[Download] Tải Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam – Tải về File Word, PDF

Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam
Nội dung Text: Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

Download


Bài viết đề xuất giải pháp quản lý rủi ro trên cơ sở cảnh báo sớm bằng cách áp dụng mô hình Z-Score trong nghiên cứu nhằm giúp các ngân hàng thương mại xác định những khách hàng có khả năng gây rủi ro tín dụng cho ngân hàng và hỗ trợ họ ra quyết định cấp tín dụng.

Bạn đang xem: [Download] Tải Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam – Tải về File Word, PDF

*Ghi chú: Có 2 link để tải biểu mẫu, Nếu Link này không download được, các bạn kéo xuống dưới cùng, dùng link 2 để tải tài liệu về máy nhé!
Download tài liệu Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam File Word, PDF về máy

Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

Mô tả tài liệu

Nội dung Text: Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

  1. ISSN 1859-3666

    MỤC LỤC

    KINH TẾ VÀ QUẢN LÝ

    1. Nguyễn Đức Trung, Lê Hoàng Anh và Đinh Thị Phương Anh – Dự báo tăng trưởng kinh tế và
    lạm phát Việt Nam: một so sánh giữa mô hình VAR, LASSO VÀ MLP. Mã số 154.1Deco.11 3
    Forecasting Economic Growth and Inflation in Vietnam: A Comparison Between the Var
    Model, the Lasso Model, and the Multi-Layer Perceptron Model
    2. Hà Văn Sự và Lê Nguyễn Diệu Anh – Các yếu tố tác động đến phát triển thương mại đáp ứng yêu
    cầu phát triển bền vững ở Việt Nam. Mã số 154.1Deco.12 14
    The Study on Factors Affecting Trade Development Meeting the Requirements for Sustainable
    Development in Vietnam
    3. Nguyễn Văn Huân và Nguyễn Thị Quỳnh Trang – Nghiên cứu Mô hình Z-Score vào
    cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam.
    Mã số 154.1FiBa.11 28
    Studying Z-Score Model in Early Warnings of Credit Risk at Vietnam Commercial Banks

    QUẢN TRỊ KINH DOANH

    4. Nguyễn Thu Thuỷ và Nguyễn Văn Tiến – Các nhân tố tác động đến chính sách cổ tức của các
    doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Mã số 154.2FiBa.22 36
    Some Factors Influencing Dividend Policy of the Real Estate Companies Listed on
    Vietnamese Stock Market
    5. Nguyễn Thị Minh Nhàn và Phạm Thị Thanh Hà – Nghiên cứu các yếu tố ảnh hưởng đến trả công
    lao động tại ngân hàng thương mại cổ phần đầu tư và phát triển Việt Nam. Mã số 154.2HRMg.21 49
    Research on Factors Affecting Wage Labour in the Joint Stock Commercial Bank for
    Investment and Development of Vietnam
    6. Nguyễn Thị Ngọc Huyền và Trần Thị Thanh Phương – Tác động của thực tiễn quản trị nguồn
    nhân lực đến hiệu quả công việc của nhân viên ngành tài chính tiêu dùng tại Thành phố Hồ Chí Minh.
    Mã số 154.2.HRMg.21 65
    The Impact of Empirical Human Resource Management on Job Performance of Employees in
    the Consumer Finance Sector in Ho Chi Minh City

    khoa học
    Số 154/2021 thương mại 1

    1

  2. ISSN 1859-3666

    7. Ngô Mỹ Trân, Trần Thị Bạch Yến và Lâm Thị Ngọc Nhung – Ảnh hưởng của quản trị
    chéo đến hiệu quả tài chính của các công ty niêm yết trên Thị trường chứng khoán Việt Nam.
    Mã số 154.2FiBa.21 80
    Effect of Multiple Directorships on Financial Performance of Listed Companies: The
    Case of the Vietnamese Stock Market
    8. Kiều Quốc Hoàn – Nghiên cứu định lượng tác động của quản trị nhân sự số đến hiệu quả hoạt
    động doanh nghiệp. Mã số 154.2HRMg.22 94
    The Impact of Digital Human Resource Management on Firm Peformance: An Empirical
    Study on Vietnam

    Ý KIẾN TRAO ĐỔI

    9. Nguyễn Thị Minh Giang và Hoàng Thị Bích Ngọc – Báo cáo tài chính khu vực công
    Việt Nam – những điểm tương đồng và khác biệt so với chuẩn mực kế toán công quốc tế.
    Mã số 154.3BAcc.31 107
    Vietnamese Sector Public Financial Reporting – Some Similarities and Differences
    Between International Public Sector Accounting Standards

    khoa học
    2 thương mại Số 154/2021

  3. KINH TẾ VÀ QUẢN LÝ

    NGHIÊN CỨU MÔ HÌNH Z-SCORE VÀO CẢNH BÁO
    SỚM RỦI RO HOẠT ĐỘNG KINH DOANH TÍN DỤNG
    TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
    Nguyễn Văn Huân
    Đại học Thái Nguyên
    Email: nvhuan@ictu.edu.vn
    Nguyễn Thị Quỳnh Trang
    Trường Đại học Thương mại
    Email: trang.ntq@tmu.edu.vn

    Ngày nhận: 01/03/2021 Ngày nhận lại: 14/04/2021 Ngày duyệt đăng: 20/04/2021

    T rong thời kỳ khủng hoảng toàn cầu do đại dịch Covid-19 gây ra, không nằm ngoài những công ty,
    lĩnh vực hoạt động chịu rủi ro lớn trong hoạt động kinh doanh của mình, đó chính là lĩnh vực tín
    dụng ngân hàng. Do các công ty, xí nghiệp chịu ảnh hưởng nặng nề của dịch Covid-19 nên hoạt động sản
    xuất kinh doanh của các đơn vị bị ảnh hưởng. Điều này đã ảnh hưởng đến khả năng trả nợ cho ngân hàng
    của họ. Từ đó, dẫn đến nợ xấu tại các ngân hàng thương mại Việt Nam trong thời gian qua vẫn tăng, không
    có xu hướng giảm. Để hạn chế và giảm thiểu rủi ro cho hoạt động kinh doanh của các ngân hàng, việc đề
    xuất và áp dụng các mô hình cảnh báo sớm rủi ro là hết sức cần thiết. Bài báo đề xuất giải pháp quản lý
    rủi ro trên cơ sở cảnh báo sớm bằng cách áp dụng mô hình Z-Score trong nghiên cứu nhằm giúp các ngân
    hàng thương mại xác định những khách hàng có khả năng gây rủi ro tín dụng cho ngân hàng và hỗ trợ họ
    ra quyết định cấp tín dụng.

    Từ khóa: Mô hình cảnh báo, rủi ro tín dụng, mô hình điểm số Z, Hệ số tài chính

    JEL Classifications: E47, E51, E59
    1. Giới thiệu chuyên gia, căn cứ vào một số yếu tố định tính như
    Lĩnh vực kinh doanh tiền tệ là lĩnh vực luôn phải danh tiếng, vốn… của doanh nghiệp để ra quyết
    đối mặt với rất nhiều rủi ro, đặc biệt trong bối cảnh định cho vay, tuy nhiên phương pháp này mang tính
    cạnh tranh khốc liệt như hiện nay. Rủi ro trong lĩnh chủ quan. Năm 1974, xuất hiện mô hình Merton có
    vực kinh doanh ngân hàng ngày càng trở nên phức vai trò mang tính khai sáng trong quản trị rủi ro tín
    tạp và cần có giải pháp phòng ngừa kịp thời. Vì vậy, dụng như là vài trò của mô hình Black-Scholes
    tìm kiếm một công cụ thích hợp có thể hỗ trợ các trong định giá quyền chọn[6]. Tuy nhiên hạn chế
    NHTM Việt Nam ra quyết định cho vay chính xác, của mô hình dựa trên giả định doanh nghiệp chỉ có
    giảm thiểu rủi ro là rất cần thiết đặc biệt trong bối một khoản nợ duy nhất và trả nợ tại một thời điểm
    cảnh hội nhập quốc tế ngày càng sâu, rộng. Trước duy nhất. Mô hình CreditMetrics, được JP Morgan
    đây các NHTM thường dựa vào phương pháp giới thiệu vào năm 1997, là một mô hình được sử
    khoa học !
    28 thương mại Số 154/2021

  4. KINH TẾ VÀ QUẢN LÝ

    dụng phổ biến trong thực tiễn. Mô hình này có thể nghiên cứu của Nikolaos G.(2009) cũng ứng dụng
    xem là có nguồn gốc từ mô hình Merton, mặc dù mô hình Z-score để đánh giá 373 doanh nghiệp xây
    vậy vẫn có một điểm khác biệt cơ bản giữa mô hình dựng ở Hy Lạp và đưa ra kết luận rằng, đây là một
    CreditMetrics với Merton là ngưỡng phá sản trong công cụ hữu ích trong việc điều hành, quản lý hoặc
    mô hình CreditMetrics được xác định từ xếp hạng tiến hành tái cấu trúc công ty, sáp nhập công ty khi
    tín dụng chứ không phải từ các khoản nợ. Do đó, công ty có khả năng cải thiện tình hình tài chính
    mô hình này cho phép xác định cả xác suất vỡ nợ nhưng chỉ trong một thời gian ngắn. Như vậy ta
    và xác suất suy giảm tín dụng. Ở Việt Nam, có một thấy mô hình điểm số Z không những có thể áp
    số công trình như công trình của tác giả Lê Văn dụng phù hợp với các Quốc gia phát triểm mà còn
    Tuấn năm 2016 “Khám phá sự thú vị của phần mềm phù hợp với các Quốc gia đang phát triển như Việt
    R trong định lượng rủi ro tín dụng” trong nghiên Nam. Mô hình điểm số Z tính toán khả năng trả nợ
    cứu tác giả đã nghiên cứu và ứng dụng mô hình của khách hàng dựa trên số liệu lịch sử của các yếu
    KMV vào cảnh báo rủi ro tín dụng hay công trình tố có ảnh hưởng đến khả năng trả nợ của khách
    nghiên cứu thứ 2 của tác giả Lê Văn Tuấn “Ứng hàng. Mô hình điểm số Z đã sử dụng phương pháp
    dụng mô hình Merton trong giảng dạy rủi ro tín phân tích khác biệt đa nhân tố để lượng hóa xác suất
    dụng và định giá trái phiếu cho sinh viên ngành tài vỡ nợ của người vay đã khắc phục được các nhược
    chính” công trình nghiên cứu này đã làm rõ mô điểm của mô hình định tính, do đó góp phần tích
    hình Merton và ứng dụng trong cảnh báo rủi ro tín cực trong việc kiểm soát rủi ro tín dụng tại các
    dụng tại các NHTM ở Việt Nam. Công trình nghiên NHTM. Đồng thời bài báo cũng tiến hành xếp hạng
    cứu Nguyễn Phi Lân “Mô hình cảnh báo sớm và tín dụng khách hàng dựa trên điểm số Z và xếp
    chính sách hướng tới ổn định kinh tế vĩ mô” Theo hạng tín dụng theo S&P.
    tác giả việc cảnh báo sớm rủi ro kinh tế vĩ mô và 2. Cơ sở lý thuyết và phương pháp nghiên cứu
    khủng hoảng tiền tệ được tác giả xây dựng dựa trên 2.1. Cơ sở lý thuyết
    mô hình cảnh báo sớm (EWS) tham số. Tuy nhiên 2.1.1. Mô hình điểm số Z
    các mô hình trên đều khá phức tạp và khó áp dụng Mô hình điểm số Z là sản phẩm nghiên cứu của
    phù hợp với tình hình thực tế tại các NHTM ở Việt giáo sư Edward I. Altman, trường kinh doanh
    Nam. Xuất phát từ nhu cầu đó, bài báo đã nghiên Leonard N. Stern, Trường đại học New york (Mỹ)
    cứu Mô hình điểm số Z do E.I.Altman khởi tạo năm công bố lần đầu vào năm 1968 trên tạp chí Journal
    1977. Đây là mô hình đã được nghiên cứu và áp of finance.
    dụng tại nhiều quốc gia trên thế giới như: Nghiên Dạng tổng quát của mô hình điểm số Z:
    cứu của June Li (2012) khi ứng dụng vào nghiên Z= β1 X1+ β2 X2+ β3 X3+ β4 X4+ β5 X5
    cứu các doanh nghiệp sản xuất của Hoa Kỳ đã kết Trong đó:
    luận, mô hình Z-score không những có hiệu quả cao X1: Tỷ số vốn lưu động trên Tổng tài sản
    trong đánh giá doanh nghiệp sản xuất mà còn hiệu X2: Tỷ số lợi nhuận giữ lại trên Tổng tài sản
    quả đối với các doanh nghiệp phi sản xuất, hay X3: Tỷ số lợi nhuận trước lãi vay và thuế trên
    nghiên cứu của Fawad Hussain (2014) đã đánh giá Tổng tài sản
    21 doanh nghiệp dệt may ở Pakistan và kết luận X4: Giá trị thị trường của vốn chủ sở hữu trên giá
    rằng, việc sử dụng mô hình Z-score trong dự báo trị sổ sách của Tổng nợ
    tình hình hoạt động của doanh nghiệp dệt may nói X5: Tỷ số doanh số trên Tổng tài sản
    riêng và các lĩnh vực khác nói chung là rất tốt, cho β,β2,β3,β4,β5: Lần lượt là các hệ số phản ánh độ
    kết quả dự báo chính xác trong vòng 4 năm, hay nhạy của các hệ số X1, X2, X3, X4, X5

    khoa học !
    Số 154/2021 thương mại 29

  5. KINH TẾ VÀ QUẢN LÝ

    Đối với mỗi loại hình doanh nghiệp do cơ cấu – Tỷ số Lợi nhuận giữ lại trên Tổng tài sản (X2)
    vốn khác nhau nên các hệ số của các biến cũng khác Lợi nhuận giữ lại là khoản chênh lệch giữa thu
    nhau, Altman đã đưa ra 3 mô hình của 3 loại hình nhập ròng và cổ tức chi trả, là số tiến doanh nghiệp
    doanh nghiệp như sau: sử dụng để tái đầu tư hoặc để trả nợ. Tỷ số lợi
    + Đối với doanh nghiệp đã cổ phần hóa, ngành nhuận giữ lại trên tổng tài sản cho ta biết hiệu quả
    sản xuất sử dụng tài sản của doanh nghiệp, doanh nghiệp
    Z= 1,2X1+ 1,4X2+ 3,3X3+ 0,64X4+ 0,999X5 kiếm được bao nhiêu lợi nhuận trên một đồng tài
    – Nếu Z > 2,99: Doanh nghiệp nằm trong vùng sản. Tỷ số này càng cao thể hiện doanh nghiệp sử
    an toàn, chưa có nguy cơ phá sản dụng càng hiệu quả tài sản của mình và khả năng trả
    – Nếu 1,8 < Z > 2,99: Doanh nghiệp nằm trong nợ càng cao.
    vùng cảnh báo, có thể có nguy cơ phá sản – Tỷ số Lợi nhuận trước lãi vay và thuế trên Tổng
    – Nếu Z < 1,8: Doanh nghiệp nằm trong vùng tài sản (X3)
    nguy hiểm, nguy cơ phá sản cao Tỷ số này phản ánh hiệu quả sử dụng tài sản của
    + Đối với doanh nghiệp chưa cổ phần hóa, ngành công ty để thu được lợi nhuận mà không tính đến
    sản xuất yếu tố thuế thu nhập và chi phí lãi vay. Chỉ số
    Z= 0,717X1+ 0,847X2+ 3,107X3+ 0,42X4+ EBIT đã loại bỏ sự khác biệt trong cấu trúc vốn và
    0,998X5 thuế suất giữa các doanh nghiệp. Bằng cách loại bỏ
    – Nếu Z > 2,9: Doanh nghiệp nằm trong vùng an thuế thu nhập và lãi vay. Chỉ số này giúp phản ánh
    toàn, chưa có nguy cơ phá sản khả năng sinh lời thu lợi nhuận của doanh nghiệp,
    – Nếu 1,23 < Z > 2,9: Doanh nghiệp nằm trong nó là thước đo cho các nhà đầu tư so sánh giữa các
    vùng cảnh báo, có thể có nguy cơ phá sản doanh nghiệp.
    – Nếu Z 2,6: Doanh nghiệp nằm trong vùng an các cổ phiếu của công ty, trong khi các khoản nợ bao
    toàn, chưa có nguy cơ phá sản gồm cả nghĩa vụ hiện tại và dài hạn. Biện pháp này
    – Nếu 1,2 < Z > 2,6: Doanh nghiệp nằm trong cho thấy tài sản của công ty có thể suy giảm về giá
    vùng cảnh báo, có thể có nguy cơ phá sản trị (được đo bằng giá trị thị trường của vốn chủ sở
    – Nếu Z < 1,1: Doanh nghiệp nằm trong vùng hữu cộng với nợ) trước khi các khoản nợ vượt quá
    nguy hiểm, nguy cơ phá sản cao tài sản và công ty trở nên vỡ nợ. Tỷ số này càng cao
    Giải thích các biến trong mô hình khả năng trả nợ của công ty càng lớn.
    – Tỷ số vốn lưu động trên Tổng tài sản (X1) – Tỷ số doanh số trên Tổng tài sản (X5)
    Vốn lưu động thể hiện tính thanh khoản của Tỷ số này thể hiện khả năng tạo doanh thu từ tài
    doanh nghiệp, là sự chênh lệch giữa tài sản ngắn hạn sản của công ty, tỷ số này có giá trị càng cao chứng
    và nợ ngắn hạn. Vốn lưu động càng lớn, doanh tỏ hiệu quả sử dụng tài sản của công ty càng cao và
    nghiệp có khả năng thanh khoản càng cao. Tỷ lệ vốn ngược lại.
    lưu động/tổng tài sản cho biết trong tổng tài sản của 2.1.2. Xếp hạng tín dụng doanh nghiệp theo S&P
    doanh nghiệp có bao nhiêu phần trăm vốn lưu động, Bài báo tiến hành xếp hạng tín dụng khách hàng
    tỷ lệ này càng cao doanh nghiệp càng có khả năng doanh nghiệp của ngân hàng dựa trên lý thuyết của
    trả nợ cao và ngược lại. Standard & Poor’s, là một công ty dịch vụ tài chính

    khoa học !
    30 thương mại Số 154/2021

  6. KINH TẾ VÀ QUẢN LÝ

    Bảng 1: Xếp hạng tín dụng theo S&P

    Nguồn: S&P

    Bảng 2: Mối quan hệ giữa xếp hạng tín dụng theo Xếp hạng của S&P và Z_Score

    Nguồn: Altman và Hotchkiss (2006)

    khoa học !
    Số 154/2021 thương mại 31

  7. KINH TẾ VÀ QUẢN LÝ

    có trụ sở tại Hoa Kỳ. Đây là một công ty
    con của McGraw-Hill. Standard & Poor’s là
    một trong ba cơ quan xếp hạng tín dụng lớn
    và uy tín nhất thế giới (hai công ty còn lại
    là Moody’s và Fitch Ratings). S&P đánh giá
    người vay từ mức AAA cho tới D [8].
    2.1.3. Mối quan hệ giữa xếp hạng tín
    dụng theo Xếp hạng của S&P và Z_Score
    2.2. Phương pháp nghiên cứu
    Bài báo sử dụng phương pháp định
    lượng, xuất phát từ thu thập các báo cáo
    tài chính của các doanh nghiệp sản xuất đã
    cổ phần hóa, tính toán các chỉ số tài chính
    X1, X2, X3, X4, X5 theo mô hình điểm số
    Z của Altman, từ đó đưa ra kết luận và
    kiến nghị.
    3. Kết quả và thảo luận
    3.1. Mô hình nghiên cứu
    Hình 1: Mô hình cảnh báo rủi ro tín dụng
    3.2. Điểm Z-Score từ năm 2008 – 2018
    Ghi chú: WC/TA – vốn lưu động trên Tổng tài sản; RE/TA-
    của DNB
    Lợi nhuận giữ lại trên Tổng tài sản; EBIT/TA – Lợi nhuận trước
    Từ bảng phân tích dữ liệu ta thấy: lãi vay và thuế trên Tổng tài sản; MVE/TL – Giá trị thị trường
    Từ năm 2015 – 2018: DNB rơi vào của vốn chủ sở hữu trên giá trị sổ sách của Tổng nợ; S/TA-
    vùng xám (1,8 < Z > 2,99): Doanh nghiệp doanh số trên Tổng tài sản.
    không có vấn đề trong ngắn
    hạn, tuy nhiên cần phải xem
    xét điều kiện tài chính một
    cách thận trọng.
    Từ năm 2016 – 2018: DNB
    hoạt động ở vùng an toàn (Z >
    2,99): Doanh nghiệp có tài
    chính lành mạnh, chưa có
    nguy cơ phá sản.
    Xét tổng thể từ năm 2008
    – 2018, ta thấy DNB chưa rơi
    vào vùng nguy hiểm và có xu
    hướng phát triển tốt lên, vì
    vậy ngân hàng hoàn toàn có
    thể cho DNB vay trong năm
    tiếp theo và việc ứng dụng mô
    Ghi chú: Vùng an toàn
    hình điểm số Z có độ chính
    Vùng xám (Vùng chưa chắc chắn)
    xác khá cao. Hình 2: Biểu đồ điểm số Z của DNB từ năm 2008-2018
    khoa học !
    32 thương mại Số 154/2021

  8. KINH TẾ VÀ QUẢN LÝ

    Bảng 3: Điểm Z-Score từ năm 2008 – 2017 của DNB

    Nguồn:Tác giả tự tính
    Bảng 4: Xếp hạng tín dụng DNB dựa trên Z-Score và S&P

    Nguồn: Altman và Hotchkiss 2006

    khoa học !
    Số 154/2021 thương mại 33

  9. KINH TẾ VÀ QUẢN LÝ

    Bảng 5: Dữ liệu dự báo theo Trung bình động 4. Dự báo điểm số Z theo phương pháp trung bình
    động
    Theo kết quả dự báo từ bảng 3, ta thấy điểm số
    Z năm 2019 của DNB giống năm 2018, nằm trong
    khoảng 2,81< 3,041< 3,74, xếp hạng BBB+ thể
    hiện DNB có khả năng trả nợ gốc và lãi, tuy nhiên
    không thật chắc chắn. Để an toàn hơn, ngân hàng
    cần xem xét thêm một số yếu tố Phi tài chính như:
    Lịch sử tín dụng, Quy mô quản lý, Trình độ quản lý,
    Số năm thành lập… để ra quyết định một cách an
    toàn nhất.
    5. Một số kiến nghị
    Một là, Mô hình điểm số Z đã sử dụng phương
    pháp phân tích khác biệt đa nhân tố để lượng hóa
    xác suất vỡ nợ của người vay đã khắc phục được các

    Hình 3: Đồ thị dự báo điểm số Z theo Trung bình động
    3.3. Xếp hạng tín dụng DNB dựa mối quan hệ nhược điểm của mô hình định tính, do đó góp phần
    giữa xếp hạng của S&P và mô hình Z_Score tích cực trong việc kiểm soát rủi ro tín dụng tại các
    Theo bảng 4 trong năm 2018, DNB nằm trong Ngân hàng thương mại. Tuy nhiên mô hình lệ thuộc
    khoản từ 2,81 đến 3,74, nghĩa là doanh nghiệp được hoàn toàn vào chất lượng của dữ liệu. Do đó, các
    xếp hạng BBB+ thể hiện khả năng trả nợ gốc và lãi NHTM cần phải đảm bảo tính đúng đắn của các
    hiện thời không thật chắc chẵn. Để an toàn hơn, thông tin trên báo cáo tài chính do doanh nghiệp
    ngân hàng cần xem xét thêm một số yếu tố Phi tài cung cấp.
    chính như: Lịch sử tín dụng, Quy mô quản lý, Trình Hai là, khi phân tích 5 chỉ tiêu X1, X2, X3, X4,
    độ quản lý, Số năm thành lập… để ra quyết định một X5 nếu có phát hiện bất thường ta cần tìm hiểu rõ lý
    cách an toàn nhất. do để biết được nguyên nhân dẫn đến sự tăng hay
    giảm của các chỉ tiêu đó

    khoa học !
    34 thương mại Số 154/2021

  10. KINH TẾ VÀ QUẢN LÝ

    Ba là, Các NHTM khi áp dụng mô hình cần trái phiếu cho sinh viên ngành tài chính”, Trường
    tính toán lại điểm số Z để nắm bắt được sự thay Đại học Thương mại.
    đổi tình hình tài chính của công ty, từ đó có biện [6] Merton, Robert C (1972), “On the pricing of
    pháp kịp thời corporate debt: The risk structure of interest rates”,
    Bốn là, khi điểm số Z rơi vào khoảng chưa chắc Journal of Finance, v29, 449-470.
    chắn, các ngân hàng cần xem xét thêm đến các yếu [7] Nguyễn Phi Lân (2011), “Mô hình cảnh báo
    tố phi tài chính như: Lịch sử tín dụng, Quy mô quản sớm và chính sách hướng tới ổn định kinh tế vĩ mô”,
    lý, Trình độ quản lý, Số năm thành lập… để ra quyết Ngân hàng Nhà nước Việt Nam, số 2-3, Tr.27-32.
    định một cách an toàn nhất. [8] S&P (2018), S&P Global Rating Definitions,
    6. Kết luận https://www.standardandpoors.com/en_US/web/gue
    Rủi ro tín dụng mang lại hậu quả rất lớn cho st/article/-/view/sourceId/504352, Xem 17/02/2019.
    các ngân hàng. Tuy nhiên việc đối mặt với nó là tất
    yếu đối với mọi ngân hàng đặc biệt trong bối cảnh Summary
    cạnh tranh khốc liệt như ngày nay. Kết quả nghiên
    cứu của bài báo có thể giúp các nhà quản lý ngân During the period of global crisis caused by the
    hàng có thêm một công cụ để phân tích và nhận Covid-19 pandemic, it was not outside of compa-
    biết những khách hàng có nguy cơ mất khả năng nies and fields of activity that suffered great risks
    trả nợ, đồng thời cho biết những yếu tố ảnh hưởng in their business activities, which was the banking
    mạnh đến rủi ro tín dụng để các nhà quản lý có credit sector. Because companies and enterprises
    chính sách tập trung phù hợp. Tuy nhiên mô hình are heavily affected by the Covid-19 epidemic,
    điểm số Z chỉ thực sự thể hiện hết tính ưu việt của production and business activities of the units are
    nó khi cơ sở dữ liệu trong các báo cáo tài chính affected. This has affected their ability to repay
    của doanh nghiệp Việt Nam phải công khai và debts for banks. From there, leading to bad debt at
    minh bạch.! commercial banks in Vietnam in recent years has
    increased, no downward trend. In order to limit
    Tài liệu tham khảo: and reduce risks to the business operations of
    banks, the proposal and application of risk early
    [1] Altman, Edward I (1968), Financial Ratios, warning models is essential. The article proposes
    Discriminant Analysis and the Prediction Of a risk management solution based on early warn-
    Corporate Bankruptcy, Journal of Finance, 23(4): ing by applying research Z-Score model to help
    589-609. commercial banks identify customers who are able
    [2] Edward I. Altman &Hotchkiss (2006), to bring credit risk to their banks and assist them
    Corporate Financial Distress and Bankruptcy, John in credit decisions.
    Wiley & Sons, Inc.
    [3] J.P. Morgan (1997), Introduction to
    CreditMetrics, United States.
    [4] Lê Văn Tuấn (2008), Khám phá sự thú vị của
    phần mềm R trong định lượng rủi ro tín dụng,
    Trường Đại học Thương mại.
    [5] Lê Văn Tuấn (2016), “Ứng dụng mô hình
    Merton trong giảng dạy rủi ro tín dụng và định giá

    khoa học
    Số 154/2021 thương mại 35

Download tài liệu Nghiên cứu mô hình Z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam File Word, PDF về máy