Đề tài Phân tích và đánh giá rủi ro tín dụng trong hoạt động cho vay tại Ngân hàng Quốc tế

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