MỤC LỤC

LỜI CAM ĐOAN MỤC LỤC
DANH MỤC TỪ VIẾT TẮT

BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH
MỞ ĐẦU …………………………………………………………………………………………………….. 1

CHƯƠNG 1 TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG …… 5
1.1. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại………………………………………. 5
1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới ……………… 8

1.2.1. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu …………………….. 8

1.2.2. Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các nghiên cứu trước ……………………………………………………………………………………. 20
1.2.3. Các nhân tố, biến số trong các nghiên cứu vỡ nợ ………………………………… 21
1.3. Các nghiên cứu về dự báo vỡ nợ, vỡ nợ ngân hàng ở Việt Nam ……………… 25

Kết luận chương 1………………………………………………………………………………………. 31

CHƯƠNG 2 CƠ SỞ LÝ LUẬN VỀ VỠ NỢ NGÂN HÀNG THƯƠNG MẠI …… 32
2.1. Tiêu chí xác định nguy cơ vỡ nợ ………………………………………………………….. 32
2.2. Các nhân tố ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại. 35

2.2.1. Các nhân tố vĩ mô ảnh hưởng đến hoạt động của các ngân hàng ……………. 35

2.2.2. Các nhân tố vi mô ảnh hưởng tới nguy cơ vỡ nợ của các ngân hàng thương mại ……………………………………………………………………………………………. 36
2.3. Cơ sở lý thuyết một số mô hình áp dụng trong nghiên cứu cảnh báo vỡ nợ 48

2.3.1. Mô hình Logit, mô hình Logit với số liệu mảng………………………………….. 48

2.3.2. Mạng nơron ………………………………………………………………………………….. 52

2.3.3. Cây quyết định………………………………………………………………………………. 55
2.4. Phương pháp bao dữ liệu (DEA) đánh giá hiệu quả hoạt động của các NHTMCP57
2.5. Khung nghiên cứu của luận án ……………………………………………………………. 58

Kết luận chương 2………………………………………………………………………………………. 60

CHƯƠNG 3 THỰC TRẠNG HOẠT ĐỘNG, NGUY CƠ VỠ NỢ CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2009-201561
3.1. Tình hình kinh tế vĩ mô giai đoạn 2009-2015 ………………………………………… 61
3.2. Một số chính sách tiền tệ giai đoạn 2009-2015 ………………………………………. 65

3.3. Hoạt động ngành ngân hàng ……………………………………………………………….. 68

3.3.1. Cơ cấu sở hữu, quy mô và phạm vi hoạt động của các ngân hàng ………….. 68

3.3.2. Mức độ an toàn vốn và quy mô tổng tài sản của các NHTMCP …………….. 69

3.3.3. Khả năng sinh lời, hiệu quả quản lý tài sản ………………………………………… 73

3.3.4. Tăng trưởng huy động và tín dụng, khả năng thanh khoản ……………………. 75

3.3.5. Chất lượng tài sản, mức độ thâm hụt…………………………………………………. 78
3.4. Nguy cơ vỡ nợ của một số NHTMCP điển hình trong giai đoạn 2009-2015 82

Kết luận chương 3………………………………………………………………………………………. 87

CHƯƠNG 4 XÂY DỰNG MÔ HÌNH CẢNH BÁO NGUY CƠ VỠ NỢ CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM…………………………………. 88
4.1. Thiết kế nghiên cứu ……………………………………………………………………………. 88

4.1.1. Số liệu …………………………………………………………………………………………. 88

4.1.2. Xác định nguy cơ vỡ nợ của các NHTMCP Việt Nam …………………………. 89

4.1.3. Hệ thống các chỉ tiêu tác động tới nguy cơ vỡ nợ………………………………… 92

4.1.4. Phân tích thống kê …………………………………………………………………………. 97
4.2. Mô hình Logit dữ liệu mảng ……………………………………………………………… 101
4.3. Mô hình mạng nơron………………………………………………………………………… 107
4.4. Mô hình cây quyết định…………………………………………………………………….. 109

Kết luận chương 4…………………………………………………………………………………….. 114

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH …………………………. 115
5.1. Các kết quả đạt được……………………………………………………………………….. 115
5.2. Phân loại các ngân hàng thương mại cổ phần……………………………………… 119
5.3. Một số kiến nghị và hàm ý chính sách………………………………………………… 120

KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO ………………………………. 127

DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ ……………………. 129

DANH MỤC TÀI LIỆU THAM KHẢO……………………………………………………… 130

PHỤ LỤC ………………………………………………………………………………………………… 137

DANH MỤC TỪ VIẾT TẮT

Tên viết tắt Tên tiếng Việt ANN Mạng nơron BCTC Báo cáo tài chính
CAMELS Mô hình CAMELS
CIC Trung tâm Thông tin tín dụng Ngân hàng Nhà nước
CPI Chỉ số giá tiêu dùng DA Phân tích phân biệt DT Cây quyết định
DEA Phân tích đường bao dữ liệu (Data envelopment analysis) FE Tác động cố định
IMF Quỹ tiền tệ quốc tế
LA Hồi quy Logistic
Cục Quản lý các tổ hợp tín dụng quốc gia Mỹ (National Credit
NCUA

Union Administration)
NH Ngân hàng
NHNN Ngân hàng Nhà nước NHTM Ngân hàng thương mại NHTMCP Ngân hàng thương mại cổ phần NPL Tỷ lệ nợ xấu
NSNN Ngân sách Nhà nước
PA Hồi quy Probit
RE Tác động ngẫu nhiên
ROA Thu nhập ròng/ Tổng tài sản ROE Thu nhập ròng/ Vốn chủ sở hữu STATA Phần mềm thống kê Stata
TA Tổng tài sản
TCTD Tổ chức tín dụng
TR Mô hình phân tích đặc điểm
VCSH Vốn chủ sở hữu VNĐ Việt Nam đồng VTC Vốn tự có
VAMC Công ty Quản lý tài sản của các tổ chức tín dụng Việt Nam
XHTD Xếp hạng tín dụng

BẢNG TÊN VIẾT TẮT CỦA MỘT SỐ NGÂN HÀNG

BIDV Ngân hàng thương mại cổ phần Đầu tư và Phát triển

GP bank Ngân hàng thương mại cổ phần dầu khí Việt Nam

MHB Ngân hàng phát triển nhà đồng bằng sông Cửu Long

Oceanbank Ngân hàng thương mại cổ phần Đại Dương

SCB Ngân hàng thương mại cổ phần Sài Gòn SCB

Vietcombank Ngân hàng thương mại cổ phần Ngoại thương Việt Nam

Vietinbank Ngân hàng thương mại cổ phần Công Thương Việt Nam

Westernbank Ngân hàng thương mại cổ phần Phương Tây

DANH MỤC BẢNG BIỂU, BIỂU ĐỒ, HÌNH

Bảng biểu:

Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình…………………………………….. 7

Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver …………………… 10

Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980) ………………………….. 15

Bảng 1.4: Tóm tắt một số nghiên cứu cảnh báo vỡ nợ, vỡ nợ NH trên thế giới……….. 19

Bảng 1.5: Một số định nghĩa sử dụng trong các nghiên cứu cảnh báo vỡ nợ ………….. 21

Bảng 1.6: Bảng tổng hợp một số biến sử dụng trong cảnh báo vỡ nợ ……………………. 22

Bảng 1.7: Các nhân tố tác động tới nợ xấu……………………………………………………….. 24

Bảng 1.8: Một số nghiên cứu vỡ nợ, vỡ nợ ngân hàng ở Việt Nam ………………………. 29

Bảng 2.1: Các chỉ tiêu trong mô hình CAMEL …………………………………………………. 47

Bảng 3.1: Hoạt động xuất nhập khẩu hàng hóa (triệu USD) ………………………………… 63

Bảng 3.2: Thu chi và cân đối ngân sách nhà nước (tỷ đồng và %)………………………… 64

Bảng 3.3: Diễn biến các mức lãi suất điều hành của NHNN giai đoạn 2010-2015 ….. 65

Bảng 3.4: Diễn biến biên độ giao dịch tỷ giá VND/USD ……………………………………. 66

Bảng 3.5: Nghiệp vụ thị trường mở giai đoạn 2011-2015……………………………………. 67

Bảng 3.6: Số lượng các ngân hàng thương mại giai đoạn 2009-2015 ……………………. 69

Bảng 3.7: Quy định về mức vốn pháp định của các ngân hàng…………………………….. 70

Bảng 3.8: Các chỉ tiêu an toàn vốn………………………………………………………………….. 70

Bảng 3.9: So sánh tỷ lệ an toàn vốn của các NH Việt Nam và NH một số quốc gia trong khu vực………………………………………………………………………………………………. 71
Bảng 3.10: VCSH, TA của một số định chế tài chính lớn trong khu vực Asean năm 2014 …. 73

Bảng 3.11: Chỉ tiêu ROA, ROE của một số định chế tài chính lớn trong khu vực
Asean năm 2012- 2014 …………………………………………………………………………………. 74

Bảng 3.12: Các chỉ tiêu đo lường khả năng sinh lời, hiệu quả quản lý…………………… 74

Bảng 3.13: Các chỉ tiêu đo lường khả năng thanh khoản…………………………………….. 77

Bảng 3.14: Các chỉ tiêu đo lường chất lượng tài sản, mức độ thâm hụt …………………. 78

Bảng 3.15: Tỷ lệ nợ xấu các NHTM Việt Nam giai đoạn 2009 -2015 …………………… 80

Bảng 3.16: Tỷ lệ nợ xấu của một số nước trong khu vực…………………………………….. 80

Bảng 3.17: Một số ngân hàng yếu kém điển hình………………………………………………. 86

Bảng 4.1: Số lượng các ngân hàng trong nghiên cứu………………………………………….. 88

Bảng 4.2: Các biến đầu vào /đầu ra lựa chọn ……………………………………………………. 89

Bảng 4.3: Thống kê mô tả của các biến đầu vào/đầu ra mô hình DEA ………………….. 90

Bảng 4.4: Kết quả ước lượng hiệu quả kĩ thuật (TE) của các NHTMCP giai đoạn 2010-2015.. 91

Bảng 4.5: Tiêu chí phân nhóm hiệu quả (HQ) các NHTMCP giai đoạn 2010-2014… 91

Bảng 4.6: Các biến vĩ mô trong nghiên cứu ……………………………………………………… 93

Bảng 4.7: Danh mục các biến dự báo trong luận án …………………………………………… 94

Bảng 4.8: Thống kê mô tả các biến vĩ mô trong nghiên cứu………………………………… 97

Bảng 4.9: Các biến nghiên cứu và hệ số tương quan với biến phụ thuộc ………………. 98

Bảng 4.10: Thống kê mô tả các biến trong nghiên cứu……………………………………….. 99

Bảng 4.11: Hệ số tương quan giữa các biến độc lập nhóm 1, nhóm 3………………….. 101

Bảng 4.12: Kết quả kiểm định Hausman ………………………………………………………… 102

Bảng 4.13: Kết quả hồi quy …………………………………………………………………………. 102

Bảng 4.14: Mã code của chương trình……………………………………………………………. 103

Bảng 4.15: Hệ số chặn của các ngân hàng………………………………………………………. 104

Bảng 4.16: Hiệu suất phân loại của mô hình LA ……………………………………………… 105

Bảng 4.17: Phân tích một số quan sát…………………………………………………………….. 106

Bảng 4.18: Các thông số của mạng nơ ron ……………………………………………………… 108

Bảng 4.19: Hiệu suất của mạng nơron……………………………………………………………. 108

Bảng 4.20: Hiệu suất phân loại của mô hình ANN…………………………………………… 109

Bảng 4.21: Thuật toán J48 …………………………………………………………………………… 110

Bảng 4.22: Kết quả của cây quyết định ………………………………………………………….. 111

Bảng 4.23: Các biến xây dựng cây quyết định ………………………………………………… 111

Bảng 4.24: Hiệu suất mô hình cây quyết định …………………………………………………. 113

Bảng 5.1: Tác động biên của các biến đến xác suất vỡ nợ p ………………………………. 116

Bảng 5.2: Tổng hợp các quan sát có kết quả dự báo khác nhau trong các mô hình .. 117

Bảng 5.3: Hiệu suất của ba mô hình ở mẫu 114 quan sát…………………………………… 118

Bảng 5.4: Hiệu suất các mô hình…………………………………………………………………… 118

Bảng 5.5: Xác suất vỡ nợ và các mức XHTD của KMV …………………………………… 119

Bảng 5.6: Tiêu chuẩn xếp loại các NHTMCP …………………………………………………. 120

Bảng 5.7: Bảng so sánh kết quả xếp loại ………………………………………………………… 120

Biểu đồ:

Biểu đồ 3.1: Tốc độ tăng trưởng GDP giai đoạn 2009-2015 (%) ………………………….. 61

Biểu đồ 3.2: Tỷ lệ lạm phát thời kỳ 2009-2015 …………………………………………………. 62

Biểu đồ 3.3: Tăng trưởng GDP, tăng trưởng tín dụng, tỷ lệ nợ xấu ………………………. 65

Biểu đồ 3.4: Các tỷ lệ nhóm an toàn vốn………………………………………………………….. 72

Biểu đồ 3.5: Các chỉ tiêu nhóm khả năng sinh lời ……………………………………………… 75

Biểu đồ 3.6: Tăng trưởng tín dụng giai đoạn 2010-2014 …………………………………….. 76

Biểu đồ 3.7: Các chỉ tiêu nhóm khả năng thanh khoản ……………………………………….. 77

Biểu đồ 3.8: Các chỉ tiêu chất lượng tài sản, mức độ thâm hụt …………………………….. 79

Biểu đồ 3.9: Tỷ lệ nợ xấu của các NHTMCP Việt Nam giai đoạn 2010-2015 ………… 80

Biểu đồ 4.1: Số lượng ngân hàng có/không có nguy cơ vỡ nợ cao ……………………….. 92

Hình:

Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ………………………….. 8

Hình 2.1: Nơron nhân tạo ……………………………………………………………………………… 53

Hình 2.2: Sơ đồ cây quyết định dạng đơn giản………………………………………………….. 55

Hình 2.3: Đường bao dữ liệu (DEA) ……………………………………………………………….. 57

Hình 2.4: Khung nghiên cứu………………………………………………………………………….. 59

Hình 4.1: Đồ thị các biến e2, e4……………………………………………………………………. 100

Hình 4.2: Đồ thị các biến d3, a2, a3 ………………………………………………………………. 100

Hình 4.3: Mạng nơ ron với 10 nút ẩn …………………………………………………………….. 108

Hình 4.4: Cây quyết định …………………………………………………………………………….. 112

MỞ ĐẦU

1. Tính cấp thiết của đề tài

Hệ thống ngân hàng đóng vai trò quan trọng đối với nền kinh tế, nó được coi là “hệ thống huyết mạch” của cả nền kinh tế. Tuy nhiên hoạt động ngân hàng cũng luôn chứa đựng nhiều rủi ro, rủi ro là một yếu tố không thể tách rời quá trình hoạt động của các ngân hàng thương mại trên thị trường. Rủi ro vỡ nợ ngân hàng có thể gây ra những tổn thất to lớn cho nền kinh tế hơn bất cứ rủi ro của các loại hình doanh nghiệp nào khác và chi phí cho việc khắc phục hậu quả là rất lớn. Cảnh báo sớm rủi ro vỡ nợ sẽ góp phần quan trọng ngăn chặn nguy cơ đổ vỡ của các ngân hàng, giảm thiểu tổn thất cho người gửi tiền, cho ngân hàng, cho các tổ chức bảo hiểm tiền gửi và nền kinh tế. Khi một ngân hàng yếu kém bị vỡ nợ nó có thể sẽ tạo ra sự đổ vỡ dây truyền trong hệ thống và ảnh hưởng nghiêm trọng đến sự phát triển lành mạnh, bền vững của hệ thống ngân hàng. Do đó việc phát hiện sớm các ngân hàng gặp khó khăn, có nguy cơ vỡ nợ cao cũng có ý nghĩa đặc biệt quan trọng đối với những cơ quan quản lý trong việc ngăn chặn khủng hoảng hệ thống ngân hàng, giữ vững sự ổn định của thị trường tài chính, ổn định kinh tế vĩ mô.

Hệ thống các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam bắt đầu xuất hiện vào những năm cuối của thập niên 80 của thế kỷ XX và phát triển mạnh trong giai đoạn 1991-1996, tiếp theo là giai đoạn 2006-2010. Sự phát triển mạnh mẽ về mọi mặt của hệ thống ngân hàng đã góp phần quan trọng vào sự phát triển kinh tế đất nước. Tuy nhiên, bên cạnh những thành tựu đạt được thì hệ thống ngân hàng thương mại cổ phần cũng đang bộc lộ nhiều hạn chế, yếu kém, nhiều NHTMCP đã lâm vào tình trạng mất khả năng thanh toán vào cuối năm 2011. Đó là lý do chính cho sự ra đời của Đề án Cơ cấu lại hệ thống tổ chức tín dụng (TCTD) giai đoạn
2011-2015. Nghị quyết Hội nghị Trung ương 3 (khoá XI) khẳng định: “Một trong ba trọng tâm tái cấu trúc kinh tế là cơ cấu lại hệ thống tài chính, trong đó trọng tâm là cơ cấu lại hệ thống ngân hàng”. Để tái cơ cấu hệ thống ngân hàng thành công thì việc quan trọng đầu tiên cần làm là phân loại, nhận diện chính xác các ngân hàng yếu kém có nguy cơ vỡ nợ cao.
Cho đến nay trên thế giới đã có nhiều lý thuyết và mô hình về cảnh báo vỡ nợ, khủng hoảng như: phân tích phân biệt đơn biến, mô hình phân tích phân biệt đa biến (MDA), mô hình Logit (LA), Probit (PA),… Gần đây các phương pháp, mô hình

1

thuộc nhánh sử dụng các kỹ thuật thông minh như mạng nơron (ANN), cây quyết định (DT), mô hình nhận dạng các đặc điểm (TR), thuật toán di truyền,… đã được áp dụng trong nghiên cứu cảnh báo vỡ nợ và hứa hẹn nhiều kết quả tốt. Các nghiên cứu cũng cho thấy mỗi phương pháp, mô hình đều có những ưu, khuyết điểm riêng và ngay trong một mô hình khi áp dụng ở các quốc gia khác nhau, các khu vực khác nhau cũng có các biến thể khác nhau, điều đó phụ thuộc vào điều kiện kinh tế của mỗi quốc gia, mỗi khu vực. Đã có nhiều mô hình được xây dựng với sự trợ giúp của công nghệ máy tính tiên tiến nhằm giải thích nguyên nhân cũng như dự báo, ngăn ngừa vỡ nợ, khủng hoảng. Tuy nhiên trên thực tế vẫn xảy ra các cuộc vỡ nợ các ngân hàng, các tổ chức tài chính với quy mô và ảnh hưởng ngày càng lớn mà người ta không dự báo được, do vậy việc xây dựng các mô hình cảnh báo vỡ nợ vẫn luôn cần được quan tâm, bổ sung, hoàn thiện. Những biến động rất lớn về kinh tế – xã hội, tính không dự báo được của các sự kiện tự nhiên, kinh tế xã hội làm cho việc sử dụng các phương pháp truyền thống, phương pháp hiện tại nhiều trường hợp không còn phù hợp nữa.

Xuất phát từ các lý do trên, nghiên cứu sinh chọn đề tài: “Xây dựng mô hình cảnh báo nguy cơ vỡ nợ đối với các ngân hàng thương mại cổ phần Việt Nam” làm luận án tiến sỹ kinh tế (chuyên ngành Toán kinh tế) để góp phần giải quyết một vấn đề mà lý luận và thực tiễn đang đặt ra.

2. Mục đích nghiên cứu của luận án

Mục đích nghiên cứu của luận án là

– Xây dựng và lựa chọn hệ thống các chỉ tiêu sử dụng trong việc đánh giá nguy cơ vỡ nợ của các NHTMCP.

– Xây dựng mô hình thực nghiệm cảnh báo nguy cơ vỡ nợ của các NHTMCP Việt Nam.

– Đề xuất một số giải pháp nhằm hạn chế nguy cơ vỡ nợ của các NHTMCP Việt Nam.

Câu hỏi nghiên cứu:

– Trong điều kiện của Việt Nam, những nhân tố nào có thể đặc trưng cho khả

năng vỡ nợ của ngân hàng; các nhân tố, các chỉ tiêu nào ảnh hưởng và ảnh hưởng như

thế nào tới nguy cơ vỡ nợ của các NHTMCP Việt Nam?

2

– Các ngân hàng có các đặc thù riêng ảnh hưởng đến khả năng vỡ nợ, sự khác biệt này giữa các ngân hàng được xác định như thế nào?

– Phương pháp, mô hình nào nên đề xuất áp dụng cho các NHTMCP Việt Nam?

– Hàm ý về chính sách rút ra từ mô hình?

3. Đối tượng và phạm vi nghiên cứu

– Đối tượng nghiên cứu

Đối tượng nghiên cứu của luận án là nguy cơ vỡ nợ, mô hình xác định nguy cơ
vỡ nợ của các NHTMCP Việt Nam.

– Phạm vi nghiên cứu

Luận án nghiên cứu về các NHTMCP Việt Nam gồm 35 NHTMCP trong đó bao gồm cả các NHTMCP mà Nhà nước nắm cổ phần chi phối như BIDV, MHB, Vietcombank, Vietinbank. Khoảng thời gian nghiên cứu là từ năm 2010 đến năm 2015.

4. Phương pháp nghiên cứu

Để phù hợp với nội dung, yêu cầu và mục đích nghiên cứu đã đặt ra, luận án sử dụng phương pháp phân tích định lượng và phân tích định tính. Một số mô hình được sử dụng là mô hình hồi quy Logit với dữ liệu mảng, mô hình mạng nơ ron và cây quyết định để xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các NHTMCP Việt Nam.

Luận án sử dụng các số liệu được thu thập từ các báo cáo của NHNN, các báo cáo tài chính đã được kiểm toán của các NHTMCP thời kỳ 2010-2015.

5. Ý nghĩa khoa học và thực tiễn của luận án

– Luận án xây dựng cơ sở lý luận cho mô hình cảnh báo nguy cơ vỡ nợ các
NHTMCP.

– Luận án xây dựng, lựa chọn hệ thống các chỉ tiêu sử dụng trong cảnh báo vỡ nợ ngân hàng. Xác định được các nhân tố, các chỉ tiêu ảnh hưởng tới nguy cơ vỡ nợ của các NHTMCP.

– Lượng hóa tính đặc thù của từng ngân hàng ảnh hưởng tới khả năng vỡ nợ.

– Xây dựng được mô hình cảnh báo vỡ nợ cho các NHTMCP.

– Đề xuất một số giải pháp giảm nguy cơ vỡ nợ cho các NHTMCP dựa trên các phân tích của luận án.

3

6. Bố cục của luận án

Ngoài phần mở đầu, kết luận, phụ lục, bảng biểu và danh mục tài liệu tham khảo, nội dung luận án được chia làm 5 chương như sau:

Chương 1: Tổng quan các nghiên cứu về vỡ nợ ngân hàng

Chương 2: Cơ sở lý luận về vỡ nợ ngân hàng thương mại

Chương 3: Thực trạng hoạt động, nguy cơ vỡ nợ của các ngân hàng thương mại cổ phần Việt Nam giai đoạn 2009-2015

Chương 4: Xây dựng mô hình cảnh báo nguy cơ vỡ nợ các NHTMCP Việt Nam.

Chương 5: Kết luận và kiến nghị chính sách.

4

CHƯƠNG 1
TỔNG QUAN CÁC NGHIÊN CỨU VỀ VỠ NỢ NGÂN HÀNG

Chương 1, luận án trình bày khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại. Qua việc tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng tiêu biểu trên thế giới và ở Việt Nam, tác giả cũng chỉ ra khoảng trống nghiên cứu và đề ra mục tiêu nghiên cứu.

1.1. Khái niệm vỡ nợ, vỡ nợ ngân hàng thương mại

Hiện tượng “phá sản” hay “vỡ nợ” đã có từ lâu nhưng nó được nói đến nhiều trong nền kinh tế thị trường. Trong nền kinh tế thị trường các doanh nghiệp phải cạnh tranh khốc liệt với nhau, các doanh nghiệp kinh doanh hiệu quả tồn tại và phát triển còn các doanh nghiệp làm ăn kém hiệu quả, thua lỗ, không thể thanh toán các nghĩa vụ tài chính thì vỡ nợ, phá sản. Sự vỡ nợ của doanh nghiệp dẫn đến sự xung đột lợi ích của các chủ thể tham gia vào các quan hệ kinh tế. Việc xác định rõ khái niệm này là cơ sở để Nhà nước, các chủ thể trong nền kinh tế có thể can thiệp một cách có ý thức vào hiện tượng này nhằm hạn chế tối đa những hậu quả tiêu cực và khai thác những mặt tích cực của nó.

Theo từ điển Tiếng Việt của Viện ngôn ngữ (1988, tr.790) viết rằng “ phá sản là lâm vào tình trạng tài sản chẳng còn gì, và thường là vỡ nợ, do kinh doanh bị thua lỗ, thất bại; vỡ nợ là tình trạng doanh nghiệp, cá nhân lâm vào tình trạng bị thua lỗ, thất bại liên tiếp trong kinh doanh, phải bán tài sản để trang trải công nợ, mà cũng có thể không trang trải được hết”. Trong luận án này tác giả sử dụng thuật ngữ ‘vỡ nợ’.

Theo hiệp ước Basell II (2008), nguy cơ vỡ nợ được xem như sự kiện hoặc sự cố liên quan đến những chủ thể vay, khi ít nhất một trong các khả năng sau đây xảy ra:

– Không có khả năng thực hiện nghĩa vụ trả nợ khi đến thời hạn hoàn trả hay là tình trạng mất khả năng thanh toán nợ đến hạn, bao gồm vốn vay và tiền lãi phải trả.

– Không có khả năng thực hiện nghĩa vụ tín dụng khi quá hạn trên 90 ngày.

– Giá trị tài sản nhỏ hơn vốn vay.

Dưới giác độ pháp lý theo văn bản luật mới nhất, luật phá sản số 51/2014/QH13 ngày 19/6/2014 quy định: “ Vỡ nợ là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố vỡ nợ”, luật cũng chỉ rõ: “Doanh nghiệp, hợp tác xã mất khả năng thanh toán là doanh nghiệp, hợp tác xã không
thực hiện nghĩa vụ thanh toán khoản nợ trong thời hạn 03 tháng kể từ ngày đến hạn

5

thanh toán”. Luật phá sản số 51/2014/QH được xem là văn bản pháp lý đầy đủ nhất về
phá sản, vỡ nợ doanh nghiệp.

Vỡ nợ ngân hàng thương mại

Về mặt kỹ thuật, vỡ nợ ngân hàng là một tình trạng trong đó một NH không thể đáp ứng được trách nhiệm thanh toán cho những người gửi tiền và không có đủ khoản tiền dự trữ theo như đòi hỏi phải có (Mishkin, 1999, tr.270). Do tính chất quan trọng của các TCTD trong đó có ngân hàng đối với nền kinh tế nên việc vỡ nợ của TCTD được quy định riêng ở mục 2, điều 155 của Luật các TCTD số 47/2010/QH12 ra ngày 16/6/2010 nêu rõ “Sau khi NHNN có văn bản chấm dứt kiểm soát đặc biệt hoặc văn bản chấm dứt áp dụng hoặc văn bản không áp dụng các biện pháp phục hồi khả năng thanh toán mà TCTD vẫn lâm vào tình trạng vỡ nợ thì TCTD đó phải làm đơn yêu cầu toà án mở thủ tục giải quyết yêu cầu tuyên bố vỡ nợ theo quy định của pháp luật về vỡ nợ”. Cũng theo điều 146 chương VIII, luật các TCTD 2010, mục kiểm soát đặc biệt, tổ chức lại, phá sản, giải thể, thanh lý TCTD có nêu: “NHNN xem xét, đặt các TCTD vào tình trạng kiểm soát đặc biệt khi TCTD lâm vào một trong các trường hợp sau

+ Có nguy cơ mất khả năng chi trả.

+ Nợ không có khả năng thu hồi có nguy cơ dẫn đến mất khả năng thanh toán.

+ Khi số lỗ lũy kế của TCTD lớn hơn 50% giá trị thực của vốn điều lệ và các quỹ dự trữ ghi trong báo cáo tài chính đã được kiểm toán gần nhất.

+ Hai năm liên tục bị xếp hạng yếu kém theo quy định của NHNN.

+ Không duy trì được tỷ lệ đảm bảo an toàn vốn tối thiểu quy định tại điểm b, khoản 1 Điều 130 của luật Này trong thời gian một năm liên tục”.

Như vậy việc vỡ nợ của các TCTD, các ngân hàng ở Việt Nam được quy định và giám sát rất chặt chẽ.

Hậu quả của vỡ nợ ngân hàng

Sự vỡ nợ của các NHTM gây ra sự mất vốn của các cổ đông ngân hàng, sự tổn thất cho người gửi tiền (nếu không được chi trả bảo hiểm tiền gửi đầy đủ), nếu qui mô vỡ nợ lớn hơn nó có thể tạo phản ứng đổ vỡ dây chuyền hệ thống NH, kéo theo khủng hoảng tài chính. Hậu quả của nó rất dai dẳng gây ra suy thoái kinh tế và làm kiệt quệ nguồn vốn đầu tư nhất là ở các nước đang phát triển (Lê Khương Ninh, 2015). Ví dụ
điển hình là chi phí khắc phục hậu quả của cuộc khủng hoảng tài chính Châu Á năm

6

1997 (bắt nguồn từ cuộc khủng hoảng ngân hàng và tiền tệ) lên tới 200 tỷ đô-la Mỹ, trong đó người gửi tiền và Chính phủ gánh chịu. Trong lịch sử đã xảy ra nhiều vụ vỡ nợ các ngân hàng lớn trên thế giới. Bảng 1.1 nêu một số cuộc khủng hoảng ngân hàng điển hình từ năm 1980.
Bảng 1.1: Một số cuộc khủng hoảng ngân hàng điển hình

TT Địa bàn Sự kiện Nguyên nhân

1 Châu Mỹ
La-tinh

(1980-1983)
Hơn 70 ngân hàng bị giải thể hoặc cần cứu trợ. Quốc hữu hoá ngân hàng quy mô lớn diễn ra ở Mexico, Uruguay, Chile và Peru.
Lãi suất giảm và chính sách tiền tệ thắt chặt ở Hoa Kỳ, cùng với sự xấu đi của môi trường kinh tế vĩ mô
trong nước.

Hoa Kỳ
(1988-1992)

2 Hoa Kỳ
(2007-2009)
1300 ngân hàng vỡ nợ. Chi phí khắc phục là 180 tỷ đô-la Mỹ (khoảng
3% GDP).

Khủng hoảng tự dẫn đến vấn đề thanh khoản ở hệ thống ngân hàng do nhu cầu đối với các loại chứng khoán phái sinh giảm sâu. Các loại tài sản tài chính khó định giá bị mất giá do áp
dụng các quy định kế toán mới.
Bùng nổ thị trường bất động sản cùng việc gỡ bỏ một số quy định đối với lĩnh vực tài chính khiến các TCTD thực hiện các khoản cho vay quá rủi ro.

Bùng nổ bong bong nhà đất khiến cho thị trường cho vay sụp đổ, làm cho nhu cầu đối với các loại chứng khoán phái sinh
giảm sâu.

3 Phần Lan, Na Uy và Thụy Điển (1991)
Chính phủ kiểm soát ba ngân hàng lớn chiếm đến 31% tổng lượng tiền gửi.
Tự do tài chính dẫn đến bùng nổ cho vay, cùng với lãi suất tăng ở Đức nên chất lượng các khoản cho
vay không thể kiểm soát.

4 Khủng hoảng tài chính Châu
Á (1997)
Khủng hoảng ngân hàng và tiền tệ. Nợ xấu tăng đột biến ở Thái Lan, Hàn Quốc, Indonesia, Philippines và Malaysia, dẫn tới nhiều vụ sáp nhập
các NH.
Sự mở rộng thị trường vốn quốc tế, cùng sự định giá quá cao đồng nội tệ dẫn đến việc vay và cho vay
quá mức.

Nguồn: Amri và Kocher (2012)

7

1.2. Tổng quan các nghiên cứu vỡ nợ, vỡ nợ ngân hàng trên thế giới

Nghiên cứu dự báo vỡ nợ công ty là một chủ đề quan trọng và được quan tâm rộng rãi, đã có nhiều mô hình dự báo vỡ nợ phát triển dựa trên các lý thuyết khác nhau. Dự báo vỡ nợ gắn liền với thuật ngữ cảnh báo sớm được hiểu là hoạt động nhận biết nguy cơ vỡ nợ của một chủ thể trong tương lai từ các chỉ báo trong hiện tại. Cơ sở cho việc dự báo vỡ nợ là việc phân tích mối quan hệ giữa vỡ nợ doanh nghiệp với các chỉ số tài chính được thể hiện trên các báo cáo liên quan đến doanh nghiệp. Lý luận này đưa ra bởi tác giả Fitzpatrick (1934) và được hoàn thiện trong các nghiên cứu sau đó như của Atlman (1968, 1983, 1993).

1.2.1. Tổng quan các mô hình và các nghiên cứu vỡ nợ tiêu biểu

Khi nghiên cứu về các mô hình cảnh báo vỡ nợ người ta thường chia ra các loại mô hình:
– Các mô hình, phương pháp thống kê chứa tham số: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit, phân tích sống sót,…
– Các mô hình phi tham số: mạng nơron nhân tạo, học máy, cây quyết định, mô hình nhận dạng đặc điểm, thuật toán di truyền,…

Hình 1.1: Mô tả các mô hình thường được sử dụng trong nghiên cứu cảnh báo vỡ nợ.

Dự báo vỡ nợ

Mô hình thống kê
Các mô hình phi tham số

UDA LA, PA MDA Mạng
Nơ ron
Cây quyết
định
Phân tích
đặc điểm
Thuật toán di truyền
Máy hỗ
trợ véc tơ

Hình 1.1: Các mô hình chủ yếu trong nghiên cứu cảnh báo vỡ nợ

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; LA- mô hình Logit; PA- mô hình Probit.

8

a) Nhóm mô hình thống kê: phân tích đơn biến, phân tích phân biệt đa biến, mô hình Logit, Probit.

Nghiên cứu sử dụng phân tích phân biệt đơn biến: Nội dung chính của phân tích đơn biến trong nghiên cứu cảnh báo vỡ nợ là xem xét các nhân tố đơn lẻ và so sánh các nhân tố giữa hai nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, nếu các nhân tố tài chính cho thấy các dấu hiệu khác nhau giữa hai nhóm vỡ nợ và không vỡ nợ thì chúng được sử dụng như các biến dự báo.

Vụ nghiên cứu chính sách và thương mại Mỹ (1930) công bố tập san các kết quả nghiên cứu trong cuốn ‘ Một phân tích, kiểm tra các công ty công nghiệp vỡ nợ ’. Nghiên cứu đã phân tích 24 nhân tố của 29 công ty để xác định những tính chất chung của nhóm công ty bị vỡ nợ. Trung bình của các nhân tố được xác định dựa trên số liệu các nhân tố của 29 công ty. Các nhân tố của mỗi công ty được so sánh với trung bình của các nhân tố tương ứng để chỉ ra tính chất hoặc xu hướng của công ty. Các nghiên cứu tìm ra 8 nhân tố để xem xét như các chỉ báo tốt về tình trạng suy yếu của một công ty. Những nhân tố đó là vốn lưu động/tổng tài sản, thặng dư và dự trữ/tổng tài sản, tài sản dòng cố định, tài sản cố định/tổng tài sản, tỷ suất khả năng thanh toán, lợi nhuận dòng/ tổng tài sản, doanh thu/tổng tài sản, và tiền mặt/tổng tài sản. Nghiên cứu cũng chỉ ra rằng vốn lưu động/tổng tài sản là chỉ báo tốt hơn tỷ suất khả năng thanh toán mặc dù trên thực tế cả hai đều là các chỉ báo tốt cho dự báo vỡ nợ. Nghiên cứu theo hướng này còn có các nghiên cứu của FitzPatrick (1932), Smith và Winakor (1935), Merwin (1942),…

Một nghiên cứu sử dụng phân tích đơn biến tiêu biểu, được tham khảo rộng rãi là nghiên cứu của tác giả Beaver công bố năm 1966. Trong nghiên cứu của mình, khác những nghiên cứu trước, Beaver sử dụng định nghĩa rộng hơn về vỡ nợ, một công ty được xem là vỡ nợ nếu nó có các biểu hiện vỡ nợ trái phiếu (khế ước), rút tiền quá mức tài khoản ngân hàng, hoặc mất khả năng thanh toán các nghĩa vụ tài chính. Sự mở rộng của định nghĩa dường như không có bất cứ ảnh hưởng gì nhiều đến các kết quả. Dữ liệu sử dụng của 79 công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành. Ông tách mẫu thành hai nhóm: nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ, sau đó tiến hành so sánh khả năng phân nhóm công ty vỡ nợ và công ty không vỡ nợ của các chỉ số đơn biến. Ông sử dụng 30 chỉ số tài chính và phân chúng thành 6 nhóm chỉ số, các chỉ số liên quan đến tỷ suất lợi nhuận, cấu trúc tài sản, các chỉ số liên quan đến việc chi trả cổ tức ưu đãi, thấu chi tài khoản ngân hàng, khả năng chi trả lãi trái phiếu. Ông so sánh trị số trung bình của 30 chỉ số ứng với hai nhóm công ty vỡ nợ và không vỡ nợ. Kết quả từ 30 chỉ số ban đầu ông lựa chọn được 6 chỉ số lần lượt
thuộc 6 nhóm. Trong nghiên cứu Beaver (1966) tính được điểm cắt cho mỗi chỉ số

9

dựa trên việc tính toán các lỗi loại I, lỗi loại II từ mẫu. Những điểm cắt này thu được từ dữ liệu gốc và chúng lại được sử dụng phân nhóm các công ty nằm ngoài mẫu. Kết quả ông tìm thấy các chỉ số dự báo tốt nhất gồm có: luồng tiền mặt/ tổng nợ (độ chính xác là 92% cho 1 năm trước vỡ nợ), tiếp theo là thu nhập dòng/doanh thu (91%); thu nhập dòng /tổng tài sản; tổng nợ/ tổng tài sản; vốn lưu động/ tổng tài sản (độ chính xác 90% cho mỗi chỉ số). Ông kết luận rằng sử dụng các nhân tố đơn lẻ có thể dự báo vỡ nợ tốt cho khoảng thời gian 5 năm trước vỡ nợ. Trong những gợi ý cho những nghiên cứu tiếp theo ông chỉ ra việc có thể tích hợp nhiều nhân tố cùng một lúc nhằm nâng cao khả năng dự báo và bắt đầu xây dựng những mô hình dự báo vỡ nợ. Những nghiên cứu đơn biến sử dụng kỹ thuật đơn giản và việc áp dụng nhanh chóng thuận tiện do các điểm phân biệt đã được tính toán sẵn, hiệu suất dự báo khá cao (độ chính xác lên tới 92% trong nghiên cứu của Beaver (1966)). Những nghiên cứu phân tích đơn biến cũng rất quan trọng như một bước chuẩn bị nền móng cho các mô hình dự báo vỡ nợ đa biến.
Bảng 1.2: Điểm phân biệt của các biến dự báo trong mô hình Beaver

Biến số

Lưu chuyển tiền tệ thuần/ tổng nợ

Lợi nhuận ròng/ TA Tổng nợ/ TA
Vốn lưu động / TA

Khả năng thanh toán hiện thời

Khoảng phi tín dụng
Số năm trước phá sản

Doanh nghiệp 1 năm 2 năm 3 năm 5 năm

Phá sản 0.03 0.05 0.1 0.11

Không phá sản 0.07 0.07 0.09 0.11

Phá sản 0.00 0.01 0.03 0.04

Không phá sản 0.02 0.02 0.03 0.03

Phá sản 0.57 0.51 0.53 0.57

Không phá sản 0.57 0.49 0.5 0.57

Phá sản 0.19 0.33 0.26 0.43

Không phá sản 0.27 0.28 0.26 0.29

Phá sản 1.6 2.3 2.3 2.8

Không phá sản 1.6 1.7 1.8 2.1

Phá sản -0.04 0.03 0.01 0.04

Không phá sản -0.04 -0.02 -0.01 -0.02

Nguồn: Beaver (1966)

Tuy nhiên phương pháp phân tích phân biệt đơn biến có một số nhược điểm sau: Thứ nhất, phân nhóm công ty được đưa ra khi so sánh giá trị của một chỉ số so với
điểm cắt có thể bị lầm lẫn, chẳng hạn một công ty có thể bị xét là vỡ nợ trên 1 nhân tố

10

đặc biệt này nhưng lại không vỡ nợ trên một nhân tố khác. Hoặc một nhân tố có khả năng phân biệt tốt hai nhóm đối với loại hình doanh nghiệp này nhưng lại không có khả năng phân biệt với một loại hình doanh nghiệp khác. Thứ hai, khi sử dụng phân tích đơn biến các biến được xét riêng rẽ sẽ rất khó để đánh giá mức độ quan trọng của từng biến, hơn nữa cách tiếp cận này sẽ không khai khác được thông tin chứa đựng đồng thời trong các biến khác nhau. Cuối cùng là điểm cắt cho từng biến sử dụng để phân loại được lựa chọn phụ thuộc rất lớn vào tỷ lệ phá sản trong mẫu nghiên cứu do đó giảm tính khái quát.
Nghiên cứu sử dụng phân tích phân biệt đa biến:

Trước những nhược điểm của phương pháp phân tích đơn biến, nhiều nhà nghiên cứu đã sử dụng phân tích phân biệt đa biến (MDA). Mục tiêu của MDA trong nghiên cứu cảnh báo vỡ nợ là phân biệt giữa doanh nghiệp phá sản và doanh nghiệp không phá sản một cách khách quan và chính xác nhất, bằng việc sử dụng hàm phân biệt (Z-score) trong đó các biến số là các chỉ tiêu tài chính. Hàm phân biệt là tổ hợp tuyến tính của các biến giúp phân biệt tốt nhất các nhóm, các cá thể trong mỗi nhóm gần nhau nhất và các nhóm được phân biệt tốt nhất (xa nhau nhất).
Nghiên cứu tiêu biểu áp dụng phương pháp phân tích phân biệt đa biến là nghiên cứu của tác giả Atlman (1968), ông xem xét ba câu hỏi:
(1) Các chỉ số nào quan trọng nhất trong việc phát hiện nguy cơ phá sản? (2) Vai trò của các chỉ số hay trọng số của các chỉ số bằng bao nhiêu?
(3) Trọng số nên được thành lập khách quan như thế nào?

Ông sử dụng số liệu các doanh nghiệp ở Mỹ giai đoạn 1946-1965, gồm 66 công ty với 33 công ty cho mỗi nhóm (vỡ nợ và không vỡ nợ). Ban đầu 22 chỉ số được chia thành 5 nhóm (nhóm chỉ số khả năng thanh khoản, nhóm chỉ số lợi nhuận, đòn bẩy, khả năng trả nợ, nhóm chỉ số hiệu quả hoạt động). Năm chỉ số cuối cùng được lựa chọn cho dự báo vỡ nợ công ty thông qua quy trình sau đây:
(1) Quan sát ý nghĩa thống kê của các biến số khác nhau (2) Đánh giá tương quan giữa các biến số có liên quan (3) Quan sát độ chính xác của nhiều mô hình khác nhau
(4) Sử dụng đánh giá từ các chuyên gia khi hoàn thiện các hàm số. Hàm phân biệt cho dự báo vỡ nợ trước 1 năm thu được như sau:
Z = 1 .2 X 1 + 1 .4 X 2 + 3 .3X 3 + 0 .6 X 4 + 1 .0 X 5

Nguồn: Atlman (1968)

11

trong đó:

X = Vốn lưu động / tổng tài sản;

X2 = Lợi nhuận chưa phân phối / tổng tài sản;
X = Lợi nhuận trước thuế và lãi / tổng tài sản;

X4 = Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;
X = Hệ số doanh thu / tổng tài sản

Altman đã xác định được hai ngưỡng từ đó hình thành ba miền nhận định tình hình tài chính của doanh nghiệp. Theo đó
+ Nếu Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao. + Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, doanh nghiệp không có nguy cơ phá sản (khả năng gần như bằng 0).
+ Nếu 1.81 ≤ Z ≤ 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ. Tuy nhiên khả năng dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian
2 năm, 3 năm, 4 năm trước vỡ nợ.
Phân tích phân biệt đa biến của Altman năm 1968 là một mô hình có ảnh hưởng lớn đến các nghiên cứu dự báo vỡ nợ trong nhiều năm. Các tác giả Balcaen và Ooghe (2006) đã thảo luận rằng phần lớn các nghiên cứu trước năm 1980 đều phát triển dựa trên mô hình của Atlman như các nghiên cứu của Deakin (1972), Blum (1974), Altman và Edward, Haldeman, Narayanan (1977), Norton và Smith (1979), Karel và Prakash (1987),…
Hàm phân biệt Z được thiết lập dựa trên số liệu kết quả kinh doanh từ những năm 60 trong thế kỷ trước của các doanh nghiệp tại Hoa Kỳ. Sự thay đổi của thời gian và không gian nghiên cứu, các quan sát trong mẫu của Altman không còn đảm bảo đại diện cho thị trường, do đó giá trị ước lượng và các ngưỡng phân loại cũng không hoàn toàn phù hợp. Điều này đòi hỏi các nhà nghiên cứu cần xây dựng mô hình Z phù hợp cho doanh nghiệp mỗi quốc gia, mỗi loại hình doanh nghiệp kinh doanh trong từng ngành cụ thể. Và cũng chính tác giả Atlman (1995) đã xây dựng mô hình dự báo vỡ nợ
mới cho các công ty hoạt động trong lĩnh vực dịch vụ. Trong mô hình mới Atlman đã
bỏ biến X
và thiết lập mô hình mới với 4 biến gồm
X = Vốn lưu động / tổng tài sản;

X2 = Lợi nhuận chưa phân phối / tổng tài sản; X 3

= Lợi nhuận trước thuế và lãi / tổng

tài sản; X

= Giá trị thị trường của vốn chủ sở hữu /giá trị hạch toán của tổng nợ;

Z ” = 6.56 X 1 + 3 .26 X 2 + 6.72 X 3 + 1.05 X 4

Nguồn: Atlman (1995)

12

Trong nghiên cứu, Atlman đưa ra các ngưỡng để dự báo vỡ nợ cho các công ty, cụ thể:

Doanh nghiệp trong vùng nguy hiểm
Z ” < 1.1 Doanh nghiệp trong vùng cảnh báo 1.1£ Z'' £ 2.6 Doanh nghiệp trong vùng an toàn Z'' > 2.6

Việc dự báo nguy cơ vỡ nợ của các doanh nghiệp trở nên đơn giản với việc tính toán các chỉ tiêu trong mô hình, tính toán chỉ số Z’’ và so sánh với các ngưỡng để xác định tình trạng của doanh nghiệp. Sau đó, E.I. Atlman tiếp tục biến đổi mô hình để xây dựng hệ số Z’’ điều chỉnh = Z’’ + 3.25, do đó làm tăng độ rộng vùng cảnh báo.Với thử nghiệm trên một mẫu gồm 700 doanh nghiệp, Ông đã chỉ ra sự tương đồng cao giữa hệ số Z’’ điều chỉnh và hệ số tín nhiệm của S&P, do đó nghiên cứu đã cung cấp thêm một phương pháp xếp hạng tín nhiệm bằng chỉ số Z’’ điều chỉnh (Atlman, 2003).
Gần đây năm 2001, nhiều doanh nghiệp Trung Quốc đã phá sản và nhiều nhà kinh tế đã nghiên cứu về sự phá sản các doanh nghiệp Trung Quốc. Tác giả Ling Zhang và cộng sự (2001) đã công bố mô hình Z-score. Mẫu nghiên cứu gồm các doanh nghiệp niêm yết trên thị trường chứng khoán Trung Quốc. Mô hình này có hai chỉ số mới, khác so với các mô hình của Altman đưa ra năm 1968. Kết quả hàm phân biệt
cho các doanh nghiệp Trung Quốc

Z =−8.751+6.3X + 0.761X + 1.295X

+ 0.412X

+0.015X

+ 0.105X

−21.164X
China
1 6 21
23 24 31 32
Trong đó: X – Lợi nhuận/ tổng tài sản (ROA)
1

X – Dòng tiền mặt thuần từ các hoạt động sản xuất / trên tổng số cổ phiếu đang
6

giao dịch.

X – Logarit tài sản cố định
21

X – Tỷ lệ tăng doanh thu của các kinh doanh chính
23

X – Lợi nhuận chưa phân phối.
24

X – Giá trị thị trường của các cổ phiếu đang giao dịch /tổng nợ.
31

X – Giá trị sổ sách của tổng số cổ phiếu/Giá trị thị trường của chúng
32

Các tác giả cũng đưa ra các ngưỡng phân biệt, theo đó

+ Z > 0.71 – Vùng an toàn

+ -0.5 < Z < 0.71 - Vùng nghi ngờ + Z < - 0.5 - Vùng nguy cơ phá sản 13 Phương pháp phân tích phân biệt đa biến là một phương pháp được áp dụng nhiều nhất trong các nghiên cứu cảnh báo vỡ nợ. Phương pháp này đã đưa vào xem xét nhiều biến một cách đồng thời, xây dựng một chỉ số dự báo (Z-score) dựa trên nhiều chỉ số giúp tránh những xung đột về dự báo như trong cách tiếp cận phân tích đơn biến, các biến dự báo trở lên đa dạng và phong phú hơn do đó có thể làm giảm sai lầm loại I, loại II (Holmen,1968). Mô hình MDA dễ sử dụng và có thể áp dụng cho các đối tượng khác nhau, có thể áp dụng để phân loại các doanh nghiệp gặp khủng hoảng, chưa đến mức phá sản (Bragg, 2002). Tuy nhiên phương pháp này cũng có những nhược điểm nghiêm trọng liên quan đến các giả định cơ bản trong mô hình (giả thiết về phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình cũng như làm giảm khả năng áp dụng. Hơn nữa, các hệ số trong hàm phân biệt không thể giải thích như các hệ số bêta trong các hồi quy khác. Cuối cùng theo một số tác giả mô hình MDA bị phê phán là phương pháp phân tích ‘tĩnh’ (Shumway, 2002) nghĩa là không tính đến các yếu tố kinh tế vĩ mô như tốc độ tăng trưởng GDP, lạm phát có thể ảnh hưởng đến vỡ nợ các doanh nghiệp. Mô hình xác suất điều kiện: Mô hình Logit (LA) và mô hình Probit (PA) Mô hình Logit và mô hình Probit bắt đầu xuất hiện vào cuối năm 1970 và cho đến những năm cuối 1980 nó đã trở lên phổ biến hơn phương pháp MDA. Mô hình Logit và Probit đi vào tính xác suất phá sản của một công ty. Sự khác biệt giữa hai mô hình Logit và Probit liên quan đến giả thiết về các nhiễu trong các mô hình. Mô hình Logit giả định hạng nhiễu phân phối Logistic trong khi mô hình Probit giả định hạng nhiễu phân phối chuẩn thông thường (Dimitras và cộng sự, 1996). Trong mô hình Logit, Probit chỉ báo vỡ nợ là một biến nhị phân, tập các biến giải thích là các chỉ số tài chính. Tác giả Ohson (1980) đặt ra các câu hỏi về những hạn chế của kỹ thuật thống kê mà mô hình MDA gặp phải và Ông đã sử dụng mô hình Logit thay thế mô hình MDA để dự báo vỡ nợ công ty. Ohson chọn lựa 9 biến độc lập mà ông cho rằng sẽ giúp ích cho dự báo vỡ nợ tuy nhiên ông lại không cung cấp lý thuyết giải thích cho sự lựa chọn các biến này. Ông sử dụng số liệu của các công ty công nghiệp trong khoảng thời gian 1970-1976 và được giao dịch trên thị trường cổ phiếu Mỹ ít nhất 3 năm. Nghiên cứu sử dụng số liệu của 105 công ty vỡ nợ và 2000 công ty không vỡ nợ và tiến hành với 3 mô hình: mô hình 1 dự báo vỡ nợ cho khoảng thời gian 1 năm, mô hình 2 dự báo vỡ nợ cho 2 năm và mô hình 3 dự báo vỡ nợ cho 1 năm hoặc 2 năm trước khi vỡ nợ. Kết quả dự báo của mô hình là khá chính xác, với sai lầm loại I, loại II tương ứng là 17.4% và 12.4%. Nghiên cứu áp dụng mô hình LA còn có các 14 tác giả: Platt (1991), Smith và Lawrence (1995), Koundinya (2004), Prasad và cộng sự (2005),…. Bảng 1.3: Các biến số dự báo trong mô hình của Ohlson (1980) Biến Mô tả Dấu trong mô hình X1 Ln(Tổng tài sản/ GNP) - X2 Tổng nợ / tổng tài sản + X3 Lưu chuyển tiền tệ/ tổng tài sản - X4 Hệ số nợ + X5 Bằng 1 nếu tổng nợ phải trả lớn hơn tổng tài sản, bằng + 0 trong trường hợp ngược lại X6 Lợi nhuận ròng/ tổng tài sản - X7 Vốn lưu động/ tổng nợ - X8 Bằng 1 nếu lỗ trong 2 năm liên tiếp, bằng 0 trong + trường hợp ngược lại X9 ( NIt - NIt -1 ) / ( NIt + NIt -1 ) NIt là lợi nhuận năm t - Nguồn: Ohlson (1980) Tác giả Martin (1977) đã sử dụng mô hình Logit và phân tích phân biệt trong dự báo phá sản của các ngân hàng trong giai đoạn 1970-1976. Tác giả sử dụng 25 chỉ tiêu tài chính được đưa ra bởi các cơ quan giám sát ngân hàng Mỹ, các chỉ tiêu được phân vào 4 nhóm (rủi ro tài sản, thanh khoản, an toàn vốn, lợi nhuận), tác giả sử dụng biến phụ thuộc trễ từ 1 đến 2 năm. Kết quả nghiên cứu đã xây dựng 6 mô hình cho 6 năm, trong đó xác định 4 nhân tố và hiệu suất cao nhất là 92.3%. Tác giả West (1985) đã sử dụng mô hình Logit kết hợp với phân tích nhân tố để đo lường và mô tả đặc điểm tài chính và hoạt động của các NH. Dữ liệu được lấy từ các báo cáo thu nhập, cũng như các báo cáo kiểm tra của 1900 ngân hàng thương mại ở một số bang của Mỹ. Những nhân tố quan trọng được xác định bởi mô hình Logit trong nghiên cứu cũng tương tự như các nhân tố sử dụng trong mô hình xếp hạng CAMELS. Nghiên cứu cũng cho thấy sự kết hợp giữa phân tích nhân tố và Logit rất hữu ích khi đánh giá hoạt động của ngân hàng. 15 Một nghiên cứu đáng chú ý là của Isabelle Distingguin và Amine Tarazi (2008), nghiên cứu này sử dụng dữ liệu kế toán và thị trường để dự báo sự thay đổi xếp hạng của một số ngân hàng các nước Đông Nam châu Á. Tác giả sử dụng một mô hình Logit đa dấu hiệu và đã xác định được tập các chỉ số dự báo tối ưu. Bài viết cũng kiểm tra sự ảnh hưởng có thể có của qui mô ngân hàng, các tính chất đặc trưng của các chỉ số cảnh báo sớm. Nghiên cứu sử dụng dữ liệu mảng gồm 64 ngân hàng khu vực Đông Nam châu Á gồm một số ngân hàng của các nước Hồng Kông, Hàn Quốc, Đài Loan, Singapore, Malaysia, Thái Lan, Indonesia và Philippines trong khoảng thời gian từ năm 1999 đến năm 2004, tập hợp các tỷ lệ kế toán trong nghiên cứu này lấy trong 4 nhóm CAEL, được tính theo đơn vị năm. Biến phụ thuộc được xây dựng trên cơ sở kết quả xếp hạng của 3 tổ chức xếp hạng uy tín: Fitch, Moody’s, Standard và Poor’s. Kết quả chỉ ra rằng chỉ số kế toán và thị trường là chỉ số hàng đầu hữu ích trong việc giải thích sự nâng hạng, hạ hạng trong tương lai của các ngân hàng. Tác giả Duclaux và Soupmo Badjio (2009) đã xây dựng mô hình dự báo những NH gặp khó khăn cho các NH thuộc 6 nước khu vực miền trung châu Phi. Bài viết sử dụng một mô hình Logit nhị phân để xây dựng một mô hình dự báo khó khăn của các ngân hàng với đặc trưng miền trung châu Phi. Biến giải thích là một hỗn hợp của các chỉ số tài chính, các yếu tố thể chế và văn hóa liên quan đến bối cảnh các nước này. Do hạn chế về thông tin các ngân hàng gặp khó khăn nên nghiên cứu đã sử dụng định nghĩa ngân hàng gặp khó khăn tài chính, biến phụ thuộc Y=1, nếu tỷ lệ khả năng thanh toán/tổng tài sản rủi ro nhỏ hơn 8% và Y = 0 trong các trường hợp khác. Sự phân nhóm ngân hàng theo cách này căn cứ trên tiêu chuẩn yêu cầu về vốn của hiệp ước vốn Basel II. Trong số 12 biến sử dụng thì có 3 biến số có ý nghĩa thống kê. Mô hình Logit, Probit có thể được dùng để đánh giá mức độ giải thích của các biến độc lập, mô hình có thể xét đến các biến không thỏa mãn điều kiện của mô hình MDA. Tuy nhiên các mô hình có các giả định về phân phối xác suất, giả thiết không có hiện tượng đa cộng tuyến do đó làm giảm mức độ áp dụng của mô hình. b) Nhóm các mô hình phi tham số, sử dụng kỹ thuật thông minh: mạng nơ ron, cây quyết định, thuật toán di truyền. Mạng nơ ron đã được sử dụng trong nhiều lĩnh vực như y học, tự động hóa,…và được áp dụng trong nghiên cứu cảnh báo vỡ nợ từ những năm 1990. Mạng nơron nhân tạo là một mô phỏng quá trình xử lý thông tin, được nghiên cứu dựa vào hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin. Các 16 tác giả Odom và Sharda (1990) là những người đầu tiên nghiên cứu dự báo vỡ nợ sử dụng mạng nơ ron (ANN). Nghiên cứu của Odom sử dụng các chỉ số tương tự như các chỉ số sử dụng bởi Altman năm 1968 và áp dụng với một mẫu của 65 công ty vỡ nợ và 64 công ty không vỡ nợ. Các mẫu đào tạo bao gồm 38 công ty vỡ nợ và 36 công ty không vỡ nợ. Một mạng nơ ron với ba lớp, chứa 5 nút ẩn đã được tạo ra. Mô hình của họ xác định chính xác tất cả các công ty vỡ nợ và không vỡ nợ trong mẫu kiểm tra, so với độ chính xác 86.8% bởi mô hình MDA. Các nghiên cứu sử dụng mạng nơ ron còn có Hawley, Johnson và Raina (1990); Boritz và Kennedy (1995); Alam và cộng sự (2000); Celik và Karatepe (2007). Tam và Kiang (1992) áp dụng mạng nơ ron, MDA, LA, cây quyết định với thuật toán ID3 trong nghiên cứu dự báo vỡ nợ của các ngân hàng bang Texas, Mỹ, ông sử dụng mẫu huấn luyện gồm 118 ngân hàng trong đó 59 ngân hàng vỡ nợ, 59 ngân hàng không vỡ nợ. Nghiên cứu dựa vào các chỉ tiêu trong mô hình CAMELS để xây dựng 19 biến đầu vào. Kết quả thực nghiệm của nghiên cứu đã chỉ ra rằng mạng nơron (ANN) có độ chính xác trong phân loại tốt hơn các mô hình MDA, LA, ID3. Các tác giả Salchenberger, Cinar và Lash (1992) sử dụng ANN và mô hình Logit phân tích sự vỡ nợ của các tổ chức tiết kiệm và cho vay, kết quả cho thấy ANN vượt trội so với mô hình Logit qua các lần dẫn khác nhau. Ravi và Pramodh (2008) đã sử dụng mạng nơ ron để dự báo vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha, trong đó có sử dụng 9 nhân tố tài chính cho các ngân hàng Thổ Nhĩ Kỳ và 12 nhân tố tài chính cho các ngân hàng Tây Ban Nha. Mức độ chính xác của mô hình xây dựng là 96.6% cho tập số liệu của Tây Ban Nha và 100% cho tập số liệu của Thổ Nhĩ Kỳ. So với các mô hình LA, PA, MDA mô hình mạng nơ ron có thể áp dụng với các loại dữ liệu không thỏa mãn các điều kiện về phân phối, phương sai, đa cộng tuyến. Tuy nhiên mô hình mạng nơ ron khá phức tạp, cấu trúc của nó khó theo dõi, nằm ngoài sự kiểm soát của người xây dựng mô hình. Mô hình cây quyết định (DT) tạo một bộ quy tắc nếu–thì chia không gian thuộc tính thành những phần nhỏ hơn, các nhóm đồng nhất hơn đối với một giá trị cụ thể của biến mục tiêu. Các thuật toán khác nhau có thể được sử dụng để xây dựng cây quyết định, chẳng hạn như quy tắc phân loại kết hợp với hồi quy, thuật toán CHAID, thuật toán ID3, C4.5, C5.0, J48,... Cây quyết định đã được sử dụng phổ biến cho các vấn đề phân loại, bởi vì quy tắc phân loại của nó là dễ hiểu và tương tác cao. Một số nghiên cứu áp dụng mô hình cây quyết định có thể tham khảo: Tam và Kiang (1992), Marais, Patell và Wolfson (1984), Frydman, Altman, và Kao (1985), và Li, Sun và Wu (2010). 17 Mô hình nhận dạng các đặc điểm (TR) là một mô hình phân loại phi tham số để phân biệt các công ty vỡ nợ và các công ty không vỡ nợ. Mô hình TR có lợi thế nó không áp đặt các giả định phân phối trên các biến. TR khai thác thông tin về mối tương quan phức tạp của các biến. Kolari và cộng sự (2002) phát triển một hệ thống cảnh báo sớm dựa trên mô hình Logit và TR. Số liệu sử dụng là số liệu về các ngân hàng lớn Mỹ. Mô hình Logit phân loại chính xác trên 96% cho một năm trước khi vỡ nợ và 95% cho thời gian hai năm trước khi vỡ nợ. Đối với mô hình TR tính chính xác của mô hình là 100%. Do đó, họ kết luận rằng mô hình TR tốt hơn so với các mô hình Logit. Lanine và Vander Vennet (2006) sử dụng mô hình Logit và TR để dự đoán vỡ nợ của các NHTM của Nga. Các tác giả đã kiểm tra khả năng dự đoán của hai mô hình trên cơ sở mẫu xây dựng và mẫu kiểm tra. Kết quả mô hình TR tốt hơn mô hình Logit trong cả hai mẫu. Đối với các biến dự đoán, họ thấy thanh khoản dự kiến đóng một vai trò quan trọng trong dự đoán vỡ nợ của ngân hàng, cũng như chất lượng tài sản và an toàn vốn. Mô hình định giá quyền chọn của Merton- Black-Scholes (1974) coi xác suất để một doanh nghiệp lâm vào tình trạng phá sản phụ thuộc vào giá trị thị trường và mức độ dao động của giá trị thị trường tài sản doanh nghiệp. Mô hình này thường được sử dụng trong các trường hợp các doanh nghiệp đã niêm yết trong thời gian dài. Phương pháp Moody’s-KMV năm 1993 là một trường hợp của mô hình định giá quyền chọn và hiện nay được sử dụng rộng rãi, sức mạnh của mô hình nằm ở công cụ tính toán thực nghiệm và kiểm nghiệm dựa trên một cơ sở dữ liệu lớn. Trong mô hình KMV thì xác suất vỡ nợ được tính bằng các dữ liệu thực nghiệm thay vì tính qua công thức sử dụng phân bố chuẩn và độ rủi ro. Mô hình KMV tính khoảng cách tới vỡ nợ làm cơ sở để đo lường độ lệch chuẩn của giá trị tài sản doanh nghiệp và các khoản nợ hiện tại, và cho rằng tỷ lệ phần trăm các doanh nghiệp phá sản trong một năm và giá trị tài sản có độ lệch tiêu chuẩn cao hơn các khoản nợ trong ngắn hạn. Nhìn chung mô hình phát huy hiệu quả hơn trong việc đánh giá các doanh nghiệp gặp vấn đề về tài chính so với mô hình dựa trên các biến tài chính. Các nghiên cứu ứng dụng mô hình này có thể kể đến như của Wilcox (1973); Scott (1981); Varma và Raghunathan (2000); Hillegeist, Keating, Cram và Lundstedt (2004); Du và Suo (2004); Bohn, Arora và Korablev (2005). Tác giả tóm tắt một số nghiên cứu cảnh báo vỡ nợ tiêu biểu trên thế giới trong bảng 1.4. 18 Bảng 1.4: Tóm tắt một số nghiên cứu cảnh báo vỡ nợ, vỡ nợ NH trên thế giới Tác giả/ Năm công bố Cách tiếp cận/ số nhân tố Các kết quả chính Beaver (1966) UDA/30. Dữ liệu sử dụng 79 công ty vỡ nợ và 79 công ty không vỡ nợ trong 38 ngành. Xác định 5 nhân tố, độ chính xác từ 50% đến 92% Atlman (1968) MDA/22. Dữ liệu gồm 33 công ty cho mỗi nhóm. Xác định 5 nhân tố, độ chính xác 95% cho doanh nghiệp trong mẫu Martin (1977) MDA; LA/25. Dữ liệu sử dụng là của các NH Mỹ giai đoạn 1970- 1976. Xây dựng 6 mô hình cho 6 năm, xác định 4 nhân tố, hiệu suất cao nhất là 92.3% Hanweck (1977) PA/6. Dữ liệu sử dụng gồm 177 doanh nghiệp không vỡ nợ và 32 doanh nghiệp vỡ nợ. Trong 6 nhân tố có 2 nhân tố có ý nghĩa thống kê. Độ chính xác là 83.8%, mẫu kiểm tra là 91.1%. Ohson (1980) LA/9. Sử dụng dữ liệu 105 công ty vỡ nợ và 2000 công ty không vỡ nợ Độ chính xác 96.3% Tam và Kiang (1992) ANN/19, MDA/19, LA/19. Sử dụng dữ liệu 118 ngân hàng, chia đều cho 2 nhóm. Mạng NN có độ chính xác cao nhất, đạt 96.2% với mẫu huấn luyện và 85.2% với mẫu kiểm tra. Odom và Sharda (1993) ANN/5; MDA/5. Mẫu gồm 38 công ty vỡ nợ, 36 không vỡ nợ. Hiệu suất mẫu huấn luyện 100%, mẫu kiểm tra là 77% Kolari và cộng sự (1996) TR và LA Hiệu suất với mẫu gốc 98.6%; mẫu kiểm tra 95.6% Lanine và Vander Vennet (2006) Ravi và Pramodh (2008) Mô hình TR và Logit cho các ngân hàng lớn Nga ANN/9;12. Mẫu gồm các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha Độ chính xác là 91.6% với dữ liệu gốc, 85.1% dữ liệu kiểm tra. Hiệu suất 96.6% cho mẫu Thổ Nhĩ Kỳ; 100% cho mẫu Tây Ban Nha Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo Trong đó: UDA- phân tích phân biệt đơn biến; MDA- phân tích phân biệt đa biến; ANN- mạng nơ ron nhân tạo; TR- mô hình nhận dạng đặc điểm; DT- cây quyết định; LA- mô hình Logit; PA- mô hình Probit. 19 Như vậy các mô hình dự báo vỡ nợ được phát triển hết sức đa dạng và luôn được bổ sung nhưng chưa một mô hình nào khẳng định được tính ưu việt tuyệt đối so với các mô hình còn lại trong tất cả các bối cảnh nghiên cứu. 1.2.2. Tổng quan các tiêu chí được coi là vỡ nợ hoặc nguy cơ vỡ nợ cao trong các nghiên cứu trước Trong các nghiên cứu cảnh báo vỡ nợ, các tác giả thường đưa ra định nghĩa về vỡ nợ, cơ sở chọn mẫu nghiên cứu. Phần lớn các nghiên cứu cảnh báo vỡ nợ trên thế giới định nghĩa vỡ nợ dựa trên thông tin về các công ty vỡ nợ hoặc quyết định đóng cửa; một số nghiên cứu khác định nghĩa vỡ nợ dựa trên những khủng hoảng tài chính hoặc dựa trên khả năng đáp ứng các nghĩa vụ tài chính. Lược lại các nghiên cứu trước về vỡ nợ ngân hàng có tác giả đã sử dụng chỉ số mất thanh khoản ngân hàng, chỉ số nợ xấu cao dẫn tới khả năng mất vốn, chỉ số thiếu vốn làm chỉ tiêu đo lường nguy cơ đổ vỡ, chẳng hạn các tác giả Dermirgue-Kunt (1989), Barr và Siem (1994) chỉ ra rằng chất lượng tài sản, hiệu quả hoạt động là các yếu tố dự đoán vỡ nợ quan trọng về mặt thống kê và các tổ chức ngân hàng trước khi phá sản luôn có mức nợ xấu cao và hiệu quả hoạt động thấp. Trong các nghiên cứu cảnh báo sớm những khó khăn tài chính của ngân hàng, nhiều tác giả đã chọn các tiêu chí khác: Tác giả Gropp sử dụng xếp hạng của Fitch-IBCA để đánh giá sức mạnh tài chính của ngân hàng. Ông sử dụng mức hạng C để phân đôi giữa rủi ro thấp và rủi ro cao. Whalen (2005) xây dựng mô hình dự đoán xác suất mà một ngân hàng cộng đồng có nguy cơ vỡ nợ thấp sẽ chuyển sang trạng thái có nguy cơ vỡ nợ cao hơn trong một khoảng thời gian tám quý. Các NH được chỉ định "nguy cơ vỡ nợ thấp" nếu NH có điểm tổng hợp CAMELS là 1 hoặc 2, ngân hàng với điểm số CAMELS tổng hợp lớn hơn 2 được phân loại rủi ro cao. Tác giả Duclaux và Soupmo Badjio (2009) đã xây dựng mô hình dự báo những ngân hàng gặp khó khăn cho các ngân hàng thuộc 6 nước khu vực miền trung châu Phi. Nghiên cứu đã sử dụng định nghĩa ngân hàng gặp khó khăn tài chính, biến phụ thuộc Y=1, nếu tỷ lệ khả năng thanh toán/tổng tài sản rủi ro nhỏ hơn 8% và Y = 0 trong các trường hợp khác. Birsen Eggi Erdogan (2016) tính toán chỉ tiêu ROA để đo lợi nhuận sau đó sử dụng tiêu chí về ROA để xác định tình trạng sức khỏe của ngân hàng. Cụ thể, biến phụ thuộc Y =1, ngân hàng vỡ nợ nếu ROA £ 0.01 , biến Y = 0, ngân hàng không vỡ nợ nếu ROA>0.01.

20

Bảng 1.5: Một số định nghĩa sử dụng trong các nghiên cứu cảnh báo vỡ nợ

Tác giả/ Năm
công bố
Tên sử
dụng

Định nghĩa

Beaver (1966) Vỡ nợ Một công ty không trả được nợ các nghĩa vụ tài chính khi đến hạn. Hay một công ty xảy ra một trong các sự kiện: vỡ nợ, vỡ nợ trái phiếu, rút tiền quá mức tài khoản ngân hàng, không chi trả được cổ phiếu ưu đãi.
Atlman (1968) Phá sản Các hãng bị tuyên bố phá sản, hoặc các cơ quan quản lý tổ chức lại theo quy định.
Deakin (1972) Vỡ nợ Các công ty bị phá sản, mất khả năng chi trả, bị các chủ nợ yêu cầu thanh lý.
Blum (1974) Vỡ nợ Không trả được nợ khi đến hạn, tiến hành quá trình tố tụng phá sản hoặc phải thỏa thuận vi phạm với chủ nợ để giảm nợ.

Santomero và
Vinso (1977)
Vỡ nợ Các ngân hàng vỡ nợ khi tài khoản vốn của ngân hàng bằng không hoặc âm.

Whalen (2005) Nguy cơ
vỡ nợ cao

Ngân hàng có nguy cơ vỡ nợ cao nếu ngân hàng có
điểm tổng hợp CAMELS lớn hơn 2.

Duclaux và
Soupmo (2009)

Ngân
hàng gặp khó khăn

Ngân hàng gặp khó khăn nếu tỷ lệ khả năng thanh toán/ tổng tài sản rủi ro nhỏ hơn 8%

Booth (2011) Vỡ nợ Không cung cấp định nghĩa rõ ràng, sử dụng tiêu chí công ty rời khỏi giao dịch trên tất cả các thị trường
chứng khoán làm cơ sở chọn mẫu.

Birsen Eggi
Erdogan (2016)

Ngân hàng vỡ nợ

Ngân hàng vỡ nợ nếu ROA £ 0.01, ngân hàng không vỡ nợ nếu ROA > 0.01.

Nguồn: Tổng hợp của tác giả từ các tài liệu tham khảo

Như vậy, trong các nghiên cứu trước trên thế giới các tác giả đã sử dụng nhiều tiêu chí khác nhau để xác định ngân hàng vỡ nợ, ngân hàng có nguy cơ vỡ nợ cao.

1.2.3. Các nhân tố, biến số trong các nghiên cứu vỡ nợ

Khi tiến hành dự báo vỡ nợ cần xác định 3 yếu tố đó là biến dự báo, biến phụ
thuộc và phương pháp dự báo. Việc lựa chọn 3 yếu tố này quyết định chất lượng mô