Mối Liên Hệ Giữa Hệ Thống đánh Giá Tín Dụng ứng Dụng Machine ...

Hiện nay, bên cạnh việc phát triển các mạng dịch vụ khác, hoạt động cấp tín dụng tại các ngân hàng thương mại ngày càng tăng, đòi hỏi các ngân hàng cần trú trọng đến hoạt động quản trị rủi ro tín dụng, trong đó có nhận diện rủi ro tín dụng và đo lường các rủi ro chủ yếu.

Để xây dựng các công cụ đo lường và đánh giá rủi to tín dụng hiện đại theo phương pháp tiếp cận dựa trên xếp hạng nội bộ (IRB – Internal Rating Based Approach), các ngân hàng lựa chọn triển khai Basel II – Hiệp định mới về “Tiêu chuẩn vốn quốc tế” được ủy ban Basel xây dựng vào tháng 06/2004.

Theo yêu cầu của Basel II, các ngân hàng phải xây dựng các công cụ đo lường như:

– PD – Probability of Default: được sử dụng để đo lường khả năng khách hàng không trả được nợ trong một khoảng thời gian thường là một năm; – LGD – Loss Given Default: tỷ trọng phần vốn bị tổn thất trên tổng dư nợ tại thời điểm khách hàng không trả được nợ; – EAD – Exposure at Default: tổng dư nợ tại thời điểm khách hàng không trả được nợ.

Thông qua các biến số trên, ngân hàng sẽ xác định được EL: Expected Loss – tổn thất có thể ước tính, qua công thức:

Chúng ta cùng đi vào tìm hiểu các thành phần chi tiết làm nên công thức trên:

1. PD – Probability of Default

PD được sử dụng để đo lường khả năng khách hàng không trả được nợ trong một khoảng thời gian thường là một năm, gồm các khoản nợ đã trả, khoản nợ trong hạn và khoản nợ không thu hồi được. Tuân thủ yêu cầu của Basel II, để tính toán được nợ trong vòng một năm của khách hàng, ngân hàng phải căn cứ vào số liệu dư nợ của khách hàng trong vòng ít nhất là 5 năm trước đó. Những dữ liệu được phân theo 3 nhóm sau:

– Nhóm dữ liệu tài chính liên quan đến các hệ số tài chính của khách hàng cũng như các đánh giá của các tổ chức xếp hạng – Nhóm dữ liệu định tính phi tài chính liên quan đến trình độ quản lý, khả năng nghiên cứu và phát triển sản phẩm mới, các dữ liệu về khả năng tăng trưởng của ngành… – Những dữ liệu mang tính cảnh báo liên quan đến các hiện tượng báo hiệu khả năng không trả được nợ cho ngân hàng như số dư tiền gửi, hạn mức thấu chi…

Phương pháp tính toán PD đã được nhắc đến tại phần I.

2. EAD: Exposure at Default

EAD là tổng dư nợ tại thời điểm khách hàng không trả được nợ.

Đối với khoản vay có kỳ hạn, EAD được xác định không quá khó khăn. Tuy nhiên, đối với khoản vay theo hạn mức tín dụng, tín dụng tuần hoàn thì vấn đề lại khá phức tạp. Theo thống kê của ủy ban Basel, tại thời điểm không trả được nợ, khách hàng thường có xu hướng rút vốn vay tới mức gần xấp xỉ hạn mức được cấp. Do đó, ủy ban Basel II yêu cầu tính EAD như sau:

EAD = Dư nợ bình quân + LEQ x Hạn mức tín dụng chưa sử dụng bình quân

Trong đó, LEQ – Loan Equivalent Exposure là tỷ trọng phần vốn chưa sử dụng có nhiều khả năng sẽ được khách hàng rút thêm tại thời điểm không trả được nợ.

“LEQ x Hạn mức tín dụng chưa sử dụng bình quân” chính là phần dư nợ khách hàng rút thêm tại thời điểm không trả được nợ ngoài mức dư nợ bình quân.

Việc xác định LEQ – tỷ trọng phần vốn rút thêm có ý nghĩa quyết định đối với độ chính xác của ước lượng về dư nợ của khách hàng tại thời điểm không trả được nợ. Cơ sở xác định LEQ là các số liệu quá khứ. Điều này dẫn đến những khó khăn lớn trong tính toán. Ví dụ, khách hàng uy tín, trả nợ đầy đủ thường hiếm khi rơi vào tình trạng này, do đó, không thể tính chính xác được LEQ của một khách hàng tốt.

Ngoài ra, một số vấn đề dẫn đến sự phức tạp của LEQ có thể còn gồm: loại hình kinh doanh của khách hàng, khả năng khách hàng tiếp cận với thị trường tài chính, quy mô hạn mức tín dụng, tỷ lệ dư nợ đang sử dụng so với hạn mức…

Trong một số tài liệu, người ta dùng thuật ngữ CCF (Credit Conversion Factor – Hệ số chuyển đổi tín dụng) thay cho LEQ.

3. LGD – Loss Given Default

LGD là tỷ trọng phần vốn bị tổn thất trên tổng dư nợ tại thời điểm khách hàng không trả được nợ.

LGD không chỉ bao gồm tổn thất về khoản vay mà còn bao gồm các tổn thất khác phát sinh khi khách hàng không trả được nợ, đó là lãi suất đến hạn nhưng không được thanh toán và các chi phí hành chính có thể phát sinh như: chi phí xử lý tài sản thế chấp, các chi phí cho dịch vụ pháp lý và một số chi phí liên quan.

Tỷ trọng tổng thất ước tính có thể tính toán theo công thức sau đây:

LGD = (EAD – Số tiền có thể thu hồi)/EAD.

Trong đó, số tiền có thể thu hồi bao gồm các khoản tiền mà khách hàng trả và các khoản tiền thu được từ xử lý tài sản thế chấp, cầm cố. LGD cũng có thể được coi là 100% – tỷ lệ vốn có thể thu hồi được. Theo thống kê của ủy ban Basel, tỷ lệ thu hồi vốn thường mang giá trị rất cao (70% – 80%) hoặc rất thấp (20 – 30%). Theo nghiên cứu của ủy ban Basel, hai yếu tố giữ vai trò quan trọng nhất quyết định khả năng thu hồi vốn của ngân hàng khi khách hàng không trả được nợ là tài sản bảo đảm của khoản vay và cơ cấu tài sản của khách hàng.

Như vậy, thông qua các biến số LGD, PD và EAD, ngân hàng sẽ xác định được EL – tổn thất ước tính của các khoản cho vay.

EL= PD*LGD*EAD

Nếu ngân hàng tính chính xác được tổn thất ước tính của khoản cho vay thì sẽ mang lại cho ngân hàng rất nhiều lợi ích chứ không chỉ đơn thuần giúp ngân hàng xác định chính xác hơn hệ số an toàn vốn tối thiểu trong mối quan hệ giữa vốn tự có với rủi ro tín dụng.

Áp dụng phương pháp IRB sẽ giúp ngân hàng:

– Xác định đúng thực tế mức độ rủi ro của từng trạng thái rủi ro gồm các khoản cho vay doanh nghiệp, cho vay các doanh nghiệp vừa và nhỏ (SMEs), cho vay bán lẻ, cho vay thế chấp bất động sản, chứng khoán hóa, góp vốn cổ phần và các trạng thái không cân bằng khác. – Tăng cường khả năng quản trị nhân sự, cụ thể là quản trị đội ngũ cán bộ tín dụng. – Xây dựng hiệu quả hơn Quỹ dự phòng rủi ro tín dụng. – Nâng cao được chất lượng việc giám sát và tái xếp hạng khách hàng sau khi cho vay. – Xác định chính xác được giá trị khoản vay.

4. Phương pháp tính toán rủi ro

Như ở trên ta đã thấy giá trị rủi ro EL=PD*LGD*EAD, như vậy để tính được giá trị EL, chúng ta cần tính toán được PD, LGD và EAD. Trong phần I, chúng ta đã biết PD có thể được tính bằng mô hình hồi quy Logistic (Logistic Regression Model), đây là loại hình kết hợp giữa xác xuất thống kê và Machine Learning.

Mô hình tính toán LGD và EAD khác với PD, LGD có thể được tính toán thông qua LEQ (hay CCF). Như chúng ta đã biết PD là xác suất để có/không có nợ xấu, trong khi đó LEQ và EAD là con số nằm giữa 0 và 1, vì vậy cần tìm mô hình phù hợp để tính ra các giá trị trên. Rõ ràng Logit không làm được việc này. Tuy nhiên chúng ta hoàn toàn có thể tính toán các giá trị trên dựa trên các mô hình hồi qui đa biến phi tuyến (Ví dụ như Tobit), hoặc các mô hình hồi qui khác sau khi đã biến đổi các biến phù hợp (Ví dụ như phân phối beta), chúng ta cũng có thể áp dụng machine learning để tìm ta các giá trị này.

Việc xây dựng hệ thống ước tính tổn thất tín dụng dựa trên hệ thống cơ sở dữ liệu đánh giá nội bộ – IRB (Internal Rating Based Approach) là một trong những cách để ngân hàng tuân thủ theo Basel II. Để ước tính được tổn thất tín dụng, ngân hàng phải tính toán được các chỉ tiêu PD, LGD hay EAD, việc tính toán các chỉ tiêu đó là khả thi, tuy nhiên nó đòi hỏi ngân hàng phải có một cơ sở dữ liệu đầy đủ, được lưu trữ khoa học với những chương trình phần mềm xử lý dữ liệu hiện đại. Tất cả những vấn đề trên đều đòi hỏi các ngân hàng thương mại phải đầu tư nguồn lực về tài chính, con người, thời gian rất khổng lồ và đặc biệt phải có lộ trình khoa học.

(Bài viết có sự tham khảo từ tài liệu của Ths. Nguyễn Đức Trung – HVNH)

< Mời tham dự SEMINAR: HR TECH AND ANALYTICS – Nơi chia sẻ xu hướng sử dụng các công cụ định lượng trong quản trị nhân sự diễn ra ngày 29/05/2018 tại Hà Nội Triển khai ISO 27001 – Dịch vụ hỗ trợ toàn diện xây dựng hệ thống đảm bảo an toàn an ninh thông tin – Công nghệ/quy trình/con người >