Hệ thống cảnh báo sớm rủi ro tín dụng tại các ngân hàng thương mại việt nam

BỘ GIÁO DỤC ĐÀO TẠO

NGÂN HÀNG NHÀ NƢỚC VIỆT NAM

HỌC VIỆN NGÂN HÀNG

ĐỖ THỊ THU HÀ

HỆ THỐNG CẢNH BÁO SỚM RỦI RO TÍN DỤNG
TẠI CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM

LUẬN ÁN TIẾN SĨ KINH TẾ

Hà Nội, 2020


BỘ GIÁO DỤC ĐÀO TẠO

NGÂN HÀNG NHÀ NƢỚC VIỆT NAM

HỌC VIỆN NGÂN HÀNG

ĐỖ THỊ THU HÀ

HỆ THỐNG CẢNH BÁO SỚM RỦI RO TÍN DỤNG
TẠI CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM

Chuyên ngành: Tài chính – Ngân hàng
Mã số: 9340201

LUẬN ÁN TIẾN SĨ KINH TẾ

Ngƣời hƣớng dẫn khoa học: 1. PGS.TS. Đỗ Thị Kim Hảo
2. TS. Nguyễn Danh Lƣơng

Hà Nội, 2020


LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu khoa học độc lập của riêng tôi.
Các số liệu sử dụng phân tích trong luận án có nguồn gốc rõ ràng, đã công bố theo
đúng quy định. Các kết quả nghiên cứu trong luận án do tôi tự tìm hiểu, phân tích một
cách trung thực, khách quan và phù hợp với thực tiễn của Việt Nam. Các kết quả này
chưa từng được công bố trong bất kỳ nghiên cứu của tác giả nào khác.
Nghiên cứu sinh

Đỗ Thị Thu Hà


MỤC LỤC
PHẦN MỞ ĐẦU ........................................................................................................1
CHƢƠNG 1: CƠ SỞ LÝ LUẬN VỀ HỆ THỐNG CẢNH BÁO SỚM RỦI RO
TÍN DỤNG TẠI NGÂN HÀNG THƢƠNG MẠI.................................................24
1.1 Khái quát về quản trị rủi ro tín dụng và hệ thống cảnh báo sớm rủi ro tín
dụng tại Ngân hàng thƣơng mại ............................................................................24
1.1.1. Khái quát về quản trị rủi ro tín dụng ...............................................................24
1.1.2. Khái quát về hệ thống cảnh báo sớm rủi ro tín dụng ......................................27
1.2. Cấu trúc của hệ thống cảnh báo sớm rủi ro tín dụng ...................................30
1.2.1 Cơ sở dữ liệu đầu vào cho hệ thống cảnh báo sớm rủi ro tín dụng ..................30
1.2.2 Hệ thống chỉ tiêu và ngưỡng cảnh báo sớm rủi ro tín dụng .............................31
1.2.3 Đo lường rủi ro tín dụng ..................................................................................38

1.2.4 Đánh giá và phân loại rủi ro các khoản vay .....................................................46
1.2.5 Biện pháp ứng xử đối với các khoản vay có rủi ro ..........................................47
1.3 Quy trình xây dựng hệ thống cảnh báo sớm rủi ro tín dụng ........................49
1.4 Các điều kiện để xây dựng và triển khai hệ thống cảnh báo sớm rủi ro
tín dụng ....................................................................................................... 52
1.4.1 Điều kiện về cơ sở pháp lý và tổ chức .............................................................52
1.4.2 Điều kiện về hệ thống công nghệ thông tin và cơ sở hạ tầng ..........................54
1.4.3 Điều kiện về nguồn lực ....................................................................................55
1.5 Kinh nghiệm quốc tế về xây dựng và triển khai hệ thống cảnh báo sớm rủi
ro tín dụng và bài học cho các ngân hàng thƣơng mại Việt Nam.......................56
1.5.1 Kinh nghiệm của các ngân hàng thương mại Mỹ ............................................56
1.5.2 Kinh nghiệm của các Ngân hàng thương mại Séc ...........................................64
1.5.3 Bài học cho các Ngân hàng Việt Nam .............................................................66
Kết luận chương 1 .....................................................................................................70
CHƢƠNG 2: THỰC TRẠNG HỆ THỐNG CẢNH BÁO SỚM RỦI RO TÍN
DỤNG TẠI CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM ..........................71
2.1 Khái quát về rủi ro tín dụng và quản trị rủi ro tín dụng tại các Ngân hàng
thƣơng mại Việt Nam..............................................................................................71
2.1.1 Khái quát về rủi ro tín dụng tại các Ngân hàng thương mại Việt Nam ...........71


2.1.2 Khái quát về quản trị rủi ro tín dụng tại các Ngân hàng thương mại Việt Nam ...... 78
2.1.3 Khái quát về hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân hàng thương
mại Việt Nam ............................................................................................................81
2.2 Thực trạng hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân hàng
thƣơng mại Việt Nam ..............................................................................................84
2.2.1 Thực trạng về cấu trúc hệ thống cảnh báo sớm rủi ro tín dụng .......................85
2.2.2 Thực trạng về điều kiện xây dựng và triển khai hệ thống cảnh báo sớm rủi ro tín
dụng ........................................................................................................................ 109
2.3 Đánh giá chung về hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân

hàng thƣơng mại Việt Nam ................................................................................. 111
2.3.1. Kết quả đạt được .......................................................................................... 111
2.3.2. Những hạn chế và nguyên nhân của hạn chế ............................................... 113
Kết luận chương 2 .................................................................................................. 116
CHƢƠNG 3: ỨNG DỤNG MÔ HÌNH ĐỊNH LƢỢNG VÀO HỆ THỐNG
CẢNH BÁO SỚM RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƢƠNG
MẠI VIỆT NAM .................................................................................................. 117
3.1 Ứng dụng mô hình định lƣợng vào hệ thống cảnh báo sớm rủi ro tín dụng
với khách hàng cá nhân tại các Ngân hàng thƣơng mại Việt Nam ................ 117
3.1.1 Phương pháp luận mô hình ........................................................................... 117
3.1.2 Kết qủa mô hình ............................................................................................ 122
3.2 Ứng dụng mô hình định lƣợng vào hệ thống cảnh báo sớm rủi ro tín dụng
với khách hàng doanh nghiệp tại các Ngân hàng thƣơng mại Việt Nam ....... 129
3.2.1 Phương pháp luận mô hình ........................................................................... 129
3.2.2 Kết quả mô hình ............................................................................................ 140
Kết luận chương 3 .................................................................................................. 153
CHƢƠNG 4: GIẢI PHÁP HOÀN THIỆN HỆ THỐNG CẢNH BÁO SỚM RỦI
RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƢƠNG MẠI VIỆT NAM ....... 154
4.1 Định hƣớng về quản trị rủi ro tín dụng và cảnh báo sớm rủi ro tín dụng tại các
Ngân hàng thƣơng mại Việt Nam.......................................................................... 154


4.1.1 Bối cảnh trong nước và quốc tế tác động tới quản trị rủi ro tín dụng và cảnh
báo sớm rủi ro tín dụng tại các Ngân hàng thương mại Việt Nam ........................ 154
4.1.2 Định hướng về quản trị rủi ro tín dụng và cảnh báo sớm rủi ro tín dụng tại các Ngân
hàng thương mại Việt Nam ...................................................................................... 155
4.2 Giải pháp hoàn thiện hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân hàng
thƣơng mại Việt Nam ............................................................................................ 156
4.2.1 Nhóm giải pháp về hoàn thiện cấu trúc hệ thống cảnh báo sớm rủi ro tín dụng tại
các Ngân hàng thương mại Việt Nam ....................................................................... 156

4.2.2 Nhóm giải pháp về hoàn thiện các điều kiện để xây dựng và triển khai hệ
thống cảnh báo sớm rủi ro tín dụng tại các Ngân hàng thương mại Việt Nam ..... 163
4.3. Một số kiến nghị với Ngân hàng nhà nƣớc và các cơ quan quản lý ......... 167
Kết luận chương 4 .................................................................................................. 168
KẾT LUẬN CHUNG ........................................................................................... 169


DANH MỤC VIẾT TẮT
Từ viết tắt

Nguyên nghĩa tiếng việt

Nguyên nghĩa tiếng anh

CIC

Trung tâm thông tin tín dụng

CNTCTD

Chi nhánh tổ chức tín dụng

DA

Phân tích phân biệt

DNNN

Doanh nghiệp nhà nước

DPRR

Dự phòng rủi ro

EAD

Dư nợ tại thời điểm vỡ nợ

Exposure at Default

EBIT

Lợi nhuận trước thuế và lãi vay

Earning Before Interest and Taxes

EBITDA

Lợi nhuận trước thuế, lãi vay, khấu

Earning Before Interest, Taxes,

hao và khấu trừ dân

Depreciation and Amortization

EL

Tổn thất dự kiến

Expected Loss

EWS

Hệ thống cảnh báo sớm

Early Warning System

FSA

Cơ quan dịch vụ tài chính

Financial Services Authority

IRB

Phương pháp đánh giá nội bộ

Internal Rating -Based Approach

KH

Khách hàng

KHDN

Khách hàng doanh nghiệp

KHCN

Khách hàng cá nhân

Credit Information Centre
Discriminant Analysis

KHDNVVN Khách hàng Doanh nghiệp vừa và
nhỏ
KHDNL

Khách hàng Doanh nghiệp lớn

LGD

Tỷ lệ tổn thất tại thời điểm vỡ nợ

Loss Given of Default

LDA

Phân tích phân biệt

Line Discriminant Analysis

Logit

phân tích hồi qui Logit

Logistic Regression Analysis Logit

MDA

Phân tích biệt số đa yếu tố

NHNN

Ngân hàng nhà nước

NHTM

Ngân hàng thương mại

Multi Discriminant Analysis


NHTMCP

Ngân hàng thương mại cổ phần

NHTMNN

Ngân hàng thương mại Nhà nước

NSD

Người sử dụng

NN

Mạng lưới nơ ron thần kinh

Neural Network Noron

OECD

Tổ chức hợp tác và phát triển Kinh tế

Organization for Economic
Cooperation and Development;

PD

Xác suất vỡ nợ của KH vay vốn

QTRRTD

Quản trị rủi ro tín dụng

RRTD

Rủi ro tín dụng

TCTD

Tổ chức tín dụng

UL

Tổn thất ngoài dự kiến

Unexpected Loss

VAMC

Công ty quản lý tài sản Việt Nam

Vietnam asset management

Probability of Default

company


DANH MỤC BIỂU ĐỒ, HÌNH
Hình 1.1: Mô hình quản trị RRTD của các NHTM ..................................................25
Hình 1.2: Cơ sở dữ liệu của hệ thống cảnh báo sớm của các NHTM .......................31
Hình 1.3: Hệ thống chỉ tiêu cảnh báo sớm RRTD đối với KHCN ...........................33
Hình 1.4: Hệ thống chỉ tiêu cảnh báo sớm RRTD đối với KHDN ...........................36
Hình 1.5: Qui trình xây dựng hệ thống cảnh báo sớm RRTD tại các NHTM ..........49
Hình 1.6: Chỉ tiêu tổng hợp rủi ro .............................................................................52
Hình 1.7: Biểu đồ tình hình giảm dư nợ ròng đến thời điểm vỡ nợ đối với KH có rủi
ro tại các NHTM Mỹ .................................................................................................56
Hình 1.8: Qui trình xây dựng hệ thống cảnh báo sớm tại các NHTM Mỹ ...............57
Hình 1.9: Cấu trúc hệ thống cảnh báo sớm RRTD tại các NHTM Mỹ ....................59
Hình 1.10: Mô tả ví dụ về việc chọn lọc các chỉ tiêu cảnh báo sử dụng................... 62
Hình 1.11: Minh hoạ thời điểm xuất hiện dấu hiệu cảnh báo sớm và thời điểm vỡ nợ
của KH theo kinh nghiệm tại NHTM Mỹ ................................................................. 63
Hình 1.12: Quản lý KH trong danh sách cảnh báo tại các NHTM Mỹ.....................63
Hình 3.1: Đồ thị phân phối xác suất trả nợ ............................................................ 151
Hình 4.1: Hệ thống chỉ tiêu cảnh báo sớm RRTD đối với nhóm KH có liên quan 162
Hình 4.2: Hệ thống phân quyền trên phần mềm cảnh báo sớm RRTD ................. 165

Biểu đồ 2.1: Tỷ lệ nợ xấu nội bảng Tổng dư nợ của NHTM Việt Nam ...................71
Biểu đồ 2.2: Đánh giá nợ xấu phân loại theo VAS và IFRS của Fitch đầu năm 2012.... 73


DANH MỤC BẢNG
Bảng 2.1: Mô tả cơ cấu mẫu khảo sát .......................................................................85
Bảng 2.2: Chỉ tiêu và phân luồng cảnh báo sớm KHCN tại ngân hàng PVCombank ..... 89
Bảng 2.3: Chỉ tiêu và phân luồng cảnh báo sớm KHDN tại ngân hàng PVCombank ..... 92
Bảng 2.4: Chỉ tiêu cảnh báo tự động trong hệ thống cảnh báo sớm RRTD của ngân
hàng Vietinbank đối với KH DN VVN .....................................................................96
Bảng 2.5: Các ngưỡng cảnh báo sớm RRTD tự động đối với KHDNVVD tại
Vietinbank .................................................................................................................96
Bảng 2.6: câu hỏi điều tra trong hệ thống cảnh báo sớm RRTD của ngân hàng
Vietinbank đối với KH DNVVN ..............................................................................97
Bảng 2.7: Các ngưỡng cảnh báo sớm RRTD tổng hợp đối với KHDNVVD ...........98
tại Vietinbank ............................................................................................................98
Bảng 2.8: Ma trận cảnh báo sớm RRTD với KHVVN tại Vietinbank .....................98
Bảng 2.9: Khảo sát về phương pháp đo lường RRTD tại các NHTM ................... 100
Việt Nam ................................................................................................................ 100
Bảng 2.10: Điểm trung bình về đánh giá về hệ thống cảnh báo sớm RRTD ......... 104
Bảng 2.11: Điểm trung bình tính tuân thủ, minh bạch khi triển khai hệ thống cảnh
báo sớm RRTD ....................................................................................................... 105
Bảng 2.12: Điểm trung bình mức độ tuân thủ và đầy đủ trách nhiệm của các đơn vị
có liên quan thực hiện hệ thống cảnh báo sớm RRTD tại các NHTM Việt Nam.. 106
Bảng 2.13: Điểm trung bình về các điều kiện thuận lợi khi triển khai hệ thống cảnh
báo sớm RRTD ....................................................................................................... 110
Bảng 2.14: Điểm trung bình lợi ích của ngân hàng khi triển khai hệ thống cảnh báo
sớm RRTD ............................................................................................................. 110
Bảng 2.15: Điểm trung bình các điều kiện bất lợi khi triển khai hệ thống cảnh báo
sớm RRTD ............................................................................................................. 111

Bảng 3.1: Biến sử dụng trong mô hình .................................................................. 119
Bảng 3.2: Thống kê mô tả ...................................................................................... 122


Bảng 3.3: Kiểm định phân phối chuẩn ................................................................... 123
Bảng 3.4: Mối tương quan ..................................................................................... 124
Bảng 3.5: Kiểm định đa cộng tuyến ....................................................................... 125
Bảng 3.6: Kiểm định ý nghĩa của nhóm................................................................. 126
Bảng 3.7: Giá trị Eigen........................................................................................... 126
Bảng 3.8: Kiểm định Wilk‟s Lambda .................................................................... 126
Bảng 3.9: Ma trận cấu trúc ..................................................................................... 127
Bảng 3.10: Các hệ số hàm phân biệt Canonical ..................................................... 127
Bảng 3.11: Trọng tâm nhóm Centroids .................................................................. 128
Bảng 3.12: Phân loại kết quả a,c.............................................................................. 128
Bảng 3.13: Kết qủa phân loại a ............................................................................... 129
Bảng 3.14: Tóm t t các nghiên cứu trước đó ......................................................... 132
Bảng 3.15: Các biến được lựa chọn xây dựng mô hình ......................................... 138
Bảng 3.16: Thống kê mô tả các biến ...................................................................... 141
Bảng 3.17: Kiểm tra đa cộng tuyến ........................................................................ 143
Bảng 3.18: Tóm t t thông tin dữ liệu phân tích hồi quy ........................................ 143
Bảng 3.19: Mã hoá biến phụ thuộc ........................................................................ 144
Bảng 3.20: Phân tích các hệ số mô hình ................................................................ 144
Bảng 3.21: Tóm t t mô hình .................................................................................. 144
Bảng 3.22: Kiểm định Hosmer và Lemeshow ....................................................... 145
Bảng 3.23: Bảng phân loại ..................................................................................... 145
Bảng 3.24: Kết quả mô hình hồi qui ...................................................................... 145
Bảng 3.25: Đề xuất mức cảnh báo RRTD.............................................................. 152
Bảng 4.1: Phân loại nhóm KH theo các mối quan hệ ............................................ 159

1

PHẦN MỞ ĐẦU
1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Rủi ro tín dụng RRTD là một trong những rủi ro chủ yếu, có tác động mạnh m
đến hoạt động kinh doanh của Ngân hàng thương mại NHTM . RRTD xảy ra còn tác
động đến khả năng tiếp cận vốn của các doanh nghiệp, từ đó tác động tiêu cực đến tăng
trưởng và phát triển của nền kinh tế. Hệ thống quản trị RRTD QTRRTD của một
ngân hàng thực hiện sứ mệnh đảm bảo cho ngân hàng luôn kiểm soát rủi ro ở mức độ
hợp lý mức rủi ro ngân hàng có thể chấp nhận phù hợp với qui mô và bản chất kinh
doanh tín dụng của ngân hàng và đạt được lợi nhuận cao nhất. Để đạt được mục tiêu đó
thì xây dựng một hệ thống cảnh báo sớm RRTD có ý nghĩa vô cùng lớn trong khâu
giám sát sau cho vay.
Các nghiên cứu lý luận và thực tế cho thấy, nhiều ngân hàng trên thế giới có hiệu
quả hoạt động tốt nhờ chú trọng công tác cảnh bảo sớm RRTD và xây dựng hệ thống
cảnh báo sớm RRTD hiệu quả nhằm phát hiện sớm các khoản vay có khả năng rủi ro
cao để đưa ra biện pháp ngăn chặn và giảm thiểu rủi ro từ sớm. Hậu quả của cuộc
khủng hoảng tài chính năm 2008 tại Mỹ, có thể nhận thấy rõ qua số liệu thống kê về số
vụ tố tụng do mất khả năng thanh toán tăng vọt từ 95.035 vụ năm 2004 lên 137.653 vụ
năm 2012 theo báo cáo của Federal Statistical Office, 2013 . Hậu quả này tác động
đáng kể lên lợi nhuận của ngân hàng. Khi khối lượng nợ xấu tăng lên thì đòi hỏi về
cảnh báo sớm các khoản nợ mất khả năng thanh toán trong tương lai được đẩy mạnh tại
hầu hết các NHTM tại Mỹ Michael Strumpf, Christian Schaefle, 2015 . Có thể hiểu là
xu hướng này đã thúc đẩy sự giám sát của các NHTM Mỹ và đây được coi là mục tiêu
chính cho những qui định mới nhất về quản trị RRTD của các NHTM Mỹ. Nguyên t c
tổng hợp dữ liệu rủi ro hiệu quả do ngân hàng thanh toán quốc tế BIS công bố trong
giai đoạn này cũng liên quan đến việc quản lý các khoản vay và phát hiện sớm vỡ nợ.
Trọng tâm thực tế của các ngân hàng nên tập trung vào việc phát hiện sớm và giảm
thiểu rủi ro vỡ nợ, từ đó giảm khối lượng cho vay thực sự vỡ nợ và giảm gánh nặng
RRTD lên hiệu quả hoạt động của ngân hàng. Phương thức hiệu quả nhất chống lại sự

vỡ nợ của các khoản vay là xác định sớm các khoản nợ có rủi ro, để có đủ thời gian
thực hiện các biện pháp phòng ngừa tổn thất như: chuyển đổi tiền mặt, thay đổi kì hạn


2

khoản vay,hoặc cấu trúc lại khoản vay. Có đủ thời gian để thực thi các giải pháp là vấn
đề quan trọng nhất trong việc xử lý thành công hay không các khoản nợ có rủi ro.
Hệ thống cảnh báo sớm đưa ra các kết quả kịp thời và chính xác s đem lại hiệu
quả lớn trong hoạt động của các NHTM. Các nhà phân tích tại Earnst & Young nhận
định rằng vào cuối năm 2013 khi hệ thống cảnh báo sớm được chú trọng, 7,8% số tiền
vay (tương đương 940 tỷ EUR) là các khoản nợ xấu đã được xoá khỏi khu vực EUROđây được xem là một kỉ lục mới1. Thực tế này cho thấy một hệ thống cảnh báo sớm
RRTD hiệu quả và kịp thời có ý nghĩa quan trọng trong hoạt động của các NHTM.
Hoạt động tín dụng của các NHTM Việt Nam phát triển theo hướng tăng
quy mô và tốc độ tăng trưởng, tuy nhiên với những biến động bất lợi của nền kinh
tế khiến chất lượng tín dụng không ổn định.
Các NHTM Việt Nam vẫn phân loại nợ chủ yếu dựa vào thời hạn mà không
đánh giá được một cách chính xác tình hình tài chính, kết quả kinh doanh của doanh
nghiệp. Điều này dẫn đến việc phân loại nợ vào nhóm không phản đúng thực chất
khoản nợ. Ngoài ra, việc s p xếp lại các khoản nợ, đưa nợ ra ngoại bảng và cơ cấu lại
nợ đã làm cho tỷ lệ nợ xấu giảm đáng kể. Hơn nữa một phần nợ xấu đáng kể đã được
chuyển từ NHTM cho công ty quản lý tài sản Việt Nam (VAMC), nên có một sự chênh
lệch đáng kể về con số nợ xấu theo công bố của hệ thống NHTM được tính theo chuẩn
mực kế toán Việt Nam VAS và chuẩn mực báo cáo tài chính quốc tế IFRS . Theo
công bố của các NHTM Việt Nam tỷ lệ nợ xâú của toàn hệ thống cuối năm 2018 là
dưới 3% nhưng theo các tổ chức xếp hạng thế giới thì con số nợ xấu của các NHTM
Việt Nam thời điểm này phải trên 7%.
Thực trạng công tác QTRRTD tại các NHTM Việt Nam hiện nay phần lớn chỉ
chú trọng đến xử lý RRTD mà chưa có sự quan tâm đúng mức đến phòng ngừa RRTD,
đặc biệt là giám sát tín dụng sau khi cho vay để phát hiện RRTD ở giai đoạn sớm nhằm

có các biện pháp phòng ngừa rủi ro phù hợp, hạn chế thấp nhất tổn thất tín dụng có thể
xảy ra. Do những hạn chế trong công tác cảnh báo sớm RRTD nên RRTD thường chỉ
được phát hiện khi khoản vay đã trở thành nợ quá hạn, nợ xấu, khiến cho các biện pháp
quản trị RRTD không đạt được hiệu quả như mong muốn. Nhiều NHTM còn chưa xây
dựng được hệ thống cảnh báo sớm RRTD như yêu cầu cơ bản của thông tư 41 hướng tới.
EY Eurozone Financial Services Forecast

1


3

Trong thời kỳ tái cấu trúc và nỗ lực để đạt các tiêu chuẩn an toàn theo thông lệ
quốc tế, để nâng cao hiệu quả hoạt động cũng như vị thế của các NHTM Việt Nam
trong khu vực và trên thế giới, thì việc xây dựng hệ thống cảnh báo sớm RRTD có vai
trò sống còn đối với hoạt động của các NHTM Việt Nam.
Do vậy, nghiên cứu: “Hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân
hàng thương mại Việt Nam” có tính cấp thiết trên cả khía cạnh lý luận và thực tiễn.

2. TỔNG QUAN NGHIÊN CỨU
Vấn đề cảnh báo sớm RRTD tại các NHTM đã có nhiều công trình, đề tài trong
và ngoài nước dưới dạng bài nghiên cứu trên tạp chí, luận văn, luận án... theo những
hướng khác nhau như:
a. Khái quát hoá về hệ thống cảnh báo sớm
(i) Khái niệm hệ thống cảnh báo sớm và hệ thống cảnh báo sớm RRTD
Khái niệm ng n gọn nhưng toàn diện về hệ thống cảnh báo sớm Early Warning
Systems- EWS được đưa ra bởi Yap 1998, p.2 : “Ý tưởng cơ bản là theo dõi các biến
kinh tế trọng điểm để giúp những người làm chính sách dự đoán một cuộc khủng
hoảng, cho phép họ có đủ thời gian để phòng ngừa và tối thiểu hóa những tác động tiêu
cực của nó”. Hệ thống cảnh báo sớm là một công cụ thống kê phức tạp, được thiết kế

để giám sát các biến kinh tế và tài chính, định lượng khả năng suy giảm và phát hiện
sớm dấu hiệu suy giảm.
Các nghiên cứu trước đây về các hệ thống cảnh báo sớm đã chia chúng thành
hai nhóm cơ bản:
- Các hệ thống cảnh báo sớm thuộc về hoạt động giám sát vi mô, mục đích
chính là để phát hiện trong giai đoạn phôi thai, sự suy yếu năng lực tài chính của
các TCTD. Các biến được xác định cơ bản dựa trên báo cáo tài chính của ngân
hàng. Một số nghiên cứu điển hình về loại này như: Thomson 1991 ; Bernhardsen
(2001); Halling, Hayden (2006); Brossard, Ducrozet, Roche 2007 . Loại hệ thống
cảnh báo sớm này n m b t được các yếu tố nội tại liên quan cụ thể đến hoạt động
của các TCTD có khả năng tạo ra sự tổn thất hoặc thậm chí là khủng hoảng ngân hàng.
- Các hệ thống cảnh báo sớm được hỗ trợ bởi giám sát vĩ mô, nhằm phát hiện
nguy cơ rủi ro hệ thống ngân hàng dựa trên tín hiệu được cung cấp bởi các biến kinh tế


4

vĩ mô. Thông thường, bất ổn kinh tế vĩ mô giống như một chất xúc tác, làm trầm trọng
hơn những lỗ hổng tiềm tàng trong các ngân hàng, và tạo ra sự khủng hoảng trong toàn
bộ hệ thống ngân hàng. Có nhiều nghiên cứu thực nghiệm đã kiểm tra mối quan hệ
nhân quả giữa các biến kinh tế vĩ mô và đặc trưng của các thể chế, khả năng của khủng
hoảng ngân hàng như: Yap 1998 ; Hutchison, McDill 1999 ; Demirguc, Detragiache
(1999); Edison (2003).
Theo định nghĩa của ngân hàng Slovenia 2015 , hệ thống cảnh báo sớm đối với
RRTD được hiểu là hệ thống nhằm mục đích cảnh báo sớm sự tăng lên của RRTD,
ngoài ra hệ thống cảnh báo sớm RRTD còn có mục đích đưa ra những hành động hiệu
quả, kịp thời để chống lại quá trình chuyển sang trạng thái mất khả năng trả nợ của KH
vay vốn. Kết quả của hệ thống cảnh báo sớm RRTD nhằm nhận diện và phân loại
những KH có nguy cơ RRTD, đưa họ vào danh sách theo dõi đặc biệt hoặc chuyển cho
những đơn vị quản lý và xử lý chuyên trách để quản lý hiệu quả và toàn diện hơn.

Nghiên cứu của Mahen Priyanka Peiris 2016 và khuyến nghị của uỷ ban Basel
(2006) cũng đưa ra những khái niệm nữa về hệ thống cảnh báo sớm, đó là một tập hợp
các quy trình được hướng dẫn để xác định rủi ro ở giai đoạn sớm. Theo nghiên cứu này
thì hệ thống giám sát và cảnh báo RRTD hiệu quả có thể làm giảm 10% - 20% tổn thất
các khoản cho vay của NHTM.
(ii) Mục đích của hệ thống cảnh báo sớm RRTD tại các NHTM
- Đưa ra công cụ hỗ trợ trong việc nhận diện và phát hiện nợ tiềm ẩn rủi ro
củaKH vay vốn tại các NHTM: theo những hướng dẫn về hệ thống cảnh báo sớm
RRTD của ngân hàng Slovenia 2015 và nhiều tổ chức chuyên nghiệp về QTRRTD
như Accenture (2014) hay McKinsey 2012 thì đều có đồng quan điểm rằng: cảnh báo
sớm RRTD là một nội dung quan trọng của bước giám sát sau khi cho vay nhằm nhận
diện và phát hiện sớm RRTD.
- Đánh giá KH sau khi cấp tín dụng nhằm phân loại KH để có chính sách và
biện pháp phù hợp để phòng ngừa và hành động phù hợp để giảm thiểu tổn thất của
RRTD: kết qủa nghiên cứu của tác giả Bc. Pavel Mu z cek (2010) và Mahen Priyanka
Peiris 2016 đều cho rằng hệ thống cảnh báo sớm RRTD s giúp các NHTM phân loại
KH hiệu quả, tạo ra các danh sách KH cần theo dõi để có hành động hiệu quả kịp thời
để ngăn ngừa và giảm thiểu RRTD


5

- Ngoài ra theo Yidan Luo (2013) và của M. Yaghini, T. Zhiyan, and M. Fallahi
(2011 thì hệ thống cảnh báo sớm RRTD còn nhằm cung cấp những hướng dẫn cụ thể
về các nguyên t c về tổ chức, phân công trách nhiệm, xây dựng hệ thống chỉ tiêu cảnh
báo sớm RRTD với KH vay vốn…
(iii) Cấu trúc hệ thống cảnh báo sớm RRTD
Nghiên cứu của Edward (2004) đưa ra cấu trúc hệ thống cảnh báo sớm RRTD
gồm: các cơ sở dữ liệu đầu vào, hệ thống chỉ tiêu cảnh báo sớm RRTD, đo lường
RRTD và hệ thống phân loại rủi ro phù hợp. Theo nghiên cứu này thì cơ sở dữ liệu đầu

vào của hệ thống cảnh báo sớm RRTD phải đủ lớn, bao gồm cả dữ liệu định tính và
định lượng. Nghiên cứu của Accenture 2014 thì cho rằng đối với KH lớn như các
KHDN thì cơ sở dữ liệu nên là định lượng ví dụ như các thông tin trên báo cáo tài
chính doanh nghiệp , còn các KH nhỏ như KHCN thì cơ sở dữ liệu định tính s nên
được ưu tiên hơn.
Mahen Priyanka Peiris (2016) đã dựa trên kinh nghiệm của các NHTM
Mỹ đề xuất bộ cơ sở dữ liệu và hệ thống chỉ tiêu cảnh báo sớm RRTD các
NHTM Mỹ gồm: chỉ tiêu về pháp lý KH, chỉ tiêu về những thay đổi trong hoạt
động kinh doanh, chỉ tiêu về TSBĐ. Yêu cầu của cơ sở dữ liệu là tính khả dụng,
tính chính xác và các chỉ tiêu cảnh báo cần có xác suất cảnh báo đúng cao và
thời gian nhanh chóng.
Bc. Pavel Mu z cek 2010 đã xây dựng mô hình Logit để đo lường xác suất
vỡ nợ trong giai đoạn khủng hoảng dựa trên cơ sở dữ liệu sẵn có của các NHTM Séc.
Các dữ liệu KHtừ các hợp đồng tín dụng và báo cáo tài chính của họ được sử dụng để
đưa vào mô hình đo lường xác suất vỡ nợ, kết quả của mô hình được dùng như một dấu
hiệu cảnh báo sớm RRTD nhờ việc đưa ra danh sách KH có thể mất khả năng thanh
toán trong 3 tháng tới. Wanida Sirirattanaphonku và Suluck Pattarathammas (2012) đã
sử dụng các mô hình thống kê như phân tích hồi qui Logit, phân tích biệt thức đa yếu tố
MDA trên dữ liệu KH vay vốn của các Ngân hàng Thái Lan và Samen tại các giai
đoạn khác nhau để dự đoán xác suất vỡ nợ của KH. Từ đó đề xuất các mô hình cảnh
báo sớm hiệu quả cho hệ thống NHTM tại các quốc gia này.
Một số nghiên cứu khác như của McKinsey (2012), Yidan Luo (2013), ZhiYuan Yu, Shu-Fang Zhao (2012)…sử dụng các phương pháp đo lường RRTD bằng các
phương pháp thống kê hiện đại để xây dựng mô hình dự đoán sớm RRTD nhằm phân


6

loại KH vay thành nhóm có RRTD và nhóm không có RRTD. Theo nghiên cứu này thì
lợi ích của việc sử dụng các mô hình cảnh báo sớm hoặc hệ thống dự đoán RRTD là:
giảm chi phí phân tích tín dụng, cho phép quyết định tín dụng nhanh hơn, đảm bảo chất

lượng danh mục tín dụng, và làm giảm nguy cơ tổn thất.
Ngoài các nội dung tương tự về cấu trúc hệ thống cảnh báo sớm RRTD như các
nghiên cứu trên thì Ken Brown 2014 đồng thời cũng đề xuất các giải pháp và hành
động phù hợp đối với từng trường hợp sau khi có kết quả cảnh báo sớm RRTD như:
cho vay thêm, cơ cấu nợ, thanh lý tài sản bảo đảm, sử dụng công cụ phái sinh, bán nợ,
thanh lý doanh nghiệp, khởi kiện.
Đến thời điểm 2018, tại Việt Nam chưa có nghiên cứu chính thức nào về hệ
thống cảnh báo sớm RRTD tại các NHTM, một số nghiên cứu mới chỉ đề cập đến vấn
đề kinh nghiệm quốc tế trong công tác QTRRTD hoặc phòng ngừa và xử lý nợ xấu có
một số nghiên cứu điển hình như:
Phan Thị Linh 2012) tập trung phân tích kinh nghiệm QTRR của các NHTM
Trung Quốc, Nhật Bản, Mỹ. Trong đó phân tích cả điểm mạnh và yếu của hệ thống
QTRRTD tại các NHTM 3 quốc gia trên, nhưng không đưa ra bài học cho các
NHTM Việt Nam và chưa đề cập đến công tác cảnh báo sớm RRTD.
Bài nghiên cứu của Nguyễn Thị Ngọc Quỳnh (2017), cũng theo hướng nghiên
cứu tương tự nhưng chủ yếu là tập trung vào nghiên cứu kinh nghiệm của các NHTM
Mỹ, từ đó rút ra 8 bài học và gợi ý cho các NHTM cần thực hiện để nâng cao chất
lượng QTRRTD về các vấn đề xây dựng cơ sở dữ liệu, phân loại rủi ro, nâng cao năng
lực quản trị và kiểm soát nội bộ, đặc biệt là xây dựng hệ thống cảnh báo sớm RRTD.
Nghiên cứu của tác giả Lê Thị Huyền Diệu (2010), Nguyễn Đức Tú 2012 đã
dựa trên kinh nghiệm QTRR quốc tế để xây dựng mô hình quản lý RRTD, từ đó phân
tích các điều kiện thực tiễn để áp dụng tại các NHTM Việt Nam. Luận án Tiến sỹ kinh
tế của Dương Ngọc Hào 2015 dựa vào việc phân tích dữ liệu thu thập được từ ba
nhóm ngân hàng và đánh giá RRTD theo các tiêu chí như hoạch định, tổ chức thực
hiện, giám sát, điều chỉnh sau giám sát từ đó chỉ ra những hạn chế, nguyên nhân của
những hạn chế và đưa ra các giải pháp phù hợp cho các NHTM. Nghiên cứu của Tô


7

Minh Thông (2013) từ việc phân tích nợ xấu và đánh giá kinh nghiệm quản lý rủi ro ở
ngân hàng ANZ và đưa ra khuyến nghị cho NHTM Việt Nam về việc quản lý RRTD.
Theo hướng nghiên cứu này, các nghiên cứu chỉ dừng ở việc sử dụng các số liệu
thứ cấp phân tích các chính sách quản trị RRTD mà các ngân hàng đang áp dụng chỉ ra
những tồn tại, hạn chế và đưa ra các giải pháp khuyến nghị cho các ngân hàng về công
tác QTRRTD mà chưa đề cập tới việc các ngân hàng có áp dụng hệ thống cảnh báo
sớm trong QTRRTD không và việc áp dụng cảnh báo sớm RRTD trong QTRRTD của
các ngân hàng như thế nào. Các nghiên cứu cũng chỉ khai thác kinh nghiệm quốc tế về
QTRRTD nói chung mà chưa đi sâu nghiên cứu và phân tích kinh nghiệm xây dựng hệ
thống cảnh báo sớm RRTD để đưa ra các bài học cho các NHTM Việt Nam trong công
tác này.
b.Các nhân tố ảnh hƣởng đến RRTD và bộ chỉ tiêu cảnh báo sớm RRTD
(i) Nhân tố ảnh hưởng đến RRTD của KH cá nhân
Đã có rất nhiều các nghiên cứu trong và ngoài nước đã đưa ra các nhân tố ảnh
hưởng đến RRTD của KHCN và nhóm chúng thành các nhóm chính, làm cơ sở để đề
xuất bộ chỉ tiêu cảnh báo sớm RRTD đối với KHCN như:
- Thiện chí của người vay: Greenbaum và cộng sự, 1991; Hoque, 2000; Colye,
2000; Ozdemir & Boran, 2004; Võ Thị Quý và Bùi Ngọc Toản, 2014 cho thấy rằng
khi khoản vay không được hoàn trả, đó có thể là kết quả của việc người vay không có
thiện chí. Stiglitz 1990 khuyến nghị rằng các ngân hàng nên sàng lọc và lựa chọn
những người vay tốt và theo dõi chặt ch để đảm bảo rằng họ sử dụng các khoản vay
cho mục đích đã định tránh rủi ro đạo đức . Crook và Banasik (2004) cho rằng lịch sử
vay trả nợ cũng là nhân tố quyết định. Chiang, Chow, and Liu (2002) lại nhấn mạnh tới
các nhân tố định tính khác như tính cách của người vay và thái độ với nợ của họ là
nhân tố quan trọng.
- Nhân tố về nhân khẩu học tuổi tác, giới tính, tình trạng hôn nhân… :
Crook 2004 , tập trung nghiên cứu ảnh hưởng của các yếu tố như độ tuổi, thu
nhập, tình trạng sở hữu nhà, nghề nghiệp, nghiên cứu rút ra kết luận là: một gia đình ít
nợ hơn khi người chủ hộ trên 55 tuổi và RRTD s giảm nếu tỷ lệ thu nhập dư nợ cao,
người vay sở hữu nhà riêng và vẫn đang làm việc.

8

Theo Miller 2012 , nữ giới tạo ra ít RRTD hơn nam giới do họ cẩn trọng hơn
và ít gây ra các rủi ro đạo đức hơn. Và theo nghiên cứu của Chapman 1990 , Weber và
Musshoff 2012 , họ cũng đồng tình với ý kiến trên.
- Năng lực của người vay trình độ học vấn, đặc điểm nghề nghiệp và đặc điểm
thu nhập, thói quen tiêu dùng .
Theo Chapman 1990 , thì khả năng trả nợ từ cao đến thấp theo các đối tượng như
sau: KH có thu nhập cao, KH có thu nhập trung bình và KH có thu nhập thấp.
Trong một nghiên cứu khác, Kohansal và Mansoori 2009 , về khả năng trả nợ
của người nông dân tại tỉnh Korasan-Razavi của Iran đã cho kết quả là người nông dân
nào có kinh nghiệm càng lâu năm thì khả năng trả nợ càng cao.
Roberts và Sepulveda (1999) có quan điểm cho rằng thái độ và cách sử dụng
tiền hay thói quen chi tiêu của người vay cũng ảnh hưởng tới việc người vay có khả
năng vỡ nợ hay không. Bởi thói quen chi tiêu s ảnh hưởng tới hành vi vay trả của KH.
Hayhoe và cộng sự 1999 cũng cho rằng thái đội với tiền bạc và sử dụng thu nhập vay
nợ để chứng minh rằng quyết định vay nợ ch c ch n bị ảnh hưởng bởi hành vi tiêu
dùng và tiết kiệm. Tóm lại, bên cạnh các nhân tố nhân khẩu học thì thái độ và thói quen
sử dụng nợ và thói quen tiêu dùng cũng là nhân tố tác động tới điểm tín dụng và khả
năng một KH có khả năng vỡ nợ.
- Giá trị khoản vay và thời hạn vay:
Thời hạn cho vay và số tiền vay có quan hệ chặt ch tới RRTD của KHCN.
Nghiên cứu của Rock 1984 , đưa ra kết luận, các khoản vay kỳ hạn càng dài và giá
trị khoản vay càng lớn thì mức RRTD càng cao. Nguyên nhân là do, trong thời hạn
càng dài thì các yếu tố vĩ mô như suy thoái, khủng hoảng kinh tế… có tác động
càng lớn đến thu nhập là nguồn trả nợ chính của KHCN. Các khoản vay có giá trị
lớn, vượt quá khả năng trả nợ của KHCN trong 1 kỳ thường được các NHTM cấp tín dụng
dài hạn và trả góp trong nhiều kỳ. Do đó nếu NHTM không giám sát chặt ch biến động về

thiện chí và khả năng trả nợ của người vay thì s RRTD có thể s tăng.
Sumit Agarwal 2008 , trong nghiên cứu về xác định khả năng hoàn trả của
KHCN trong tương quan với tỷ lệ vay phải trả định kỳ và sự thay đổi lãi suất cho vay.
Kết quả nghiên cứu chỉ ra rằng:


9

Võ Thị Quý và Bùi Ngọc Toản 2014 có quan điểm rằng: về phương diện
thu nhập, khi thu nhập trên số tiền vay phải trả định kỳ tăng lên thì khả năng trả nợ
của KHCN cũng tăng theo. Điều này phù hợp với suy luận thông thường vì tỷ lệ thu
nhập trên số tiền vay phải trả định kỳ tăng lên đồng nghĩa với khả năng tài chính
của KH cao hơn.
(ii) Nhân tố ảnh hưởng đến RRTD của KH doanh nghiệp
Đối với KHDN, nhân tố ảnh hưởng đến RRTD của KHDN bao gồm hai nhóm
là: các nhân tố về tài chính và các nhân tố phi tài chính của doanh nghiệp:
- Nhân tố tài chính:
Việc sử dụng các tỷ số tài chính để dự đoán phá sản và RRTD đã được thiết lập
tốt kể từ nghiên cứu ban đầu của Beaver (1966). Hầu hết các tài liệu thực nghiệm trong
lĩnh vực này đã sử dụng các tỷ lệ tài chính và đã thành công trong việc phân loại giữa
các công ty phá sản và không phá sản. Vì các tỷ số tài chính phản ánh hầu hết tất cả các
hoạt động, hoạt động, lợi nhuận, thanh khoản và đòn bẩy tài chính của công ty. Do đó,
để phát triển các mô hình dự đoán phá sản hiệu quả để tìm ra các tín hiệu cảnh báo sớm
về RRTD tại các NHTM, các tỷ số tài chính được đưa ra như là các biến giải thích
trong các mô hình. Bảng dưới trình bày các tỷ lệ tài chính được sử dụng thành công để
dự đoán phá sản trong các nghiên cứu thực nghiệm trước đây.

Các chỉ tiêu tài chính trong hệ thống cảnh báo sớm trong các nghiên cứu
nƣớc ngoài
Nhóm

Nhân tố

Chỉ tiêu

Nghiên cứu bởi
Beaver

Altman

Deakin

Lợi nhuận ròng
Dòng tiền Giá trị
Dòng tiền Tổng Tài

tổng tài sản
Doanh thu thuần
giá trị ròng
Doanh thu hoạt
động doanh thu

Ohlson

x

sản
Doanh thu thuần

Elam

x

ròng

Sinh lời

Blum

x

doanh thu

1

Edmister

x

x

x
x
x


10

Nhóm

Nhân tố

Chỉ tiêu

Nghiên cứu bởi
Beaver

Altman

Deakin

Edmister

Blum

Elam

Ohlson

Lợi nhuận trước
thuế và lãi Tổng tài

X

sản
Tài sản thanh khoản

x

cao Tổng tài sản

Dòng tiền doanh
thu
Hiệu quả
2

hoạt
động

Tài sản ng n hạn

x

Tổng tài sản
Giá trị ròng Doanh

x

thu
Doanh thu tổng tài

x

sản
Vốn lưu động tổng
tài sản
Tổng nợ Tổng tài
sản

x

X

x

X

x
x

x

x

x

Tổng nợ Giá trị
ròng
3

Đòn bẩy
tài chính

Dòng tiền tổng nợ

X

Dòng tiền Nợ ng n

Giá trị thị trường

TS thanh khoản Nợ
Thanh

ng n hạn

khoản

Nợ ng n hạn giá trị
ròng

x

x

VCSH Tổng nợ
Nợ ng n hạn

x

x

Tổng tài sản

Tài sản ng n hạn

x

x

hạn còn lại

Lợi nhuận giữ lại

4

x

x

x

X

x
x

x
x

x

x

Nợ ng n hạn Tổng

x

tài sản
Vòng
5

quay

Doanh thu/ Hàng

hàng tồn

tồn kho

x

kho

Nguồn: Tổng hợp của tác giả


11

Nghiên cứu của Nguyễn Quốc Anh và Nguyễn Hữu Thạch 2015 xem xét các
yếu tố tác động đến RRTD thông qua tỷ lệ nợ xấu của 26 NHTM Việt Nam từ năm
2003-2015 kết quả đã chỉ ra tỷ lệ nợ xấu năm trước cao có ảnh hưởng nghịch chiều tới
tỷ lệ nợ xấu năm hiện tại, ROE quan hệ nghịch chiều với nợ xấu, ngân hàng có quy mô
lớn có nguy cơ RRTD cao hơn ngân hàng quy mô nhỏ hơn.
Tác giả Lê Khương Ninh và Nguyễn Thị Thu Diềm 2012 dùng phương pháp
định lượng để khảo sát những yếu tố ảnh hưởng đến khả năng trả nợ của KHDN. Mẫu
được chọn ngẫu nhiên từ 250 các doanh nghiệp trên địa bàn thành phố Cần Thơ giai
đoạn 2010- 2012. Với số liệu thu thập từ bảng cân đối kế toán, báo cáo kết quả hoạt
động kinh doanh và báo cáo lưu chuyển tiền tệ của doanh nghiệp, các tác giả tính toán
các chỉ số tài chính và đưa vào mô hình hồi quy để ước lượng ảnh hưởng của các chỉ số
này đến khả năng trả nợ của KHDN. Đồng thời, các tác giả cũng thu thập thông tin về
nhóm nợ của 214 KHDN trong mẫu trên cơ sở dữ liệu cung cấp bởi Ngân hàng nhà

nước chi nhánh Cần Thơ. Bằng việc lược khảo các nghiên cứu trước đây, các tác giả đã
đưa các yếu tố ảnh hưởng đến khả năng trả nợ của KHDN đó là đòn bẩy tài chính,
dòng tiền tự do, ROA, ROE, dòng tiền, vốn lưu động, thanh khoản, khả năng hoạt
động, quy mô của doanh nghiệp, kinh nghiệm hoạt động, lĩnh vực hoạt động (công
nghiệp hay thương mại . Kết quả nghiên cứu cho thấy biến đòn bẩy tài chính có mối
quan hệ nghịch biến với khả năng trả nợ của KHDN ở mức ý nghĩa 1%. Theo số liệu
khảo sát của nhóm tác giả, hiện tượng này xuất hiện là do nhiều doanh nghiệp có tỷ lệ
nợ khá cao so với vốn chủ sở hữu. Trong khi đó, tỷ suất lợi nhuận ROE càng cao thì
khả năng trả nợ của doanh nghiệp càng tốt. Ngoài ra, dòng tiền có quan hệ càng đồng
biến với khả năng trả nợ của KHDN, nghĩa là doanh nghiệp có có dòng tiền càng mạnh
thì s có khả năng tài trợ cho các hoạt động sản xuất kinh doanh và thanh toán nợ vay
càng tốt.
Nhiều nghiên cứu khác như Phan Đình Khôi và Nguyễn Việt Thành 2017 ;
Trương Đông Lộc & Nguyễn Thị Tuyết 2011 , Trương Đông Lộc & Nguyễn Văn
Thép 2014 , Nguyễn Thị Yến Nhi 2016 … cũng đều hướng đến mục tiêu xây dựng
các nhân tố ảnh hưởng đến RRTD của KH vay vốn. Tuy nhiên tất cả các nghiên cứu
này chỉ thực hiện đối với phạm vi một ngân hàng hoặc một chi nhánh ngân hàng và


12

cũng chỉ dừng lại ở kết luận về những yếu tố hoặc nhóm yếu tố tác động riêng lẻ mà
chưa đề xuất hay xây dựng được bộ chỉ tiêu cảnh báo sớm RRTD đối với KH vay vốn.
- Các nhân tố phi tài chính
Hầu hết các nghiên cứu trước đây đã sử dụng thành công tỷ lệ tài chính như các
yếu tố dự đoán trong các mô hình dự đoán rủi ro tài chính của doanh nghiệp. Tuy
nhiên, báo cáo tài chính chỉ cung cấp thông tin cũ về hoạt động của công ty. Khi thông
tin tài chính như vậy được tiết lộ, tình trạng khó khăn tài chính có thể s p xảy ra hoặc
đã xảy ra. Do đó, cần phải thêm các biến quản trị doanh nghiệp và cụ thể để xây dựng
mô hình cảnh báo sớm cho các mô hình suy thoái tài chính doanh nghiệp các nghiên

cứu trước đây cho thấy tuổi và quy mô công ty ảnh hưởng đến độ bền vững của nó. Các
công ty trẻ hơn hoặc nhỏ hơn có nhiều khả năng thất bại hơn các công ty lớn hơn vì họ
không có đủ kinh nghiệm trong kinh doanh, mạng lưới kết nối ít và thông tin hạn chế.
Các công ty lớn có xu hướng nhận thêm trợ giúp từ các nguồn bên ngoài để tránh phá
sản (Honjo, 2000). Lussier (2005) nhận thấy rằng có một số tỷ lệ phi tài chính (kinh
nghiệm trong ngành, tuổi CEO, kế hoạch và tư vấn chuyên môn) ảnh hưởng đến việc
dự đoán thành công hay thất bại trong hoạt động của doanh nghiệp. Lu, Lee và Chang
(2008) phát hiện ra rằng một số biến quản trị doanh nghiệp thể hiện tác động đáng kể
đến sự xuất hiện của sự khó khăn tài chính, như quyền biểu quyết của cổ đông kiểm
soát, quyền của cổ đông kiểm soát, tham gia quản lý và quyền sở hữu.
- Nhân tố vĩ mô và các nhân tố khác
Zribi and Boujelbène (2011), Funda (2014) đều có các nghiên cứu sử dụng
phương pháp nghiên cứu định lượng kết hợp với nghiên cứu định tính, phân tích dữ
liệu chỉ ra các nhân tố ảnh hưởng tới RRTD và đều chỉ ra rằng các yếu tố vĩ mô sự
tăng trưởng GDP, lạm phát, lãi suất… có ảnh hưởng tới RRTD
Ngoài ra nhân tố quy mô của ngân hàng, tăng trưởng tín dụng, chi phí hoạt động
của ngân hàng Zribi and Boujelbène, 2011 , nhân tố tỷ lệ lạm phát, lãi suất, chỉ số
ISE-100, tỷ giá ngoại tệ, cung tiền M2, tỷ lệ thất nghiệp Funda, 2014 đều có ảnh
hưởng tới RRTD của ngân hàng. Hay Zribi and Boujelbène 2011 nghiên cứu trường
hợp Tunisia, kết quả nghiên cứu chỉ ra rằng sở hữu công làm tăng RRTD ngân hàng và
việc tuân thủ quy định bảo đảm an toàn về vốn làm giảm RRTD.


13

Hướng nghiên cứu này chủ yếu là sử dụng phương pháp định lượng, sử dụng số
liệu sơ cấp thu thập từ khảo sát phân tích để chỉ ra các nhân tố ảnh hưởng tới RRTD
của ngân hàng mà không kết hợp với số liệu thứ cấp thu thập từ thực trạng QTRRTD
mà các ngân hàng đang áp dụng. Các nhân tố ảnh hưởng RRTD được chỉ ra ở mỗi
nghiên cứu cũng có sự khác nhau và ngoài ra trên thực tế còn có các nhân tố khác ảnh

hưởng tới RRTD. Mặt khác nữa mỗi ngân hàng lại có đặc thù riêng, có chính sách
QTRRTD riêng.
Nhiều nghiên cứu trước đây, dựa trên nghiên cứu về các nhân tố ảnh hưởng đến
RRTD của KHDN đã đề xuất bộ chỉ tiêu cảnh báo sớm RRTD đối với KHDN gồm 5
nhóm chỉ tiêu sau: i Nhóm chỉ tiêu về tình hình quan hệ giao dịch tín dụng của KH tại
NHTM và các TCTD; ii Nhóm chỉ tiêu về tình pháp lý, cơ cấu tổ chức, nhân sự của
KH; iii Nhóm chỉ tiêu về tình hình môi trường ngành nghề kinh doanh; iv Tình hình
tài chính, sản xuất kinh doanh; v Tình hình nguồn trả nợ; vi Tình hình TSBĐ.
c.Ứng dụng mô hình định lƣợng để dự đoán khả năng vỡ nợ và cảnh báo
sớm RRTD của KH vay vốn
(i) Các nghiên cứu ứng dụng mô hình định lượng trong cảnh báo sớm RRTD đối
với KHCN
- Mô hình phân tích phân biệt:
Các nghiên cứu sử dụng mô hình phân tích phân biệt để đo lường và dự báo
khả năng vỡ nợ và cảnh báo sớm RRTD đối với KHCN điển hình như: Awh & Waters
1974 , Grablowsky 1975 , Wiginton 1980 … Sử dụng mô hình phân biệt có thể dự
đoán thành viên nhóm trả nợ và không trả nợ đối với KHCN với độ chính xác tương
đối cao lên đến 78% và có ý nghĩa ở mức 0,01 Awh & Waters, 1974 . Ngiên cứu của
Grablowsky 1975 đã tiến hành phân tích phân biệt hai nhóm riêng biệt để mô hình
hóa rủi ro trong khoản vay tiêu dùng bằng cách sử dụng các biến số hành vi, tài chính
và nhân khẩu học. Nghiên cứu đã sử dụng dữ liệu của 200 KHCN. Mặc dù cả bộ mẫu
dữ liệu phân tích và mẫu lưu trữ đã vi phạm các giả định phương sai - hiệp phương sai
bằng nhau, mô hình ước tính đã phân loại chính xác mẫu 94%. Wiginton 1980 có
cùng hướng nghiên cứu khi đã tiến hành phân tích phân biệt bằng cách sử dụng các
biến số nhân khẩu học và kinh tế để tính toán hành vi tín dụng tiêu dùng. Có một số
biến số nhân khẩu học được sử dụng như số lượng người phụ thuộc, tình trạng cư trú,


14

tình trạng sử dụng phương tiện di chuyển trong năm ngoái, tình trạng sử dụng phương
tiện kinh doanh và các biến số kinh tế bao gồm: việc làm, nghề nghiệp và số năng làm
công việc hiện tại. Tác giả đã tìm ra các yếu tố có tác động đáng kể trong việc tính toán
RRTD của KHCN
- Mô hình hồi quy Logit:
Dmytro Goriunov và Katerina Venzhyk (2007) đã sử dụng một bộ dữ liệu
độc quyền được cung cấp bởi tổ chức ngân hàng lớn thứ mười của Ucraina, để phân
tích và đưa ra các nguyên nhân của RRTD với hai nhóm KH bán lẻ lớn nhất là vay
mua xe ô tô và mua nhà. Hai loại mô hình đã được sử dụng là hồi quy Logit và
mạng Nơron. Nghiên cứu đưa ra hai kết luận: i dữ liệu hiện tại đã được các ngân
hàng thu thập là đủ để cảnh báo sớm RRTD, nhưng các ngân hàng vẫn nên tiếp tục
thu thập thông tin đa dạng hơn; ii mô hình mạng nơron có sự vượt trội hơn mô
hình Logit về sức mạnh cảnh báo. Kim và các công sự 2004 đề xuất phương pháp
để quản lý RRTD của KHCN bằng cách sử dụng mô hình phân loại sai ứng dụng mô hình
nơ ron như một phần của mô hình chấm điểm tín dụng. Nghiên cứu này đưa ra kết luận,
năng lực trả nợ và hành vi của KHCN là những yếu tố tác động đến RRTD
- Các mô hình khác:
Hand & Henley 1997 sử dụng các phương pháp phán đoán, hồi quy Logit, lập
trình toán học, phân tích phân biệt, hồi quy, phân vùng đệ quy, hệ chuyên gia, mạng
lưới thần kinh, làm mịn các phương pháp không tham số và mô hình thay đổi thời gian.
Họ đã kết luận rằng mọi phương pháp đều có giới hạn của chúng và hiệu quả của một
phương pháp tốt phụ thuộc vào cấu trúc và đặc điểm của dữ liệu.
(ii) Các nghiên cứu ứng dụng mô hình định lượng trong cảnh báo sớm RRTD đối với
KH doanh nghiệp
- Mô hình chuyên gia:
Sinkey 1998 đã đưa ra những lý luận tổng quan về phương pháp đo lường
RRTD thông qua xếp hạng tín dụng bằng phương pháp chuyên gia. Theo nghiên cứu
thì, phương pháp chuyên gia là phương pháp được đa số các nhà QTRRTD sử dụng để
ước lượng RRTD của KH vay vốn. Nghiên cứu của Treacy và Carey 2000 và của
Wang 2013 cũng đồng tình với sự phổ biến của phương pháp chuyên gia trong xếp

hạng tín dụng và dự báo sớm RRTD của KH vay vốn.