Chuyên đề Tính toán xác suất chuyển hạng của một số doanh nghiệp được xếp hạng tại Trung tâm Thông tin tín dụng – Ngân hàng Nhà nước Việt Nam

ợng gần đúng của tài sản. Giả thiết này được dùng để tính tương quan giữa các biến loga-chuẩn của tài sản. Nhưng một điều đáng lưu ý ở đây là giả thiết này có thể ảnh hưởng lớn tới độ chính xác của mô hình. Giả thiết thứ tư được đề cập đến trong mô hình này đó là mỗi doanh nghiệp chỉ tham gia hoạt động tín dụng tại một ngân hàng. Điều này có thể không hợp lí đối với nhiều doanh nghiệp trong thực tê, vì cùng một lúc họ có thể tham gia hoạt động tín dụng với nhiều ngân hàng. Nhưng giả thiết này đảm bảo cho việc tính toán dễ dàng hơn, mà trên thực tế vẫn tồn tại quan hệ làm ăn lâu dài giữa các doanh nghiệp và các ngân hàng. Giả thiết cuối cùng là kì hạn xem xét rủi ro tín dụng là một năm mặc dù vẫn có thể dùng một kì hạn khác. 2. Các đầu vào cần thiết của mô hình Yêu cầu đầu tiên và có lẽ là yêu cầu đầu vào quan trọng nhất của CreditMetrics, đó là một hệ thống xếp hạng tín dụng các doanh nghiệp. Trên nguyên tắc, bất kì một hệ thống xếp hạng phổ biến nào (chẳng hạn hệ thống xếp hạng tín dụng của S&P , Moody’s,…) hay hệ thống xếp hạng riêng của từng quốc gia hay của các ngân hàng đều có thể dùng được Yêu cầu tiếp theo là cần có đặc điểm của từng món vay, cụ thể ở đây bao gồm: dư nợ, kì hạn, lãi suất. Một bộ số liệu cũng khá quan trọng nữa đó là thu nhập từ nguồn vốn chủ sỡ hữu của mối doanh nghiệp. Bộ sô liệu này đặc trưng cho sự thay đổi tài sản theo thời gian của doanh nghiệp. Cuối cùng cần tính đến, đó là bộ số liệu về các chỉ số phát triển ngành. 3. Phần phân tích Đây được coi là phần trọng tâm, phần then chốt, cốt lõi của mô hình CreditMetrics. Trong phần này, chúng ta tập trung vào việc tính toán rủi ro cho các món vay, kì vọng và độ lệch chuẩn của danh mục cho vay của ngân hàng.Cụ thể, ta chỉ xét danh mục cho vay là các món cho doanh nghiệp vay của Ngân hàng. Phần này bao gồm các bước tính toán sau đây: 3.1. Xác định đặc trưng cơ bản của mỗi món cho vay trong danh mục cho vay của ngân hàng đối với các doanh nghiệp Trong phần này, chúng ta cần thu thập được các thông tin quan trọng về các món vay mà các doanh nghiệp vay tại các ngân hàng của mình.Công việc này cũng có thể coi là việc tiến hành tổng hợp một danh mục cho vay của một ngân hàng nào đó. Việc tổng hợp này được minh họa trong bảng dưới đây. BẢNG 2.1. MÔ TẢ DANH MỤC CHO VAY CỦA MỘT NGÂN HÀNG Khoản cho vay Đặc tính Khoản 1 Khoản 2 ……….. Khoản n Hạng ban đầu của con nợ ( doanh nghiệp vay) Giá trị gốc của món vay Lãi suất cho vay Kì hạn (năm) Hạng thu hồi vốn Ghi chú: Khoản i ( i=1:n) là một khoản vay của doanh nghiệp i đối với ngân hàng trong năm tính toán. 3.2.Xác định bảng lãi suất thoả thuận trước mà ngân hàng đặt ra đối với các khoản cho vay nói chung ứng với các kì hạn và hạng tín dụng khác nhau của con nợ Một điều quan trọng trong phần này, đó là lãi suất thoả thuận mà ngân hàng đưa ra đối với các khoản vay có kì hạn khác nhau là khác nhau, và với những doanh nghiệp đi vay có hạng tín dụng khác nhau cũng là khác nhau. Cụ thể, lãi suất này sẽ tăng khi chất lượng tín dụng của doanh nghiệp vay món vay đó giảm, tức là hạng tín dụng thấp tương ứng với lãi suất thoả thuận cao. Vì rõ ràng, hạng tín dụng giảm, tức là khả năng tài chính trong tương lai, khả năng trả nợ của doanh nghiệp giảm, rủi ro tín dụng mà ngân hàng gặp phải tăng nên lãi suất thoả thuận giữa ngân hàng và doanh nghiệp cũng phải tăng để nhằm giảm thiểu rủi ro cho ngân hàng. Tương tự như vây, những khoản vay có kì hạn dài rủi ro hơn những khoản vay có kì hạn ngắn nên lãi suất thoả thuận của những khoản vay của cùng một doanh nghiệp( tức là cùng một hạng tín dụng) sẽ khác nhau khi kì hạn của chúng khác nhau. Cụ thể, ta có bảng mô tả tổng quát như sau: BẢNG 2.2. BẢNG LÃI SUẤT THOẢ THUẬN ĐỐI VỚI CÁC KHOẢN VAY Hạng năm AAA AA A BBB BB B CCC CC C 2 3 …… T-1 T Bảng này giúp ta có thể chiết khấu được luồng tiền của khoản cho vay trong trường hợp doanh nghiệp nắm giữ khoản vay trên chuyển sang một hạng nào đấy hay giữ hạng. Công việc này sẽ được trình bày trong phần sau một cách rõ ràng hơn. 3.3. Xác định ma trận chuyển hạng tín dụng: Để xây dựng được ma trận này chúng ta phải xác định được xác suất chuyển hạng của từng hạng tín dụng sang các hạng tín dụng còn lại.Các xác suất chuyển hạng được tính bằng tần suất trung bình của việc chuyển hạng hàng năm. Thông thường để xác định được ma trận chuyển hạng tín dụng , các tổ chức xếp hạng thường dùng các bộ dữ liệu gồm kết quả xếp hạng tín dụng trong khoảng thời gian khá dài ( từ 5 - 20 năm) Ta nhận thấy rằng xác suất chuyển hạng đối với các doanh nghiệp thuộc các ngành khác nhau là khác nhau. Vì thế, khi xây dựng ma trận chuyển hạng tín dụng ta nên xây dựng theo hướng: mỗi ngành kinh tế có một ma trận chuyển hạng tín dụng riêng, đặc trưng. Để xác định tần suất chuyển hạng hàng năm thì ta dựa trên số liệu về số doanh nghiệp ở hạng đó trong năm trước, và so sánh với số doanh nghiệp cũng ở hạng đó trong năm tiếp theo. Sẽ có 2 trường hợp xảy ra, đó là + Nếu số doanh nghiệp không đổi hoặc tăng, xác suất chuyển hạng bằng 0% + Nếu số doanh nghiệp giảm, chứng tỏ đã có doanh nghiệp chuyển sang hạng khác, xác suất chuyển sang hạng tương ứng xác định bằng số doanh nghiệp chuyển khỏi hạng đó / số doanh nghiệp ban đầu. Việc tính toán cụ thể ma trận này sẽ được trình bày trong chương III với số liệu cụ thể minh họa. 3.4. Xác định kì vọng và phương sai của từng món vay cụ thể của doanh nghiệp (con nợ) ở cuối kì xem xét Theo quan niệm chung trong tài chính, độ rủi ro của tài sản được thể hiện bằng độ biến động (hay độ phân tán) của các giá trị tương lai của nó quanh giá trị kì vọng. Dựa trên logic này, phương sai (hoặc độ lệch chuẩn) của giá trị hiện tại của các luông thu nhập trong tương lai là thước đo tốt nhất cho độ rủi ro tài sản của doanh nghiệp. Do đó, để đánh giá rủi ro của từng tài sản cụ thể, CreditMetrics xác định phân phối của giá trị hiện tại của chúng vào cuối kì xem xét. Giá trị của một tài sản được tính từ giá trị hiện tại của các luồng thu nhập tương lai. Phân phối đó chưa các giá trị của một tài sản với giả định khả năng chuyển hạng tới tất cả các hạng tín dụng và các xác suất tương ứng. Sau đây, ta xét một ví dụ cụ thể về quá trình tính toán này: Giả sử như một khoản cho vay có giá trị ban đầu là M, tiền lãi hàng năm là N, khoản cho vay này hết hạn trong T năm. Giả sử, xếp hạng của doanh nghiệp vay khoản này là g, trong đó g Є G ( với G là tập các thứ hạng tín dụng doanh nghiệp). Vì phải chiết khấu luồng tiền giữa năm 1 với năm T chứ không phải giữa năm 0 với năm T (vì ta đang xét ở cuối kì xem xét), nên chúng ta sẽ cần có các tỷ lệ lãi suất thoả thuận, được tính toán từ nhiều món vay trên thị trường. Kí hiệu các lãi suất ấn định trước hàng năm trong khoảng từ năm 1 đến năm t của các con nợ hạng g là f. Khi đó, giá trị của khoản cho vay vào cuối năm thứ nhất là: V = N + + Trong đó, g Є G ; t = 1 à T Từ đó, tính được giá trị kì vọng của món cho vay vào cuối kì được tính bằng công thức: E [V1] = V. Trong đó, V là giá trị của món cho vay nếu việc chuyển sang hạng g đã xảy ra và là xác suất của việc chuyển hạng đó, được xác định từ ma trận chuyển hạng tín dụng đã được tính toán ở trên. Phương sai của giá trị món cho vay trên được tính bằng: [V1] = ( V - E[V1])2 . Như đã nói ở trên, độ lệch chuẩn là thước đo rủi ro đối với từng món cho vay cụ thể. 3.5. Xác định kì vọng và phương sai của danh mục cho vay của ngân hàng Ta thấy rằng đối với một danh mục cho vay gồm n khoản vay của n doanh nghiệp khác nhau thì: Giá trị trung bình bằng tổng của giá trị trung bình các món vay. Phương sai được tính bằng dựa trên phương sai của các món cho vay cụ thể. Cụ thể công thức xác định phương sai của danh mục cho vay được cho dưới đây = - (n-2) (*) Trong đó, biểu diễn phương sai của danh mục cho vay biểu diễn phương sai của từng món vay cụ thể (i=1:n) biểu diễn hiệp phương sai giữa hai món vay i, j nào đó Có thê thấy rằng việc xác định phương sai hay độ lệch chuẩn của danh mục cho vay phụ thuộc phần lớn vào việc tính hiệp phương sai giữa các món cho vay khác nhau. Để tính được nó chúng ta cần có xác suất chuyển hạng chung của tất cả các cặp tài sản. Nếu xác suất chuyển hạng của các tài sản độc lập với nhau thì chúng ta có thể tính xác suất chuyển hạng chung bằng cách nhân các xác suất chuyển hạng riêng với nhau. Tuy nhiên, do xác suất chuyển hạng của các tài sản có quan hệ với nhau nên CreditMetrics tìm cách xác định hệ số tương quan giữa chúng. Việc tính toán phương sai hay độ lệch chuẩn của danh mục cho vay chính là mục tiêu quan trọng nhất của CreditMetrics, vì các đại lượng này đại diện cho tổn thất của danh mục cho vay của ngân hàng. Từ đó, giúp ngân hàng có thể xác định được lượng dự phòng cần thiết của ngân hàng. 3.6. Tương quan giữa các món vay Mặc dù mối quan tâm chính của mô hình là phân phối giá trị của món vay ở cuối kì xem xét nhưng việc tính toán nó được đơn giản hóa bằng cách xem giá trị V của món vay của con nợ như một quá trình ngẫu nhiên liên tục. Công thức thay đổi của nó, theo mô hình định giá quyền chọn của Merton cũng như theo lí thuyết định giá tài sản phái sinh được viết như sau: = .dt + .dW Trong đó, μ là tốc độ tăng trung bình của tổng tài sản doanh nghiệp, σ là độ biến động của tốc độ tăng tổng tài sản quanh giá trị trung bình trên, W là quá trình Wiener chuẩn, độc lập. Các trường hợp phổ biến của μ và σ tương ứng với phân phối chuẩn của V (chính là quá trình chuyển động Brown). Khi đó, giá trị của món cho vay tại thời điểm t có thể được viết như sau: Vt = Vo .exp {( μ –)t + σWt CreditMetrics còn sử dụng biến log chuẩn hóa được định nghĩa như sau: R = ~ N(0,1) Do không có số liệu về giá trị thị trường của các doanh nghiệp nên mô hình giả định các doanh nghiệp chỉ kinh doanh bằng nguồn vốn chủ sở hữu để dùng nó thay giá trị thị trường của các doanh nghiệp. Để xác định tương quan giữa giá trị thị trường của các doanh nghiệp (mà thực chất đã được thay bằng nguồn vốn chủ sở hữu theo giả thiết trên), CreditMetrics giả định rằng các doanh nghiệp vay vốn đều đối mặt với một tập các rủi ro hệ thống và phần dư được định nghĩa như rủi ro riêng của từng doanh nghiệp. Rủi ro hệ thống được biểu hiện bằng một tập các chỉ số của ngành có độ biến thiên và tương quan cặp đã biết. Từ đó, việc xác định lĩnh vực hoạt động của mỗi con nợ sẽ cho biết mức độ ảnh hưởng của rủi ro hệ thống đối với từng con nợ hay chính là của từng doanh nghiệp vì mức độ tham gia vào một ngành của doanh nghiệp thường được tính bằng giá trị trung bình của tỷ lệ vốn và tỷ lệ doanh thu cua nó trong lĩnh vực đó. Do đó, thu nhập chuẩn hóa của hai món cho vay cụ thể (chính là các biến ngẫu nhiên phân phối chuẩn) được phân tích như sau: R = R’ = Trong đó, {xi} là tập các chỉ số của các ngành liên quan đến các doanh nghiệp, wi và w là các trọng số của mỗi doanh nghiệp (chính là mức độ tham gia vào ngành của doanh nghiệp), ε và ε’ là các yếu tố đặc trưng được coi là có phân phối chuẩn và không tương quan với các yếu tố chung cũng như các yếu tố đặc trưng khác của doanh nghiệp. Các hệ số w và w’ được xác định sao cho phướng sai của R và R’ bằng 1. Từ đó, ta dễ dàng tính toán được tương quan giữa R và R’ theo công thức sau: ρ(R,R’) = Từ đó, ta sẽ tính được hiệp phương sai giữa R và R’. 3.7. Tính toán xác suất chuyển hạng chung của một cặp nợ bất kì Việc ước tính xác suất này dựa trên việc tổng quát hóa mô hình định giá quyền chọn của Merton. Nói cách khác, chúng ta giả thiết rằng các thay đổi của giá trị tài sản doanh nghiệp sẽ làm thay đổi hạng tín dụng của chúng, chẳng hạn nếu giá trị tài sản của doanh nghiệp giảm xuống tới một giới hạn nhất định, doanh nghiệp sẽ bị chuyển xuống hạng CCC. Các giới hạn đó được chọn để thích ứng với phân phối chuẩn hóa của biến loga của giá trị tài sản. Thủ tục ánh xạ được minh họa qua ví dụ cụ thể sau: Giả sử ta có bảng xác suất chuyển hạng của một doanh nghiệp vay vốn hạng BBB như bảng sau: Hạng Xác suất AAA 0.02 AA 0.33 A 5.59 BBB 86.93 BB 5.30 B 1.17 CCC 0.12 CC 0.15 C 0.03 Đồ thị phía bên phải biểu diễn phân phối chuẩn hóa cùng với các giá trị giới hạn suy từ bảng xác suất chuyển hạng bên trái. ZC biểu diễn một số thực mà diện tích vùng nằm dưới đường cong và đường thẳng đứng kẻ từ đó bằng 0,03 (xác suất chuyển xuống hạng C). ZCC biểu diễn một số thực bằng diện tích vùng nằm dưới đường cong và giữa hai trục thẳng đứng kẻ từ đó bằng 0.15 (xác suất chuyển xuống hạng CC),… Quá trình đó được tiếp tục cho đến khi toàn bộ vùng nằm dưới đường cong được phân thành các vùng không chồng nhau tương ứng với các xác suất chuyển hạng. Phân phối chung của các biến log- chuẩn hóa ( R, R’) cho một cặp tài sản được giả định là tuân theo quy luật phân phối chuẩn 2 chiều với tương quan . Sau đó, xác suất chuyển hạng chung trong thời hạn 1 năm từ cặp xếp hạng ( g, m) sang hạng ( h, n) được tính bằng công thức sau: P(h, n) = P(Z < R < Z, Z < R’ < Z ) = Trong đó, f(u,u,) là hàm mật độ xác suất của cặp biến loga-chuẩn hóa (R,R’), được xác định dựa theo công thức sau: f(u,u,) = exp{(u2 - 2.u.u’+ u’)} (Do các biến tuân theo quy luật chuẩn hóa nên phương sai của chúng đều bằng 1, và kì vọng của chúng đều bằng 0. Ta thay những kết quả đó vào công thức tổng quát của hàm mật độ xác suất của cặp biến ngẫu nhiên phân phối chuẩn sẽ được công thức cuối cùng như trên) Sau khi tính được các xác suất chuyển hạng chung đó, việc phân tích rủi ro của danh mục cho vay của các ngân hàng thương mại sẽ được kết thúc bằng việc tính các hiệp phương sai giữa từng cặp 2 món cho vay. Ví dụ bình phương của hiệp phương sai giữa 2 món cho vay bất kì trong danh mục có thể được tính bằng công thức sau: = + )2. P(h,n) - 2 Trong đó: h,n là các hạng tín dụng thuộc tập hợp tất cả các hạng tín dụng có thể có G V, V là giá trị của các món cho vay i, j tại các hạng h, n. P(h,n) là 2 doanh nghiệp vay 2 món vay i, j tương ứng chuyển sang 2 hạng h,n. Đến đây, chúng ta có thể thay vào công thức (*) ở trên để tính được phương sai (hay tổn thất) của toàn bộ danh mục cho vay. Từ đó, sẽ có những biện pháp hữu hiệu để quản lí danh mục cho vay Trên đây là toàn bộ nội dung phần phân tích của mô hình CreditMetrics. Ta thấy rằng, giá trị trung bình và phương sai là hai yếu tố quan trọng hàng đầu của phân phối của giá trị cho vay tại mốc xem xét rủi ro. Nếu phân phối đó là chuẩn thì giá trị trung bình và độ lệch chuẩn là đủ để phân tích rủi ro của danh mục cho vay và xác định lượng dự phòng cần thiết. Tuy nhiên, giá trị danh mục cho vay là tổng của rất nhiều biến log-phân phối chuẩn, nên không có phân phối chuẩn, vì thế rất khó có thể tìm ra một biểu diễn tham số đơn giản cho nó và hơn nữa độ lệch chuẩn không phải là một thước đo đáng tin cậy của rủi ro của danh mục cho vay. Vì lí do này mà CreditMetrics dùng kĩ thuật mô phỏng Monte Carlo để xác định phân phối của giá trị danh mục cho vay tại kì hạn xem xét rủi ro và thực hiện việc tính toán rủi ro ở mức danh mục cho vay theo phương pháp VaR. Tuy nhiên, phần phân tích với mục tiêu quan trọng nhất là tính toán giá trị trung bình và phương sai vẫn cung cấp cho chúng ta những thông tin bổ ích về danh mục cho vay và đáp ứng hai nhiệm vụ quan trọng: Thứ nhất, chúng cho phép kiểm tra độ chính xác của ước lượng theo mô phỏng MonteCarlo. Thứ hai, chúng được dùng trực tiếp để xác định đóng góp rủi ro cận biên của mỗi tài sản (ở đây chính là mỗi món cho vay). Ta thấy rằng đóng góp rủi ro cận biên của mỗi tài sản đều nhỏ hơn độ rủi riêng của từng tài sản vì khi số tài sản trong danh mục tăng lên thì nhờ hiệu ứng đa dạng hóa danh mục đầu tư rủi ro của sẽ giảm. Đóng góp rủi ro biên cho biết tài sản nào làm tăng độ rủi ro của danh mục cho vay nhiều hơn và do đó là một công cụ hữu ích trong việc lựa chọn danh mục cho vay. Phần tiếp theo, em xin trình bày những nét cơ bản về mô phỏng Monte Carlo. 4.Phần mô phỏng Monte Carlo: Mô phỏng Monte Carlo là phương pháp phỏng đoán thông tin về một quá trình ngẫu nhiên nhất định (được mô tả bằng hàm mật độ xác suất) bằng cách sử dụng các số ngẫu nhiên thực lấy trong khoảng [0,1]. Logic của phương pháp này là ở chỗ khi số quan sát tăng lên vô hạn thì quá trình mô phỏng nhân tạo sẽ xấp xỉ với độ chính xác của quá trình ngẫu nhiên thực. Với một danh mục cho vay có n tài sản, mô hình dùng phương pháp Monte Carlo để sinh ra phân phối mô phỏng của giá trị cho vay vào cuối kì xem xét theo các bước sau: Chỉ định các giới hạn cho mỗi hạng tín dụng (các giới hạn này đã được trình bày trong phần tính toán xác suất chuyển hạng chung) Xác định tương quan cặp giữa các biến loga chuẩn hóa của các tài sản Tạo ra một viễn cảnh chứa n giá trị loga-chuẩn của tài sản và bảo toàn cầu trúc tương quan của danh mục cho vay thực So sánh các biến loga chuẩn hóa của tài sản và các giá trị giới hạn, một xếp hạng tín dụng mới được gán cho mỗi tài sản. Sau đó giá trị từng món cho vay được xác định theo cách đã trình bày trong mục 3.4. Giá trị danh mục cho vay là tổng của n giá trị thu được ở trên Quá trình được lặp đi lặp lại nhiều lần Do việc mô phỏng được thực hiện với số lần rất lớn nên phân phối của giá trị danh mục cho vay của ngân hàng sẽ cho phép ước lượng rủi ro của nó theo phương pháp VaR. III. Ưu, nhược điểm của mô hình 1. Ưu điểm Trước hết, nhận thấy rằng CreditMetrics là một công cụ khá hữu ích và nhạy để xác định thay đổi của giá trị danh mục cho vay do thay đổi chất lượng tín dụng. Trong đó, phần phân tích của mô hình này cho phép chúng ta tính được giá trị kì vọng và phương sai của giá trị danh mục cho vay. Việc mô phỏng Monte Carlo xác định phân phối của giá trị tài sản và nhờ đó, dựa trên VaR có thể ước tính một cách tin cậy rủi ro của danh mục cho vay. Hơn thế nữa, CreditMetrics là một công cụ ước tính rủi ro khá cần thiết trong giai đoạn hiện nay khi khoảng tối thông tin ngày càng nhiều, và nhiều loại rủi ro mới phát sinh. Vì rõ ràng phương pháp này tỏ rõ thế mạnh của mình, đó là có thể sử dụng trong những trường hợp số liệu đưa ra không đáp ứng được các yêu cầu số liệu của các phương pháp ước tính rủi ro khác. Không chỉ có thể, ngoài việc đánh giá rủi ro của danh mục cho vay thì CreditMetrics còn là một công cụ hữu hiệu để tính toán xác suất chuyển hạng của các doanh nghiệp cũng như của các công cụ đầu tư hiện nay. Vì thế, hiện nay CreditMetrics đang được nhiều tổ chức xếp hạng tín dụng cũng như các ngân hàng lớn trên thế giới triển khai và áp dụng rộng rãi phương pháp này trong việc tính toán xác suất chuyển hạng cũng như tính toán rủi ro của các danh mục cho vay. 2. Nhược điểm Tuy nhiên, mô hình này cũng không tránh khỏi một số hạn chế: Hạn chế đầu tiên của mô hình là giả thiết các doanh nghiệp trong cùng một hạng tín dụng có cùng xác suất chuyển hạng. Giả thiết này và giả thiết xác suất thực tế tình bằng tần suất trung bình tính từ các số liệu thống kê trong quá khứ đã bị nhiều công ty và tổ chức xếp hạng phản đối, mà tiêu biểu là công ty KMV. Hạn chế thứ hai là giả thiết tất cả các lãi suất là xác định. Do đó mô hình không nhạy cảm với những biến động của thị trường tiền tệ. Các điều kiện kinh tế chung không được xem xét trực tiếp trong mô hình vì mặc dù thu nhập của tài sản được liên kết với các yếu tố hệ thống nhưng các chỉ số ngành chỉ phản ánh một phần các xu hướng kinh tế. Hạn chế thứ ba là mô hình cùng tương quan của nguồn vốn chủ sở hữu thay cho tương quan tài sản – điều này có thể làm cho ước lượng không chính xác. CHƯƠNG III ÁP DỤNG MÔ HÌNH CREDITMETRICS VÀO TÍNH TOÁN XÁC SUẤT CHUYỂN HẠNG CỦA MỘT SỐ DOANH NGHIỆP VIỆT NAM Nhận xét chung: Do ở nước ta, nền kinh tế mới đang trong giai đoạn chuyển đổi, phát triển từ từ, từng bước, đặc biệt là hệ thống ngân hàng- tài chính mới bắt đầu công cuộc cải tổ và phát triển trong một vài năm gần đây nên cơ sở dữ liệu để đáp ứng cho việc phát triển mô hình CreditMetrics có thể nói là chưa hoàn toàn đầy đủ, thậm chí trong điều kiện hiện nay việc áp dụng mô hình này vào nước ta là không thể. Nhưng do thế mạnh cũng như tính chính xác, tính ưu việt của phương pháp này là rất lớn và với hi vọng trong tương lai không xa, với những số liệu đầy đủ hơn thì việc áp dụng CreditMetrics vào hệ thống xếp hạng tín dụng nói riêng và hệ thống quản trị tài chính nói chung ở nước ta là hoàn toàn phù hợp và hoàn toàn có thể thực hiện được, nên em mạnh dạn đưa đề tài này vào chuyên đề thực tập tốt nghiệp của mình. Chính do điều kiện dữ liệu không cho phép như đã nói ở trên và tính chất bí mật của cơ sở thực tập là rất cao nên chuyên đề của em chỉ mang mục đích giới thiệu về mặt lí thuyết mô hình này, và trong phần tính toán cụ thể đối với Việt Nam thì những tính toán chỉ mang tính minh họa cho cơ sở lí thuyết đã trình bày trong chương trước còn tính thực tế thì em đã cố gắng hết sức để đảm bảo nó, nhưng chắc chắn tính thực tế là không cao. Để dễ dàng hơn trong quá trình tính toán, và mục đích của chuyên đề mang tính định hướng hơn là thực tế, chúng ta sẽ tính toán một số doanh nghiệp điển hình. Cụ thể, chúng ta sẽ xem xét đại diện 4 doanh nghiệp thuộc 4 ngành kinh tế theo cách phân chia của Trung tâm Thông tin tín dụng đã nói ở phần trên, cả 4 doanh nghiệp này được giả sử là tham gia hoạt động tín dụng tại một ngân hàng nào đó. Bốn doanh nghiệp mà chúng ta nhắc đến bao gồm 4 doanh nghiệp thuộc 4 ngành tương ứng như sau: Doanh nghiệp A: thuộc ngành nông lâm ngư nghiệp Doanh nghiệp B: thuộc ngành công nghiệp Doanh nghiệp C: thuộc ngành xây dựng Doanh nghiệp D: thuộc ngành thương mại dịch vụ Về mặt thời gian, ta sẽ thực hiện các tính toán với thời kì gốc là đầu năm 2006, và cuối kì xem xét là đầu năm 2007. Sau đây là toàn bộ quá trình tính toán đối với những doanh nghiệp này. I. Dữ liệu đầu vào Các dữ liệu đầu vào được cung cấp bởi Trung tâm Thông tín tín dụng- Ngân hàng Nhà nước Việt Nam kết hợp với những thông tin tham khảo trên mạng và nhiều sách báo tạp chí khác. Các dữ liệu thu thập và xử lí được bao gồm: 1. Bảng kết quả xếp hạng tín dụng toàn bộ các doanh nghiệp theo ngành kinh tế được tổng hợp trong 5 năm từ 2001 đến 2005. Bảng này được xây dựng dựa trên các báo cáo tài chính doanh nghiệp được cung cấp bởi phòng Kĩ thuật – Trung tâm thông tin tín dụng, Ngân hàng Nhà nước Việt Nam. Qua thời gian thực tập tại CIC, em đã tìm hiểu được phương pháp cũng như cách thức chấm điểm tín dụng tại đây, vì thế bảng xếp hạng tín dụng mà em xây dựng trong chuyên đề này hoàn toàn phù hợp với cách thức xếp hạng tín dụng đang được thực hiện tại CIC. 2. Đặc điểm về kì hạn, lãi suất và giá trị gốc của các món cho vay của ngân hàng đối với 4 doanh nghiệp thuộc 4 ngành kinh tế đã nói ở trên. Những thông tin này được cung cấp bởi CIC trong các báo cáo xếp hạng tín dụng của 4 doanh nghiệp này. 3. Nguồn vốn chủ sở hữu của bốn doanh nghiệp A, B, C, D. Theo giả thiết của mô hình CreditMetrics nguồn vốn chủ sở hữu có thể dùng như ước lượng gần đúng của tài sản, vì thế số liệu về nguồn vốn chủ sở hữu là rất cần thiết trong việc tính toán của mô hình này. 4. Thu nhập từ nguồn vốn chủ sở hữu của các doanh nghiệp. Số liệu này được tính toán dựa trên bảng báo cáo kết quả kinh doanh của doanh nghiệp. Chỉ tiêu này thể hiện độ biến động của tài sản theo thời gian. 5. Tập hợp một số chỉ số của từng ngành và tương quan về chỉ số giữa các ngành. II. Phần phân tích Với số liệu cụ thể, ta sẽ đi tính toán từng bước theo chỉ dẫn của phần cơ sở lí luận đã trình bày trong chương II. 1. Xác định đặc trưng cơ bản của danh mục cho vay của ngân hàng Như ta đã giả thiết ở trên rằng 4 doanh nghiệp mà chúng ta xem xét đại diện cho 4 ngành kinh tế khác nhau cùng tham gia hoạt động tín dụng tại một ngân hàng. Dựa vào kết quả bảng báo cáo xếp hạng 4 doanh nghiệp này của CIC ta có bảng tổng kết đặc trưng của các món vay của doanh nghiệp tại ngân hàng như sau: BẢNG 3.1. MÔ TẢ CÁC MÓN VAY NGÂN HÀNG CỦA TỪNG DOANH NGHIỆP Món vay Đặc tính DN A DN B DN C DN D Hạng ban đầu BB CCC BB BBB Giá trị gốc (triệu VNĐ) 500 900 1000 1006 Lãi suất (%/năm) 12 14 12.75 11.5 Kì hạn (năm) 3 4 5 4 Trong bảng trên, hạng ban đầu của doanh nghiệp là kết quả xếp hạng cuối năm 2004, được tính là hạng ban đầu vào cho thời điểm đầu năm 2005. Giá trị gốc là giá trị món vay có thể phát sinh vào bất cứ thời gian nào. Nhưng ở đây trong quá trình lựa chọn doanh nghiệp đại diện cho 4 ngành để đưa vào tính toán, em đã cố tình lựa chọn những doanh nghiệp tham gia vay vốn vào thời điểm đầu năm 2006 để thuận tiện cho việc tính toán. Trong thực tế, điều này hoàn toàn phù hợp khi xét danh mục cho vay của một ngân hàng vào thời điểm nào đó thì người ta cũng xét danh mục những món cho vay tại thời điểm đó. Ta cũng giả thiết rằng phương thức tính lãi và gốc của ngân hàng như sau: lãi trả hàng năm, gốc trả vào cuối kì (tức là trả vào thời điểm đáo hạn của khoản vay). 2.Bảng lãi suất thoả thuận trước mà ngân hàng đặt ra đối với các khoản cho vay nói chung ứng vói các kì hạn và hạng tín dụng khác nhau Hiện nay, trong hoạt động tín dụng của các ngân hàng thương mại thì luôn luôn có một khung lãi suất định trước do ngân hàng lập ra mang tính chất tham chiếu. Khung này được lập ra dựa trên sự