Mục tiêu của đề tài là nhận diện các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank. Từ đó rút ra những kiến nghị xây dựng các chính sách tín dụng và những ứng xử, đánh giá phù hợp với đối tương KHCN góp phần hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng.
GIỚI THIỆU TỔNG QUAN
Tính cấp thiết của đề tài
Ngân hàng TMCP Công Thương Việt Nam, được thành lập vào năm 1988, đã chuyển mình từ một ngân hàng thương mại quốc doanh thành một trong những ngân hàng thương mại hàng đầu tại Việt Nam, với vốn điều lệ lớn và cơ cấu cổ đông mạnh mẽ.
Vietinbank đặt mục tiêu trở thành ngân hàng bán lẻ hàng đầu tại Việt Nam, không ngừng cải tiến chất lượng và dịch vụ để thu hút khách hàng Năm 2015, Vietinbank ghi nhận sự bứt phá mạnh mẽ trong hoạt động bán lẻ với tín dụng bán lẻ tăng 51% (tương đương 40 nghìn tỷ đồng) so với năm 2014, huy động vốn tăng 20% và tổng thu phí dịch vụ tăng hơn 18% Số lượng khách hàng bán lẻ cũng tăng 18%, trong khi các sản phẩm thẻ giữ vững vị trí dẫn đầu thị trường.
Tổng dư nợ tín dụng 376,289 439,869 538,080
Bảng 1.1 – Tình hình dư nợ KHCN tại Vietinbank giai đoạn 2013-2015
Nguồn: báo cáo tài chính hợp nhất của Vietinbank Theo báo cáo tài chính hợp nhất của Vietinbank qua các năm 2013, 2014 và
Từ năm 2013 đến 2015, tỷ trọng dư nợ khách hàng doanh nghiệp (KHCN) của Vietinbank đã tăng từ 15.5% lên 20.8%, tương ứng với 58,477 tỷ đồng và 112,178 tỷ đồng, đứng thứ hai trong tổng dư nợ cho vay doanh nghiệp tại ngân hàng Để đảm bảo tăng trưởng tín dụng bền vững, Vietinbank chú trọng đến quản trị rủi ro, tuân thủ các quy định trong hoạt động cấp tín dụng và tích cực xử lý nợ xấu Tuy nhiên, báo cáo tài chính cho thấy nợ không đủ tiêu chuẩn của ngân hàng đã tăng từ 6,514 tỷ đồng năm 2013 lên 11,292 tỷ đồng vào giữa năm 2016, mặc dù có giảm nhẹ trong năm 2015 Theo báo cáo của VAMC, tỷ lệ nợ xấu của Vietinbank cũng gia tăng, với nợ xấu tăng lên 5,366 tỷ đồng vào năm 2016, trong đó nợ có khả năng mất vốn là hơn 3,000 tỷ đồng, tăng so với năm trước Năm 2015, Vietinbank đã bán lũy kế hơn 10,000 tỷ đồng nợ xấu qua VAMC.
Nợ có khả năng mất vốn 2,249 2,085 2,796 3,050
Tổng cộng 6,514 8,676 8,153 11,292 Bảng 1.2 – Báo cáo chất lượng nợ quá hạn của Vietinbank từ năm 2013->QII-2016
Nguồn: báo cáo tài chính hợp nhất của Vietinbank
NỢ KHÔNG ĐỦ TIÊU CHUẨN VIETINBANK GIAI ĐOẠN
Hình 1.1 – Biểu đồ nợ không đủ tiêu chuẩn Vietinbank giai đoạn 2013-2016
Nguồn: báo cáo tài chính hợp nhất của Vietinbank
Nợ xấu ảnh hưởng nghiêm trọng đến hoạt động của ngân hàng, làm tăng thời gian xử lý và ảnh hưởng đến lợi nhuận Theo báo cáo của VAMC, lợi nhuận trước thuế của VietinBank trong quý II/2016 đạt 4,193 tỷ đồng, trong khi lợi nhuận thuần từ hoạt động kinh doanh trước chi phí dự phòng rủi ro tín dụng lên tới 7,282 tỷ đồng, cho thấy chi phí trích lập dự phòng rủi ro lên tới 3,009 tỷ đồng Để đảm bảo an toàn cho hoạt động tín dụng và hạn chế tổn thất, ngân hàng cần kiểm soát chặt chẽ khoản vay ngay từ khâu tiếp nhận và thẩm định, đặc biệt là đánh giá khả năng trả nợ của khách hàng Việc từ chối cho vay đối với khách hàng tốt và chấp nhận cho vay khách hàng không đủ điều kiện có thể dẫn đến rủi ro tín dụng Do đó, tác giả chọn đề tài “Các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Ngân hàng TMCP Công Thương Việt Nam” nhằm nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank, từ đó đề xuất chính sách tín dụng phù hợp để hạn chế rủi ro và nâng cao hiệu quả hoạt động của ngân hàng.
Mục tiêu nghiên cứu
1.2.1 Mục tiêu tổng quát: Nhận diện các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank Từ đó rút ra những kiến nghị xây dựng các chính sách tín dụng và những ứng xử, đánh giá phù hợp với đối tương KHCN góp phần hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng
Xác định các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank
Phân tích và kiểm định các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN tại Vietinbank
Dựa trên phân tích các yếu tố, bài viết đề xuất xây dựng chính sách tín dụng và các biện pháp ứng xử phù hợp với đối tượng khoa học và công nghệ (KHCN) nhằm giảm thiểu rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng.
Câu hỏi nghiên cứu
Dựa trên mục tiêu nghiên cứu, luận văn đề ra các câu hỏi như sau:
Các nhân tố nào ảnh hưởng đến khả năng trả nợ vay của KHCN tại Vietinbank?
Mức độ ảnh hưởng của từng nhân tố đến khả năng trả nợ của khách hàng như thế nào?
1.4 Đối tƣợng và phạm vi nghiên cứu:
1.4.1 Đối tƣợng nghiên cứu: Các nhân tố ảnh hưởng đến khả năng trả nợ vay của
Luận văn nghiên cứu đã tiến hành thu thập số liệu để phân tích thực trạng dư nợ khoa học công nghệ và nợ quá hạn tại ngân hàng qua các năm.
2013 đến 6 tháng đầu năm 2016 Số liệu dùng để phân tích định lượng được thu thập tại ngày 01/04/2016
Luận văn nghiên cứu khả năng trả nợ của 180 khách hàng có dư nợ tại Vietinbank, với kích thước mẫu được xác định dựa trên phương pháp hồi quy đa biến của Daniel Boduszek (2016) và công thức của Tabachnick & Fidell.
Nghiên cứu này áp dụng phương pháp thu thập số liệu thứ cấp từ nguồn thông tin nội bộ của Vietinbank, bao gồm dữ liệu từ báo cáo MIS của các chi nhánh vào ngày 01/04/2016, phần mềm clos của hệ thống core banking và phần mềm chấm điểm tín dụng khách hàng trên BDS Để phân tích tình hình nợ quá hạn, luận văn còn sử dụng báo cáo thường niên và báo cáo kiểm toán của các năm 2013, 2014, 2015 và quý II/2016 Ngoài ra, mô hình nghiên cứu cũng bao gồm việc phỏng vấn cán bộ thẩm định có nhiều năm kinh nghiệm nhằm hỗ trợ quá trình phân tích dữ liệu.
Dựa trên số liệu thu thập, tác giả sử dụng phương pháp thống kê mô tả để phân tích đặc điểm của cỡ mẫu, đồng thời áp dụng mô hình hồi quy logistic nhị phân nhằm xác định các yếu tố và 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 số liệu sơ cấp và thứ cấp, cùng với phần mềm SPSS 16.0 để thực hiện mô hình hồi quy logistic nhị phân và kiểm định mô hình.
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietinbank sẽ được xây dựng nhằm hoàn thiện quy trình thẩm định cho vay cho khách hàng cá nhân tại ngân hàng.
Dựa trên kết quả phân tích, luận văn đề xuất một số biện pháp nhằm nâng cao khả năng quản trị rủi ro tín dụng tại Ngân hàng, từ đó cải thiện hiệu quả hoạt động tín dụng cá nhân.
1.7 Kết cấu của luận văn:
Không tính phần mở đầu và kết luận thì luận văn có kết cấu như sau:
Chương 1: Chương mở đầu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiện 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 tín dụng cá nhân và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN mà còn trình bày các công trình nghiên cứu trước đây liên quan làm cơ sở thực hiện chương 3
Chương 3: Phương pháp nghiên cứu Trong chương này, luận văn sẽ trình bày về các mô hình nghiên cứu, dữ liệu được sử dụng trong nghiên cứu cũng như phương pháp được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình nghiên cứu trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN
Chương 4 của luận văn tập trung vào việc phân tích thực trạng tín dụng khoa học công nghệ (KHCN) và tình hình nợ quá hạn tại ngân hàng Luận văn trình bày kết quả nghiên cứu và đi sâu vào các yếu tố ảnh hưởng đến khả năng trả nợ của KHCN, đồng thời giải thích các nhân tố không có tác động Dựa trên những phát hiện này, các kiến nghị sẽ được đưa ra trong chương 5.
Chương 5 trình bày kết luận và kiến nghị nhằm hoàn thiện chính sách tín dụng tại Vietinbank, đồng thời đề xuất những ứng xử phù hợp với đối tượng khoa học và công nghệ (KHCN) Những biện pháp này nhằm hạn chế rủi ro tín dụng và nâng cao hiệu quả hoạt động của ngân hàng, góp phần thúc đẩy sự phát triển bền vững trong lĩnh vực tài chính.
Phương pháp nghiên cứu
Nghiên cứu này sử dụng phương pháp thu thập số liệu thứ cấp từ nguồn thông tin bên trong ngân hàng, bao gồm dữ liệu từ báo cáo MIS của các chi nhánh Vietinbank tính đến ngày 01/04/2016, phần mềm clos của hệ thống ngân hàng cốt lõi và phần mềm chấm điểm tín dụng khách hàng trên BDS Để phân tích thực trạng nợ quá hạn tại Vietinbank, luận văn còn tham khảo báo cáo thường niên và báo cáo kiểm toán trong các năm 2013, 2014, 2015 và quý II/2016 Ngoài ra, nghiên cứu cũng thu thập dữ liệu thông qua phỏng vấn cán bộ thẩm định có nhiều năm kinh nghiệm nhằm phục vụ cho quá trình phân tích số liệu.
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 số liệu sơ cấp và thứ cấp, cùng với phần mềm SPSS 16.0 để thực hiện mô hình hồi quy logistic nhị phân và kiểm định mô hình.
Ý nghĩa của đề tài
Xây dựng mô hình các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân tại Vietinbank là một bước quan trọng nhằm hoàn thiện quy trình thẩm định cho vay Việc này giúp nâng cao hiệu quả trong việc đánh giá khả năng tài chính của khách hàng, từ đó giảm thiểu rủi ro cho ngân hàng.
Dựa trên kết quả phân tích, luận văn đề xuất các giải pháp nhằm nâng cao khả năng quản trị rủi ro tín dụng cho ngân hàng, từ đó cải thiện hiệu quả hoạt động tín dụng cá nhân.
Kết cấu của luận văn
Không tính phần mở đầu và kết luận thì luận văn có kết cấu như sau:
Chương 1: Chương mở đầu Trong chương này, trình bày tóm tắt toàn bộ nội dung của các chương đã thực hiện 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 tín dụng cá nhân và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Trong chương này, ngoài trình bày cơ sở lý luận và lý thuyết về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN mà còn trình bày các công trình nghiên cứu trước đây liên quan làm cơ sở thực hiện chương 3
Chương 3: Phương pháp nghiên cứu Trong chương này, luận văn sẽ trình bày về các mô hình nghiên cứu, dữ liệu được sử dụng trong nghiên cứu cũng như phương pháp được sử dụng trong bài nghiên cứu dựa trên nền tảng các công trình nghiên cứu trước đây đã nghiên cứu về các nhân tố ảnh hưởng đến khả năng trả nợ vay của KHCN
Chương 4 của luận văn tập trung vào kết quả nghiên cứu và thảo luận về tình hình tín dụng KHCN và nợ quá hạn tại Ngân hàng Luận văn phân tích chi tiết các yếu tố ảnh hưởng đến khả năng trả nợ vay của KHCN, đồng thời giải thích những yếu tố không có tác động Dựa trên các kết quả nghiên cứu, luận văn sẽ đưa ra các kiến nghị trong chương 5 để cải thiện tình hình tín dụng.
Chương 5 trình bày kết luận và kiến nghị nhằm hoàn thiện chính sách tín dụng tại Vietinbank, đồng thời đề xuất những ứng xử phù hợp với đối tượng khoa học và công nghệ (KHCN) Những biện pháp này không chỉ giúp hạn chế rủi ro tín dụng mà còn nâng cao hiệu quả hoạt động của ngân hàng, góp phần thúc đẩy sự phát triển bền vững trong lĩnh vực tài chính.
CƠ SỞ LÝ LUẬN VỀ KHẢ NĂNG TRẢ NỢ VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG TRẢ NỢ CỦA KHCN
Khả năng trả nợ của KHCN
2.1.1 Khái niệm khả năng trả nợ của KHCN: Để xác định và định lượng các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng, trước hết cần làm rõ khả năng trả nợ 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 Super vision - điều 452 (2006), định nghĩa khách hàng không có khả năng trả nợ là những khách hàng thuộc một trong các dấu hiệu hoặc tất cả dấu hiệu như sau:
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, chẳng hạn như giải chấp chứng khoán mà họ đang nắm giữ.
Khách hàng có khoản vay quá hạn trên 90 ngày được coi là nợ xấu theo quy định của ngân hàng và định nghĩa của Quỹ Tiền tệ Quốc tế (IMF) tại Hướng dẫn Biên soạn về Chỉ số Tình hình Tài chính - điều 4.84 (2006) Một khoản vay được xác định là nợ xấu khi quá hạn thanh toán gốc hoặc lãi từ 90 ngày trở lên, hoặc khi các khoản lãi quá hạn đã được vốn hóa, cơ cấu lại hoặc trì hoãn theo thỏa thuận Ngoài ra, nếu khoản thanh toán đến hạn dưới 90 ngày nhưng có dấu hiệu rõ ràng cho thấy người vay không thể hoàn trả nợ, khoản vay cũng được xem là nợ xấu Sau khi khoản vay được phân loại là nợ xấu, nó và bất kỳ khoản vay thay thế nào đều phải được giữ trong danh mục nợ xấu cho đến khi khoản nợ được xóa hoặc thu hồi thành công cả lãi và gốc.
Tại Việt Nam, theo quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 của Thống đốc NHNN, quy định về phân loại nợ và trích lập dự phòng để xử lý rủi ro tín dụng, nợ đủ tiêu chuẩn được định nghĩa là nợ có khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn.
Khả năng trả nợ đúng hạn của khách hàng được đánh giá dựa trên việc khách hàng có thực hiện đầy đủ và đúng hạn nghĩa vụ nợ đối với bên cấp tín dụng trong suốt thời gian quan hệ tín dụng hoặc trong một khoảng thời gian nhất định.
2.1.2 Mối quan hệ giữa khả năng trả nợ của khách hàng và rủi ro tín dụng:
Rủi ro tín dụng trong hoạt động ngân hàng, theo quyết định 493/2005/QĐ-NHNN, là khả năng xảy ra tổn thất do khách hàng không thực hiện nghĩa vụ trả nợ Điều này có nghĩa là khi khách hàng không có khả năng hoàn trả nợ gốc và lãi đúng hạn, rủi ro tín dụng sẽ gia tăng Mối liên hệ giữa khả năng trả nợ của khách hàng và rủi ro tín dụng rất chặt chẽ: khả năng trả nợ cao đồng nghĩa với rủi ro tín dụng thấp và ngược lại Luận văn này sẽ nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ đúng hạn của khách hàng, từ đó tìm hiểu những yếu tố tác động đến rủi ro không trả được nợ.
Các nhân tố ảnh hưởng đến khả năng trả nợ 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 để thẩm định tín dụng, trong đó phân tích 5C là phổ biến, bao gồm: 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 nhấn mạnh, trong đó yếu tố thứ 6 là Kiểm soát khoản vay (Control).
Nghiên cứu của Chapman (1940) về rủi ro tín dụng cá nhân đã phân loại các nhân tố ảnh hưởng đến rủi ro này, bao gồm: đặc điểm cá nhân của người vay như tuổi, giới tính, tình trạng hôn nhân, số người phụ thuộc và thời gian cư trú; đặc điểm nghề nghiệp như nghề nghiệp, lĩnh vực công tác và kinh nghiệm làm việc; đặc điểm tài chính như thu nhập, tỷ lệ nợ/thu nhập hàng năm, tài sản và phương thức hoàn trả; cùng với đặc điểm của khoản vay, bao gồm số tiền vay, hình thức vay, thời hạn vay và mục đích vay.
Keneth (2013) đã nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng thương mại Barclays ở Kenya Mô hình nghiên cứu bao gồm ba nhóm nhân tố chính: nhân tố người vay, như tuổi, giới tính, trình độ học vấn, nghề nghiệp và kinh nghiệm; nhân tố người cho vay, bao gồm khoảng thời gian chấp nhận cho vay, địa điểm của ngân hàng, các nhân tố vĩ mô, lạm phát và hiệu suất làm việc của ngân hàng; và nhân tố khoản vay, như chi phí vay, hình thức vay hoặc tài sản thế chấp, kích cỡ vay và thời hạn vay.
Mô hình nghiên cứu của Keneth (2013) đã được áp dụng để phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng Theo Samuel Antwi (2012), những yếu tố này bao gồm tuổi tác, giới tính, tình trạng hôn nhân, trình độ học vấn, lãi suất, tài sản bảo đảm và mục đích vay Đồng thời, Kohansal (2009) cũng nghiên cứu các yếu tố tác động đến khả năng trả nợ của nông dân tại tỉnh.
Amount of time taken for loan approval
Type of loan/security provided
Khorasan-Razavi của Iran xác định các yếu tố quan trọng như tuổi, kinh nghiệm, thu nhập, lãi suất, diện tích nông trại, mục đích sử dụng khoản vay, tổng chi phí sinh hoạt, kích cỡ khoản vay, thời gian vay tài sản thế chấp và số tiền trả góp Các nghiên cứu đã chỉ ra rằng những nhân tố này có thể được nhóm lại thành các yếu tố ảnh hưởng chính đến quyết định vay vốn.
2.2.1 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, tình trạng hôn nhân Mỗi khía cạnh đều có tác động đến khả năng trả nợ của khách hàng, chẳng hạn như:
Theo Chapman (1940), nữ giới có khả năng trả nợ tốt hơn nam giới Ngược lại, các nghiên cứu của Samuel Antwi (2012) và Wongaa đã đưa ra những quan điểm khác về vấn đề này.
Nghiên cứu của Sileshi (2012) không tìm thấy mối liên hệ giữa độ tuổi và khả năng trả nợ của khách hàng Tuy nhiên, độ tuổi vẫn là yếu tố quan trọng trong nhiều nghiên cứu về khả năng trả nợ Các nghiên cứu từ Samuel Antwi (2012) và Wongaa (2013) cũng như nghiên cứu tại Việt Nam của Trương Đông Lộc (2011) đều cho thấy rằng, khả năng trả nợ có xu hướng cao hơn khi độ tuổi của người vay thấp.
Số lượng thành viên phụ thuộc trong gia đình càng lớn, người vay sẽ phải chịu nhiều chi phí sinh hoạt hơn, dẫn đến áp lực trả nợ cao và khả năng trả nợ giảm Nghiên cứu về yếu tố này tại Việt Nam đã được thực hiện bởi Trương Đông Lộc.
(2011) và Nguyễn Quốc Nghi (2012) ủng hộ giả thuyết
Tình trạng hôn nhân của khách hàng là một yếu tố ít được nghiên cứu trong các khảo sát tại Việt Nam và quốc tế Trong quá trình thẩm định khả năng trả nợ, thu nhập của khách hàng thường được xem xét là tổng thu nhập của cả người vay và người đồng trả nợ, nếu có Nghiên cứu của Chapman (1940) và Samuel Antwi (2012) chỉ ra rằng người vay đã kết hôn có khả năng trả nợ cao hơn do thu nhập của hai vợ chồng thường lớn hơn so với một cá nhân Ngoài ra, việc đã có gia đình cũng khiến người vay có trách nhiệm và cẩn trọng hơn trong việc sử dụng vốn vay.
2.2.2 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 các ngân hàng, với khách hàng có trình độ học vấn cao thường nhận được điểm tín dụng tốt hơn Điều này là do họ có khả năng tìm kiếm việc làm tốt hơn và thu nhập ổn định hơn Nhiều nghiên cứu, bao gồm của Trương Đông Lộc (2011), Nguyễn Quốc Nghi (2012) và Wongnaa (2012), đã xác nhận giả thuyết này.
Tình trạng công việc ảnh hưởng lớn đến khả năng trả nợ của khách hàng Những cá nhân có công việc ổn định, yêu cầu kinh nghiệm và kiến thức cao, như các 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 các công việc khác.
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 việc ngân hàng có đồng ý cấp tín dụng hay không Điều này đặc biệt đúng đối với các khoản vay tín chấp hoặc vay không có tài sản bảo đảm, như đã được nghiên cứu bởi Kohansal (2008) và Woognaa.
(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
2.2.3 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
Các công trình nghiên cứu trước đây
Ngân hàng là một doanh nghiệp đặc biệt hoạt động trong lĩnh vực tiền tệ, đóng vai trò quan trọng trong phát triển kinh tế - xã hội Nhiều nghiên cứu đã được thực hiện về hoạt động ngân hàng, bao gồm tín dụng, huy động vốn, thẻ và bảo lãnh Đến nay, có nhiều nghiên cứu cả trên thế giới và tại Việt Nam về các nhân tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân.
Nghiên cứu của Mohammad Reza Kohansal và Hooman Mansoori từ trường Đại học Ferdowsi of Mashhad, Iran năm 2008 đã khảo sát 175 nông dân tại thị trấn Khorasan-Razai để phân tích khả năng hoàn trả nợ vay ngân hàng bằng phương pháp logit Kết quả cho thấy rằng kinh nghiệm, thu nhập, kích cỡ khoản vay và tài sản thế chấp có tác động tích cực đến khả năng trả nợ của nông dân, trong khi lãi suất, chi phí sinh hoạt và số tiền trả góp định kỳ lại ảnh hưởng tiêu cực Đặc biệt, lãi suất vay được xác định là yếu tố quan trọng nhất, tiếp theo là kinh nghiệm của nông dân và tổng chi phí sinh hoạt.
Nghiên cứu của C.A Woognaa và D Awunyo-Vitor năm 2013 trên báo Agris Online Papers in Economics and Informatics đã chỉ ra rằng các yếu tố như trình độ học vấn, kinh nghiệm, lợi nhuận, tuổi tác, giám sát và thu nhập phi nông nghiệp đều có tác động tích cực đến khả năng trả nợ của nông dân trồng khoai lang ở thị trấn Sene, Ghana Ngược lại, giới tính và tình trạng hôn nhân lại ảnh hưởng tiêu cực đến khả năng này, trong khi tác động của số thành viên trong gia đình vẫn chưa rõ ràng.
Nghiên cứu của George Yaw Mensah (2012) tại trường đại học khoa học và kỹ thuật Kwame Nkrumah đã phân tích các nhân tố ảnh hưởng đến khả năng hoàn trả của khách hàng tại Ngân hàng Akatakyiman Rural Nghiên cứu này sử dụng 11 biến và thu thập dữ liệu từ 100 quan sát trong khoảng thời gian từ năm 2006.
Năm 2010, nghiên cứu sử dụng phương pháp logit cho thấy tài sản bảo đảm và mục đích vay có ảnh hưởng đáng kể đến quyết định vay vốn, trong khi các yếu tố như giới tính, tình trạng hôn nhân, tuổi tác, trình độ giáo dục, lãi suất và số năm quan hệ với ngân hàng không có tác động đáng kể.
Nghiên cứu của Kenneth Ogol Ochung (2013) tại trường đại học Nairobi phân tích các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng tại Ngân hàng Thương Mại Barclay ở Kenya Đối tượng khảo sát bao gồm nhân viên quan hệ khách hàng, quản lý tín dụng và khách hàng của ngân hàng, với 78 phản hồi được ghi nhận Kết quả cho thấy các yếu tố từ người cho vay (thời gian chấp nhận cho vay, địa điểm ngân hàng, yếu tố vĩ mô, lạm phát, hiệu suất làm việc) và từ người vay (tuổi, giới tính, trình độ học vấn, nghề nghiệp, kinh nghiệm) cùng các yếu tố liên quan đến khoản vay (chi phí, hình thức vay, kích cỡ, thời hạn vay) đều có tác động đến khả năng trả nợ Tuy nhiên, nghiên cứu không làm rõ tác động của từng yếu tố cụ thể đến khả năng trả nợ của khách hàng.
2.3.2 Nghiên cứu trong nước: Ở Việt Nam thì có nghiên cứu của Trương Đông Lộc và Nguyễn Thanh Bình về các nhân tố ảnh hưởng đến khả năng trả nợ vay đúng hạn của nông hộ ở tỉnh Hậu Giang bằng phương pháp sử dụng mô hình probit vào năm 2011 trên báo công nghệ Ngân hàng, kết quả phân tích cho thấy khả năng trả nợ vay đúng hạn của nông hộ có tương quan thuận với thu nhập sau khi vay và số thành viên trong gia đình có thu nhập nhưng lại tương quan nghịch với lãi suất vay Đồng thời, kết quả nghiên cứu còn cho thấy trình độ học vấn của chủ hộ càng cao thì khả năng trả nợ cao và những khoản vay có nguồn trả nợ từ hoạt động sản xuất nông nghiệp cao hơn so với phi nông nghiệp
Nghiên cứu của Trần Quốc Nghi năm 2012 trên tạp chí khoa học và đào tạo Ngân hàng đã chỉ ra rằng, các yếu tố như trình độ học vấn của chủ hộ, dân tộc, tiết kiệm và mục đích sử dụng vốn vay có mối quan hệ thuận với khả năng trả nợ vay đúng hạn của hộ gia đình ở Trà Vinh Ngược lại, tỷ lệ người phụ thuộc và lãi suất vay lại có mối quan hệ nghịch với khả năng này Đặc biệt, tỷ lệ người phụ thuộc trong hộ gia đình được xác định là yếu tố ảnh hưởng mạnh nhất đến khả năng trả nợ đúng hạn tại khu vực nông thôn.
Nhiều luận văn và nghiên cứu trong lĩnh vực kinh tế đã được thực hiện, nhưng chủ yếu tập trung vào đối tượng như nông dân và hộ gia đình Sự đa dạng trong đối tượng nghiên cứu còn hạn chế, và các nhân tố phân tích chưa được đầy đủ và rõ ràng Do đó, luận văn này lựa chọn mẫu nghiên cứu là các khách hàng có dư nợ tại Vietinbank, với các nhân tố được xác định dựa trên các công trình nghiên cứu trước đây và hồ sơ vay vốn của khách hàng cá nhân tại ngân hàng.
Chương 2 trình bày khái quát cơ sở lý luận về tín dụng cá nhân, khả năng trả nợ của KHCN và các nhân tố ảnh hưởng đến khả năng trả nợ của KHCN Cụ thể như sau:
Dựa trên quyết định 493/2005/QĐ-NHNN và các tài liệu nghiên cứu toàn cầu, luận văn này đánh giá khả năng trả nợ của khách hàng bằng cách xem xét việc thực hiện nghĩa vụ nợ đúng hạn trong suốt thời gian quan hệ tín dụng Chương cũng chỉ ra mối tương quan nghịch chiều giữa khả năng trả nợ của khách hàng cá nhân (KHCN) và rủi ro tín dụng; khi khả năng trả nợ của KHCN cao, rủi ro tín dụng sẽ thấp và ngược lại.
Chương này cũng trình bày một số nghiên cứu thực nghiệm tại Việt Nam và quốc tế liên quan đến đề tài, làm nền tảng cho việc đề xuất mô hình nghiên cứu ban đầu Mô hình này bao gồm 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, sẽ được thảo luận chi tiết trong chương 3.
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 trong trường hợp biến phụ thuộc có hai trạng thái, thể hiện sự xảy ra hoặc không xảy ra của 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, thường áp dụng khi biến phụ thuộc chỉ nhận hai giá trị 1 và 0.
Hàm hồi quy của mô hình có dạng như sau:
Tuy nhiên mô hình có nhược điểm như sau: o Sai số hồi quy không tuân theo phân phối chuẩn o Phương sai của sai số thay đổi
Mô hình xác suất cần thỏa mãn điều kiện cơ bản, tức là giá trị ước lượng của biến phụ thuộc phải nằm trong khoảng (0,1) Tuy nhiên, nếu có giá trị lớn hơn 1 hoặc nhỏ hơn 0, điều này sẽ gây ra sự không chính xác Hơn nữa, tác động biên trong mô hình xác suất không nên là hằng số, mà phải thay đổi theo từng giá trị của biến độc lập để phản ánh đúng bản chất của mô hình.
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 biệt nhiều chiều) là một phương pháp thống kê quan trọng dùng để 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 phân loại Sau khi các nhóm được thiết lập, việc thu thập dữ liệu là cần thiết, và MDA sẽ thực hiện việc lọc ra, kết hợp tuyến tính các đặc trưng để tối ưu hóa sự phân biệt giữa các nhóm.
Mô hình phân tích phân biệt trong đo lường rủi ro vỡ nợ nhằm mục tiêu phân loại chính xác giữa các công ty có nguy cơ vỡ nợ và không có nguy cơ Phương pháp này sử dụng hàm biệt thức với các biến số định lượng để đảm bảo tính khách quan trong quá trình phân tích.
Các mô hình được phát triển thông qua MDA có hình thức như sau:
Chỉ số tổng thể (Z) được sử dụng để ước tính đặc tính rủi ro vỡ nợ của các công ty, trong đó β1, β2… βn là các hệ số phân biệt và x1, x2… xn là các biến độc lập Khi nghiên cứu rủi ro vỡ nợ, các công ty được chia thành hai nhóm: có rủi ro vỡ nợ và không có rủi ro vỡ nợ Giá trị của chỉ số Z càng thấp thì xác suất xảy ra rủi ro vỡ nợ của công ty càng cao và ngược lại.
Kỹ thuật phân tích MDA nổi bật với khả năng phân biệt các đặc tính giữa các nhóm công ty có và không có khả năng trả nợ Mô hình này tương đối đơn giản và hiệu quả trong việc đánh giá tình hình tài chính của doanh nghiệp.
Mô hình này đơn giản và dễ áp dụng, nhưng thực sự phù hợp hơn cho việc phân tích các chỉ tiêu định lượng thay vì các chỉ tiêu định tính.
3.1.3 Mô hình Logit và mô hình probit:
Mô hình Logit và Probit được sử dụng để phân tích sự phụ thuộc của một 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 có ưu điểm nổi bật so với các mô hình khác, như Logit, vì nó cho phép xác định trực tiếp xác suất khả năng trả nợ của khách hàng.
Mô hình Logit và Probit có sự khác biệt cơ bản ở giả định về phân phối hạng nhiễu: Logit giả định phân phối chuẩn logistic, trong khi Probit sử dụng phân phối chuẩn thông thường Tuy nhiên, sự khác biệt giữa hai mô hình này không đáng kể và không mang ý nghĩa thống kê rõ ràng.
Mục tiêu chính của nghiên cứu mạng Neutral là phát triển các mô hình tự động hóa kết quả dựa trên quy luật và mẫu dữ liệu Mạng Neutral có khả năng bắt chước và nhận diện các trạng thái thực từ dữ liệu đầu vào, ngay cả khi dữ liệu đó không đầy đủ hoặc có nhiều biến.
Kỹ thuật này sử dụng mô hình dự báo mà không cần 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 được coi trọng hơn việc giải thích các yếu tố liên quan.
(3.4) cạnh đó, một trong những thuận lợi của mô hình Neutral là nó có thể giải quyết mối quan hệ phi tuyến tính
Theo nghiên cứu của Nguyễn Thị Nga (2016) và Đoàn Thị Xuân Duyên (2013), mô hình mạng Neural cho kết quả ước lượng và dự báo tốt hơn so với mô hình Logit và Probit, tiếp theo là MDA và LPM Tuy nhiên, do yêu cầu dữ liệu đầu vào lớn và tính phức tạp của mô hình mạng Neural, nó chưa phổ biến tại Việt Nam Vì vậy, trong phân tích rủi ro phá sản của các công ty, việc lựa chọn mô hình Logit hoặc Probit là hợp lý, bởi chúng 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 thế giới.
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 của khách hàng cá nhân, nhờ vào những ưu điểm như không yêu cầu mẫu lớn, ít giả thuyết và cung cấp xác suất trả nợ rõ ràng Nhiều nghiên cứu trong và ngoài nước, như của George Yaw Mensah (2012) và Samuel Antiwi (2012), đã sử dụng mô hình này để phân tích các yếu tố ảnh hưởng đến khả năng trả nợ Tuy nhiên, mỗi nghiên cứu lại chọn các biến khác nhau tùy thuộc vào đối tượng và khu vực nghiên cứu Dựa trên bối cảnh cụ thể tại Vietinbank, tác giả đề xuất mô hình nghiên cứu với 5 yếu 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, các yếu tố cá nhân của người vay được xác định bao gồm giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình và tình trạng hôn nhân.
Năng lực của người vay được đánh giá qua trình độ học vấn, vị trí công việc và thu nhập Các đặc điểm của khoản vay bao gồm kích cỡ, thời gian, lãi suất, tài sản thế chấp và mục đích vay Luận văn này bổ sung nhân tố mục đích vay vào nghiên cứu, vì đây là yếu tố quan trọng trong hồ sơ vay vốn tại ngân hàng Vietinbank Mục đích vay là căn cứ để ngân hàng đánh giá các yếu tố như thời hạn và lãi suất, nhằm đảm bảo phù hợp với từng khách hàng.
Rủi ro đạo đức của người vay thể hiện qua lịch sự 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
Mô hình các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng cá nhân được thiết kế dựa trên cơ sở lý luận và các nghiên cứu trước đây Đặc điểm cá nhân của người vay là một yếu tố quan trọng trong việc đánh giá khả năng trả nợ của họ.
Giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân
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 sự nợ quá hạn của khách hàng
Kinh nghiệm, trình độ cán bộ thẩm định cho vay
Khả năng trả nợ của KHCN
Các giả thuyết nghiên cứu
Dựa trên mô hình nghiên cứu và mô hình định lượng đã được đề xuất, luận văn xây dựng hàm hồi quy tuyến tính để xác định các nhân tố ảnh hưởng.
Khả năng trả nợ vay của khách hàng cá nhân (KHCN) phụ thuộc vào nhiều yếu tố, bao gồm đặc điểm cá nhân của người vay, năng lực tài chính của họ, đặc điểm của khoản vay, cũng như rủi ro đạo đức và rủi ro tác nghiệp từ ngân hàng Những yếu tố này cùng nhau ảnh hưởng đến khả năng hoàn trả nợ, từ đó quyết định sự thành công trong quá trình vay vốn.
Biến phụ thuộc trong nghiên cứu này là khả năng trả nợ đúng hạn của khách hàng, được định nghĩa là một biến nhị phân Cụ thể, nếu khách hàng thanh toán khoản vay gốc và lãi đúng hạn hoặc trong vòng 10 ngày sau hạn, quan sát sẽ nhận giá trị 1; ngược lại, nếu thanh toán muộn hơn 10 ngày, giá trị sẽ là 0.
Biến độc lập bao gồm các biến sau:
Nhóm nhân tố đặc điểm cá nhân bao gồm bốn biến số giới tính, độ tuổi, số lượng thành viên phụ thuộc trong gia đình, tình trạng hôn nhân
Giới tính (SEX) là biến giả trong nghiên cứu, trong đó người vay nữ được gán giá trị 1, còn người vay nam được gán giá trị 0 Dữ liệu này được thu thập từ hồ sơ thông tin khách hàng trong chương trình clos của hệ thống ngân hàng lõi, theo nghiên cứu của Chapman.
Nghiên cứu của năm 1990 cho rằng nam giới thường mang lại rủi ro cao hơn nữ giới do đặc tính cẩn trọng và tiết kiệm của phụ nữ Á Đông Tuy nhiên, các nghiên cứu của Wongnaa (2013) và Million Sileshi (2012) chỉ ra rằng giới tính không có ảnh hưởng lớn đến khả năng trả nợ của khách hàng.
H1: Nếu khách hàng vay giới tính là nam thì giảm biến khả năng trả nợ của KHCN
Theo nghiên cứu của Trương Đông Lộc (2011) và Wongnaa (2013), độ tuổi người vay có ảnh hưởng đáng kể đến rủi ro trả nợ vay Cụ thể, nếu người vay là nam, dấu kỳ vọng sẽ là (-), trong khi đó, nếu là nữ, dấu kỳ vọng sẽ là (+) Độ tuổi được thu thập từ hồ sơ thông tin khách hàng trên chương trình clos, cho thấy rằng người vay lớn tuổi có rủi ro trả nợ cao hơn do thu nhập và động cơ kiếm tiền thường giảm so với người trẻ.
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 được thu thập từ hồ sơ thông tin khách hàng trong chương trình clos qua các nghiên cứu của Trương Đông Lộc (2011) và Li Shuai (2013) đã chỉ ra rằng số lượng thành viên phụ thuộc có tác động rõ rệt đến khả năng tài chính của gia đình.
H3: Số thành viên phụ thuộc vào gia đình càng tăng thì khả năng trả nợ giảm (-)
Tình trạng hôn nhân (MAR) được xác định là một biến giả, trong đó người vay có giá trị 1 nếu đã kết hôn và 0 nếu chưa Dữ liệu thu thập từ hồ sơ khách hàng cho thấy rằng người vay đã kết hôn có khả năng trả nợ cao hơn nhờ vào thu nhập kết hợp của cả hai vợ chồng Ngoài ra, khi có gia đình, người vay thường có trách nhiệm và cẩn trọng hơn trong việc sử dụng vốn vay Giả thuyết này cũng được hỗ trợ bởi nhiều nghiên cứu trước đây, như của Chapman (1940) và Samuel Antwi.
H4 : Nếu người vay đã có gia đình thì khả năng trả nợ sẽ tăng ( +)
Nhóm năng lực của người vay bao gồm ba biến số trình độ học vấn, vị trí công việc, thu nhập
Trình độ học vấn (EDU) là một biến giả quan trọng trong việc đánh giá khả năng trả nợ của người vay Giả thuyết cho rằng người có trình độ học vấn cao sẽ có khả năng trả nợ tốt hơn do thu nhập ổn định và khả năng tính toán hiệu quả sử dụng vốn 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 thông tin khách hàng trên chương trình clos, trong đó biến giả đầu tiên nhận giá trị 1 cho người vay có trình độ từ trung cấp đến cao đẳng, và giá trị 0 nếu không Biến giả thứ hai nhận giá trị 1 cho người vay có trình độ đại học trở lên và 0 nếu ngược lại.
H5: 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, các công việc đòi hỏi chất xám cao, như công việc văn phòng, thường đi kèm với khả năng trả nợ tốt hơn Giả thuyết này tương đồng với nghiên cứu của Li Shuai (2013), trong đó biến giả nhận giá trị 1 nếu người vay có vị trí công việc văn phòng hoặc công việc liên quan đến sử dụng chất xám cao, và giá trị 0 nếu không.
H6: Nếu tình trạng công việc văn phòng thì khả năng trả nợ sẽ tăng (+)
Nhiều nghiên cứu đã chỉ ra rằng thu nhập (INC) có ảnh hưởng đáng kể đến khả năng trả nợ, với giả thuyết cho rằng thu nhập cao hơn sẽ làm giảm rủi ro trả nợ, như được nêu trong các nghiên cứu của Trương Đông Lộc (2011) và Nguyễn Quốc Nghi (2012) Dữ liệu về biến này được thu thập từ hồ sơ thông tin khách hàng trong chương trình clos của core banking.
H7: 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) ảnh hưởng đến khả năng trả nợ của khách hàng, với giả thuyết rằng khoản vay lớn hơn sẽ dẫn đến áp lực trả nợ cao hơn và 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) cho rằng kích cỡ khoản vay có mối tương quan thuận với khả năng trả nợ của khách hàng.
H8: Kích cỡ khoản vay càng cao thì khả năng trả nợ giảm (-)
Thời hạn vay có ảnh hưởng lớn đến khả năng trả nợ đúng hạn của khách hàng Dữ liệu thu thập từ báo cáo MIS cho thấy rằng thời hạn vay dài giúp giảm áp lực tìm kiếm nguồn trả nợ, trong khi các khoản vay ngắn hạn thường khiến khách hàng gặp khó khăn Các khoản vay dài được thiết kế với lịch trả nợ gốc và lãi phù hợp hơn với khả năng tài chính của người vay, điều này cũng được hỗ trợ bởi nghiên cứu của Li Shuai (2013).
H9: Thời hạn vay càng dài thì khả năng trả nợ càng cao (+)
Lãi suất vay (INT) được thu thập từ báo cáo MIS, với giả thuyết rằng lãi suất cao sẽ làm tăng rủi ro trả nợ Giả thuyết này cũng được hỗ trợ bởi nhiều nghiên cứu trước đó, bao gồm các tác giả như Trương Đông Lộc (2011) và Nguyễn Quốc Nghi.
H10: Lãi suất càng cao thì khả năng trả nợ giảm (-)
Tài sản thế chấp (SEC) là tài sản được sử dụng để đảm bảo cho khoản vay tín dụng tại ngân hàng, giúp giảm rủi ro trả nợ Dữ liệu về tài sản thế chấp được thu thập qua báo cáo MIS, với giả thuyết rằng khách hàng có tài sản thế chấp sẽ có trách nhiệm cao hơn trong việc hoàn trả khoản vay Biến này nhận giá trị 1 nếu khách hàng thế chấp tài sản và giá trị 0 nếu không có tài sản thế chấp.
H11: Nếu khách hàng thế chấp tài sản thì khả năng trả nợ tăng (+)
Mô hình dự kiến
3.4.1 Kỳ vọng dấu của hệ số B của các biến độc lập trong mô hình:
Hệ số B Kỳ vọng dấu B Giải thích
Nghiên cứu cho thấy, khách hàng vay nữ có khả năng trả nợ cao hơn so với nam giới, nhờ vào tính cách thận trọng và tiết kiệm Ngược lại, nam giới thường có xu hướng mạo hiểm hơn, dẫn đến mối quan hệ thuận giữa giới tính và khả năng trả nợ.
Khách hàng vay có độ tuổi cao thường gặp khó khăn trong việc trả nợ do thu nhập và sức khỏe giảm sút, dẫn đến mối quan hệ nghịch giữa độ tuổi và khả năng trả nợ.
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 tăng cao Do đó, HOS có mối quan hệ tương quan nghịch với biến phụ thuộc.
Người vay đã kết hôn có khả năng trả nợ cao hơn so với người chưa kết hôn, nhờ vào việc thu nhập được tính từ tổng thu nhập của cả hai vợ chồng Do đó, biến MAR có mối tương quan thuận với biến phụ thuộc.
Trình độ học vấn cao hơn của người vay thường dẫn đến thu nhập ổn định và cao hơn, đồng thời cũng thể hiện ý thức trả nợ tốt hơn Do đó, biến EDU_1 và EDU_2 có mối quan hệ tích cực với biến phụ thuộc.
Công việc văn phòng hoặc các công việc yêu cầu trí tuệ 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
Khi kích cỡ khoản vay tăng, áp lực trả nợ cũng gia tăng, dẫn đến chi phí trả nợ cao hơn Điều này làm giảm khả năng trả nợ đúng hạn, tạo ra mối quan hệ tương quan nghịch giữa biến SOL và biến phụ thuộc.
Thời hạn vay dài giúp tăng khả năng trả nợ đúng hạn, vì khách hàng không bị áp lực trong việc tìm nguồn trả nợ cho ngân hàng Do đó, 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 tăng lên, dẫn đến mối quan hệ tương quan nghịch giữa lãi suất và khả năng chi trả.
Khi khách hàng vay vốn có tài sản thế chấp, trách nhiệm của người vay tại ngân hàng sẽ tăng lên, dẫn đến mối quan hệ thuận giữa tài sản thế chấp và biến phụ thuộc.
Khách hàng vay vốn phục vụ sản xuất kinh doanh có khả năng trả nợ cao hơn, vì nguồn vốn này giúp tạo ra thu nhập để trả 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 do CIC cung cấp, nếu khách hàng không có lịch sử nợ quá hạn hoặc chưa từng có quan hệ tín dụng, khả năng trả nợ của họ sẽ cao hơn Do đó, có thể thấy rằng CIC có mối tương quan thuận với khả năng trả nợ của khách hàng.
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 thấp, dẫn đến việc khách hàng không trả nợ đúng hạn Thông thường, cán bộ thẩm định có từ 2 năm kinh nghiệm trở lên sẽ có khả năng đánh giá tốt hơn, nhờ vào quá trình đào tạo dài hạn, do đó mối quan hệ giữa kinh nghiệm và khả năng đánh giá là thuận lợi.
Bảng 3.1 - Kỳ vọng dấu của hệ số B 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:
Như vậy, mô hình hồi quy (3.5) gồm 15 biến với hệ số B tương ứng từ B 1 ->
Dữ liệu nghiên cứu
Luận văn này sử dụng cả dữ liệu sơ cấp và thứ cấp để phân tích Dữ liệu thứ cấp bao gồm thông tin từ ngân hàng, được trích từ báo cáo tình hình dư nợ cho vay của các chi nhánh Vietinbank như Vietinbank Bình Dương, Vietinbank KCN Bình Dương, Vietinbank Tây Tiền Giang, Vietinbank CN 5 và Vietinbank Phú Yên vào ngày 01/04/2016 Ngoài ra, dữ liệu từ chương trình clos của core banking và phần mềm chấm điểm tín dụng khách hàng trên BDS cũng được sử dụng Đối với biến số năm kinh nghiệm của cán bộ thẩm định KHCN, luận văn kết hợp dữ liệu thứ cấp từ chương trình clos với dữ liệu sơ cấp thu thập từ phỏng vấn nhân viên thẩm định tín dụng cá nhân để cung cấp số liệu cho biến IOS Thêm vào đó, các báo cáo thường niên và báo cáo kiểm toán ngân hàng từ các năm 2013 và 2014 cũng được sử dụng làm dữ liệu thứ cấp.
2015 và 6 tháng đầu năm 2016 để phân tích thực trạng dư nợ KHCN và tình hình nợ quá hạn tại Ngân hàng
Số lượng mẫu là 180 dựa trên nghiên cứu hồi quy đa biến Daniel Boduszek
(2016), trong đó kích thước mẫu được tính toán theo công thức của Tabachnick and Fidell như sau:
N > 50+8*m (3.6) Trong đó: N là số lượng mẫu; m là số biến trong mô hình
Dữ liệu ban đầu được thu thập từ 5 chi nhánh của Ngân hàng với mẫu cân bằng giữa các chi nhánh Sau khi nhập liệu vào file Excel, các khoản vay trả gốc và lãi định kỳ được chọn lọc ngẫu nhiên theo điều kiện để tạo ra các biến phân tích Cuối cùng, phần mềm SPSS được sử dụng để thực hiện phân tích thống kê mô tả và hồi quy mô hình binary logistic.
STT Tên biến Ký hiệu biến Nguồn dữ liệu
Khả năng trả nợ vay của KHCN
(Bằng 1 nếu khách hàng có khả năng trả nợ vay đúng hạn và ngược lại nhận giá trị là 0)
2 Giới tính (Bằng 1 nếu giới tính là nữ và bằng 0 nếu là nam) SEX
Chương trình clos của core banking và phần mềm chấm điểm tín dụng của BDS
4 Số thành viên phụ thuộc gia đình HOS
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)
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)
9 Kích cỡ khoản vay SOL
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)
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 BDS
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)
Báo cáo MIS, chương trình clos và phỏng vấn cán bộ thẩm định
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 sử dụng phương pháp nghiên cứu kết hợp định tính và định lượng Phương pháp định tính được áp dụng qua việc tổng hợp các nghiên cứu trước, tạo nền tảng cho mô hình lý thuyết và giả thuyết nghiên cứu Trong khi đó, phương pháp định lượng được triển khai thông qua việc tổng hợp số liệu thứ cấp và sơ cấp, sử dụng các kỹ thuật 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 số liệu sơ cấp và thứ cấp, sau đó áp dụng phần mềm SPSS để thống kê tần số và thực hiện thống kê mô tả cho 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 quát 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 của KHCN, luận văn sử dụng mô hình binary logistics
Mô hình được thể hiện như sau:
E(Y/X) biểu thị xác suất Y=1, tức là khả năng khách hàng trả nợ vay khi giá là X i Do đó, hàm logistic nhị phân có thể được diễn đạt lại như sau:
Và xác suất khách hàng có khả năng trả nợ và không có khả năng trả nợ là
Khi so sánh xác suất giữa khách hàng có khả năng trả nợ và khách hàng không có khả năng trả nợ, ta có thể tính toán tỷ lệ Odds bằng công thức.
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 vay
Y=0: khách hàng không có khả năng trả nợ vay
3.6.2.1 Diễn dịch ý nghĩa của các hệ số hồi quy:
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hồi quy Binary Logistic có tên gọi do quá trình biến đổi logarit Các hệ số hồi quy trong hồi quy binary logistic có ý nghĩa khác biệt so với hệ số hồi quy trong trường hợp các biến phụ thuộc dạng thập phân.
Hệ số ước lượng B1 trong công thức (3.7) đo lường sự thay đổi trong tỷ lệ logarit của xác suất xảy ra sự kiện khi biến phụ thuộc X1 tăng thêm 1 đơn vị Cụ thể, khi X1 tăng 1 đơn vị, log của tỷ lệ (Pi / (1 - Pi)) sẽ tăng B1 đơn vị Hơn nữa, vế trái của công thức (3.7) đồng biến với xác suất Y=1, do đó nếu B1 có giá trị dương, việc tăng X1 sẽ làm tăng khả năng Y nhận giá trị 1, ngược lại nếu B1 âm, khả năng này sẽ giảm.
Để hiểu rõ ý nghĩa của các hệ số hồi quy, cần tính toán tác động biên của biến độc lập Xi lên xác suất P i (tức xác suất Y=1) bằng 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 2008)
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
Tổng bình phương sai số (Sum of Squares of Error) có giá trị càng nhỏ càng tốt, với giá trị nhỏ nhất của -2LL là 0, điều này cho thấy không có sai số và mô hình đạt 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 B 0 và B 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, kiểm định độ phù hợp tổng quát được thực hiện bằng kiểm định Chi-bình phương để 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 H1, điều này cho thấy các hệ số hồi quy có ý nghĩa thống kê và đóng góp vào 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 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 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 điểm và nhược điểm của các mô hình như MDA, LPM, logit, probit và mạng Neural Trong số đó, mô hình binary logistic được đánh giá là phù hợp nhất nhờ vào tính dễ sử dụng và sự phổ biến trong các nghiên cứu về khả năng trả nợ của khách hàng.
Dựa trên các bằng chứng thực nghiệm từ chương 2 và thực tế tại Ngân hàng, luận văn đề xuất một mô hình nghiên cứu ban đầu với 15 biến độc lập, bao gồm giới tính, độ tuổi, tình trạng hôn nhân, 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 là khả năng trả nợ đúng hạn của khách hàng Dữ liệu nghiên cứu được thu thập từ 180 mẫu khách hàng vay vốn tại 5 chi nhánh của Ngân hàng Vietinbank vào ngày 01/04/2016 Nghiên cứu sử dụng phương pháp thống kê mô tả và hồi quy mô hình binary logistic để xác định mô hình tối ưu với các biến có ý nghĩa thống kê trong chương 4.