So sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Trường hợp của Ngân hàng Hợp tác (Co-opBank)

Tạp chí KTĐN số 123

So sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Trường hợp của Ngân hàng Hợp tác (Co-opBank)

(A comparison of models for factors affecting personal loan default: The Case of Co-opBank)

Ngô Tiến Quý[1]

Nguyễn Việt Dũng[2]

Nguyễn Thiện Toàn[3]

Tóm tắt

Bài viết áp dụng và so sánh 3 phương pháp phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân là: Phân tích phân biệt (Multiple Discriminant Analysis - MDA), hồi quy Logit và Probit. Dữ liệu được sử dụng là các khoản cấp tín dụng cá nhân tại ngân hàng Co-opBank, Chi nhánh Bắc Ninh giai đoạn 2013 – 2018, với mẫu nghiên cứu gồm 4.451 quan sát, trong đó nhóm không vỡ nợ là 3.996 và nhóm vỡ nợ là 455 quan sát. Kết quả cho thấy hồi quy Logit phù hợp nhất với mẫu dữ liệu. Phương pháp MDA đem lại kết quả chấp nhận được. Trong khi đó, hồi quy Probit có hiệu quả thấp hơn khá rõ rệt so với 2 phương pháp trên.

Từ khóa: Tín dụng khách hàng cá nhân, các yếu tố ảnh hưởng khả năng vỡ nợ, phân tích phân biệt, hồi quy Logit, hồi quy Probit.

Abstract

The paper applies and compares three methods of analyzing factors affecting personal loan default: Multiple Discriminant Analysis (MDA), Logit and Probit regressions. The data used comes from personal loans granted by Co-opBank’s Bac Ninh Branch for the period of 2013-2018, with a final sample including 3,996 non-default and 455 default observations. The results show that Logit regression is best suited to the data. The MDA method yields acceptable results but Probit regression has a significantly lower efficiency than the other two methods.

Keywords: Personal loan, Factors affecting default, MDA, Logit, Probit.

Giới thiệu

Thị trường tín dụng ngân hàng đối với khách hàng cá nhân tại Việt Nam đang phát triển và có tiềm năng lớn trong tương lai khi mà nguồn vốn ngân hàng vẫn đang trong quá trình tiếp cận đến nhiều tầng lớp dân cư hơn. Với thu nhập từng bước gia tăng, nhiều cơ hội kinh doanh mở ra và tiêu dùng tăng lên, nhu cầu vay vốn nói riêng và sử dụng các dịch vụ ngân hàng nói chung của người dân tại Việt Nam đang tăng cao. Không chỉ tín dụng tiêu dùng, tín dụng cá nhân với mục đích sản xuất kinh doanh hộ gia đình cũng chứng kiến sự tăng trưởng mạnh mẽ trong giai đoạn này. Các ngân hàng đều muốn chiếm lĩnh thị trường này, tối đa hóa lợi nhuận nhưng cũng có chung lo ngại về rủi ro trong cho vay đối với đối tượng khách hàng cá nhân.

            Ngân hàng gặp phải một bài toán khó giải quyết khi phải cân nhắc hồ sơ vay vốn từ các cá nhân để ra quyết định cho vay. Bên cạnh mục tiêu mở rộng thị trường, tăng trưởng doanh thu, ngân hàng phải thận trọng với các quyết định của mình và không thể dễ dàng chấp nhận cấp vốn cho mọi cá nhân có nhu cầu. Nếu như những khách hàng tốt mang về doanh số và thu nhập cho ngân hàng đều đặn thì một vài hợp đồng tín dụng vỡ nợ có thể khiến lợi nhuận sụt giảm tức thì. Bởi vậy, việc xác định được khả năng vỡ nợ của khách hàng ngay từ thời điểm trước khi hình thành quan hệ tín dụng giữa ngân hàng và người cần vốn ảnh hưởng trực tiếp đến hiệu quả kinh doanh của ngân hàng. Hiện nay, khi so với khách hàng doanh nghiệp, các mô hình định lượng đánh giá rủi ro vỡ nợ của khách hàng cá nhân chưa thực sự phát triển. Vấn đề đặt ra là cần có một mô hình đo lường rủi ro vỡ nợ của khách hàng cá nhân có đủ tính tin cậy và khả năng dự báo chính xác, nghĩa là, một mô hình cần được kiểm chứng qua thực nghiệm trên dữ liệu tại thị trường cụ thể như Việt Nam.

Các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân của NHTM

2.1. Các nghiên cứu thực nghiệm

2.1.1. Các nghiên cứu về khả năng vỡ nợ của khách hàng cá nhân trên thế giới

Chapman (1940) đã đặt nền móng cho những nghiên cứu về yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân từ rất sớm và phân loại gồm: đặc điểm nhân khẩu học (tuổi tác, giới tính, gia đình…), đặc điểm nghề nghiệp, đặc điểm thu nhập, đặc điểm học vấn và đặc điểm khoản vay. Ngoài ra còn một yếu tố khác liên quan đến sự sẵn lòng trả nợ của khách hàng.

Arminger & cộng sự (1997) sử dụng 3 phương pháp là phân tích phân biệt logistic (logistic discriminant analysis), phân tích CART và hệ thống tiếp thuận (feedforward network) trên bộ mẫu dữ liệu 8.163 quan sát trong 2 năm 1991 – 1992 ở một ngân hàng Đức. Kết quả cho thấy người trưởng thành, người có thâm niên công tác, người có ôtô, nữ giới và những người có gia đình có khả năng trả nợ tốt hơn.

Vasanthi & Raja (2006) ước tính khả năng vỡ nợ liên quan đến thu nhập và các yếu tố khác với dữ liệu của Úc (Cục Thống kê Úc, ABS 2001) cho một mẫu gồm 3.431 hộ gia đình. Vasanthi & Raja chỉ ra rằng độ tuổi của khách hàng, thu nhập và các yếu tố nhân khẩu học là những yếu tố quan trọng ảnh hưởng đến khả năng vỡ nợ. Nghiên cứu của Crook (2001) cũng nhấn mạnh yếu tố về thu nhập, việc sở hữu nhà và quy mô hộ gia đình. Black & Morgan (1998) cũng chú ý tới các yếu tố xã hội và các yếu tố về nhân khẩu học của người được cấp tín dụng.

Autio & cộng sự (2009) nghiên cứu việc sử dụng các khoản vay nóng ở Phần Lan. Khảo sát trực tuyến được tiến hành cho các đối tượng từ 18 đến 29 tuổi với các câu hỏi về tuổi tác, giới tính, tình hình tài chính, thu nhập, việc làm và tình trạng lao động cũng như cấu trúc gia đình. Các yếu tố ảnh hưởng đến số lượng các khoản vay là tình trạng nghề nghiệp, thu nhập và cơ cấu hộ gia đình. Giới tính dường như không có ảnh hưởng.

Kocenda & Vojtek (2011) nghiên cứu một mẫu gồm 3.403 quan sát với 21 biến giải thích. Với 2 phương pháp hồi quy logistic và phân tích CART, kết quả cho thấy các đặc tính về tài chính và hành vi quan trọng trong giải thích khả năng vỡ nợ trong tín dụng tiêu dùng là: tài sản, trình độ học vấn, tình trạng hôn nhân, mục đích của khoản vay và thời gian có tài khoản ngân hàng.

Bên cạnh những yếu tố cơ bản đã nêu, Lea & cộng sự (1993) thêm những yếu tố vĩ mô (kinh tế, xã hội) ảnh hưởng. Kohansal & Mansoori (2009) thêm về vấn đề rủi ro đạo đức và đặc điểm của cán bộ cho vay, Macana (2006) bổ sung yếu tố rủi ro tác nghiệp từ phía ngân hàng. Rodrigues (2008) đã tìm hiểu một số yếu tố chỉ tiêu bất thường mà người đi vay không dự đoán trước.

Một số những nghiên cứu tìm ra kết quả có những mâu thuẫn so với hiểu biết thông thường. Livingston & Lunt (1992) đã cho thấy những người có thu nhập cao và ít con có khả năng mắc nợ cao hơn. Özdemir & Boran (2004) sử dụng hồ quy Logit nhị phân (logistic binary regression) nghiên cứu dữ liệu từ một ngân hàng Thổ Nhĩ Kỳ. Tác giả không thấy có tác động của các biến nhân khẩu học tới khả năng vỡ nợ, trừ biến tình trạng nơi ở. Trong khi đó, các đặc điểm về tài chính có thể giải thích tốt khả năng vỡ nợ, trong đó phải kể tới lãi suất và thời hạn vay. Thời hạn vay càng dài và lãi suất càng cao thì khả năng hoàn thành đúng nghĩa vụ thanh toán nợ của khách hàng càng giảm.

2.1.2. Các nghiên cứu về khả năng vỡ nợ KHCN tại Việt Nam

Các nghiên cứu về trường hợp Việt Nam còn rất hạn chế về số lượng. Dinh & Kleimeier (2007) sử dụng bộ dữ liệu gồm 56.037 quan sát với hồi quy logistic và phương pháp stepwise để chọn ra 16 yếu tố ảnh hưởng. Một số yếu tố được nhấn mạnh là thâm niên giao dịch với ngân hàng, giới tính, số khoản vay và thời hạn vay.

Pham & Lensink (2008) sử dụng dữ liệu hộ gia đình Việt Nam xem xét sự khác biệt về khả năng vỡ nợ trong tín dụng chính thức, phi chính thức và bán chính thức. Từ đó, nhóm đánh giá các yếu tố quyết định khả năng vỡ nợ đối với 3 loại trên. Thời hạn cho vay và lãi suất cho vay và vai trò của người thân trong cho vay không chính thức (làm giảm tỷ lệ vỡ nợ) là ba yếu tố ảnh hưởng được nhấn mạnh ở thị trường Việt Nam.

2.2. Tổng hợp các yếu tố ảnh hưởng đến khả năng vỡ nợ của KHCN

2.2.1. Đặc điểm nhân khẩu học

Đặc điểm nhân khẩu học bao gồm những yếu tố về bản thân khách hàng:

Độ tuổi: Đây là yếu tố quan trọng và có mặt trong hầu hết các nghiên cứu thực nghiệm nêu trên. Chapman (1940), Thomas (2000), Boyes & cộng sự (2002), Kohansal & Mansoori (2009) cũng như một số nghiên cứu trước đây đã đưa ra kết luận rằng độ tuổi người được cấp tín dụng càng lớn thì khả năng trả nợ của họ càng cao. Khách hàng trẻ tuổi có xu hướng bị ảnh hưởng xấu bởi gánh nặng của các khoản tín dụng và các yếu tố liên quan đến độ tuổi trẻ cũng sẽ làm giảm khả năng trả nợ. Người lớn tuổi có những ràng buộc về uy tín, kinh nghiệm sống nhiều hơn; trong khi về rủi ro nghề nghiệp nói chung thấp hơn. Ngược lại, vẫn luôn có những ý kiến trái chiều như: sức khỏe thấp hơn, số người phụ thuộc lớn hơn sẽ làm độ tuổi ảnh hưởng ngược chiều với khả năng trả nợ. Đối với hộ gia đình có hoạt động kinh doanh, độ tuổi có thể là yếu tố bao hàm độ tuổi cũng như cả tình trạng sức khỏe của người đi vay và có thể liệt kê thêm tuổi nghề của lao động do người đi vay thuê để tiến hành hoạt động kinh doanh hộ gia đình.

Giới tính: Zelizer (1994) cho thấy sự quan trọng của yếu tố giới tính. Nam giới và nữ giới có sự khác nhau về việc tiếp nhận, sử dụng cũng như quan niệm về giá trị tiền bạc. Chapman (1990), Weber & Musshoff (2012) chỉ ra rằng nữ giới có khả năng ít tạo ra các rủi ro tín dụng hơn là nam giới do họ ít phạm tội, cá tính thận trọng, và ít gây ra các rủi ro đạo đức.

Tình trạng hôn nhân: yếu tố này gây ra những tranh cãi lớn hơn xung quanh nó. Lập gia đình có thể tạo ra những nền tảng cho khả năng trả nợ như khách hàng sẽ chín chắn, ngại rủi ro hơn; nhưng cũng đem lại những ràng buộc về chăm lo gia đình và những người phụ thuộc. Nghiên cứu của Duygan-Bump & Grant (2008) không đề cao ảnh hưởng của biến này.

2.2.2. Đặc điểm nghề nghiệp

Những cá nhân có nghề nghiệp ổn định (công chức Nhà nước, nhân viên văn phòng), có vị trí xã hội (giám đốc, chủ tịch), có kinh nghiệm lâu năm hoặc trong những lĩnh vực đòi hỏi chất xám cao hay có tay nghề vững vàng (kế toán, kỹ sư, bác sĩ) có khả năng tạo ra nguồn thu nhập ổn định và cao hơn những lĩnh vực nghề nghiệp khác, từ đó, khả năng trả nợ đúng hạn là cao hơn. Kohansal & Mansoori (2009) nghiên cứu dữ liệu với khách hàng là nông dân tại tỉnh Khorasan-Razavi (Iran) và chỉ ra những nông dân có kinh nghiệm lâu năm hơn là những người có tỷ lệ trả nợ cao hơn. Trong một nghiên cứu tương tự, Acquah & Addo (2011) sử dụng dữ liệu là số năm kinh nghiệm của các ngư dân tại Ghana nhưng lại không tìm thấy ý nghĩa thống kê về ảnh hưởng của biến số này.

Đối với hoạt động kinh doanh hộ gia đình, đặc điểm nghề nghiệp được coi là bao hàm thêm nhiều yếu tố (sẽ được phân tích, kiểm định trong mục IV và V) như thời gian trung bình của lao động tại cơ sở kinh doanh, khả năng tổ chức sản xuất kinh doanh, ngành nghề kinh doanh, kinh nghiệm sản xuất kinh doanh, kế hoạch kinh doanh, khách hàng sử dụng dịch vụ tại các TCTD khác, quan hệ với nhà cung cấp, công tác nghiên cứu thị trường, công tác ghi chép kế toán, kênh phân phối, thâm niên quan hệ với các TCTD, việc sở hữu cơ sở kinh doanh…

2.2.3. Đặc điểm trình độ học vấn

Yếu tố về trình độ học vấn nhận được rất nhiều những ý kiến ủng hộ với giả thuyết rằng những người có học vấn cao sẽ có khả năng trả nợ cao hơn. Yếu tố này tương quan với những yếu tố về thu nhập, nghề nghiệp… và đặc biệt liên quan với ý chí trả nợ của khách hàng (Haile & cộng sự, 2012).

2.2.4. Đặc điểm thu nhập

Là yếu tố cơ bản cấu thành nền tảng trả nợ của khách hàng, hầu hết các nghiên cứu đều chỉ ra tầm ảnh hưởng quan trọng của yếu tố này. Thu nhập cao và ổn định sẽ giúp khả năng trả nợ nâng cao. Tuy nhiên, tương quan cao lại không dễ tìm thấy trong thực nghiệm với những điều kiện ảnh hưởng khác như: ý chí trả nợ của khách hàng, cán bộ tín dụng quá chủ quan trong quá trình quyết định cho vay…

Đối với cá nhân, hộ gia đình có hoạt động kinh doanh, đặc điểm thu nhập có thể liên quan nhiều chi tiết như: tỷ lệ vốn tự có, khả năng sinh lời, biến động giá sản phẩm, chi phí đầu vào, giá sản phẩm so với thị trường, tăng trưởng doanh thu…

2.2.5. Đặc điểm khoản cấp tín dụng

Ba yếu tố chính của một khoản cấp tín dụng là kích cỡ khoản tín dụng, lãi suất, và thời hạn cấp tín dụng. Các giả thuyết được chấp nhận phổ biến là: kích cỡ khoản vay càng thấp, lãi suất cho vay càng thấp, thời hạn khoản vay càng dài sẽ khiến khả năng trả nợ càng cao.

Sharma & Zeller (1997) và Kohansal & Mansoori (2009) có những kết luận ngược lại về kích cỡ khoản vay khi kích cỡ càng lớn khả năng trả nợ càng cao. Những nghiên cứu trên giải thích rằng các khoản vay lớn thường để đầu tư kinh doanh còn khoản vay nhỏ thường thuần cho chi tiêu dùng cá nhân. Hơn nữa, khoản vay lớn khiến khách hàng thận trọng khi sử dụng khoản tín dụng và tập trung cố gắng hoàn thành trả nợ. Về lãi suất cấp tín dụng, những tranh luận ngược chiều là ít hơn. Các nghiên cứu gần đây của Deininge & Liu (2009), Ugbomeh & cộng sự (2008), và Onyeagocha & cộng sự (2012) cũng cho những kết quả tương tự với giả thuyết. Ảnh hưởng của thời hạn cấp tín dụng có những kết quả khác nhau trong các nghiên cứu. Trong khi Chapman (1940) chỉ ra tín dụng ngắn hạn (một năm trở xuống) sẽ giúp khả năng trả nợ cao hơn, Onyeagocha & cộng sự (2012) không tìm thấy ảnh hưởng của yếu tố này.

2.2.6. Thông tin bất cân xứng

Thông tin bất cân xứng trong hoạt động cấp tín dụng bao gồm rủi ro lựa chọn đối nghịch và rủi ro đạo đức của khách hàng. Rủi ro lựa chọn đối nghịch (Adverse selection) xảy ra khi những khách hàng có khả năng trả nợ thấp lại tích cực thể hiện những điểm tốt và được ngân hàng tin tưởng, trong khi những khách hàng có khả năng trả nợ cao không nỗ lực tìm kiếm vốn tín dụng lại không được ngân hàng đánh giá cao. Rủi ro đạo đức khách hàng (Moral hazard) xảy ra khi khách hàng sử dụng khoản tín dụng không đúng với mục đích ban đầu và ngân hàng không kiểm soát được điều đó. Thông tin bất cân xứng đem lại những đánh giá cũng như những quyết định sai, ảnh hưởng đến rủi ro vỡ nợ.

2.2.7. Rủi ro tác nghiệp từ ngân hàng

Đây là yếu tố khó xác định và chưa được nghiên cứu nhiều, chỉ được nêu lên như một giả thuyết cần lưu ý (Macana, 2006). Trong quá trình thẩm định tín dụng, ngân hàng dễ chịu những rủi ro tác nghiệp từ cán bộ tín dụng – năng lực yếu, bất cẩn, tư lợi cá nhân, hoặc từ hệ thống chấm điểm tín dụng – không chính xác, hợp lý, hiệu quả.

2.2.8. Sự kiện bất thường

Tín dụng cá nhân có những đặc trưng riêng so với tín dụng doanh nghiệp. Khả năng vỡ nợ của khách hàng cá nhân chịu sự biến động và ảnh hưởng lớn từ những sự kiện xảy ra trong đời sống của khách hàng đó. Những sự kiện bất thường (ốm đau, tai nạn, mất việc…) không nằm trong dự kiến sẽ khiến tình hình tài chính, sức khỏe, cũng như tâm lý của khách hàng bị ảnh hưởng.

Tổng quan các phương pháp phân tích ảnh hưởng của các nhân tố đến khả năng vỡ nợ tín dụng KHCN

3.1. Phương pháp phân tích phân biệt (Multiple Discriminant Analysis - MDA)

MDA cho phép phân loại các trường hợp thành các nhóm, phân tích sự khác biệt giữa các nhóm. Phương pháp MDA trên thực tế có khả năng phân biệt thành nhiều hơn 2 nhóm, số hàm khác biệt sẽ ít hơn số nhóm khác biệt 1 đơn vị. Ở đây, phương pháp phân tích phân biệt tìm một hàm tuyến tính (hàm phân biệt – discriminant function) của các biến tài chính, thị trường để phân biệt giữa hai nhóm rủi ro vỡ nợ cao và thấp (Durand, 1941). Sự khác biệt giữa hai nhóm được đo lường bằng trung bình của các biến phân biệt – chỉ số z.

3.2. Phương pháp hồi quy Logit

Phương pháp hồi quy Logit (Maddala, 1984) là một mô hình nhị thức (biến phụ thuộc là biến nhị phân, chỉ có thể nhận hai giá trị là 0 hoặc 1). Mô hình này được ứng dụng rộng rãi trong phân tích kinh tế nói chung và rủi ro tín dụng nói riêng. Ở đây, hồi quy logit được dùng để đánh giá khả năng vỡ nợ (có hoặc không tương ứng với 0 hoặc 1) dựa trên các yếu tố ảnh hưởng.

Mô hình không có giả thiết về phân phối của các biến độc lập, các biến độc lập định tính thông qua việc thiết lập biến giả có thể chuyển thành định lượng. Các chỉ tiêu thông qua đó có thể được lượng hóa nhằm so sánh, phân loại và xếp hạng. Wiginton (1980) so sánh hồi quy Logit với phương pháp MDA và kết luận hồi quy Logit đem lại những kết quả phân loại tốt hơn trong việc chấm điểm tín dụng. Việc kiểm định thống kê không phức tạp và có thể điều chỉnh hàm phi tuyến dễ dàng cũng là những ưu điểm của phương pháp.

3.2. Phương pháp hồi quy Probit

Phương pháp này được sử dụng đầu tiên bởi Goldberger (1964). Về bản chất, phương pháp Probit và Logit giống nhau và đều thuộc dạng mô hình hồi quy, dựa trên phương pháp ước lượng hợp lý cực đại (Maximum likelihood). Điều khác nhau là mô hình Probit dựa trên hàm phân phối chuẩn chuẩn hóa, trong khi mô hình Logit dựa trên giả định hàm phân phối logistic chuẩn.

3.3. Các phương pháp khác

Trong số các phương pháp mới để đánh giá khả năng vỡ nợ, nổi bật là mô hình mạng nơ-ron. Mô hình mạng nơ-ron sử dụng nguyên lý tính toán song song bao gồm nhiều quá trình đơn giản được kết nối với nhau. Trong mỗi quá trình này, các phép tính được thực hiện đơn giản, do một nơ-ron đảm trách. Nhưng chính những nơ-ron đơn giản này lại có thể giải quyết được những nhiệm vụ rất phức tạp khi được kết nối, tổ chức với nhau một cách hợp lý. Mạng nơ-ron có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào không đầy đủ hoặc dữ liệu với một số lượng biến rất lớn. Kỹ thuật này đặc biệt phù hợp với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra. Phương pháp này có ít giả định hơn, phù hợp nhất khi các khoản cấp tín dụng là không đồng nhất (Rosenberg & Gleit, 1994). Tuy nhiên, việc sử dụng phương pháp mạng nơ-ron phức tạp hơn nhưng không đảm bảo hiệu quả hơn so với các phương pháp truyền thống (Altman & cộng sự, 1994).

Ngoài ra, các kỹ thuật được sử dụng trong việc xây dựng mô hình phân tích tín dụng cá nhân khác có thể kể đến là: phi tham số (Chatterjee & Barcun, 1970), lập trình toán (Hand, 1981), mô hình chuỗi Markov, phân vùng đệ quy (Breiman, 1984), hệ thống chuyên gia (Zocco, 1985), giải thuật di truyền, mô hình độc lập có điều kiện, mô hình cơ cấu theo lý thuyết quyền chọn…

Mẫu, dữ liệu và phương pháp nghiên cứu

            Bài viết so sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ sử dụng dữ liệu từ các khoản cấp tín dụng cá nhân tại ngân hàng Co-opBank Chi nhánh Bắc Ninh giai đoạn 2013 - 2018. Đối với mỗi khoản tín dụng, dữ liệu được thu thập tại t-1, với t là thời điểm thực hiện nghĩa vụ hoàn trả để xác định khách hàng có hoàn trả được hay không. Dữ liệu thu thập từ Chi nhánh gồm 4.566 khoản tín dụng.

            Từ các dữ liệu có sẵn tại Chi nhánh, trên cơ sở các yếu tố ảnh hưởng đã trình bày trên đây, 28 yếu tố được lọc ra để đưa vào phân tích và kiểm định. Các biến định tính được biến đổi sang biến giả định lượng. Sau đó, mẫu được chia thành 2 nhóm: vỡ nợ và không vỡ nợ. Vỡ nợ ở đây được phân loại như các trường hợp tạo nợ xấu theo Ngân hàng Nhà nước – trả nợ gốc hoặc/và lãi chậm trên 90 ngày. Cuối cùng, các giá trị trội hẳn và có nghi vấn sai sót được loại bỏ. Sau toàn bộ quá trình thu thập và xử lý dữ liệu, mẫu cuối cùng còn lại 4.451 quan sát, trong đó, nhóm không vỡ nợ là 3.996 quan sát và 455 quan sát vỡ nợ. Mỗi quan sát bao gồm 28 yếu tố ảnh hưởng cần phân tích và kiểm định. Nội dung các yếu tố ảnh hưởng được trình bày trong Bảng 1.

Bảng 1. Các yếu tố ảnh hưởng đến khả năng vỡ nợ KHCN

Nhóm yếu tố

Ký hiệu yếu tố

Nội dung yếu tố

Đặc điểm nhân khẩu học

tuoi_nghe_tb_cua_lao_dong

Số năm kinh nghiệm làm việc trung bình của lao động

Tuoi

Tuổi

suc_khoe_kh

Sức khỏe

Đặc điểm nghề nghiệp

tg_tb_lao_dong_tai_cskd

Thời gian trung bình của lao động tại cơ sở kinh doanh

to_chuc_sxkd

Khả năng tổ chức sản xuất kinh doanh

nganh_nghe_kd

Ngành nghề kinh doanh

su_dung_dv_cua_tctd_khac

Khách hàng sử dụng dịch vụ tại các TCTD khác

quan_he_nha_cung_cap

Quan hệ với nhà cung cấp

nghien_cuu_thi_truong

Công tác nghiên cứu thị trường

ghi_chep_ke_toan

Công tác ghi chép kế toán

kinh_nghiem_sxkd

Kinh nghiệm sản xuất kinh doanh

khkd_2_nam

Kế hoạch kinh doanh 2 năm

kenh_phan_phoi

Kênh phân phối

tg_quan_he_tctd

Thâm niên quan hệ với các TCTD

so_huu_dia_diem_kd

Việc sở hữu cơ sở kinh doanh

Đặc điểm trình độ học vấn

trinh_do_hoc_van

Trình độ học vấn

Đặc điểm thu nhập

lntt_tren_von_tu_co

LNTT trên vốn tự có

ty_le_von_tu_co

Tỷ lệ vốn tự có

ln_tren_doanh_thu

Lợi nhuận biên

xu_huong_bien_dong_gia_sp

Biến động giá sản phẩm

rui_ro_chi_phi_dau_vao

Chi phí đầu vào

gia_sp_so_voi_tt

Giá sản phẩm so với thị trường

tang_truong_doanh_thu

Tăng trưởng doanh thu

Đặc điểm khoản cấp tín dụng

muc_de_nghi_vay_von

Mức đề nghị vay vốn

thoi_han_vay

Thời hạn vay

tinh_trang_no

Khách hàng chịu những khoản nợ khác

Thông tin bất cân xứng

chap_hanh_quy_dinh_kd

Khách hàng nghiêm túc chấp hành quy định kinh doanh

doi_tuong_kh

Mức độ thân thiết và uy tín của khách hàng

Thống kê mô tả về các yếu tố ảnh hưởng được trình bày trong bảng 2.

Bảng 2. Thống kê mô tả về các yếu tố ảnh hưởng

Nhóm yếu tố

Yếu tố

Tất cả KH (4451)

KH không vỡ nợ (3996)

KH vỡ nợ (455)

Trung bình

Độ lệch chuẩn

Trung bình

Độ lệch chuẩn

Trung bình

Độ lệch chuẩn

Đặc điểm nhân khẩu học

tuoi_nghe_tb_cua_lao_dong

3,581

1,009

3,581

1,006

3,585

1,037

Tuoi

3,371

1,184

3,356

1,202

3,508

0,995

suc_khoe_kh

1,970

0,179

1,977

0,148

1,908

0,339

Đặc điểm nghề nghiệp

tg_tb_lao_dong_tai_cskd

3,842

1,824

3,842

1,824

3,842

1,824

to_chuc_sxkd

2,173

0,408

2,177

0,397

2,138

0,493

nganh_nghe_kd

8,493

4,543

8,520

4,562

8,262

4,370

su_dung_dv_cua_tctd_khac

1,600

1,015

1,644

0,992

1,215

1,131

quan_he_nha_cung_cap

1,217

0,422

1,201

0,408

1,354

0,510

nghien_cuu_thi_truong

1,328

0,550

1,327

0,552

1,338

0,535

ghi_chep_ke_toan

2,132

0,429

2,147

0,431

2,000

0,393

kinh_nghiem_sxkd

1,949

0,227

1,962

0,190

1,831

0,414

khkd_2_nam

1,939

0,271

1,958

0,201

1,769

0,576

kenh_phan_phoi

1,945

0,273

1,950

0,261

1,892

0,357

tg_quan_he_tctd

2,551

1,658

2,474

1,484

3,223

2,655

so_huu_dia_diem_kd

1,952

0,226

1,962

0,205

1,862

0,346

Đặc điểm trình độ học vấn

trinh_do_hoc_van

0,253

0,613

0,246

0,607

0,308

0,655

Đặc điểm thu nhập

lntt_tren_von_tu_co

1,418

1,701

1,366

1,588

1,872

2,440

ty_le_von_tu_co

0,365

0,165

0,360

0,163

0,412

0,174

ln_tren_doanh_thu

0,208

0,059

0,208

0,059

0,211

0,054

xu_huong_bien_dong_gia_sp

2,306

0,722

2,309

0,709

2,277

0,833

rui_ro_chi_phi_dau_vao

1,650

0,639

1,668

0,634

1,492

0,660

gia_sp_so_voi_tt

1,352

0,615

1,357

0,621

1,308

0,553

tang_truong_doanh_thu

2,226

0,616

2,245

0,597

2,062

0,742

Đặc điểm khoản cấp tín dụng

muc_de_nghi_vay_von

3,736

2,235

3,812

2,343

3,062

0,426

thoi_han_vay

0,458

0,655

0,473

0,671

0,323

0,468

tinh_trang_no

0,070

0,266

0,077

0,277

0,015

0,123

Thông tin bất cân xứng

chap_hanh_quy_dinh_kd

1,208

0,436

1,209

0,428

1,200

0,503

doi_tuong_kh

1,920

0,276

1,925

0,269

1,877

0,329

Bài viết áp dụng 3 phương pháp để phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Phân tích phân biệt đa biến (Multiple Discriminant Analysis – MDA), phương pháp hồi quy Logit và phương pháp hồi quy Probit.

Kết quả và thảo luận

5.1. Phương pháp MDA

            Các biến độc lập, ngoại trừ ln_tren_doanh_thu (0,23), tuoi_nghe_tb_cua_lao_dong (0,944), chap_hanh_quy_dinh_kd (0,687), nganh_nghe_kd (0,251), xu_huong_bien_dong_gia_ sp (0,365), to_chuc_sxkd (0,055), nghien_cuu_thi_truong (0,682), đều có p-value nhỏ hơn 0,05, vì vậy có khả năng là các nhân tố phân biệt mang nhiều ý nghĩa thống kê. Các biến có giá trị Wilks’ l tương ứng nhỏ sẽ có nhiều ý nghĩa giải thích cho khả năng vỡ nợ.

Bảng 3. Kết quả kiểm định và ước lượng hàm phân biệt

Nhóm yếu tố

Yếu tố

Wilk’ l

F

Xác suất

Hệ số hàm phân biệt

Đặc điểm nhân khẩu học

tuoi_nghe_tb_cua_lao_dong

1

0,005

0,944

Tuoi

0,998

6,73

0,01

-0,152

suc_khoe_kh

0,986

63,175

0

-2,225

Đặc điểm nghề nghiệp

tg_tb_lao_dong_tai_cskd

0,93

336,598

0

-0,3

to_chuc_sxkd

0,999

3,677

0,055

0,734

nganh_nghe_kd

1

1,317

0,251

su_dung_dv_cua_tctd_khac

0,984

74,097

0

0,367

quan_he_nha_cung_cap

0,988

53,994

0

-1,332

nghien_cuu_thi_truong

1

0,167

0,682

ghi_chep_ke_toan

0,989

48,492

0

0,917

kinh_nghiem_sxkd

0,969

141,76

0

1,093

khkd_2_nam

0,955

207,666

0

1,206

kenh_phan_phoi

0,996

18,622

0

-0,255

tg_quan_he_tctd

0,981

84,882

0

-0,235

so_huu_dia_diem_kd

0,982

83,141

0

1,014

Đặc điểm trình độ học vấn

trinh_do_hoc_van

0,999

4,112

0,043

0,902

Đặc điểm thu nhập

lntt_tren_von_tu_co

0,992

36,359

0

-0,387

ty_le_von_tu_co

0,991

41,183

0

-2,353

ln_tren_doanh_thu

1

1,44

0,23

xu_huong_bien_dong_gia_sp

1

0,821

0,365

rui_ro_chi_phi_dau_vao

0,993

31,161

0

1,424

gia_sp_so_voi_tt

0,999

2,667

0,102

tang_truong_doanh_thu

0,992

36,463

0

0,312

Đặc điểm khoản cấp tín dụng

muc_de_nghi_vay_von

0,99

46,564

0

0,179

thoi_han_vay

0,995

21,496

0

0,321

tinh_trang_no

0,995

21,709

0

0,899

Thông tin bất cân xứng

chap_hanh_quy_dinh_kd

1

0,163

0,687

doi_tuong_kh

0,997

12,368

0

-0,538

Độ tương quan chính tắc (Canonical Correlation) h = 0,594. h²= 0,353 chỉ ra tương quan giữa các biến độc lập với biến phụ thuộc là 35,3%. Giá trị Wilks' l thấp (0,648) và mức ý nghĩa cao (0,00) chứng minh có sự khác biệt giữa các giá trị trung bình của mỗi nhóm, hay nói cách khác, mô hình có ý nghĩa thống kê. Cột cuối cho phép xác định hàm tính chỉ số z của Bảng 3 hệ số hàm phân biệt, Ngoài ra, kết quả cũng cho phép xác định điểm ngưỡng để phân loại như trong Bảng 4.

Bảng 4. Trọng tâm nhóm và điểm ngưỡng

Nhóm không vỡ nợ

Z = 0,249

Điểm ngưỡng=

Nhóm vỡ nợ

Z = -2,186

Kết quả, những quan sát có chỉ số z lớn hơn điểm ngưỡng được dự báo thuộc nhóm không vỡ nợ, còn lại thuộc nhóm vỡ nợ.

5.2. Phương pháp hồi quy Logit

Trước hết, kiểm định Hosmer-Lemeshow và kiểm định likelihood ratio được sử dụng để kiểm tra tính định dạng đúng của mô hình. Mô hình hợp lý là mô hình được định dạng đúng, việc định dạng sai có thể dẫn đến các sai lệch và làm kết quả dự báo bị méo mó.

H₀ của kiểm định Hosmer-Lemeshow là không có sự khác biệt giữa giá trị thực tế và dự báo. H₁ là có sự khác biệt đáng kể giữa giá trị thực tế và dự báo. Kết quả kiểm định cho thấy chi-square có giá trị 10,154, xác suất là 0,273, không thể bác bỏ H₀. Như vậy mô hình có định dạng phù hợp.

Kiểm định likelihood-ratio cho thấy giá trị -2LL là 831,593 tương đối thấp, chỉ ra mức độ phù hợp tương đối của mô hình. Nagelkerke R² là 0,536, cho thấy tương quan giữa các biến độc lập và phụ thuộc là 53,6%. Đây là mức không cao nhưng hoàn toàn có thể chấp nhận được.

Hồi quy Logit dùng kiểm định Wald để kiểm định các hệ số hồi quy thay vì kiểm định thống kê t (t-statistic) trong mô hình hồi quy tuyến tính thông thường.

Bảng 5. Kết quả ước lượng hồi quy Logit

Nhóm yếu tố

Yếu tố

Hệ số

Sai số chuẩn

Kiểm định Wald

Xác suất

Đặc điểm nhân khẩu học

tuoi

-0,332**

0,135

6,035

0,014

Đặc điểm nghề nghiệp

tg_tb_lao_dong_tai_cskd

0,534***

0,042

159,548

0

to_chuc_sxkd

-1,603***

0,242

43,77

0

su_dung_dv_cua_tctd_khac

-2,436***

0,4

37,118

0

quan_he_nha_cung_cap

2,165***

0,209

107,222

0

nghien_cuu_thi_truong

-0,47***

0,148

10,111

0,001

ghi_chep_ke_toan

-1,853***

0,218

72,199

0

tg_quan_he_tctd

6,611***

0,478

191,005

0

Đặc điểm trình độ học vấn

trinh_do_hoc_van

0,195**

0,132

2,163

0,014

Đặc điểm thu nhập

lntt_tren_von_tu_co

0,967***

0,059

273,165

0

ty_le_von_tu_co

5,334***

0,598

79,523

0

ln_tren_doanh_thu

3,571***

1,273

7,862

0,005

rui_ro_chi_phi_dau_vao

-31,399***

2,761

129,322

0

gia_sp_so_voi_tt

22,637***

2,988

57,401

0

tang_truong_doanh_thu

-4,221***

0,72

34,376

0

Đặc điểm khoản cấp tín dụng

muc_de_nghi_vay_von

-0,138***

0,046

8,777

0,003

thoi_han_vay

-1,384***

0,186

55,197

0

tinh_trang_no

-2,079***

0,408

26,024

0

***, **: có ý nghĩa thống kê lần lượt ở mức 1% và 5%

5.3. Phương pháp hồi quy Probit

Kết quả kiểm định Hosmer-Lemeshow cho thấy xác suất là 0,065 vượt 0,05 nên không thể bác bỏ H₀, mô hình có định dạng phù hợp.

Hệ số hồi quy của các yếu tố được đưa vào mô hình đều có ý nghĩa thống kê với p-value nhỏ hơn 0,05. Hệ số R² cho thấy các biến độc lập giải thích được 35,06% biến động của biến phụ thuộc.

Bảng 6. Kết quả ước lượng mô hình Probit

Nhóm yếu tố

Yếu tố

b

Xác suất

Đặc điểm nhân khẩu học

tuoi_nghe_tb_cua_lao_dong

-0,217***

0

tuoi

0,163***

0

suc_khoe_kh

-0,284

0,15

Đặc điểm nghề nghiệp

tg_tb_lao_dong_tai_cskd

0,279***

0

to_chuc_sxkd

-0,545***

0

su_dung_dv_cua_tctd_khac

-0,357***

0

kinh_nghiem_sxkd

-1,077***

0

cong_nghiep

0,412***

0

dich_vu

0,307**

0,01

tg_quan_he_tctd

0,198***

0

so_huu_dia_diem_kd

-1,219***

0

Đặc điểm trình độ học vấn

trinh_do_hoc_van

-0,136**

0,049

Đặc điểm thu nhập

lntt_tren_von_tu_co

0,332***

0

ty_le_von_tu_co

2,085***

0

ln_tren_doanh_thu

1,431**

0,023

gia_sp_so_voi_tt

0,422***

0

tang_truong_doanh_thu

-0,381***

0

Đặc điểm khoản cấp tín dụng

muc_de_nghi_vay_von

-0,137***

0

tinh_trang_no

-1,162***

0

Thông tin bất cân xứng

chap_hanh_quy_dinh_kd

0,325***

0,004

***, **: có ý nghĩa thống kê lần lượt ở mức 1% và 5%

5.4. So sánh các phương pháp

Bảng 7. Khả năng giải thích của 3 phương pháp

Phương pháp

MDA

Logit

Probit

Pseudo

35,28%

53,60%

35,06%

Dự đoán đúng số người vỡ nợ

56,9%

52,31%

27,03%

Dự đoán đúng số người không vỡ nợ

97,4%

97,95%

98,5%

Khả năng dự đoán đúng tổng thể

93,30%

93,28%

91,19%

Kết quả trong bảng 7 cho thấy, căn cứ vào giá trị R², phương pháp Logit có sức giải thích lớn nhất (53,6%). 2 phương pháp MDA và Probit ở mức thấp hơn rõ rệt, lần lượt có sức giải thích là 35,28% và 35,06%.

Phương pháp MDA cho kết quả dự đoán đúng số người vỡ nợ cao nhất với tỷ số 259/455 người (56,9%). Phương pháp Probit dự đoán đúng số người không vỡ nợ cao nhất với 3936/3996 người (98,5%).

Khả năng dự báo tổng thể của phương pháp Probit là 91,19%, thấp hơn 2 phương pháp kia. Cụ thể, phương pháp MDA có khả năng dự báo đúng tổng thể là 93,30%. Phương pháp Logit dự báo đúng 3914 người không vỡ nợ và 238 người vỡ nợ, tổng kết quả là 4152/4451 người dự đoán đúng (93,28%).

Bài viết cũng áp dụng phân tích ROC (Receiver operating characteristic) để so sánh 3 phương pháp.

Bảng 8. Đường cong ROC của các phương pháp

Phương pháp

MDA

Logit

Probit

Đường cong ROC

Khu vực dưới ROC

0,934

0,924

0,878

Trên đồ thị đường cong ROC, trục hoành thể hiện mối liên hệ giữa việc phân loại vỡ nợ sai với tổng nhóm vỡ nợ - độ cụ thể (specificity - khả năng mà mô hình phân loại đúng các trường hợp không vỡ nợ), trong khi trục tung thể hiện độ nhạy cảm (sensitivity - khả năng mô hình phân loại vỡ nợ đúng). Đường cong ROC càng gần trục tung, hay nói cách khác là khu vực dưới đường cong ROC càng lớn thì khả năng dự báo càng tốt.

Khu vực dưới ROC của phương pháp Probit là thấp nhất (0,878), thể hiện độ phù hợp kém nhất. Hai phương pháp MDA và Logit có chỉ số khu vực dưới ROC khá cao và xấp xỉ nhau thể hiện độ phù hợp và khả năng dự đoán rất tốt (lần lượt là 0,934 và 0,924).

Kết luận

Như vậy, việc ứng dụng 3 phương pháp MDA, Logit và Probit để phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân tại Ngân hàng Hợp tác và việc so sánh các phương pháp cho phép rút ra các kết luận sau:

- Về các yếu tố ảnh hưởng: Chất lượng tổ chức sản xuất kinh doanh, kinh nghiệm sản xuất kinh doanh, tăng trưởng doanh thu, tuổi nghề trung bình, sử hữu địa điểm kinh doanh, sử dụng dịch vụ của tổ chức tín dụng khá và ghi chép kế toán là các yếu tố mà cả 3 phương pháp đều cho kết quả phù hợp với hầu hết các nghiên cứu trước đây là có tác động ngược chiều đến khả năng vỡ nợ; trong khi đó, 3 phương pháp có kết quả mâu thuẫn với nhau về các yếu tố: tuổi, ngành nghề kinh doanh, nghiên cứu thị trường, trình độ học vấn; các yếu tố liên quan đến khả năng sinh lời, cơ cấu vốn, hợp đồng tín dụng và các yếu tố khác liên quan đến hoạt động kinh doanh (thời gian trung bình lao động tại cơ sở kinh doanh, quan hệ nhà cung cấp, giá sản phẩm so với thị trường, rủi ro chi phí đầu vào) có chiều ảnh hưởng với xu hướng ngược với giả thiết; các yếu tố còn lại không có ý nghĩa thống kê

- Về so sánh 3 phương pháp: kết quả cho thấy hồi quy Logit phù hợp nhất trong phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng Hợp tác. Phương pháp MDA đem lại kết quả chấp nhận được. Trong khi đó, hồi quy Probit có hiệu quả thấp hơn khá rõ rệt so với 2 phương pháp trên.

Tài liệu tham khảo

Acquah, H.D & Addo J. (2011), “Determinants of loan repayment performance of fishermen: Empirical evidence from Ghana”, Cercetări Agronomice în Moldova, Vol. 44, p. 89-97.

Altman, E. I., G Marco, G. & Varetto, F. (1994), “Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience)”, Journal of Banking & Finance, Vol. 18, p. 505-529.

Arminger, G., Enache, D. & Bonne, T. (1997), “Analyzing Credit Risk Data: A Comparison of Logistic Discrimination, Classification Tree Analysis, and Feedforward Network”, Computational Statistics, Vol. 12, Issue 2, p. 293-310.

Autio, M., Wilska, T-A., Kaartinen, R. & Lähteenmaa, J. (2009), “The Use of Small Instant Loans Among Young Adults – a Gateway to a Consumer Insolvency”, International Journal of Consumer Studies, Vol. 33, Issue 4, p. 407-415.

Black, S. & Morgan, D. (1998), “Risk and the democratization of credit cards”, Research Paper 9815, Federal Reserve Bank of New York.

Boyes, W. J., Hoffman, D. L. & Low, S. A. (2002), “An econometric analysis of the bank credit scoring problem”, Journal of Econometrics, Vol. 40, Issue 1, p. 3-14

Breiman, L. (1984), Classification and regression trees, The Wadsworth statistics/probability series, Wadsworth International Group.

Chapman, J.M (1990), “Factors Affecting Credit in personal Lending”, National Bureau of Economics Research.

Crook, J. N. (2001), “The demand for household debt in the USA: evidence from the 1995 Survey of Consumer Finance”, Applied Financial Economics, Vol. 11 (1), p. 83-91.

Chatterjee, S. & Barcun, S. (1970), “A Nonparametric Approach to Credit Screening”, Journal of the American Statistical Association, Vol. 65, p. 150-154.

Deininger, K. & Liu, Y. (2009), “Determinants of repayment performance in Indian micro-credit groups”, Policy Research Working Paper Series 4885, The World Bank.

Dinh, T. H. T. & Kleimeier, S. (2007), “A Credit Scoring Model for Vietnam’s Retail Banking Market”, International Review of Financial Analysis, Vol. 16, Issue 5, p. 571-495.

Durand, D. (1941), “Risk Elements in Consumer Installment Financing”, National Bureau of Economic Research.

Duygan-Bump, B. & Grant, C. (2009), “Household debt repayment behaviour: what role do institutions play?”, Economic Policy, Vol. 24, p. 107-140.

Goldberger, A. S. (1964), Econometric Theory, New York, NY: Wiley

Haile, M. S., Nyikal, R. & Wangia, S. (2012), actors Affecting Loan Repayment Performance of Smallholder Farmers: East Hararghe, Ethiopia, Lap Lambert Academic Publishing.

Hand, D. J. (1981), Discrimination and classification, Wiley Series in Probability and Mathematical Statistics. Chichester: Wiley.

Kocenda, E. & Vojtek, M. (2009), “Default Predictors and Credit Scoring Models for Retail Banking”, CESifo Working Paper, No. 2862.

Kohansal, M.R. & Mansoori, H. (2009), Factors Affecting Loan Repayment Performance of Farmers in Khorsan-Razavi Province of Iran, Conference on International Research on Food Security, Natural Resource Management and Rural Development, University of Hamburg, 1-4.

Lea, S. E. G., Webley, P., & Levine, R. M. (1993), “The economic psychology of consumer debt”, Journal of Economic Psychology, 14, 85-119

Livingstone, S. M., & Lunt, P. K. (1992), “Predicting personal debt and debt repayment: Psychological, social and economic determinants”, Journal of Economic Psychology, 13(1), 111-134.

Maddala, G. S. (1988), Introduction to Econometrics, Macmillan Pub Co.

Onyeagocha, S. O. U., Chidebelu, S. A. N. D. & Okorji, E. C. (2012), “Determinants of Repayment of Loan Beneficiaries of Micro Finance Institutions in Southeast States of Nigeria”, International Journal of Agricultural Management and Development, Vol. 2(3), p. 1-9.

Pham, T. T. T. & Lensink, R. (2008), “Household Borrowing in Vietnam: A Comparative Study of Default Risks of Formal, Informal and Semi-formal Credit”, Journal of Emerging Market Finance, Vol. 7, Issue 3, p. 237-261.

Rosenberg, E. & Gleit, A. (1994), “Quantitative Methods in Credit Management: A Survey”, Operations Research, Vol. 42, p. 589-613.

Sharma, M. & Zeller, M. (1997), “Repayment performance in group-based credit programs in Bangladesh: An empirical analysis”, World Development, Vol. 25, p. 1731-1742.

Thomas, L. C. (2000), “A Survey of Credit and Behavioural Scoring: Forecasting Financial Risk of Lending to Consumers”, International Journal of Forecasting, Vol. 16, Issue 2, p. 149- 172.

Ugbomeh, G. M. M., Achoja, F. O., Ideh V. & Ofuoku A. U. (2008), “Determinants of Loan Repayment Performance Among Women Self Help Groups in Bayelsa State, Nigeria”, Agriculturae Conspectus Scientificus, Vol. 73, p. 189-195.

Vasanthi, P. & Raja, P. (2006), “Risk Management Model: an Empirical Assessment of the Risk of Default”, International Research Journal of Finance and Economics, Vol. 1, Issue 1.

Zelizer, V.A. (1994), Pricing the Priceless Child: The Changing Social Value of Children, Princeton University Press

Zocco, D.P. (1985), “A framework for expert systems in bank loan management”, Journal of commercial banking lending, Vol. 67, pp. 47-54.

Özdemir, Ö. & Boran, L. (2004), “An Empirical Investigation on Consumer Credit Default Risk”, Turkish Economic Association Working Paper, 2004 / 20.

Weber, R. & Musshoff, O. (2012), “Is agricultural microcredit really more risky? Evidence from Tanzania”, Agricultural Finance Review, Vol. 72, pp. 416-435.

Wiginton, J. C. (1980), “A Note on the Comparison of Logit and Discriminant Models of Consumer Credit Behavior”, Journal of Finance and Quantitative Analysis, Vol. 15, p. 757–776.

[1] Ngân hàng Co-opBank, Email: quynt@co-opbank.vn

[2] Đại học Ngoại thương, Email: vd.nguyen@ftu.edu.vn

[3] VCBS, Email: nttoan@vcbs.com.vn

So sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Trường hợp của Ngân hàng Hợp tác (Co-opBank)

(A comparison of models for factors affecting personal loan default: The Case of Co-opBank)

Ngô Tiến Quý[1]

Nguyễn Việt Dũng[2]

Nguyễn Thiện Toàn[3]

Tóm tắt

Bài viết áp dụng và so sánh 3 phương pháp phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân là: Phân tích phân biệt (Multiple Discriminant Analysis - MDA), hồi quy Logit và Probit. Dữ liệu được sử dụng là các khoản cấp tín dụng cá nhân tại ngân hàng Co-opBank, Chi nhánh Bắc Ninh giai đoạn 2013 – 2018, với mẫu nghiên cứu gồm 4.451 quan sát, trong đó nhóm không vỡ nợ là 3.996 và nhóm vỡ nợ là 455 quan sát. Kết quả cho thấy hồi quy Logit phù hợp nhất với mẫu dữ liệu. Phương pháp MDA đem lại kết quả chấp nhận được. Trong khi đó, hồi quy Probit có hiệu quả thấp hơn khá rõ rệt so với 2 phương pháp trên.

Từ khóa: Tín dụng khách hàng cá nhân, các yếu tố ảnh hưởng khả năng vỡ nợ, phân tích phân biệt, hồi quy Logit, hồi quy Probit.

Abstract

The paper applies and compares three methods of analyzing factors affecting personal loan default: Multiple Discriminant Analysis (MDA), Logit and Probit regressions. The data used comes from personal loans granted by Co-opBank’s Bac Ninh Branch for the period of 2013-2018, with a final sample including 3,996 non-default and 455 default observations. The results show that Logit regression is best suited to the data. The MDA method yields acceptable results but Probit regression has a significantly lower efficiency than the other two methods.

Keywords: Personal loan, Factors affecting default, MDA, Logit, Probit.

Giới thiệu

Thị trường tín dụng ngân hàng đối với khách hàng cá nhân tại Việt Nam đang phát triển và có tiềm năng lớn trong tương lai khi mà nguồn vốn ngân hàng vẫn đang trong quá trình tiếp cận đến nhiều tầng lớp dân cư hơn. Với thu nhập từng bước gia tăng, nhiều cơ hội kinh doanh mở ra và tiêu dùng tăng lên, nhu cầu vay vốn nói riêng và sử dụng các dịch vụ ngân hàng nói chung của người dân tại Việt Nam đang tăng cao. Không chỉ tín dụng tiêu dùng, tín dụng cá nhân với mục đích sản xuất kinh doanh hộ gia đình cũng chứng kiến sự tăng trưởng mạnh mẽ trong giai đoạn này. Các ngân hàng đều muốn chiếm lĩnh thị trường này, tối đa hóa lợi nhuận nhưng cũng có chung lo ngại về rủi ro trong cho vay đối với đối tượng khách hàng cá nhân.

Ngân hàng gặp phải một bài toán khó giải quyết khi phải cân nhắc hồ sơ vay vốn từ các cá nhân để ra quyết định cho vay. Bên cạnh mục tiêu mở rộng thị trường, tăng trưởng doanh thu, ngân hàng phải thận trọng với các quyết định của mình và không thể dễ dàng chấp nhận cấp vốn cho mọi cá nhân có nhu cầu. Nếu như những khách hàng tốt mang về doanh số và thu nhập cho ngân hàng đều đặn thì một vài hợp đồng tín dụng vỡ nợ có thể khiến lợi nhuận sụt giảm tức thì. Bởi vậy, việc xác định được khả năng vỡ nợ của khách hàng ngay từ thời điểm trước khi hình thành quan hệ tín dụng giữa ngân hàng và người cần vốn ảnh hưởng trực tiếp đến hiệu quả kinh doanh của ngân hàng. Hiện nay, khi so với khách hàng doanh nghiệp, các mô hình định lượng đánh giá rủi ro vỡ nợ của khách hàng cá nhân chưa thực sự phát triển. Vấn đề đặt ra là cần có một mô hình đo lường rủi ro vỡ nợ của khách hàng cá nhân có đủ tính tin cậy và khả năng dự báo chính xác, nghĩa là, một mô hình cần được kiểm chứng qua thực nghiệm trên dữ liệu tại thị trường cụ thể như Việt Nam.

Các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân của NHTM

2.1. Các nghiên cứu thực nghiệm

2.1.1. Các nghiên cứu về khả năng vỡ nợ của khách hàng cá nhân trên thế giới

Chapman (1940) đã đặt nền móng cho những nghiên cứu về yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân từ rất sớm và phân loại gồm: đặc điểm nhân khẩu học (tuổi tác, giới tính, gia đình…), đặc điểm nghề nghiệp, đặc điểm thu nhập, đặc điểm học vấn và đặc điểm khoản vay. Ngoài ra còn một yếu tố khác liên quan đến sự sẵn lòng trả nợ của khách hàng.
Arminger & cộng sự (1997) sử dụng 3 phương pháp là phân tích phân biệt logistic (logistic discriminant analysis), phân tích CART và hệ thống tiếp thuận (feedforward network) trên bộ mẫu dữ liệu 8.163 quan sát trong 2 năm 1991 – 1992 ở một ngân hàng Đức. Kết quả cho thấy người trưởng thành, người có thâm niên công tác, người có ôtô, nữ giới và những người có gia đình có khả năng trả nợ tốt hơn.
Vasanthi & Raja (2006) ước tính khả năng vỡ nợ liên quan đến thu nhập và các yếu tố khác với dữ liệu của Úc (Cục Thống kê Úc, ABS 2001) cho một mẫu gồm 3.431 hộ gia đình. Vasanthi & Raja chỉ ra rằng độ tuổi của khách hàng, thu nhập và các yếu tố nhân khẩu học là những yếu tố quan trọng ảnh hưởng đến khả năng vỡ nợ. Nghiên cứu của Crook (2001) cũng nhấn mạnh yếu tố về thu nhập, việc sở hữu nhà và quy mô hộ gia đình. Black & Morgan (1998) cũng chú ý tới các yếu tố xã hội và các yếu tố về nhân khẩu học của người được cấp tín dụng.
Autio & cộng sự (2009) nghiên cứu việc sử dụng các khoản vay nóng ở Phần Lan. Khảo sát trực tuyến được tiến hành cho các đối tượng từ 18 đến 29 tuổi với các câu hỏi về tuổi tác, giới tính, tình hình tài chính, thu nhập, việc làm và tình trạng lao động cũng như cấu trúc gia đình. Các yếu tố ảnh hưởng đến số lượng các khoản vay là tình trạng nghề nghiệp, thu nhập và cơ cấu hộ gia đình. Giới tính dường như không có ảnh hưởng.
Kocenda & Vojtek (2011) nghiên cứu một mẫu gồm 3.403 quan sát với 21 biến giải thích. Với 2 phương pháp hồi quy logistic và phân tích CART, kết quả cho thấy các đặc tính về tài chính và hành vi quan trọng trong giải thích khả năng vỡ nợ trong tín dụng tiêu dùng là: tài sản, trình độ học vấn, tình trạng hôn nhân, mục đích của khoản vay và thời gian có tài khoản ngân hàng.
Bên cạnh những yếu tố cơ bản đã nêu, Lea & cộng sự (1993) thêm những yếu tố vĩ mô (kinh tế, xã hội) ảnh hưởng. Kohansal & Mansoori (2009) thêm về vấn đề rủi ro đạo đức và đặc điểm của cán bộ cho vay, Macana (2006) bổ sung yếu tố rủi ro tác nghiệp từ phía ngân hàng. Rodrigues (2008) đã tìm hiểu một số yếu tố chỉ tiêu bất thường mà người đi vay không dự đoán trước.
Một số những nghiên cứu tìm ra kết quả có những mâu thuẫn so với hiểu biết thông thường. Livingston & Lunt (1992) đã cho thấy những người có thu nhập cao và ít con có khả năng mắc nợ cao hơn. Özdemir & Boran (2004) sử dụng hồ quy Logit nhị phân (logistic binary regression) nghiên cứu dữ liệu từ một ngân hàng Thổ Nhĩ Kỳ. Tác giả không thấy có tác động của các biến nhân khẩu học tới khả năng vỡ nợ, trừ biến tình trạng nơi ở. Trong khi đó, các đặc điểm về tài chính có thể giải thích tốt khả năng vỡ nợ, trong đó phải kể tới lãi suất và thời hạn vay. Thời hạn vay càng dài và lãi suất càng cao thì khả năng hoàn thành đúng nghĩa vụ thanh toán nợ của khách hàng càng giảm.

2.1.2. Các nghiên cứu về khả năng vỡ nợ KHCN tại Việt Nam

Các nghiên cứu về trường hợp Việt Nam còn rất hạn chế về số lượng. Dinh & Kleimeier (2007) sử dụng bộ dữ liệu gồm 56.037 quan sát với hồi quy logistic và phương pháp stepwise để chọn ra 16 yếu tố ảnh hưởng. Một số yếu tố được nhấn mạnh là thâm niên giao dịch với ngân hàng, giới tính, số khoản vay và thời hạn vay.
Pham & Lensink (2008) sử dụng dữ liệu hộ gia đình Việt Nam xem xét sự khác biệt về khả năng vỡ nợ trong tín dụng chính thức, phi chính thức và bán chính thức. Từ đó, nhóm đánh giá các yếu tố quyết định khả năng vỡ nợ đối với 3 loại trên. Thời hạn cho vay và lãi suất cho vay và vai trò của người thân trong cho vay không chính thức (làm giảm tỷ lệ vỡ nợ) là ba yếu tố ảnh hưởng được nhấn mạnh ở thị trường Việt Nam.

2.2. Tổng hợp các yếu tố ảnh hưởng đến khả năng vỡ nợ của KHCN

2.2.1. Đặc điểm nhân khẩu học

Đặc điểm nhân khẩu học bao gồm những yếu tố về bản thân khách hàng:

Độ tuổi: Đây là yếu tố quan trọng và có mặt trong hầu hết các nghiên cứu thực nghiệm nêu trên. Chapman (1940), Thomas (2000), Boyes & cộng sự (2002), Kohansal & Mansoori (2009) cũng như một số nghiên cứu trước đây đã đưa ra kết luận rằng độ tuổi người được cấp tín dụng càng lớn thì khả năng trả nợ của họ càng cao. Khách hàng trẻ tuổi có xu hướng bị ảnh hưởng xấu bởi gánh nặng của các khoản tín dụng và các yếu tố liên quan đến độ tuổi trẻ cũng sẽ làm giảm khả năng trả nợ. Người lớn tuổi có những ràng buộc về uy tín, kinh nghiệm sống nhiều hơn; trong khi về rủi ro nghề nghiệp nói chung thấp hơn. Ngược lại, vẫn luôn có những ý kiến trái chiều như: sức khỏe thấp hơn, số người phụ thuộc lớn hơn sẽ làm độ tuổi ảnh hưởng ngược chiều với khả năng trả nợ. Đối với hộ gia đình có hoạt động kinh doanh, độ tuổi có thể là yếu tố bao hàm độ tuổi cũng như cả tình trạng sức khỏe của người đi vay và có thể liệt kê thêm tuổi nghề của lao động do người đi vay thuê để tiến hành hoạt động kinh doanh hộ gia đình.
Giới tính: Zelizer (1994) cho thấy sự quan trọng của yếu tố giới tính. Nam giới và nữ giới có sự khác nhau về việc tiếp nhận, sử dụng cũng như quan niệm về giá trị tiền bạc. Chapman (1990), Weber & Musshoff (2012) chỉ ra rằng nữ giới có khả năng ít tạo ra các rủi ro tín dụng hơn là nam giới do họ ít phạm tội, cá tính thận trọng, và ít gây ra các rủi ro đạo đức.
Tình trạng hôn nhân: yếu tố này gây ra những tranh cãi lớn hơn xung quanh nó. Lập gia đình có thể tạo ra những nền tảng cho khả năng trả nợ như khách hàng sẽ chín chắn, ngại rủi ro hơn; nhưng cũng đem lại những ràng buộc về chăm lo gia đình và những người phụ thuộc. Nghiên cứu của Duygan-Bump & Grant (2008) không đề cao ảnh hưởng của biến này.

2.2.2. Đặc điểm nghề nghiệp

Những cá nhân có nghề nghiệp ổn định (công chức Nhà nước, nhân viên văn phòng), có vị trí xã hội (giám đốc, chủ tịch), có kinh nghiệm lâu năm hoặc trong những lĩnh vực đòi hỏi chất xám cao hay có tay nghề vững vàng (kế toán, kỹ sư, bác sĩ) có khả năng tạo ra nguồn thu nhập ổn định và cao hơn những lĩnh vực nghề nghiệp khác, từ đó, khả năng trả nợ đúng hạn là cao hơn. Kohansal & Mansoori (2009) nghiên cứu dữ liệu với khách hàng là nông dân tại tỉnh Khorasan-Razavi (Iran) và chỉ ra những nông dân có kinh nghiệm lâu năm hơn là những người có tỷ lệ trả nợ cao hơn. Trong một nghiên cứu tương tự, Acquah & Addo (2011) sử dụng dữ liệu là số năm kinh nghiệm của các ngư dân tại Ghana nhưng lại không tìm thấy ý nghĩa thống kê về ảnh hưởng của biến số này.
Đối với hoạt động kinh doanh hộ gia đình, đặc điểm nghề nghiệp được coi là bao hàm thêm nhiều yếu tố (sẽ được phân tích, kiểm định trong mục IV và V) như thời gian trung bình của lao động tại cơ sở kinh doanh, khả năng tổ chức sản xuất kinh doanh, ngành nghề kinh doanh, kinh nghiệm sản xuất kinh doanh, kế hoạch kinh doanh, khách hàng sử dụng dịch vụ tại các TCTD khác, quan hệ với nhà cung cấp, công tác nghiên cứu thị trường, công tác ghi chép kế toán, kênh phân phối, thâm niên quan hệ với các TCTD, việc sở hữu cơ sở kinh doanh…

2.2.3. Đặc điểm trình độ học vấn

Yếu tố về trình độ học vấn nhận được rất nhiều những ý kiến ủng hộ với giả thuyết rằng những người có học vấn cao sẽ có khả năng trả nợ cao hơn. Yếu tố này tương quan với những yếu tố về thu nhập, nghề nghiệp… và đặc biệt liên quan với ý chí trả nợ của khách hàng (Haile & cộng sự, 2012).

2.2.4. Đặc điểm thu nhập

Là yếu tố cơ bản cấu thành nền tảng trả nợ của khách hàng, hầu hết các nghiên cứu đều chỉ ra tầm ảnh hưởng quan trọng của yếu tố này. Thu nhập cao và ổn định sẽ giúp khả năng trả nợ nâng cao. Tuy nhiên, tương quan cao lại không dễ tìm thấy trong thực nghiệm với những điều kiện ảnh hưởng khác như: ý chí trả nợ của khách hàng, cán bộ tín dụng quá chủ quan trong quá trình quyết định cho vay…
Đối với cá nhân, hộ gia đình có hoạt động kinh doanh, đặc điểm thu nhập có thể liên quan nhiều chi tiết như: tỷ lệ vốn tự có, khả năng sinh lời, biến động giá sản phẩm, chi phí đầu vào, giá sản phẩm so với thị trường, tăng trưởng doanh thu…

2.2.5. Đặc điểm khoản cấp tín dụng

Ba yếu tố chính của một khoản cấp tín dụng là kích cỡ khoản tín dụng, lãi suất, và thời hạn cấp tín dụng. Các giả thuyết được chấp nhận phổ biến là: kích cỡ khoản vay càng thấp, lãi suất cho vay càng thấp, thời hạn khoản vay càng dài sẽ khiến khả năng trả nợ càng cao.
Sharma & Zeller (1997) và Kohansal & Mansoori (2009) có những kết luận ngược lại về kích cỡ khoản vay khi kích cỡ càng lớn khả năng trả nợ càng cao. Những nghiên cứu trên giải thích rằng các khoản vay lớn thường để đầu tư kinh doanh còn khoản vay nhỏ thường thuần cho chi tiêu dùng cá nhân. Hơn nữa, khoản vay lớn khiến khách hàng thận trọng khi sử dụng khoản tín dụng và tập trung cố gắng hoàn thành trả nợ. Về lãi suất cấp tín dụng, những tranh luận ngược chiều là ít hơn. Các nghiên cứu gần đây của Deininge & Liu (2009), Ugbomeh & cộng sự (2008), và Onyeagocha & cộng sự (2012) cũng cho những kết quả tương tự với giả thuyết. Ảnh hưởng của thời hạn cấp tín dụng có những kết quả khác nhau trong các nghiên cứu. Trong khi Chapman (1940) chỉ ra tín dụng ngắn hạn (một năm trở xuống) sẽ giúp khả năng trả nợ cao hơn, Onyeagocha & cộng sự (2012) không tìm thấy ảnh hưởng của yếu tố này.

2.2.6. Thông tin bất cân xứng

Thông tin bất cân xứng trong hoạt động cấp tín dụng bao gồm rủi ro lựa chọn đối nghịch và rủi ro đạo đức của khách hàng. Rủi ro lựa chọn đối nghịch (Adverse selection) xảy ra khi những khách hàng có khả năng trả nợ thấp lại tích cực thể hiện những điểm tốt và được ngân hàng tin tưởng, trong khi những khách hàng có khả năng trả nợ cao không nỗ lực tìm kiếm vốn tín dụng lại không được ngân hàng đánh giá cao. Rủi ro đạo đức khách hàng (Moral hazard) xảy ra khi khách hàng sử dụng khoản tín dụng không đúng với mục đích ban đầu và ngân hàng không kiểm soát được điều đó. Thông tin bất cân xứng đem lại những đánh giá cũng như những quyết định sai, ảnh hưởng đến rủi ro vỡ nợ.

2.2.7. Rủi ro tác nghiệp từ ngân hàng

Đây là yếu tố khó xác định và chưa được nghiên cứu nhiều, chỉ được nêu lên như một giả thuyết cần lưu ý (Macana, 2006). Trong quá trình thẩm định tín dụng, ngân hàng dễ chịu những rủi ro tác nghiệp từ cán bộ tín dụng – năng lực yếu, bất cẩn, tư lợi cá nhân, hoặc từ hệ thống chấm điểm tín dụng – không chính xác, hợp lý, hiệu quả.

2.2.8. Sự kiện bất thường

Tín dụng cá nhân có những đặc trưng riêng so với tín dụng doanh nghiệp. Khả năng vỡ nợ của khách hàng cá nhân chịu sự biến động và ảnh hưởng lớn từ những sự kiện xảy ra trong đời sống của khách hàng đó. Những sự kiện bất thường (ốm đau, tai nạn, mất việc…) không nằm trong dự kiến sẽ khiến tình hình tài chính, sức khỏe, cũng như tâm lý của khách hàng bị ảnh hưởng.

Tổng quan các phương pháp phân tích ảnh hưởng của các nhân tố đến khả năng vỡ nợ tín dụng KHCN

3.1. Phương pháp phân tích phân biệt (Multiple Discriminant Analysis - MDA)

MDA cho phép phân loại các trường hợp thành các nhóm, phân tích sự khác biệt giữa các nhóm. Phương pháp MDA trên thực tế có khả năng phân biệt thành nhiều hơn 2 nhóm, số hàm khác biệt sẽ ít hơn số nhóm khác biệt 1 đơn vị. Ở đây, phương pháp phân tích phân biệt tìm một hàm tuyến tính (hàm phân biệt – discriminant function) của các biến tài chính, thị trường để phân biệt giữa hai nhóm rủi ro vỡ nợ cao và thấp (Durand, 1941). Sự khác biệt giữa hai nhóm được đo lường bằng trung bình của các biến phân biệt – chỉ số z.

3.2. Phương pháp hồi quy Logit

Phương pháp hồi quy Logit (Maddala, 1984) là một mô hình nhị thức (biến phụ thuộc là biến nhị phân, chỉ có thể nhận hai giá trị là 0 hoặc 1). Mô hình này được ứng dụng rộng rãi trong phân tích kinh tế nói chung và rủi ro tín dụng nói riêng. Ở đây, hồi quy logit được dùng để đánh giá khả năng vỡ nợ (có hoặc không tương ứng với 0 hoặc 1) dựa trên các yếu tố ảnh hưởng.

Mô hình không có giả thiết về phân phối của các biến độc lập, các biến độc lập định tính thông qua việc thiết lập biến giả có thể chuyển thành định lượng. Các chỉ tiêu thông qua đó có thể được lượng hóa nhằm so sánh, phân loại và xếp hạng. Wiginton (1980) so sánh hồi quy Logit với phương pháp MDA và kết luận hồi quy Logit đem lại những kết quả phân loại tốt hơn trong việc chấm điểm tín dụng. Việc kiểm định thống kê không phức tạp và có thể điều chỉnh hàm phi tuyến dễ dàng cũng là những ưu điểm của phương pháp.

3.2. Phương pháp hồi quy Probit

Phương pháp này được sử dụng đầu tiên bởi Goldberger (1964). Về bản chất, phương pháp Probit và Logit giống nhau và đều thuộc dạng mô hình hồi quy, dựa trên phương pháp ước lượng hợp lý cực đại (Maximum likelihood). Điều khác nhau là mô hình Probit dựa trên hàm phân phối chuẩn chuẩn hóa, trong khi mô hình Logit dựa trên giả định hàm phân phối logistic chuẩn.

3.3. Các phương pháp khác

Trong số các phương pháp mới để đánh giá khả năng vỡ nợ, nổi bật là mô hình mạng nơ-ron. Mô hình mạng nơ-ron sử dụng nguyên lý tính toán song song bao gồm nhiều quá trình đơn giản được kết nối với nhau. Trong mỗi quá trình này, các phép tính được thực hiện đơn giản, do một nơ-ron đảm trách. Nhưng chính những nơ-ron đơn giản này lại có thể giải quyết được những nhiệm vụ rất phức tạp khi được kết nối, tổ chức với nhau một cách hợp lý. Mạng nơ-ron có thể bắt chước và nhận thức được các trạng thái thực đối với dữ liệu đầu vào không đầy đủ hoặc dữ liệu với một số lượng biến rất lớn. Kỹ thuật này đặc biệt phù hợp với mô hình dự báo mà không có công thức toán học nào được biết để miêu tả mối quan hệ giữa các biến đầu vào và đầu ra. Phương pháp này có ít giả định hơn, phù hợp nhất khi các khoản cấp tín dụng là không đồng nhất (Rosenberg & Gleit, 1994). Tuy nhiên, việc sử dụng phương pháp mạng nơ-ron phức tạp hơn nhưng không đảm bảo hiệu quả hơn so với các phương pháp truyền thống (Altman & cộng sự, 1994).

Ngoài ra, các kỹ thuật được sử dụng trong việc xây dựng mô hình phân tích tín dụng cá nhân khác có thể kể đến là: phi tham số (Chatterjee & Barcun, 1970), lập trình toán (Hand, 1981), mô hình chuỗi Markov, phân vùng đệ quy (Breiman, 1984), hệ thống chuyên gia (Zocco, 1985), giải thuật di truyền, mô hình độc lập có điều kiện, mô hình cơ cấu theo lý thuyết quyền chọn…

Mẫu, dữ liệu và phương pháp nghiên cứu

Bài viết so sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ sử dụng dữ liệu từ các khoản cấp tín dụng cá nhân tại ngân hàng Co-opBank Chi nhánh Bắc Ninh giai đoạn 2013 - 2018. Đối với mỗi khoản tín dụng, dữ liệu được thu thập tại t-1, với t là thời điểm thực hiện nghĩa vụ hoàn trả để xác định khách hàng có hoàn trả được hay không. Dữ liệu thu thập từ Chi nhánh gồm 4.566 khoản tín dụng.

Từ các dữ liệu có sẵn tại Chi nhánh, trên cơ sở các yếu tố ảnh hưởng đã trình bày trên đây, 28 yếu tố được lọc ra để đưa vào phân tích và kiểm định. Các biến định tính được biến đổi sang biến giả định lượng. Sau đó, mẫu được chia thành 2 nhóm: vỡ nợ và không vỡ nợ. Vỡ nợ ở đây được phân loại như các trường hợp tạo nợ xấu theo Ngân hàng Nhà nước – trả nợ gốc hoặc/và lãi chậm trên 90 ngày. Cuối cùng, các giá trị trội hẳn và có nghi vấn sai sót được loại bỏ. Sau toàn bộ quá trình thu thập và xử lý dữ liệu, mẫu cuối cùng còn lại 4.451 quan sát, trong đó, nhóm không vỡ nợ là 3.996 quan sát và 455 quan sát vỡ nợ. Mỗi quan sát bao gồm 28 yếu tố ảnh hưởng cần phân tích và kiểm định. Nội dung các yếu tố ảnh hưởng được trình bày trong Bảng 1.

Bảng 1. Các yếu tố ảnh hưởng đến khả năng vỡ nợ KHCN

Nhóm yếu tố	Ký hiệu yếu tố	Nội dung yếu tố
Đặc điểm nhân khẩu học	tuoi_nghe_tb_cua_lao_dong	Số năm kinh nghiệm làm việc trung bình của lao động
	Tuoi	Tuổi
	suc_khoe_kh	Sức khỏe
Đặc điểm nghề nghiệp	tg_tb_lao_dong_tai_cskd	Thời gian trung bình của lao động tại cơ sở kinh doanh
	to_chuc_sxkd	Khả năng tổ chức sản xuất kinh doanh
	nganh_nghe_kd	Ngành nghề kinh doanh
	su_dung_dv_cua_tctd_khac	Khách hàng sử dụng dịch vụ tại các TCTD khác
	quan_he_nha_cung_cap	Quan hệ với nhà cung cấp
	nghien_cuu_thi_truong	Công tác nghiên cứu thị trường
	ghi_chep_ke_toan	Công tác ghi chép kế toán
	kinh_nghiem_sxkd	Kinh nghiệm sản xuất kinh doanh
	khkd_2_nam	Kế hoạch kinh doanh 2 năm
	kenh_phan_phoi	Kênh phân phối
	tg_quan_he_tctd	Thâm niên quan hệ với các TCTD
	so_huu_dia_diem_kd	Việc sở hữu cơ sở kinh doanh
Đặc điểm trình độ học vấn	trinh_do_hoc_van	Trình độ học vấn
Đặc điểm thu nhập	lntt_tren_von_tu_co	LNTT trên vốn tự có
	ty_le_von_tu_co	Tỷ lệ vốn tự có
	ln_tren_doanh_thu	Lợi nhuận biên
	xu_huong_bien_dong_gia_sp	Biến động giá sản phẩm
	rui_ro_chi_phi_dau_vao	Chi phí đầu vào
	gia_sp_so_voi_tt	Giá sản phẩm so với thị trường
	tang_truong_doanh_thu	Tăng trưởng doanh thu
Đặc điểm khoản cấp tín dụng	muc_de_nghi_vay_von	Mức đề nghị vay vốn
	thoi_han_vay	Thời hạn vay
	tinh_trang_no	Khách hàng chịu những khoản nợ khác
Thông tin bất cân xứng	chap_hanh_quy_dinh_kd	Khách hàng nghiêm túc chấp hành quy định kinh doanh
Thông tin bất cân xứng	doi_tuong_kh	Mức độ thân thiết và uy tín của khách hàng

Thống kê mô tả về các yếu tố ảnh hưởng được trình bày trong bảng 2.

Bảng 2. Thống kê mô tả về các yếu tố ảnh hưởng

Nhóm yếu tố	Yếu tố	Tất cả KH (4451)		KH không vỡ nợ (3996)		KH vỡ nợ (455)
Nhóm yếu tố	Yếu tố	Trung bình	Độ lệch chuẩn	Trung bình	Độ lệch chuẩn	Trung bình	Độ lệch chuẩn
Đặc điểm nhân khẩu học	tuoi_nghe_tb_cua_lao_dong	3,581	1,009	3,581	1,006	3,585	1,037
	Tuoi	3,371	1,184	3,356	1,202	3,508	0,995
	suc_khoe_kh	1,970	0,179	1,977	0,148	1,908	0,339
Đặc điểm nghề nghiệp	tg_tb_lao_dong_tai_cskd	3,842	1,824	3,842	1,824	3,842	1,824
	to_chuc_sxkd	2,173	0,408	2,177	0,397	2,138	0,493
	nganh_nghe_kd	8,493	4,543	8,520	4,562	8,262	4,370
	su_dung_dv_cua_tctd_khac	1,600	1,015	1,644	0,992	1,215	1,131
	quan_he_nha_cung_cap	1,217	0,422	1,201	0,408	1,354	0,510
	nghien_cuu_thi_truong	1,328	0,550	1,327	0,552	1,338	0,535
	ghi_chep_ke_toan	2,132	0,429	2,147	0,431	2,000	0,393
	kinh_nghiem_sxkd	1,949	0,227	1,962	0,190	1,831	0,414
	khkd_2_nam	1,939	0,271	1,958	0,201	1,769	0,576
	kenh_phan_phoi	1,945	0,273	1,950	0,261	1,892	0,357
	tg_quan_he_tctd	2,551	1,658	2,474	1,484	3,223	2,655
	so_huu_dia_diem_kd	1,952	0,226	1,962	0,205	1,862	0,346
Đặc điểm trình độ học vấn	trinh_do_hoc_van	0,253	0,613	0,246	0,607	0,308	0,655
Đặc điểm thu nhập	lntt_tren_von_tu_co	1,418	1,701	1,366	1,588	1,872	2,440
	ty_le_von_tu_co	0,365	0,165	0,360	0,163	0,412	0,174
	ln_tren_doanh_thu	0,208	0,059	0,208	0,059	0,211	0,054
	xu_huong_bien_dong_gia_sp	2,306	0,722	2,309	0,709	2,277	0,833
	rui_ro_chi_phi_dau_vao	1,650	0,639	1,668	0,634	1,492	0,660
	gia_sp_so_voi_tt	1,352	0,615	1,357	0,621	1,308	0,553
	tang_truong_doanh_thu	2,226	0,616	2,245	0,597	2,062	0,742
Đặc điểm khoản cấp tín dụng	muc_de_nghi_vay_von	3,736	2,235	3,812	2,343	3,062	0,426
	thoi_han_vay	0,458	0,655	0,473	0,671	0,323	0,468
	tinh_trang_no	0,070	0,266	0,077	0,277	0,015	0,123
Thông tin bất cân xứng	chap_hanh_quy_dinh_kd	1,208	0,436	1,209	0,428	1,200	0,503
Thông tin bất cân xứng	doi_tuong_kh	1,920	0,276	1,925	0,269	1,877	0,329

Bài viết áp dụng 3 phương pháp để phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Phân tích phân biệt đa biến (Multiple Discriminant Analysis – MDA), phương pháp hồi quy Logit và phương pháp hồi quy Probit.

Kết quả và thảo luận

5.1. Phương pháp MDA

Các biến độc lập, ngoại trừ ln_tren_doanh_thu (0,23), tuoi_nghe_tb_cua_lao_dong (0,944), chap_hanh_quy_dinh_kd (0,687), nganh_nghe_kd (0,251), xu_huong_bien_dong_gia_ sp (0,365), to_chuc_sxkd (0,055), nghien_cuu_thi_truong (0,682), đều có p-value nhỏ hơn 0,05, vì vậy có khả năng là các nhân tố phân biệt mang nhiều ý nghĩa thống kê. Các biến có giá trị Wilks’ l tương ứng nhỏ sẽ có nhiều ý nghĩa giải thích cho khả năng vỡ nợ.

Bảng 3. Kết quả kiểm định và ước lượng hàm phân biệt

Nhóm yếu tố	Yếu tố	Wilk’ l	F	Xác suất	Hệ số hàm phân biệt
Đặc điểm nhân khẩu học	tuoi_nghe_tb_cua_lao_dong	1	0,005	0,944
	Tuoi	0,998	6,73	0,01	-0,152
	suc_khoe_kh	0,986	63,175	0	-2,225
Đặc điểm nghề nghiệp	tg_tb_lao_dong_tai_cskd	0,93	336,598	0	-0,3
	to_chuc_sxkd	0,999	3,677	0,055	0,734
	nganh_nghe_kd	1	1,317	0,251
	su_dung_dv_cua_tctd_khac	0,984	74,097	0	0,367
	quan_he_nha_cung_cap	0,988	53,994	0	-1,332
	nghien_cuu_thi_truong	1	0,167	0,682
	ghi_chep_ke_toan	0,989	48,492	0	0,917
	kinh_nghiem_sxkd	0,969	141,76	0	1,093
	khkd_2_nam	0,955	207,666	0	1,206
	kenh_phan_phoi	0,996	18,622	0	-0,255
	tg_quan_he_tctd	0,981	84,882	0	-0,235
	so_huu_dia_diem_kd	0,982	83,141	0	1,014
Đặc điểm trình độ học vấn	trinh_do_hoc_van	0,999	4,112	0,043	0,902
Đặc điểm thu nhập	lntt_tren_von_tu_co	0,992	36,359	0	-0,387
	ty_le_von_tu_co	0,991	41,183	0	-2,353
	ln_tren_doanh_thu	1	1,44	0,23
	xu_huong_bien_dong_gia_sp	1	0,821	0,365
	rui_ro_chi_phi_dau_vao	0,993	31,161	0	1,424
	gia_sp_so_voi_tt	0,999	2,667	0,102
	tang_truong_doanh_thu	0,992	36,463	0	0,312
Đặc điểm khoản cấp tín dụng	muc_de_nghi_vay_von	0,99	46,564	0	0,179
	thoi_han_vay	0,995	21,496	0	0,321
	tinh_trang_no	0,995	21,709	0	0,899
Thông tin bất cân xứng	chap_hanh_quy_dinh_kd	1	0,163	0,687
Thông tin bất cân xứng	doi_tuong_kh	0,997	12,368	0	-0,538

Độ tương quan chính tắc (Canonical Correlation) h = 0,594. h²= 0,353 chỉ ra tương quan giữa các biến độc lập với biến phụ thuộc là 35,3%. Giá trị Wilks' l thấp (0,648) và mức ý nghĩa cao (0,00) chứng minh có sự khác biệt giữa các giá trị trung bình của mỗi nhóm, hay nói cách khác, mô hình có ý nghĩa thống kê. Cột cuối cho phép xác định hàm tính chỉ số z của Bảng 3 hệ số hàm phân biệt, Ngoài ra, kết quả cũng cho phép xác định điểm ngưỡng để phân loại như trong Bảng 4.

Bảng 4. Trọng tâm nhóm và điểm ngưỡng

Nhóm không vỡ nợ	Z = 0,249	Điểm ngưỡng=
Nhóm vỡ nợ	Z = -2,186	Điểm ngưỡng=

Kết quả, những quan sát có chỉ số z lớn hơn điểm ngưỡng được dự báo thuộc nhóm không vỡ nợ, còn lại thuộc nhóm vỡ nợ.

5.2. Phương pháp hồi quy Logit

Trước hết, kiểm định Hosmer-Lemeshow và kiểm định likelihood ratio được sử dụng để kiểm tra tính định dạng đúng của mô hình. Mô hình hợp lý là mô hình được định dạng đúng, việc định dạng sai có thể dẫn đến các sai lệch và làm kết quả dự báo bị méo mó.

H₀ của kiểm định Hosmer-Lemeshow là không có sự khác biệt giữa giá trị thực tế và dự báo. H₁ là có sự khác biệt đáng kể giữa giá trị thực tế và dự báo. Kết quả kiểm định cho thấy chi-square có giá trị 10,154, xác suất là 0,273, không thể bác bỏ H₀. Như vậy mô hình có định dạng phù hợp.

Kiểm định likelihood-ratio cho thấy giá trị -2LL là 831,593 tương đối thấp, chỉ ra mức độ phù hợp tương đối của mô hình. Nagelkerke R² là 0,536, cho thấy tương quan giữa các biến độc lập và phụ thuộc là 53,6%. Đây là mức không cao nhưng hoàn toàn có thể chấp nhận được.

Hồi quy Logit dùng kiểm định Wald để kiểm định các hệ số hồi quy thay vì kiểm định thống kê t (t-statistic) trong mô hình hồi quy tuyến tính thông thường.

Bảng 5. Kết quả ước lượng hồi quy Logit

Nhóm yếu tố	Yếu tố	Hệ số	Sai số chuẩn	Kiểm định Wald	Xác suất
Đặc điểm nhân khẩu học	tuoi	-0,332**	0,135	6,035	0,014
Đặc điểm nghề nghiệp	tg_tb_lao_dong_tai_cskd	0,534***	0,042	159,548	0
	to_chuc_sxkd	-1,603***	0,242	43,77	0
	su_dung_dv_cua_tctd_khac	-2,436***	0,4	37,118	0
	quan_he_nha_cung_cap	2,165***	0,209	107,222	0
	nghien_cuu_thi_truong	-0,47***	0,148	10,111	0,001
	ghi_chep_ke_toan	-1,853***	0,218	72,199	0
	tg_quan_he_tctd	6,611***	0,478	191,005	0
Đặc điểm trình độ học vấn	trinh_do_hoc_van	0,195**	0,132	2,163	0,014
Đặc điểm thu nhập	lntt_tren_von_tu_co	0,967***	0,059	273,165	0
	ty_le_von_tu_co	5,334***	0,598	79,523	0
	ln_tren_doanh_thu	3,571***	1,273	7,862	0,005
	rui_ro_chi_phi_dau_vao	-31,399***	2,761	129,322	0
	gia_sp_so_voi_tt	22,637***	2,988	57,401	0
	tang_truong_doanh_thu	-4,221***	0,72	34,376	0
Đặc điểm khoản cấp tín dụng	muc_de_nghi_vay_von	-0,138***	0,046	8,777	0,003
	thoi_han_vay	-1,384***	0,186	55,197	0
	tinh_trang_no	-2,079***	0,408	26,024	0

***, **: có ý nghĩa thống kê lần lượt ở mức 1% và 5%

5.3. Phương pháp hồi quy Probit

Kết quả kiểm định Hosmer-Lemeshow cho thấy xác suất là 0,065 vượt 0,05 nên không thể bác bỏ H₀, mô hình có định dạng phù hợp.

Hệ số hồi quy của các yếu tố được đưa vào mô hình đều có ý nghĩa thống kê với p-value nhỏ hơn 0,05. Hệ số R² cho thấy các biến độc lập giải thích được 35,06% biến động của biến phụ thuộc.

Bảng 6. Kết quả ước lượng mô hình Probit

Nhóm yếu tố	Yếu tố	b	Xác suất
Đặc điểm nhân khẩu học	tuoi_nghe_tb_cua_lao_dong	-0,217***	0
	tuoi	0,163***	0
	suc_khoe_kh	-0,284	0,15
Đặc điểm nghề nghiệp	tg_tb_lao_dong_tai_cskd	0,279***	0
	to_chuc_sxkd	-0,545***	0
	su_dung_dv_cua_tctd_khac	-0,357***	0
	kinh_nghiem_sxkd	-1,077***	0
	cong_nghiep	0,412***	0
	dich_vu	0,307**	0,01
	tg_quan_he_tctd	0,198***	0
	so_huu_dia_diem_kd	-1,219***	0
Đặc điểm trình độ học vấn	trinh_do_hoc_van	-0,136**	0,049
Đặc điểm thu nhập	lntt_tren_von_tu_co	0,332***	0
	ty_le_von_tu_co	2,085***	0
	ln_tren_doanh_thu	1,431**	0,023
	gia_sp_so_voi_tt	0,422***	0
	tang_truong_doanh_thu	-0,381***	0
Đặc điểm khoản cấp tín dụng	muc_de_nghi_vay_von	-0,137***	0
Đặc điểm khoản cấp tín dụng	tinh_trang_no	-1,162***	0
Thông tin bất cân xứng	chap_hanh_quy_dinh_kd	0,325***	0,004

***, **: có ý nghĩa thống kê lần lượt ở mức 1% và 5%

5.4. So sánh các phương pháp

Bảng 7. Khả năng giải thích của 3 phương pháp

Phương pháp	MDA	Logit	Probit
Pseudo	35,28%	53,60%	35,06%
Dự đoán đúng số người vỡ nợ	56,9%	52,31%	27,03%
Dự đoán đúng số người không vỡ nợ	97,4%	97,95%	98,5%
Khả năng dự đoán đúng tổng thể	93,30%	93,28%	91,19%

Kết quả trong bảng 7 cho thấy, căn cứ vào giá trị R², phương pháp Logit có sức giải thích lớn nhất (53,6%). 2 phương pháp MDA và Probit ở mức thấp hơn rõ rệt, lần lượt có sức giải thích là 35,28% và 35,06%.

Phương pháp MDA cho kết quả dự đoán đúng số người vỡ nợ cao nhất với tỷ số 259/455 người (56,9%). Phương pháp Probit dự đoán đúng số người không vỡ nợ cao nhất với 3936/3996 người (98,5%).

Khả năng dự báo tổng thể của phương pháp Probit là 91,19%, thấp hơn 2 phương pháp kia. Cụ thể, phương pháp MDA có khả năng dự báo đúng tổng thể là 93,30%. Phương pháp Logit dự báo đúng 3914 người không vỡ nợ và 238 người vỡ nợ, tổng kết quả là 4152/4451 người dự đoán đúng (93,28%).

Bài viết cũng áp dụng phân tích ROC (Receiver operating characteristic) để so sánh 3 phương pháp.

Bảng 8. Đường cong ROC của các phương pháp

Phương pháp	MDA	Logit	Probit
Đường cong ROC
Khu vực dưới ROC	0,934	0,924	0,878

Trên đồ thị đường cong ROC, trục hoành thể hiện mối liên hệ giữa việc phân loại vỡ nợ sai với tổng nhóm vỡ nợ - độ cụ thể (specificity - khả năng mà mô hình phân loại đúng các trường hợp không vỡ nợ), trong khi trục tung thể hiện độ nhạy cảm (sensitivity - khả năng mô hình phân loại vỡ nợ đúng). Đường cong ROC càng gần trục tung, hay nói cách khác là khu vực dưới đường cong ROC càng lớn thì khả năng dự báo càng tốt.

Khu vực dưới ROC của phương pháp Probit là thấp nhất (0,878), thể hiện độ phù hợp kém nhất. Hai phương pháp MDA và Logit có chỉ số khu vực dưới ROC khá cao và xấp xỉ nhau thể hiện độ phù hợp và khả năng dự đoán rất tốt (lần lượt là 0,934 và 0,924).

Kết luận

Như vậy, việc ứng dụng 3 phương pháp MDA, Logit và Probit để phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân tại Ngân hàng Hợp tác và việc so sánh các phương pháp cho phép rút ra các kết luận sau:

- Về các yếu tố ảnh hưởng: Chất lượng tổ chức sản xuất kinh doanh, kinh nghiệm sản xuất kinh doanh, tăng trưởng doanh thu, tuổi nghề trung bình, sử hữu địa điểm kinh doanh, sử dụng dịch vụ của tổ chức tín dụng khá và ghi chép kế toán là các yếu tố mà cả 3 phương pháp đều cho kết quả phù hợp với hầu hết các nghiên cứu trước đây là có tác động ngược chiều đến khả năng vỡ nợ; trong khi đó, 3 phương pháp có kết quả mâu thuẫn với nhau về các yếu tố: tuổi, ngành nghề kinh doanh, nghiên cứu thị trường, trình độ học vấn; các yếu tố liên quan đến khả năng sinh lời, cơ cấu vốn, hợp đồng tín dụng và các yếu tố khác liên quan đến hoạt động kinh doanh (thời gian trung bình lao động tại cơ sở kinh doanh, quan hệ nhà cung cấp, giá sản phẩm so với thị trường, rủi ro chi phí đầu vào) có chiều ảnh hưởng với xu hướng ngược với giả thiết; các yếu tố còn lại không có ý nghĩa thống kê

- Về so sánh 3 phương pháp: kết quả cho thấy hồi quy Logit phù hợp nhất trong phân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại Ngân hàng Hợp tác. Phương pháp MDA đem lại kết quả chấp nhận được. Trong khi đó, hồi quy Probit có hiệu quả thấp hơn khá rõ rệt so với 2 phương pháp trên.

Tài liệu tham khảo

Acquah, H.D & Addo J. (2011), “Determinants of loan repayment performance of fishermen: Empirical evidence from Ghana”, Cercetări Agronomice în Moldova, Vol. 44, p. 89-97.
Altman, E. I., G Marco, G. & Varetto, F. (1994), “Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience)”, Journal of Banking & Finance, Vol. 18, p. 505-529.
Arminger, G., Enache, D. & Bonne, T. (1997), “Analyzing Credit Risk Data: A Comparison of Logistic Discrimination, Classification Tree Analysis, and Feedforward Network”, Computational Statistics, Vol. 12, Issue 2, p. 293-310.
Autio, M., Wilska, T-A., Kaartinen, R. & Lähteenmaa, J. (2009), “The Use of Small Instant Loans Among Young Adults – a Gateway to a Consumer Insolvency”, International Journal of Consumer Studies, Vol. 33, Issue 4, p. 407-415.
Black, S. & Morgan, D. (1998), “Risk and the democratization of credit cards”, Research Paper 9815, Federal Reserve Bank of New York.
Boyes, W. J., Hoffman, D. L. & Low, S. A. (2002), “An econometric analysis of the bank credit scoring problem”, Journal of Econometrics, Vol. 40, Issue 1, p. 3-14
Breiman, L. (1984), Classification and regression trees, The Wadsworth statistics/probability series, Wadsworth International Group.
Chapman, J.M (1990), “Factors Affecting Credit in personal Lending”, National Bureau of Economics Research.
Crook, J. N. (2001), “The demand for household debt in the USA: evidence from the 1995 Survey of Consumer Finance”, Applied Financial Economics, Vol. 11 (1), p. 83-91.
Chatterjee, S. & Barcun, S. (1970), “A Nonparametric Approach to Credit Screening”, Journal of the American Statistical Association, Vol. 65, p. 150-154.
Deininger, K. & Liu, Y. (2009), “Determinants of repayment performance in Indian micro-credit groups”, Policy Research Working Paper Series 4885, The World Bank.
Dinh, T. H. T. & Kleimeier, S. (2007), “A Credit Scoring Model for Vietnam’s Retail Banking Market”, International Review of Financial Analysis, Vol. 16, Issue 5, p. 571-495.
Durand, D. (1941), “Risk Elements in Consumer Installment Financing”, National Bureau of Economic Research.
Duygan-Bump, B. & Grant, C. (2009), “Household debt repayment behaviour: what role do institutions play?”, Economic Policy, Vol. 24, p. 107-140.
Goldberger, A. S. (1964), Econometric Theory, New York, NY: Wiley
Haile, M. S., Nyikal, R. & Wangia, S. (2012), actors Affecting Loan Repayment Performance of Smallholder Farmers: East Hararghe, Ethiopia, Lap Lambert Academic Publishing.
Hand, D. J. (1981), Discrimination and classification, Wiley Series in Probability and Mathematical Statistics. Chichester: Wiley.
Kocenda, E. & Vojtek, M. (2009), “Default Predictors and Credit Scoring Models for Retail Banking”, CESifo Working Paper, No. 2862.
Kohansal, M.R. & Mansoori, H. (2009), Factors Affecting Loan Repayment Performance of Farmers in Khorsan-Razavi Province of Iran, Conference on International Research on Food Security, Natural Resource Management and Rural Development, University of Hamburg, 1-4.
Lea, S. E. G., Webley, P., & Levine, R. M. (1993), “The economic psychology of consumer debt”, Journal of Economic Psychology, 14, 85-119
Livingstone, S. M., & Lunt, P. K. (1992), “Predicting personal debt and debt repayment: Psychological, social and economic determinants”, Journal of Economic Psychology, 13(1), 111-134.
Maddala, G. S. (1988), Introduction to Econometrics, Macmillan Pub Co.
Onyeagocha, S. O. U., Chidebelu, S. A. N. D. & Okorji, E. C. (2012), “Determinants of Repayment of Loan Beneficiaries of Micro Finance Institutions in Southeast States of Nigeria”, International Journal of Agricultural Management and Development, Vol. 2(3), p. 1-9.
Pham, T. T. T. & Lensink, R. (2008), “Household Borrowing in Vietnam: A Comparative Study of Default Risks of Formal, Informal and Semi-formal Credit”, Journal of Emerging Market Finance, Vol. 7, Issue 3, p. 237-261.
Rosenberg, E. & Gleit, A. (1994), “Quantitative Methods in Credit Management: A Survey”, Operations Research, Vol. 42, p. 589-613.
Sharma, M. & Zeller, M. (1997), “Repayment performance in group-based credit programs in Bangladesh: An empirical analysis”, World Development, Vol. 25, p. 1731-1742.
Thomas, L. C. (2000), “A Survey of Credit and Behavioural Scoring: Forecasting Financial Risk of Lending to Consumers”, International Journal of Forecasting, Vol. 16, Issue 2, p. 149- 172.
Ugbomeh, G. M. M., Achoja, F. O., Ideh V. & Ofuoku A. U. (2008), “Determinants of Loan Repayment Performance Among Women Self Help Groups in Bayelsa State, Nigeria”, Agriculturae Conspectus Scientificus, Vol. 73, p. 189-195.
Vasanthi, P. & Raja, P. (2006), “Risk Management Model: an Empirical Assessment of the Risk of Default”, International Research Journal of Finance and Economics, Vol. 1, Issue 1.
Zelizer, V.A. (1994), Pricing the Priceless Child: The Changing Social Value of Children, Princeton University Press
Zocco, D.P. (1985), “A framework for expert systems in bank loan management”, Journal of commercial banking lending, Vol. 67, pp. 47-54.
Özdemir, Ö. & Boran, L. (2004), “An Empirical Investigation on Consumer Credit Default Risk”, Turkish Economic Association Working Paper, 2004 / 20.
Weber, R. & Musshoff, O. (2012), “Is agricultural microcredit really more risky? Evidence from Tanzania”, Agricultural Finance Review, Vol. 72, pp. 416-435.
Wiginton, J. C. (1980), “A Note on the Comparison of Logit and Discriminant Models of Consumer Credit Behavior”, Journal of Finance and Quantitative Analysis, Vol. 15, p. 757–776.

[1] Ngân hàng Co-opBank, Email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

[2] Đại học Ngoại thương, Email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

[3] VCBS, Email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

Sidebar

Magazine menu

So sánh các phương pháp phân tích và kiểm định yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá nhân: Trường hợp của Ngân hàng Hợp tác (Co-opBank)