ỨNG DỤNG MÔ HÌNH LOGISTIC ĐỂ XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG VPBANK - NGÔ QUYỀN Có rất nhiều phương pháp để xếp hạng tín dụng đối với khách hàng doanh nghiệp. Tuỳ từng ngân hàng thì có những phương pháp xếp hạng khác nhau. Đối với ngân hàng VPBank – chi nhánh Ngô Quyền, bên cạnh phương pháp xếp hạng nói trên, sau đây em sẽ đưa ra một phương pháp khác - ứng dụng mô hình LOGISTIC để xếp hạng khách hàng doanh nghiệp tại ngân hàng VPBank – Ngô Quyền. 3.1. Ứng dụng mô hình LOGIT với đầy đủ các biến số vào một số khách hàng của ngân hàng VPBank – Ngô Quyền Sử dụng số liệu là 11 chỉ tiêu định lượng để xếp hạng doanh nghiệp của 50 doanh nghiệp hiện đang có quan hệ tín dụng với VPBank – chi nhánh Ngô Quyền Kí hiệu: Biến phụ thuộc Y: Tình trạng nợ của khách hàng ( doanh nghiệp ) Việc phân chia dựa trên tình trạng chiếm dụng vốn của các doanh nghiệp Y = 0: Doanh nghiệp không có nợ không đủ tiêu chuẩn Y = 1: Doanh nghiệp có nợ không đủ tiêu chuẩn Các biến độc lập X: Quy mô của doanh nghiệp Việc phân chia phụ thuộc vào tổng tài sản ( <10 tỷ quy mô doanh nghiệp nhỏ ), số lao động, doanh thu thuần, nộp ngân sách nhà nước. D = 0: Khi quy mô của doanh nghiệp nhỏ D = 1: Khi quy mô của doanh nghiệp không phải là nhỏ X1: Khả năng thanh toán ngắn hạn X2: Khả năng thanh toán nhanh X3: Kỳ thu tiền bình quân X4: Nợ phải trả trên tổng tài sản X5: Nợ phải trả trên nguồn vốn chủ sở hữu X6: Vòng quay hàng tồn kho X7: Lợi nhuận sau thuế trên doanh thu X8: Tổng lợi tức sau thuế trên nguồn vốn chủ sở hữu( ROE) X9: Tổng lợi tức sau thuế trên tổng tài sản X10: Hiệu quả sử dụng tài sản (Doanh thu thuần trên tổng tài sản ) Bảng 3.1. Bảng ma trận hệ số tương quan của các biến Y D1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 Y 1 0.26726 1 0.20429 1 0.14129 8 -0.1659 0.23169 1 -0.25483 0.18457 5 0.13905 6 0.01604 5 0.20236 6 0.21455 8 D 1 0.26726 1 1 0.19661 9 0.22720 9 -0.10473 0.16999 -0.18106 0.14187 4 0.42766 4 0.22055 1 0.311305 -0.07015 X1 0.20429 1 0.19661 9 1 0.95122 3 -0.10783 0.69104 7 -0.3829 0.33989 9 0.21572 7 0.07223 8 0.44989 6 0.13815 3 X2 0.14129 8 0.22720 9 0.95122 3 1 -0.04587 0.62336 -0.31371 0.35137 0.32184 0.13095 0.45930 6 0.11440 6 X3 -0.1659 -0.10473 -0.10783 -0.04587 1 -0.33658 0.76236 8 -0.09747 0.33590 4 0.14341 8 -0.13494 -0.25551 X4 0.23169 1 0.16999 0.69104 7 0.62336 -0.33658 1 -0.7412 0.241102 0.10207 -0.13374 0.42947 1 0.23032 9 X5 -0.25483 -0.18106 -0.3829 -0.31371 0.76236 8 -0.7412 1 -0.15945 0.09609 5 0.18327 9 -0.31634 -0.23163 X6 0.18457 5 0.14187 4 0.33989 9 0.35137 -0.09747 0.241102 -0.15945 1 0.20231 0.33527 4 0.56971 -0.00535 Ta thấy hệ số tương quan của một số cặp biến số là rất lớn, như: r(X1,X2) = 0.951223 r(X3,X5) = 0.762368 r(X1,X4) = 0.691047 r(X2,X4) = 0.62336 Tức là các biến có tương quan chặt với nhau, nếu giữ nguyên các biến đó và hồi quy thì kết quả sẽ không chính xác vì có thể xảy ra các hiện tượng là không tách được ảnh hưởng của các biến tới biến phụ thuộc, ý nghĩa của các biến sai về mặt kinh tế. Vì vậy dựa vào bảng ma trận hệ số tương quan của các biến xác định các cặp biến có quan hệ tương quan chặt để loại một hoặc cả hai biến trong mỗi cặp đó. Ngoài ra ta có thể kết hợp các kiểm định sau để việc loại biến được chính xác: Ước lượng mô hình Logit với đầy đủ các biến số, ta thu được kết quả sau: Variable Coefficient Std. Error z-Statistic Prob. D1 1.192121 0.974617 1.223169 0.2213 X1 1.896150 1.004133 1.888345 0.0590 X2 -1.878610 1.033080 -1.818456 0.0690 X3 215.7457 625.2673 0.345046 0.7301 X4 -12.52131 7.043104 -1.777811 0.0754 X5 -0.674376 0.885391 -0.761670 0.4463 X6 0.025879 0.025619 1.010161 0.3124 X7 13.70830 7.355708 1.863627 0.0624 X8 -31.03930 17.78750 -1.745007 0.0810 X9 39.60053 27.96949 1.415847 0.1568 X10 1.873597 1.009471 1.856019 0.0635 C 3.542004 3.714154 0.953650 0.3403 Từ bảng trên ta thấy hệ số của các biến khả năng thanh toán nhanh, nợ phải trả trên tổng tài sản, nợ phải trả trên nguồn vốn chủ sở hữu, ROE đều mang dấu âm, điều này là bất hợp lý về mặt kinh tế. Nguyên nhân là do tương quan giữa các biến với nhau. Giá trị p-value của X3 = 0.7301 chứng tỏ rằng hệ số của biến này rất có khả năng = 0, ta sẽ tiến hành bỏ biến X3 ra khỏi mô hình. Để kiểm tra xem có thể bỏ biến X3 ra khỏi mô hình không ta sử dụng kiểm định Wald Test: Ho: C(4) = 0 H1: C(4) ≠ 0 Wald Test: Equation: Untitled Null Hypothesis: C(4)=0 F-statistic 0.119056403194 Probabilit y 0.73196 Chi-square 0.119056403194 Probabilit y 0.73006 Kết quả kiểm định cho thấy C(4) = 0 do kiểm định F có P = 0.73196 > 0.05 và kiểm định χ 2 có P = 0.73006 > 0.05. Chấp nhận giả thiết Ho. Vậy ta có thể bỏ biến X3 ra khỏi mô hình. Thử hồi quy lại các biến trên khi không có X3. Ta có được kết quả sau: Variable Coefficient Std. Error z-Statistic Prob. D1 1.123395 0.943822 1.190261 0.2339 X1 1.840920 0.977601 1.883100 0.0597 X2 -1.816673 1.004981 -1.807669 0.0707 X4 -12.14723 7.275309 -1.669651 0.0950 X5 -0.568638 0.855819 -0.664437 0.5064 X6 0.024617 0.025028 0.983616 0.3253 X7 13.65584 7.256692 1.881827 0.0599 X8 -30.78391 17.67848 -1.741321 0.0816 X9 39.92666 28.15955 1.417873 0.1562 X10 1.776629 0.940602 1.888821 0.0589 C 3.475079 4.172130 0.832927 0.4049 Từ bảng trên thống kê t của X5 = -0.568638, giá trị p-value của X5 = 0.5064, chứng tỏ hệ số của biến này có thể = 0. Kiểm định: Ho: C(5) = 0 H1: C(5) ≠ 0 Wald Test: Equation: Untitled Null Hypothesis: C(5)=0 F-statistic 0.4414765551 Probability 0.51032 Chi-square 0.4414765551 Probability 0.50641 Kết quả kiểm định cho thấy C(5) = 0 do kiểm định F có P = 0.51032 > 0.05 và kiểm định χ 2 có P = 0.50641 > 0.05. Chấp nhận giả thiết Ho. Vậy ta có thể bỏ biến X5 ra khỏi mô hình. Thử hồi quy lại các biến trên khi không có X5. Ta có được kết quả sau: Variable Coefficient Std. Error z-Statistic Prob. D1 1.171353 0.929718 1.259902 0.2077 X1 1.746575 0.961692 1.816148 0.0693 X2 -1.763154 0.996877 -1.768678 0.0769 X4 -9.446807 5.276317 -1.790417 0.0734 X6 0.024037 0.025884 0.928635 0.3531 X7 12.99455 6.778930 1.916903 0.0553 X8 -32.30504 16.54775 -1.952231 0.0509 X9 43.07412 25.92424 1.661539 0.0966 X10 1.803707 0.942358 1.914037 0.0556 C 1.447431 2.353546 0.615000 0.5386 Ta thấy p-value của biến X6 = 0.3531 > 0.05 và p-value của biến C = 0.5386 > 0.05, chứng tỏ rằng hệ số của các biến này có thể bằng 0. Kiểm định: Ho: C(5) = 0, C(10) = 0 H1: C(5) ≠ 0, C(10) ≠ 0 Wald Test: Equation: Untitled Null Hypothesis: C(5)=0 C(10)=0 F-statistic 0.703862 Probability 0.500695 Chi-square 1.407723 Probability 0.494671 Ta thấy kiểm đinh F có P = 0.500695 > 0.05 và kiểm định χ 2 có P = 0.494671 > 0.05, vậy chấp nhận giả thiết Ho. Tiến hành hồi quy các biến còn lại khi không có biến X6 và C. Variable Coefficient Std. Error z-Statistic Prob. D1 0.973696 0.874424 1.113529 0.2655 X1 1.551583 0.868897 1.785691 0.0741 X2 -1.573429 0.908512 -1.731875 0.0833 X4 -6.062617 2.691582 -2.252436 0.0243 X7 11.10615 5.981732 1.856677 0.0634 X8 -22.83146 8.879521 -2.571249 0.0101 X9 29.41683 12.89567 2.281141 0.0225 X10 1.707614 0.886749 1.925702 0.0541 Ta thấy biến D1 có p-value = 0.2655 > 0.05, chứng tỏ hệ số của biếnnày rất có thể bằng 0. Kiểm định : Ho: C(1) = 0 H1: C(1) ≠ 0 Wald Test: Equation: Untitled Null Hypothesis: C(1)=0 F-statistic 1.239947 Probability 0.271814 Chi-square 1.239947 Probability 0.265481 Kết quả kiểm định cho thấy C(1) = 0 do kiểm định F có P = 0.271814 và kiểm định χ 2 có P = 0.265481 > 0.05, vậy chấp nhận giả thiết Ho. Hồi quy lại các biến khi không có biến D1. Variable Coefficien t Std. Error z-Statistic Prob. X1 1.434456 0.802578 1.787309 0.0739 X2 -1.449024 0.866151 -1.672945 0.0943 X4 -5.980214 2.609746 -2.291493 0.0219 X7 12.32075 5.632256 2.187533 0.0287 X8 -22.86419 8.435738 -2.710396 0.0067 X9 30.37381 12.68636 2.394209 0.0167 X10 1.792656 0.872332 2.055014 0.0399 Như vậy có thể mô tả xác suất có nợ không đủ tiêu chuẩn của doanh nghiệp như sau: )10*793.19*37.308*86.227*32.125*982.52*449.11*43.1exp(1 )10793.19*37.308*86.227*32.124*982.52*449.11*43.1exp( XXXXXXX XXXXXXX Pi ++−+−−+ ++−+−− = P-value của các hệ số phương trình trên có ý nghĩa với mức ý nghĩa 15%. Các biến số tác động đến xác suất xảy ra nợ không đủ tiêu chuẩn bao gồm: X1: Khả năng thanh toán ngắn hạn X2: Khả năng thanh toán nhanh X4: Nợ phải trả trên tổng tài sản X7: Lợi nhuận sau thuế trên doanh thu X8: Tổng lợi tức sau thuế trên nguồn vốn chủ sở hữu ( ROE) X9: Tổng lợi tức sau thuế trên tổng tài sản X10: Hiệu quả sử dụng tài sản (Doanh thu thuần trên tổng tài sản) Tình trạng nợ của doanh nghiệp phụ thuộc 1.434456 vào khả năng thanh toán ngắn hạn, -1.449024 vào khả năng thanh toán nhanh, -5.980214 vào nợ phải trả trên tổng tài sản, 12.32075 vào lợi nhuận sau thuế trên doanh thu, -22.86419 vào ROE, 30.37381 vào ROA, 1.792656 vào hiệu quả sử dụng tài sản. Trong đó Khả năng thanh toán nhanh, Nợ phải trả trên tổng tài sản ,ROE tác động âm tới tình trạng nợ của doanh nghiệp và Khả năng thanh toán ngắn hạn, lợi nhuận sau thuế trên doanh thu, ROA, hiệu quả sử dụng tài sản tác động dương tới tình trạng nợ của doanh nghiệp. Bảng 3.7. Bảng so sánh kết quả hạng và xác suất nợ không đủ tiêu chuẩn ( KĐTC ) của 50 DN STT các công ty Xác suất nợ KĐTC Xếp hạng tại VPB - Ngô Quyền 1 0.0164803 A+ 2 0.0426518 A+ 3 0.0640561 A+ 4 0.0815994 A+ 5 0.0863142 A+ 6 0.1024201 A 7 0.1995222 A 8 0.2018065 B+ 9 0.2299520 B+ 10 0.2648686 B+ 11 0.2843790 B+ 12 0.2847372 B+ 13 0.2930685 B+ 14 0.3410943 B+ 15 0.3523912 B+ 16 0.3539158 B+ 17 0.3539353 B+ 18 0.3635200 B+ 19 0.3960667 B+ 20 0.4050807 B 21 0.4186262 B 22 0.4207671 B 23 0.4229262 B 24 0.4257238 B 25 0.4498142 B 26 0.4640752 B 27 0.4667833 B 28 0.4738493 B 29 0.5170286 B 30 0.517168 B 31 0.5175199 B 32 0.5483944 B 33 0.5615608 B 34 0.5764677 B 35 0.6443461 C+ 36 0.68602 C+ 37 0.6976173 C+ 38 0.7143504 C+ 39 0.7415317 C+ 40 0.7572428 C+ 41 0.7661409 C+ 42 0.7730426 C+ 43 0.8200051 C 44 0.8288022 C 45 0.8773489 C 46 0.9138767 C 47 0.9409918 C 48 0.952017 C 49 0.9836214 C 50 0.999171 C [...]... của khách hàng một cách kịp thời, chính xác về: Tuổi tác, trình độ học vấn, công việc đang làm để có được đánh giá chính xác về tình hình tài chính và khả năng trả nợ của khách hàng thông qua mô hình điểm số tín dụng đối với khách hàng cá nhân - Đối với khách hàng doanh nghiệp: Cần thu thập kịp thời về tình hình sản xuất kinh doanh, tình hình tài chính của khách hàng … .Để từ đó có chính sách cấp tín dụng. .. động kinh doanh khác, hoạt động tín dụng của NHTM Việt Nam hiện nay đang phát triển mạnh mẽ và nó đã trở thành một yếu tố không thể thiếu được đối với nền kinh tế Tuy nhiên trong hoạt động tín dụng thì rủi ro tín dụng là điều không thể tránh khỏi đối với mỗi Ngân hàng Chính vì vậy việc xếp hạng khách hàng là rất cần thiết, giúp các Ngân hàng hạn chế được phần nào rủi ro, quản lý được khách hàng Vì vậy,... phát triển các mô hình để đo lường rủi ro tín dụng Thứ hai, đưa ra các hợp đồng phái sinh để có thể chuyển giao rủi ro tín dụng Phái sinh tín dụng là một nghiệp vụ cho phép các NH và các tổ chức tín dụng chuyển rủi ro tín dụng sang những tổ chức sẵn sang chấp nhận rủi ro khác Gần đây, sự chú ý đã tập trung và việc chuyển giao rủi ro tín dụng từ một NH sang một đối tác khác bằng cách sử dụng các hợp đồng... định Hiện nay, các NHTM đều có thiết lập quy trình tín dụng, giúp cho các nhà quản trị tín dụng có thông tin đầy đủ trước khi quyết định cấp tín dụng, bao gồm: - Lập hồ sơ đề nghị cấp tín dụng - Phân tích tín dụng - Ra quyết định tín dụng - Giải ngân - Giám sát và thu hồi nợ - Thanh lý hợp đồng tín dụng 3.2.5 Sử dụng các nghiệp vụ phái sinh tín dụng để phòng ngừa rủi ro Ngày nay các nhà quản lý rủi ro... có thể rút ra mối quan hệ giữa hai cách xếp hạng được mô tả bằng bảng sau: Bảng 3.8 Bảng mô tả xếp loại dựa vào xác suất nợ KĐTC và hạng của KH STT 1 2 3 4 5 6 Hạng của khách hàng A+ A B+ B C+ C Xác suất có nợ không đủ tiêu chuẩn 0 → 0.1 0.1 → 0.2 0.2 → 0.4 0.4 → 0.6 0.6 → 0.8 0.8 → 1 3.2 Một số giải pháp nhằm phòng ngừa và hạn chế rủi ro tín dụng Hoạt động tín dụng luôn là một hoạt động cơ bản và quan... phòng ngừa và hạn chế rủi ro tín dụng là rất quan trọng đối với hoạt động tín dụng của ngân hàng 3.2.1 Nâng cao chất lượng công tác thẩm định và phân tích tín dụng • Rà soát, chỉnh sửa và hoàn thiện các quy trình nội bộ, ứng dụng thông tin phù hợp với các thông tin của pháp luật có liên quan • Thu thập thông tin về các khách hàng cần kịp thời và chính xác - Đối với khách hàng cá nhân: Cần theo dõi, nắm... hiện nay việc đổi mới hoạt động theo hướng nâng cao hiệu quả tín dụng phải được coi là khâu then chốt trong tiến trình đổi mới chung của ngành ngân hàng Qua thời gian nghiên cứu đề tài và thực tập giúp em hiểu thêm kiến thức thực tế về tín dụng, rủi ro tín dụng, hiệu quả hoạt động tín dụng, xếp hạng tín dụng trong hoạt động chi vay của ngân hàng và hiểu sâu thêm về kiến thức chuyên ngành mà mình đã học... Vì thế việc sử dụng các công cụ phái sinh tín dụng cần phải được xem xét kỹ lưỡng nhằm góp phần hạn chế rủi ro tín dụng cho NH KẾT LUẬN Ngân hàng có thể được coi là trái tim của nền kinh tế Nội dung các mặt hoạt động của ngân hàng bao quát đến toàn bộ hoạt động của nền kinh tế, đến mọi đối tượng, tổ chức, cá nhân liên quan đến lĩnh vực tiền tệ, tín dụng, thanh toán, ngoại hối và ngân hàng ở trong nước... 2008 4 Rủi ro tín dụng và quản trị rủi ro tín dụng , Ngân hàng TMCP các doanh nghiệp ngoài quốc doanh – chi nhánh Ngô Quyền 5 Nguyễn Văn Tiến, Đánh giá và phòng ngừa rủi ro, NXB Thống kê 2002 6 Nguyễn Văn Tiến, Quản trị rủi ro trong kinh doanh ngân hàng, Học viện ngân hàng 7 Website: http://w.w.w.vpb.com.vn PHỤ LỤC Bảng 3.2 Mô hình với đầy đủ biến số Dependent Variable: Y Method: ML - Binary Logit... thực tế để phát triển trong các nghiên cứu sau này tốt hơn Xin chân thành cám ơn! DANH MỤC TÀI LIỆU THAM KHẢO 1 Nguyễn Quang Dong, Kinh tế lượng chương trình nâng cao, NXB Khoa học kỹ thuật, 2007, Hà Nội 2 Phạm Thị Thu Hà, Giáo trình ngân hàng thương mại NXB Thống kê, 2006 3 Tạp chí Ngân hàng và Tạp chí Tài chính tiền tệ các năm 2007, 2008 4 Rủi ro tín dụng và quản trị rủi ro tín dụng , Ngân hàng TMCP . ỨNG DỤNG MÔ HÌNH LOGISTIC ĐỂ XẾP HẠNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG VPBANK - NGÔ QUYỀN Có rất nhiều phương pháp để xếp hạng tín dụng đối với khách. phương pháp xếp hạng nói trên, sau đây em sẽ đưa ra một phương pháp khác - ứng dụng mô hình LOGISTIC để xếp hạng khách hàng doanh nghiệp tại ngân hàng VPBank