LỜI MỞ ĐẦU 1
CHƯƠNG I: NHỮNG VẤN ĐỂ CƠ BẢN VỀ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI 3
1.1. Hoạt động tín dụng của ngân hàng thương mại 3
1.1.1.Khái niệm về ngân hàng thương mại 3
1.1.2.Đặc điểm hoạt động tín dụng của ngân hàng thương mại 3
1.1.3.Phân loại hoạt động tín dụng của ngân hàng thương mại 5
1.2. Rủi ro tín dụng của ngân hàng thương mại 8
1.2.1.Khái niệm rủi ro tín dụng ngân hàng 8
1.2.2. Nguyên nhân và hậu quả của rủi ro tín dụng 9
1.2.3. Các chỉ tiêu đánh giá rủi ro tín dụng của ngân hàng thương mại 11
1.2.3.1.Nợ quá hạn 11
1.2.3.2.Các chỉ tiêu khác 13
1.3.Các đảm bảo tín dụng 14
1.3.1.Đảm bảo cá nhân 14
1.3.2. Đảm bảo thực tế 14
1.3.2.1.Quyền cầm giữ tài sản 14
1.3.2.2. Thế chấp tài sản 15
CHƯƠNG II: PHÂN TÍCH VÀ ĐÁNH GIÁ RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY TẠI NGÂN HÀNG QUỐC TẾ 16
2.1. Khái quát chung về Ngân hàng Quốc tế 16
2.1.1. Lịch sử hình thành và phát triển 16
2.1.2. Tổ chức quản lý hệ thống của VIBank 18
2.1.2.1. Ban Kiểm soát 18
2.1.2.2.Uỷ ban quản lý tài sản Nợ - Có 18
2.1.2.3.Uỷ ban Tín dụng 19
2.1.2.4. Ban điều hành 19
2.1.3. Tình hình hoạt động của VIBank 20
2.1.3.1. Hoạt động nguồn vốn 20
2.1.3.2. Hoạt động tín dụng 21
2.1.3.3. Hoạt động dịch vụ 22
2.2 Phân tích và đánh giá rủi ro tín dụng trong hoạt động cho vay tại Ngân hàng Quốc tế 23
2.2.1 Các mô hình sử dụng trong phân tích 23
2.2.1.1. Mô hình định tính 23
2.2.1.2. Mô hình định lượng 31
2.3 Ứng dụng mô hình kinh tế lượng phân tích và đánh giá rủi ro tín dụng trong hoạt động cho vay của VIBank 36
2.3.1 Mô hình ARIMA 36
2.3.2 Mô hình ARCH 38
2.3.3 Mô hình GARCH 40
2.3.4 Mô hình GARCH – Mean 45
2.3.5 Các mô hình ARCH không đối xứng 49
2.3.5.1 Mô hình TGARCH 49
2.3.5.2 Mô hình EGARCH 51
3.1 Định hướng hoạt động tín dụng của Ngân hàng Quốc tế trong thời gian tới 57
3.1.1 Định hướng chung 57
3.1.2 Định hướng hoạt động tín dụng 57
3.2 Giải pháp hạn chế rủi ro tín dụng 59
3.2.1 Xây dựng bộ số liệu chuẩn 59
3.2.2 Đo lường rủi ro tín dụng theo ngành nghề kinh tế 60
3.2.3 Thực hiện đa dạng hoá phân tán rủi ro 61
3.2.4 Chú trọng nâng cao trình độ của cán bộ tín dụng 62
3.2.5 Nâng cao chất lượng công tác thẩm định dự án vay vốn 63
3.2.6 Tiếp tục đẩy mạnh việc xử lý nợ quá hạn và có biện pháp thu hồi những khoản nợ cũ 65
3.3 Kiến nghị 66
3.3.1 Kiến nghị với Ngân hàng Nhà nước 66
3.3.2 Kiến nghị với Ngân hàng Quốc tế 67
KẾT LUẬN 68
DANH MỤC TÀI LIỆU THAM KHẢO 69
PHỤ LỤC 1 70
PHỤ LỤC 2 78
87 trang |
Chia sẻ: huong.duong | Lượt xem: 1348 | Lượt tải: 3
Bạn đang xem trước 20 trang tài liệu Đề tài Phân tích và đánh giá rủi ro tín dụng trong hoạt động cho vay tại Ngân hàng Quốc tế, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
kỳ 30, 60, hay 90 ngày đối với khoản tín dụng nhỏ và vừa; còn đối với những khoản tín dụng lớn hơn phải thường xuyên hơn.
Xây dựng kế hoạch, chương trình, nội dung quá trình kiểm tra một cách thận trọng và chi tiết, bảo đảm rằng những khía cạnh quan trọng nhất của mỗi khoản tín dụng phải được kiểm tra bao gồm: xem xét kế hoạch trả nợ của khách hàng, chất lượng và điều kiện tài sản đảm bảo tín dụng, tính đầy đủ và hợp lệ của hợp đồng tín dụng, đánh giá điều kiện tài chính và những dự báo về người vay, đánh giá xem khoản tín dụng có tuân thủ chính sách cho vay của ngân hàng không?
Kiểm tra thường xuyên các khoản tín dụng lớn, bởi vì nếu các khoản tín dụng lớn mà xảy ra gây tổn thất có thể ảnh hưởng nghiêm trọng đến điều kiện tài chính của ngân hàng.
Quản lý chặt chẽ và thường xuyên các khoản tín dụng có vấn đề, tăng cường kiểm tra giám sát khi phát hiện những dấu hiệu không lành mạnh liên quan đến khoản tín dụng của ngân hàng.
Tăng cường kiểm tra tín dụng khi nền kinh tế có những biểu hiện đi xuống, hoặc những ngành nghề sử dụng nhiều tín dụng của ngân hàng có biểu hiện những vấn đề nghiêm trọng trong phát triển.
c. Xử lý tín dụng có vấn đề
Các khoản tín dụng có vấn đề thường bao gồm các trường hợp: Người vay không thể trả đúng hạn một hay nhiều kỳ, tài sản đảm bảo tín dụng giảm đáng kể. Do vậy các chuyên gia xử lý tín dụng của ngân hàng cần phải có các biện pháp hạn chế và xử lý nhằm hạn chế rủi ro tín dụng như:
Tận dụng tối đa để thu hồi đầy đủ nợ đã cho vay.
Khẩn trương khám phá và báo cáo kịp thời mọi vấn đề thực chất liên quan đến tín dụng, mọi chậm trễ đều làm cho tình hình tín dụng xấu hơn.
Trách nhiệm xử lý tín dụng có vấn đề phải độc lập với chức năng cho vay nhằm tránh những xung đột có thể xảy ra với quan điểm của cán bộ tín dụng trực tiếp cho vay.
Chuyên gia xử lý tín dụng cần hội ý khẩn với khách hàng về các giải pháp có thể, đặc biệt là tinh giảm chi phí, tăng nguồn thu, và tăng cường công tác quản lý.
Dự tính những nguồn thu có thể dùng để thu nợ có vấn đề.
Chuyên gia cần tiến hành nghiên cứu nghĩa vụ thuế và những tranh chấp xem khách hàng còn nghĩa vụ tài chính nào chưa thực hiện.
Đối với doanh nghiệp, chuyên gia cần đánh giá chất lượng, năng lực và sự nhất quán trong quản lý, đồng thời trực tiếp tiến hành khảo sát các hoạt động và các tài sản của doanh nghiệp.
Chuyên gia phải cân nhắc mọi phương án có thể hoàn thành việc thu hồi nợ có vấn đề, bao gồm cả việc thoả thuận gia hạn nợ tạm thời nếu khách hàng chỉ gặp khó khăn trước mắt, hoặc tìm kiếm giải pháp nhằm tăng cường lưu chuyển tiền tệ cho khách hàng.
d. Hệ thống chỉ tiêu tài chính đánh giá khách hàng
Nhóm chỉ tiêu thanh khoản
Chỉ tiêu thanh toán nhanh hay tức thời: là khả năng chuyển tài sản lưu động thành tiền một cách nhanh chóng, người ta sử dụng chỉ tiêu thanh toán theo một trong hai cách sau:
Chỉ tiêu thanh toán tức thời
Các tài sản lưu động chuyển thành tiền tức thời
Chỉ tiêu thanh toán tức thời = -------------------------------------------------------- Nợ ngắn hạn
Chỉ tiêu thanh toán ngắn hạn
Tài sản lưu động
Chỉ tiêu thanh toán ngắn hạn = ---------------------
Nợ ngắn hạn
Chỉ tiêu vốn lưu động ròng
Chỉ tiêu vốn lưu động ròng = Tài sản lưu động - Nợ ngắn hạn
Nhóm chỉ tiêu hoạt động
Nhóm chỉ tiêu hoạt động đo lường mức độ hiệu quả trong việc sử dụng tài sản của doanh nghiệp. Có ba chỉ tiêu chính về hoạt động của doanh nghiệp:
Vòng quay hàng tồn kho
Giá vốn hàng bán
Vòng quay hàng tồn kho = ------------------------------
Hàng tồn kho bình quân
Kỳ thu nợ bình quân
Tài khoản phải thu bình quân
Kỳ thu nợ bình quân = -------------------------------------------------
Doanh số bán chịu hàng ngày bình quân
Vòng quay tổng tài sản
Doanh thu hàng năm
Vòng quay tổng tài sản = ----------------------------
Tổng tài sản
Nhóm chỉ tiêu đòn bẩy
Nhóm chỉ tiêu đòn bẩy phản ánh quy mô nợ so với vốn cổ phần của doanh nghiệp, đồng thời là bằng chứng về khả năng hoàn trả các khoản nợ của doanh nghiệp trong dài hạn.
Tỷ số nợ trên tổng tài sản
Tổng dư nợ
Tỷ số nợ = -------------------
Tổng tài sản
Khả năng trả lãi tiền vay
Lợi nhuận trước thuế và lãi vay
Khả năng trả lãi tiền vay = ----------------------------------------
Chí phí lãi vay
Nhóm chỉ tiêu khả năng sinh lời
Tỷ lệ sinh lời trên doanh thu
Lợi nhuận sau thuế
Tỷ lệ sinh lời của doanh thu = -------------------------
Doanh thu
Tỷ lệ sinh lời trên vốn chủ sở hữu
Lợi nhuận sau thuế
ROE = ---------------------------
Vốn chủ sở hữu
Tỷ lệ sinh lời trên tổng tài sản
Lợi nhuận sau thuế
ROA = -------------------------
Tổng tài sản
2.2.1.2. Mô hình định lượng
TLt: chuỗi số liệu tỷ lệ nợ quá hạn trên tổng dư nợ của thời kỳ t
KNMVt: chuỗi số liệu khả năng mất vốn thời kỳ t
Nợ quá hạn không có khả năng thu hồi
Khả năng mất vốn = -----------------------------------------------
dư nợ quá hạn.
Trong mục này, ta sử dụng các mô hình trong kinh tế lượng
Mô hình ARIMA
Xét chuỗi thời gian
Trường hợp đặc biệt quá trình tự hồi quy AR(p) bậc p có dạng như sau:
Trong đó : là các chuỗi thời gian các thời kỳ trễ t-1, t-2, ….t-p.
là nhiễu trắng
Điều kiện để quá trình AR(p) hội tụ là
Và trường hợp đặc biệt quá trình trung bình trượt bậc q có dạng:
, t =1, 2,…n
Trong đó là nhiễu trắng
Điều kiện để MA(q) hội tụ là
Mô hình tổng quát ARIMA là:
Mô hình ARCH
Mô hình tổng quát
Biểu diễn như sau:
có phân bố i.i.d nghĩa là , , thông thường
người ta hay dùng có phân bố chuẩn hoá hoặc phân bố T được chuẩn hoá.
là chuỗi số liệu tỷ lệ nợ quá hạn (TL) hoặc chuỗi số liệu khả năng mất vốn (KNMV).
biểu diễn thành 2 phần:
: Kỳ vọng
thông thường biểu diễn ARMA(p,q)
: phương sai
Yếu tố ngẫu nhiên
là tập hợp tất cả các thông tin ở thời kỳ t-1
Điều kiện:
Mô hình ARCH(1)
có phân bố i.i.d tức là , ,
Điều kiện:
Dự báo
Giả sử rằng ở thời điểm h có mô hình
Thời kỳ h + 1
Thời kỳ h + 2
Thời kỳ l
Mô hình GARCH
Mô hình tổng quát
có phân bố i.i.d tức là , ,
Điều kiện: và
Mô hình GARCH(1,1)
có phân bố i.i.d tức là, ,
Điều kiện: và
Mô hình IGARCH
Mô hình tổng quát
có phân bố i.i.d tức là , ,
Từ mô hình GARCH tổng quát ta có suy ra:
Với
Giả thiết: , khi đó ta sẽ có mô hình IGARCH
Ta có mô hình IGARCH(1,1)
Điều kiện:
Mô hình GARCH – Mean
Mô hình GARCH – Mean
có phân bố i.i.d tức là , ,
Trong đó: c là hằng số
Mô hình GARCH – Mean ngụ ý rằng chuỗi số liệu có tương quan chuỗi, tự tương quan này có thể do 2 lý do gây ra:
Do chuỗi gây ra
Một cú sốc nào đó thông qua gây ra
Các mô hình ARCH không đối xứng
Mô hình TGARCH
có phân bố i.i.d tức là , ,
0: tin tức bình thường (tốt)
dt =
1 : tin tức xấu
0:
d t=
1:
Khi đó ta sẽ có mô hình TGARCH như sau:
+ nghĩa là tin tốt không ảnh hưởng đến phương sai
+ hoặc khi đó mô hình sẽ có dạng:
+ nghĩa là phương sai tăng do vậy có hiện tượng hiệu ứng đòn bẩy dù tin tức tốt hoặc tin tức xấu (cú sốc âm) đều làm cho phương sai ở thời kỳ t tăng.
+ có nghĩa là ảnh hưởng của các cú sốc là bất đối xứng, tin xấu có ảnh hưởng, tin tốt không ảnh hưởng.
Ta có mô hình tổng quát TGARCH (m,s)
Mô hình EGARCH
Trong mô hình trên có dạng mũ thể hiện ảnh hưởng không có tính chất đối xứng của yếu tố ngẫu nhiên đối với phương sai.Trong mô hình xem xét ảnh hưởng của cả tin tức xấu và tin tức tốt.
Nếu , thì mô hình EGARCH có dạng:
+
Nếu , thì mô hình EGARCH có dạng:
+
2.3 Ứng dụng mô hình kinh tế lượng phân tích và đánh giá rủi ro tín dụng trong hoạt động cho vay của VIBank
Trong mục này, ta sử dụng số liệu là chuỗi tỷ lệ nợ quá hạn (TL) và khả năng mất vốn (KNMV) theo tháng, từ tháng 12 năm 2001 đến tháng 12 năm 2006 để phân tích và đánh giá rủi ro tín dụng tại VIBank.
Dựa vào đồ thị của chuỗi TL ở phần phụ lục 1, ta thấy chuỗi TL là chuỗi dừng không có yếu tố xu thế nhưng có hệ số chặn.
Dựa vào đồ thị của chuỗi KNMV ở phần phụ lục 2, ta thấy chuỗi KNMV là chuỗi dừng, có yếu tố xu thế và có hệ số chặn.
2.3.1 Mô hình ARIMA
Đối với chuỗi TL
Kiểm định tính dừng của chuỗi TL
Sử dụng kiểm định nghiệm đơn vị để kiểm định tính dừng của chuỗi TL Dickey – Fuller đưa ra tiêu chuẩn kiểm như sau:
Chuỗi là không dừng
Chuỗi dừng
Theo bảng 1 ở phần phụ lục ta có , , ta thấy nên bị bác bỏ. Do vậy, chuỗi TL là chuỗi dừng.
Vấn đề tiếp theo, ta xác định các tham số p, q. Dựa vào lược đồ tương quan, ta thấy hệ số tương quan AC(4) và hệ số tương quan riêng PAC(4) khác không, ta có mô hình ARIMA(p,q, d) tương ứng p = 4 và q = 4, d = 0.
Sau đó, ta ghi lại phần dư từ mô hình ước lượng được ở bảng 2 với tên là e1. Sử dụng kiểm định nghiệm đơn vị để kiểm định tính dừng của phần dư, với cặp giả thiết tương tự như ở trên. Theo bảng 3 ở phần phụ lục ta có
, , ta thấy nên bị bác bỏ. Do vậy, chuỗi e1 là chuỗi dừng.
Mặt khác dựa vào lược đồ tương quan cho ta biết phần dư của mô hình ở bảng 11 là nhiễu trắng. Như vậy mô hình ta có cho chuỗi TL là ARIMA (p,q,d) với p = 4, q = 4, d = 0.
Đối với chuỗi KNMV
Kiểm định tính dừng của chuỗi KNMV
Với các giả thiêt tương tự như trên, theo bảng 9 ở phần phụ lục 2 ta có , , ta thấy nên giả thiết bị bác bỏ, chấp nhận đối thiết . Do vậy, chuỗi KNMV là chuỗi dừng.
Vấn đề tiếp theo, ta xác định các tham số p, q. Dựa vào lược đồ tương quan ở phần phụ lục 2, ta thấy hệ số tương quan AC(1) và hệ số tương quan riêng PAC(1) khác không nên ta có mô hình ARIMA(p,q, d) = ARIMA(p,q,0) tương ứng p =1, q =1, d = 0.
Sau đó, ta ghi lại phần dư từ mô hình ước lượng được ở bảng 10 với tên là e2. Sử dụng kiểm định nghiệm đơn vị để kiểm định tính dừng của phần dư, với cặp giả thiết tương tự như ở trên. Theo bảng 11 ở phần phụ lục ta có
, , ta thấy nên bị bác bỏ. Do vậy, chuỗi e2 là chuỗi dừng.
Từ lược đồ tương quan ở phần phụ lục cho biết phần dư của mô hình ở bảng 10 là nhiễu trắng. Như vậy, mô hình ta có cho chuỗi KNMV là ARIMA (p,q,d) với p = 1, q = 1, d = 0
2.3.2 Mô hình ARCH
Mô hình ARCH(1)
Kiểm định sự phù hợp của mô hình ARCH, ta đi kiểm định các giả thiết của mô hình đối với từng chuỗi số liệu như sau:
Đối với chuỗi TL
Với mức ý nghĩa , dựa vào bảng 4 ở phần phụ lục ta có , , ta thấy nên bị bác bỏ.
Với mức ý nghĩa , dựa vào bảng 4 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Theo kiểm định Wald Test ta đi kiểm định cặp giả thiết:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
0.271081
Probability
0.604817
Chi-square
0.271081
Probability
0.602607
Với mức ý nghĩa , theo bảng kết quả ở trên thống kê F có giá trị p-value = 0.6048 và thống kê có giá trị p-value =0.6026. Ta thấy thống kê F và thống kê có giá trị , nên không có cơ sở bác bỏ . Như vậy, độ biến động của các yếu tố khác ngoài tỷ lệ nợ quá hạn ở thời kỳ (t-1) không ảnh hưởng đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t.
Khi đó, ta có phương sai trong dài hạn . Do phương sai không đổi vì hệ số không có ý nghĩa thống kê, nên ta không dùng mô hình ARCH(1) để dự báo tỷ lệ nợ quá hạn trong thời gian tới.
Đối với chuỗi KNMV
Ta có các cặp giả thiết sau đây:
Với mức ý nghĩa , dựa vào bảng 12 ở phần phụ lục ta có , , ta thấy nên bị bác bỏ.
Với mức ý nghĩa , dựa vào bảng 12 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Theo kiểm định Wald Test ta đi kiểm định cặp giả thiết:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(4) =0
F-statistic
0.111365
Probability
0.739842
Chi-square
0.111365
Probability
0.738595
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.7398 và thống kê có giá trị p-value =0.7386 nên không có cơ sở bác bỏ . Như vậy, độ biến động của các yếu tố khác ngoài khả năng mất vốn ở thời kỳ trễ (t-1) không ảnh hưởng đến độ biến động của khả năng mất vốn ở thời kỳ t.
Khi đó,ta có phương sai trong dài hạn . Do phương sai không đổi vì hệ số không có ý nghĩa thống kê, nên ta không dùng mô hình ARCH(1) để dự báo khả năng mất vốn trong thời gian tới.
2.3.3 Mô hình GARCH
Mô hình GARCH(1,1)
Kiểm định sự phù hợp của mô hình, ta đi kiểm định các giả thiết đối với từng chuỗi số liệu như sau:
Đối với chuỗi TL
Với mức ý nghĩa , dựa vào bảng 5 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(4) =0
F-statistic
0.160349
Probability
0.690508
Chi-square
0.160349
Probability
0.688835
Với mức ý nghĩa theo bảng kết quả trên thống kê F có giá trị p-value = 0.6905 còn thống kê khi bình phương có giá trị p-value = 0.6883. Ta thấy thống kê F và thống kê có giá trị nên không có cơ sở bác bỏ .
Với mức ý nghĩa , dựa vào bảng 5 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
0.288464
Probability
0.593542
Chi-square
0.288464
Probability
0.591207
Với mức ý nghĩa , theo bảng kết quả ở trên thì thống kê F có giá trị p-value =0.5935 còn thống kê có giá trị p-value =0.5912. Ta thấy hai thống kê này có giá trị , nên không có cơ sở bác bỏ . Như vậy độ biến động của các yếu tố ngoài yếu tố tỷ lệ nợ quá hạn ở thời kỳ trễ (t-1) không ảnh hưởng đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t.
Với mức ý nghĩa , dựa vào bảng 5 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) =0
F-statistic
0.020953
Probability
0.885478
Chi-square
0.020953
Probability
0.884907
Với mức ý nghĩa , theo bảng kết quả trên thì thống kê F có giá trị p-value = 0.8854 và thống kê có giá trị p-value =0.8849. Ta thấy thống kê F và thống kê có giá trị nên bị bác bỏ. Điều này có nghĩa là độ biến động của tỷ nợ quá hạn ở thời kỳ trễ (t-1) không ảnh hưởng đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t.
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) +C(6) =1
F-statistic
0.164189
Probability
0.687023
Chi-square
0.164189
Probability
0.685329
Với mức ý nghĩa , theo bảng trên thống kê F có giá trị p-value = 0.6870 còn thống kê có giá trị p-value = 0.6853. Ta thấy thống kê F và thống kê đều có giá trị , do đó không có cơ sở bác bỏ .
Như vậy, các điều kiện của mô hình GARCH không thoả mãn nên ta không lựa chọn mô hình GARCH để dự báo tỷ lệ nợ quá hạn trong thời gian tới.
Đối với chuỗi KNMV
Với mức ý nghĩa , dựa vào bảng 13 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(3)=0
F-statistic
0.052711
Probability
0.819264
Chi-square
0.052711
Probability
0.818412
Với mức ý nghĩa theo bảng kết quả trên thống kê F có giá trị p-value = 0.8192 còn thống kê khi bình phương có giá trị p-value = 0.8184. Ta thấy thống kê F và thống kê có giá trị nên không có cơ sở bác bỏ .
Với mức ý nghĩa , dựa vào bảng 13 ở phần phụ lục ta có , , ta thấy nên bị bác bỏ. Như vậy, độ biến động của các yếu tố ngoài khả năng mất vốn ở thời kỳ trễ (t-1) ảnh hưởng đến độ biến động của khả năng mất vốn ở thời kỳ t và ảnh hưởng ngược chiều.
Với mức ý nghĩa , dựa vào bảng 13 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
1502.610
Probability
0.000000
Chi-square
1502.610
Probability
0.000000
Với mức ý nghĩa , theo bảng kết quả trên cả thống kê F và thống kê đều có giá trị p-value =0.0000. Ta thấy hai thống kê trên có giá trị , nên bị bác bỏ. Điều này có nghĩa là , nên độ biến động của khả năng mất vốn ở thời kỳ trễ (t-1) ảnh hưởng đến độ biến động của khả năng mất vốn ở thời kỳ t và ảnh hưởng cùng chiều.
Wald Test:
Equation: Untitled
Null Hypothesis:
C(4) + C(5) =1
F-statistic
0.696797
Probability
0.407473
Chi-square
0.696797
Probability
0.403862
Với mức ý nghĩa , theo bảng trên thống kê F có giá trị p-value = 0.4074 còn thống kê có giá trị p-value = 0.4038. Ta thấy hai thống kê này có giá trị , nên không có cơ sở bác bỏ .
Như vậy, các điều kiện của mô hình GARCH không thoả mãn nên trong trường hợp này em không lựa chọn mô hình GARCH để dự báo khả năng mất vốn trong thời gian tới.
2.3.4 Mô hình GARCH – Mean
Kiểm định sự phù hợp của mô hình, ta đi kiểm định các giả thiết đối với từng chuỗi số liệu như sau:
Đối với chuỗi TL
Với mức ý nghĩa , dựa vào bảng 6 ở phần phụ lục ta có , , ta thấy do đó không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
2.79E+08
Probability
0.000000
Chi-square
2.79E+08
Probability
0.000000
Với mức ý nghĩa , theo bảng kết quả trên thì cả thống kê F và thống kêđều có giá trị p-value =0.0000. Ta thấy thống kê F và thống kêcó giá trị nên bị bác bỏ. Điều này có nghĩa là hệ số .
Với mức ý nghĩa , dựa vào bảng 6 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) =0
F-statistic
37.79321
Probability
0.000000
Chi-square
37.79321
Probability
0.000000
Với mức ý nghĩa , theo bảng kết quả ở trên thì cả thống kê F và thống kê đều có giá trị p-value =0.0000. Ta thấy hai thống kê này có giá trị nên bị bác bỏ. Điều này có nghĩa là nên độ biến động của các yếu tố ngoài yếu tố tỷ lệ nợ quá hạn ở thời kỳ trễ (t-1) ảnh hưởng đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t và ảnh hưởng cùng chiều.
Với mức ý nghĩa , dựa vào bảng 6 ở phần phụ lục ta có , , ta thấy do đó không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(7) =0
F-statistic
688.4028
Probability
0.000000
Chi-square
688.4028
Probability
0.000000
Với mức ý nghĩa thì cả thống kê F và thống kê đều có giá trị p-value =0.0000. Ta thấy hai thống kê này có giá trị nênbị bác bỏ Điều này có nghĩa là nên độ biến động của tỷ nợ quá hạn ở thời kỳ trễ (t-1) ảnh hưởng đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t và ảnh hưởng cùng chiều.
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) +C( 7)=1
F-statistic
1287.930
Probability
0.000000
Chi-square
1287.930
Probability
0.000000
Với mức ý nghĩa , theo bảng kết quả trên cả thống kê F và thống kê đều có giá trị p-value = 0.0000. Ta thấy hai thống kê này có giá trị , do vậy bị bác bỏ
Như vậy, các điều kiện của mô hình GARCH – Mean không thoả mãn nên trong trường hợp này ta không lựa chọn mô hình này để dự báo.
Đối với chuỗi KNMV
Với mức ý nghĩa , dựa vào bảng 14 ở phần phụ lục ta có , , ta thấy do đó không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(4) =0
F-statistic
0.200555
Probability
0.656065
Chi-square
0.200555
Probability
0.654273
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value =0.6560, còn thống kê có giá trị p-value = 0.6543. Ta thấy cả thống kê này có giá trị , nên không có cơ sở bác bỏ .
Với mức ý nghĩa , dựa vào bảng 14 ở phần phụ lục ta có , , ta thấy nên bị bác bỏ. Vậy độ biến động của các yếu tố ngoài khả năng mất vốn ở thời kỳ trễ (t-1) ảnh hưởng tới độ biến động của khả năng mất vốn ở thời kỳ t và ảnh hưởng ngược chiều.
Với mức ý nghĩa , dựa vào bảng 14 ở phần phụ lục ta có , , ta thấy do đó không có cơ sở bác bỏ .
Với lại dựa vào kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) =0
F-statistic
3670.626
Probability
0.000000
Chi-square
3670.626
Probability
0.000000
Với mức ý nghĩa , theo bảng kết quả ở trên thì cả thống kê F và thống kê đều có giá trị p- value =0.0000. Ta thấy hai thống kê này có giá trị nên bị bác bỏ. Điều này có nghĩa độ biến động của khả năng mất vốn ở thời kỳ trễ (t-1) ảnh hưởng đến độ biến động của khả năng mất vốn ở thời kỳ t và ảnh hưởng cùng chiều.
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) + C(6)=1
F-statistic
1.257249
Probability
0.267134
Chi-square
1.257249
Probability
0.262172
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.2671 còn thống kê có giá trị p-value = 0.2622. Ta thấy hai thống kê này đều có giá trị , nên không có cơ sở .
Như vậy, các điều kiện của mô hình GARCH – Mean không thoả mãn nên trường hợp này ta không lựa chọn mô hình GARCH – Mean để dự báo.
2.3.5 Các mô hình ARCH không đối xứng
2.3.5.1 Mô hình TGARCH
Kiểm định sự phù hợp của mô hình đối với từng chuỗi số liệu ta có các cặp giả thiết sau:
Đối với chuỗi TL
Theo bảng 7 ở phần phục lục ta thấy , mô hình ước lượng đưa ra chỉ xem xét ảnh hưởng của tin tức xấu.
Kiểm định các giả thiết của mô hình:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) =0
F-statistic
0.411687
Probability
0.524045
Chi-square
0.411687
Probability
0.521115
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.5240 và thống kê có giá trị p-value = 0.5211. Ta thấy hai thống kê này có giá trị , do đó không có cơ sở bác bỏ . Như vậy, có tin tức xấu ở thời kỳ trễ (t-1) và nó không ảnh đến độ biến động của tỷ lệ nợ quá hạn ở thời kỳ t. Điều này trên thực tế là không đúng, vì khi có một biến động bất thường như khủng hoảng kinh tế làm cho tỷ lệ nợ quá hạn của ngân hàng tăng do khách hàng trong thời kỳ này có thể hoạt động sản xuất yếu kém đi, nên việc hoàn trả tiền vay trên hợp đồng tín dụng không đúng hạn. Trường hợp này, ta không chọn mô hình TGARCH để dự báo.
Đối với chuỗi KNMV
Theo bảng 15 ở phần phục lục ta thấy , mô hình ước lượng đưa ra chỉ xem xét ảnh hưởng của tin tức xấu.
Kiểm định các giả thiết của mô hình:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
0.034298
Probability
0.853768
Chi-square
0.034298
Probability
0.853074
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.8537, còn thống kê có giá trị p-value = 0.8530. Ta thấy hai thống kê này đều có giá trị , do đó không có cơ sở bác bỏ . Như vậy, có tin tức xấu ở thời kỳ trễ (t-1) nhưng không ảnh hưởng đến độ biến động của khả năng mất vốn ở thời kỳ t. Điều này trên thực tế là không đúng, vì khi có tin tức không tốt có thể làm khả năng thu hồi vốn của ngân hàng giảm. Trường hợp này, ta không chọn mô hình TGARCH để dự báo.
2.3.5.2 Mô hình EGARCH
Kiểm định sự phù hợp của mô hình, ta đi kiểm định các giả thiết đối với từng chuỗi số liệu ta có các cặp giả thiết như sau:
Đối với chuỗi TL
Kiểm định các giả thiết của mô hình là:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5) =0
F-statistic
0.198383
Probability
0.657951
Chi-square
0.198383
Probability
0.656029
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.6579, còn thống kê có giá trị p-value = 0.6560. Ta thấy hai thống kê này có giá trị , do đó không có cơ sở bác bỏ .
Với mức ý nghĩa , dựa vào bảng 8 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Mặt khác theo kiểm định Wald Test ta có cặp giả thiết sau:
Wald Test:
Equation: Untitled
Null Hypothesis:
C(6) =0
F-statistic
0.289200
Probability
0.593119
Chi-square
0.289200
Probability
0.590733
Với mức ý nghĩa , theo bảng trên thống kê F có giá trị p-value = 0.90467 còn thống kê có giá trị p-value = 0.90420. Ta thấy hai thống này có giá trị , do đó không có cơ sở bác bỏ .
Như vậy các kiểm định chấp nhận giả thiết và , nên mô hình không phù hợp. Do vậy, ta không chọn mô hình này để dự báo.
Đối với chuỗi KNMV
Wald Test:
Equation: Untitled
Null Hypothesis:
C(4) =0
F-statistic
6.668533
Probability
0.012557
Chi-square
6.668533
Probability
0.009813
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.0125, còn thống kê có giá trị p-value = 0.0098. Ta thấy hai thống kê này có giá trị , do đó bị bác bỏ.
Với mức ý nghĩa , dựa vào bảng 16 ở phần phụ lục ta có , , ta thấy nên không có cơ sở bác bỏ .
Wald Test:
Equation: Untitled
Null Hypothesis:
C(5)=0
F-statistic
2.475136
Probability
0.121501
Chi-square
2.475136
Probability
0.115659
Với mức ý nghĩa , theo bảng kết quả trên thống kê F có giá trị p-value = 0.1215 còn thống kê có giá trị p-value = 0.1156. Ta thấy hai thống kê này có giá trị , do đó không có cơ sở bác bỏ .
Như vậy kiểm định chấp nhận giả thiết , nên mô hình không phù hợp. Do vậy, ta không chọn mô hình này để dự báo.
Trong khi phân tích các mô hình trên ta thấy có mô hình ARCH là thoả mãn các điều kiện giả thiết của mô hình. Do vậy, ta đi dự báo phương sai trong thời kỳ tới của từng chuỗi số liệu.
Đối với chuỗi TL
Sau khi sử dụng các mô hình trong kinh tế lượng đánh giá chuỗi tỷ lệ quá hạn (TL), ta thấy mô hình ARIMA là phù hợp nhất để dự báo tỷ lệ nợ quá hạn trong thời gian tới.
Dựa vào mô hình ARIMA(4,4,0) ước lượng ở bảng 3 ta ghi lại chuỗi tỷ lệ quá hạn có tên TLF rồi đưa ra Excel để dự báo tỷ lệ nợ quá hạn từ tháng 1 đến tháng 12 năm 2007, ta có bảng kết quả sau:
Jan-07
0.008391
Feb-07
0.009447
Mar-07
0.009894
Apr-07
0.010083
May-07
0.010163
Jun-07
0.01
Các file đính kèm theo tài liệu này:
- 36614.doc