Đo lường xác suất vỡ nợ trong rủi ro tín dụng tại Ngân hàng Techcombank

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (241.76 KB, 10 trang )

(1)<div class='page_container' data-page=1>

MỞ ĐẦU 
1. Tính cấp thiết của đề tài

Quá trình hội nhập ngày càng sâu rộng của nền kinh tế Việt Nam vào nền kinh tế
thế giới đã tạo điều kiện thuận lợi cho hoạt động tài chính của nước ta, thị trường ngân
hàng cũng đã có nhiều khởi sắc, đánh dấu bước phát triển mới cả về chất lẫn về lượng
của hệ thống ngân hàng Việt Nam. Tuy nhiên, với đặc thù của một lĩnh vực kinh doanh
đầy nhạy cảm, chịu ảnh hưởng của nhiều yếu tố cả trực tiếp và gián tiếp, rủi ro ngân hàng

lớn là yếu tố không thể tránh khỏi và có khả năng trở thành nguy cơ gây ảnh hưởng
nghiêm trọng đến sự phát triển bền vững của các ngân hàng nói riêng, thị trường tài chính
và nền kinh tế nói chung. Trong các hoạt động của ngân hàng, có thể nói hoạt động tín
dụng là hoạt động cơ bản và quan trọng, mang lại nguồn thu chủ yếu của các ngân hàng
thương mại. Điều tất yếu là đi kèm với lợi nhuận cao luôn là rủi ro cũng rất lớn. Rủi ro

phát sinh không chỉ ảnh hưởng đến bản thân các NHTM mà cịn có thể tác động rất lớn
đến toàn bộ nền kinh tế. Trong thời gian gần đây, nợ quá hạn, nợ xấu tại các NHTM Việt
Nam ngày càng trở thành một vấn đề nan giải, cản trở sự phát triển toàn diện của ngành
ngân hàng. Tập trung vào quản trị rủi ro nói chung và quản trị rủi ro tín dụng nói riêng
được xem là định hướng đảm bảo hệ thống ngân hàng hoạt động ổn định vững chắc.Và
quan trọng hơn, đó sẽ là tiền đề để xây dựng một hệ thống ngân hàng Việt Nam đủ sức
hội nhập quốc tế.

Xét trên bối cảnh đó, NHNN đã đưa ra lộ trình chuẩn hóa các ngun tắc quản trị
rủi ro của ngành ngân hàng theo tiêu chuẩn Basel II mang tính chất nền tảng, lâu dài của
cả hệ thống. Đây cũng là một xu thế tất yếu và bắt buộc khi Việt Nam đang hội nhập sâu
rộng với khu vực và trên thế giới. Cùng với đó, ảnh hưởng của Hiệp định Đối tác Xuyên
Thái Bình Dương (TPP) đối với ngân hàng Việt Nam cũng buộc các ngân hàng phải áp

dụng Basel II nếu muốn tham gia cuộc chơi lớn này vì hầu hết các ngân hàng trong khu
vực đã áp dụng Basel II hoặc Basel III

Theo đuổi Basel II là theo đuổi mục tiêu trở thành một ngân hàng an toàn bởi

</div>
(2)<div class='page_container' data-page=2>

sẽ thu hút nhiều nhà đầu tư nước ngoài hơn do ngân hàng hoạt động kinh doanh trong
môi trường đạt tiêu chuẩn quốc tế. Thêm vào đó cũng mở ra cơ hội cho ngân hàng trong

quá trình hội nhập kinh tế quốc tế, khẳng định vị thế và chất lượng của mình.

Theo kế hoạch của Ngân hàng nhà nước, từ tháng 02/2016 đến năm 2018, 10 ngân
hàng được chọn thí điểm sẽ bắt đầu áp dụng các chuẩn mực vốn Basel II, bắt đầu với
phương pháp tiêu chuẩn, trong xu hướng chung là tiệm cận với những chuẩn mực quản trị

và an toàn hoạt động của ngân hàng hiện đại trên thế giới. Theo lộ trình áp dụng Basel II
của NHNN, đến cuối năm 2018, những ngân hàng này sẽ phải đáp ứng tuân thủ các
chuẩn mực vốn Basel II theo phương pháp nâng cao, và sau đó Ngân hàng Nhà nước sẽ
triển khai áp dụng cho hệ thống.

Theo tiêu chuẩn Basel II, việc lượng hóa rủi ro tín dụng hoặc ước lượng mức độ
tổn thất tín dụng ước tính (EL) dựa vào 04 nhân tố chính bao gồm (i) Xác suất khách
hàng không trả được nợ một phần hoặc toàn bộ khi đến hạn đã cam kết - PD (Probability
of Default), (ii) Tỷ trọng tổn thất ước tính – LGD (Losses Given Default), (iii) Dư nợ tại
thời điểm khách hàng không trả được nợ– EAD (Exposure of Default) và (iv) Thời hạn
vay thực tế– M (Effective Maturity). Trong đó, khả năng trả nợ của khách hàng là yếu tố
đầu tiên và rất quan trọng để ngân hàng tiếp cận và ước lượng các nhân tố khác trong mơ
hình lượng hóa rủi ro tín dụng. Căn cứ vào tính cấp thiết của hoạt động đo lường rủi ro

tín dụng nêu trên, tôi nghiên cứu và thực hiện luận văn Thạc sĩvới đề tài “Đo lường xác 
suất vỡ nợ trong rủi ro tín dụng tại Ngân Hàng Techcombank”.

2. Mục tiêu nghiên cứu của đề tài

Nghiên cứu này thể hiện 03 mục tiêu chính:

 Ước lượng xác suất vỡ nợ của các khách hàng doanh nghiệp có quan hệ tín dụng

với ngân hàng Techcombank dựa trên các phương pháp định lượng - thông qua các mơ
hình gồm: Mơ hình Logistic, Mơ hình Merton - KMV với sự hỗ trợ của phần mềm
EVIEWS, EXCEL, VBA, SPSS.

</div>
(3)<div class='page_container' data-page=3>

 Căn cứ trên kết quả nghiên cứu đưa ra những khuyến nghị liên quan tới chính sách
Quản trị rủi ro tín dụng tại Ngân hàng Techcombank.

Trong đó, nghiên cứu này sẽ đi sâu vào trả lời các câu hỏi nghiên cứu sau đây:

 Khái niệm cơ bản về rủi ro và quản trị rủi ro theo Basel II? Thực trạng quản trị rủi
ro tín dụng ở Techcombank như thế nào?

 Các nhân tố ảnh hưởng đến Rủi ro? Các chỉ số nào được dùng để đo lường rủi ro?
 Mơ hình Logit, Mơ hình Merton - KMV có kết quả ước lượng như thế nào cho

khách hàng?

 Các khách hành được xếp hạng như thế nào dựa trên kết quả ước lượng?

 Từ kết quả ước lượng có thể rút ra các khuyến nghị gì để Techcombank QTRR tốt
hơn?

3. Đối tƣợng nghiên cứu

Đối tượng nghiên cứu là các khách hàng doanh nghiệp đang có quan hệ tín dụng tại

ngân hàng Thương mại Cổ phần Kỹ Thương Việt Nam (Techcombank).

4. Phạm vi nghiên cứu

Thời gian nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng
doanh nghiệp được giới hạn trong phạm vi từ năm 2010 đến năm 2015. Phạm vi nghiên
cứu không xem xét đến ảnh hưởng của yếu tốvĩ mô đến khả năng trả nợ của khách hàng
doanh nghiệp tại ngân hàng thương mại cổ phần Kỹ Thương Việt Nam, và không xem xét
đến khả năng trả nợ của nhóm Khách hàng cá nhân.

5. Phƣơng pháp nghiên cứu, nguồn số liệu 
5.1. Phƣơng pháp nghiên cứu

 Sử dụng phương pháp nghiên cứu định tính và định lượng dựa trên hệ
thống QTRR Basel II để đạt được mục tiêu và trả lười được các câu hỏi
nghiên cứu.

 Mơ hình dự kiến: sử dụng mơ hình Logistic, Mơ hình Merton - KMV 
 Phần mềm sử dụng: eviews, excel

</div>
(4)<div class='page_container' data-page=4>

Nghiên cứu sử dụng dữ liệu tài chính được tính tốn từ báo cáo tài chính của các
doanh nghiệp (số liệu tập trung ở Bảng cân đối kế toán và Báo cáo kết quả hoạt động
kinh doanh) và dữ liệu liên quan tới tình trạng tín dụng của khách hàng tại Ngân Hàng
Thương mại cổ phần Kỹ Thương Việt Nam

6. Kết cấu của đề tài 
LỜI MỞ ĐẦU

Giới thiệu tổng quan thị trường Việt Nam nhu cầu cấp thiết của việc quản trị rủi ro
tín dụng nói chung và đo lường các biến số để xác định khả năng tổn thất tín dụng theo

chuẩn Basel II nói riêng, trong đó có biến số “Xác suất vỡ nợ của Khách hàng – PD”.

NỘI DUNG

Chƣơng 1: Cơ sở lý thuyết

Chƣơng 2: Thực trạng cơng tác quản trị rủi ro tín dụng và đo lường xác suất vỡ

nợ của Ngân hàng Techcombank

Chƣơng 3: Ứng dụng mơ hình tốn trong đo lường xác suất vỡ nợ của Ngân hàng 
Techcombank

KẾT LUẬN 
PHỤ LỤC

TÀI LIỆU THAM KHẢO

CHƢƠNG I: CƠ SỞ LÝ THUYẾT

Chương I sẽ tập trung giới thiệu các khái niệm cơ bản về rủi ro tín dụng và quản
trị rủi ro tín dụng dựa trên tiêu chuẩn Basel II. Cũng như khái niệm về Xác suất vỡ nợ PD
theo tiêu chuẩn Basel II và các nhân tố tác động tới xác suất này. Đồng thời giới thiệu
phương pháp luận của các mơ hình tốn ứng dụng để đo lường xác suất vỡ nợ PD nêu
trên.

1.1. Rủi ro tín dụng và quản trị rủi ro tín dụng theo tiêu chuẩn Basel II

</div>
(5)<div class='page_container' data-page=5>

của mình theo cam kết”. Quản trị Rủi ro tín dụng là quá trình các ngân hàng tiến hành
phân tích, xác định/ đo lường rủi ro, xây dựng quy trình/ chính sách/ hướng dẫn cho hoạt

động tín dụng cũng như triển khai thực hiện giám sát các hoạt động này nhằm giảm thiểu
rủi ro tín dụng và tối đa hóa lợi nhuận của ngân hàng. Năm 2004, Hiệp ước Basel II được
ban hành dựa trên sự kế thừa hiệp ước Basel I nhằm xác định các tiêu chuẩn về vốn để
hạn chế rủi ro kinh doanh của các ngân hàng và tăng cường hệ thống tài chính. Basel II
giới thiệu một chuỗi các cách tiếp cận rủi ro tín dụng phức tạp và tập trung mới vào rủi ro
vận hành.

1.2. Xác suất vỡ nợ của khách hàng

Cơ sở của xác suất này là các thông tin/ số liệu về các khoản nợ trong quá khứ

của khách hàng cũng như khả năng trả nợ của khách hàng … Những dữ liệu được phân
theo 3 nhóm sau:Nhóm dữ liệu tài chính; Nhóm dữ liệu định tính phi tài chính; 
Những dữ liệu mang tính cảnh báo

Sau khi thu thập các nguồn dữ liệu cần thiết, ngân hàng sử dụng để đo lường, đánh
giá khả năng trả nợ của khách hàng thơng qua các mơ hình lượng hóa rủi ro. Đó có thể là
mơ hình tuyến tính, mơ hình logit… và thường được xây dựng bởi các tổ chức tư vấn
chuyên nghiệp.

Các nhân tố tác động tới khả năng trả nợ/ xác suất vỡ nợ của khách hàng có thể tới
từ chính khách hàng hoặc các nhân tố từ phía ngân hàng và thị trường vĩ mơ.

1.3. Các mơ hình lý thuyết dùng để đo lƣờng xác suất vỡ nợ 
Nghiên cứu dựa trên 02 mơ hình gồm:

Mơ hình Logit – phương pháp Goldberger (1964) đo lường ảnh hưởng của các
nhân tố từ phía khách hàng, nhân tố từ phía ngân hàng … tác động tới xác suất vỡ nợ PD.
trong mơ hình Logit chúng ta khơng nghiên cứu ảnh hưởng trực tiếp của biến độc lập Xk
đối với biến Y (Doanh nghiệp vỡ nợ) mà là xem xét ảnh hưởng của Xk đến xác suất Y để

nhận giá trị bằng 1 hay xác suất doanh nghiệp vỡ nợ.

</div>
(6)<div class='page_container' data-page=6>

toán xác suất mà giá trị của doanh nghiệp giảm thấp hơn giá trị nợ của doanh nghiệp, coi
vốn chủ sở hữu của doanh nghiệp là một quyền chọn trên giá trị tài sản của Doanh nghiệp
trên một khoảng thời gian nhất định.

CHƢƠNG II: THỰC TRẠNG CÔNG TÁC QUẢN TRỊ RỦI RO TÍN DỤNG VÀ 
ĐO LƢỜNG XÁC SUẤT VỠ NỢ CỦA NGÂN HÀNG TECHCOMBANK

Chương II giới thiệu về tình hình hoạt động kinh doanh và hoạt động quản trị rủi

ro tại Techcombank trong năm 2015 và kế hoạch cho năm 2016. Thực trạng đo lường và
ước tính xác suất vỡ nợ PD cũng như xếp hạng khách hàng tại Techcombank.

2.1. Giới thiệu về Techcombank và tình hình hoạt động kinh doanh năm 2013 - 2015 
Techcombank thành lập ngày 27/09/1993 với số vốn ban đầu là 20 tỷ đồng, trải
qua hơn 22 năm hoạt động, tính đến 31/12/2015 đến nay Techcombank đã trở thành

một trong những ngân hàng thương mại cổ phần hàng đầu Việt Nam với tổng tài sản
đạt 191,994 tỷ đồng, có 312 đơn vị giao dịch tại 44 tỉnh/ thành phố trên cả nước.

2.2. Tổng quan về công tác quản trị rủi ro và nghiệp vụ đo lƣờng PD, xếp hạng tín 
dụng khách hàng doanh nghiệp tại Techcombank

</div>
(7)<div class='page_container' data-page=7>

CHƢƠNG III: ỨNG DỤNG MƠ HÌNH TỐN TRONG ĐO LƢỜNG XÁC SUẤT 
VỠ NỢ TẠI NGÂN HÀNG TECHCOMBANK

Chương III sẽ đi sâu vào việc xây dựng mơ hình đo lường xác suất vỡ nợ PD cho
khách hàng doanh nghiệp tại Techcombank dựa trên 02 mô hình tốn đã nêu tại Chương

I. Từ kết quả ước lượng thu được sẽ tiến hành đánh giá, phân tích tác động tới chính sách
và hoạt động quản trị rủi ro tại Techcombank cũng như ứng dụng kết quả nghiên cứu
trong xếp hạng tín dụng khách hàng.

3.1. Xác định biến số/ các nhân tố đƣa vào mơ hình 
3.1.1. Biến phụ thuộc

Biến phụ thuộc trong nghiên cứu này là “xác suất trả nợ không tốt” (Y) và “xác
suất vỡ nợ của doanh nghiệp” (Y2). Căn cứ xác định Doanh nghiệp thuộc nhóm có khả
năng trả nợ khơng tốt hoặc có khả năng vỡ nợ đi theo quy định về phân loại nợ của Ngân
hàng nhà nước và tiêu chuẩn của Basel II

3.1.2. Biến độc lập

Nghiên cứu đang dựa trên 02 nhóm biến độc lập gồm 35 biến như sau:

Nhóm biến thể hiện tình hình sức khỏe của doanh nghiệp: Dựa trên thông tin từ
báo cáo tài chính của doanh nghiệp, bóc tách theo 05 chỉ số chính: Chỉ số thanh tốn; Chỉ
số hiệu quả hoạt động; Chỉ số đòn bẩy tài chính; Chỉ số sinh lời ; Thâm niên doanh
nghiệp

Nhóm biến số liên quan tới mối quan hệ của doanh nghiệp với ngân hàng gồm:
Thông tin khách hàng là khách hàng cũ hay khách hàng mới giao dịch với Techcombank,

thơng tin tín dụng của khách hàng (tổng nghĩa vụ, lịch sử tín dụng …), Thông tin tài sản bảo
đảm của khách hàng, Ngành nghề/ Quy mô của doanh nghiệp…

3.2. Xây dựng và chuẩn bị dữ liệu

Thu thập dữ liệu nghiên cứu từ thông tin của 2,000 khách hàng Doanh nghiệp tại

Techcombank, trong đó các nguồn dữ liệu thu thập gồm: dữ liệu các báo cáo tài chính có

</div>
(8)<div class='page_container' data-page=8>

Số liệu thống kê trước khi được sử dụng để phân tích cần được kiểm tra, đánh giá và
làm sạch. Mục đích của cơng việc này là đảm bảo loại bỏ những sai sót khi thu thập thơng tin,
nhập, mã hóa số liệu, sai sót thơng tin ngoại lai…Tập dữ liệu phát triển được tổng hợp sau khi
loại bỏ missing value và Ouliers sẽ chia thành 2 nhóm 70 % mẫu cho việc nghiên cứu, 30 %
còn lại để thực hiện hậu kiểm cho mơ hình nghiên cứu.

3.3. Phân tích chuỗi dữ liệu

Phân tích tương quan và phân tích thống kê mơ tả nhằm loại bỏ các biến có hệ số
tương quan cao, thu được 30 biến độc lập còn lại đưa vào phân tích mơ hình.

3.4. Ƣớc lƣợng Xác suất vỡ nợ của khách hàng (PD) theo mơ hình Logistic và 
Merton - KMV

3.4.1. Mơ hình logistic

Đối với 30 biến độc lập cịn lại, để xác định được các biến có ý nghĩa đưa vào mơ

hình, thực hiện kiểm định Wald và kiểm định thừa biến, sau qúa trình kiểm định và phân
tích việc loại bỏ/ đưa thêm biến vào mơ hình. Có thể thấy các biến Chỉ số nợ trên tài sản;
Tỷ số tổng tài sản trên vốn cổ phần; Trạng thái Doanh nghiệp mới/cũ; Ngành nghề; Quy
mô Doanh nghiệp; Nguồn tài sản/ khả năng thanh khoản tài sản; Tổng nghĩa vụ; Phát sinh
nợ quá hạn… đều có ý nghĩa thống kê và hợp lý về mặt kinh tế.

Từ kết quả ước lượng PD thu được thực hiện xây dựng khung xếp hạng khách
hàng, có thể thấy danh mục khách hàng đang tập trung chủ yếu ở nhóm xếp hạng B ~
35% danh mục. Đây là nhóm khách hàng có rủi ro tín dụng ở trung bình – khá, ngân hàng
vẫn sẽ tiếp tục phát triển và duy trì quan hệ tín dụng, đồng thời có biện pháp quản trị rủi

ro tương ứng.

3.4.2. Mơ hình Merton –KMV

</div>
(9)<div class='page_container' data-page=9>

rủi ro cao nêu trên đều có tỷ lệ nợ trên vốn chủ sở hữu cao, ví dụ với nhóm ngành Xây
dựng và kinh Doanh Bất động sản có tỷ lệ nợ/ vốn chủ sở hữu bình quân cao trên 70%.

Từ kết quả ước lượng PD thu được, cũng có thể ứng dụng để xây dựng khung xếp
hạng khách hàng doanh nghiệp tương ứng.

KẾT LUẬN

Dựa trên kết quả phân tích có thể thấy Mơ hình Logistic và mơ hình Merton - KMV 
là các mơ hình đáng được các nhà quản trị quan tâm trong việc đánh giá, ước lượng xác suất

vỡ nợ và xếp hạng khách hàng. Hoàn toàn có thể áp dụng các mơ hình này trong đo lường
xác suất vỡ nợ và có thể linh hoạt bổ sung các nhân tố tác động vào mơ hình. Tuy nhiên, có
thể thầy cịn tồn tại một số giới hạn trong việc xây dựng mơ hình như sau khiến kết quả ước
lượng chưa thực sự hiệu quả:

- Khả năng trả nợ của KHDN chỉ xét cho từng trường hợp KHDN cụ thể, chưa
xét đến sự tương quan về xác suất trả nợ giữa các khách hàng và nhóm khách hàng liên
quan để đánh giá đúng bản chất rủi ro không trả được nợ của khách hàng.

- Do hạn chế về thời gian dữ liệu nghiên cứu, bài nghiên cứu loại bỏ yếu tố kinh
tế vĩ mô (lạm phát, tăng trưởng kinh tế) khi xét các nhân tố ảnh hưởng đến khả năng trả
nợ của KHDN nên chỉ có ý nghĩa đối với các KHDN xét trong điều kiện kinh tế từ 2010
– 2015, chưa xác định được mức ý nghĩa đối với các điều kiện kinh tế vĩ mơ khác. Do đó,

bài nghiên cứu tiếp theo cần mở rộng phạm vi nghiên cứu xem xét thêm ảnh hưởng của

biến kinh tế vĩ mô, điều này đòi hỏi dữ liệu nghiên cứu phải trải rộng khoảng thời gian
dài tối thiểu là một chu kỳ kinh tế.

- Không đảm bảo dữ liệu thu thập từ các nguồn Báo cáo tài chính đã phản ánh
đúng tình hình kết quả kinh doanh của doanh nghiệp.

</div>
(10)<div class='page_container' data-page=10></div>

Đo lường xác suất vỡ nợ trong rủi ro tín dụng tại Ngân hàng Techcombank

Tài liệu liên quan

Tài liệu bạn tìm kiếm đã sẵn sàng tải về