Luận văn Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài gòn – Hà nội (SHB), chi nhánh Thái Nguyên

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG TOUMKHAM KANLAYA KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI (SHB), CHI NHÁNH THÁI NGUYÊN LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên – 2020 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG TOUMKHAM KANLAYA KỸ THUẬT CÂY QUYẾT ĐỊNH HỒI QUY TRONG PHÂN TÍCH VÀ DỰ BÁO RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP SÀI GÒN

pdf77 trang | Chia sẻ: huong20 | Ngày: 13/01/2022 | Lượt xem: 325 | Lượt tải: 0download
Tóm tắt tài liệu Luận văn Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài gòn – Hà nội (SHB), chi nhánh Thái Nguyên, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
– HÀ NỘI (SHB), CHI NHÁNH THÁI NGUYÊN Chuyên ngành: Khoa học máy tính Mã số : 8 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: PGS.TS NGUYỄN VĂN HUÂN Thái Nguyên - 2020 i LỜI CAM ĐOAN Tôi xin cam đoan toàn bộ nội dung văn bản này là do tôi tự sưu tầm, tra cứu và sắp xếp cho phù hợp với nội dung yêu cầu của đề tài. Nội dung luận văn này chưa từng được công bố hay xuất bản dưới bất kỳ hình thức nào và cũng không được sao chép từ bất kỳ một công trình nghiên cứu nào. Tất cả phần mã nguồn của chương trình đều do tôi tự thiết kế và xây dựng, trong đó có sử dựng một số thư viện chuẩn và các thuật toán được các tác giả xuất bản công khai và miễn phí trên mạng Internet. Thái Nguyên, Ngày 15 tháng 9 năm 2020 Tác giả luận văn KANLAYA toumkham ii LỜI CẢM ƠN Trước hết tôi xin gửi lời cảm ơn sâu sắc đến thầy hướng dẫn khoa học PGS.TS Nguyễn Văn Huân về những chỉ dẫn khoa học, định hướng nghiên cứu và tận tịnh hướng dẫn tôi trong suốt quá trình làm luận văn. Tôi xin cảm ơn các thầy trong khoa Công Nghệ Thông Tin, các thầy cô giáo trong trường Đại học Công Nghệ Thông Tin và Truyền Thông – Đại học Thái Nguyên đã cung cấp cho tôi những kiến trúc vô cùng quý báu và cần thiết trong suốt thời gian học tập tại trường để tôi có thể thực hiện và hoàn thành tốt luận văn này. Tôi xin bày tỏ lòng biết ơn sâu sắc nhất tới Chính phủ Lào và Chính phủ Việt Nam, Bộ Giáo dục và Thể thao Lào, Bộ Giáo dục và Đào tạo Việt Nam đã tạo điều kiện cấp suất học bổng cao học này cho tôi. Xin trân trọng cảm ơn sâu sắc nhất tới Ban Lãnh đạo Bộ giáo dục và thể thao Lào đã tạo điều kiện và luôn ủng hộ tôi. Với thời gian nghiên cứu còn hạn chế, ngôn ngữ còn khiêm tốn, luận văn không tránh khỏi những thiếu sót, tôi rất mong nhận được các ý kiến đóng góp chân thành từ các thầy cô giáo, đồng nghiệp và bạn bè. Cuối cùng, tôi xin cảm ơn gia đình và bạn bè, những người đã luôn ủng hộ và động viên tôi, giúp tôi yên tâm và có tâm lý thuận lợi nhất để tôi nghiên cứu luận văn này. Tuy nhiên do giới hạn về mặt thời gian và kiến thức nên luận văn chắc chắn sẽ không tránh khỏi những sai sót ngoài ý muốn. Tôi rất mong nhận được sự thông cảm và đóng góp ý kiến của các thầy cô giáo, đồng nghiệp và bạn bè. HỌC VIÊN KANLAYA toumkham iii DANH MỤC CÁC TỪ VIẾT TẮT RRTD Rủi ro tín dụng TMCP Thương mại cố phần NHTM Ngân hàng thương mại SHB Ngân hàng thương mại Sài Gòn – Hà Nội VNĐ Việt Nam Đồng CMND Chứng Minh Nhân Dân DN Doanh nghiệp iv DANH MỤC BẢNG Bảng 2. 1. Bảng dữ liệu quan sát thời tiết trong 2 tuần ............................................. 19 Bảng 2. 2. Một số thuật toán xây dựng cây quyết định ............................................. 23 Bảng 2. 3. Bảng chỉ số tín nhiệm của S&P và Moody’s. .......................................... 39 Bảng 3. 1. Dư nợ tín dụng ..45 Bảng 3.2. danh sách khách hàng ..............................................................................55 Bảng 3.3. Dữ liệu vay tín dụng.................................................................................58 Bảng 3.4. Kết quả dự báo với mô hình cây quyết định ............................................. 64 v Danh Mục Các Hình Vẽ Hình 3. 1. Giao diện phần mềm Weka ...................................................................... 50 Hình 3. 2. Giao diện chức năng Experimenter .......................................................... 50 Hình 3. 3. Giao diện Chức năng Knowledge Flow ................................................... 50 Hình 3. 4. Giao diện chức năng Workbench ............................................................. 51 Hình 3. 5. Giao diện chức năng Simple CLI ............................................................. 51 Hình 3. 6. Xây dựng cây quyết định dựa vào phần mềm WeKa .............................. 55 Hình 3. 7. Dữ liệu mã hồ sơ ...................................................................................... 56 Hình 3. 8. Dữ liệu về xếp loại hồ sơ ......................................................................... 56 Hình 3. 9. Dữ liệu về số tiền vay............................................................................... 56 Hình 3. 10. liệu về loại khách hàng ........................................................................... 57 Hình 3. 11. Dữ liệu về cảnh báo rủi ro ...................................................................... 57 vi MỤC LỤC LỜI CAM ĐOAN ........................................................................................................ i LỜI CẢM ƠN ............................................................................................................. ii DANH MỤC CÁC TỪ VIẾT TẮT .......................................................................... iii DANH MỤC BẢNG .................................................................................................. iv DANH MỤC CÁC HÌNH VẼ....v MỤC LỤC.........vi LỚI MỞ ĐẦU.1 CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO, QUẢN TRỊ RỦI RO TÍN DỤNG TRONG NGÂN HÀNG..3 1.1. Giới thiệu về ngân hàng và hoạt động kinh doanh tín dụng ................................. 3 1.1.1. Giới thiệu về ngân hàng. ............................................................................ 3 1.1.2. Hoạt động kinh doanh tín dụng ................................................................. 4 1.2. Rủi ro, rủi ro tín dụng ........................................................................................... 5 1.2.1. Rủi ro là gì ? .............................................................................................. 5 1.2.2. Rủi ro tín dụng là gì ? ................................................................................ 6 1.2.3. Những tác hại của rủi ro tín dụng .............................................................. 6 1.2.4. Phân loại rủi ro tín dụng ............................................................................ 7 1.2.5. Đặc điểm của rủi ro tín dụng ..................................................................... 8 1.2.6. Nguyên nhân dẫn đến rủi ro tín dụng ........................................................ 9 1.2.6.1. Nguyên nhân khách quan ........................................................................ 9 1.2.6.2. Nguyên nhân chủ quan ......................................................................... 12 1.2.7. Ảnh hưởng của rủi ro tín dụng ................................................................ 13 1.3. Quản trị rủi ro tín dụng ....................................................................................... 15 1.3.1. Khái niệm và mục tiêu của quản trị rủi ro tín dụng ................................. 15 1.3.2. Các nguyên tắc trong quản trị rủi ro tín dụng .......................................... 16 1.3.3. Hậu quả của quản trị rủi ro tín dụng ........................................................ 17 CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP PHÂN TÍCH RỦI RO TÍN DỤNG ....... 19 2.1. Phương pháp mô hình cây quyết định ................................................................ 19 vii 2.1.1. Giới thiệu ................................................................................................. 19 2.1.1.1. Mô hình cây quyết định ........................................................................ 19 2.1.1.2. Chiến lược cơ bản để xây dựng cây quyết định .................................... 20 2.1.1.3. Thuận lợi và hạn chế của mô hình cây quyết định ............................... 21 2.1.2. Một số thuật toán ..................................................................................... 23 2.1.2.1. Thuật toán ID3 ...................................................................................... 23 2.1.2.2. Thuật toán C4.5..................................................................................... 27 2.1.2.3. Một số cài tiễn của thuật toán C4.5 so với thuật toán ID3 ................... 28 2.2. Phương pháp mô hình Merton-KMV ................................................................. 32 2.2.1. Giới thiệu mô hình ................................................................................... 32 2.2.2. Ưu nhược điềm của mô hình ................................................................... 33 2.3. Phương pháp Gaussian ....................................................................................... 34 2.4. Mạng nơron nhân tạo .......................................................................................... 36 2.5. Phân tích hồi quy logistic ................................................................................... 37 2.6. Phương pháp CBR .............................................................................................. 37 2.7. Phương pháp chuyên gia trong xếp hạng tín dụng ............................................. 38 CHƯƠNG 3: DỰ BÁO RỦI RO TÍN DỤNG CHO NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI, CHI NHÁNH THÁI NGUYÊN ................................................... 41 3.1. Giới thiệu về ngân hàng SHB ............................................................................. 41 3.1.1. Khái quát chung về ngân hàng SHB ........................................................ 41 3.1.2. Các sản phẩm dịch vụ của ngân hàng SHB ............................................. 41 3.1.3. Thực trạng rủi ro tín dụng tại ngân hàng SHB ........................................ 43 3.1.4. Một số quy định về cho vay đối với khách hàng trong hệ thống ngân hang TMCP Sài Gòn –Hà Nội (SHB) ............................................................... 44 3.1.4.1. Nguyên tắc vay vốn .............................................................................. 44 3.1.4.2. Điều kiện vay vốn ................................................................................. 44 3.1.4.3. Đối tượng cho vay ................................................................................ 44 3.1.4.4. Các phương thức cho vay ..................................................................... 45 3.1.4.5. Thời hạn cho vay .................................................................................. 45 3.1.4.6. Trả nợ gốc và lãi ................................................................................... 45 viii 3.1.4.7. Quy tắc xử lý nợ vay ............................................................................. 46 3.1.4.8. Lãi suất cho vay .................................................................................... 46 3.1.4.9. Quy trình cho vay ................................................................................. 46 3.2. Phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội .... 48 3.2.1. Dữ liệu cần thu thập ................................................................................. 48 3.2.1.1. Dữ liệu hồ sơ tín dụng .......................................................................... 48 3.2.1.3. Các thông tin khác liên quan đến chủ thể vay vốn trên hệ thống ......... 49 3.2.2.1. Trích xuất dữ liệu từ kho dữ liệu thực tế của ngân hàng TMCP Sài Gòn – Hà Nội, chi nhánh Thái Nguyên.52 3.3. Dự báo rủi ro dựa trên mô hình cây quyết định ................................................. 64 KẾT LUẬN ............................................................................................................... 66 TÀI LIỆU THAM KHẢO ......................................................................................... 67 1 LỜI MỞ ĐẦU 1. Lý do chọn đề tài. Trong cơ chế thị trường, nền kinh tế hàng hoá phát triển rất đa dạng và phong phú, ngành Ngân hàng đóng vai trò hết sức quan trọng đặc biệt là các NHTM. Chính vì vậy, để phát triển nền kinh tế nhằm đạt được những mục tiêu đã đề ra thì một trong những nhiệm vụ ưu tiên hàng đầu phải thực hiện là củng cố và lành mạnh hoá hoạt động của hệ thống tài chính tiền tệ nói chung và ngành Ngân hàng nói riêng. Trong đó, đảm bảo hoạt động kinh doanh tiền tệ, tín dụng vừa an toàn vừa có hiệu quả cao, có khả năng thích ứng được với những biến chuyển của nền kinh tế là những điều kiện tiên quyết góp phần xây dựng một hệ thống NHTM vững mạnh và ổn định. Trong những năm qua, hệ thống NHTM Việt Nam đã từng bước đổi mới và ngày càng khẳng định tầm quan trọng trong việc thúc đẩy sự phát triển của nền kinh tế, đặc biệt là hoạt động tín dụng của các NHTM. Hoạt động tín dụng là hoạt động cơ bản của các NHTM, nó chiếm tỉ trọng lớn nhất trong tổng tài sản. Hoạt động tín dụng được hiểu là hoạt động trong đó ngân hàng thực hiện tài trợ cho các nhu cầu sử dụng vốn của nền kinh tế và dựa trên nguyên tắc hoàn trả, có thời hạn và có lãi. Hoạt động tín dụng đem lại thu nhập chính cho NHTM nhưng cũng có thể gây ra những tổn thất nghiêm trọng nếu các khoản tín dụng mà ngân hàng cung cấp không hiệu quả, hoặc bị rủi ro. Để tín dụng có hiệu quả là vấn đề hết sức khó khăn nhưng cũng hết sức quan trọng đối với các NHTM nói chung và đối với ngân hàng TMCP Sài Gòn – Hà Nội nói riêng. Xuất phát từ những lý do trên em mong muốn xây dựng một chương trình về “Kỹ thuật cây quyết định hồi quy trong phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội (HSB), chi nhánh Thái Nguyên” để làm đề tài luận văn thạc sỹ. 2 2. Phạm vi nghiên cứu. - Đề tài nghiên cứu thuộc lĩnh vực : Phân tích và dự báo rủi ro tín dụng tại ngân hàng. - Về nội dung : Phương pháp phân tích và dự báo rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội. - Về thời gian : Đề tài thực hiện trong vòng 5 tuần. 3. Mục đích nghiên cứu. Trên cơ sở đánh giá hoạt động kinh doanh, đặc biệt là hoạt động tín dụng của ngân hàng TMCP Sài Gòn – Hà Nội trong những năm gần đây, kết hợp nghiên cứu tại NHTM, để có thể đưa ra các đề xuất, giải pháp để nâng cao hiệu quả công tác quản trị rủi ro tín dụng trong thời gian tới tại ngân hàng TMCP Sài Gòn – Hà Nội. 4. Phương pháp nghiên cứu. Đối tượng và phạm vi nghiên cứu : Tình hình hoạt động tín dụng và công tác quản trị rủi ro tín dụng tại ngân hàng TMCP Sài Gòn – Hà Nội. Phương pháp nghiên cứu : Phương pháp phân tích tổng hợp và phương pháp tập hợp phân tích số liệu. 5. Bố cục đề tài. Ngoài phần mở đầu và kết luận thì báo cáo gồm 3 chương : Chương 1 : Tổng quan về rủi ro, quản trị rủi ro tín dụng trong Ngân hàng. Chương 2 : Một số phương pháp phân tích rủi ro tín dụng. Chương 3 : Dự báo rủi ro tín dụng cho Ngân hàng TMCP SÀI GÒN – HÀ NỘI, Chi nhánh THÁI NGUYÊN. 6. Ý nghĩa khoa học và thực tiễn của đề tài. Xây dựng một số chức năng chính cho chương trình phân tích và dự báo rủi ro tín dụng. 3 CHƯƠNG 1 : TỔNG QUAN VỀ RỦI RO, QUẢN TRỊ RỦI RO TÍN DỤNG TRONG NGÂN HÀNG 1.1. Giới thiệu về ngân hàng và hoạt động kinh doanh tín dụng 1.1.1. Giới thiệu về ngân hàng Hiện nay, nền kinh tế toàn cầu đang rơi vào giai đoạn suy thoái nghiêm trọng. Trên thế giới đã có rất nhiều ngân hàng bị phá sản, ở Mỹ từ năm 2008 tính đến nay đã có 42 ngân hàng bị phá sản, các nước khác trong khu vực và trên thế giới cũng rơi vào tình trạng như vậy. Nền kinh tế Việt Nam cũng không thoát khởi tình trạng chung này. Điều đó đang đặt ra cho các chủ thể tham gia trong nền kinh tế phải đối mặt với nhiều thách thức và khó khăn mới. Đó là làm thế nào để có thể tồn tại, đứng vững và vẫn phát triển trong điều kiện cạnh tranh và khó khăn như vậy. Trong lịch sử hoạt động của những ngân hàng trên thế giới đã ghi nhận nhiều sự đổ vỡ của hàng loạt các ngân hàng, các tổ chức tín dụng qua những cuộc khủng hoảng tài chính - tiền tệ như cuộc khủng hoảng tài chính 1929 - 1933, vụ đổ vỡ thị trường cổ phiếu 1987, gần đây là cuộc khủng hoảng kinh tế - tiền tệ 1997 đã đẩy hàng loạt các ngân hàng đến ngưỡng cửa phá sản; và hiện nay là cuộc khủng hoảng thị trường nhà đất ở Mỹ đã ảnh hưởng đến các ngân hàng lớn ở Mỹ và các nước Châu Âu cũng như đang lan ra khắp thế giới. Trong bối cảnh đó, hoạt động của ngân hàng đóng một vai trò rất quan trọng. Với chức năng làm trung gian tài chính của nền kinh tế, thông qua ngân hàng, các nguồn lực sẽ được phân bổ, sử dụng một cách hợp lí và hiệu quả nhất. Thông qua việc cung ứng nguồn vốn, tín dụng ngân hàng có tác dụng rất lớn tới quá trình hoạt động của doanh nghiệp và giúp doanh nghiệp vượt qua được những khó khăn chung hiện nay. Để thực hiện được những điều này, đòi hỏi ngân hàng phải có một kế hoạch phát triển toàn diện về mọi mặt, đặc biệt là hoạt động tín dụng - lĩnh vực thể hiện sự sống còn của tất cả các ngân hàng. Đối với ngân hàng thương mại cổ phần Sài Gòn - Hà Nội (SHB) chi nhánh Thái Nguyên để nằm rõ hơn tình hình này của Ngân hàng và có những giải pháp phù hợp, phần nào giúp Ngân hàng đứng vững và ngày càng nâng cao được vị thế của mình trong cuộc chạy đua về kinh doanh sản phẩm là tiền tệ, tôi quyết định chọn đề tài “Kỹ thuật cây quyết định hồi quy trong Phân tích và Dự báo rủi ro tín dụng tại Ngân hàng TMCP Sài Gòn – Hà Nội (SHB), chi nhánh 4 Thái Nguyên, Trên đây là tất cả những lí do thôi thúc tôi đến với đề tài này để hoàn thành luận văn tốt nghiệp của mình. 1.1.2. Hoạt động kinh doanh tín dụng Nhận thức được tầm quan trọng của vốn, tạo nguồn vốn là tiền đề để mở rộng thị trường tín dụng, là sống còn của kinh doanh dịch vụ Ngân hàng. Ban giám đốc đã bố trí các cán bộ có năng lực chuyên môn, liên tục cải tiến lối làm việc đổi mới tác phong phục vụ, đảm bảo chữ tín đối với khách hàng, mở rộng mạng lưới giao dịch, đa dạng hoá các hình thức huy động tạo điều kiện thu hút vốn từ các tổ chức và cá nhân. Một trong những mục tiêu quan trọng của chi nhánh Thái Nguyên hàng năm là tiếp tục đẩy mạnh công tác huy động vốn, phấn đấu tổng nguồn vốn huy động tăng bình quân 20% so với năm trước. Với các thế mạnh như uy tín, thái độ phục vụ nhiệt tình, nhanh gọn chính xác, thủ tục thuận lợi, hình thức huy động phong phú, Chi nhánh ngày càng thu hút được nhiều khách hàng tới giao dịch. Kết quả là nguồn vốn của chi nhánh vẫn tăng trưởng, ổn định, không chỉ đáp ứng đủ cho nhu cầu đầu tư, tín dụng, thanh toán tại chi nhánh mà còn thường xuyên nộp vốn thừa theo kế hoạch về SHB để điều hoà trong toàn hệ thống. Bảng số liệu kết quả hoạt động huy động vốn của Chi nhánh trong một số năm gần đây sẽ giúp cho chúng ta đánh giá một cách chính xác hơn. Cho vay là một hình thức cấp tín dụng, theo đó TCTD giao cho KH sử dụng một khoản tiền để sử dụng vào mục đích và thời gian nhất định theo thỏa thuận với nguyên tắc có hoàn trả cả gốc và lãi. Tín dụng là quan hệ vay mượn, quan hệ sử dụng vốn lẫn nhau giữa người đi vay và người cho vay dựa trên nguyên tắc hoàn trả, kèm theo lợi tức khi đến hạn. Tín dụng có thể hiểu một cách đơn giản là một quan hệ giao dịch giữa hai chủ thể, trong đó một bên chuyển giao quyền sử dụng tiền hoặc tài sản cho bên kia bằng nhiều hình thức như: cho vay, bán chịu hàng hoá, chiết khấu, bảo lãnh, được sử dụng trong một thời gian nhất định và theo một số điều kiện nhất định nào đó đã thỏa thuận. Tín dụng ngân hàng (sau đây gọi tắt là tín dụng) là quan hệ chuyển nhượng quyền sử dụng vốn từ NH cho KH trong một thời gian nhất định với một chi phí nhất định. 5 1.2. Rủi ro, rủi ro tín dụng 1.2.1. Rủi ro là gì ? Quản lý rủi ro tín dụng là quá trình ngân hàng tác động đến hoạt động tín dụng thông qua bộ máy và công cụ quản lý để phòng ngừa, cảnh báo, đưa ra các biện pháp nhằm hạn chế đến mức tối đa việc không thu được đầy đủ cả gốc và lãi của khoản vay hoặc thu gốc và lãi không đúng hạn. Rủi ro tín dụng không chỉ giới hạn ở hoạt động cho vay mà còn bao gồm nhiều hoạt động mang tính chất tín dụng khác của ngân hàng như : bảo lãnh, cam kết, chấp thuận tài trợ thương mại, cho vay ở thị trường liên ngân hàng, những chứng khoản có giá (trái phiếu, cổ phiếu ), trái quyền, Swaps, tín dụng thuê mua, đồng tài trợ Rủi ro tín dụng phát sinh trong trường hợp ngân hàng không thu được đầy đủ cả gốc lẫn lãi của khoản cho vay hoặc là việc thanh toán nợ gốc và lãi không đúng kỳ hạn. RRTD không chỉ giới hạn ở hoạt động cho vay, mà còn bao gồm nhiều hoạt động mang tính chất tín dụng khác của ngân hàng nhờ bảo lãnh, cam kết, chấp thuận tài trợ thương mại, cho vay ở thị trường liên ngân hàng, tín dụng thuê mua, đồng tài trợ dự án ... Khi gặp rủi ro tín dụng, ngân hàng không thu được vốn tín dụng đã cấp và lãi cho vay, nhưng ngân hàng phải trả vốn và lãi cho khoản tiền huy động khi đến hạn, điều này làm cho ngân hàng mất cân đối trong việc thu chi. Khi không thu được nợ thì vòng quay vốn tín dụng giảm làm ngân hàng kinh doanh không có hiệu quả. Khi gặp phải RRTD ngân hàng thường rơi vào tình trạng mất khả năng thanh khoản, làm mất lòng tin người gửi tiền, ảnh hưởng đến uy tín của ngân hàng. Rủi ro tín dụng : Rủi ro tín dụng phát sinh trong trường hợp ngân hàng không thu được đầy đủ cả gốc và lãi của khoản vay, hoặc là việc thanh toán nợ gốc và lãi không đúng kỳ hạn. Trong trường hợp người vay tiền bị phá sản, thì việc thu hồi gốc và lãi tín dụng đầy đủ là không chắc chắn, do đó ngân hàng có thể gặp rủi ro tín dụng. Nó là sự tổn thất, mất mát về tải chính mà Ngân hàng phải gánh chịu do khách hàng vay vốn của ngân hàng không trả nợ được đúng hạn, không thực hiện đúng cam kết với bất kỳ lí do nào. Rủi ro lãi suất : Rủi ro lãi suất hay còn gọi là rủi ro thị trường là rủi ro xảy ra do sự thay đổi bất lợi của lãi suất trên thị trường đối với giá trị của trái phiếu, giấy tờ có 6 giá, các công cụ tài chính có lãi suất trên sổ sách kinh doanh của ngân hàng, tổ chức tín dụng. Rủi ro thanh khoản : Thanh khoản là một khái niệm trong tài chính, chỉ mức độ mà một tài sản bất kì có thể được mua hoặc bán trên thị trường mà không làm ảnh hưởng đến giá thị trường của tài sản đó. Một tài sản có tính thanh khoản cao nếu nó có thể được bán nhanh chóng mà giá bán không giảm đáng kể, thường được đặc trưng bởi số lượng giao dịch lớn. 1.2.2. Rủi ro tín dụng là gì ? Nghiệp vụ tín dụng là nghiệp vụ cơ bản của ngân hàng nó thường chiếm phần lớn trong các hoạt động kinh doanh của ngân hàng về khối lượng công việc cũng như mức độ tạo lợi nhuận. Tỷ lệ thuận với nó là mức độ rủi ro của nghiệp vụ tín dụng cũng chiếm phần lớn trong tổng mức rủi ro của hoạt động ngân hàng. Hoạt động tín dụng ngân hàng thương mại bao gồm nghiệp vụ nguồn vốn và nghiệp vụ cho vay. Do đó, rủi ro tín dụng cũng bao gồm 2 nội dung: Rủi ro nguồn vốn và rủi ro cho vay. Trong nghiệp vụ tín dụng rủi ro cho vay chứa tỷ trọng lớn nhất trong tổng rủi ro. Do đó nội dung nghiên cứu rủi ro tín dụng được đề cập về rủi ro cho vay. Rủi ro tín dụng phát sinh khi ngân hàng cho khách hàng vay mà không thu lại được gốc và lãi đúng hạn, hoặc chỉ thu được một phần gốc và lãi hoặc không thu được cả gốc và lãi. Rủi ro tín dụng luôn tiềm ẩn trong toàn bộ dư nợ cho vay của ngân hàng và gắn liền với khả năng khách hàng không trả được nợ như trên hồ sơ. Cụ thể là nguồn thu nhập dự tính mang lại từ các tài sản có sinh lời của các ngân hàng có thể không được hoàn trả đủ xét cả về mặt số lượng và thời hạn. Rủi ro tín dụng phát sinh bởi các giao dịch mà chúng có thể dẫn đến quyền đòi bồi thường, không chắc chắn đối với bất kỳ phía đối tác nào. Đây là rủi ro lớn nhất mà ngân hàng phải đối mặt. 1.2.3. Những tác hại của rủi ro tín dụng Rủi ro tín dụng : khiến cho ngân hàng bị mất cơ hội nhận được thu nhập tiền lãi cho vay, tổn thất trước hết tác động đến lợi nhuận và sau đó là vốn tự có của ngân hàng. Thêm nữa, vốn sử dụng để cho vay chủ yếu là vốn huy động từ tiền gửi của khách hàng vì vậy trong trường hợp nợ xấu quá nhiều ngân hàng phải sử dụng các 7 nguồn vốn của mình để trả cho người gửi tiền. Đến khi ngân hàng không còn đủ nguồn vốn để trả cho người gửi tiền thì ngân hàng sẽ rơi vào tình trạng mất khả năng thanh toán, có thể dẫn đến phá sản. Ngân hàng là một tổ chức trung gian tài chính, có chức năng huy động vốn nhàn rỗi trong nền kinh tế để cho các tổ chức và cá nhân có nhu cầu vay lại. Nguồn vốn cho khách hàng vay chủ yếu là từ nguồn tiền gửi tiết kiệm của cá nhân. Do đó, khi rủi ro tín dụng xảy ra, không chỉ ngân hàng chịu thiệt hại mà những khách hàng gửi tiền tại đây cũng bị ảnh hưởng. Ngày nay hoạt động của ngân hàng mang tính xã hội hóa cao nên một khi rủi ro tín dụng xảy ra đối với ngân hàng thì nó sẽ ảnh hưởng rất lớn đến nền kinh tế - xã hội của cả quốc gia. Nếu có rủi ro trong hoạt động tín dụng, dù chỉ ở một ngân hàng mà không được ứng cứu kịp thời thì có thể gây phản ứng dây chuyền đe dọa đến tính an toàn và ổn định của cả hệ thống ngân hàng. Từ đó sẽ gây ra những bất ổn về kinh Tế - xã hội. 1.2.4. Phân loại rủi ro tín dụng Căn cứ vào nguyên nhân phát sinh rủi ro, rủi ro tín dụng được phân chia thành các loại như sau : Rủi ro thừa vốn : Nguồn vốn hoạt động chủ yếu của ngân hàng thương mại là nguồn vốn huy động. Để huy động được vốn Ngân hàng phải trả lãi cho người gửi tiền. Nếu số này bị ứ đọng, không thể cho vay hoặc đầu tư vào các loại tài sản có thể sinh lời trong khi ngân hàng vẫn phải trả lãi cho số vốn đã huy động thì có nghĩa là các thiệt hại của ngân hàng đang diễn ra. Nếu quá trình này kéo dài ở mức độ lớn có thể dẫn đến thua lỗ trong kinh doanh. Giải quyết vấn đề này, NHTM cần phải tăng cường công tác kế hoạch hoá, đảm bảo cân đối giữa vốn huy động và vốn cho vay. Rủi ro giao dịch : Là một hình thức rủi ro tín dụng mà nguyên nhân phát sinh là do những hạn chế trong quá trình giao dịch và xét duyệt cho vay, đánh giá khách hàng. Rủi ro giao dịch có 3 bộ phận chính là rủi ro lựa chọn, rủi ro đảm bảo và rủi ro nghiệp vụ. Rủi ro lựa chọn : Là rủi ro có liên quan đến quá trình đánh giá và phân tích tín dụng, khi ngân hàng lựa chọn những phương án vay vốn hiệu quả để ra quyết định cho vay. 8 Rủi ro đảm bảo : Phát sinh từ các tiêu chuẩn đảm bao như các điều khoản trong hồ sơ cho vay, các loại tài sản đảm bảo, chủ thể đảm bảo, cách thức đảm bảo và mức cho vay trên giá trị của tài sản đảm bảo. Rủi ro nghiệp vụ : Là rủi ro liên quan đến công tác quản lý khoản vay và hoạt động cho vay, bao gồm cả việc sử dụng hệ thống xếp hạng rủi ro và kỹ thuật xử lý các khoản cho vay có vấn đề. Rủi ro danh mục : Là một hình thức của rủi ro tín dụng mà nguyên nhân phát sinh là do những hạn chế trong quản lý danh mục cho vay của ngân hàng được chia thành hai loại, rủi ro nội tại và rủi ro tập trung. Rủi ro nội tại : Xuất phát từ các yếu tố, đặc điểm riêng có, mang tính riêng biệt bên trong của mỗi chủ thể đi vay hoặc nghành, lĩnh vực kinh tế. Nó xuất phát từ đặc điểm hoạt động hoặc đặc điểm sử dụng vốn có của khách hàng vay vốn. Rủi ro tập chung : Là trường hợp ngân hàng tập chung vốn cho vay quá nhiều đối với một số khách hàng, cho quá nhiều doanh nghiệp vay hoạt động trong cùng một ngành, lĩnh vực kinh tế, hoặc trong vùng địa lý nhất định, hoặc cùng một loại hình cho vay có rủi ro cao. 1.2.5. Đặc điểm của rủi ro tín dụng Rủi ro tín dụng mang tích tất yếu : Rủi ro tín dụng luôn tồn tại và gắn liền với hoạt động tín dụng. Chấp nhận rủi ro tất yếu trong hoạt động ngân hàng. Các ngân hàng cần phải đánh giá cơ hội dựa trên mối quan hệ rủi ro. Lợi ích nhằm tìm ra những cơ hội đạt được lợi ích xứng đáng với mức rủi ro chấp nhận. Ngân hàng sẽ hoạt động tốt nếu mức rủi ro mà ngân hàng gánh chịu hợp lý và kiểm soát được cũng như nằm trong phạm vi khả năng các nguồn lực tài chính và năng lực tín dụng của ngân hàng. Rủi ro mang tính gián tiếp : rủi ro tín dụng xảy ra sau khi ngân hàng giải ngân vốn vay và trong quá trình sử dụng vốn vay của khách hàng. Do tình trạng thông tin mất cân xứng nên thông thường ngân hàng thường biết thông tin sau hoặc biết thông tin không chính xác về những khó khăn, thất bại của khách hàng. Do đó, thường có phương pháp ứng phó chậm trễ. Rủi ro tín dụng có tính chất đa dạng, phức tạp : Đặc điểm này thể hiện ở sự đa dạng, phức tạp của nguyên nhân gây ra rủi ro tín dụng này cũng như diễn biến sự việc, hậu quả khi rủi ro sảy ra. 9 Qua các nghiên cứu cho thấy, thực tế quy mô của ngân hàng có tác động 2 chiều đến RRTD cũng như hiệu quả quản trị rủi ro tín dụng. Hiện nay, các nghiên cứu đi theo 2 hướng. Thứ nhất, ngân hàng có quy mô lớn thường có nguy cơ rủi ro tín dụng cao hơn, hiệu quả quản trị rủi ro tín dụng thấp hơn các ngân hàng có quy mô nhỏ. Theo lý giải thông thường, đối với những ngân hàng có quy mô lớn, đối tượng khách hàng đều là những doanh nghiệp lớn trong các lĩnh vực khác nhau, vì vậy khi xảy ra biến động thị trường, các doanh nghiệp này dễ bị tổn thất nặng nề, ảnh hưởng đến hoạt động kinh doanh từ đó xác suất không thực hiện được nghĩa vụ tín dụng đối với ngân hàng là khá lớn. Bên cạnh đó, đối với đối tượng khách hàng này, tâm lý chung của các ngân hàng là đơn giản hóa các thủ tục tín dụng, vì vậy tạo ra lỗ hổng trong quá trình cấp tín dụng sẽ phát sinh RRTD. Thứ hai, một số nhà nghiên cứu lại cho rằng, quy mô tín dụng ngân hàng có tác động ngược chiều đến RRTD, nghĩa là với những ngân hàng có quy mô lớn, có đầy đủ nguồn lực để xây dựng một hệ thống quản trị rủi ro tốt hơn, do đó RRTD đối với các ngân hàng này là khá thấp mang lại hiệu quả quản trị RRTD cao. 1.2.6. Nguyên nhân dẫn đến rủi ro tín dụng 1.2.6.1. Nguyên nhân khách quan Nhận diện được những nguyên nhân dẫn đến rủi ro tín dụng giúp cho ngân hàng chủ động hơn trong công tác phòng ngừa quản trị rủi ro. ❖ Nguyên nhân từ ngân hàng Thứ nhất : Sự yếu kém của đội ngũ cán bộ. Sự yếu kém ở đây bao gồm cả về năng lực và phẩm chất đạo đức. Nếu một cán bộ tín dụng non kém về trình độ, thiếu kiến thức, thiếu kinh nghiệm thì sẽ không có khả năng thẩm định và xử lý thông tin, đ... làm thuộc tính phân lớp vì có Gain lớn nhất - Vẽ cây quyết định: 26 Quang Cảnh Nắng Mưa Âm u [D1, D2, D8, D9, D11] [D3, D7, D12, D13] [D4, D5, D6, D10, D14] S Nắng[2+,3-] S Âm u[4+,0-] S Mưa[3+,2-] ??? Có ??? Do Quang cảnh=Nắng và Quang cảnh=Mưa chưa xác định được thuộc tính phân lớp nên ta chia tập huấn liệu thành 2 bảng như hình trên và tiếp tục tìm thuộc tính phân lớp cho 2 bảng mẫu huấn luyện. Kết quả cuối cùng ta có cây quyết định sau: Quang Cảnh Nắng Mưa Âm u [D1, D2, D8, D9, D11] [D3, D7, D12, [D4, D5, D6, D10, D14] D13] S Nắng[2+,3-] S Âm u[4+,0-] SMưa[3+,2-] Độ ẩm Có Gió TB Cao Nhẹ Mạnh S cao[0+,3-] S TB[2+,0-] S Mạnh[0+,2-] S Nhẹ[3+,0-] Có không Có không 27 Từ cây quyết định trên tạo ra các luật: – R1: IF QC=Âm u THEN Chơi Tennis=Có. – R2: IF QC=Nắng AND Độ ẩm=TB THEN Chơi Tennis=Có. – R3: IF QC=Nắng AND Độ ẩm=Cao THEN Chơi Tennis=Không. – R4: IF QC=Mưa AND Gió=Nhẹ THEN Chơi Tennis=Có – R5: IF QC=Mưa AND Gió=Mạnh THEN Chơi Tennis=Không Nhận xét: Với việc tính toán giá trị Gain để lựa chọn thuộc tính tối ưu cho việc triển khai cây, thuật toán ID3 được xem là một cải tiến của thuật toán CLS. Tuy nhiên thuật toán ID3 còn các vấn đề chưa được giải quyết như sau: o Vấn đề overfitting. o Độ đo Information Gain chưa thật sự tốt vì còn thiên về các thuộc tính có nhiều giá trị. o Xử lý các thuộc tính có kiểu giá trị liên tục (ví dụ như kiểu số thực). o Xử lý các bộ học thiếu giá trị thuộc tính (missing-value attributes). o Xử lý các thuộc tính có chi phí (cost) khác nhau. o Vấn đề này sẽ được giải quyết trong thuật toán C4.5 sau đây. 2.1.2.2. Thuật toán C4.5 Thuật toán C4.5 cũng được tác giả Quinlan phát triển và công bố vào năm 1996. Thuật toán này là một thuật toán được cải tiến từ thuật toán ID3 và giải quyết hầu hết các vấn đề mà ID3 chưa giải quyết như đã nêu trên. Nó thực hiện phân lớp tập mẫu dữ liệu theo chiến lược ưu tiên theo chiều sâu (Depth - First). ➢ Thuật toán xây dựng cây quyết định C4.5 Mô tả thuật toán dưới dạng giả mã như sau: Function xay_dung_cay(T) { ; If <Kiểm tra các mẫu, nếu thuộc cùng một lớp hoặc có rất ít mẫu khác lớp>Then Else ; For Do ; <Tại nút N, thực hiện việc kiểm tra để chọn ra thuộc tính có giá trị Gain tốt nhất (lớn nhất). Gọi N.test là thuộc tính có Gain lớn 28 nhất>; If Then <Tìm ngưỡng cho phép tách của N.test>; For Do ( T` được tách ra theo quy tắc: - Nếu N.test là thuộc tính liên tục tách theo ngưỡng ở bước 5 - Nếu N.test là thuộc tính phân loại rời rạc tách theo các giá trị của thuộc tính này. ) { If } Then ; Else <Gán nút con này là nút được trả về bằng cách gọi đệ qui lại đối với hàm xay_dung_cay(T'), với tập T'>; } ; ; } 2.1.2.3. Một số cài tiến của thuật toán C4.5 so với thuật toán ID3 ❖ Chọn độ đo Gain Ratio Thuật toán ID3 sử dụng độ đo Information Gain để tìm thuộc tính phân lớp tốt nhất nhưng xu hướng của Information Gain là ưu tiên chọn thuộc tính có nhiều giá trị làm thuộc tính phân lớp. Thật vậy, ta xét ví dụ với tập huấn luyện sau: Outlook Temp Humidity Windy Play A Hot High Weak No A Hot High Strong No B Hot High Weak Yes E Mild High Weak Yes A Cool Normal Weak Yes B Cool Normal Strong No E Cool Normal Strong Yes A Mild High Weak No D Cool Normal Weak Yes E Mild Normal Weak Yes 29 A Mild Normal Strong Yes B Mild High Strong Yes C Hot Normal Weak Yes D Mild High Strong No Test bằng Tool WEKA ta được kết quả sau: Test bằng WEKA Id3 C4.5 Outlook = A Humidity = High | Humidity = High: No | Outlook = A: No (3.0) | Humidity = Normal: Yes | Outlook = B: Yes (2.0) Outlook = B | Outlook = E: Yes (1.0) | Temp = Hot: Yes | Outlook = D: No (1.0) | Temp = Mild: Yes | Outlook = C: No (0.0) | Temp = Cool: No Humidity = Normal: Yes (7.0/1.0) Outlook = E: Yes Outlook = D | Temp = Hot: null | Temp = Mild: No | Temp = Cool: Yes Outlook = C: Yes Rõ ràng Information Gain chọn thuộc tính có nhiều giá trị (Outlook) làm thuộc tính phân lớp. Kết quả cho cây quyết định phức tạp hơn, sinh ra nhiều luật hơn. Trong thuật toán C4.5, tác giả Quinlan đã giải quyết vấn đề này bằng cách sử dụng 1 độ đo khác là Gain Ratio, làm giảm ảnh hưởng của các thuộc tính có nhiều giá trị. ❖ Xử lý các thuộc tính có kiểu giá trị liên tục Thuộc tính kiểu giá trị liên tục là: Ngày Quang Cảnh Nhiệt độ Độ ẩm Gió Chơi Tennis D1 Nắng 85 85 Nhẹ Không D2 Nắng 80 90 Mạnh Không D3 Âm u 83 78 Nhẹ Có D4 Mưa 70 96 Nhẹ Có D5 Mưa 68 80 Nhẹ Có D6 Mưa 65 70 Mạnh Không D7 Âm u 64 65 Mạnh Có 30 D8 Nắng 72 95 Nhẹ Không D9 Nắng 69 70 Nhẹ Có D10 Mưa 75 80 Nhẹ Có D11 Nắng 75 70 Mạnh Có D12 Âm u 72 90 Mạnh Có D13 Âm u 81 75 Nhẹ Có D14 Mưa 71 80 Mạnh Không Trong thuật toán ID3 không phân biệt thuộc tính kiểu giá trị liên tục và thuộc tính kiểu giá trị rời rạc, mà chỉ xem thuộc tính kiểu giá trị liên tục như một thuộc tính có nhiều giá trị, và phạm phải khuyết điểm trên là ưu tiên chọn thuộc tính này làm thuộc tính phân lớp. Giả sử thuộc tính A có các giá trị v1, v2,, vN, thuật toán C4.5 đã giải quyết vấn đề này như sau: • Trước tiên, sắp xếp các giá trị của thuộc tính A tăng dần ví dụ như từ v1, v2,.., vN. • Chia giá trị của thuộc tính A thành N-1 “ngưỡng” Tính Information Gain ứng với N-1 “ngưỡng”. • Chọn “ngưỡng” có Information Gain cao nhất làm “ngưỡng” tốt nhất của A, Gain (S, A) là giá trị Gain cao nhất của “ngưỡng” chọn. Nhận xét: Việc tìm ngưỡng theo thuật toán C4.5 rất tốn thời gian để tính Gain cho N-1 ngưỡng. Sau có nhiều tác giả đã nghiên cứu để tìm cách tìm ngưỡng nhanh hơn như Fayyad (1991), Utgoff, Brodley, Murthy et al. ❖ Làm việc với thuộc tính thiếu giá trị Thuật toán xây dựng dựa vào giả thuyết tất cả các mẫu dữ liệu có đủ các thuộc tính. Nhưng trong thực tế, xảy ra hiện tượng dữ liệu bị thiếu, tức là ở một số mẫu dữ liệu có những thuộc tính không được xác định hoặc mâu thuẫn, hoặc không bình thường. Ta xem xét kỹ hơn với trường hợp dữ liệu bị thiếu. Đơn giản nhất là không đưa các mẫu với các giá trị bị thiếu vào, nếu làm như vậy thì có thể dẫn đến tình trạng thiếu các mẫu học. Một số cách khác được đề xuất ở thuật toán C4.5 như sau: • Giả sử thuộc tính A là một ứng cử cho thuộc tính kiểm tra ở nút n; 31 • Xử lý thế nào với bộ X thiếu giá trị đối với thuộc tính A (tức là XA là không xác định); • Gọi Sn là tập các mẫu học gắn với nút n có giá trị đối với thuộc tính A; – Giải pháp 1: XA là giá trị phổ biến nhất đối với thuộc tính A trong số các bộ thuộc tập Sn; – Giải pháp 2: XA là giá trị phổ biến nhất đối với thuộc tính A trong số các bộ Sn có cùng phân lớp với X; – Giải pháp 3: ✓ Tính xác suất pv đối với mỗi giá trị có thể V của thuộc tính A; ✓ Gán phần pv của bộ X đối với nhánh tương ứng của nút n; ✓ Giá trị pv này được dùng tính Gain và hơn nữa để chia nhỏ nhánh tiếp theo của cây nếu có thuộc tính thứ 2 có lỗi (thiếu giá trị) Xét ví dụ sau: Ngày Quang Cảnh Nhiệt độ Độ ẩm Gió Chơi Tennis D1 Nắng Nóng Cao Nhẹ Không D2 Nắng Nóng Cao Mạnh Không D3 Âm u Nóng Cao Nhẹ Có D4 Mưa Ấm áp Cao Nhẹ Có D5 Mưa Mát TB ??? Có D6 Mưa Mát TB Mạnh Không D7 Âm u Mát TB Mạnh Có D8 Nắng Ấm áp Cao Nhẹ Không D9 Nắng Mát TB Nhẹ Có D10 Mưa Ấm áp TB Nhẹ Có D11 Nắng Ấm áp TB Mạnh Có D12 Âm u Ấm áp Cao Mạnh Có D13 Âm u Nóng TB Nhẹ Có D14 Mưa Ấm áp Cao Mạnh Không Tại mẫu huấn luyện D5 có thuộc tính không rõ giá trị là thuộc tính Gió, theo 3 giải pháp trên ta tìm giá trị cho thuộc tính ở mẫu này như sau: 32 • Giải pháp 1: Xét trên toàn tập S có 13 mẫu, trong đó số mẫu có Gió = Mạnh là 6 và số mẫu có Gió = Nhẹ là 7. Vậy giá trị “Nhẹ” phổ biến hơn nên ta chọn “Nhẹ” điền vào giá trị thiếu ở mẫu D5. • Giải pháp 2: Chỉ xét trên lớp mà mẫu D5 thuộc, đó là lớp “Có”. Số mẫu thuộc lớp “Có” lúc này là 8, trong đó số mẫu có Gió = Mạnh là 3 và số mẫu có Gió = Nhẹ là 5. Vậy giá trị “Nhẹ” phổ biến hơn nên ta chọn “Nhẹ” điền vào giá trị thiếu ở mẫu D5. • Giải pháp 3: Gió có 2 giá trị là “Nhẹ” và “Mạnh”. Tính xác suất ứng với 2 giá trị này: - P (Gió = Nhẹ ) = 7/13; - P (Gió = Mạnh ) =6/13. Xác suất của Gió=Nhẹ cao hơn nên ta chọn “Nhẹ” điền vào giá trị thiếu ở mẫu D5. ❖ Xử lý các thuộc tính có giá trị chi phí Trong việc học để phân lớp các bệnh y tế, Blood Test có chi phí $150 trong khi Temperature Test có chi phí $10, ta nên chọn thuộc tính nào để chi phí trị bệnh là thấp nhất! Theo xu hướng học cây quyết định: • Sử dụng càng nhiều các thuộc tính có chi phí thấp càng tốt. • Chỉ sử dụng các thuộc tính có chi phí cao khi cần thiết (để giúp đạt được các phân loại đáng tin cậy). Làm sao để học một cây quyết định với chi phí thấp? Vấn đề này đã được 2 tác giả Tan và Schimmer (1990) giải quyết bằng cách sử dụng các đánh giá khác của Information Gain cho việc xác định thuộc tính phân lớp theo công thức sau: 퐺푎푖푛2(푆, 퐴) 퐶표푠푡(퐴) Đến năm 1991, tác giả Nunez đưa ra một cách công thức khác: 2퐺푎푖푛(푆,퐴) − 1 (퐶표푠푡(퐴) + 1)푤 2.2. Phương pháp mô hình Merton-KMV 2.2.1. Giới thiệu mô hình Năm 1989, công ty KMV được thành lập trong lĩnh vực quản lý rủi ro, người điều hành của công ty phát triển mô hình KMV dựa trên mô hình Merton vào năm 33 1990. Mô hình KMV được thiết lập dựa trên mô hình Merton nhưng mở rộng về công cụ tính toán thực nghiệm và kiểm tra dựa trên cơ sở dữ liệu lớn của KMV. Đại lượng trọng điểm của mô hình KMV vào xác suất vỡ nợ (EDF). EDF là xác suất mà một công ty sẽ vợ nợ trong vòng một năm theo phương pháp tính toán KMV. Với giả sử giá trị tài sản Vt của công ty thỏa mãn phương trình vi phân ngẫu nhiên dVdVtVdz=+V 2 Vì V ; V là rất nhỏ nên ta thu được công thức xấp xỉ như sau: EDFMtoner −(DD) Với DD là khoảng cách tới vỡ nợ lnVBVB−− ln DD ==00o S V 0 SB0 + Trong mô hình vì áp dụng cho một công ty trong thực tế nên B sẽ được gọi là điểm vỡ nợ và được xác định B = nợ ngắn hạn + ½ nợ dài hạn. V0 là giá trị thị trường của công ty. V độ biến động. Vậy để xác định xác suất vỡ nợ thì ta cần xác định khoảng cách tới vỡ nợ. Vậy nếu DD càng lớn thì xác suất vỡ nợ trong 1 năm càng thấp. 2.2.2. Ưu nhược điềm của mô hình Mô hình Merton có ưu điểm: Mô hình Merton đơn giản trong tính toán; và mặc dù đơn giản, nhưng cho người ta những kết quả giải thích được nhiều ý nghĩa trong tài chính. Mô hình Merton có các nhược điểm: Mô hình Merton chỉ xét cho công ty có 1 khoản nợ, dẫn đến công ty chỉ có thể vỡ nợ hay không ở một thời điểm là T. Trong thực tế, cấu trúc nợ của các công ty rất phức tạp và công ty có thể vỡ nợ ở nhiều thời điểm khác nhau. Mô hình Merton đồng nhất vỡ nợ (default) với giải thể công ty (liquidation); trong thực tế, việc giải thể một công ty cần phải tuân thủ theo pháp luật của từng quốc gia. Mô hình Merton được xây dựng trên “thế giới Gaussian” – biến lnVt phải tuân theo phân phối chuẩn (giả định này bắt nguồn từ mô hình Black-Schole). Mặc dù giả định này vẫn phổ biến trong tài chính nhưng nó bị chỉ trích nhiều trong giới học thuật (nổi tiếng nhất là trong cuốn sách Thiên nga đen của Nicholas Taleb (2007)) và nhiều khi bị bác bỏ bởi các kiểm định thống kê. 34 2.3. Phương pháp Gaussian Giả sử rằng bạn là chủ một hồ sơ tín dụng có thể được tham chiếu đến như là hồ sơ N. Bạn muốn dự báo những khả năng mất mát có thể xảy ra trong một năm tiếp theo từ ngày hôm nay. Mỗi mục cho vay A trong hồ sơ có một sự kiện mặc định tại một vài thời điểm đã được tính toán trước. Tại những sự kiện đó, khoản vay được phân tách thành một giá trị là A. Thông thường, chủ hồ sơ, đến nay, đã khai báo khả năng trả nợ hoặc là không trả được tại thời điểm mặc định đó với cả khả năng trả đủ hoặc không đủ số nợ tương ứng với tài sản của mình. Tương lai mất mát cho hồ sơ tín dụng A sẽ là khác nhưng nếu chúng ta xem xét ở thời điểm 1 năm sau đó và xem xét tại thời điểm hiện tại, khả năng trả nợ thay đổi tương ứng với độ dịch chuyển A. Bây giờ chúng ta sẽ định nghĩa một mô hình cho sự thay đổi, tương ứng với việc xem xét ở thời điểm vỡ nợ A: Có 2 nguyên nhân cho việc mô hình hóa sự tổn thất thông qua một hồ sơ tương ứng với việc xem xét tại thời điểm vỡ nợ và không có mối liên hệ nào với việc xem xét tại thời điểm hiện tại: trước tiên, để tránh hiệu ứng hàng loạt đối với các khoản vay nhỏ, có sự hướng dẫn tiềm năng đối với những sự thay đổi không lý do liên quan đến việc xét tại thời điểm hiện tại, trong suốt quá trình điều chỉnh và thứ hai để so sánh các nguyên tắc Base II với mô hình Gaussian. ❖ Hồ sơ bị tổn thất là: Đó là một giả thuyết mạnh trong việc mô hình hóa rủi ro của hồ sơ tín dụng mà sự tổn thất đó không phải là độc lập một cách ngẫu nhiên. Trong trường hợp của các hồ sơ tín dụng bị nợ xấu, thành phần ngẫu nhiên là sự tổn thất mang lại bởi vỡ nợ và có những sự liên hệ giữa những tổn thất này đã được báo cáo bởi báo cáo của Gupton (năm 2000). Chúng ta mô hình hóa tính phụ thuộc với chúng. Sự gián đoạn của nền kinh tế được mô hình hóa bởi Y và rủi ro đối với tài sản đảm bảo của hồ sơ tín dụng được ước lượng bởi biến chúng ta giả sử rằng Y và các biến là độc với nhau. Tính phụ thuộc giữa hai sự tổn thất được xác định bởi sự biến động của Y và sự biến động của các biến. Giả thuyết này bao hàm sự biến động của khả năng thanh toán và sự tương quan như nhau cho bất kỳ hồ sơ tín dụng nào. Hơn nữa, chúng ta giả sử rằng sự tổn thất mong đợi là 0 và xa hơn nữa thì chúng ta sẽ bỏ qua nó. Để cho đơn giản, chúng ta giả sử rằng phân bố Gaussian cho Y và các biến. 35 Rõ ràng, tổn thật được mong đợi của hồ sơ là 0 và khi là tổn của các biến Gaussian ngẫu nhiên thì bản thân nó chính là phân bố Gaussian. Phân bố được khai báo rõ ràng và đầy đủ thông qua việc tính toán sư biến động của tổn thất. Trong đó đã chỉ ra một cách rõ ràng hồ sơ bị nợ xấu và đem đến chỉ mục Herfindahl - Hirschmann của trung tâm mỗi hồ sơ (Hirschmann (1964). Trong giới hạn trường hợp của một lượng nhỏ hồ sơ, H bằng 0 và độ biến động giảm xuống đối với tính hiệu quả hệ thống của Y, định danh mang giá trị dương nếu : Vốn cơ bản của nền kinh tế tại cấp độ được đưa ra bởi công thức: 1/2 ECeuHN, =+() Trong đó chỉ ra trung điểm - của phân phối chuẩn thông thường. Các giá trị đặc biệt cho là 99.95, 99.9, 99.5, 99.0 và 90% các giá trị tương ứng với chúng là 3.29, 3.09, 2.58, 2.33 và 1.28. Một phần trong việc xác định các tham biến (xem chương 4), công thức (4) cấu thành một tính toán nguồn vớn cơ bản của nền kinh tế một cách độc lập cho một hồ sơ của các khoản vay bị nợ xấu. Đây là một trong những mục tiêu của phần này. Mô hình kết hợp chặt chẽ với một hình thức phạt tập trung duy nhất, được phản ánh bởi chỉ mục H của phương pháp Herfindahl-Hirschmann. Tuy nhiên, chúng ta đã chỉ ra trong các nghiên cứu có ảnh hưởng, rằng hiệu quả hệ thống của Y làm bùng nổ toàn bộ sự rủi ro, một hậu quả thường thấy ở việc mô hình hóa rủi ro trong các hồ sơ tài chính (Gordy (2000)). Chỉ là nếu mối tương quan là không đáng kể, làm nên yếu tố cấu thành hồ sơ đóng vai trò chủ yếu. Một chủ đề mà chúng ta chưa hoàn thành được nhiều đang được tiếp tục nghiên cứu. Mỗi một lần chủ hồ sơ biết được khoản vốn cần để tránh một hồ sơ bị vỡ nợ, anh ấy sẽ cảm thấy hứng thú trong việc được chỉ định trách nhiệm cho lương vốn đó, đối với từng hồ sơ tín dụng đơn lẻ, ví dụ: Trong khi khai báo vốn để trả, đặc biệt ưu tiên tính toán khối lượng rủi ro cần được điều chỉnh. Nếu tất cả các khoản vay trong hồ sơ là tương đồng, mỗi cái sẽ mang đến một tỷ số tương đương nhau. Nhưng vấn đề là gì nếu không xảy ra trường hợp này? ở khía cạnh khác, vốn của nền kinh tế cần phải được cấp phát. Một điều hiển nhiên xuyên suốt, đem đến phân bố logic cho nguồn vốn chuẩn trong chuẩn Basel II, là để khai báo khối lượng rủi ro khi xem xét tại thời điểm vỡ nợ và khai báo nguồn vốn để trả: 36 eEC ec ==+AN, euH()1/2 AAe  Giống như một chú thích ngắn gọn, chúng ta muốn nhấn mạnh rằng tất cả, mô hình và công thức kết quả cho hồ sơ vay vốn và vốn cần trả của một hồ sơ tín dụng đơn là có thể tiếp cận được. Cơ chế tổn thất là đơn giản như một hệ quả, sự xác định cái mà nó có thể được ngăn chặn là đơn giản. Vì vậy, thường xuyên cập nhật, nó là điều cơ bản trong việc thay đổi nhanh chóng môi trường của nền kinh tế là có thể. 2.4. Mạng nơ-ron nhân tạo Mạng nơ-ron nhân tạo là một trong những khái niệm cơ bản của trí tuệ nhân tạo nó giúp cho việc hiện thực hóa một số đặc tính mạnh mẽ của não người trên các hệ thống máy tính. Các mạng nơ-ron học các quan hệ không tuyến tính, các mẫu, và các xu hướng trên dữ liệu khi mà huấn luyện các dữ liệu hiện có trên mạng. Cứ mỗi lần huấn luyện dữ liệu, các mạng nơ-ron nhân tạo tạo ra một dự báo chưa từng nhìn thấy bởi mạng có độ chính xác cao cho một tập dữ liệu sạch trong suốt quá trình huấn luyện. Mạng nơ-ron nhân tạo được sử dụng trong rất nhiều các ứng dụng, ví dụ như: ánh xạ không tuyến tính, giảm tải dữ liệu, nhận dạng mẫu, phân cụm và phân lớp. Chức năng được quan tâm để xây dựng các mô hình dự báo nợ xấu ở đây chính là chức năng phân lớp. Trong phạm vi của việc xây dựng các mô hình dự báo nợ xấu, chúng ta sử dụng mạng nơ-ron được sử dụng phổ biến là mạng nơ-ron ba lớp fee-forward với sự lan truyền trở lại mạng. Mạng nơ-ron này gồm ba lớp: lớp nhập, lớp ẩn và lớp xuất. Mạng nhập được chèn vào lớp nhập và lớp xuất. Và lớp xuất được dùng để sinhcác kết quả đầu ra. Lớp giữa được gọi là “lớp ẩn” từ đó nó không tương tác trực tiếp với môi trường xung quanh. Tất cả các lớp chứa một số lượng nơ-ron kết nối với nhau được coi như là sự liên kết các trọng điểm. Số lượng các nơ-ron trong mạng chính bằng số lượng các đầu vào của mạng. Trong khi đó thì số lượng các nơ-ron trong lớp xuất cũng tương ứng các đầu ra của hệ thống. Mỗi nơ-ron bao gồm 2 thành phần: thành phần nut tổng và thành phần chức năng vận chuyển hình xích-ma. Nut tổng tính toán việc sinh ra mỗi giá trị đầu vào thông thường và giá trị trọng tâm. Vấn đề của các phương pháp bao gồm việc tìm ra một tập các trọng điểm liên kết phù hợp bằng cách sử dụng một giải thuật tối ưu làm cho lỗi sinh ra giữa việc dự báo và thực nghiệm đầu ra là nhỏ nhất. 37 Không giống như các phương pháp thống kê, các mạng nơ-ron không phụ thuộc vào giả thuyết về tính độc lập và phân bố của phần dư hoặc tính cộng tuyến của các biến đầu vào. Ngoài ra, một lượng dữ liệu lớn được yêu cầu cho việc huấn luyện, và các tham biến của mạng nơ-ron (việc liên kết các trọng điểm) cung cấp nhận định nội tại bên trong các đặc tính vật lý của tiến trình. Đây là một nhược điểm bởi vì các trọng điểm không thể dễ dàng chuyển đổi sang các luật if-then để có thể hiểu được. 2.5. Phân tích hồi quy logistic Mục đích của các mô hình xây dựng dựa trên phương pháp hồi quy logistic là để đạt được một biểu thức toán học nhằm dự báo những mối liên hệ của một đối tượng thuộc về hai hoặc nhiều nhóm. Hồi quy logistic cũng hỗ trợ dự báo xác suất mà một tập dữ liệu đích nhị phân hoặc dữ liệu đích thông thường sẽ dành được sự kiện của lợi ích như là một chức năng của một hoặc nhiều biến độc lập. Không giống như phương pháp các mạng nơ-ron nhân tạo, phương pháp hồi quy logistic xây dựng để dự báo một biến phụ thuộc tại một thời điểm nào đó. Ở một phương diện nào đó, một người có thể nhớ rằng đầu ra của logistic hồi quy cung cấp kết quả thống kê dựa trên mỗi biến bao hàm bên trong phương pháp cái mà các nhà nghiên cứu có thể phân tích để kiểm tra tính hữu ích của dữ liệu cụ thể. Logistic có thể được coi như là mô hình mạng nơ-ron feed-forward đơn giản bao gồm hai lớp : Một lớp đầu vào và một lớp đầu ra. Hồi quy logistic được hiểu là dùng để giải quyết các bài toán phân lớp từ các đầu ra đã được tính toán có thể được đem lại bởi các hạng mục của phân phối. Đầu vào được chèn vào lớp nhập nơi mà không diễn ra sự tính toán. Mỗi nơ-ron trong một lớp đầu vào được kết nối với một nơ-ron ở lớp đầu ra bằng một kết nối trọng điểm. Đầu ra của một lớp nơ-ron đầu ra được tính toán với chức năng trung chuyển logistic xich-ma. Các trọng điểm kết nối được xác định bởi một sự lặp đi lặp lại thủ tục tối ưu nhằm tìm cách giảm thiểu tối đa một phạm vi của các lỗi dự báo. 2.6. Phương pháp CBR Phương pháp Instance-Base cũng giống như là phương pháp K- phần tử lân cận là đều có chung 3 khái niệm cơ bản. Thứ nhất là nó trì hoãn quyết định làm thế nào để khái quát chung dữ liệu huấn luyện cho đến khi một tập mẫu/case/thể hiện cần phải được phân lớp. Điểm này là trái ngược với các cây quyết định và các mạng nơ-ron, 38 các phương pháp này lại xây dựng một mô hình khái quát trước khi nhận dữ liệu mẫu vào phân lớp. Điểm thứ hai, các phương pháp instance-base phân lớp các thể hiện truy vấn bằng cách phân tích các thể hiện tương tự trong khi đó bỏ qua các thể hiện mà nó khác với truy vấn. Điểm thứ ba, chúng được biểu thị trên các thể hiện như là những điểm giá trị thực tế trong không gian Ơ-clit n chiều. Các phân lớp dựa trên Case or memory-based rất giống với giải thuật instanced- based. Hơn nữa, chúng được xây dựng dựa trên 2 khái niệm cơ bản, nhưng không phải là ba. Không giống như phương pháp phân lớp K-phần tử lân cận, giải thuật mà lưu trữ dữ liệu như là các điểm trong không gian Ơ-clit, dữ liệu mẫu hoặc là các case được lưu trữ bởi phương pháp memory-base là những mô tả phức tạp. Khi có một case mới đưa lại để phân lớp, một tiến trình phân lớp memory-base trước tiên kiểm tra xem case đó đã tồn tại hay chưa. Nếu case đó đã tồn tại, thì kết quả tương ứng với case đó sẽ được trả lại. Về cơ bản, những case huấn luyện này có thể được xem xét như là hàng xóm của những case mới. Nếu không thể phát sinh những giải pháp riêng, việc quay lại để tìm những giải pháp khác có thể là cần thiết (Mitchell, 1997; Han&Kamber, 2001). Thử thách cho phương pháp memory-based bao gồm việc tìm ra một ma trận tương đồng tốt, phát triển một kỹ thuật hiệu quả để đánh chỉ mục các case huấn luyện, và các phương pháp cho kết hợp các giải pháp. 2.7. Phương pháp chuyên gia trong xếp hạng tín dụng Moody’s Investors Service (Moody’s) và Standard & Poor's (S&P) là hai tổ chức tín nhiệm có uy tín và lâu đời tại Mỹ và cũng là những tổ chức tiên phong trong lĩnh vực xếp hạng tín nhiệm trên thế giới, sau đó có thêm Fitch Investors Service. Ngày nay, các tổ chức tín nhiệm này của Mỹ hoạt động trên các thị trường tài chính lớn và cả những thị trường mới nổi trên toàn cầu. Kết quả xếp hạng tín nhiệm của các tổ chức này được đánh giá rất cao. Các tổ chức xếp hạng tín nhiệm hàng đầu trên thế giới gồm Fitch, S&P, Moody's sử dụng chủ yếu phương pháp chuyên gia, đánh giá một cách toàn diện về nền kinh tế, ngành và công ty, kết hợp phân tích định tính và định lượng. Với chỉ tiêu phi tài chính được nỗ lực lượng hóa tối đa, chỉ tiêu tài chính được tính toán sau khi dữ liệu đã điều chỉnh để có thể so sánh với các doanh nghiệp tương đồng hoặc các doanh 39 nghiệp trong ngành. Họ cũng chú trọng xem xét các nhóm tỷ số hơn bất kỳ tỷ số riêng lẻ nào và thiên về đánh giá dòng tiền thực chất mà doanh nghiệp tạo ra được với dòng tiền mà doanh nghiệp phải chi trả. Tuy nhiên, dù sử dụng phương pháp nào, mô hình toán học hay phương pháp chuyên gia, mỗi hệ thống xếp hạng tín nhiệm đều có một số khuyết điểm nhất định. Nếu như phương pháp định lượng cần sự hỗ trợ của các nhân tố mềm thì phương pháp chuyên gia, tự thân đã chứa đựng rủi ro do yếu tố chủ quan trong xếp hạng, chắc chắn 100% về khả năng trả nợ của doanh nghiệp là điều không thể làm được. Koresh Galil (2003) khảo sát 2631 hạng mức tín nhiệm trái phiếu của S&P trong giai đoạn 1983 - 1993, đã kết luận rằng: phân loại S&P không cung cấp đủ thông tin rủi ro tín dụng ; khác biệt giữa hạng mức tín nhiệm chính và các hạng mức tín nhiệm phụ của S&P không có ý nghĩa thống kê; các hạng mức tín nhiệm phụ thậm chí không đồng đều với rủi ro tín dụng. Bảng 2.3. Bảng chỉ số tín nhiệm của S&P và Moody’s. Chỉ số Tín Chỉ số Tín Nhiệm Nhiệm Diễn giải theo theo S&P Moody’s AAA Aaa Chất luợng cao nhất, ổn định, độ rủi ro thấp nhất. Chất lượng cao, rủi ro thấp, Độ rủi ro chỉ cao hơn AA Aa hạng AAA một bậc. Chất lượng khá, tuy vậy có thể bị ảnh huỡng bởi tình A A hình kinh tế. Chất lượng trung bình, an toàn trong thời gian hiện BBB Baa tại, tuy vậy có ẩn chứa một số yếu tố rủi ro. Chất lượng trung bình thấp, có thế gặp khó khăn BB Ba trong việc trả nợ, bị ảnh hưởng đối với sự thay đổi của tình hình kinh tế. Chất lượng thấp, rủi ro cao, có nguy cơ không thanh B B toán đúng hạn. Rủi ro cao, chỉ có khả năng trả nợ nếu tình hình kinh CCC Caa tế khả quan. 40 CC Ca Rủi ro rất cao, rất gần phá sản. Rủi ro rất cao, khó có khả năng thực hiện thanh toán C C các nghĩa vụ nợ. Xếp hạng thấp nhất, đã phá sản hay hầu như sẽ phá D sản. NR NR Không đánh giá. Kết luận của chương 2: Chương này tập trung trình bày một số phương pháp phân tích và dự báo rủi ro tín dụng trong hoạt động đầu tư tài chính tín dụng trong hệ thống ngân hàng, cụ thể: - Phương pháp mô hình cây quyết định trong quản trị rủi ro, các chiến lược xây dựng cây quyết định, một số thuật toán ID3, C4.5. - Phương pháp mô hình Merton – KMV - Phương pháp phân tích và dự báo Gaussian - Một số phương pháp mạng Noron nhân tạo, phân tích hồi quy logistic, phương pháp CBR. - Phương pháp sử dụng hệ chuyên gia trong xếp hạng tín dụng. 41 CHƯƠNG 3: DỰ BÁO RỦI RO TÍN DỤNG CHO NGÂN HÀNG TMCP SÀI GÒN – HÀ NỘI, CHI NHÁNH THÁI NGUYÊN 3.1. Giới thiệu về ngân hàng SHB 3.1.1. Khái quát chung về ngân hàng SHB Ngân hàng TMCP Sài Gòn – Hà Nội (SHB) được thành lập từ năm 1993. Trải qua hơn 25 năm xây dựng và phát triển, ngân SHB hiện đang là 1 trong 5 Ngân hàng TMCP lớn nhất Việt Nam. Đứng trong top 10 Ngân hàng Thương mại uy tín nhất Việt Nam, và trong top 500 Ngân hàng mạnh nhất ở Châu Á. Ước tính đến hết ngày 31/3/2018, ngân hàng TMCP Sài Gòn – Hà Nội (SHB) có tổng số tài sản đạt 286.904 tỷ đồng. Với mức vốn điều lệ hơn 12.036 tỷ đồng. Với gần 7000 cán bộ, nhân viên và có hơn 500 điểm giao dịch ở Việt Nam, Lào và Campuchia. Với số lượng khách hàng mà ngân hàng SHB đang phục vụ lên tới con số gần 4 triệu quý khách hàng (Bao gồm cả cá nhân và doanh nghiệp). Đây cũng là một trong những con số khá ấn tượng đối với một ngân hàng có hơn 25 năm xây dựng và phát triển. Với tầm nhìn chiến lược của mình. Ngân hàng SHB mong muốn trở thành Ngân hàng bán lẻ đa năng hiện đại hàng đầu Việt Nam. Để dần tiến tới mục tiêu trở thành tập đoàn tài chính mạnh theo chuẩn của quốc tế vào năm 2020 tới đây. Không chỉ có vậy ngân hàng SHB đã đạt được rất nhiều các giải thưởng của các tổ chức trong và ngoài nước. Với các giải thưởng danh giá, uy tín như: Ngân hàng tài trợ dự án tốt nhất, Ngân hàng bán lẻ tốt nhất Việt Nam, Ngân hàng có sáng kiến bao trùm tài chính tốt nhất do Tạp chí hàng đầu châu Á Asian Banking and Finance trao tặng. Ngân hàng SHB là một trong những ngân hàng uy tín, có nguồn tài chính mạnh mà bạn nên đầu tư. 3.1.2. Các sản phẩm dịch vụ của ngân hàng SHB 1. Cập nhật lãi suất ngân hàng SHB mới nhất. Với phương châm và chiến lược kinh doanh luôn không ngừng đổi mới, sáng tạo nhằm mang lại giá trị lợi ích tốt nhất cho khách hàng. Ngân hàng SHB luôn làm hài 42 lòng khách hàng với những sản phẩm, dịch vụ ngân hàng ưu việt, tiện ích, đồng bộ, chất lượng và phong cách phục vụ chuyên nghiệp. Theo biểu lãi suất ngân hàng SHB công bố trên website của Ngân hàng TMCP Sài Gòn – Hà Nội (SHB), trong tháng 10, lãi suất tiết kiệm truyền thống tại quầy dao động từ 1%/năm đến 9%/năm. Cụ thể, lãi suất huy động áp dụng cho kì hạn 1 tuần, 2 tuần và 3 tuần là 1%/năm. Lãi suất tiền gửi kì hạn 1 và 2 tháng là 5,3%/năm; kì hạn 3 – 5 tháng là 5,5%/năm. Bắt đầu từ kì hạn 6 tháng trở lên mức lãi suất áp dụng mới phân biệt rõ ra theo số tiền gửi (dưới 2 tỉ đồng, từ 2 tỉ đồng đến dưới 500 tỉ đồng và từ 500 tỉ đồng trở lên). 2. Lợi ích khi gửi tiết kiệm ngân hàng SHB - Khách hàng được hưởng lãi suất hấp dẫn và nhiều chương trình ưu đãi. - Linh hoạt rút tiền trước hạn và rút gốc từng phần với thủ tục đơn giản, nhanh chóng. - Có thể dùng sổ tiết kiệm để sử dụng cho việc cầm cố, vay thế chấp, bảo lãnh vay vốn. - Chủ động trong kế hoạch chi tiêu với lãi được trả định kỳ hoặc trả trước. - Thủ tục đơn giản, nhanh gọn. 3. Đặc điểm sản phẩm gửi tiết kiệm ngân hàng SHB - Loại tiền gửi : VNĐ. - Số tiền gửi tối thiểu : 100.000VNĐ. - Kỳ hạn gửi linh hoạt : 1 – 13 tháng, 18 tháng, 24 tháng, 36 tháng. - Thời gian trả lãi : lãi được trả định kỳ hàng tháng hoặc trả trước cho khách hàng. - Khách hàng không được rút gốc nhiều lần. 4. Thủ tục gửi tiết kiệm ngân hàng SHB - Giấy gửi tiền tiết kiệm theo mẫu của ngân hàng SHB. - CMND/Hộ chiếu. - Một số giấy tờ khách liên quan theo quy định của ngân hàng. 43 5. Tham khảo lãi suất vay ngân hàng SHB để mua nhà, mua xe - Với 3 sản phẩm là cho vay xây sửa chữa nhà, cho vay mua nhà đất tại các dự án và cho vay mua nhà đất, SHB đưa ra mức lãi suất vay vốn chỉ 9%/năm với 12 tháng đầu và khoảng 11%/năm cho các tháng tiếp theo. - Lãi suất vay mua xe ngân hàng SHB cập nhật, SHB đưa ra 2 chính sách vay vốn vay mua xe với mức lãi suất như sau: • Lãi suất cố định 7,5%/năm trong 6 tháng đầu tiên. • Lãi suất cố định 8%/năm trong 12 tháng đầu tiên. 3.1.3. Thực trạng rủi ro tín dụng tại ngân hàng SHB Bảng 3.1. Dư nợ tín dụng Tăng / giảm Tỷ lệ tăng giảm 201

Các file đính kèm theo tài liệu này:

  • pdfluan_van_ky_thuat_cay_quyet_dinh_hoi_quy_trong_phan_tich_va.pdf
Tài liệu liên quan