SỐ 177 | THÁNG 12/2020
Ứng dụng mô hình logit thứ bậc trong phân tích rủi ro tín dụng cá nhân: Trường hợp SeaBank Chi nhánh Cần Thơ
Nguyễn Minh Thư, Phan Đình Khôi, Phạm Minh Trí
Tóm tắt:
Rủi ro tín dụng (RRTD) được các ngân hàng đặc biệt quan tâm nhưng ít nghiên cứu thực nghiệm chỉ ra được các yếu tố làm thay đổi mức độ rủi ro theo cách thức quản lý RRTD thực tế tại ngân hàng do số liệu hạn chế. Bài viết này phân tích RRTD cá nhân bằng mô hình hồi quy logit thứ bậc dựa trên 232 quan sát được chọn ngẫu nhiên từ hồ sơ khách hàng tại Ngân hàng Thương mại (NHTM) Cổ phần Đông Nam Á (SeABank) Chi nhánh Cần Thơ. Kết quả chỉ ra, tám yếu tố ảnh hưởng đến RRTD cá nhân bao gồm: giới tính, trình độ học vấn, số người phụ thuộc, mục đích sử dụng vốn vay, lĩnh vực ngành nghề tạo ra thu nhập, kiểm tra và giám sát người vay, lịch sử vay vốn của khách hàng và tài sản đảm bảo. Trong đó, mức tác động biên của giới tính, trình độ học vấn, mục đích sử dụng vốn vay, kiểm tra và giám sát khách hàng làm giảm rủi ro trả nợ của khách hàng chuyển từ mức rủi ro 1 chuyển sang mức rủi ro 2, và từ mức rủi ro 2 chuyển sang mức rủi ro 3. Trong khi đó, số người phụ thuộc, lĩnh vực ngành nghề tạo thu nhập, lịch sử vay vốn của khách hàng và tài sản đảm bảo làm tăng rủi ro trả nợ của khách hàng chuyển từ các mức rủi ro tương ứng. Vì vậy, để quản lý RRTD cá nhân, ngân hàng cần tập trung quản lý RRTD cá nhân dựa vào đặc điểm khách hàng trong hồ sơ cho vay.
Tài liệu tham khảo:
- Agbemava, E., Nyarko, I. K., Adade, T. C., & Bediako, A. K. (2016). Logistic regression analysis of predictors of loan defaults by customers of non-traditional banks in Ghana. European Scientific Journal, 12(1), 175-189.
- Bessis, J. (2012). Quản trị rủi ro trong ngân hàng. Nhà xuất bản Lao động-Xã hội, Hà Nội.
- Bùi Hữu Phước, Ngô Thành Danh & Ngô Văn Toàn, (2018). Các yếu tố ảnh hưởng đến rủi ro tín dụng tại Ngân hàng thương mại CN Kiên Giang. Tạp chí Kinh tế Đà Nẵng, 98.
- Đặng Hữu Ngọc (2015). Những yếu tố ảnh hưởng đến rủi ro tín dụng, Tạp chí Nghiên cứu Khoa học Kiểm toán, 89+90, 40-44.
- Đường Thị Thanh Hải (2014). Các nhân tố ảnh hưởng đến hiệu quả tín dụng cá nhân ở Việt Nam. Tạp chí Tài chính, 4, 61-62.
- Gujarati, D. (2011). Econometrics by example, the MPG Books Group, Bodmin and King's Lynn Press, UK.
- Jorion, P. (2009). Financial risk manager handbook. Introduction to credit risk. Wiley finance.
- Lê Khương Ninh & Lâm Thị Bích Ngọc (2012). Rủi ro tín dụng trong cho vay doanh nghiệp nhỏ và vừa tại các chi nhánh Ngân hàng Đầu tư và Phát triển Việt Nam ở Đồng bằng sông Cửu Long. Tạp chí Công nghệ ngân hàng, 73, 3-12.
- Long, J. S., & Freese, J. (2001). Regression models for categorical dependent variables using stata, 138-151, Stata Press.
- Nawai, N., & ctg, M. N. M. (2012). Factors affecting repayment performance in microfinance programs in Malaysia. Procedia-Social and Behavioral Sciences, 62, 806-811.
- Ngân hàng Nhà nước Việt Nam (2013). Thông tư số 02/2013/TT-NHNN ngày 21/1/2013 của Thống đốc NHNN quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của TCTD, chi nhánh ngân hàng nước ngoài.
- Norden, L., & Weber, M. (2010). Credit Line Usage, Checking Account Activity, and Default Risk of Ban Borrowers. Review of Financial Studies, 23, 3665-3699.
- Phan Đình Khôi & Nguyễn Việt Thành (2017). Các yếu tố vi mô ảnh hưởng đến rủi ro tín dụng: Trường hợp các ngân hàng thương mại cổ phần sở hữu nhà nước ở Hậu Giang. Tạp chí Khoa học Trường Đại học Cần Thơ, 48, 104-111.
- Trương Đông Lộc (2010). Các nhân tố ảnh hưởng đến rủi ro tín dụng của các Ngân hàng thương mại Nhà nước ở khu vực đồng bằng sông Cửu Long. Tạp chí kinh tế phát triển, 156, 49-52.
- Trương Đông Lộc & Nguyễn Thị Tuyết (2011). Các nhân tố ảnh hưởng đến rủi ro tín dụng của Ngân hàng TMCP Ngoại thương Chi nhánh thành phố Cần Thơ. Tạp chí Ngân hàng, 5, 38-41.
- Wongnaa, C. A., & Awunyo-Victor, D. (2013). Factors affecting loan repayment performance among Yam farmers in Sene district, Ghana. Kwame Nkrumah University of Science and Technology.
- Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data. The MIT Press, Cambridge.
Using Ordered Logit Regression Model for Personal Credit Risk Analysis: Seabank at Can Tho Branch
Abstract:
Banks pay special attention to credit risks. However, there are few empirical studies which identify factors changing the level of risk in practical managing the credit risks due to lack in banks. This paper analyzes the personal credit risk using the ordered logit regression model based on 232 randomly selected observations from customer records at the Southeast Asia Commercial Joint Stock Bank, Can Tho Branch. The results indicate eight factors affecting the personal credit risk including the gender, the education level, the number of dependents, the customer’s loan purpose, the main source of income for repayment, the loan inspection and monitoring, customer’s loan history, the collaterals. Particularly, the marginal effects of the factors may significantly reduce the changing status from the risk level 1 to level 2 of the customers, as well as that of risk 2 to risk 3 including the gender, the educational level, the customer’s loan purpose, the loan inspection and monitoring. Meanwhile, the number of dependents, the main source of income for repayment, the customer’s loan history, and the collaterals significantly increase the changing status of customer's risk. Therefore, in order to manage the personal credit risk, banks need to consider the factors related to the customer characteristics in the loan records.