng
phương pháp chấm điểm. Số điểm khách hàng đạt được là tổng điểm của bộ chỉ tiêu
tài chính và phi tài chính với tỷ trọng nhất định
1.4.7 Một số hạn chế của xếp hạng tín dụng khách hàng cá nhân hiện nay
Mô hình thực tiễn vẫn còn có những hạn chế cần khắc phục:
Thứ nhất, các chỉ tiêu đưa ra trong mô hình xếp hạng tín dụng hiện tại vẫn còn
mang tính định tính, các yếu tố định lượng còn ít do vẫn dựa trên phương pháp kinh
nghiệm, chuyên gia, chưa có những cập nhật mới đối với các phương pháp thống kê
định lượng.
Thứ hai, kết quả chấm điểm tín dụng chưa là một cơ sở mạnh để giúp ngân
hàng đưa ra quyết định cấp hạn mức tín dụng cho khách hàng. Mức độ dự đoán chính
xác khả năng vỡ nợ của khách hàng còn chưa cao bởi thế vẫn chưa thể loại bỏ được
những nhầm lẫn, có những trường hợp khách hàng được xếp hạng tín dụng ở mức cao,
đáng tin cậy, có mức độ rủi ro thấp nhưng trên thực tế lại không có khả năng trả nợ.
Thứ ba, mô hình xếp hạng tín dụng thực tiễn gặp phải vấn đề khó phát hiện
được hành vi gian dối của khách hàng. Việc đánh giá những hành vi này chỉ dựa trên
kinh nghiệm của cán bộ tín dụng trong quá trình tiếp xúc khách hàng và thu thập
thông tin.
Thứ tư, mô hình chấm điểm hiện tại chỉ cung cấp giá trị mức độ tín nhiệm tín
dụng của khách hàng ở thời điểm cấp tín dụng chứ chưa có tính chất dự báo cho
tương lai.
1.7 Các yếu tố ảnh hưởng tới khả năng vỡ nợ của khách hàng cá nhân
1.7.1 Yếu tố thông tin cá nhân của khách hàng
Những thông tin về bản thân cá nhân của khách hàng là những thông tin mang
tính nội tại của khách hàng đó. Việc nghiên cứu những yếu tố này giúp các ngân hàng
đánh giá được tổng quan nhất về khách hàng đó, về khả năng cơ bản của khách hàng
trong việc đáp ứng được những điều kiện mà ngân hàng yêu cầu, mức độ đáng tin cậy
trong việc khách hàng thực hiện cam kết với ngân hàng và cũng là nguồn thông tin có

ảnh hưởng lớn đến việc đưa ra quyết định của ngân hàng về việc có hay không cấp tín

dụng cho khách hàng. Các yếu tố trong nhóm thông tin này bao gồm: độ tuổi, giới
tính, tình trạng hôn nhân, trình độ học vấn, nghề nghiệp, chức vụ hiện tại trong công
việc, lý lịch tư pháp.
1.7.2 Yếu tố về điều kiện sống của khách hàng
Những thông tin về điều kiện sống của KHCN phản ánh mối tương tác của
khách hàng đó với xã hội, từ đó, giúp ngân hàng đánh giá được mức độ ảnh hưởng
của các tác động từ môi trường bên ngoài đến khả năng tài chính cũng như nhận thức
hành vi của khách hàng đó. Nhóm thông tin này bao gồm các yếu tố như: quy mô hộ
gia đình, số người phụ thuộc, phân loại địa phương nơi cư trú, đặc điểm nơi cư trú,
tính ổn định về chỗ ở, sở hữu nhà, sở hữu các loại động sản giá trị khác.
1.7.3 Yếu tố về tài chính của khách hàng
Phân tích thông tin tài chính và mối quan hệ tài chính của khách hàng là một
công việc quan trọng đối với các ngân hàng, mang tính quyết định trong việc đánh
giá khả năng vỡ nợ của khách hàng, tác động đến xếp hạng tín dụng của khách hàng
đó cũng như việc ngân hàng đưa ra quyết định cho vay hay là không. Các chỉ tiêu tài
chính của các khách hàng được các ngân hàng
1.7.4 Yếu tố hành vi của khách hàng
Các yếu tố trong nhóm được phân tích như: mối quan hệ với ngân hàng, số
lượng và loại dịch vụ ngân hàng mà khách hàng đang sử dụng, số lượng khoản vay,
thời gian hoàn trả, thời gian thủ tục xin vay, lịch sử vay và trả nợ…


11

12

CHƯƠNG 2.
PHƯƠNG PHÁP NGHIÊN CỨU
1.1 Quy trình nghiên cứu
Với nội dung của luận án, quy trình nghiên cứu được trìn bày như sau:

Xác định mục tiêu nghiên
cứu

Tìm ra khoảng trống nghiên
cứu

Cơ sở lý thuyết

Các lý thuyết liên quan, các
yếu tố ảnh hưởng tới khả
năng vỡ nợ của khách hàng
cá nhân

Mô hình nghiên cứu

Các biến nghiên cứu có
được từ mô hình có trước,
yếu tố từ phỏng vấn định
tính được đưa vào mô hình
nghiên cứu

Phân tích dữ liệu

-

Mô hình logit
Phân tích dự báo ANN,
Random forest
Kiểm tra kết quả trên
mẫu dữ liệu mới

So sánh các mô hình

Hoàn thiện luận án

2.2 Mô hình và giả thuyết nghiên cứu
Từ các nghiên cứu trước của Dựa trên mô hình nghiên cứu của Dufhues và
cộng sự (2011); Ojiaki & Ogbukwa (2012); Agarwal & cộng sự (2009); Dunn & Kim
(1999); Ozdemir (2004); Kocenda &Vojtek (2011); Booth và cộng sự (2014). Tác giả
đưa ra mô hình nghiên cứu như sau

Trong đó:
DLi: là biến phụ thuộc về vỡ nợ
Xi: các biến độc lập có thể ảnh hưởng lên khả năng vỡ nợ DLi

2.3. Thiết kế nghiên cứu
2.3.1 Mẫu nghiên cứu
Dữ liệu nghiên cứu được thu thập từ cơ sở dữ liệu của ngân hàng HTX Việt
Nam. Dữ liệu quá khứ về việc vỡ hay không của các khách hàng cá nhân tại ngân
hàng sẽ được sử dụng (Khách hàng là những cá nhân vay vốn phục vụ mục đích kinh
doanh cá nhân hoặc hộ gia đình). Mẫu nghiên cứu thu được 5498 khách hàng tại ngân
hàng HTX Việt nam gửi đi. Với số lượng mẫu 5498 đảm bảo tính tin cậy về số lượng
mẫu tối thiểu khi phân tích dữ liệu đa biến
2.3.2 Thu thập dữ liệu
Với các biến nghiên cứu, tác giả tiến hành gửi tới đơn vị ngân hàng phụ trách
để xin số liệu thông tin tình hình trả nợ của khách hàng cá nhân. Thông tin khách
hàng về họ tên, số điện thoại và địa chỉ không được đưa vào dữ liệu phân tích. Các
thông tin được cung cấp hoàn toàn bảo mật và chỉ sử dụng cho nghiên cứu này của
tác giả. Mỗi đơn vị phòng giao dịch, chi nhanh ngân hàng được NCS thu thập khoảng
từ 100-500 khách hàng.
2.4 Phương pháp phân tích dữ liệu

2.4.1Mô tả dữ liệu
2.4.2 Phân tích tương quan
2.4.3 Các mô hình phân tích và dự báo vỡ nợ của KHCN
2.4.3.1 Mô hình Logit
2.4.3.2 Mô hình Probit
2.4.3.3 Mô hình phân tích biệt số/phân biệt
2.4.3.4 Mô hình dự báo mạng neuron nhân tạo (ANN)
2.4.3.4 Mô hình dự báo bằng Random Forest


13

14

CHƯƠNG 3.
KẾT QUẢ NGHIÊN CỨU
3.1 Khái quát chung về Ngân hàng Hợp tác xã Việt Nam
3.1.1 Giới thiệu về ngân hàng HTX
Ngân hàng HTX tiền thân là Quỹ tín dụng nhân dân Trung ương được thành lập
ngày 05/08/1995 và năm 2013 được chuyển đổi sang thành Ngân hàng Hợp tác xã Việt
Nam theo giấy phép số 166/GP-NHNN ngày 04/06/2013 của Thống đốc Ngân hàng Nhà
nước Việt Nam. Tên đầy đủ bằng tiếng Việt: Ngân Hàng Hợp Tác Xã Việt Nam
3.1.2 Hoạt động sử dụng vốn của ngân hàng HTX
Nguồn vốn của ngân hàng HTX từ 2016 đến 2017 tăng 2.828 tỷ đồng tương tứng
với tăng 10,49%. Trong đó nguồn vốn chủ sở hữu tăng 63 tỷ đồng tương ứng với 1,76%;
nguồn vốn chủ sở hữu chủ yếu tăng từ nguồn vốn các quỹ mà không phải từ vốn điều lệ
3.2 Thực trạng về các cá nhân vay vốn tại ngân hàng HTX theo mẫu
nghiên cứu
Thống kê mô tả các biến nghiên cứu liên tục chỉ ra học vấn trung bình của các
đối tượng là 21 năm đi học. Trong đó lớn nhất là 36 năm và nhỏ nhất là 12 năm. Độ

lệch chuẩn bằng 6.1 cho thấy mức độ chênh lệch học vấn của các đối tượng tương đối
lớn. Tiếp theo về độ tuổi các KHCN vay vốn theo mẫu thu thập trung bình là 32 tuổi.
Trong đó lớn nhất là 53 tuổi và nhỏ nhất là 20 tuổi. Về quy mô hộ gia đình chỉ ra
trung bình các đối tượng vay vốn trong gia đình có 5 người, lớn nhất có hộ 6 người
và nhỏ nhất là 4 người. Về số người phụ thuộc trong gia đình trung bình là 3 người,
lớn nhất là 5 và nhỏ nhất là 1 người. Số tiền vay trung bình là 551 triệu, nhỏ nhất là
100 triệu và lớn nhất là 10 tỷ đồng. Thời gian cũng như kinh nghiệm làm việc của các
KHCN trung bình là 14 năm, nhỏ nhất là 1 năm kinh nghiệm và lớn nhất là 30 năm
kinh nghiệm làm việc. Về tỷ lệ trả gốc và lãi so với thu nhập trung bình là 0.397
tương ứng với 39%, trong đó lớn nhất là 60% và nhỏ nhất là 20%.
3.3 Kết quả phân tích các yếu tố ảnh hưởng lên khả năng vỡ nợ của KHCN
3.3.1 Kết quả hồi quy logistic
Bảng. Kết quả hồi quy logistic cho các khách hàng
(Intercept)
Học vấn_Trung cấp
Cao đẳng_Đại học
Sau đại học
Giới tính
Hôn nhân
Lý lịch tư pháp
Sở hữu kinh doanh

Estimate
14,2000
0,2253
-0,6597
-0,0898
0,8570
-0,6551
0,6929

-4,9570

Std. Error
0,8484
0,1951
0,1915
0,1369
0,1421
0,1146
0,2229
0,1703

z value
16,7370
1,1550
-0,8339
-0,6550
6,0300
-5,7160
3,1090
-29,1140

p-value
< 2e-16 ***
0,248272
0,71345
0,512187
1,64e-09 ***
1,09e-08 ***
0,001879 **

< 2e-16 ***

Tuổi
-0,0729
0,0089
-8,1810
Quy mô hộ
-0,2300
0,0966
-2,3800
Số người phụ thuộc
0,0528
0,0707
0,7470
Số tiền vay
0,0000
0,0003
0,0280
Nghề nghiệp
1,7440
1,0010
1,7420
Vị trí _TruongBoPhan
-0,0234
0,2071
-0,1130
Nhanvien
0,5550
0,3011
1,8430

Thời gian làm việc
-0,0226
0,0105
-2,1470
Loại hình
-0,5450
0,1414
-3,8540
Thu nhập
-0,1218
0,0107
-11,3770
Kì hạn_Trung hạn
-1,3230
0,2322
-5,6960
Dài hạn
-0,8374
0,2398
-3,4920
Tình trạng_Chậm 1 lần 1
-0,0890
0,1550
-0,5740
Chậm 2 lần trở lên
-1,4100
0,2621
-5,3780
0.2248
0,1134

1,9830
Mục đích_Sử dụng đúng mục đích
Đa dạng hóa nghề
0.5236
0,1137
4,6050
Tài sản ĐB là BĐS
-1.7930
0,1247
-14,3750
Tỷ lệ trả hàng tháng
0.4287
0,4787
0,8960
Có Bảo hiểm nhân thọ
-1.0980
0,2286
-4,8050
Observations
5.498
Note:*p<0,1;**p<0,05;***p<0,01.

Dự báo
Không vỡ nợ
Vỡ nợ
Dự báo chính xác
95% CI

2,82e-16 ***
0,017301 **

0,455127
0,977847
0,081507
0,910178
0,065263*
0,031771 **
0,000116 ***
< 2e-16 ***
1,23e-08 ***
0,000480 ***
0,565849
7,54e-08 ***
0,047378 **
4,12e-06 ***
< 2e-16 ***
0,370498
1,55e-06 ***

Bảng . Kết quả dự báo cho mẫu thử
Kết quả dự báo cho 500 mẫu thử
Không vỡ nợ
Vỡ nợ
181
27
50
242
83,46%
(81,13%; 87,65%)

3.3.2 Kết quả mô hình ước lượng Probit

Kết quả ước lượng mô hình Probit cho thấy kết quả khá tương đồng với kết quả
của mô hình Logistic.
Bảng 3.8 Kết quả dự báo của mô hình Probit
(Intercept)
Học vấn_Trung cấp
Cao đẳng_Đại học
Sau đại học
Giới tính
Hôn nhân
Lý lịch tư pháp
Sở hữu kinh doanh
Tuổi

Estimate
7,748
0,131
-0,369
-0,037
0,475
-0,354
0,374
-2,771
-0,037

Std. Error
0,453
0,107
0,104
0,076
0,079

0,062
0,116
0,088
0,005

z value
17,108
1,223
-1,213
-0,481
6,026
-5,666
3,212
-31,491
-7,565

p-value
< 2e-16 ***
0,221288
0,20230
0,63044
1.68e-09 ***
1.46e-08 ***
0.001316 **
< 2e-16 ***
3.88e-14 ***


15
Quy mô hộ

Số người phụ thuộc
Số tiền vay
Nghề nghiệp
Vị trí _TruongBoPhan
Nhanvien
Thời gian làm việc
Loại hình
Thu nhập
Kì hạn_Trung hạn
Dài hạn
Tình trạng_Chậm 1 lần 1
Chậm 2 lần trở lên
Mục đích_Sử dụng đúng mục đích
Đa dạng hóa nghề
Tài sản ĐB là BĐS
Tỷ lệ trả hàng tháng
Có Bảo hiểm nhân thọ
Note

-0,115
0,022
0,000
0,998
0,007
0,309
-0,017
-0,278
-0,068
-0,728
-0,479

-0,005
-0,750
0,103
0,307
-0,954
0,228
-0,583

16
0,053
0,039
0,000
0,516
0,113
0,164
0,006
0,078
0,006
0,127
0,131
0,083
0,144
0,062
0,063
0,068
0,262
0,123

-2,157
0.031033 *

0,582
0.560707
-0,294
0.768435
1,932
0,053307 ,
0,064
0,949206
1,884
0,059518*
-2,895
0,003794 **
-3,571
0,000355 ***
-11,781
< 2e-16 ***
-5,740
9,46e-09 ***
-3,655
0,000257 ***
-0,061
0,950985
-5,208
1,91e-07 ***
1,653
0,098401 ,
4,917
8,80e-07 ***
-14,083
< 2e-16 ***

0,868
0,385316
-4,722
2,34e-06 ***
*p<0,1; **p<0,05; ***p<0,01

Đồng thời, mô hình Probit có khả năng dự báo chính xác cho 500 mẫu khách
hàng kiểm tra là 84,60%
Bảng . Kết quả dự báo của mô hình Probit
Không vỡ nợ
Vỡ nợ
Dự báo
Không vỡ nợ
183
29
Vỡ nợ
48
240
84,6%
Dự báo chính xác
Khoảng tin cậy 95%
(81,13%;78,5%)

3.3.3 Kết quả mô hình dự báo dựa trên mạng Neuron nhân tạo
(Artificial Neural Network)
Đồng thời kết quả dự báo về khả năng chính xác mô hình chỉ ra mô hình ANN
có khả năng dự báo chính xác trên mẫu 500 khách hàng từ trọng số của mô hình
ANN là 83,86%.
Bảng . Kết quả dự báo mô hình ANN
Dự báo

Không vỡ nợ
Vỡ nợ
Không vỡ nợ
184
47
Vỡ nợ
34
235
Dự báo chính xác
83,86%

3.3.4 Kết quả mô hình phân loại Random Forest
Từ kết quả dự báo trên dự liệu mẫu 5.498, NCS tiến hành kiểm tra mô hình dự
báo random forest trên 500 mẫu kiểm tra thu được kết quả dự báo như sau:

Bảng. Mức độ dự báo của mô hình Random Forest kiểm tra
Dự báo
Không vỡ nợ
Vỡ nợ
Không vỡ nợ
217
0
Vỡ nợ
14
269
Dự báo chính xác
97,2%
95% CI
(95,35%; 98,46%)

3.3.5. Tổng hợp các kết quả nghiên cứu
Kết quả hồi quy logistic và Probit dựa trên dữ liệu thu thập từ 5.498 khách
hàng cá nhân cho thấy các nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá
nhân tại Ngân hàng HTX Việt Nam như sau.
Các yếu tố có ảnh hưởng đến khả năng vỡ nợ của KHCN tại ngân hàng gồm
15 yếu tố (giới tính, hôn nhân, lịch sử tư pháp, sở hữu kinh doanh, tuổi, quy mô hộ,
vị trí làm việc, thời gian làm việc, loại hình, thu nhập, kỳ hạn vay, tình trạng trả nợ,
đa dạng hóa ngành nghề, tài sản đảm bảo, có bảo hiểm nhận thọ) là có ý nghĩa thống
kê vì thế các giả thuyết về các nhân tố được chấp nhận.
Các yếu tố không có ảnh hưởng đến khả năng vỡ nợ của KHCN tại ngân hàng gồm
5 yếu tố (học vấn, số người phụ thuộc, số tiền vay, nghề nghiệp của khách hàng, tỷ lệ trả
nợ/ thu nhập hàng tháng) vì thế các giả thuyết về các yếu tố này bị bác bỏ hoàn toàn.
3.3.6 Thảo luận kết quả nghiên cứu
Với kết quả ước lượng từ 4 mô hình: Hồi quy Logisitic, hồi quy Probit, mô hình
mạng trí tuệ nhân tạo ANN và mô hình rừng ngẫn nhiên Random forest chỉ ra về khả năng
dự báo chính xác của các mô hình đều trên 83%. Bên cạnh đó, qua mô hình hồi quy
Logistic và Probit đã chỉ ra ảnh hưởng của từng yếu tố lên khả năng vỡ nợ của khách
hàng. Để phân tích các yếu tố ảnh hưởng lên khả năng trả nợ của khách hàng, NCS tiến
hành phân tích dựa trên mô hình Logistic (mô hình có khả năng dự báo tốt bằng với Probit
nhưng có số lượng biến nghiên cứu ý nghĩa nhiều hơn). Với kết quả phân tích này, NCS
đưa ra một số phân tích cũng như thảo luận kết quả nghiên cứu như sau:
Giới tính của khách hàng vay vốn cũng có ảnh hưởng lên khả năng vỡ nợ. Cụ
thể, các KHCN là nam giới sẽ có khả năng vỡ nợ cao hơn nữ giới. Có thể thấy rằng
các cá nhân là nam giới thường có nhiều thời gian dành cho công việc hơn nữ giới
(Do nữ giới có thêm những công việc thường ngày cho gia đình)
Yếu tố về tình trạng hôn nhân cũng có tác động ngược chiều lên khả năng vỡ
nợ. Với mã hóa là 1- đã kết hôn và 0- chưa kết hôn, kết quả này chỉ ra những khách
hàng đã kết hôn có khả năng trả được nợ cao hơn so với những người chưa kết hôn.
Vấn đề do khi lập gia đình, nguồn tài chính có thể huy động từ nhiều nguồn:
Vợ/chồng, phụ huynh hay người nhà hai bên vợ/chồng (Ojiako & Ogbukwa, 2012)

Lý lịch tư pháp càng tốt thì khả năng vỡ nợ thấp hơn so với các khách hàng có
lý lịch tư pháp không tốt.


17

18

Yếu tố về sỡ hữu kinh doanh có ảnh hưởng ngược chiều lên khả năng vỡ nợ
của khách hang. Kết quả này chỉ ra với khách hàng có sở hữu cơ sở kinh doanh
(không phải đi thuê) có khả năng vỡ nợ thấp hơn so với các khách hang phải đi thuê
cơ sở kinh doanh
Vị trí làm việc của khách hàng là nhân viên có xu hướng vỡ nợ cao hơn với các
khách hàng làm quản lý. Có thể thấy nhân viên đi làm và vay vốn kinh doanh mang
tới rủi ro cao cho ngân hàng
Yếu tố độ tuổi có tác động ngược chiều lên khả năng vỡ nợ của khách hàng cá
nhân khi vay vốn ở các ngân hàng.
Quy mô hộ gia đình có ảnh hưởng ngược chiều lên khả năng vỡ nợ của khách
hàng chỉ ra với các hộ có càng nhiều thành viên thì khả năng trả được nợ càng cao.
Yếu tố nhu nhập có ảnh hưởng ngược chiều lên khả năng vỡ nợ cho thấy các khách
hàng có thu nhập càng cao thì khả năng trả nợ cao hơn với người có thu nhập thấp hơn.
Loại hình doanh nghiệp đang làm việc (là nhân viên công ty hoặc đang làm chủ
doanh nghiệp), kết quả cho thấy các khách hàng đang làm trong lĩnh vực nhà nước có
khả năng vỡ nợ cao hơn so với các khách hàng làm trong lĩnh vực ngoài nhà nước.
Yếu tố kinh nghiệm làm việc cũng ảnh hưởng ngược chiều lên khả năng vỡ nợ
của khách hàng cá nhân tại các ngân hàng.
Yếu tố về thời hạn vay cũng có ảnh hưởng lên khả năng vỡ nợ của khách hàng.
Kết quả hồi quy logistic chỉ ra các khoản vay trong trung và dài hạn có xu hướng gặp
rủi ro vỡ nợ thấp hơn so với các khoản vay trong ngắn hạn.
Kết quả về ảnh hưởng của trả nợ gốc và lãi đúng hạn cũng chỉ ra các khách

hàng có lịch sử trả chậm từ 2 lần trở lên sẽ có khả năng vỡ nợ cao hơn so với các
khách hàng không trả chậm lần nào hoặc có chỉ trả chậm 1 lần
Đa dạng hóa nghề nghiệp có tác động cùng chiều lên khả năng vỡ nợ của
khách hàng cá nhân tại ngân hàng HTX Việt Nam
Tài sản đảm bảo có tác động ngược chiều lên khả năng vỡ nợ của khách hàng
cá nhân. Kết quả cho thấy các khách hàng có tài sản đảm bảo là bất động sản sẽ có xu
hướng gặp vỡ vợ thấp hơn so với các khách hàng có tài sản đảm bảo là động sản
Yếu tố về tham gia bảo hiểm nhân thọ có ảnh hưởng ngược chiều lên khả năng
vỡ nợ của khách hàng. Kết quả này chỉ ra các khách hàng tham gia bảo hiểm nhân thọ
có xu hướng vỡ nợ thấp hơn so với các khách hàng chưa tham gia bảo hiểm
3.3.7 So sánh mức độ dự báo chính xác của các mô hình ước lượng
Với kết quả ước lượng từ 4 mô hình: Mô hình hồi quy Logistic, mô hình
Probit; mô hình ANN và mô hình Random Forest. NCS tiến hành so sánh khả năng
dự báo cũng như xếp hạng khả năng dự báo của các mô hình. Kết quả chỉ ra mô hình
Logit, Probit và ANN có khả năng dự báo thấp nhất trong 4 mô hình ước lượng với
khả năng dự báo chính xác ở mức 83%. Mô hình Random forest gần như dự báo
chính xác 97.2%. Có thể thấy với các kĩ thuật phân tích dự báo mang tính chất phân

loại như Random forest có khả năng dự báo tốt hơn so với các mô hình ước lượng
truyền thống khác như Logistic hay Probit

Hình . So sánh mức độ dự báo của các mô hình

Từ kết quả các mô hình ước lượng, tác giả cũng đề xuất các ngân hàng nên
tham khảo cả 4 mô hình dự báo có khả năng dự báo trên 83% là mô hình Logit mô
hình Probit, mạng trí tuệ nhân tạo và Random Forest. Trong đó, mô hình mạng trí tuệ
nhân tạo ANN và Random forest sẽ giúp dự báo nhanh về khả năng trả nợ. Hai mô
hình hồi quy Logit và Probit sẽ giúp các ngân hàng xây dựng các chỉ số để xếp hạng
tín dụng cũng như thu thập các dữ liệu quan trọng liên quan tới khách hàng.
3.4 Phỏng vấn chuyên gia về nguyên nhân rủi ro tín dụng

Nhằm nâng cao hoạt động tín dụng cá nhân trong các ngân hàng, NCS tiến
hành phỏng vấn chuyên gia về các vấn đề liên quan tới hạn chế rủi ro tín dụng trong
ngân hàng nhằm giảm khả năng vỡ nợ của khách hàng. Kết quả phỏng vấn đưa ra một
số nguyên nhân chính dẫn tới rủi ro tín dụng hay vỡ nợ của khách hàng:
Nguyên nhân từ khách hàng: (1) Sử dụng vốn không đúng mục đích; (2) Hoạt
động đầu tư có hiệu quả thấp; (3) Do khách hàng gian lận trong quá trình nộp hồ sơ
vay vốn; (4) Tương tác với phía ngân hàng hạn chế; (5) Đa dạng hóa danh mục đầu tư
từ khoản vay không hiệu quả.
Nguyên nhân từ phía ngân hàng: (1) Rủi ro tín dụng do thiếu thông tin của
khách hàng; (2) Do ý muốn chủ quan của của người xét duyệt/người cấp tín dụng; (3)
Do áp lực phải hoàn thành chỉ tiêu kế hoạch hàng năm được giao, chưa thật sự quan
tâm đến chất lượng tín dụng; (4) Thiếu giám sát và quản lý sau khi cho vay, hệ thống
cảnh báo sớm về các khoản vay có vấn đề không hiệu quả nên không thể can thiệp
kịp thời; (5) Hệ thống chấm điểm tín dụng chưa phù hợp; (6) Hệ thống kiểm soát rủi
ro khi cho vay không chặt chẽ.


19

20

CHƯƠNG 4.
GIẢI PHÁP VÀ KHUYẾN NGHỊ
4.1 Giải pháp nâng cao hiệu quả hoạt động tín dụng KHCN tại ngân hàng
HTX Việt Nam
4.1.1 Giải pháp phân loại khách hàng cá nhân trong quá trình chuẩn bị hồ sơ
Để quản trị rủi ro tín dụng khách hàng cá nhân, dựa trên kết quả nghiên cứu
này, tác giả đưa ra một số giải pháp giúp hạn chế các trường hợp không trả được nợ:
Ban đầu thông tin dữ liệu của khách hàng cần được nắm bắt chi tiết và chính
xác. Hay nói cách khác ngân hàng cần có biện pháp giảm những rủi ro từ bất cân

xứng thông tin.
Từ kết quả phân tích mô hình hồi quy Logistic cũng như Probit, các yếu tố có
ảnh hưởng tới khả năng vỡ nợ của khách hàng đều cần thu thập thông tin một cách
đầy đủ và chính xác. Đồng thời, trong lúc thẩm định hồ sơ vay vốn, nhân viên tín
dụng cần tìm hiểu và xem xét thật kĩ những thông tin liên quan tới các yếu tố quan
trọng này: thu nhập của khách hàng, tình trạng hôn nhân, trình độ học vấn, tài sản
đảm bảo, có tham gia bảo hiểm nhân thọ hay không....
Áp dụng những quy chuẩn theo Basel II giúp các ngân hàng hạn chế rủi ro tín
dụng cho vay khách hàng cá nhân
Tài sản thế chấp là yếu tố cần được đưa vào áp dụng chặt chẽ để hướng người
vay luôn luôn hướng tới việc trả lại các khoản vay (Mensah, 2013). Nâng cao yêu cầu
của các ngân hàng đối với tài sản đảm bảo khi thực hiện các khoản vay làm giảm vấn
đề lựa chọn bất lợi, từ đó dẫn đến tỷ lệ vỡ nợ thấp hơn
Chính sách cho vay nội bộ hợp lý: Chính sách cho vay hướng dẫn các ngân
hàng giải ngân khoản vay cho khách hàng, tuân thủ nghiêm ngặt chính sách cho vay
đến nay là phương pháp rẻ nhất và đơn giản nhất của quản lý rủi ro tín dụng. Chính
sách cho vay phải phù hợp với chiến lược ngân hàng tổng thể và các yếu tố được xem
xét khi thiết kế chính sách cho vay phải bao gồm chính sách tín dụng hiện hành, định
mức ngành, điều kiện kinh tế chung của đất nước (Kithinji, 2010).
Chính sách khuyến khích nhân viên giành nhiều thời gian cho chăm sóc khách
hàng cũng như kiểm tra thông tin cẩn thận để tránh thông tin sai sự thật.
Hình phạt nên được áp dụng cho các khoản nợ quá hạn hoặc chưa trả để ngăn
chặn các khoản nợ xấu
Chi nhánh tiến hành xây dựng phương pháp xếp hạng tín dụng với khách hàng
cá nhân theo mô hình dự báo từ kết quả hồi quy Probit/ANN/Random Forest nhằm
phân loại các khách hàng khi nộp hồ sơ vay vốn. Các mức đánh giá trả được nợ từ
50% đến 100% là mức theo thứ bậc để xem xét. Tùy vào tình hình cụ thể với chi

nhánh từng thời điểm khác nhau có thể sử dụng xác suất trả nợ ở mức bao nhiêu để
tiến hành cho vay.

4.1.2 Giải pháp về giám sát hoạt động sau cho vay
Ngoài việc xây dựng xếp hạng tín dụng theo phương pháp định lượng, ngân
hàng cần làm chặt hơn nữa quy trình kiểm soát và theo dõi hồ sơ nhằm kịp thời xử lý
những dấu hiệu bất thường của khách hàng sau khi vay vốn. Quy trình kiểm soát hồ
sơ được tự động báo cáo cho ban lãnh đạo theo tháng, quý để kiểm soát tốt hơn rủi ro
tín dụng cho vay khách hàng cá nhân.
Yếu tố sử dụng vốn vay đúng mục đích có ảnh hưởng tới khả năng vỡ nợ của
khách hàng. Do vậy, các hoạt động sử dụng vốn vay của khách hàng cần được kiểm
soát theo mục đích sử dụng cũng như hoạt động kinh doanh của khách hàng. Với
khách hàng sử dụng vốn vay không đúng mục đích sẽ làm tăng nguy cơ không trả
được nợ. Do vậy, cần có biện pháp tư vấn hoạt động sử dụng vốn vay hợp lý với
khách hàng.
4.1.3 Giải pháp liên quan tới cải thiện hệ thống chấm điểm tín dụng định kỳ
Do đặc điểm điều kiện kinh tế, cũng như yếu tố ảnh hưởng tới khả năng vỡ nợ
của khách hàng cá nhân có thể thay đổi theo thời gian. Do vậy, việc thay đổi mô hình
đánh giá khả năng vỡ nợ hay xếp hạng tín dụng cần thường xuyên thay đổi theo thay
đổi của thị trường.
4.1.4 Giải pháp hoàn thiện hệ thống chấm điểm tín dụng trực tuyến
Với hệ thống chấm điểm tín dụng trực tuyến dựa trên mô hình dự báo được
đưa ra như mô hình Probit, Logistic, ANN/Random Forest sẽ giúp ngân hàng giảm
bớt các yếu tố/thông tin không cần thiết khi đưa vào hệ thống/app - ứng dụng. Khách
hàng có thể dễ dàng đưa ra các thông tin của mình vào hệ thống để biết khả năng vay
vốn của mình nằm trong khoảng nào. Với các khoảng có khả năng xem xét hồ sơ thì
khách hàng sẽ được chuyển tới bộ phận tiếp nhận hồ sơ và liên hệ với khách hàng để tư
vấn cũng như hỗ trợ thủ tục để vay vốn. Với các khách hàng thực hiện nhập thông tin
nhưng nằm trong vùng khả năng cấp tín dụng rất thấp thì ngân hàng có thể bỏ qua và
thông báo cho khách hàng về việc chưa cấp tín dụng trong thời gian này. Các yêu cầu
chưa đạt có thể được đưa ra ngay khi được lập trình trên hệ thống hay app ứng dụng.
4.2 Xây dựng hệ thống xếp hạn tín dụng khách hàng cá nhân tại ngân
hàng HTX dựa trên kết quả nghiên cứu

Căn cứ xếp hạng tín dụng KHCN tại NHHTX dựa trên kết quả phân tích mô
hình Logit và trọng số trong mô hình ANN cũng như Random Forest cũng tuân theo
những căn cứ chung mà ngân hàng khác đang áp dụng, bao gồm: hồ sơ pháp lý, thông
tin tài chính và mức độ tín nhiệm của khách hàng trong quan hệ với các ngân hàng và
tổ chức tín dụng khác. Cán bộ tín dụng thực hiện nhiệm vụ thu thập thông tin liên


21

22

quan đến khách hàng vay, bao gồm các thông tin mang tính định tính và định lượng,
so sánh với những tiêu chuẩn đã được ngân hàng xây dựng cho từng tiêu chí. Quá
trình so sánh, đánh giá và cho điểm đối với các tiêu chí có thể phụ thuộc nhiều vào
mối liên hệ tương quan với các khách hàng khác nhau. Việc tính điểm có thể bị ảnh
hưởng bởi đánh giá chủ quan của người chấm, vì thế đòi hỏi cán bộ đánh giá phải có
kiến thức và kinh nghiệm tốt về khách hàng và về lĩnh vực hoạt động của họ.

Bảng 4.2. Hệ thống ký hiệu xếp hạng tín dụng KHCN tại Ngân hàng Hợp tác xã

Bảng.Tiêu chí chấm điểm tín dụng KHCN tại Ngân hàng Hợp tác xã Việt Nam
Chỉ tiêu
100
80
Phần 1 : Thông tin về khác hàng
1
Độ tuổi
30- 50
26-39
2

Giới tính
Nữ
3
Lý lịch tư pháp
Tốt
Tình trạng cơ sở
Chủ sở
Nhà
4
kinh doanh
hữu
chung
Tình trạng hôn Đã có gia
5
nhân
đình
Bảo hiểm nhân
50 – 100
6
>100 triệu
thọ
triệu
Bất động
7
Tài sản đảm bảo
sản
Thời gian làm
Trên
5
8

việc
năm
9
Quy mô hộ
>4 người
Phần 2 : Việc làm và kinh doanh
Đa dạng hóa
1
Không
việc làm
Sử dụng đúng
2
Đúng
mục đích
Thu nhập hàng
15-20
4
>20 triệu
tháng
triệu
Phần 3 : Quan hệ với ngân hàng Hợp tác
1
Số lần trả chậm
Không
1 lần
Thời gian quan
2
>7 năm
5- 7 năm
hệ tín dụng

Điểm ban đầu
60
51-60

Với gia
đình

30 – 50
triệu

40

20

20-25

>60; <20
Nam
Không tốt

Trọng
số
50%
5%
5%
5%

Khác

5%

Độc thân

5%

Không

5%

Thuê

<30 triệu
Động sản

10-15 triệu

1 năm

2-4 người

1-2 người

2 lần

3 lần

2-5 năm

< 2 năm

Xếp
hạng

5%

AAA

80 - 90
điểm

AA

73 - 80
điểm

A

Khách hàng xếp loại A có thể có nhiều khả năng chịu tác động tiêu
cực của các yếu tố bên ngoài và các điều kiện kinh tế hơn các
khách hàng được xếp hạng cao hơn.

BBB

Khách hàng xếp hạng BBB có các chỉ số cho thấy khách hàng hoàn
toàn có khả năng hoàn trả đầy đủ các khoản nợ. Tuy nhiên, các
điều kiện kinh tế bất lợi và sự thay đổi của các yếu tố bên ngoài có
khả năng làm suy giảm khả năng trả nợ của khách hàng.

BB

Khách hàng xếp hạng BB ít có nguy cơ mất khả năng trả nợ hơn
các nhóm từ B đến D. Tuy nhiên các khách hàng này đang phải đối
mặt với nhiều rủi ro tiềm ẩn hoặc các ảnh hưởng từ các điều kiện
kinh doanh, tài chính và kinh tế bất lợi, các ảnh hưởng này có khả
năng dẫn đến sự suy giảm khả năng trả nợ của khách hàng.

B

Khách hàng xếp hạng B có nhiều nguy cơ mất khả năng trả nợ hơn
các nhóm BB. Tuy nhiên hiện thời khách hàng vẫn có khả năng
hoàn trả món vay. Các điều kiện kinh doanh, tài chính và kinh tế
nhiều khả năng ảnh hưởng đến khả năng hoặc thiện trí trả nợ của
khách hàng.

56 - 60
điểm

CCC

Khách hàng xếp hạng CCC hiện thời đang bị suy giảm khả năng trả
nợ, khả năng trả nợ của khách hàng phụ thuộc vào độ thuận lợi của
các điều kiện kinh doanh, tài chính và kinh tế. Trong trường hợp có
các yếu tố bất lợi xảy ra, khách hàng nhiều khả năng không trả
được nợ.

53 - 56
điểm

CC

44 - 53
điểm

C

Khách hàng xếp hạng C trong trường hợp đã thực hiện các thủ tục
xin phá sản hoặc có các động thái tương tự nhưng việc trả nợ của
khách hàng vẫn đang được duy trì.

Dưới 44
điểm

D

Khách hàng xếp hạng D trong trường hợp đã mất khả năng trả nợ,
các tổn thất đã thực sự xảy ra; không xếp hạng D cho các khách
hàng mà việc mất khả năng trả nợ mới chỉ là dự báo.

70 - 73
điểm

63 - 70
điểm

5%

Không
đúng

15%

<5 triệu
4 lần

60 - 63
điểm

5%
30%

Có

10%
20%
10%
10%

Nguồn: Tác giả tổng hợp dự trên kết quả nghiên cứu
Thang điểm sử dụng để xếp hạng tín dụng là 100 (cao nhất). Số điểm đạt được
sẽ làm kết quả để xếp loại khách hàng theo thứ hạng tốt, trung bình, xấu khác nhau.
Hiện tại mối quan hệ giữa số điểm đạt được và thứ hạng như sau:

Ý nghĩa

90 - 100
điểm

10%

2-5 năm

5-10 triệu

Tổng số
điểm

Đây là mức xếp hạng cao nhất khả năng hoàn trả khoản vay của
khách hàng được xếp hạng này là đặc biệt tốt.
Khách hàng xếp hạng AA có năng lực trả nợ không kém nhiều so
với khách hàng được xếp hạng cao nhất.

Khách hàng xếp hạng CC hiện thời đang bị suy giảm nhiều khả
năng trả nợ.

Nguồn: Tác giả tổng hợp dự trên kết quả nghiên cứ


23

24

4.3 Gợi ý về ra quyết định cho vay đối với khách hàng cá nhân khi vay vốn
ở ngân hàng HTX
Dựa trên bảng xếp hạng tín dụng (Kết hợp mô hình Logit và trọng số mô hình
ANN để xây dựng) của ngân hàng HTX đã xây dựng và ước lượng dự báo trên mô
hình Random forest. Ban đầu các hồ sơ khách hàng yêu cầu được đưa vào hệ thống
chấm điểm tín dụng đã được thiết lập. Nếu kết quả của bảng xếp hạng tín dụng đưa ra
trùng khớp với dự báo về khả năng vỡ nợ của khách hàng dựa trên mô hình Random
forest thì ngân hàng sẽ đi đến kết luận chung.

Trong trường hợp các kết quả dự báo từ các mô hình và bảng xếp hạn tín dụng
là khác nhau thì sẽ tính tới phương án tham khảo đánh giá từ đồng nghiệp, cấp trên để
xem xét. Cơ bản kết quả sẽ đều dựa trên sự trùng khớp của 2 phương án trở lên để ra
quyết định về cho vay hay không cho vay.
4.4 Khuyến nghị
4.4.1.Đối với ngân hàng HTX Việt Nam
Thứ nhất, ngân hàng HTX cần xây dựng một hệ cơ sở dữ liệu đủ lớn nhằm
mục đích phục vụ cho việc sử dụng phương pháp định lượng thông qua các mô hình
hồi quy để thực hiện chấm điểm tín dụng KHCN
Thứ hai, khi xây dựng hệ thống xếp hạng tín dụng cần quan tâm đến tác tiêu
chí nhân khẩu - xã hội học của khách hàng như giới tính, tình trạng hôn nhân, tình
trạng cư trú, trình độ học vấn, loại hình công ty mà khách hàng làm việc, cách thức
chi trả lương, thu nhập của khách hàng. Trong bảng chấm điểm tín dụng cần có
những tiêu chí này, đồng thời tỷ trọng các tiêu chí phải được dựa trên kết quả ước
lượng của mô hình đề xuất.
Thứ ba, xây dựng hệ thống thông tin quản lý rủi ro tín dụng của nội bộ ngân
hàng nhằm đảm bảo việc cung cấp thông tin một cách đầy đủ, kịp thời và đáng tin
cậy, được cập nhật thường xuyên nhằm phục vụ cho mục đích đánh giá, chấm điểm
tín dụng KHCN.
Thứ tư, đối với cán bộ tín dụng, các ngân hàng cần tập trung đào tạo để nâng
cao trình độ đánh giá và khả năng phân tích, nhận định vấn đề một cách khách quan
Thứ năm, ngân hàng HTX cần không ngừng cập nhật những tiến bộ khoa học
tiên tiến trong lĩnh vực tài chính ngân hàng, đặc biệt là hoạt động tín dụng nhằm nâng
cao hiệu quả của hoạt động này tại ngân hàng mình, hoàn thiện hệ thống xếp hạng tín
dụng khách hàng, nâng cao khả năng bảo mật thông tin khách hàng và các thông tin
tín dụng nội bộ.
4.4.2. Đối với Ngân hàng nhà nước
Ngân hàng nhà nước cần xây dựng cơ chế chính sách về tín dụng một cách
đồng bộ và hoàn thiện hơn, tạo điều kiện cho ngân hàng đa dạng hóa hình thức cấp

tín dụng cho KHCN, mở rộng phạm vi đối tượng được tiếp cận vốn. Đồng thời, có sự
phối hợp chặt chẽ với các cơ quan có thẩm quyền có liên quan trong việc xử lý các
vấn đề phát sinh có liên quan đến hoạt động tín dụng KHCN tại ngân hàng một cách
kịp thời và hiệu quả.
4.4.3. Đối với trung tâm thông tin tín dụng (CIC)
Trung tâm thông tin tín dụng quốc gia (CIC) là nơi lưu trữ lịch sử thông tin tín
dụng của khách hàng. Nguồn thông tin mà trung tâm cung cấp là những thông tin rất
đáng tin cậy và có ý nghĩa rất quan trọng đối với các ngân hàng. Chính vì vậy, Ngân
hàng nhà nước cần có những quy định bắt buộc đối với ngân hàng HTX trong việc
cung cấp đầy đủ các thông tin tín dụng của khách hàng đã giao dịch vay vốn tại ngân
hàng để xây dựng hệ cơ sở dữ liệu về lịch sử tín dụng, cung cấp kịp thời những thông
tin cần thiết, cảnh bảo rủi ro cho các ngân hàng khác.
4.5 Hạn chế của đề tài và các hướng nghiên cứu tiếp theo
Mặc dù luận án đã xây dựng được mô hình và tìm ra các yếu tố ảnh hưởng tới
khả năng vỡ nợ của KHCN tại ngân hàng HTX bằng các mô hình Logit, Probit, ANN
và Random Forest. Tuy nhiên, với số lượng mẫu thu thập trong nghiên cứu là 5.498
mẫu có thể chưa lớn để phân tích một cách tổng thể cho ngân hàng HTX. Với số
lượng như vậy chưa phân tách được đặc điểm riêng của từng chi nhánh ngân hàng
cũng như tỉnh thành, địa phương vùng miền khác nhau. Vấn đề tiếp cận dữ liệu lớn
của khách hàng cá nhân trong từng ngân hàng là rào cản đối với NCS. Do vậy, NCS
chỉ phân tích được trên các dữ liệu lấy được một cách hạn chế. Do vậy, NCS cũng
khuyến nghị cho các nghiên cứu sau có thể có những chính sách từ các ngân hàng để
hỗ trợ việc phân tích trên quy mô lớn hơn.