Ứng Dụng Mô Hình Phân Tích Sống Sót Trong Đo Lường Rủi Ro Tín Dụng Khách Hàng Cá Nhân Tại Ngân Hàng Tmcp Ngoại Thương Việt Nam Tại Tphcm

1. Thông tin Luận văn thạc sĩ

• Tên Luận văn: Ứng dụng mô hình phân tích sống sót trong đo lường rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Ngoại Thương Việt Nam tại TPHCM
• Tác giả: Phan Xuân Vinh
• Số trang: 77
• Năm: 2017
• Nơi xuất bản: TP. Hồ Chí Minh
• Chuyên ngành học: Ngân hàng
• Từ khoá: Mô hình phân tích sống sót, rủi ro tín dụng, khách hàng cá nhân, Vietcombank, chấm điểm tín dụng

2. Nội dung chính

Hoạt động tín dụng luôn là nguồn lợi nhuận chính yếu của các ngân hàng, chiếm hơn 80% tổng thu nhập, đặc biệt trong bối cảnh các ngân hàng thương mại tại Việt Nam đang đẩy mạnh chuyển dịch sang thị trường bán lẻ. Tuy nhiên, cùng với lợi nhuận cao là rủi ro lớn, mà rủi ro tín dụng là vấn đề trọng yếu có thể dẫn đến phá sản các định chế tài chính. Việc đo lường và quản lý rủi ro tín dụng hiệu quả là cần thiết để đảm bảo an toàn và phát triển bền vững cho ngân hàng. Các mô hình chấm điểm tín dụng hiện hành, đặc biệt là hồi quy Logistic, mặc dù phổ biến nhưng còn tồn tại những hạn chế đáng kể, điển hình là không xử lý được “dữ liệu bị cắt” (censored data) – những thông tin quan trọng bị bỏ qua khi một khoản vay được tất toán sớm hoặc chưa đến hạn vỡ nợ trong thời gian nghiên cứu. Nhận thấy khoảng trống này, luận văn đề xuất ứng dụng mô hình phân tích sống sót, một phương pháp đã được phát triển trong y học và sau đó ứng dụng thành công trong tài chính bởi Narain (1992) và Thomas (2000), nhằm đo lường rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Ngoại Thương Việt Nam (Vietcombank) tại TP.HCM. Mục tiêu chính là xây dựng một mô hình có khả năng dự báo xác suất vỡ nợ theo thời gian, tận dụng tối đa các thông tin từ dữ liệu hiện có và khắc phục nhược điểm của các phương pháp truyền thống.

Mô hình phân tích sống sót (Survival Analysis) là một công cụ thống kê mạnh mẽ được thiết kế để phân tích dữ liệu mà biến kết quả là thời gian xảy ra một sự kiện cụ thể, trong bối cảnh tín dụng là thời điểm vỡ nợ. Ưu điểm nổi bật của phương pháp này là khả năng xử lý hiệu quả “dữ liệu bị cắt”, tức là các quan sát mà thời điểm sự kiện chưa hoặc không thể được quan sát đầy đủ. Điều này bao gồm các trường hợp khách hàng trả nợ sớm hoặc vẫn duy trì khoản vay tốt tại thời điểm kết thúc nghiên cứu, giúp tận dụng tối đa lượng thông tin sẵn có, vốn bị loại bỏ trong các mô hình hồi quy truyền thống như Logistic. Luận văn đặc biệt chú trọng đến mô hình Cox Proportional Hazards (Cox PH), một mô hình bán tham số không yêu cầu giả định về hàm nguy cơ cơ sở, giúp đơn giản hóa quá trình ước lượng và cho phép dự đoán xác suất vỡ nợ tại từng mốc thời gian khác nhau của người vay. Quá trình nghiên cứu sử dụng phương pháp định lượng, thống kê mô tả và mô hình hồi quy Cox, với dữ liệu thu thập từ 2756 khách hàng vay vốn tiêu dùng tại Vietcombank TP.HCM từ tháng 7/2012 đến tháng 8/2015, định nghĩa “vỡ nợ” là quá hạn trên 90 ngày. Việc ứng dụng mô hình này không chỉ cung cấp cái nhìn sâu sắc hơn về hành vi vỡ nợ mà còn cải thiện độ chính xác trong dự báo rủi ro, điều mà các nghiên cứu trước đây đã chứng minh.

Tại Vietcombank, hoạt động tín dụng, đặc biệt là tín dụng bán lẻ, đang ngày càng được chú trọng để đa dạng hóa nguồn thu và giảm rủi ro tập trung. Dư nợ cho vay cá nhân tại Vietcombank đã tăng trưởng mạnh mẽ, đạt 116 nghìn tỷ đồng vào năm 2016, chiếm 25% tổng dư nợ cho vay khách hàng. Tuy nhiên, hệ thống chấm điểm tín dụng hiện tại của ngân hàng, được ban hành theo Quyết định 418/QĐ-HĐQT-CSTD, còn bộc lộ nhiều hạn chế. Mô hình này dựa nhiều vào đánh giá chủ quan của cán bộ tín dụng, không tính toán xác suất vỡ nợ cụ thể, dẫn đến việc áp dụng lãi suất chung cho các khoản vay đủ điều kiện. Nó cũng chưa xem xét sâu sắc mục đích vay vốn, đặc biệt với các khoản vay tín chấp có độ rủi ro cao. Hơn nữa, hệ thống thiếu khả năng dự báo dài hạn, không phản ánh được sự thay đổi rủi ro theo thời gian của các khoản vay trung và dài hạn, vốn là đặc trưng của tín dụng cá nhân. Tỷ lệ nợ xấu trong cho vay tiêu dùng và thẻ tín dụng, chiếm 4.4% tổng dư nợ hai sản phẩm này tại TP.HCM vào tháng 10/2017, cho thấy sự cần thiết của một công cụ đo lường rủi ro tinh vi và khách quan hơn. Các thống kê dữ liệu ban đầu cũng chỉ ra rằng nhóm tự doanh có tỷ lệ vỡ nợ cao hơn hẳn, và các khoản vay tiền mặt không rõ mục đích tiềm ẩn rủi ro lớn mặc dù chưa thể hiện rõ trong thống kê nợ xấu tổng thể.

Từ các phân tích trên, luận văn đề xuất xây dựng mô hình phân tích sống sót Cox với các biến độc lập được lựa chọn kỹ lưỡng sau khi kiểm định giả định tỷ lệ nguy cơ (proportional hazards assumption) bằng đồ thị phần dư riêng phần (Schoenfeld residuals) và đồ thị Log minus Log. Sau quá trình sàng lọc, mô hình cuối cùng bao gồm các biến có ý nghĩa thống kê và tuân thủ giả định mô hình: tỷ lệ nợ trên thu nhập (DTI), giới tính và loại sản phẩm vay. Kết quả cho thấy DTI có tác động dương đáng kể đến nguy cơ vỡ nợ, mỗi đơn vị tăng của DTI làm tăng 4% nguy cơ vỡ nợ. Giới tính nữ có xu hướng làm giảm nguy cơ vỡ nợ đáng kể (giảm 21.6%) so với giới tính nam. Đặc biệt, loại sản phẩm vay có ảnh hưởng mạnh mẽ: vay tiêu dùng tiền mặt không rõ mục đích làm tăng nguy cơ vỡ nợ lên gấp 4 lần so với vay mua xe. Hàm nguy cơ cơ sở cũng chỉ ra rằng nguy cơ vỡ nợ tăng chậm trong 16 tháng đầu nhưng sau đó tăng nhanh chóng, đạt 50% sau 24 tháng. Dựa trên những phát hiện này, luận văn đưa ra các khuyến nghị cụ thể cho Vietcombank: ưu tiên khách hàng nữ, siết chặt giới hạn DTI dưới 30%, thiết kế sản phẩm vay rõ ràng và cẩn trọng với vay tiền mặt, điều chỉnh kỳ hạn vay tối đa phù hợp (khoảng 24 tháng) và áp dụng phần bù lãi suất dựa trên xác suất vỡ nợ để quản lý rủi ro hiệu quả hơn, đồng thời nhấn mạnh sự cần thiết của thẩm định thu nhập chính xác và đạo đức nghề nghiệp.