CƠ SỞ LÝ THUYẾT, CÁC NGHIÊN CỨU TRƯỚC
Khái quát về khả năng trả nợ của khách hàng
"Khả năng trả nợ của khách hàng" đề cập đến mức độ mà khách hàng có thể thực hiện nghĩa vụ trả nợ đầy đủ và đúng hạn theo các điều khoản đã thỏa thuận với ngân hàng Để xác định khả năng này, các ngân hàng thường dựa vào các tiêu chuẩn như năng lực tài chính, lịch sử giao dịch tín dụng, thiện chí trả nợ và năng lực quản lý của lãnh đạo công ty Hiện nay, chưa có sự thống nhất trong giới chuyên gia tài chính về khái niệm này, và họ chủ yếu phân loại khách hàng thành hai nhóm: "không có khả năng trả nợ" và "có khả năng trả nợ".
Theo tài liệu của Ủy Ban Basel về Giám sát Ngân hàng năm 2006, "default" hay "không có khả năng trả nợ" được định nghĩa là tình trạng mà khách hàng không thể thực hiện nghĩa vụ thanh toán đầy đủ khi đến hạn, chưa tính đến việc ngân hàng bán tài sản để thu hồi nợ, hoặc khách hàng có khoản nợ xấu quá hạn trên 90 ngày.
Cũng theo Quỹ Tiền tệ Quốc tế (2004), các khoản vay được coi là
"Nợ xấu" (nonperforming loan) được định nghĩa là khi khoản vay quá hạn trả lãi và/hoặc gốc trên 90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc đồng ý trả chậm theo thỏa thuận Ngoài ra, các khoản thanh toán quá hạn dưới 90 ngày nhưng có khả năng không được thanh toán đầy đủ cũng được xem là nợ xấu Tại Việt Nam, các tổ chức tín dụng phân loại nợ thành 5 nhóm theo Quyết định số 493/2005/QĐ-NHNN ban hành ngày 22 tháng 4 năm 2005 Từ năm 2005 đến 2015, Ngân hàng Nhà nước Việt Nam (NHNN) đã sửa đổi và bổ sung bốn lần về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng Văn bản cập nhật mới nhất là Thông tư số 22/VBHN-NHNN ngày 04 tháng 6 năm 2014, trong đó có những sửa đổi mới nhất về phân loại nợ.
Nhóm 1: (Nợ đủ tiêu chuẩn) bao gồm:
- Các khoản nợ trong hạn và tổ chức tín dụng đánh giá là có khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn;
Các khoản nợ quá hạn dưới 10 ngày mà tổ chức tín dụng đánh giá có khả năng thu hồi đầy đủ gốc và lãi sẽ được xử lý theo quy định, đảm bảo việc thu hồi gốc và lãi đúng hạn còn lại.
Nhóm 2: (Nợ cần chú ý) bao gồm:
- Các khoản nợ quá hạn từ 10 ngày đến 90 ngày;
Các khoản nợ điều chỉnh kỳ hạn trả nợ lần đầu yêu cầu tổ chức tín dụng phải có hồ sơ đánh giá khả năng trả nợ của khách hàng, đặc biệt là đối với doanh nghiệp và tổ chức, nhằm đảm bảo khả năng thanh toán đầy đủ nợ gốc và lãi đúng hạn.
Nhóm 3: (Nợ dưới tiêu chuẩn) bao gồm:
- Các khoản nợ quá hạn từ 91 ngày đến 180 ngày;
Các khoản nợ được cơ cấu lại thời hạn trả nợ lần đầu, ngoại trừ những khoản nợ điều chỉnh kỳ hạn trả nợ lần đầu, sẽ được phân loại vào nhóm 2 theo quy định hiện hành.
- Các khoản nợ được miễn hoặc giảm lãi do khách hàng không đủ khả năng trả lãi đầy đủ theo hợp đồng tín dụng
Nhóm 4: (Nợ nghi ngờ) bao gồm:
- Các khoản nợ quá hạn từ 181 ngày đến 360 ngày;
- Các khoản nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày theo thời hạn trả nợ được cơ cấu lại lần đầu;
- Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ hai
Nhóm 5: (Nợ có khả năng mất vốn) bao gồm:
- Các khoản nợ quá hạn trên 360 ngày;
- Các khoản nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn từ 90 ngày trở lên theo thời hạn trả nợ được cơ cấu lại lần đầu;
- Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ hai quá hạn theo thời hạn trả nợ được cơ cấu lại lần thứ hai;
- Các khoản nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên, kể cả chưa bị quá hạn hoặc đã quá hạn;
- Các khoản nợ khoanh, nợ chờ xử lý;
Dựa trên khái niệm và quy định tại Việt Nam cũng như nhiều quốc gia khác, Bảng 2.1 trình bày cơ sở phân loại khách hàng và khả năng thanh toán của họ.
Bảng 2.1 Phân loại khách hàng và khả năng thanh toán
Loại khách hàng Khả năng thanh toán Phân loại nợ
Có khả năng trả nợ - Không có nợ quá hạn
Không có khả năng trả nợ
Những yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp 11 1 Năng lực tài chính
Năng lực tài chính của công ty được thể hiện qua các chỉ tiêu như tỷ lệ sinh lời từ tài sản, suất sinh lời trên vốn chủ sở hữu và giá trị doanh nghiệp trên thị trường Nghiên cứu thực nghiệm cho thấy các chỉ số tài chính rất hữu ích trong việc đo lường khả năng trả nợ của doanh nghiệp Các chỉ số về khả năng thanh toán và lợi nhuận thường được sử dụng phổ biến, chứng minh tính hiệu quả trong việc đánh giá rủi ro tài chính và rủi ro tín dụng theo thời gian.
Theo Beaver (1966), phân tích chỉ số có thể dự đoán sự thất bại của doanh nghiệp lên đến năm năm trước khi xảy ra Altman (1968) đã phát triển một mô hình dựa trên phân tích chỉ số, cho thấy mối liên hệ rõ rệt giữa khả năng tài chính và xác suất trả nợ của công ty, có thể dự đoán trong vòng một năm trước khi mất khả năng thanh toán Các chỉ số tài chính thường được phân loại thành bốn nhóm chính: lợi nhuận, thanh khoản, hiệu quả hoạt động và cơ cấu vốn.
Các doanh nghiệp nhỏ và mới thành lập thường đối mặt với rủi ro cao hơn so với các doanh nghiệp lớn do khả năng quản lý và nguồn lực tài chính hạn chế Điều này khiến họ dễ bị ảnh hưởng bởi các yếu tố tiêu cực trên thị trường.
Năm 1980, tác giả đã áp dụng tổng tài sản để đo lường quy mô doanh nghiệp, đồng thời sử dụng biến độc lập là quy mô doanh nghiệp trong mô hình nghiên cứu của mình Qua đó, ông đã chứng minh rằng quy mô doanh nghiệp có ảnh hưởng quan trọng đến các yếu tố khác trong nghiên cứu.
Các doanh nghiệp nhỏ thường đối mặt với nguy cơ vỡ nợ cao hơn do quy mô hạn chế, ảnh hưởng đến khả năng trả nợ vay Nghiên cứu của Cassar (2004) chỉ ra rằng các doanh nghiệp nhỏ gặp nhiều khó khăn trong việc giải quyết vấn đề bất cân xứng thông tin với ngân hàng, dẫn đến khó khăn trong việc tiếp cận tín dụng Ngoài ra, tài sản của các doanh nghiệp nhỏ thường có giá trị thấp, khiến họ khó chứng minh khả năng thực hiện cam kết với người cho vay Tương tự, nghiên cứu của Amato & Furfine (2004) cho thấy doanh nghiệp nhỏ, được đo bằng số lượng nhân viên, cũng phải chịu rủi ro cao hơn trong việc thanh toán nợ.
Theo thông tư 39/2016/TT-NHNN của Ngân hàng Nhà Nước Việt Nam, thời hạn cho vay được tính từ ngày sau khi tổ chức tín dụng giải ngân cho đến khi khách hàng hoàn trả nợ gốc và lãi Việc kiểm soát rủi ro đối với các khoản vay dài hạn của khách hàng doanh nghiệp (KHDN) gặp nhiều khó khăn Flannery (1986) cho rằng thời gian cho vay có thể giúp giải quyết vấn đề lựa chọn bất lợi và rủi ro đạo đức trong quan hệ tín dụng Ông cũng chỉ ra rằng trong trường hợp thông tin bất cân xứng, các doanh nghiệp có rủi ro tín dụng thấp thường ưa thích vay ngắn hạn để tiết kiệm chi phí lãi vay, từ đó phát tín hiệu rủi ro thấp và khả năng trả nợ tốt.
Nghiên cứu của Jimenez và Saurina (2003) chỉ ra rằng các khoản vay ngắn hạn có nguy cơ vỡ nợ cao hơn so với các khoản vay dài hạn (trên 5 năm), điều này trái ngược với kết quả nghiên cứu của Flannery (1986).
2.2.4 Kinh nghiệm hoạt động của các công ty khách hàng
Lê Phương Dung và Nguyễn Thị Nam Thanh (2013) đã tiến hành nghiên cứu về các yếu tố ảnh hưởng đến các khoản vay ngân hàng ngắn hạn của doanh nghiệp chế biến thực phẩm và sản xuất trong các ngành công nghiệp Nghiên cứu chỉ ra rằng kinh nghiệm hoạt động của doanh nghiệp đóng vai trò quan trọng trong việc tiếp cận và sử dụng các khoản vay này.
Độ tuổi và loại hình doanh nghiệp nhà nước (DNNN) là hai yếu tố quan trọng trong việc đo lường DN Những doanh nghiệp hoạt động lâu năm thường sở hữu nhiều kinh nghiệm trong việc nắm bắt xu hướng mới và thích ứng với biến động thị trường, từ đó giúp kiểm soát rủi ro hoạt động một cách hiệu quả hơn.
Các doanh nghiệp lâu năm thường sở hữu thị phần ổn định, giúp duy trì doanh thu và lợi nhuận liên tục qua các năm Sự ổn định này ảnh hưởng tích cực đến khả năng vay vốn và trả nợ của các doanh nghiệp.
2.2.5 Loại hình Doanh nghiệp nhà nước
Nghiên cứu này dựa trên định nghĩa về doanh nghiệp nhà nước (DNNN) theo Nghị định số 99/2012/NĐ-CP, được Thủ tướng Chính phủ ban hành ngày 15 tháng 11 năm 2012 Theo nghị định, DNNN được xác định là doanh nghiệp mà Nhà nước nắm giữ trên 50% vốn điều lệ, bao gồm các công ty trách nhiệm hữu hạn một thành viên (với 100% vốn thuộc về Nhà nước), công ty cổ phần và công ty trách nhiệm hữu hạn hai thành viên trở lên (khi Nhà nước nắm giữ trên 50% vốn điều lệ).
Báo cáo kinh tế vĩ mô 2014 của Ủy ban Kinh tế Quốc hội chỉ ra rằng hiệu quả kém của doanh nghiệp Nhà nước (DNNN) đã góp phần vào sự trì trệ của nền kinh tế quốc gia Nhiều DNNN có hiệu suất đầu tư và khả năng cạnh tranh thấp, cùng với chất lượng sản phẩm không đáp ứng yêu cầu thị trường Theo lý thuyết "chi phí đại diện", tổng nợ xấu và nợ cơ cấu lại của DNNN ước tính khoảng 73.000 tỷ đồng (3,4 tỷ USD) Thống kê từ Ngân hàng Nhà nước Việt Nam cho thấy DNNN chiếm 70% tổng nợ xấu năm 2012 Friedrich (2013) cũng nhận định rằng hầu hết DNNN phải gánh chịu chi phí tài chính lớn trong bối cảnh doanh thu giảm, dẫn đến mất cân bằng tài chính và tình trạng vay quá hạn.
Nghiên cứu của Hà Thị Sáu (2013) cho thấy rằng DNNN đóng góp đáng kể vào tổng nợ xấu của ngân hàng Tác giả chỉ ra rằng nhiều doanh nghiệp nhà nước, khi gặp khó khăn về vốn, đã sử dụng nguồn vay ngắn hạn để đầu tư dài hạn Việc sử dụng vốn không đúng nguyên tắc này là nguyên nhân chính dẫn đến nợ quá hạn và nợ xấu cho cả doanh nghiệp và hệ thống ngân hàng.
Nghiên cứu của Nguyễn Thùy Dương và Nguyễn Thanh Tùng (2013) về lựa chọn mô hình đo lường rủi ro cho khoản vay tập đoàn kinh tế nhà nước tại các ngân hàng thương mại Việt Nam sử dụng mô hình hồi quy Logit trên dữ liệu 490 khách hàng từ năm 2007 đến 2011 Kết quả cho thấy, với độ tin cậy 90%, khả năng không hoàn trả nợ vay đúng hạn của khách hàng là Tập đoàn kinh tế Nhà nước cao hơn so với các doanh nghiệp khác Điều này có thể do Tập đoàn kinh tế Nhà nước thường có mối quan hệ lâu năm với ngân hàng, đáp ứng tốt các điều kiện vay, và mục đích vay chủ yếu tập trung vào bất động sản và xây dựng với giá trị khoản vay lớn.
Để giảm thiểu rủi ro đạo đức trong hoạt động cho vay doanh nghiệp giữa tình trạng thông tin bất cân xứng tại Việt Nam, các ngân hàng thường yêu cầu tài sản đảm bảo lớn hơn Việc có giá trị tài sản đảm bảo cao không chỉ tăng khả năng trả nợ của doanh nghiệp mà còn tạo dựng thiện chí trong việc thanh toán nợ vay.
Ngân hàng Từ đó giảm thiểu được rủi ro tín dụng trong hoạt động cho vay đối với các NHTM
Các mô hình thường được sử dụng để đánh giá khả năng trả nợ của khách hàng doanh nghiệp
Theo hướng dẫn của Oesterreichische National Bank về quản lý rủi ro tín dụng, các mô hình phổ biến được áp dụng trong việc xếp hạng tín dụng doanh nghiệp bao gồm nhiều phương pháp khác nhau nhằm đánh giá khả năng thanh toán và rủi ro tín dụng của các công ty.
2.3.1 Mô hình chuẩn đoán (Mô hình Heuristic)
Mô hình chuẩn đoán là phương pháp thu thập và xử lý các đánh giá, dự báo thông qua việc tập hợp ý kiến từ các chuyên gia, nhằm đưa ra kết luận và nhận định chính xác.
Mô hình chuẩn đoán cung cấp dự báo khách quan về tình hình hiện tại và tương lai phát triển của một lĩnh vực khoa học thông qua việc xử lý hệ thống các đánh giá từ chuyên gia Có nhiều loại mô hình chuẩn đoán khác nhau, được phân loại dựa trên các tiêu chí cụ thể.
- Bảng câu hỏi đánh giá cổ điển (“Classic” rating Questionnaires)
- Mô hình định tính (Qualitative Systems)
Nhược điểm chung của các mô hình chuẩn đoán là chất lượng phụ thuộc vào kinh nghiệm chủ quan của chuyên gia tín dụng Không chỉ các nhân tố liên quan đến khả năng trả nợ, mà cả mức độ tương quan và trọng số của các nhân tố trong đánh giá cũng dựa trên kinh nghiệm này Vì vậy, mô hình chuẩn đoán thường ít được áp dụng trong nghiên cứu thực tế.
2.3.2 Mô hình thống kê (Statistical models)
Mô hình thống kê là phương pháp nghiên cứu chính xác, bao gồm các bước như điều tra, tổng hợp thông tin, phân tích và dự báo Mô hình này ứng dụng các phương pháp phân tích thống kê đa chiều, lý thuyết điều khiển, lý thuyết dự báo và công nghệ trong nghiên cứu Dưới đây là một số mô hình phổ biến được áp dụng trong thực tiễn.
2.3.2.1 Mô hình phân tích biệt thức (Dirciminant Analysis models)
Mô hình phân tích biệt thức là một kỹ thuật thống kê quan trọng dùng để phân loại các quan sát vào những nhóm định danh dựa trên đặc điểm riêng biệt của chúng Mô hình này xây dựng mối quan hệ tuyến tính giữa các đặc điểm nhằm phân biệt hiệu quả giữa các nhóm Qua đó, nó tạo ra sự kết hợp giữa các hệ số biệt thức và chỉ số định lượng, giúp phân loại các trường hợp tốt và xấu một cách chính xác.
Mô hình phân tích biệt thức trong đo lường rủi ro vỡ nợ nhằm mục tiêu phân biệt khách quan và chính xác giữa các công ty có nguy cơ vỡ nợ và không có nguy cơ Qua việc sử dụng hàm biệt thức với các biến định lượng từ báo cáo tài chính, mục tiêu chính là xác định tổ hợp tuyến tính của các biến để phân nhóm và tối ưu hóa sự phân biệt giữa các nhóm này Kết quả cuối cùng được chuyển đổi thành hàm biệt thức, hay còn gọi là hệ số Z, giúp đánh giá mức độ rủi ro vỡ nợ của các công ty.
D = Chỉ số đo lường toàn bộ mức độ rủi ro của người vay
Mô hình phân tích biệt thức (Ki) sử dụng các chỉ số tài chính (ai) để phân loại doanh nghiệp (KHDN) có khả năng trả nợ và không có khả năng trả nợ Với n là số lượng chỉ số tài chính, mô hình này được áp dụng rộng rãi trong lĩnh vực XHTD nhờ vào tính đơn giản và dễ sử dụng của nó.
Mô hình phân tích biệt thức, mặc dù có nhiều ưu điểm và được sử dụng rộng rãi để ước lượng khả năng vỡ nợ của khách hàng vay vốn tại các TCTD, nhưng chủ yếu phù hợp với việc phân tích các chỉ tiêu tài chính (chỉ số định lượng) hơn là các chỉ tiêu phi tài chính (chỉ tiêu định tính) Để đánh giá tính thích hợp của mô hình này, các nhà nghiên cứu cần kiểm định các giả thiết toán học, đặc biệt là tính phân phối chuẩn của các yếu tố liên quan đến khả năng trả nợ Nếu giả thiết về tính phân phối chuẩn không được thỏa mãn, kết quả của mô hình sẽ không tối ưu, thiếu sự công nhận và ít có ý nghĩa trong ứng dụng thực tiễn.
Mô hình hồi quy, tương tự như mô hình phân tích biệt thức, thể hiện sự phụ thuộc của một biến vào các biến độc lập khác, với mục tiêu xác định xác suất trả nợ vay của khách hàng dựa trên các đặc điểm nhất định thông qua khả năng ước lượng tối đa Các mô hình hồi quy, như Probit và Logit, thường được sử dụng để đánh giá xác suất vỡ nợ Mặc dù nghiên cứu về mô hình probit còn hạn chế, mô hình Logit với biến phụ thuộc là biến giả (0 hoặc 1) giúp xác định khả năng rủi ro tín dụng của khách hàng dựa trên các yếu tố ảnh hưởng (biến độc lập).
Ki = giá trị cụ thể của các tiêu chí mức độ tín nhiệm bi = hệ số của mỗi chỉ số n = số lượng các chỉ số tài chính
Mô hình Logit có một số lợi thế hơn mô hình phân tích biệt thức:
Mô hình hồi quy Logit không yêu cầu các yếu tố đầu vào phải phân phối chuẩn, giúp nó xử lý hiệu quả các yếu tố nguy cơ phá sản định tính mà không cần biến đổi như các phương pháp trước đây (Johnsen & Melicher, 1994).
Kết quả từ mô hình Logit cho thấy xác suất trả nợ của khách hàng nằm trong khoảng từ 0 đến 1, cho phép giải thích rõ ràng hơn về khả năng này Điều này cho thấy mô hình Logit mang lại độ chính xác cao hơn so với mô hình phân tích biệt thức.
Thứ ba, hồi quy Logit đòi hỏi dữ liệu ít hơn so với mô hình phân tích biệt thức
Do đó trong những năm gần đây mô hình hồi quy Logit được sử dụng rộng rãi hơn cả trong nghiên cứu khoa học và thực tiễn
2.3.2.3 Mô hình mạng nơron (Neural Network Models)
Mô hình mạng nơron hoạt động dựa trên nguyên tắc tính toán song song, kết hợp nhiều quá trình tính toán đơn giản Mỗi quá trình này do một nơron thực hiện các phép tính cơ bản Dù các nơron đơn giản, nhưng khi được kết nối và tổ chức hợp lý, chúng có khả năng giải quyết những nhiệm vụ phức tạp.
Mạng nơron là công cụ lý tưởng cho việc mô tả các mô hình đánh giá phức tạp, đặc biệt khi cần xử lý nhiều loại thông tin khác nhau Một trong những ưu điểm nổi bật của mô hình này là khả năng giải quyết các mối quan hệ phi tuyến tính và xử lý thông tin thiếu hụt (Charalambous, Charitou & Neophytou, 2000) Tuy nhiên, mạng nơron vẫn chưa được áp dụng rộng rãi trong thực tế do một số hạn chế nhất định.
Thứ nhất, mô hình mạng nơron đòi hỏi dữ liệu đầu vào lớn, với ít nhất 500 quan sát hoặc hơn (Kumar & Ravi, 2007)
Các bước thực hiện trong mô hình mạng nơron thường phức tạp và khó sử dụng cho người dùng, dẫn đến việc dễ gặp phải nhiều vấn đề.
2.3.3 Phương pháp quan hệ nhân quả (Causal models)
Tổng quan các nghiên cứu trước
Trên toàn cầu, nhiều nghiên cứu định lượng đã được thực hiện để ước lượng xác suất vỡ nợ của khách hàng, dựa trên xếp hạng tín dụng từ các tổ chức uy tín như Standard & Poor's, Moody's, và Fitch Bảng 2.2 tóm tắt một số nghiên cứu liên quan từ các nhà nghiên cứu trong và ngoài nước, với sự khác biệt về thời gian, đối tượng nghiên cứu và phương pháp định lượng.
Bảng 2.2 Tổng quan các nghiên cứu định lượng về xác suất trả nợ vay của KHDN
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu
33 công ty nộp đơn xin phá sản trong giai đoạn 1946-1965 và 33 công ty vẫn còn tồn tại tại thời điểm phân tích (Năm 1968)
Phương pháp phân tích biệt thức với mô hình chỉ số Z-score
Các biến như Vốn lưu động trên Tổng tài sản, Lợi nhuận giữ lại trên Tổng tài sản, EBIT trên Tổng tài sản, Giá trị vốn hóa thị trường so với giá trị tổng nợ sổ sách, và Doanh thu trên Tổng tài sản đều có tác động tích cực đến chỉ số tổng thể (Z).
54 công ty niêm yết trong ngành sản xuất và phân phối ở Canada
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến tài chính như tài sản ngắn hạn và nợ ngắn hạn, lợi nhuận so với tổng nợ, cũng như tốc độ tăng trưởng giá trị vốn hóa sổ sách và tốc độ tăng trưởng tài sản đều có ảnh hưởng tích cực đến chỉ số tổng thể (Z) Trong khi đó, tỷ lệ tổng nợ trên tổng tài sản lại tác động ngược chiều, làm giảm chỉ số này.
52 công ty thuộc ngành phi tài chính ở Pakistan, trong đó có
26 công ty phá sản và
26 công ty không phá sản
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến: Doanh thu/Tổng tài sản; Lợi nhuận trước thuế và lãi vay/Nợ ngắn hạn sẽ tác động cùng chiều (+) đến chỉ số tổng thể (Z);
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu là phá sản
Z >= 0,724: Công ty được coi là không phá sản Đào Thị Thanh
Mẫu dữ liệu đã được làm sạch bao gồm 285 khách hàng có phát sinh quan hệ tín dụng tại HabuBank trong 3 năm (từ năm 2008 đến
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến như Vốn lưu động trên tổng tài sản (TTS), Lợi nhuận giữ lại trên TTS, và Lợi nhuận sau thuế trên tổng tài sản đều có tác động tích cực đến chỉ số tổng thể (Z) Ngoài ra, tỷ lệ Giá vốn hóa thị trường trên tổng nợ phải trả và Tổng nợ phải trả trên TTS cũng ảnh hưởng theo chiều hướng tương tự Tuy nhiên, biến Giá trị vốn hóa thị trường trên Giá trị sổ sách lại có tác động ngược chiều, làm giảm chỉ số tổng thể.
60 công ty sản xuất niêm yết trên sàn HOSE hoặc HNX tại Việt Nam
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến như vốn lưu động, tổng tài sản, giá trị vốn hóa thị trường so với tổng nợ, giá trị vốn hóa thị trường so với giá trị vốn hóa trên sổ sách, cũng như tỷ lệ lợi nhuận ròng trên doanh thu và lợi nhuận ròng trên tài sản cố định đều có ảnh hưởng tích cực đến chỉ số tổng thể (Z).
Còn lại các biến: Lợi nhuận giữ
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu lại/Tổng tài sản; Lợi nhuận ròng/Tổng tài sản; Tổng nợ/Tổng tài sản lại có tác động ngược chiều (-)
Với hơn 3 triệu dữ liệu quan sát tại các TCTD ở Tây Ban Nha với giá trị món vay hơn 6.000 EUR
Dữ liệu được thu thập theo từng tháng trong 5 năm: 1987; 1990;
Mô hình hồi quy Logit nhị thức
Khoản vay có tài sản đảm bảo thường có nguy cơ vỡ nợ cao hơn so với khoản vay không có tài sản đảm bảo Đặc biệt, các khoản vay ngắn hạn thường có tỷ lệ vỡ nợ cao nhất, trong khi các khoản vay dài hạn lại có nguy cơ thấp hơn.
5 năm) Khoản vay càng lớn thì khả năng vỡ nợ càng thấp
600 quan sát từ tập dữ liệu gồm 35.568 DN vay vốn tại
ProCreditBank của Georgia (Mỹ) trong khoảng thời gian 2004-
Mô hình hồi quy Logit nhị thức
Biến phụ thuộc là: Tỷ lệ khoản vay không trả nợ (LLR)
Kết quả: Các biến TSĐB; Loại khách hàng (TYPECLIENT) ;
Số lượng nhân viên của khách hàng có tác động cùng chiều đến LLR (+)
Còn lại các biến: Giá trị khoản vay; thời gian cho vay; Tỷ lệ chấp thuận số tiền cho vay có
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu tác động ngược chiều đến LLR (-)
Bộ dữ liệu gồm 530 khoản vay của các khách hàng có quy mô nhỏ tại CDFIs trong giai đoạn từ 2002-2007
Mô hình hồi quy Logit nhị thức
Khả năng trả nợ là biến phụ thuộc chính trong nghiên cứu này Kết quả cho thấy rằng các yếu tố như kinh nghiệm quản lý, điểm FICO cá nhân và thời gian kinh doanh đều có tác động tích cực đến khả năng trả nợ.
Trong khi các biến: Thời gian vay; Tỷ lệ thất nghiệp lại có tác động ngược chiều đến khả năng trả nợ (-)
Các DN vừa và nhỏ ở Ý
Mô hình hồi quy Logit nhị thức
Tất cả các chỉ tiêu như Nợ dài hạn/Tổng tài sản, Lợi nhuận trước lãi và thuế/Tổng tài sản, Vốn chủ sở hữu/Tổng tài sản và Tổng doanh thu/Tổng tài sản đều có ảnh hưởng tích cực đến khả năng trả nợ của khách hàng.
(Hay ngược chiều (-) với xác suất trả nợ của khách hàng)
Mô hình hồi Biến phụ thuộc: Khả năng
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu
Bao gồm 490 khách hàng tại các NHTM Việt Nam từ năm 2007
Năm 2011, nghiên cứu về mô hình Logit nhị thức chỉ ra rằng giá trị khoản vay và tài sản đảm bảo có ảnh hưởng tích cực đến khả năng không trả được nợ của khách hàng.
Tương tự DNNN cũng có tác động cùng chiều đến khả năng không trả được nợ
Mẫu bao gồm 290 DN dùng để hồi quy,phân tích; và 170 doanh nghiệp dùng để kiếm tra lại khả năng dự báo
Các DN này đều được niêm yết trên HOSE và HNX trong giai đoạn 2010-2011
Kết hợp cách tiếp cận quyền chọn và phân tích hồi quy logit
Tỷ suất nợ (Nợ phải trả/TTS) có tác động cùng chiều (+) đến rủi ro vỡ nợ của các doanh nghiệp;
Lợi nhuận sau thuế trên vốn chủ sở hữu, lợi nhuận sau thuế trên doanh thu và doanh thu trên tổng tài sản đều có mối quan hệ nghịch biến với rủi ro vỡ nợ của doanh nghiệp.
Nguồn: Tổng hợp của tác giả
Bảng 2.2 trình bày các nghiên cứu trong nước và quốc tế đã áp dụng nhiều phương pháp khác nhau để ước lượng xác suất trả nợ vay của khách hàng, kèm theo việc lựa chọn các biến độc lập đa dạng tùy thuộc vào đối tượng và thời gian nghiên cứu Mô hình Z-score của Altman, được phát triển từ năm 1968, đã trở thành một trong những phương pháp phổ biến và được sử dụng rộng rãi để ước lượng xác suất khách hàng vỡ nợ.
Z-score là một phương trình tuyến tính trong đó 5 biến vốn lưu động/tổng tài sản; lợi nhuận giữ lại/tổng tài sản; lợi nhuận trước thuế trước lãi vay/tổng tài sản; giá trị vốn hóa thị trường/giá trị tổng nợ sổ sách và doanh thu/tổng tài sản được đặt trọng số một cách khách quan và tổng hợp lại để đưa ra một điểm số mà dựa vào đó để phân loại các công ty thành các nhóm vỡ nợ và không vỡ nợ Kết quả ước lượng cho thấy 5 biến này đều tác cùng chiều (+) đến chỉ số tổng thể (Z)
Trong nghiên cứu của mình, Altman & Lavalle (1981) đã áp dụng phương pháp phân tích phân biệt với mô hình chỉ số Z-score để ước lượng xác suất vỡ nợ tại Canada, dựa trên dữ liệu tài chính của 54 công ty niêm yết trong ngành sản xuất và phân phối Từ 11 biến độc lập ban đầu, họ đã phát triển mô hình cuối cùng với năm chỉ số tài chính Kết quả cho thấy các biến tài sản ngắn hạn/nợ ngắn hạn, lợi nhuận/tổng nợ, và tốc độ tăng trưởng giá trị vốn hóa sổ sách/tốc độ tăng trưởng tài sản có tác động tích cực (+) đến chỉ số tổng thể (Z), trong khi biến tổng nợ/tổng tài sản lại có tác động tiêu cực (-) đến chỉ số này.
Nghiên cứu của Rashid & Abbas (2011) cho thấy mô hình Z-score có thể phân loại công ty thành hai nhóm: phá sản (Z 0,724) dựa trên mẫu 52 công ty phi tài chính tại Pakistan Các biến như doanh thu/tổng tài sản, lợi nhuận trước thuế và lãi vay/nợ ngắn hạn đều có tác động tích cực đến chỉ số Z Tương tự, nghiên cứu của Đào Thị Thanh Bình và Nguyễn Anh Đức (2012) tại HabuBank với 285 khách hàng trong giai đoạn 2008-2010 cũng xác nhận rằng các chỉ tiêu như vốn lưu động/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, và lợi nhuận sau thuế/tổng tài sản đều ảnh hưởng tích cực đến chỉ số Z Tuy nhiên, biến giá trị vốn hóa thị trường/giá trị sổ sách lại có tác động ngược chiều.
Vào năm 2013, tác giả Đào Thị Thanh Bình đã áp dụng mô hình phân tích phân biệt kết hợp với chỉ số Z-score để nghiên cứu 60 công ty sản xuất niêm yết trên sàn HOSE và HNX tại Việt Nam Kết quả nghiên cứu này trái ngược với nghiên cứu trước đó của tác giả về 285 khách hàng tại Habubank, cho thấy rằng tỷ lệ giá trị vốn hóa thị trường trên giá trị vốn hóa sổ sách có tác động tích cực, trong khi tỷ lệ lợi nhuận giữ lại trên tổng tài sản lại có tác động tiêu cực đến chỉ số tổng thể.
PHƯƠNG PHÁP NGHIÊN CỨU
Trình tự nghiên cứu
Để trả lời các câu hỏi nghiên cứu, luận văn áp dụng phương pháp định lượng, cụ thể là phương pháp thống kê mô tả để thu thập và xử lý dữ liệu, nhằm mô tả mẫu nghiên cứu Tác giả thiết kế mô hình hồi quy để đo lường các yếu tố ảnh hưởng đến khả năng trả nợ của doanh nghiệp, xác định mức độ tác động của các yếu tố này tại VCB.HCM trong giai đoạn 2014-2016 Sau đó, tác giả thực hiện các kiểm định cần thiết để đánh giá độ chính xác của mô hình nghiên cứu thực nghiệm, từ đó đưa ra kết luận cho câu hỏi nghiên cứu thứ hai Trình tự nghiên cứu được thực hiện theo các bước rõ ràng và có hệ thống.
- Xác định đối tượng và mẫu nghiên cứu, cách thức điều tra và chọn mẫu
- Lựa chọn nhân tố và tham số đại diện cho nhân tố
- Thu thập và xử lý dữ liệu: trình bày các thu thập, cách thức đo lường các biến và nguồn số liệu
- Lựa chọn phương pháp hồi quy thích hợp và xây dựng mô hình hồi quy Logit
- Kiểm định tính phù hợp của mô hình nghiên cứu
- Kiểm định khả năng dự báo của mô hình nghiên cứu
- Phân tích kết quả thu được và giải thích
Thiết kế mô hình nghiên cứu
3.2.1 Đối tượng và mẫu nghiên cứu Đối tượng nghiên cứu: Đề tài nghiên cứu về các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp
Đề tài nghiên cứu này dựa trên dữ liệu thu thập từ các khách hàng doanh nghiệp có quan hệ tín dụng với Vietcombank chi nhánh Hồ Chí Minh trong giai đoạn 2014-2016 Hiện nay, VCB.HCM là chi nhánh lớn nhất không chỉ trong hệ thống Vietcombank mà còn trong toàn bộ hệ thống ngân hàng thương mại Việt Nam, với quy mô tài sản và dư nợ tín dụng tương đương một ngân hàng thương mại cổ phần nhỏ.
- Các KHDN được chọn trong mẫu là ngẫu nhiên;
- Các KHDN được chọn có dư nợ tín dụng trong giai đoạn 2014-2016;
- Các KHDN được chọn không thuộc các KHDN có cấu trúc đặc biệt như: các công ty tài chính, công ty bảo hiểm, công ty chứng khoán…;
- Các DN được chọn cung cấp đầy đủ BCTC 3 năm trong giai đoạn 2014-2016, và có kết quả XHTD tại VCB.HCM
Để chọn mẫu nghiên cứu, tác giả đã thực hiện các bước sau: đầu tiên, thống kê danh sách 625 KHDN có dư nợ tín dụng tại VCB.HCM trong giai đoạn 2014-2016, sắp xếp theo thứ tự số CIF.
Tác giả đã chọn một mẫu gồm ít nhất 300 KHDN bằng cách tiến hành chọn ngẫu nhiên một đơn vị trong danh sách và sau đó chọn cách một doanh nghiệp để đưa vào mẫu Cuối cùng, tác giả đã thu thập được tổng cộng 312 KHDN.
Tác giả đã loại bỏ các doanh nghiệp có cấu trúc đặc biệt như công ty tài chính, bảo hiểm và chứng khoán Đồng thời, những doanh nghiệp không cung cấp đầy đủ báo cáo tài chính trong ba năm từ 2014 đến 2016 hoặc không có kết quả cũng bị loại trừ.
XHTD tại VCB.HCM Kết quả, tác giả thu thập được 302 KHDN đáp ứng nguyên tắc lấy mẫu
Tác giả sẽ sử dụng 302 KHDN để tiến hành nghiên cứu, trong đó 202 đơn vị chiếm 67% sẽ được đưa vào mẫu nghiên cứu, và 100 đơn vị còn lại, tương đương 33%, sẽ được sử dụng để kiểm tra độ phù hợp của mô hình thực nghiệm.
3.2.2 Lựa chọn các nhân tố và biến số đại diện Đề tài xây dựng mô hình phát triển từ mô hình gốc của Chiara Pederzoli và Costanza Torricelli (2010) Nghiên cứu của Chiara và Costanza sử dụng các chỉ số tài chính để dự đoán xác suất trả nợ của các DN nhỏ ở Ý được cụ thể hóa thành bốn biến độc lập bao gồm: Nợ dài hạn/Tổng tài sản; Lợi nhuận trước lãi và thuế /Tổng tài sản; Tổng vốn cổ phần/Tổng tài sản; Tổng doanh thu/Tổng tài sản Mô hình cụ thể như sau:
- LTLA = Nợ dài hạn/Tổng tài sản
- EBITA = Lợi nhuận trước lãi và thuế/Tổng tài sản
- EQUITYA = Tổng vốn cổ phần/Tổng tài sản
- SALESA = Tổng doanh thu/Tổng tài sản
Mô hình đánh giá khả năng trả nợ của khách hàng tại VCB.HCM cần xem xét không chỉ các chỉ tiêu tài chính mà còn nhiều yếu tố phi tài chính như kinh nghiệm hoạt động, quy mô doanh nghiệp và tài sản bảo đảm Tác giả giữ lại các biến như lợi nhuận trước lãi và thuế trên tổng tài sản, tổng vốn cổ phần trên tổng tài sản và tổng doanh thu trên tổng tài sản Đồng thời, dựa trên kết quả nghiên cứu trước đây và kinh nghiệm cá nhân, tác giả đề xuất bổ sung thêm các biến như quy mô doanh nghiệp, kinh nghiệm hoạt động, thời gian vay, tỷ lệ tài sản đảm bảo và loại hình doanh nghiệp nhà nước để hoàn thiện mô hình.
Bảng 3.1 trình bày và mô tả các biến phụ thuộc trong mô hình, trong đó xác suất trả của khách hàng (POLRP) được xác định dựa trên khả năng thanh toán thực tế của khách hàng.
Bảng 3.1 Biến phụ thuộc trong mô hình nghiên cứu
Xếp loại khách hàng Diễn giải Giá trị biến
Có khả năng trả nợ/ trả nợ tốt
Không phát sinh nợ quá hạn (NQH) hoặc NQH
Khách hàng được coi là có khả năng trả nợ tốt nếu không có nợ quá hạn hoặc chỉ có nợ quá hạn tối đa 90 ngày Ngược lại, khách hàng sẽ bị đánh giá là không có khả năng trả nợ nếu có nợ cơ cấu thời hạn hoặc nợ quá hạn trên 90 ngày Bảng 3.2 trình bày các biến độc lập trong mô hình nghiên cứu, bao gồm những yếu tố mà tác giả kỳ vọng sẽ ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp.
Bảng 3.2 Biến độc lập trong mô hình nghiên cứu Loại biến Ký hiệu Biến độc lập Kỳ vọng dấu Nghiên cứu trước Đặc điểm của khoản vay
Khoảng thời gian trả nợ gốc của món vay (-) Flannery (1986)
Tỷ lệ tài sản bảo đảm/ mức cấp tín dụng (-)
Tình hình tài chính của khách hàng
Vốn lưu động /Tổng tài sản (+) Altman (1968)
Lợi nhuận trước thuế, trước lãi vay/Tổng tài sản (+)
Vốn chủ sở hữu/Tổng tài sản (+)
Doanh thu thuần/Tổng tài sản (+)
Park & Han (2002) Pederzoli & Torricelli (2010) Quy mô
Quy mô tổng tài sản của
Tình hình phi tài chính của khách hàng
Số năm hoạt động (AGEBS)
Số năm hoạt động kinh doanh của khách hàng (+)
Biến giả = 1: Khách hàng sở hữu trên 50% vốn Nhà Nước
Biến giả = 0: Khách hàng sở hữu dưới 50% vốn Nhà Nước
Ghi chú: (+) tương quan đồng biến; (-) tương quan nghịch biến
Nguồn: Tổng hợp của tác giả
Phần tiếp theo sẽ tóm tắt cơ sở lập luận về kỳ vọng dấu hiệu tác động của từng biến độc lập đến khả năng trả nợ của doanh nghiệp Đồng thời, bài viết cũng sẽ trình bày phương pháp đo lường các biến độc lập một cách cụ thể.
Theo thông tư 39 của Ngân hàng Nhà nước (2016), thời gian vay được tính từ ngày giải ngân vốn vay cho đến khi khách hàng hoàn trả nợ gốc và lãi Kỳ hạn trả nợ thường phản ánh chính xác hơn khả năng thực hiện nghĩa vụ nợ vay so với tổng thời gian vay Ví dụ, Công ty A vay 3 năm với kỳ hạn trả nợ 3 tháng, trong khi Công ty B vay 2 năm với kỳ hạn trả nợ 12 tháng Điều này cho thấy Công ty A phải đối mặt với áp lực lớn hơn trong việc trả nợ hàng quý, trong khi Công ty B có nhiều thời gian hơn để tích lũy tiền trả nợ.
Lãi suất vay thường cao hơn đối với các khoản vay dài hạn vì các ngân hàng thương mại (NHTM) gặp khó khăn trong việc kiểm soát rủi ro Theo nghiên cứu của Flannery (1986), các doanh nghiệp có rủi ro tín dụng thấp thường ưu tiên vay ngắn hạn để tiết kiệm chi phí lãi vay Điều này dẫn đến việc các doanh nghiệp rủi ro thấp chọn tài chính ngắn hạn, đồng thời thể hiện khả năng trả nợ tốt và tín hiệu rủi ro thấp Trong bối cảnh thông tin bất cân xứng, các NHTM có thể đưa ra quyết định cấp tín dụng dựa trên những yếu tố này.
Thời hạn vay dài hơn nhu cầu vốn thực tế của doanh nghiệp có thể dẫn đến việc sử dụng nguồn vốn dư thừa vào các mục đích không đúng, gây ra nguy cơ mất khả năng thanh toán Nghiên cứu này chỉ ra rằng thời gian vay có ảnh hưởng ngược lại đến khả năng trả nợ của các doanh nghiệp.
Tỷ lệ tài sản đảm bảo (TSĐB) được tính bằng công thức giá trị TSĐB chia cho tổng mức cấp tín dụng Trong trường hợp giá trị tài sản thế chấp thay đổi trong vòng một năm, phương pháp bình quân gia quyền sẽ được áp dụng Chẳng hạn, Công ty A có tài sản thế chấp 2 tỷ đồng từ tháng 1 đến tháng 4, sau đó bổ sung thêm 3 tỷ đồng từ tháng 5 đến tháng 12 Do đó, giá trị tài sản thế chấp trung bình trong nghiên cứu này được tính là: (2 * 4 + 5 * 8) / 12 = 4 tỷ đồng.
