Tóm tắt Luận án Nghiên cứu các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng Hợp tác xã Việt

các cơ quan xếp hạng và các quốc gia trong giai đoạn 1989 và 1999; Finch & Schneider (2007) thực hiện đề tài phân loại độ chính xác của mạng neuron thần kinh (ANN) so với phân tích biệt số, hồi quy logistic và các cây phân loại; Nghiên cứu của Pacelli &Azzollini (2011) về sử dụng mạng thần kinh nhân tạo (ANN) cho quản lý rủi ro tín dụng tại Italia; Zang (2011) thực hiện sử dụng mô hình mạng neuron thần kinh nhân tạo ANN để dự báo khả năng vỡ nợ của khách hàng trong các ngân hàng thương mại ở Trung Quốc; . 1.2 Các vấn đề về tín dụng củangân hàng 1.2.1 Khái niệm tín dụng ngân hàng Tín dụng ngân hàng là quan hệ chuyển nhượng tài sản giữa ngân hàng với các chủ thể kinh tế khác. Theo điều 20, Luật các tổ chức tín dụng, 2010, quy định: “Cấp 7 tín dụng là việc tổ chức tín dụng thỏa thuận để khách hàng sử dụng một khoản tiền với nguyên tắc có hoàn trả bằng các nghiệp vụ cho vay, chiết khấu, cho thuê tài chính, bảo lãnh ngân hàng và các nghiệp vụ khác”. 1.2.2 Đặc trưng của tín dụng ngân hàng Thứ nhất, chủ thể trong quan hệ tín dụng; Thứ hai, đối tượng của giao dịch tín dụng NHTM bao gồm cho vay bằng tiền và cho thuê động sản hay bất động sản; Thứ ba, sự chuyển nhượng vốn được dựa trên cơ sở “niềm tin” và theo nguyên tắc hoàn trả vô điều kiện trong một khoảng thời hạn nhất định; Thứ tư, giá trị hoàn trả phải lớn hơn giá trị lúc cho vay; Thứ năm, hoạt động tín dụng ngân hàng tiềm ẩn nhiều rủi ro 1.2.3. Vai trò của tín dụng ngân hàng Thứ nhất, tín dụng ngân hàng đảm bảo cho quá trình sản xuất được diễn ra một các thường xuyên và liên tục; Thứ hai, đây là đòn bẩy mạnh mẽ thúc đẩy sự phát triển quá trình tích tụ và tập trung vốn; Thứ ba, tín dụng NH giúp thúc đẩy việc bình quân hóa tỷ suất lợi nhuận giữa các ngành nghề trong nền kinh tế và là công cụ quan trọng trong việc tổ chức đời sống dân cư. 1.2.4. Các hình thức tín dụng của ngân hàng Phân loại theo thời gian cấp tín dụng; Phân loại theo mục đích sử dụng vốn; Phân loại theo phương thức hoàn trả; Phân loại theo mức độ đảm bảo; Phân loại theo đối tượng cấp tín dụng; Phân loại theo xuất xứ tín dụng; Phân loại theo thành phần kinh tế 1.3 Các vấn đề về tín dụng khách hàng cá nhân 1.3.1. Tín dụng khách hàng cá nhân Trên cơ sở định nghĩa “tín dụng ngân hàng”, tín dụng KHCN có thể được hiểu là hình thức tín dụng mà ở đó NHTM đóng vai trò là người chuyển nhượng quyền sử dụng vốn của mình cho KHCN sử dụng trong một thời gian nhất định phải hoàn trả cả gốc lẫn lãi (Nguyễn Đăng Đờn 2013). 1.3.2. Chính sách tín dụng khách hàng cá nhân Chính sách tín dụng KHCN tại các ngân hàng sẽ phụ thuộc vào mục tiêu, chính sách hoạt động và luôn có sự thay đổi cho phù hợp với điều kiện kinh tế xã hội cũng như đảm bảo hoạt động cho vay phát triển, bền vững và sinh lợi cho ngân hàng. 1.3.3. Quy trình tín dụng khách hàng cá nhân Tiếp xúc và hướng dẫn khách hàng lập hồ sơ vay vốn; Thẩm định các điều kiện cho vay; Xác định phương thức cho vay, xem xét khả năng nguồn vốn, lãi suất cho vay; Thẩm định cho vay; Phê duyệt khoản vay; Giải ngân; Kiểm tra, giám sát khoản vay; Thu nợ, gốc và xử lý phát sinh; Thanh lý hợp đồng tín dụng, hợp đồng bảo đảm tiền vay, giải chấp tài sản đảm bảo; Lưu giữ hồ sơ tín dụng và hồ sơ đảm bảo tiền vay 8 1.4 Rủi ro tín dụng Rủi ro tín dụng là khoản lỗ tiềm tàng vốn có được tạo ra khi cấp tín dụng cho khách hàng. Bất kì một khoản tín dụng nào được cấp ra thì đều phải tuân thủ theo ba nguyên tắc cơ bản sau đây: (1) Khoản tín dụng đó phải được sử dụng đúng mục đích và có hiệu quả; (2) Khoản tín dụng đó phải có tài sản đảm bảo; (3) Khoản tín dụng đó phải được hoàn trả cả vốn và lãi theo đúng kì hạn đã cam kết. 1.5 Ảnh hưởng của vỡ nợ tín dụng Nhìn chung, tác động chính của nợ xấu đối với ngân hàng là việc tăng nợ xấu làm hạn chế sự tăng trưởng tài chính của các ngân hàng (Karim et al., 2010; Kuo et al., 2010) 1.6 Hoạt động xếp hạng tín dụng trong các ngân hàng 1.6.1 Khái niệm Định nghĩa xếp hạng tín dụng là việc đưa ra nhận định về mức độ tín nhiệm đối với trách nhiệm tài chính hoặc đánh giá mức độ rủi ro tín dụng phụ thuộc các yếu tố bao gồm năng lực đáp ứng các cam kết tài chính, khả năng vỡ nợ khi các điều kiện kinh tế thay đổi, ý thức và thiện chí trả nợ của người đi vay. Hệ thống xếp hạng tín dụng dùng để đánh giá mức độ trách nhiệm tài chính của cả 2 nhóm khách hàng doanh nghiệp và KHCN. Trong phạm vi luận án này, tác giả tập trung phân tích và nghiên cứu về xếp hạng tín dụng cho nhóm KHCN. 1.6.2 Vai trò của xếp hạng tín dụng Các ngân hàng sẽ kiểm soát được mức độ tín nhiệm của khách hàng, đánh giá được hiệu quả của danh mục cho vay thông qua việc giám sát sự thay đổi dư nợ và phân loại nợ của khách hàng nhờ hệ thống xếp hạng tín dụng 1.6.3 Nguyên tắc hoạt động xếp hạng tín dụng Thứ nhất, phân tích tín nhiệm trên cơ sở ý thức và thiện chí trả nợ của người đi vay đối với từng khoản vay. Thứ hai, đánh giá rủi ro dài hạn dựa trên ảnh hưởng của chu kỳ kinh doanh cũng như xu hướng và khả năng vỡ nợ trong tương lai Thứ ba, đánh giá rủi ro toàn diện và thống nhất dựa vào hệ thống chấm điểm tín dụng và các ký hiệu xếp hạng. Thứ tư, việc thu thập số liệu để sử dụng trong mô hình xếp hạng tín dụng cần được thực hiện khách quan và linh hoạt 1.6.4 Quy trình xếp hạng tín dụng Thứ nhất, thu thập thông tin liên quan Thứ hai, phân tích thông tin thu thập được bằng cách sử dụng các mô hình để kết luận về mức xếp hạng tín dụng của KHCN 9 Thứ ba, theo dõi tình trạng tín dụng của khách hàng được xếp hạng điều chỉnh thích hợp 1.6.5 Một số mô hình xếp hạng tín dụng Mô hình điểm số tín dụng cá nhân của FICO Mô hình điểm số tín dụng CreditKarma Mô hình điểm số tín dụng Credit Sesame Mô hình điểm số tín dụng VantageScore Mô hình điểm số tín dụng của Kleimeier 1.4.6 Mô hình xếp hạng tín dụng tại ngân hàng Hệ thống xếp hạng tín dụng tại các NHTM Việt Nam hiện nay chủ yếu sử dụng phương pháp chấm điểm. Số điểm khách hàng đạt được là tổng điểm của bộ chỉ tiêu tài chính và phi tài chính với tỷ trọng nhất định 1.4.7 Một số hạn chế của xếp hạng tín dụng khách hàng cá nhân hiện nay Mô hình thực tiễn vẫn còn có những hạn chế cần khắc phục: Thứ nhất, các chỉ tiêu đưa ra trong mô hình xếp hạng tín dụng hiện tại vẫn còn mang tính định tính, các yếu tố định lượng còn ít do vẫn dựa trên phương pháp kinh nghiệm, chuyên gia, chưa có những cập nhật mới đối với các phương pháp thống kê định lượng. Thứ hai, kết quả chấm điểm tín dụng chưa là một cơ sở mạnh để giúp ngân hàng đưa ra quyết định cấp hạn mức tín dụng cho khách hàng. Mức độ dự đoán chính xác khả năng vỡ nợ của khách hàng còn chưa cao bởi thế vẫn chưa thể loại bỏ được những nhầm lẫn, có những trường hợp khách hàng được xếp hạng tín dụng ở mức cao, đáng tin cậy, có mức độ rủi ro thấp nhưng trên thực tế lại không có khả năng trả nợ. Thứ ba, mô hình xếp hạng tín dụng thực tiễn gặp phải vấn đề khó phát hiện được hành vi gian dối của khách hàng. Việc đánh giá những hành vi này chỉ dựa trên kinh nghiệm của cán bộ tín dụng trong quá trình tiếp xúc khách hàng và thu thập thông tin. Thứ tư, mô hình chấm điểm hiện tại chỉ cung cấp giá trị mức độ tín nhiệm tín dụng của khách hàng ở thời điểm cấp tín dụng chứ chưa có tính chất dự báo cho tương lai. 1.7 Các yếu tố ảnh hưởng tới khả năng vỡ nợ của khách hàng cá nhân 1.7.1 Yếu tố thông tin cá nhân của khách hàng Những thông tin về bản thân cá nhân của khách hàng là những thông tin mang tính nội tại của khách hàng đó. Việc nghiên cứu những yếu tố này giúp các ngân hàng đánh giá được tổng quan nhất về khách hàng đó, về khả năng cơ bản của khách hàng trong việc đáp ứng được những điều kiện mà ngân hàng yêu cầu, mức độ đáng tin cậy trong việc khách hàng thực hiện cam kết với ngân hàng và cũng là nguồn thông tin có 10 ảnh hưởng lớn đến việc đưa ra quyết định của ngân hàng về việc có hay không cấp tín dụng cho khách hàng. Các yếu tố trong nhóm thông tin này bao gồm: độ tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, nghề nghiệp, chức vụ hiện tại trong công việc, lý lịch tư pháp. 1.7.2 Yếu tố về điều kiện sống của khách hàng Những thông tin về điều kiện sống của KHCN phản ánh mối tương tác của khách hàng đó với xã hội, từ đó, giúp ngân hàng đánh giá được mức độ ảnh hưởng của các tác động từ môi trường bên ngoài đến khả năng tài chính cũng như nhận thức hành vi của khách hàng đó. Nhóm thông tin này bao gồm các yếu tố như: quy mô hộ gia đình, số người phụ thuộc, phân loại địa phương nơi cư trú, đặc điểm nơi cư trú, tính ổn định về chỗ ở, sở hữu nhà, sở hữu các loại động sản giá trị khác. 1.7.3 Yếu tố về tài chính của khách hàng Phân tích thông tin tài chính và mối quan hệ tài chính của khách hàng là một công việc quan trọng đối với các ngân hàng, mang tính quyết định trong việc đánh giá khả năng vỡ nợ của khách hàng, tác động đến xếp hạng tín dụng của khách hàng đó cũng như việc ngân hàng đưa ra quyết định cho vay hay là không. Các chỉ tiêu tài chính của các khách hàng được các ngân hàng 1.7.4 Yếu tố hành vi của khách hàng Các yếu tố trong nhóm được phân tích như: mối quan hệ với ngân hàng, số lượng và loại dịch vụ ngân hàng mà khách hàng đang sử dụng, số lượng khoản vay, thời gian hoàn trả, thời gian thủ tục xin vay, lịch sử vay và trả nợ 11 CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU 1.1 Quy trình nghiên cứu Với nội dung của luận án, quy trình nghiên cứu được trìn bày như sau: 2.2 Mô hình và giả thuyết nghiên cứu Từ các nghiên cứu trước của Dựa trên mô hình nghiên cứu của Dufhues và cộng sự (2011); Ojiaki & Ogbukwa (2012); Agarwal & cộng sự (2009); Dunn & Kim (1999); Ozdemir (2004); Kocenda &Vojtek (2011); Booth và cộng sự (2014). Tác giả đưa ra mô hình nghiên cứu như sau Trong đó: DLi: là biến phụ thuộc về vỡ nợ Xi: các biến độc lập có thể ảnh hưởng lên khả năng vỡ nợ DLi Xác định mục tiêu nghiên cứu Cơ sở lý thuyết Mô hình nghiên cứu Phân tích dữ liệu Hoàn thiện luận án Tìm ra khoảng trống nghiên cứu Các lý thuyết liên quan, các yếu tố ảnh hưởng tới khả năng vỡ nợ của khách hàng cá nhân Các biến nghiên cứu có được từ mô hình có trước, yếu tố từ phỏng vấn định tính được đưa vào mô hình nghiên cứu - Mô hình logit - Phân tích dự báo ANN, Random forest - Kiểm tra kết quả trên mẫu dữ liệu mới - So sánh các mô hình 12 2.3. Thiết kế nghiên cứu 2.3.1 Mẫu nghiên cứu Dữ liệu nghiên cứu được thu thập từ cơ sở dữ liệu của ngân hàng HTX Việt Nam. Dữ liệu quá khứ về việc vỡ hay không của các khách hàng cá nhân tại ngân hàng sẽ được sử dụng (Khách hàng là những cá nhân vay vốn phục vụ mục đích kinh doanh cá nhân hoặc hộ gia đình). Mẫu nghiên cứu thu được 5498 khách hàng tại ngân hàng HTX Việt nam gửi đi. Với số lượng mẫu 5498 đảm bảo tính tin cậy về số lượng mẫu tối thiểu khi phân tích dữ liệu đa biến 2.3.2 Thu thập dữ liệu Với các biến nghiên cứu, tác giả tiến hành gửi tới đơn vị ngân hàng phụ trách để xin số liệu thông tin tình hình trả nợ của khách hàng cá nhân. Thông tin khách hàng về họ tên, số điện thoại và địa chỉ không được đưa vào dữ liệu phân tích. Các thông tin được cung cấp hoàn toàn bảo mật và chỉ sử dụng cho nghiên cứu này của tác giả. Mỗi đơn vị phòng giao dịch, chi nhanh ngân hàng được NCS thu thập khoảng từ 100-500 khách hàng. 2.4 Phương pháp phân tích dữ liệu 2.4.1Mô tả dữ liệu 2.4.2 Phân tích tương quan 2.4.3 Các mô hình phân tích và dự báo vỡ nợ của KHCN 2.4.3.1 Mô hình Logit 2.4.3.2 Mô hình Probit 2.4.3.3 Mô hình phân tích biệt số/phân biệt 2.4.3.4 Mô hình dự báo mạng neuron nhân tạo (ANN) 2.4.3.4 Mô hình dự báo bằng Random Forest 13 CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU 3.1 Khái quát chung về Ngân hàng Hợp tác xã Việt Nam 3.1.1 Giới thiệu về ngân hàng HTX Ngân hàng HTX tiền thân là Quỹ tín dụng nhân dân Trung ương được thành lập ngày 05/08/1995 và năm 2013 được chuyển đổi sang thành Ngân hàng Hợp tác xã Việt Nam theo giấy phép số 166/GP-NHNN ngày 04/06/2013 của Thống đốc Ngân hàng Nhà nước Việt Nam. Tên đầy đủ bằng tiếng Việt: Ngân Hàng Hợp Tác Xã Việt Nam 3.1.2 Hoạt động sử dụng vốn của ngân hàng HTX Nguồn vốn của ngân hàng HTX từ 2016 đến 2017 tăng 2.828 tỷ đồng tương tứng với tăng 10,49%. Trong đó nguồn vốn chủ sở hữu tăng 63 tỷ đồng tương ứng với 1,76%; nguồn vốn chủ sở hữu chủ yếu tăng từ nguồn vốn các quỹ mà không phải từ vốn điều lệ 3.2 Thực trạng về các cá nhân vay vốn tại ngân hàng HTX theo mẫu nghiên cứu Thống kê mô tả các biến nghiên cứu liên tục chỉ ra học vấn trung bình của các đối tượng là 21 năm đi học. Trong đó lớn nhất là 36 năm và nhỏ nhất là 12 năm. Độ lệch chuẩn bằng 6.1 cho thấy mức độ chênh lệch học vấn của các đối tượng tương đối lớn. Tiếp theo về độ tuổi các KHCN vay vốn theo mẫu thu thập trung bình là 32 tuổi. Trong đó lớn nhất là 53 tuổi và nhỏ nhất là 20 tuổi. Về quy mô hộ gia đình chỉ ra trung bình các đối tượng vay vốn trong gia đình có 5 người, lớn nhất có hộ 6 người và nhỏ nhất là 4 người. Về số người phụ thuộc trong gia đình trung bình là 3 người, lớn nhất là 5 và nhỏ nhất là 1 người. Số tiền vay trung bình là 551 triệu, nhỏ nhất là 100 triệu và lớn nhất là 10 tỷ đồng. Thời gian cũng như kinh nghiệm làm việc của các KHCN trung bình là 14 năm, nhỏ nhất là 1 năm kinh nghiệm và lớn nhất là 30 năm kinh nghiệm làm việc. Về tỷ lệ trả gốc và lãi so với thu nhập trung bình là 0.397 tương ứng với 39%, trong đó lớn nhất là 60% và nhỏ nhất là 20%. 3.3 Kết quả phân tích các yếu tố ảnh hưởng lên khả năng vỡ nợ của KHCN 3.3.1 Kết quả hồi quy logistic Bảng. Kết quả hồi quy logistic cho các khách hàng Estimate Std. Error z value p-value (Intercept) 14,2000 0,8484 16,7370 < 2e-16 *** Học vấn_Trung cấp 0,2253 0,1951 1,1550 0,248272 Cao đẳng_Đại học -0,6597 0,1915 -0,8339 0,71345 Sau đại học -0,0898 0,1369 -0,6550 0,512187 Giới tính 0,8570 0,1421 6,0300 1,64e-09 *** Hôn nhân -0,6551 0,1146 -5,7160 1,09e-08 *** Lý lịch tư pháp 0,6929 0,2229 3,1090 0,001879 ** Sở hữu kinh doanh -4,9570 0,1703 -29,1140 < 2e-16 *** 14 Tuổi -0,0729 0,0089 -8,1810 2,82e-16 *** Quy mô hộ -0,2300 0,0966 -2,3800 0,017301 ** Số người phụ thuộc 0,0528 0,0707 0,7470 0,455127 Số tiền vay 0,0000 0,0003 0,0280 0,977847 Nghề nghiệp 1,7440 1,0010 1,7420 0,081507 Vị trí _TruongBoPhan -0,0234 0,2071 -0,1130 0,910178 Nhanvien 0,5550 0,3011 1,8430 0,065263* Thời gian làm việc -0,0226 0,0105 -2,1470 0,031771 ** Loại hình -0,5450 0,1414 -3,8540 0,000116 *** Thu nhập -0,1218 0,0107 -11,3770 < 2e-16 *** Kì hạn_Trung hạn -1,3230 0,2322 -5,6960 1,23e-08 *** Dài hạn -0,8374 0,2398 -3,4920 0,000480 *** Tình trạng_Chậm 1 lần 1 -0,0890 0,1550 -0,5740 0,565849 Chậm 2 lần trở lên -1,4100 0,2621 -5,3780 7,54e-08 *** Mục đích_Sử dụng đúng mục đích 0.2248 0,1134 1,9830 0,047378 ** Đa dạng hóa nghề 0.5236 0,1137 4,6050 4,12e-06 *** Tài sản ĐB là BĐS -1.7930 0,1247 -14,3750 < 2e-16 *** Tỷ lệ trả hàng tháng 0.4287 0,4787 0,8960 0,370498 Có Bảo hiểm nhân thọ -1.0980 0,2286 -4,8050 1,55e-06 *** Observations 5.498 Note:*p<0,1;**p<0,05;***p<0,01. Bảng . Kết quả dự báo cho mẫu thử Kết quả dự báo cho 500 mẫu thử Dự báo Không vỡ nợ Vỡ nợ Không vỡ nợ 181 27 Vỡ nợ 50 242 Dự báo chính xác 83,46% 95% CI (81,13%; 87,65%) 3.3.2 Kết quả mô hình ước lượng Probit Kết quả ước lượng mô hình Probit cho thấy kết quả khá tương đồng với kết quả của mô hình Logistic. Bảng 3.8 Kết quả dự báo của mô hình Probit Estimate Std. Error z value p-value (Intercept) 7,748 0,453 17,108 < 2e-16 *** Học vấn_Trung cấp 0,131 0,107 1,223 0,221288 Cao đẳng_Đại học -0,369 0,104 -1,213 0,20230 Sau đại học -0,037 0,076 -0,481 0,63044 Giới tính 0,475 0,079 6,026 1.68e-09 *** Hôn nhân -0,354 0,062 -5,666 1.46e-08 *** Lý lịch tư pháp 0,374 0,116 3,212 0.001316 ** Sở hữu kinh doanh -2,771 0,088 -31,491 < 2e-16 *** Tuổi -0,037 0,005 -7,565 3.88e-14 *** 15 Quy mô hộ -0,115 0,053 -2,157 0.031033 * Số người phụ thuộc 0,022 0,039 0,582 0.560707 Số tiền vay 0,000 0,000 -0,294 0.768435 Nghề nghiệp 0,998 0,516 1,932 0,053307 , Vị trí _TruongBoPhan 0,007 0,113 0,064 0,949206 Nhanvien 0,309 0,164 1,884 0,059518* Thời gian làm việc -0,017 0,006 -2,895 0,003794 ** Loại hình -0,278 0,078 -3,571 0,000355 *** Thu nhập -0,068 0,006 -11,781 < 2e-16 *** Kì hạn_Trung hạn -0,728 0,127 -5,740 9,46e-09 *** Dài hạn -0,479 0,131 -3,655 0,000257 *** Tình trạng_Chậm 1 lần 1 -0,005 0,083 -0,061 0,950985 Chậm 2 lần trở lên -0,750 0,144 -5,208 1,91e-07 *** Mục đích_Sử dụng đúng mục đích 0,103 0,062 1,653 0,098401 , Đa dạng hóa nghề 0,307 0,063 4,917 8,80e-07 *** Tài sản ĐB là BĐS -0,954 0,068 -14,083 < 2e-16 *** Tỷ lệ trả hàng tháng 0,228 0,262 0,868 0,385316 Có Bảo hiểm nhân thọ -0,583 0,123 -4,722 2,34e-06 *** Note *p<0,1; **p<0,05; ***p<0,01 Đồng thời, mô hình Probit có khả năng dự báo chính xác cho 500 mẫu khách hàng kiểm tra là 84,60% Bảng . Kết quả dự báo của mô hình Probit Dự báo Không vỡ nợ Vỡ nợ Không vỡ nợ 183 29 Vỡ nợ 48 240 Dự báo chính xác 84,6% Khoảng tin cậy 95% (81,13%;78,5%) 3.3.3 Kết quả mô hình dự báo dựa trên mạng Neuron nhân tạo (Artificial Neural Network) Đồng thời kết quả dự báo về khả năng chính xác mô hình chỉ ra mô hình ANN có khả năng dự báo chính xác trên mẫu 500 khách hàng từ trọng số của mô hình ANN là 83,86%. Bảng . Kết quả dự báo mô hình ANN Dự báo Không vỡ nợ Vỡ nợ Không vỡ nợ 184 47 Vỡ nợ 34 235 Dự báo chính xác 83,86% 3.3.4 Kết quả mô hình phân loại Random Forest Từ kết quả dự báo trên dự liệu mẫu 5.498, NCS tiến hành kiểm tra mô hình dự báo random forest trên 500 mẫu kiểm tra thu được kết quả dự báo như sau: 16 Bảng. Mức độ dự báo của mô hình Random Forest kiểm tra Dự báo Không vỡ nợ Vỡ nợ Không vỡ nợ 217 0 Vỡ nợ 14 269 Dự báo chính xác 97,2% 95% CI (95,35%; 98,46%) 3.3.5. Tổng hợp các kết quả nghiên cứu Kết quả hồi quy logistic và Probit dựa trên dữ liệu thu thập từ 5.498 khách hàng cá nhân cho thấy các nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng HTX Việt Nam như sau. Các yếu tố có ảnh hưởng đến khả năng vỡ nợ của KHCN tại ngân hàng gồm 15 yếu tố (giới tính, hôn nhân, lịch sử tư pháp, sở hữu kinh doanh, tuổi, quy mô hộ, vị trí làm việc, thời gian làm việc, loại hình, thu nhập, kỳ hạn vay, tình trạng trả nợ, đa dạng hóa ngành nghề, tài sản đảm bảo, có bảo hiểm nhận thọ) là có ý nghĩa thống kê vì thế các giả thuyết về các nhân tố được chấp nhận. Các yếu tố không có ảnh hưởng đến khả năng vỡ nợ của KHCN tại ngân hàng gồm 5 yếu tố (học vấn, số người phụ thuộc, số tiền vay, nghề nghiệp của khách hàng, tỷ lệ trả nợ/ thu nhập hàng tháng) vì thế các giả thuyết về các yếu tố này bị bác bỏ hoàn toàn. 3.3.6 Thảo luận kết quả nghiên cứu Với kết quả ước lượng từ 4 mô hình: Hồi quy Logisitic, hồi quy Probit, mô hình mạng trí tuệ nhân tạo ANN và mô hình rừng ngẫn nhiên Random forest chỉ ra về khả năng dự báo chính xác của các mô hình đều trên 83%. Bên cạnh đó, qua mô hình hồi quy Logistic và Probit đã chỉ ra ảnh hưởng của từng yếu tố lên khả năng vỡ nợ của khách hàng. Để phân tích các yếu tố ảnh hưởng lên khả năng trả nợ của khách hàng, NCS tiến hành phân tích dựa trên mô hình Logistic (mô hình có khả năng dự báo tốt bằng với Probit nhưng có số lượng biến nghiên cứu ý nghĩa nhiều hơn). Với kết quả phân tích này, NCS đưa ra một số phân tích cũng như thảo luận kết quả nghiên cứu như sau: Giới tính của khách hàng vay vốn cũng có ảnh hưởng lên khả năng vỡ nợ. Cụ thể, các KHCN là nam giới sẽ có khả năng vỡ nợ cao hơn nữ giới. Có thể thấy rằng các cá nhân là nam giới thường có nhiều thời gian dành cho công việc hơn nữ giới (Do nữ giới có thêm những công việc thường ngày cho gia đình) Yếu tố về tình trạng hôn nhân cũng có tác động ngược chiều lên khả năng vỡ nợ. Với mã hóa là 1- đã kết hôn và 0- chưa kết hôn, kết quả này chỉ ra những khách hàng đã kết hôn có khả năng trả được nợ cao hơn so với những người chưa kết hôn. Vấn đề do khi lập gia đình, nguồn tài chính có thể huy động từ nhiều nguồn: Vợ/chồng, phụ huynh hay người nhà hai bên vợ/chồng (Ojiako & Ogbukwa, 2012) Lý lịch tư pháp càng tốt thì khả năng vỡ nợ thấp hơn so với các khách hàng có lý lịch tư pháp không tốt. 17 Yếu tố về sỡ hữu kinh doanh có ảnh hưởng ngược chiều lên khả năng vỡ nợ của khách hang. Kết quả này chỉ ra với khách hàng có sở hữu cơ sở kinh doanh (không phải đi thuê) có khả năng vỡ nợ thấp hơn so với các khách hang phải đi thuê cơ sở kinh doanh Vị trí làm việc của khách hàng là nhân viên có xu hướng vỡ nợ cao hơn với các khách hàng làm quản lý. Có thể thấy nhân viên đi làm và vay vốn kinh doanh mang tới rủi ro cao cho ngân hàng Yếu tố độ tuổi có tác động ngược chiều lên khả năng vỡ nợ của khách hàng cá nhân khi vay vốn ở các ngân hàng. Quy mô hộ gia đình có ảnh hưởng ngược chiều lên khả năng vỡ nợ của khách hàng chỉ ra với các hộ có càng nhiều thành viên thì khả năng trả được nợ càng cao. Yếu tố nhu nhập có ảnh hưởng ngược chiều lên khả năng vỡ nợ cho thấy các khách hàng có thu nhập càng cao thì khả năng trả nợ cao hơn với người có thu nhập thấp hơn. Loại hình doanh nghiệp đang làm việc (là nhân viên công ty hoặc đang làm chủ doanh nghiệp), kết quả cho thấy các khách hàng đang làm trong lĩnh vực nhà nước có khả năng vỡ nợ cao hơn so với các khách hàng làm trong lĩnh vực ngoài nhà nước. Yếu tố kinh nghiệm làm việc cũng ảnh hưởng ngược chiều lên khả năng vỡ nợ của khách hàng cá nhân tại các ngân hàng. Yếu tố về thời hạn vay cũng có ảnh hưởng lên khả năng vỡ nợ của khách hàng. Kết quả hồi quy logistic chỉ ra các khoản vay trong trung và dài hạn có xu hướng gặp rủi ro vỡ nợ thấp hơn so với các khoản vay trong ngắn hạn. Kết quả về ảnh hưởng của trả nợ gốc và lãi đúng hạn cũng chỉ ra các khách hàng có lịch sử trả chậm từ 2 lần trở lên sẽ có khả năng vỡ nợ cao hơn so với các khách hàng không trả chậm lần nào hoặc có chỉ trả chậm 1 lần Đa dạng hóa nghề nghiệp có tác động cùng chiều lên khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng HTX Việt Nam Tài sản đảm bảo có tác động ngược chiều lên khả năng vỡ nợ của khách hàng cá nhân. Kết quả cho thấy các khách hàng có tài sản đảm bảo là bất động sản sẽ có xu hướng gặp vỡ vợ thấp hơn so với các khách hàng có tài sản đảm bảo là động sản Yếu tố về tham gia bảo hiểm nhân thọ có ảnh hưởng ngược chiều lên khả năng vỡ nợ của khách hàng. Kết quả này chỉ ra các khách hàng tham gia bảo hiểm nhân thọ có xu hướng vỡ nợ thấp hơn so với các khách hàng chưa tham gia bảo hiểm 3.3.7 So sánh mức độ dự báo chính xác của các mô hình ước lượng Với kết quả ước lượng từ 4 mô hình: Mô hình hồi quy Logistic, mô hình Probit; mô hình ANN và mô hình Random Forest. NCS tiến hành so sánh khả năng dự báo cũng như xếp hạng khả năng dự báo của các mô hình. Kết quả chỉ ra mô hình Logit, Probit và ANN có khả năng dự báo thấp nhất trong 4 mô hình ước lượng với khả năng dự báo chính xác ở mức 83%. Mô hình Random forest gần như dự báo chính xác 97.2%. Có thể thấy với các kĩ thuật phân tích dự báo mang tính chất phân 18 loại như Random forest có khả năng dự báo tốt hơn so với các mô hình ước lượng truyền thống khác như Logistic hay Probit Hình . So sánh mức độ dự báo của các mô hình Từ kết quả các mô hình ước lượng, tác giả cũng đề xuất các ngân hàng nên tham khảo cả 4 mô hình dự báo có khả năng dự báo trên 83% là mô hình Logit mô hình Probit, mạng trí tuệ nhân tạo và Random Forest. Trong đó, mô hình mạng trí tuệ nhân tạo ANN và Random forest sẽ giúp dự báo nhanh về khả năng trả nợ. Hai mô hình hồi quy Logit và Probit sẽ giúp các ngân hàng xây dựng các chỉ số để xếp hạng tín dụng cũng như thu thập các dữ liệu quan trọng liên quan tới khách hàng. 3.4 Phỏng vấn chuyên gia về nguyên nhân rủi ro tín dụng Nhằm nâng cao hoạt động tín dụng cá nhân trong các ngân hàng, NCS tiến hành phỏng vấn chuyên gia về các vấn đề liên quan tới hạn chế rủi ro tín dụng trong ngân hàng nhằm giảm khả năng vỡ nợ của khách hàng. Kết quả phỏng vấn đưa ra một số nguyên nhân chính dẫn tới rủi ro tín dụng hay vỡ nợ của khách hàng: Nguyên nhân từ khách hàng: (1) Sử dụng vốn không đúng mục đích; (2) Hoạt động đầu tư có hiệu quả thấp; (3) Do khách hàng gian lận trong quá trình nộp hồ sơ vay vốn; (4) Tương tác với phía ngân hàng hạn chế; (5) Đa dạng hóa danh mục đầu tư từ khoản vay không hiệu quả. Nguyên nhân từ phía ngân hàng: (1) Rủi ro tín dụng do thiếu thông tin của khách hàng; (2) Do ý muốn chủ quan của của người xét duyệt/người cấp tín dụng; (3) Do áp lực phải hoàn thành chỉ tiêu kế hoạch hàng năm được giao, chưa thật sự quan tâm đến chất lượng tín dụng; (4) Thiếu giám sát và quản lý sau khi cho vay, hệ thống cảnh báo sớm về các khoản vay có vấn đề không hiệ