TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
Tính cấp thiết của đề tài
Hệ thống ngân hàng thương mại Việt Nam đóng vai trò quan trọng trong phát triển kinh tế, với xu hướng tăng tỷ trọng dịch vụ và giảm tỷ trọng tín dụng Tuy nhiên, tín dụng, đặc biệt là tín dụng cá nhân, vẫn là nguồn thu nhập lớn cho ngân hàng Trong bối cảnh kinh tế khó khăn, khả năng hấp thụ của doanh nghiệp giảm, dẫn đến hoạt động cho vay khách hàng doanh nghiệp chững lại, khiến ngân hàng chuyển hướng sang cho vay cá nhân để tiêu vốn dư thừa Mặc dù tín dụng cá nhân có tiềm năng và mang lại nguồn thu bền vững, nhưng cũng tiềm ẩn rủi ro, đặc biệt là rủi ro không trả nợ đúng hạn Việc tìm hiểu các nhân tố ảnh hưởng đến khả năng trả nợ sẽ giúp ngân hàng nhận diện rủi ro tín dụng hiệu quả hơn.
Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín (Sacombank) là một trong những ngân hàng thương mại cổ phần tiên phong trong lĩnh vực bán lẻ, với mục tiêu trở thành ngân hàng bán lẻ hiện đại và đa năng hàng đầu khu vực Sacombank không ngừng mở rộng hoạt động cho vay đối tượng khách hàng cá nhân, mang lại nguồn lợi nhuận lớn Tuy nhiên, hoạt động tín dụng cá nhân cũng tiềm ẩn nhiều rủi ro, đặc biệt là rủi ro không trả nợ đúng hạn, có thể dẫn đến tăng tỷ lệ nợ xấu và ảnh hưởng đến hoạt động kinh doanh của ngân hàng, nhất là trong bối cảnh khó khăn sau khi Sacombank sáp nhập với NHTMCP Phương Nam vào năm 2015.
Để đáp ứng nhu cầu thực tiễn, nhiều luận văn và nghiên cứu trong lĩnh vực kinh tế đã được thực hiện, tuy nhiên, các đề tài chủ yếu tập trung vào nông dân và hộ gia đình, dẫn đến sự thiếu đa dạng trong đối tượng nghiên cứu Nhận thấy điều này, học viên đã quyết định thực hiện luận văn Thạc sĩ với đề tài “Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín” Mục tiêu của nghiên cứu là phân tích các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank, từ đó đề xuất các tiêu chí chọn lọc nhằm nâng cao khả năng trả nợ đúng hạn cho đối tượng này.
Mục tiêu nghiên cứu
Để cải thiện khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank, cần nhận diện các nhân tố và mức độ ảnh hưởng đến tình hình tài chính của họ Việc phân tích các yếu tố này sẽ giúp đưa ra những kiến nghị xây dựng tiêu chí chọn lọc khách hàng hiệu quả, từ đó hạn chế rủi ro trả nợ trễ hạn và nâng cao khả năng thanh toán đúng hạn.
1.2.2 Mục tiêu cụ thể Để thực hiện mục tiêu tổng quát trên, đề tài nhằm giải quyết những mục tiêu cụ thể sau :
- Xác định các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Sacombank
- Phân tích và kiểm định các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Sacombank
Dựa trên phân tích các yếu tố ảnh hưởng, bài viết đề xuất các tiêu chí lựa chọn khách hàng nhằm giảm thiểu rủi ro về việc trả nợ trễ hạn và nâng cao khả năng thanh toán đúng hạn của khách hàng cá nhân tại Sacombank Việc xây dựng những tiêu chí này không chỉ giúp ngân hàng quản lý rủi ro hiệu quả mà còn cải thiện chất lượng dịch vụ và tăng cường sự hài lòng của khách hàng.
Câu hỏi nghiên cứu
Để hoàn thành được mục tiêu đề tài đặt ra, một số câu hỏi cần có sự trả lời thỏa đáng như sau:
- Các nhân tố nào ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Sacombank?
- Mức độ ảnh hưởng của từng nhân tố đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank như thế nào?
- Những kiến nghị nào phù hợp nhằm góp phần nâng cao khả năng trả nợ đúng hạn của KHCN tại Sacombank?
1.4 Đối tƣợng và phạm vi nghiên cứu
Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN tại Sacombank
Luận văn nghiên cứu phân tích thực trạng nợ quá hạn tại Ngân hàng Sacombank, sử dụng số liệu từ báo cáo tài chính hợp nhất trong giai đoạn 2014-2017 Dữ liệu phân tích định lượng được thu thập từ hồ sơ vay vốn của khách hàng cá nhân tính đến ngày 30.06.2017, với các khoản vay vẫn còn dư nợ.
Luận văn nghiên cứu khả năng trả nợ đúng hạn của 550 khách hàng có dư nợ tại Sacombank, với dữ liệu thu thập từ 11 chi nhánh bao gồm Bình Dương, Bình Phước, Sài Gòn, Thủ Đức, Củ Chi, Tây Ninh, Gia Lai, Đắk Lắk, Tiền Giang, Cần Thơ, và Long Biên Mỗi chi nhánh đã chọn ngẫu nhiên 50 hồ sơ vay vốn của khách hàng cá nhân từ hệ thống dữ liệu vay vốn của KHCN.
Tác giả sử dụng kết hợp phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng:
Phương pháp nghiên cứu định tính đóng vai trò quan trọng trong việc tổng hợp các nghiên cứu trước đó, tạo nền tảng cho việc phát triển mô hình lý thuyết và các giả thuyết liên quan Ngoài ra, phương pháp này cũng được áp dụng để đưa ra các đề xuất sau khi hoàn tất quá trình phân tích định lượng.
Phương pháp thu thập số liệu thứ cấp sử dụng thông tin nội bộ từ ngân hàng, bao gồm dữ liệu trích xuất từ phần mềm T24 của hệ thống ngân hàng lõi và phần mềm chấm điểm tín dụng khách hàng trên CRS Luận văn tập trung vào việc nghiên cứu khả năng trả nợ đúng hạn của 550 khách hàng hiện có dư nợ tại Sacombank.
Để đánh giá thực trạng nợ quá hạn tại Sacombank, luận văn sử dụng báo cáo tài chính hợp nhất của ngân hàng này trong các năm 2014, 2015, 2016 và 2017, bao gồm bảng cân đối kế toán, báo cáo kết quả kinh doanh và bản thuyết minh các báo cáo tài chính Ngoài ra, nghiên cứu còn áp dụng phương pháp thu thập dữ liệu qua phỏng vấn các cán bộ thẩm định có nhiều năm kinh nghiệm nhằm phục vụ cho quá trình phân tích số liệu.
Tác giả sử dụng phương pháp thống kê mô tả để phân tích đặc điểm cỡ mẫu và áp dụng mô hình hồi quy logistic nhị phân nhằm xác định các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân.
Luận văn sử dụng phần mềm Microsoft Excel để xử lý dữ liệu sơ cấp và thứ cấp, đồng thời áp dụng SPSS 20.0 để thực hiện mô hình hồi quy logistic nhị phân và kiểm định tính chính xác của mô hình.
Xây dựng mô hình các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank giúp xác định mức độ ảnh hưởng của từng yếu tố Điều này cho phép ngân hàng xem xét tầm quan trọng của các nhân tố khi thiết lập tiêu chuẩn lựa chọn khách hàng ngay từ đầu, nhằm giảm thiểu và ngăn ngừa rủi ro trả nợ trễ hạn hoặc không có khả năng trả nợ.
Dựa trên kết quả phân tích, luận văn đề xuất các giải pháp nhằm nâng cao khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank, từ đó cải thiện hiệu quả hoạt động tín dụng cá nhân của ngân hàng.
1.7 Kết cấu của luận văn
Ngoài phần mở đầu, kết luận, phụ lục, danh mục tài liệu tham khảo kết cấu luận văn có 5 chương:
Chương 1: Tổng quan về đề tài nghiên cứu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiên hay nói cách khác là giới thiệu chung về đề tài thực hiện để người đọc có thể khái quát được toàn bộ bài nghiên cứu
Chương 2: Cơ sở lý luận về khả năng trả nợ đúng hạn của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng khách hàng cá nhân, khả năng trả nợ đúng hạn của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN, còn trình bày các công trình nghiên cứu trước đây liên quan nhằm kế thừa có chọn lọc về mặt lý luận làm cơ sở thực hiện chương 3
Chương 3: Phương pháp và mô hình nghiên cứu Trong chương này, luận văn trình bày các mô hình nghiên cứu, dữ liệu sử dụng trong nghiên cứu cũng như mô hình được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Chương 4: Kết quả nghiên cứu Trong chương này, luận văn trình bày về kết quả nghiên cứu cũng như phân tích sâu hơn về nhân tố ảnh hưởng và giải thích về các nhân tố không ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Chương 5: Kết luận và kiến nghị nhằm xây dựng các tiêu chí chọn lọc khách hàng góp phần hạn chế rủi ro trả nợ trễ hạn và nâng cao khả năng trả nợ đúng hạn của KHCN tại Sacombank.
Phương pháp nghiên cứu
Tác giả sử dụng kết hợp phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng:
Phương pháp nghiên cứu định tính đóng vai trò quan trọng trong việc tổng hợp các nghiên cứu trước đó, từ đó xây dựng mô hình lý thuyết và phát triển các giả thuyết Ngoài ra, phương pháp này cũng được áp dụng để đưa ra các đề xuất sau khi thực hiện phân tích định lượng.
Phương pháp thu thập số liệu thứ cấp được sử dụng trong nghiên cứu này là nguồn thông tin nội bộ từ ngân hàng, bao gồm dữ liệu trích xuất từ phần mềm T24 của hệ thống core banking và phần mềm chấm điểm tín dụng khách hàng trên CRS Luận văn tập trung vào việc phân tích khả năng trả nợ đúng hạn của 550 khách hàng hiện đang có dư nợ tại Sacombank.
Để đánh giá tình hình nợ quá hạn tại Sacombank, luận văn sử dụng báo cáo tài chính hợp nhất của ngân hàng trong các năm 2014, 2015, 2016 và 2017, bao gồm bảng cân đối kế toán, báo cáo kết quả kinh doanh và thuyết minh báo cáo tài chính Ngoài ra, nghiên cứu còn áp dụng phương pháp phỏng vấn các cán bộ thẩm định có nhiều năm kinh nghiệm nhằm thu thập dữ liệu phục vụ cho quá trình phân tích.
Dựa trên dữ liệu thu thập, tác giả sử dụng phương pháp thống kê mô tả để phân tích đặc điểm cỡ mẫu và áp dụng mô hình hồi quy logistic nhị phân nhằm xác định các yếu tố cũng như mức độ ảnh hưởng của từng yếu tố đến khả năng trả nợ đúng hạn của khách hàng cá nhân.
Luận văn sử dụng các phần mềm như Microsoft Excel để xử lý dữ liệu sơ cấp và thứ cấp, cùng với phần mềm SPSS 20.0 nhằm chạy mô hình logistic nhị phân và kiểm định mô hình.
Ý nghĩa của đề tài
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank sẽ giúp xác định mức độ ảnh hưởng của từng yếu tố Qua đó, ngân hàng có thể xem xét tầm quan trọng của các nhân tố này trong việc thiết lập tiêu chuẩn chọn lọc khách hàng ngay từ đầu, nhằm giảm thiểu và ngăn ngừa rủi ro về việc trả nợ trễ hạn hoặc mất khả năng trả nợ.
Dựa trên kết quả phân tích, luận văn đề xuất một số giải pháp nhằm nâng cao khả năng trả nợ đúng hạn của khách hàng cá nhân tại Sacombank, từ đó cải thiện hoạt động tín dụng cá nhân của ngân hàng.
Kết cấu của luận văn
Ngoài phần mở đầu, kết luận, phụ lục, danh mục tài liệu tham khảo kết cấu luận văn có 5 chương:
Chương 1: Tổng quan về đề tài nghiên cứu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiên hay nói cách khác là giới thiệu chung về đề tài thực hiện để người đọc có thể khái quát được toàn bộ bài nghiên cứu
Chương 2: Cơ sở lý luận về khả năng trả nợ đúng hạn của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng khách hàng cá nhân, khả năng trả nợ đúng hạn của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN, còn trình bày các công trình nghiên cứu trước đây liên quan nhằm kế thừa có chọn lọc về mặt lý luận làm cơ sở thực hiện chương 3
Chương 3: Phương pháp và mô hình nghiên cứu Trong chương này, luận văn trình bày các mô hình nghiên cứu, dữ liệu sử dụng trong nghiên cứu cũng như mô hình được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Chương 4: Kết quả nghiên cứu Trong chương này, luận văn trình bày về kết quả nghiên cứu cũng như phân tích sâu hơn về nhân tố ảnh hưởng và giải thích về các nhân tố không ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Chương 5: Kết luận và kiến nghị nhằm xây dựng các tiêu chí chọn lọc khách hàng góp phần hạn chế rủi ro trả nợ trễ hạn và nâng cao khả năng trả nợ đúng hạn của KHCN tại Sacombank.
CƠ SỞ Lí LUẬN VỀ KHẢ NĂNG TRẢ NỢ ĐệNG HẠN CỦA
Tổng quan về nghiệp vụ tín dụng đối với KHCN
Tín dụng là mối quan hệ thiết yếu trong sản xuất và lưu thông hàng hóa trong nền kinh tế, xuất phát từ thuật ngữ Credit – Creditum, biểu thị sự tín nhiệm Khái niệm tín dụng có thể được xem xét từ nhiều góc độ khác nhau, bao gồm thị trường tài chính và nguồn gốc lịch sử Tuy nhiên, bài nghiên cứu này sẽ tập trung vào quan hệ tín dụng ngân hàng, đặc biệt là đối tượng vay vốn là tín dụng cá nhân.
2.1.1 Khái niệm tín dụng cá nhân
Tín dụng ngân hàng, theo Nguyễn Minh Kiều (2011), là quá trình chuyển nhượng quyền sử dụng vốn từ ngân hàng đến khách hàng trong một khoảng thời gian xác định, với một khoản chi phí cụ thể.
Theo Bùi Diệu Anh (2009), tín dụng ngân hàng là giao dịch giữa hai bên, trong đó bên cấp tín dụng, như ngân hàng hoặc tổ chức tín dụng, chuyển giao tài sản cho bên nhận tín dụng, bao gồm doanh nghiệp và cá nhân, với nguyên tắc hoàn trả cả gốc lẫn lãi.
Theo Luật các tổ chức tín dụng (2010, điều 4), cấp tín dụng được định nghĩa là sự thỏa thuận giữa tổ chức hoặc cá nhân về việc sử dụng một khoản tiền, với cam kết hoàn trả Các hình thức cấp tín dụng bao gồm cho vay, chiết khấu, cho thuê tài chính, bao thanh toán, bảo lãnh ngân hàng và các nghiệp vụ tín dụng khác.
Mặc dù có khá nhiều định nghĩa về tín dụng ngân hàng nhưng nhìn chung tín dụng ngân hàng chứa đựng các nội dung sau:
- Có sự chuyển nhượng quyền sử dụng vốn từ người sở hữu sang cho người sử dụng
- Sự chuyển nhượng này có thời hạn hay mang tính tạm thời
- Sự chuyển nhượng này có kèm theo chi phí và rủi ro
Tín dụng cá nhân là một phần của tín dụng ngân hàng, trong đó khách hàng cá nhân và hộ gia đình là đối tượng vay vốn Ngân hàng thương mại cung cấp các khoản vay cho khách hàng, cho phép họ sử dụng vốn trong một khoảng thời gian nhất định và phải hoàn trả cả gốc lẫn lãi Các khoản vay này chủ yếu phục vụ cho nhu cầu tiêu dùng cá nhân và hộ gia đình, bao gồm mua sắm, xây dựng, sửa chữa nhà cửa và ô tô, cũng như nhu cầu sản xuất kinh doanh quy mô hộ gia đình.
Tín dụng cá nhân tại các ngân hàng thương mại đóng vai trò quan trọng trong việc lưu thông vốn xã hội, đồng thời là một thị trường tiềm năng mà các ngân hàng tại Việt Nam đang tích cực khai thác và phát triển.
2.1.2 Đặc điểm tín dụng cá nhân
Hoạt động tín dụng cá nhân không chỉ có những đặc điểm chung của tín dụng ngân hàng mà còn sở hữu một số đặc điểm riêng biệt.
Đối tượng cho vay khách hàng cá nhân bao gồm các cá nhân và hộ gia đình có nhu cầu vay vốn cho mục đích tiêu dùng hoặc phục vụ hoạt động sản xuất kinh doanh Khác với doanh nghiệp, khách hàng cá nhân thường có số lượng lớn và nhu cầu vay vốn đa dạng, nhưng không thường xuyên và chịu ảnh hưởng lớn từ môi trường kinh tế cũng như văn hóa - xã hội.
Thời hạn vay vốn của khách hàng cá nhân phụ thuộc vào mục đích vay và hình thức vay, có thể chia thành các loại thời hạn ngắn, trung và dài hạn.
Quy mô và số lượng các khoản vay cá nhân tại các ngân hàng thương mại thường nhỏ, nhưng lại có số lượng lớn Giá trị các khoản vay cá nhân thường thấp hơn so với cho vay doanh nghiệp, chủ yếu do giá trị hàng hóa và dịch vụ tiêu dùng ở mức vừa phải Hầu hết khách hàng đã tích lũy được tài sản có giá trị lớn và chỉ cần ngân hàng hỗ trợ một phần nhu cầu vốn Mặc dù mỗi khoản vay cá nhân có quy mô nhỏ, tổng quy mô cho vay của ngân hàng vẫn rất lớn nhờ vào số lượng khách hàng có nhu cầu vay vốn tín dụng cá nhân cao.
Lãi suất cho vay của các khoản vay cá nhân thường cao hơn so với các khoản vay khác của ngân hàng thương mại do chi phí cho vay lớn Tín dụng cá nhân có nhiều khách hàng nhưng quy mô mỗi khoản vay thường nhỏ, dẫn đến chi phí thẩm định, xét duyệt và quản lý hồ sơ cao Ngoài ra, ngân hàng còn phải chi phí cho chăm sóc khách hàng, quảng cáo, tiếp thị và nguồn nhân lực Để bù đắp chi phí và đạt lợi nhuận, ngân hàng thường áp dụng lãi suất cao, tuy nhiên, khách hàng cá nhân thường chú trọng vào khoản tiền phải trả hàng tháng hơn là lãi suất trong hợp đồng.
Nguồn trả nợ của KHCN rất đa dạng, bao gồm thu nhập từ lương, hoạt động kinh doanh và cho thuê tài sản Tuy nhiên, nguồn trả nợ này có thể biến động lớn, phụ thuộc vào quá trình làm việc, kỹ năng và kinh nghiệm của từng cá nhân.
Nhu cầu vay của khách hàng cá nhân chủ yếu phục vụ cho tiêu dùng, phản ánh sự phát triển đa dạng trong đời sống và xu hướng nâng cao chất lượng cuộc sống của người dân Trong khi đó, các sản phẩm tín dụng doanh nghiệp tập trung vào hỗ trợ hoạt động sản xuất kinh doanh.
Thứ bảy về rủi ro: Rủi ro trong cho vay đối với KHCN cao hơn cho vay doanh nghiệp Điều này xuất phát từ các nguyên nhân sau:
Lãi suất cho vay đối với khách hàng cá nhân thường cao hơn so với khách hàng doanh nghiệp, đặc biệt là trong trường hợp các khoản vay không có tài sản đảm bảo hoặc vay tín chấp Điều này dẫn đến việc lãi suất thường cố định, khiến cho rủi ro lãi suất đối với khách hàng cá nhân trở nên cao hơn.
Chất lượng thông tin từ khách hàng thường không cao, và tư cách khách hàng là yếu tố quan trọng nhưng lại mang tính chất định tính, phụ thuộc vào đánh giá chủ quan của người thẩm định Khả năng hoàn trả vốn vay cá nhân liên quan chặt chẽ đến thu nhập của người vay Tuy nhiên, nhiều khách hàng cá nhân có thể gặp khó khăn trong việc trả nợ do các yếu tố chủ quan như tình trạng tài chính kém hoặc công việc không ổn định, cũng như các yếu tố khách quan như thiên tai, mất mùa, và suy thoái kinh tế, dẫn đến nguy cơ mất việc cao Những yếu tố này đều ảnh hưởng đến khả năng hoàn trả nợ của khách hàng, từ đó tác động đến hiệu quả cho vay của ngân hàng.
Khả năng trả nợ đúng hạn của KHCN
2.2.1 Khái niệm khả năng trả nợ đúng hạn của KHCN Để xác định và định lượng các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng, trước hết cần làm rõ khả năng trả nợ đúng hạn của khách hàng là như thế nào Hiện tại, vẫn chưa có định nghĩa chính thức nào về khả năng trả nợ đúng hạn của khách hàng mà chỉ tập trung vào biểu hiện của khách hàng được đánh giá là không có khả năng trả nợ Như trong tài liệu Basel Committee on Banking
Theo điều 452 trong Nghị định 2006, khách hàng không có khả năng trả nợ được định nghĩa là những khách hàng có một hoặc nhiều dấu hiệu sau đây.
Khách hàng có thể gặp khó khăn trong việc thực hiện nghĩa vụ thanh toán đầy đủ nếu ngân hàng chưa tiến hành các biện pháp thu hồi, như giải chấp chứng khoán mà họ đang nắm giữ.
Khách hàng được coi là quá hạn nợ khi không thanh toán trong vòng 90 ngày, theo quy định của ngân hàng Theo định nghĩa của Quỹ Tiền tệ Quốc tế (IMF) trong Hướng dẫn Biên soạn về Các Chỉ số Tài chính, một khoản vay được xem là nợ xấu khi quá hạn thanh toán gốc hoặc lãi 90 ngày trở lên Điều này cũng áp dụng khi lãi suất đã quá hạn 90 ngày và đã được vốn hóa, cơ cấu lại hoặc trì hoãn Thêm vào đó, nếu khoản thanh toán đến hạn dưới 90 ngày nhưng có dấu hiệu rõ ràng cho thấy người vay không thể hoàn trả, khoản vay cũng sẽ được phân loại là nợ xấu Sau khi một khoản vay được xác định là nợ xấu, nó cùng với bất kỳ khoản vay thay thế nào cũng sẽ tiếp tục được xếp vào danh mục nợ xấu cho đến khi được xóa nợ hoặc thu hồi thành công lãi và gốc.
Tại Việt Nam, quy định về phân loại nợ và dự phòng rủi ro tín dụng được ban hành theo quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005, quy định nợ đủ tiêu chuẩn là nợ có khả năng thu hồi cả gốc và lãi đúng hạn Theo phương pháp định lượng trong quyết định này, nợ được phân loại thành 5 nhóm khác nhau.
Nhóm 1: Nợ đủ tiêu chuẩn (Đủ khả năng thu hồi nợ đúng hạn)
Nhóm 2: Nợ cần chú ý (Nợ quá hạn < 90 ngày, nợ cơ cấu)
Nhóm 3: Nợ dưới tiêu chuẩn (Nợ quá hạn từ 90-180 ngày; nợ cơ cấu)
Nhóm 4: Nợ nghi ngờ (Nợ quá hạn từ 181-360 ngày; nợ cơ cấu)
Nhóm 5: Nợ có khả năng mất vốn (Nợ quá hạn > 360 ngày)
Theo Quyết định 493/2005/QĐ-NHNN, Thông tư 02/2013/TT-NHNN và Thông tư 09/2014/TT-NHNN, nợ xấu được xác định từ nhóm 3 đến nhóm 5, trong đó nợ nhóm 3 có khả năng mất một phần vốn và lãi, nợ nhóm 4 có khả năng tổn thất cao, và nợ nhóm 5 không còn khả năng thu hồi Nợ nhóm 2 cho thấy sự suy giảm khả năng trả nợ, nhưng khách hàng vẫn có khả năng thanh toán Các ngân hàng Việt Nam thường dựa vào tình trạng trả nợ thực tế của khách hàng để đánh giá khả năng trả nợ của họ.
Khả năng trả nợ đúng hạn của khách hàng được đánh giá dựa trên việc họ có thực hiện đầy đủ nghĩa vụ nợ trong thời gian quy định, cụ thể là đúng hạn hoặc trong vòng 10 ngày kể từ ngày đến hạn Điều này được xem xét trong toàn bộ thời gian quan hệ tín dụng hoặc trong một khoảng thời gian xác định giữa khách hàng và bên cấp tín dụng.
2.2.2 Mối quan hệ giữa khả năng trả nợ đúng hạn của khách hàng và rủi ro tín dụng
Theo quyết định 493/2005/QĐ-NHNN, rủi ro tín dụng trong hoạt động ngân hàng là khả năng xảy ra tổn thất do khách hàng không thực hiện nghĩa vụ trả nợ Rủi ro tín dụng gia tăng khi khách hàng không có khả năng hoàn trả nợ gốc và lãi đúng hạn Mối quan hệ giữa khả năng trả nợ của khách hàng và rủi ro tín dụng là tỷ lệ nghịch: khả năng trả nợ cao đồng nghĩa với rủi ro tín dụng thấp và ngược lại Luận văn nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng, từ đó xác định các nhân tố gây ra rủi ro không trả được nợ.
2.3 Các công trình nghiên cứu thực nghiệm về các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Ngân hàng đóng vai trò quan trọng trong phát triển kinh tế - xã hội, hoạt động chủ yếu trong lĩnh vực tiền tệ Nghiên cứu về ngân hàng rất đa dạng, tập trung vào các hoạt động như tín dụng, huy động vốn, thẻ, và bảo lãnh Hiện nay, có nhiều nghiên cứu trên thế giới và tại Việt Nam về các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng cá nhân.
Nghiên cứu năm 2009 của Mohammad Reza Kohansal và Hooman Mansoori từ trường Đại học Ferdowsi của Mashhad, Iran, đã áp dụng phương pháp logit để đánh giá khả năng hoàn trả nợ vay ngân hàng của 175 nông dân tại thị trấn Khorasan-Razavi Mô hình nghiên cứu này cung cấp cái nhìn sâu sắc về các yếu tố ảnh hưởng đến khả năng trả nợ của người nông dân.
Biến phụ thuộc Y có giá trị 1 khi người nông dân luôn trả nợ đúng hạn cho khoản vay trả dần, và giá trị 0 nếu có bất kỳ lần trả nợ nào bị trễ hạn.
X1: Độ tuổi của người vay chính
X2: Diện tích của một trang trại
X3: Số năm kinh nghiệm trong công việc của người nông dân
X5: Lãi suất của khoản vay
X6: Thời gian của khoản cho vay
X7: Tổng chi phí hành chính mà người nông dân phải trả để đạt được sự chấp thuận cho vay
X8: Kích cỡ của khoản vay
X9: Số thành viên phụ thuộc
X10: Tổng số kỳ thanh toán cho khoản vay
D1: Là biến giả đạt giá trị 1 nếu người nông dân sử dụng khoản vay vào việc đầu tư trang trại, bằng 0 nếu ngược lại
D2: Là biến giả đạt giá trị 1 nếu người nông dân có máy móc canh tác, bằng
Khảo sát cho thấy rằng kinh nghiệm của người nông dân, thu nhập, kích cỡ khoản vay và tài sản thế chấp đều có tác động tích cực đến khả năng trả nợ của họ Ngược lại, lãi suất, chi phí sinh hoạt và số tiền trả góp định kỳ lại ảnh hưởng tiêu cực đến hiệu quả trả nợ Trong số các yếu tố, lãi suất vay được xác định là yếu tố quan trọng nhất, tiếp theo là kinh nghiệm của người nông dân và tổng chi phí sinh hoạt.
Antwi và cộng sự (2012) đã nghiên cứu các yếu tố ảnh hưởng đến rủi ro không trả được nợ tại Ghana, tập trung vào các khoản vay của ngân hàng Akuapem, sử dụng mô hình hồi quy logistic Nghiên cứu dựa trên cơ sở dữ liệu gồm 800 quan sát từ năm 2006 đến năm 2010, nhằm phân tích và xác định các yếu tố chính gây ra rủi ro tín dụng.
Y = f (LOAN TYPE, INTEREST RATE, SECURYTY, MARITAL STATUS, TOWN DUMMY, SEX )
Y là biến giá trị 1 nếu khoản nợ được hoàn trả đúng hạn và nhận giá trị 0 và ngược lại
LOAN TYPE là một yếu tố quan trọng trong việc phân loại các hình thức vay mượn, bao gồm bốn loại chính: vay kinh doanh, vay sản xuất nông nghiệp, vay tiêu dùng cá nhân và vay mua phương tiện đi lại.
INTEREST RATE là lãi suất khoản vay
SECURYTY là biến giả nhận giá trị 1 nếu khoản vay có đảm bảo và 0 nếu ngược lại
MARITAL STATUS là tình trạng hôn nhân, đạt giá trị 1 nếu đã lập gia đình, và 0 nếu ngược lại
TOWN DUMMY cũng là biến giả đạt giá trị 1 nếu người vay sinh sống tại thành phố Akuapem, bằng 0 nếu ngược lại
SEX là giới tính bằng 1 nếu là nam, bằng 0 là nữ
Các tác giả kết luận rằng hình thức vay mượn và khoản vay được đảm bảo có ảnh hưởng đáng kể đến khả năng trả nợ của người vay Do đó, các ngân hàng cần chú trọng đến việc đảm bảo khoản nợ bằng tài sản của người vay để giảm thiểu rủi ro không thu hồi được nợ.
Các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Theo Nguyễn Minh Kiều (2011), khi đánh giá khả năng trả nợ của khách hàng cá nhân (KHCN), chúng ta thường chú trọng vào một số yếu tố quan trọng Nhiều ngân hàng vẫn áp dụng phương pháp truyền thống trong việc thẩm định tín dụng, điển hình là phân tích 5C: Tư cách (Character), Năng lực (Capacity), Vốn riêng (Capital), Tài sản đảm bảo (Collateral), và Điều kiện trả nợ (Conditions) Hiện nay, nguyên tắc 6C cũng được đưa vào áp dụng, bổ sung yếu tố thứ 6 là Kiểm soát khoản vay (Control).
Nghiên cứu của Chapman (1990) về rủi ro tín dụng khách hàng cá nhân đã phân loại các yếu tố ảnh hưởng đến rủi ro này thành nhiều nhóm Đầu tiên là đặc điểm cá nhân của người vay, bao gồm tuổi, giới tính, tình trạng hôn nhân, số người phụ thuộc và thời gian cư trú Thứ hai, đặc điểm nghề nghiệp của người vay như nghề nghiệp, lĩnh vực công tác và kinh nghiệm làm việc cũng đóng vai trò quan trọng Thứ ba, tình hình tài chính của người vay, bao gồm thu nhập, tỷ lệ nợ trên thu nhập hàng năm, tài sản và khả năng hoàn trả, ảnh hưởng đến rủi ro tín dụng Cuối cùng, đặc điểm của khoản vay như số tiền vay, hình thức vay, thời hạn vay và mục đích vay cũng cần được xem xét.
Kenneth (2013) đã nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng Thương mại Barclays ở Kenya Nghiên cứu này đề xuất một mô hình bao gồm ba nhóm nhân tố chính: nhân tố người vay (tuổi, giới tính, trình độ học vấn, nghề nghiệp, kinh nghiệm), nhân tố người cho vay (thời gian chấp nhận cho vay, vị trí ngân hàng, các yếu tố vĩ mô như lạm phát và hiệu suất làm việc của ngân hàng), và nhân tố khoản vay (chi phí vay, hình thức vay hoặc tài sản thế chấp, kích cỡ vay, thời hạn vay).
Hình 2.1 – Mô hình nghiên cứu của Keneth (2013)
Theo nghiên cứu của Keneth (2013) và Samuel Antwi (2012), các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng ở Ghana bao gồm tuổi tác, giới tính, tình trạng hôn nhân và trình độ học vấn.
Amount of time taken for loan approval
Type of loan/security provided
Các yếu tố ảnh hưởng đến khả năng trả nợ vay của nông dân bao gồm học vấn, lãi suất, tài sản bảo đảm và mục đích vay Theo nghiên cứu của Kohansal (2009) tại tỉnh Khorasan-Razavi, các yếu tố như tuổi, kinh nghiệm, thu nhập, diện tích nông trại, tổng chi phí sinh hoạt, kích cỡ khoản vay, thời gian vay tài sản thế chấp và số tiền trả góp cũng đóng vai trò quan trọng Nhìn chung, các nghiên cứu đã chỉ ra rằng có nhiều nhân tố tác động, nhưng có thể nhóm lại thành những yếu tố chính ảnh hưởng đến khả năng trả nợ.
2.4.1 Đặc điểm cá nhân của người vay Đặc điểm cá nhân của người vay thường được phân tích ở các nội dung như giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình Mỗi khía cạnh đều có tác động đến khả năng trả nợ của khách hàng, chẳng hạn như:
Theo Chapman (1990), nữ giới có khả năng trả nợ tốt hơn nam giới Ngược lại, các nghiên cứu của Samuel Antwi (2012) và Wongnaa cho thấy những khía cạnh khác liên quan đến khả năng tài chính của từng giới.
Trong nghiên cứu của Samuel Antwi (2013), hay Million Sileshi (2012), không có mối liên hệ nào được tìm thấy giữa độ tuổi và khả năng trả nợ của khách hàng Độ tuổi là một trong những yếu tố quan trọng thường được xem xét trong các nghiên cứu về khả năng thanh toán nợ của khách hàng.
(2012), Wongnaa (2013) đến nghiên cứu tại Việt Nam của Trương Đông Lộc
(2011) với kỳ vọng độ tuổi của người vay càng thấp thì khả năng trả nợ sẽ cao
Số lượng thành viên trong gia đình ảnh hưởng đến chi phí sinh hoạt, dẫn đến áp lực trả nợ tăng cao và khả năng thanh toán nợ giảm Nghiên cứu của Trương Đông Lộc tại Việt Nam đã chỉ ra mối liên hệ này.
(2011) và Nguyễn Quốc Nghi (2012) ủng hộ giả thuyết
2.4.2 Năng lực của người vay Đánh giá năng lực của người vay là xem xét khả năng kiếm tiền của khách hàng để phán quyết xem khách hàng có thể tạo ra được thu nhập dùng để trả được nợ hay không (Nguyễn Minh Kiều 2011, trang 384) Năng lực của người vay có thể được xem xét thông qua các yếu tố thu nhập, tình trạng công việc, trình độ học vấn
Trình độ học vấn đóng vai trò quan trọng trong việc chấm điểm tín dụng tại ngân hàng, với khách hàng có trình độ học vấn cao thường được đánh giá tín dụng tốt hơn Điều này xuất phát từ khả năng tìm kiếm việc làm và thu nhập ổn định hơn của họ Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2013) đã xác nhận giả thuyết này.
Tình trạng công việc ảnh hưởng trực tiếp đến khả năng trả nợ của khách hàng Những cá nhân có công việc ổn định, đặc biệt là trong các lĩnh vực đòi hỏi kinh nghiệm và kiến thức cao như công việc văn phòng, thường có thu nhập ổn định hơn Do đó, khả năng trả nợ đúng hạn của họ cũng cao hơn so với những người làm việc trong các lĩnh vực khác Nghiên cứu của Chapman (1990) đã chỉ ra mối liên hệ này.
Li Shuai (2013) cũng ủng hộ giả thuyết trên
Thu nhập đóng vai trò quan trọng trong khả năng trả nợ của khách hàng và là yếu tố quyết định chính trong việc ngân hàng đồng ý cấp tín dụng Điều này đặc biệt đúng đối với các khoản vay tín chấp hoặc vay không có tài sản bảo đảm Nghiên cứu của Kohansal (2009) và Wongnaa đã chỉ ra rằng thu nhập ảnh hưởng trực tiếp đến quyết định cấp tín dụng của ngân hàng.
(2013) hay nghiên cứu Trương Đông Lộc (2011), nghiên cứu của Trần Quốc Nghi
(2012) đều ủng hộ giả thuyết thu nhập càng cao thì khả năng trả nợ đúng hạn của khách hàng càng cao
2.4.3 Đặc điểm của khoản vay Đặc điểm của khoản vay thông thường bao gồm các yếu tố sau kích cỡ khoản vay, thời hạn vay, lãi suất vay, tài sản thế chấp
Kích cỡ khoản vay ảnh hưởng đáng kể đến khả năng trả nợ đúng hạn, với những khoản vay có dư nợ cao thường dẫn đến áp lực tài chính lớn hơn, từ đó làm giảm khả năng thanh toán Nghiên cứu của Acquah (2011) cũng xác nhận giả thuyết này, cho thấy mối liên hệ giữa dư nợ và khả năng trả nợ.
PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
Xác định mô hình hồi quy và lựa chọn phương pháp ước lượng
Theo nghiên cứu của Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), các mô hình phân tích thống kê thường được áp dụng khi biến phụ thuộc có hai trạng thái: có hoặc không xảy ra một sự kiện.
Mô hình xác suất tuyến tính (LPM)
Mô hình phân tích phân biệt (MDA)
Mô hình Logit và probit
3.1.1 Mô hình xác suất tuyến tính (LPM)
Mô hình xác suất tuyến tính (LPM) là một phương pháp ước lượng đa biến sử dụng kỹ thuật bình phương tối thiểu OLS, thích hợp cho các trường hợp mà biến phụ thuộc chỉ có hai giá trị là 1 và 0.
Hàm hồi quy của mô hình có dạng như sau:
Tuy nhiên mô hình có nhược điểm như sau:
Sai số hồi quy không tuân theo phân phối chuẩn và phương sai của sai số có sự thay đổi Điều này dẫn đến việc không thỏa mãn các điều kiện cơ bản của xác suất trong khoảng (0,1), với một số ước lượng biến phụ thuộc có giá trị lớn hơn 1 hoặc nhỏ hơn 0 Hơn nữa, tác động biên của mô hình không ổn định, trong khi bản chất của mô hình xác suất yêu cầu tác động biên phải thay đổi theo từng giá trị của biến độc lập.
Do đó, trong thực tế việc sử dụng mô hình xác suất tuyến tính cần phải thận trọng
3.1.2 Mô hình phân tích phân biệt (MDA)
MDA (Phân tích phân loại đa biến) là một phương pháp thống kê giúp phân loại các quan sát vào những nhóm độc lập dựa trên các đặc điểm riêng biệt Bước đầu tiên trong quá trình này là xác định rõ ràng các nhóm cần phân loại Sau khi các nhóm được thiết lập, dữ liệu sẽ được thu thập và MDA sẽ tiến hành lọc ra, kết hợp tuyến tính các đặc trưng để tối ưu hóa khả năng phân biệt giữa các nhóm.
Mô hình phân tích phân biệt nhằm mục tiêu phân loại chính xác giữa các công ty có rủi ro vỡ nợ và không có rủi ro vỡ nợ Phương pháp này sử dụng hàm biệt thức với các biến số định lượng để đảm bảo tính khách quan trong việc đo lường rủi ro vỡ nợ.
Các mô hình được phát triển thông qua MDA có hình thức như sau:
Trong đó: Z: chỉ số tổng thể β1, β2… βn: hệ số phân biệt x1, x2… xn: các biến độc lập
Khi nghiên cứu rủi ro vỡ nợ, có hai nhóm đối tượng: các công ty có rủi ro vỡ nợ và không có rủi ro vỡ nợ Chỉ số phân biệt (Z) được sử dụng để ước lượng đặc tính rủi ro vỡ nợ của công ty Giá trị Z càng thấp, xác suất xảy ra rủi ro vỡ nợ của công ty càng cao và ngược lại.
Kỹ thuật phân tích MDA giúp phân biệt đặc tính giữa các nhóm công ty có khả năng và không có khả năng trả nợ Mô hình này đơn giản và dễ áp dụng, nhưng chỉ thực sự hiệu quả khi phân tích các chỉ tiêu định lượng, không phù hợp cho việc xem xét các chỉ tiêu định tính.
3.1.3 Mô hình Logit và mô hình probit
Mô hình Logit và Probit được sử dụng để nghiên cứu sự phụ thuộc của biến nhị phân vào các biến độc lập, trong khi hồi quy thông thường yêu cầu biến phụ thuộc phải ở dạng định lượng.
Mô hình Logit được thể hiện như sau:
Mô hình Probit, cùng với mô hình Logit, có ưu điểm nổi bật so với các mô hình khác là khả năng cung cấp trực tiếp xác suất khách hàng có khả năng trả nợ.
Mô hình Logit và Probit có sự khác biệt cơ bản trong giả định về phân phối hạng nhiễu: Logit sử dụng phân phối chuẩn logistic, trong khi Probit dựa trên phân phối chuẩn thông thường Tuy nhiên, sự khác biệt này không đáng kể và không có ý nghĩa thống kê rõ rệt.
Mục tiêu chính của nghiên cứu mạng Neural là phát triển các mô hình tự động hóa kết quả dựa trên quy luật và kiểu mẫu dữ liệu Mạng Neural có khả năng nhận diện và mô phỏng các trạng thái thực từ dữ liệu đầu vào, ngay cả khi dữ liệu đó không đầy đủ hoặc có nhiều biến.
Kỹ thuật dự báo này nổi bật bởi việc không cần sử dụng công thức toán học để mô tả mối quan hệ giữa các biến đầu vào và đầu ra Phương pháp này đặc biệt hữu ích khi mục tiêu dự báo quan trọng hơn việc giải thích các yếu tố Thêm vào đó, mô hình Neutral có ưu điểm trong việc xử lý các mối quan hệ phi tuyến tính, mang lại hiệu quả cao trong các tình huống phức tạp.
Theo nghiên cứu của Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), mô hình ước lượng và dự báo bằng phương pháp mạng Neural cho kết quả tốt hơn so với các mô hình Logit và Probit, tiếp theo là MDA và LPM Tuy nhiên, do yêu cầu về dữ liệu đầu vào lớn và tính phức tạp của mô hình mạng Neural, cùng với việc nó chưa phổ biến ở Việt Nam, nên việc lựa chọn mô hình Logit hoặc Probit để phân tích rủi ro phá sản tại các công ty là hợp lý Các mô hình này có yêu cầu mẫu không quá cao, dễ dàng ước lượng tham số, ít ràng buộc về giả thiết và đang được sử dụng rộng rãi trên toàn cầu.
Đề xuất mô hình nghiên cứu ban đầu
Mô hình hồi quy logistic nhị phân được xác định là phương pháp tối ưu để đánh giá khả năng trả nợ đúng hạn của khách hàng cá nhân (KHCN) nhờ vào những ưu điểm vượt trội như không yêu cầu kích thước mẫu lớn, ít ràng buộc về giả thuyết, và cung cấp kết quả xác suất trả nợ rõ ràng Nhiều nghiên cứu trước đây, như của George Yaw Mensah (2012) và Samuel Antwi (2012), cũng đã áp dụng mô hình logistic để phân tích các yếu tố ảnh hưởng đến khả năng trả nợ Tuy nhiên, mỗi nghiên cứu lại chọn lựa các biến khác nhau tùy thuộc vào đối tượng khách hàng và địa bàn nghiên cứu Dựa trên điều này, tác giả đề xuất mô hình nghiên cứu tại Sacombank với 5 nhân tố chính: Đặc điểm cá nhân của người vay, Năng lực của người vay, Đặc điểm của khoản vay, Rủi ro đạo đức của người vay, và Rủi ro tác nghiệp từ ngân hàng Trong đó, đặc điểm cá nhân của người vay được xác định qua các yếu tố như giới tính, độ tuổi và số lượng thành viên phụ thuộc trong gia đình.
Năng lực vay vốn của cá nhân được xác định bởi trình độ học vấn, vị trí công việc và thu nhập Các yếu tố của khoản vay bao gồm kích cỡ, thời gian, lãi suất, tài sản thế chấp và mục đích vay Luận văn này nhấn mạnh tầm quan trọng của mục đích vay, vì đây là yếu tố quan trọng trong hồ sơ vay vốn tại ngân hàng Sacombank Ngân hàng sử dụng mục đích vay để đánh giá các yếu tố như thời hạn và lãi suất, từ đó đưa ra quyết định phù hợp cho từng khách hàng.
Rủi ro đạo đức của người vay thể hiện qua lịch sử nợ quá hạn của khách hàng
Rủi ro tác nghiệp từ ngân hàng thể hiện qua kinh nghiệm, trình độ cán bộ thẩm định cho vay
Hình 3.1– Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của
Nguồn: Tác giả thiết kế từ cơ sở lý luận và các nghiên cứu trước đây
Các giả thuyết nghiên cứu
Dựa trên mô hình nghiên cứu và mô hình định lượng đã đề xuất, luận văn đã xây dựng hàm hồi quy tuyến tính để phân tích các nhân tố ảnh hưởng.
Khả năng trả nợ đúng hạn của khách hàng cá nhân phụ thuộc vào nhiều yếu tố, bao gồm đặc điểm cá nhân của người vay, năng lực tài chính của họ, các đặc điểm của khoản vay, rủi ro đạo đức mà người vay có thể gặp phải, cũng như rủi ro tác nghiệp từ phía ngân hàng.
Biến phụ thuộc trong nghiên cứu này là khả năng trả nợ đúng hạn của khách hàng cá nhân (KHCN), được xác định qua một biến nhị phân Cụ thể, nếu khách hàng trả nợ đúng hạn hoặc trong vòng 10 ngày kể từ ngày đến hạn, quan sát sẽ nhận giá trị 1; ngược lại, nếu không, giá trị sẽ là 0 Các đặc điểm cá nhân của người vay cũng đóng vai trò quan trọng trong việc đánh giá khả năng này.
Giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình
Trình độ học vấn, tình trạng công việc, thu nhập
Năng lực của người vay Đặc điểm của khoản vay
Kích cỡ khoản vay, thời gian vay, Lãi suất vay, tài sản thế chấp, mục đích vay
Rủi ro đạo đức của người vay
Rủi ro tác nghiệp từ ngân hàng
Lịch sử nợ quá hạn của khách hàng
Kinh nghiệm, trình độ cán bộ thẩm định cho vay
Khả năng trả nợ đúng hạn của KHCN
Biến độc lập bao gồm các biến sau:
Nhóm nhân tố đặc điểm cá nhân bao gồm ba biến số giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình
Giới tính (SEX) được coi là một biến giả trong nghiên cứu, với giả thuyết rằng nếu người vay là nữ, giá trị sẽ là 1, còn nếu là nam, giá trị sẽ là 0 Dữ liệu này được thu thập từ hồ sơ khách hàng trên phần mềm T24 của hệ thống ngân hàng Theo Chapman (1990), nam giới thường mang lại rủi ro cao hơn nữ do tính cách cẩn trọng và tiết kiệm của phụ nữ Á Đông Tuy nhiên, các nghiên cứu của Wongnaa (2013) và Million Sileshi (2012) cho thấy giới tính không có ảnh hưởng lớn đến khả năng trả nợ của khách hàng Giả thuyết nghiên cứu được đề xuất dựa trên những phân tích này.
H1: Nếu khách hàng vay giới tính là nam thì giảm biến khả năng trả nợ của
KHCN (-) cho nam giới và (+) cho nữ giới Độ tuổi (AGE) được thu thập từ hồ sơ thông tin khách hàng trên phần mềm T24 của hệ thống ngân hàng Theo nghiên cứu của Trương Đông Lộc, thông tin này đóng vai trò quan trọng trong việc phân tích hành vi khách hàng.
Nghiên cứu của Wongnaa (2013) chỉ ra rằng độ tuổi của người vay có ảnh hưởng lớn đến rủi ro trả nợ Cụ thể, người vay lớn tuổi thường gặp rủi ro cao hơn trong việc hoàn trả khoản vay do thu nhập và động lực kiếm tiền giảm so với người trẻ tuổi.
H2: Khi khách hàng có độ tuổi càng cao thì biến khả năng trả nợ giảm (-)
Số thành viên phụ thuộc trong gia đình (HOS) là yếu tố quan trọng ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân (KHCN) Dữ liệu này được thu thập từ hồ sơ thông tin khách hàng trên phần mềm T24 của hệ thống ngân hàng Nghiên cứu của Trương Đông Lộc (2011) và Li Shuai (2013) đã chỉ ra rằng số lượng thành viên phụ thuộc có tác động đáng kể đến khả năng tài chính và trách nhiệm trả nợ của các KHCN.
H3: Số thành viên phụ thuộc vào gia đình càng tăng thì khả năng trả nợ giảm
Trình độ học vấn (EDU) là một yếu tố quan trọng trong việc đánh giá khả năng trả nợ của người vay, với giả thuyết cho rằng người có trình độ học vấn cao sẽ có khả năng thanh toán tốt hơn nhờ thu nhập ổn định và khả năng quản lý tài chính hiệu quả Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2013) cũng đã chỉ ra ảnh hưởng của yếu tố này Dữ liệu được thu thập từ hồ sơ khách hàng trên phần mềm T24, trong đó biến giả đầu tiên nhận giá trị 1 nếu người vay có trình độ học vấn từ trung cấp đến cao đẳng và giá trị 0 nếu không Biến giả thứ hai nhận giá trị 1 nếu người vay có trình độ đại học trở lên và giá trị 0 nếu không.
H4: Nếu trình độ học vấn càng cao thì khả năng trả nợ càng cao (+)
Tình trạng công việc (WORK) là một biến giả cho thấy mối liên hệ giữa loại hình công việc và khả năng trả nợ Cụ thể, giả thuyết cho rằng những công việc đòi hỏi chất xám cao, như các vị trí văn phòng, sẽ có khả năng trả nợ tốt hơn Nghiên cứu của Li Shuai (2013) cũng hỗ trợ giả thuyết này, trong đó biến giả nhận giá trị 1 nếu người vay có công việc văn phòng hoặc công việc liên quan đến việc sử dụng chất xám, và giá trị 0 nếu không.
H5: Nếu tình trạng công việc văn phòng thì khả năng trả nợ sẽ tăng (+)
Nghiên cứu về thu nhập (INC) cho thấy rằng thu nhập cao thường liên quan đến khả năng trả nợ tốt hơn, như được chỉ ra trong các nghiên cứu của Trương Đông Lộc (2011) và Nguyễn Quốc Nghi (2012) Dữ liệu về biến thu nhập được thu thập từ hồ sơ thông tin khách hàng trên phần mềm T24 của hệ thống ngân hàng lõi.
H6: Thu nhập càng cao thì khả năng trả nợ sẽ tăng (+)
Nhóm đặc điểm của khoản vay bao gồm năm biến số kích cỡ khoản vay, thời hạn vay, lãi suất vay, tài sản thế chấp, mục đích vay
Kích cỡ khoản vay (SOL) được xác định dựa trên dữ liệu từ báo cáo nội bộ của Sacombank và phần mềm T24, với giả thuyết rằng khoản vay lớn hơn sẽ tạo ra áp lực trả nợ cao hơn, dẫn đến khả năng trả nợ giảm Nghiên cứu của Acquah (2011) hỗ trợ giả thuyết này, trong khi Chapman (1990) và Li Shuai (2013) cho rằng kích cỡ khoản vay không ảnh hưởng nhiều đến khả năng trả nợ Ngược lại, Mohammad Reza Kohansal (2009) lại chỉ ra rằng kích cỡ khoản vay có mối tương quan thuận với khả năng trả nợ của khách hàng.
H7: Kích cỡ khoản vay càng cao thì khả năng trả nợ giảm (-)
Thời hạn vay là yếu tố quan trọng trong khả năng trả nợ đúng hạn của khách hàng Dữ liệu thu thập từ báo cáo nội bộ của Sacombank và phần mềm T24 cho thấy rằng thời hạn vay dài giúp giảm áp lực tài chính cho khách hàng, bởi các khoản vay ngắn hạn thường khiến họ gặp khó khăn trong việc tìm nguồn trả nợ Ngược lại, các khoản vay dài hạn được thiết kế với lịch trả nợ gốc và lãi phù hợp hơn, tạo điều kiện thuận lợi cho khách hàng Nghiên cứu này cũng đồng tình với kết quả của Li Shuai (2013).
H8: Thời hạn vay càng dài thì khả năng trả nợ càng cao (+)
Lãi suất vay (INT) được thu thập từ báo cáo nội bộ của các chi nhánh Sacombank và phần mềm T24 của hệ thống ngân hàng, với giả thuyết rằng lãi suất cao sẽ dẫn đến rủi ro trả nợ tăng Giả thuyết này phù hợp với nhiều nghiên cứu trước đó của Trương Đông Lộc (2011) và Nguyễn Quốc Nghi.
H9: Lãi suất càng cao thì khả năng trả nợ giảm (-)
Tài sản thế chấp (SEC) là nguồn tài sản được sử dụng để đảm bảo khoản vay tín dụng tại Ngân hàng, với giả thuyết rằng việc thế chấp tài sản sẽ giảm rủi ro trả nợ của khách hàng Dữ liệu về tài sản thế chấp được thu thập từ báo cáo nội bộ của các chi nhánh Sacombank và phần mềm T24 của core banking Biến này nhận giá trị 1 nếu khách hàng có tài sản thế chấp tại Ngân hàng và giá trị 0 nếu không có.
H10: Nếu khách hàng thế chấp tài sản thì khả năng trả nợ tăng (+)
Mục đích vay (TOL) là biến giả phản ánh hai loại mục đích vay của khách hàng cá nhân: vay phục vụ sản xuất kinh doanh và vay tiêu dùng Giả thuyết cho rằng khách hàng vay để sản xuất kinh doanh có khả năng trả nợ cao hơn, vì nguồn vốn vay được sử dụng để tạo ra thu nhập bổ sung Ngược lại, vay tiêu dùng thường không mang lại thu nhập đối ứng Trong đó, biến giả nhận giá trị 1 nếu khách hàng vay phục vụ sản xuất kinh doanh và giá trị 0 nếu không.
H11: Nếu khách hàng vay sản xuất kinh doanh thì khả năng trả nợ tăng (+)
Mô hình dự kiến
3.4.1 Kỳ vọng dấu của hệ số β của các biến độc lập trong mô hình
Hệ số β Kỳ vọng dấu β Giải thích β 1 +
Khách hàng nữ có khả năng trả nợ cao hơn so với khách hàng nam, nhờ vào tính cách thận trọng và tiết kiệm của họ Ngược lại, nam giới thường có xu hướng mạo hiểm hơn, dẫn đến mối quan hệ thuận với khả năng trả nợ.
Khách hàng có độ tuổi cao thường gặp khó khăn hơn trong việc trả nợ do thu nhập và sức khỏe suy giảm Do đó, biến tuổi tác (AGE) có mối quan hệ nghịch với khả năng trả nợ, thể hiện qua hệ số β3.
Số lượng thành viên phụ thuộc trong gia đình người vay tăng lên sẽ làm giảm khả năng trả nợ do chi phí sinh hoạt gia đình gia tăng, vì vậy HOS có mối quan hệ nghịch với biến phụ thuộc Ngược lại, trình độ học vấn của người vay càng cao thì thu nhập của họ càng ổn định và ý thức trả nợ cũng tăng, dẫn đến biến EDU_1 và EDU_2 có mối quan hệ thuận với biến phụ thuộc.
Công việc văn phòng và các nghề yêu cầu chất xám cao thường có khả năng trả nợ tốt hơn nhờ vào thu nhập ổn định Do đó, biến WORK có mối tương quan thuận với biến phụ thuộc.
Thu nhập càng cao thì khả năng trả nợ càng cao nên biến INC có mối tương quan thuận với biến phụ thuộc β 8 -
Kích cỡ khoản vay cao dẫn đến áp lực trả nợ lớn hơn và chi phí trả nợ tăng, làm giảm khả năng thanh toán đúng hạn Do đó, biến SOL có mối quan hệ nghịch với biến phụ thuộc β9.
Thời gian vay dài hạn giúp khách hàng giảm áp lực tài chính trong việc tìm kiếm nguồn trả nợ, từ đó tăng khả năng thanh toán đúng hạn Do đó, có thể thấy rằng biến TIME có mối tương quan thuận với khả năng trả nợ.
Lãi suất vay cao làm giảm khả năng trả nợ do chi phí trả nợ gia tăng, dẫn đến mối quan hệ nghịch giữa lãi suất và khả năng trả nợ.
Khi khách hàng vay vốn có tài sản thế chấp, trách nhiệm của người vay tại ngân hàng sẽ tăng lên, dẫn đến mối tương quan thuận giữa biến SEC và biến phụ thuộc.
Khách hàng vay vốn để phục vụ sản xuất kinh doanh có khả năng trả nợ cao hơn, vì nguồn vốn này tạo ra thu nhập giúp họ thanh toán nợ Ngược lại, vay tiêu dùng không tạo ra thu nhập bổ sung, dẫn đến mối quan hệ thuận giữa TOL và biến phụ thuộc.
Trong lịch sử quá hạn của khách hàng theo dữ liệu CIC, những khách hàng chưa có lịch sử nợ quá hạn hoặc chưa từng có quan hệ tín dụng sẽ có khả năng trả nợ cao hơn Điều này cho thấy mối tương quan thuận giữa biến CIC và biến phụ thuộc.
Cán bộ thẩm định đóng vai trò quan trọng trong việc quyết định hạn mức tín dụng bằng cách đánh giá khả năng trả nợ của khách hàng Kinh nghiệm và năng lực của cán bộ tín dụng ảnh hưởng trực tiếp đến độ chính xác trong việc đánh giá nguồn trả nợ; nếu thiếu kinh nghiệm, khả năng này sẽ giảm, dẫn đến tình trạng khách hàng không trả nợ đúng hạn Thông thường, những cán bộ thẩm định có thâm niên từ 2 năm trở lên sẽ có khả năng đánh giá tốt hơn nhờ vào quá trình đào tạo dài hạn, từ đó tạo ra mối tương quan thuận với biến phụ thuộc.
Bảng 3.1 - Kỳ vọng dấu của hệ số β trong mô hình
Nguồn: Tác giả tổng hợp từ giả thuyết nghiên cứu
3.4.2 Mô hình hồi quy dự kiến
Dựa trên mô hình nghiên cứu đề xuất và các giả thuyết nghiên cứu, luận văn dự kiến mô hình hồi quy như sau:
Loge[P(Y=1)/P(Y=0)] = β0 + β1SEX + β2AGE + β3HOS + β4EDU_1 + β 5 EDU_2 + β 6 WORK + β 7 SOL + β 8 TIME + β 9 INC + β 10 INT + β 11 SEC + β 12 TOL + β 13 CIC + β 14 IOS
Như vậy, mô hình hồi quy (3.5) gồm 14 biến với hệ số β tương ứng từ β 1 -> β
Dữ liệu nghiên cứu
Luận văn này sử dụng cả dữ liệu sơ cấp và thứ cấp để phân tích tình hình dư nợ cho vay tại Sacombank Dữ liệu thứ cấp được trích xuất từ báo cáo dư nợ cho vay của các chi nhánh ngân hàng vào ngày 30/06/2017, chương trình T24 của core banking, và phần mềm chấm điểm tín dụng trên CRS Đối với biến số năm kinh nghiệm của cán bộ thẩm định KHCN, luận văn kết hợp dữ liệu từ chương trình T24 và phỏng vấn nhân viên thẩm định tín dụng cá nhân Ngoài ra, luận văn còn sử dụng báo cáo tài chính hợp nhất của ngân hàng trong các năm 2014, 2015, 2016 và 2017 để đánh giá thực trạng dư nợ KHCN và tình hình nợ quá hạn.
Kích thước mẫu là 550 dựa trên nghiên cứu hồi quy đa biến Daniel Boduszek
(2016), được tính toán theo công thức của Tabachnick and Fidell như sau:
N > 50+8*m (3.6) Trong đó: N là kích thước mẫu; m là số biến trong mô hình
Các số liệu ban đầu được thu thập từ 11 chi nhánh của Ngân hàng, bao gồm Bình Dương, Bình Phước, Sài Gòn, Thủ Đức, Củ Chi, Tây Ninh, Gia Lai, Đắk Lắk, Tiền Giang, Cần Thơ và Long Biên Mỗi chi nhánh được chọn 50 mẫu một cách ngẫu nhiên có chọn lọc, đảm bảo sự cân bằng giữa các chi nhánh Dữ liệu sau đó được nhập vào file Excel, với các mẫu được chọn có điều kiện dựa trên các khoản vay trả gốc và lãi định kỳ để tạo ra các biến cần phân tích Phân tích thống kê mô tả và hồi quy mô hình binary logistic được thực hiện bằng phần mềm SPSS.
Nguồn dữ liệu Cơ sở nghiên cứu thực nghiệm
Khả năng trả nợ đúng hạn của KHCN (Bằng 1 nếu khách hàng có khả năng trả nợ đúng hạn và ngược lại nhận giá trị là
Báo cáo nội bộ Sacombank
Nghiên cứu của Kohansal (2009) và Trương Đông Lộc
Giới tính (Bằng 1 nếu giới tính là nữ và bằng 0 nếu là nam)
Phần mềm T24 của core banking và phần mềm chấm điểm tín dụng của CRS
Nghiên cứu của Trương Đông Lộc(2011) và Wongnaa (2013)
4 Số thành viên phụ thuộc gia đình HOS
Nghiên cứu của Trương Đông Lộc (2011) và Li Shuai (2013)
Trình độ học vấn từ trung cấp đến cao đẳng
(Bằng 1 nếu người vay có trình độ từ trung cấp, cao đẳng và khác nhận giá trị 0)
Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi
Trình độ học vấn từ đại học trở lên (Bằng 1 nếu người vay có trình độ từ đại học trở lên và khác nhận giá trị 0)
Công việc (Bằng 1 nếu người vay có vị trí công việc văn phòng, trí óc và khác nhận giá trị 0)
Nghiên cứu của Li Shuai
Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi
9 Kích cỡ khoản vay SOL
Báo cáo nội bộ Sacombank
Nghiên cứu của Li Shuai
Nghiên cứu của Trương Đông Lộc (2011), Nguyễn Quốc Nghi
Tài sản thế chấp (Bằng 1 nếu người vay có tài sản thế chấp và ngược lại nhận giá trị 0)
Vay kinh doanh (Bằng 1 nếu mục đích của người vay là sản xuất kinh doanh và khác nhận giá trị 0)
Nghiên cứu của George Yaw Mensah (2012), Kohansal (2009) và Samuel Antwi 2012
Lịch sử nợ quá hạn của người vay (Bằng 1 nếu khách hàng chưa có nợ quá hạn và ngược lại nhận giá trị 0)
Phần mềm chấm điểm tín dụng của CRS
Kinh nghiệm, trình độ cán bộ thẩm định cho vay (Bằng 1 nếu cán bộ thẩm định có kinh nghiệm từ 2 năm trở lên và ngược lại)
Phần mềm T24 của core banking kết hợp phỏng vấn cán bộ thẩm định
Nghiên cứu của Jonathan A.Scott (2006) nhưng được tác giả điều chỉnh
Bảng 3.2 - Mô tả các biến và nguồn dữ liệu thu thập từ các biến
Nguồn: Tác giả thiết kế từ giả thuyết nghiên cứu và dữ liệu thu thập
Phương pháp nghiên cứu
Luận văn kết hợp phương pháp nghiên cứu định tính và định lượng, trong đó nghiên cứu định tính được thực hiện thông qua việc tổng hợp các nghiên cứu trước, tạo nền tảng cho mô hình lý thuyết và các giả thuyết nghiên cứu Đồng thời, phương pháp nghiên cứu định lượng được áp dụng để tổng hợp số liệu thứ cấp và sơ cấp, sử dụng các phương pháp thống kê mô tả và phân tích hồi quy.
3.6.1 Phương pháp thống kê mô tả
Phương pháp thống kê mô tả bao gồm việc thu thập, tóm tắt và trình bày số liệu để phản ánh tổng quát đối tượng nghiên cứu Luận văn sử dụng Microsoft Excel để xử lý dữ liệu sơ cấp và thứ cấp, sau đó áp dụng phần mềm SPSS để thống kê tần số và mô tả các biến với các chỉ số kinh tế như trung bình, độ lệch chuẩn, giá trị tối đa và tối thiểu, nhằm đánh giá tổng quan toàn bộ biến trong mô hình.
3.6.2 Phương pháp phân tích hồi quy
Như đã trình bày ở trên, để đánh giá khả năng trả nợ đúng hạn của KHCN, luận văn sử dụng mô hình binary logistics
Mô hình được thể hiện như sau:
E(Y/X) thể hiện xác suất Y=1, tức là khả năng khách hàng trả nợ đúng hạn khi giá là X i Từ đó, hàm logistic nhị phân có thể được viết lại như sau:
Và xác suất khách hàng có khả năng trả nợ đúng hạn và không có khả năng trả nợ đúng hạn là:
So sánh xác suất khách hàng có khả năng trả nợ đúng hạn với khách hàng không có khả năng trả nợ đúng hạn, ta có thể tính toán tỷ lệ Odds bằng công thức cụ thể Tỷ lệ Odds giúp đánh giá khả năng hoàn trả nợ của khách hàng, từ đó hỗ trợ trong việc ra quyết định cho các tổ chức tài chính.
Lấy Logarit cơ số e cả 2 vế phương trình và biến đổi, ta được kết quả:
Y=1: khách hàng có khả năng trả nợ đúng hạn
Y=0: khách hàng không có khả năng trả nợ đúng hạn
3.6.2.1 Diễn dịch ý nghĩa của các hệ số hồi quy
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2009), hồi quy Binary Logistic được đặt tên do quá trình biến đổi logarit trong thủ tục này Các hệ số hồi quy trong hồi quy binary logistic có ý nghĩa khác biệt so với hệ số hồi quy thông thường khi đối diện với các biến phụ thuộc dạng thập phân.
Hệ số ước lượng β1 từ công thức (3.7) đo lường sự thay đổi trong logarit của xác suất xảy ra sự kiện khi biến độc lập X1 tăng 1 đơn vị, tức là log(Pi/(1-Pi)) tăng β1 đơn vị Nếu βi dương, việc tăng X i sẽ làm tăng xác suất Y=1, ngược lại, nếu βi âm, khả năng Y nhận giá trị 1 sẽ giảm.
Tuy nhiên, để diễn dịch ý nghĩa của các hệ số hồi quy, cần tính tác động biên của X i lên xác suất P i (tức xác suất Y=1) thông qua công thức sau:
Tác động biên của X i lên xác suất Y=1 xác định với xác suất ban đầu = 0,5
(Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2009)
3.6.2.2 Độ phù hợp của mô hình Đối với mô hình Binary logistics để kiểm định phù hợp của mô hình, sử dụng chỉ tiêu -2LL (-2 Log Likelihood), thước đo này có ý nghĩa giống như SSE (Sum of Squares of error) nghĩa là có giá trị càng nhỏ càng tốt Giá trị nhỏ nhất của -2LL là
0 (tức là không có sai số) khi đó mô hình có độ phù hợp hoàn hảo
3.6.2.3 Kiểm định ý nghĩa thống kê của các hệ số Để kiểm định ý nghĩa của các hệ số hồi quy Logistics sử dụng đại lượng Wald Chi Square (kiểm định giả thuyết hồi quy khác không) để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể Nếu hệ số hồi quy β 0 và β 1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy không có tác dụng dự đoán Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) logistics chia cho sai số chuẩn của ước lượng hệ số hồi quy này, sau đó lấy bình phương như sau:
3.6.2.4 Kiểm định mức độ phù hợp tổng quát
Trong hồi quy logistic, để kiểm định độ phù hợp tổng quát, chúng ta sử dụng kiểm định Chi-bình phương thay vì thống kê F như trong hồi quy tuyến tính bội Kiểm định này giúp xác định xem các hệ số trong mô hình có thực sự có ý nghĩa trong việc giải thích biến phụ thuộc hay không Nếu giá trị p (sig) nhỏ hơn 0,05, chúng ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết thay thế.
H 1 tức là các hệ số hồi quy khác nhau có ý nghĩa thống kê và các hệ số đều thực sự có ý nghĩa trong việc giải thích biến phụ thuộc.
Quy trình nghiên cứu
Dựa trên mô hình nghiên cứu và phương pháp nghiên cứu, quy trình nghiên cứu được tóm tắt như sau:
Hình 3.2 – Quy trình nghiên cứu mô hình
Nguồn: Tác giả tổng hợp từ các nghiên cứu và phương pháp nghiên cứu
Cơ sở lý thuyết và các bằng chứng thực nghiệm
Mô hình dự kiến các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN Điều chỉnh chọn lọc các biến phù hợp với mô hình
Thu thập số liệu và thử nghiệm các biến trên phần mềm SPSS
Mô hình nghiên cứu tối ưu với các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của KHCN
Phân tích hồi quy mô hình nghiên cứu và kiểm định giả thuyết Đề xuất kiến nghị
Trong việc đánh giá khả năng trả nợ của khách hàng, có nhiều phương pháp thống kê khác nhau Chương 3 sẽ trình bày chi tiết về khái niệm, ưu và nhược điểm của các mô hình như MDA, LPM, logit, probit và mạng Neural Trong số đó, mô hình binary logistic được cho là phù hợp nhất nhờ vào tính dễ sử dụng và sự phổ biến trong các nghiên cứu về khả năng trả nợ đúng hạn của khách hàng.
Dựa trên các bằng chứng thực nghiệm và thực tiễn tại Ngân hàng, luận văn đề xuất một mô hình nghiên cứu ban đầu với 14 biến độc lập, bao gồm giới tính, độ tuổi, số thành viên phụ thuộc, trình độ học vấn, tình trạng công việc, thu nhập, kích cỡ khoản vay, thời hạn vay, hình thức thế chấp, lãi suất vay, mục đích vay, lịch sử nợ quá hạn và kinh nghiệm, cùng với trình độ cán bộ thẩm định Biến phụ thuộc trong mô hình là khả năng trả nợ đúng hạn của khách hàng, kèm theo các giả thuyết nghiên cứu và bảng kỳ vọng về dấu của mô hình Dữ liệu nghiên cứu được thu thập một cách cân bằng.
Vào ngày 30.06.2017, đã có 550 mẫu hồ sơ vay vốn KHCN được thu thập tại 11 chi nhánh của Ngân hàng Sacombank Nghiên cứu sử dụng phương pháp thống kê mô tả và hồi quy mô hình binary logistic nhằm xác định mô hình tối ưu với các biến có ý nghĩa thống kê, được trình bày chi tiết trong chương 4.
