Tóm tắt Luận văn - Đo lường xác suất vỡ nợ trong rủi ro tín dụng tại Ngân Hàng Techcombank

MỞ ĐẦU 1. Tính cấp thiết của đề tài Quá trình hội nhập ngày càng sâu rộng của nền kinh tế Việt Nam vào nền kinh tế thế giới đã tạo điều kiện thuận lợi cho hoạt động tài chính của nước ta, thị trường ngân hàng cũng đã có nhiều khởi sắc, đánh dấu bước phát triển mới cả về chất lẫn về lượng của hệ thống ngân hàng Việt Nam. Tuy nhiên, với đặc thù của một lĩnh vực kinh doanh đầy nhạy cảm, chịu ảnh hưởng của nhiều yếu tố cả trực tiếp và gián tiếp, rủi ro ngân hàng lớn là yếu tố không thể tránh khỏi và có khả năng trở thành nguy cơ gây ảnh hưởng nghiêm trọng đến sự phát triển bền vững của các ngân hàng nói riêng, thị trường tài chính và nền kinh tế nói chung. Trong các hoạt động của ngân hàng, có thể nói hoạt động tín dụng là hoạt động cơ bản và quan trọng, mang lại nguồn thu chủ yếu của các ngân hàng thương mại. Điều tất yếu là đi kèm với lợi nhuận cao luôn là rủi ro cũng rất lớn. Rủi ro phát sinh không chỉ ảnh hưởng đến bản thân các NHTM mà còn có thể tác động rất lớn đến toàn bộ nền kinh tế. Trong thời gian gần đây, nợ quá hạn, nợ xấu tại các NHTM Việt Nam ngày càng trở thành một vấn đề nan giải, cản trở sự phát triển toàn diện của ngành ngân hàng. Tập trung vào quản trị rủi ro nói chung và quản trị rủi ro tín dụng nói riêng được xem là định hướng đảm bảo hệ thống ngân hàng hoạt động ổn định vững chắc.Và quan trọng hơn, đó sẽ là tiền đề để xây dựng một hệ thống ngân hàng Việt Nam đủ sức hội nhập quốc tế. Xét trên bối cảnh đó, NHNN đã đưa ra lộ trình chuẩn hóa các nguyên tắc quản trị rủi ro của ngành ngân hàng theo tiêu chuẩn Basel II mang tính chất nền tảng, lâu dài của cả hệ thống. Đây cũng là một xu thế tất yếu và bắt buộc khi Việt Nam đang hội nhập sâu rộng với khu vực và trên thế giới. Cùng với đó, ảnh hưởng của Hiệp định Đối tác Xuyên Thái Bình Dương (TPP) đối với ngân hàng Việt Nam cũng buộc các ngân hàng phải áp dụng Basel II nếu muốn tham gia cuộc chơi lớn này vì hầu hết các ngân hàng trong khu vực đã áp dụng Basel II hoặc Basel III Theo đuổi Basel II là theo đuổi mục tiêu trở thành một ngân hàng an toàn bởi Basel gồm các bộ tiêu chuẩn khắt khe về vốn, giúp ngân hàng đảm bảo an toàn trong hoạt động, sau khi áp dụng các tiêu chuẩn quốc tế về an toàn vốn và thanh khoản, ngân hàng sẽ thu hút nhiều nhà đầu tư nước ngoài hơn do ngân hàng hoạt động kinh doanh trong môi trường đạt tiêu chuẩn quốc tế. Thêm vào đó cũng mở ra cơ hội cho ngân hàng trong quá trình hội nhập kinh tế quốc tế, khẳng định vị thế và chất lượng của mình. Theo kế hoạch của Ngân hàng nhà nước, từ tháng 02/2016 đến năm 2018, 10 ngân hàng được chọn thí điểm sẽ bắt đầu áp dụng các chuẩn mực vốn Basel II, bắt đầu với phương pháp tiêu chuẩn, trong xu hướng chung là tiệm cận với những chuẩn mực quản trị và an toàn hoạt động của ngân hàng hiện đại trên thế giới. Theo lộ trình áp dụng Basel II của NHNN, đến cuối năm 2018, những ngân hàng này sẽ phải đáp ứng tuân thủ các chuẩn mực vốn Basel II theo phương pháp nâng cao, và sau đó Ngân hàng Nhà nước sẽ triển khai áp dụng cho hệ thống. Theo tiêu chuẩn Basel II, việc lượng hóa rủi ro tín dụng hoặc ước lượng mức độ tổn thất tín dụng ước tính (EL) dựa vào 04 nhân tố chính bao gồm (i) Xác suất khách hàng không trả được nợ một phần hoặc toàn bộ khi đến hạn đã cam kết - PD (Probability of Default), (ii) Tỷ trọng tổn thất ước tính – LGD (Losses Given Default), (iii) Dư nợ tại thời điểm khách hàng không trả được nợ– EAD (Exposure of Default) và (iv) Thời hạn vay thực tế– M (Effective Maturity). Trong đó, khả năng trả nợ của khách hàng là yếu tố đầu tiên và rất quan trọng để ngân hàng tiếp cận và ước lượng các nhân tố khác trong mô hình lượng hóa rủi ro tín dụng. Căn cứ vào tính cấp thiết của hoạt động đo lường rủi ro tín dụng nêu trên, tôi nghiên cứu và thực hiện luận văn Thạc sĩvới đề tài “Đo lường xác suất vỡ nợ trong rủi ro tín dụng tại Ngân Hàng Techcombank”. 2. Mục tiêu nghiên cứu của đề tài Nghiên cứu này thể hiện 03 mục tiêu chính:  Ước lượng xác suất vỡ nợ của các khách hàng doanh nghiệp có quan hệ tín dụng với ngân hàng Techcombank dựa trên các phương pháp định lượng - thông qua các mô hình gồm: Mô hình Logistic, Mô hình Merton - KMV với sự hỗ trợ của phần mềm EVIEWS, EXCEL, VBA, SPSS.  Xây dựng khung xếp hạng khách hàng doanh nghiệp cho Techcombank dựa trên kết quả ước lượng xác suất vỡ nợ PD và xác xuất trả nợ không tốt  Căn cứ trên kết quả nghiên cứu đưa ra những khuyến nghị liên quan tới chính sách Quản trị rủi ro tín dụng tại Ngân hàng Techcombank. Trong đó, nghiên cứu này sẽ đi sâu vào trả lời các câu hỏi nghiên cứu sau đây:  Khái niệm cơ bản về rủi ro và quản trị rủi ro theo Basel II? Thực trạng quản trị rủi ro tín dụng ở Techcombank như thế nào?  Các nhân tố ảnh hưởng đến Rủi ro? Các chỉ số nào được dùng để đo lường rủi ro?  Mô hình Logit, Mô hình Merton - KMV có kết quả ước lượng như thế nào cho khách hàng?  Các khách hành được xếp hạng như thế nào dựa trên kết quả ước lượng?  Từ kết quả ước lượng có thể rút ra các khuyến nghị gì để Techcombank QTRR tốt hơn? 3. Đối tƣợng nghiên cứu Đối tượng nghiên cứu là các khách hàng doanh nghiệp đang có quan hệ tín dụng tại ngân hàng Thương mại Cổ phần Kỹ Thương Việt Nam (Techcombank). 4. Phạm vi nghiên cứu Thời gian nghiên cứu các nhân tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp được giới hạn trong phạm vi từ năm 2010 đến năm 2015. Phạm vi nghiên cứu không xem xét đến ảnh hưởng của yếu tốvĩ mô đến khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần Kỹ Thương Việt Nam, và không xem xét đến khả năng trả nợ của nhóm Khách hàng cá nhân. 5. Phƣơng pháp nghiên cứu, nguồn số liệu 5.1. Phƣơng pháp nghiên cứu  Sử dụng phương pháp nghiên cứu định tính và định lượng dựa trên hệ thống QTRR Basel II để đạt được mục tiêu và trả lười được các câu hỏi nghiên cứu.  Mô hình dự kiến: sử dụng mô hình Logistic, Mô hình Merton - KMV  Phần mềm sử dụng: eviews, excel 5.2. Nguồn dữ liệu Nghiên cứu sử dụng dữ liệu tài chính được tính toán từ báo cáo tài chính của các doanh nghiệp (số liệu tập trung ở Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh) và dữ liệu liên quan tới tình trạng tín dụng của khách hàng tại Ngân Hàng Thương mại cổ phần Kỹ Thương Việt Nam 6. Kết cấu của đề tài LỜI MỞ ĐẦU Giới thiệu tổng quan thị trường Việt Nam nhu cầu cấp thiết của việc quản trị rủi ro tín dụng nói chung và đo lường các biến số để xác định khả năng tổn thất tín dụng theo chuẩn Basel II nói riêng, trong đó có biến số “Xác suất vỡ nợ của Khách hàng – PD”. NỘI DUNG Chƣơng 1: Cơ sở lý thuyết Chƣơng 2: Thực trạng công tác quản trị rủi ro tín dụng và đo lường xác suất vỡ nợ của Ngân hàng Techcombank Chƣơng 3: Ứng dụng mô hình toán trong đo lường xác suất vỡ nợ của Ngân hàng Techcombank KẾT LUẬN PHỤ LỤC TÀI LIỆU THAM KHẢO CHƢƠNG I: CƠ SỞ LÝ THUYẾT Chương I sẽ tập trung giới thiệu các khái niệm cơ bản về rủi ro tín dụng và quản trị rủi ro tín dụng dựa trên tiêu chuẩn Basel II. Cũng như khái niệm về Xác suất vỡ nợ PD theo tiêu chuẩn Basel II và các nhân tố tác động tới xác suất này. Đồng thời giới thiệu phương pháp luận của các mô hình toán ứng dụng để đo lường xác suất vỡ nợ PD nêu trên. 1.1. Rủi ro tín dụng và quản trị rủi ro tín dụng theo tiêu chuẩn Basel II Theo khoản 1 điều 3 Thông tư số 02/2013/TT-NHNN: “Rủi ro tín dụng là tổn thất có khả năng xảy ra đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài do khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩa vụ của mình theo cam kết”. Quản trị Rủi ro tín dụng là quá trình các ngân hàng tiến hành phân tích, xác định/ đo lường rủi ro, xây dựng quy trình/ chính sách/ hướng dẫn cho hoạt động tín dụng cũng như triển khai thực hiện giám sát các hoạt động này nhằm giảm thiểu rủi ro tín dụng và tối đa hóa lợi nhuận của ngân hàng. Năm 2004, Hiệp ước Basel II được ban hành dựa trên sự kế thừa hiệp ước Basel I nhằm xác định các tiêu chuẩn về vốn để hạn chế rủi ro kinh doanh của các ngân hàng và tăng cường hệ thống tài chính. Basel II giới thiệu một chuỗi các cách tiếp cận rủi ro tín dụng phức tạp và tập trung mới vào rủi ro vận hành. 1.2. Xác suất vỡ nợ của khách hàng Cơ sở của xác suất này là các thông tin/ số liệu về các khoản nợ trong quá khứ của khách hàng cũng như khả năng trả nợ của khách hàng Những dữ liệu được phân theo 3 nhóm sau:Nhóm dữ liệu tài chính; Nhóm dữ liệu định tính phi tài chính; Những dữ liệu mang tính cảnh báo Sau khi thu thập các nguồn dữ liệu cần thiết, ngân hàng sử dụng để đo lường, đánh giá khả năng trả nợ của khách hàng thông qua các mô hình lượng hóa rủi ro. Đó có thể là mô hình tuyến tính, mô hình logit và thường được xây dựng bởi các tổ chức tư vấn chuyên nghiệp. Các nhân tố tác động tới khả năng trả nợ/ xác suất vỡ nợ của khách hàng có thể tới từ chính khách hàng hoặc các nhân tố từ phía ngân hàng và thị trường vĩ mô. 1.3. Các mô hình lý thuyết dùng để đo lƣờng xác suất vỡ nợ Nghiên cứu dựa trên 02 mô hình gồm: Mô hình Logit – phương pháp Goldberger (1964) đo lường ảnh hưởng của các nhân tố từ phía khách hàng, nhân tố từ phía ngân hàng tác động tới xác suất vỡ nợ PD. trong mô hình Logit chúng ta không nghiên cứu ảnh hưởng trực tiếp của biến độc lập Xk đối với biến Y (Doanh nghiệp vỡ nợ) mà là xem xét ảnh hưởng của Xk đến xác suất Y để nhận giá trị bằng 1 hay xác suất doanh nghiệp vỡ nợ. Mô hình Merton – KMV đo lường tác động của lịch sử kinh doanh của doanh nghiệp tới khả năng vỡ nợ của nó. Dựa trên Mô hình dự báo xác suất vỡ nợ của mỗi doanh nghiệp trong mẫu ở bất cứ một thời điểm nào. Ý tưởng mô hình dựa trên việc tính toán xác suất mà giá trị của doanh nghiệp giảm thấp hơn giá trị nợ của doanh nghiệp, coi vốn chủ sở hữu của doanh nghiệp là một quyền chọn trên giá trị tài sản của Doanh nghiệp trên một khoảng thời gian nhất định. CHƢƠNG II: THỰC TRẠNG CÔNG TÁC QUẢN TRỊ RỦI RO TÍN DỤNG VÀ ĐO LƢỜNG XÁC SUẤT VỠ NỢ CỦA NGÂN HÀNG TECHCOMBANK Chương II giới thiệu về tình hình hoạt động kinh doanh và hoạt động quản trị rủi ro tại Techcombank trong năm 2015 và kế hoạch cho năm 2016. Thực trạng đo lường và ước tính xác suất vỡ nợ PD cũng như xếp hạng khách hàng tại Techcombank. 2.1. Giới thiệu về Techcombank và tình hình hoạt động kinh doanh năm 2013 - 2015 Techcombank thành lập ngày 27/09/1993 với số vốn ban đầu là 20 tỷ đồng, trải qua hơn 22 năm hoạt động, tính đến 31/12/2015 đến nay Techcombank đã trở thành một trong những ngân hàng thương mại cổ phần hàng đầu Việt Nam với tổng tài sản đạt 191,994 tỷ đồng, có 312 đơn vị giao dịch tại 44 tỉnh/ thành phố trên cả nước. 2.2. Tổng quan về công tác quản trị rủi ro và nghiệp vụ đo lƣờng PD, xếp hạng tín dụng khách hàng doanh nghiệp tại Techcombank Năm 2015 đánh dấu nhiều cột mốc quan trọng trong công tác quản trị rủi ro của Techcombank: Là một trong 10 ngân hàng được lựa chọn để triển khai và áp dụng các tiêu chuẩn quản trị rủi ro theo chuẩn mực Basel II, Techcombank đã hoàn tất các yêu cầu của Ngân hàng nhà nước (NHNN) trong việc đánh giá chênh lệch Basel, chênh lệch dữ liệu, và tính toán CAR theo chương trình Đánh giá Tác động Định lượng (Quantitative Impact Study) của NHNN. Kết quả thu được là mức độ đáp ứng vốn của Techcombank đang ở mức an toàn. CHƢƠNG III: ỨNG DỤNG MÔ HÌNH TOÁN TRONG ĐO LƢỜNG XÁC SUẤT VỠ NỢ TẠI NGÂN HÀNG TECHCOMBANK Chương III sẽ đi sâu vào việc xây dựng mô hình đo lường xác suất vỡ nợ PD cho khách hàng doanh nghiệp tại Techcombank dựa trên 02 mô hình toán đã nêu tại Chương I. Từ kết quả ước lượng thu được sẽ tiến hành đánh giá, phân tích tác động tới chính sách và hoạt động quản trị rủi ro tại Techcombank cũng như ứng dụng kết quả nghiên cứu trong xếp hạng tín dụng khách hàng. 3.1. Xác định biến số/ các nhân tố đƣa vào mô hình 3.1.1. Biến phụ thuộc Biến phụ thuộc trong nghiên cứu này là “xác suất trả nợ không tốt” (Y) và “xác suất vỡ nợ của doanh nghiệp” (Y2). Căn cứ xác định Doanh nghiệp thuộc nhóm có khả năng trả nợ không tốt hoặc có khả năng vỡ nợ đi theo quy định về phân loại nợ của Ngân hàng nhà nước và tiêu chuẩn của Basel II 3.1.2. Biến độc lập Nghiên cứu đang dựa trên 02 nhóm biến độc lập gồm 35 biến như sau: Nhóm biến thể hiện tình hình sức khỏe của doanh nghiệp: Dựa trên thông tin từ báo cáo tài chính của doanh nghiệp, bóc tách theo 05 chỉ số chính: Chỉ số thanh toán; Chỉ số hiệu quả hoạt động; Chỉ số đòn bẩy tài chính; Chỉ số sinh lời ; Thâm niên doanh nghiệp Nhóm biến số liên quan tới mối quan hệ của doanh nghiệp với ngân hàng gồm: Thông tin khách hàng là khách hàng cũ hay khách hàng mới giao dịch với Techcombank, thông tin tín dụng của khách hàng (tổng nghĩa vụ, lịch sử tín dụng ), Thông tin tài sản bảo đảm của khách hàng, Ngành nghề/ Quy mô của doanh nghiệp 3.2. Xây dựng và chuẩn bị dữ liệu Thu thập dữ liệu nghiên cứu từ thông tin của 2,000 khách hàng Doanh nghiệp tại Techcombank, trong đó các nguồn dữ liệu thu thập gồm: dữ liệu các báo cáo tài chính có kiểm toán của Doanh nghiệp từ năm 2010 đến năm 2015; thông tin về lịch sử giao dịch của khách hàng tại Techcombank; thông tin tài sản bảo đảm và các thông tin định tính liên quan; thông tin tình hình quan hệ với tổ chức tín dụng khác lấy từ báo cáo CIC. Số liệu thống kê trước khi được sử dụng để phân tích cần được kiểm tra, đánh giá và làm sạch. Mục đích của công việc này là đảm bảo loại bỏ những sai sót khi thu thập thông tin, nhập, mã hóa số liệu, sai sót thông tin ngoại laiTập dữ liệu phát triển được tổng hợp sau khi loại bỏ missing value và Ouliers sẽ chia thành 2 nhóm 70 % mẫu cho việc nghiên cứu, 30 % còn lại để thực hiện hậu kiểm cho mô hình nghiên cứu. 3.3. Phân tích chuỗi dữ liệu Phân tích tương quan và phân tích thống kê mô tả nhằm loại bỏ các biến có hệ số tương quan cao, thu được 30 biến độc lập còn lại đưa vào phân tích mô hình. 3.4. Ƣớc lƣợng Xác suất vỡ nợ của khách hàng (PD) theo mô hình Logistic và Merton - KMV 3.4.1. Mô hình logistic Đối với 30 biến độc lập còn lại, để xác định được các biến có ý nghĩa đưa vào mô hình, thực hiện kiểm định Wald và kiểm định thừa biến, sau qúa trình kiểm định và phân tích việc loại bỏ/ đưa thêm biến vào mô hình. Có thể thấy các biến Chỉ số nợ trên tài sản; Tỷ số tổng tài sản trên vốn cổ phần; Trạng thái Doanh nghiệp mới/cũ; Ngành nghề; Quy mô Doanh nghiệp; Nguồn tài sản/ khả năng thanh khoản tài sản; Tổng nghĩa vụ; Phát sinh nợ quá hạn đều có ý nghĩa thống kê và hợp lý về mặt kinh tế. Từ kết quả ước lượng PD thu được thực hiện xây dựng khung xếp hạng khách hàng, có thể thấy danh mục khách hàng đang tập trung chủ yếu ở nhóm xếp hạng B ~ 35% danh mục. Đây là nhóm khách hàng có rủi ro tín dụng ở trung bình – khá, ngân hàng vẫn sẽ tiếp tục phát triển và duy trì quan hệ tín dụng, đồng thời có biện pháp quản trị rủi ro tương ứng. 3.4.2. Mô hình Merton –KMV Từ kết qủa ước lượng PD cho thấy PD ngành cao ở các nhóm ngành Xây dựng/ Kinh doanh Bất động sản (PD ~ 30.33%), ngành thương mại (không sản xuất) (PD ~ 41.17%) và ngành Nông – Lâm – Ngư nghiệp – khai khoáng (PD ~ 19.73%). Điều này phù hợp với thực tế và mô hình Logistic đã nghiên cứu ở trên. Đây là các nhóm ngành có độ rủi ro cao, thị trường thời gian qua cũng gặp nhiều bất ổn, dẫn đến khả năng vỡ nợ của các Doanh nghiệp thuộc nhóm ngành này cao. Theo dữ liệu nghiên cứu, nhóm ngành có rủi ro cao nêu trên đều có tỷ lệ nợ trên vốn chủ sở hữu cao, ví dụ với nhóm ngành Xây dựng và kinh Doanh Bất động sản có tỷ lệ nợ/ vốn chủ sở hữu bình quân cao trên 70%. Từ kết quả ước lượng PD thu được, cũng có thể ứng dụng để xây dựng khung xếp hạng khách hàng doanh nghiệp tương ứng. KẾT LUẬN Dựa trên kết quả phân tích có thể thấy Mô hình Logistic và mô hình Merton - KMV là các mô hình đáng được các nhà quản trị quan tâm trong việc đánh giá, ước lượng xác suất vỡ nợ và xếp hạng khách hàng. Hoàn toàn có thể áp dụng các mô hình này trong đo lường xác suất vỡ nợ và có thể linh hoạt bổ sung các nhân tố tác động vào mô hình. Tuy nhiên, có thể thầy còn tồn tại một số giới hạn trong việc xây dựng mô hình như sau khiến kết quả ước lượng chưa thực sự hiệu quả: - Khả năng trả nợ của KHDN chỉ xét cho từng trường hợp KHDN cụ thể, chưa xét đến sự tương quan về xác suất trả nợ giữa các khách hàng và nhóm khách hàng liên quan để đánh giá đúng bản chất rủi ro không trả được nợ của khách hàng. - Do hạn chế về thời gian dữ liệu nghiên cứu, bài nghiên cứu loại bỏ yếu tố kinh tế vĩ mô (lạm phát, tăng trưởng kinh tế) khi xét các nhân tố ảnh hưởng đến khả năng trả nợ của KHDN nên chỉ có ý nghĩa đối với các KHDN xét trong điều kiện kinh tế từ 2010 – 2015, chưa xác định được mức ý nghĩa đối với các điều kiện kinh tế vĩ mô khác. Do đó, bài nghiên cứu tiếp theo cần mở rộng phạm vi nghiên cứu xem xét thêm ảnh hưởng của biến kinh tế vĩ mô, điều này đòi hỏi dữ liệu nghiên cứu phải trải rộng khoảng thời gian dài tối thiểu là một chu kỳ kinh tế. - Không đảm bảo dữ liệu thu thập từ các nguồn Báo cáo tài chính đã phản ánh đúng tình hình kết quả kinh doanh của doanh nghiệp. Với những hạn chế nêu trên, hy vọng trong thời gian tới sẽ có thêm các nghiên cứu cho từng loại hình hoặc lĩnh vực kinh doanh; đa dạng nhóm khách hàng; đưa vào nghiên cứu tác động của các biến số vĩ mô, môi trường pháp lý, môi trường kinh doanh đặc thù của doanh nghiệp đến xác suất vỡ nợ của doanh nghiệp, tình hình tài chính trong quá khứ của một doanh nghiệp (đặc biệt đối với mô hình Merton - KMV cần dữ liệu quá khứ khá lớn để đánh giá được giá trị thị trường của doanh nghiệp)