024 3783 2121 | CSKH : 024 3202 6888  |  info@cpavietnam.vn; hotro@cpavietnam.vn
Mô hình cảnh báo sớm rủi ro tín dụng cho các ngân hàng thương mại.

 

Mô hình cảnh báo sớm rủi ro tín dụng cho các ngân hàng thương mại

Ảnh minh họa. Nguồn: internet

Nhằm giúp các ngân hàng thương mại lựa chọn được mô hình cảnh báo sớm rủi ro tín dụng phù hợp, bài viết tập trung phân tích các phương pháp cảnh báo rủi ro phổ biến nhất, cũng như điều kiện áp dụng hợp lý của từng phương pháp trong điều kiện cụ thể của hệ thống ngân hàng thương mại tại Việt Nam hiện nay.

Khái quát về vai trò của mô hình cảnh báo sớm rủi ro tín dụng

Trong hoạt động kinh doanh của ngân hàng thương mại luôn chứa đựng nhiều rủi ro. Đó có thể là rủi ro tín dụng (RRTD) khi các khoản tín dụng không được khách hàng thanh toán đúng hạn và các tài sản đảm bảo, tài sản thế chấp và những tài sản khác của ngân hàng bị mất khả năng thanh khoản. Cũng có thể là rủi ro thanh toán khi ngân hàng không thực hiện được trách nhiệm tài chính với các khoản vốn huy động trước đó; Hay rủi ro lãi suất, thứ khiến cho hiệu quả kinh doanh, giá trị ngân hàng bị suy giảm đáng kể.

Trên thế giới, các nghiên cứu và thực tế cho thấy, hệ thống cảnh báo sớm là một công cụ thống kê phức tạp, được thiết kế để giám sát các chỉ tiêu kinh tế và tài chính, từ đó định lượng hóa khả năng suy giảm của các chỉ báo kinh tế, nhằm cảnh báo sớm các rủi ro tín dụng khi chúng chưa xảy ra hay trong giai đoạn đầu của sự suy giảm.

Giai đoạn 2007- 2008, kinh tế thế giới trải qua thời kỳ đen tối với sự đổ vỡ hàng loạt trong hệ thống ngân hàng, tình trạng "đói" tín dụng lan rộng, giá chứng khoán sụt giảm và các đồng tiền bị mất giá trầm trọng trên quy mô lớn tại Mỹ và nhiều nước châu Âu...

Khởi nguồn của cuộc đại suy thoái này là bong bóng bất động sản cùng với hệ thống giám sát, cảnh báo sớm rủi ro tín dụng thiếu hoàn thiện ở Hoa Kỳ. Sự đổ vỡ của những bong bóng này đã dẫn tới nhiều nhà đầu tư bị mất khả năng thanh toán các khoản vay đối với ngân hàng, các tổ chức tài chính, dẫn đến khủng hoảng tín dụng lan rộng.

Nhằm đối mặt với các cuộc khủng hoảng kinh tế và tài chính, cũng như hạn chế các tiêu cực của nó, các nhà kinh tế học trên thế giới đã nghiên cứu và xây dựng một hệ thống cảnh báo sớm (EWS) nhằm nâng cao khả năng ngăn ngừa các cuộc khủng hoảng xảy ra trong tương lai.

Tại Việt Nam, Báo cáo của các ngân hàng thương mại đã phản ảnh một tỷ lệ nợ xấu gia tăng một cách đáng kể trong năm 2020. Tại Vietcombank, nợ xấu tính đến cuối quý II/2020 tăng 36% so với đầu năm, lên gần 7.885 tỷ đồng, trong đó, nợ nhóm 3 (nợ dưới tiêu chuẩn) tăng tới 4,2 lần, lên 2.923 tỷ đồng và nợ nhóm 4 (nợ nghi ngờ) tăng gần 3 lần. Tỷ lệ nợ xấu trên tổng dư nợ tăng từ 0,79% cuối năm 2019 lên 1,01% vào cuối quý II/2020. Nợ xấu của MB cũng tăng hơn 39%, lên 4.036 tỷ đồng, khiến tỷ lệ nợ xấu trên dư nợ cho vay tăng từ 1,16% lên 1,5% và không có khoản xóa nợ nào tại ngân hàng mẹ trong kỳ. Những con số này là dấu hiện rõ nét nhất cho sự thiếu hiệu quả của hệ thống cảnh báo sớm rủi ro tín dụng tại các ngân hàng thương mại ở Việt Nam. Một trong những nguyên nhân cốt lõi là sự am hiểu của các nhà quản lý về các phương pháp xây dựng mô hình cảnh báo sớm chưa đầy đủ, dẫn đến việc áp dụng vào thực tế tại Việt Nam còn nhiều hạn chế.

Trên thế giới, các nghiên cứu và thực tế cho thấy, hệ thống cảnh báo sớm là một công cụ thống kê phức tạp, được thiết kế để giám sát các chỉ tiêu kinh tế và tài chính, từ đó định lượng hóa khả năng suy giảm của các chỉ báo kinh tế, nhằm cảnh báo sớm các rủi ro tín dụng khi chúng chưa xảy ra hay trong giai đoạn đầu của sự suy giảm. Hệ thống cảnh báo sớm có thể được xem như một cơ chế chuyển đổi thông tin nội hàm trong các chỉ số kinh tế và tài chính thành thước đo xác suất xảy ra rủi ro trong tương lai.

Nói cách khác, ý tưởng cơ bản của hệ thống cảnh báo sớm là theo dõi các biến số kinh tế quan trọng, từ đó giúp các nhà hoạch định chính sách dự đoán trước khả năng xảy ra khủng hoảng để có đủ thời gian thực hiện các biện pháp thích hợp ngăn chặn khủng hoảng hoặc giảm thiểu tác hại của nó (Yap (1998)).

Hệ thống cảnh báo sớm rủi ro tín dụng là công cụ hữu hiệu giúp các ngân hàng thương mại nhận biết và giảm thiểu tỷ lệ khách hàng nợ xấu, nợ quá hạn bằng cách đánh giá danh mục đầu tư thường xuyên, giúp duy trì chất lượng tín dụng. Đồng thời, hệ thống cảnh báo sớm cũng giúp các ngân hàng giảm thiểu những thiệt hại trong trường hợp có khách hàng gặp rủi ro, không thực hiện được các trách nhiệm tài chính với ngân hàng (trả lãi, trả gốc) bằng cách tăng giá trị tài sản đảm bảo cần thiết của những khoản nợ.

Một số nghiên cứu thực nghiệm của Thomson (1991); Bernhardsen (2001); Jagtiani, Kolari, Lemieux, Shin (2002); Lanine, Vennet (2005); Halling, Hayden (2006); Brossard, Ducrozet, Roche (2007) đã phát hiện và chứng minh vai trò quan trọng của các chỉ số kinh tế vĩ mô trong báo hiệu và định lượng xác suất một tổ chức tín dụng bị mất khả năng thanh toán. Trong khi đó, các nghiên cứu của Yap (1998); Hutchison, McDill (1999); Demirguc, Detragiache (1999); Edison (2000); Wong, Leung (2007) đã chỉ ra mối quan hệ nhân quả giữa các biến số kinh tế vĩ mô với khả năng xảy ra khủng khoảng tài chính.

Đối với Việt Nam, việc nghiên cứu, phát triển và áp dụng mô hình cảnh báo sớm rủi ro tín dụng còn hạn chế, tùy thuộc vào khẩu vị rủi ro, hệ thống thông tin giám sát của từng ngân hàng cũng như của toàn bộ hệ thống. Tuy vậy, cũng đã có một số công trình nghiên cứu liên quan đến vấn đề này. Hội thảo “Vai trò của Ngân hàng Nhà nước đối với sự ổn định của hệ thống tài chính” ngày 30/5/2014 do Ngân hàng Nhà nước Việt Nam tổ chức đã đề cập đến vai trò quan trọng của mô hình cảnh báo sớm trong giám sát an toàn hệ thống ngân hàng.

Đồng thời, tại Hội thảo, các chuyên gia đã đề cập đến một số mô hình cảnh báo sớm được sử dụng trên thế giới, cũng như nhấn mạnh mối quan hệ chặt chẽ của các chỉ số kinh tế và tài chính đối với rủi ro tín dụng cho ngành Ngân hàng. Nghiên cứu của Nguyễn Thị Lan (2016) chỉ ra những nguy cơ xảy ra khủng hoảng tài chính - tiền tệ ở Việt Nam và sự cần thiết phải xây dựng một hệ thống cảnh báo sớm rủi ro cho các ngân hàng thương mại ở Việt Nam.

Nhìn chung, những nghiên cứu này tập trung vào mô hình cảnh báo sớm rủi ro ở cấp vĩ mô cho toàn bộ hệ thống. Gần đây, Đỗ Thị Thu Hà (2020) cũng tập trung nghiên cứu về hệ thống cảnh báo sớm rủi ro tín dụng tại các ngân hàng thương mại Việt Nam trên cơ sở phân tích thực trạng cấu trúc hệ thống cảnh báo sớm rủi ro tín dụng và thực trạng các điều kiện áp dụng hệ thống này tại một số ngân hàng thương mại bằng phương pháp phỏng vấn chuyên gia và khảo sát qua bảng hỏi.

Tác giả có nghiên cứu thực nghiệm 02 trong số 04 phương pháp phổ biến (phân tích phân biệt cho nhóm khách hàng cá nhân, hồi quy Logit cho khách hàng doanh nghiệp) để từ đó đưa ra những khuyến nghị chung về xây dựng mô hình cảnh báo sớm rủi ro cho các ngân hàng thương mại. Như vậy, hệ thống hóa và làm rõ hơn phương pháp luận cũng như tính hữu dụng của từng phương pháp/từng mô hình cảnh báo sớm rủi ro tín dụng sẽ giúp các ngân hàng thương mại dễ dàng lựa chọn mô hình phù hợp với khẩu vị rủi ro, hệ thống thông tin, cơ sở hạ tầng, chất lượng nhân sự, cũng như chính sách tín dụng của mình.

Một số mô hình cảnh báo rủi ro tín dụng cho ngân hàng thương mại

Với mục đích cốt lõi là để dự báo và cảnh báo, các mô hình cảnh báo sớm rủi ro tín dụng cần phải được xây dựng dựa trên các cơ sở vững chắc về lý thuyết thống kê và kinh tế nhằm đạt được khả năng dự báo tối ưu với sai số nhỏ nhất. Để đáp ứng yêu cầu đó, các nhà kinh tế học trên thế giới đã nghiên cứu và phát triển nhiều các phương pháp xây dựng mô hình cảnh báo sớm với độ tin cậy cao. Tuy nhiên, có 4 phương pháp phổ biến nhất đang được áp dụng tại nhiều quốc gia: Phương pháp tín hiệu, Phương pháp hồi quy logit, Phương pháp hồi quy đa biến và Phương pháp chỉ tiêu.

Phương pháp tín hiệu

Một trong những phương pháp phổ biến nhất để xây dựng mô hình cảnh báo sớm là phương pháp tín hiệu. Phương pháp này giả định rằng, có mối quan hệ phi tuyến giữa các chỉ báo kinh tế và rủi ro tín dụng. Các chỉ báo sẽ phát một tín hiệu cảnh báo khi vượt qua ngưỡng cảnh báo. Tín hiệu ở đây được hiểu là dấu hiệu của việc vỡ nợ, rủi ro lãi suất hay bất cứ một rủi ro tín dụng nào khác.

Các chỉ báo kinh tế đóng một vai trò trọng yếu trong việc xây dựng mô hình cảnh báo sớm rủi ro tín dụng. Việc lựa chọn các chỉ báo kinh tế có thể dựa trên các lý thuyết kinh tế, xét đoán của nhà quản trị hoặc dựa trên kinh nghiệm quá khứ bằng cách phân tích các cuộc khủng hoảng đã xảy ra. Theo các nhà nghiên cứu, có 5 nhóm chỉ báo kinh tế thường góp mặt trong mô hình cảnh báo sớm và mang lại hiệu quả dự báo tối ưu nhất: các tiêu chí tài chính, các tiêu chí hành vi, các tiêu chí địa lý, các tiêu chí ngành và các tiêu chí nhận thức.

Các tiêu chí tài chính như dòng tiền, lợi nhuận biên, tài sản đảm bảo... là một công cụ đáng tin cậy để cảnh báo các ngân hàng về rủi ro vỡ nợ của khách hàng. Các tiêu chí về hành vi nhằm cung cấp cho ngân hàng thông tin tiềm ẩn về tính chính trực và năng lực của chủ sở hữu như thường xuyên trì hoãn trong việc báo cáo tài chính, miễn cưỡng hoặc không sẵn sàng phản hồi các thông báo, lẩn tránh các yêu cầu hoặc đưa ra các yêu cầu không liên quan. Các tiêu chí về địa lý như phá giá tỷ giá hối đoái, suy thoái kinh tế trong khu vực, lợi tức trái phiếu chính phủ tăng… cũng là những dấu hiệu quan trọng trong việc nhận biết các rủi ro tín dụng.

Các tiêu chí về ngành có thể được xác định thông qua các chỉ số sau: mất khả năng kiểm soát chi phí, nguy cơ chuyển dịch kinh doanh sang các thị trường mới nổi, sự thay đổi trong hành vi của khách hàng… Các tiêu chí nhận thức đóng vai trò quan trọng trong đánh giá sự phát triển của một công ty: Sự suy giảm về nhận thức của khách hàng đối với thương hiệu, những ảnh hưởng xấu về mặt truyền thông, thu hồi sản phẩm đã bán…

Ngưỡng cảnh báo được thiết lập sao cho tối thiểu hóa giá trị trung bình có trọng số của xác suất xảy ra sai lầm loại I và sai lầm loại II. Đối với mỗi giai đoạn, nếu như kết quả quan sát của mỗi chỉ tiêu vượt quá ngưỡng và rơi vào vùng nguy hiểm thì chỉ tiêu sẽ phát tín hiệu cảnh báo. Việc phát tín hiệu cảnh báo của một chỉ tiêu được chia thành 4 loại như sau:

- A: Phát tín hiệu cảnh báo và xảy ra khủng hoảng (cảnh báo đúng)

- B: Phát tín hiệu cảnh báo và không xảy ra khủng hoảng (cảnh báo sai)

- C: Không phát tín hiệu cảnh báo và xảy ra khủng hoảng (cảnh báo sót)

- D: Không phát ra tín hiệu cảnh báo và không xảy ra khủng hoảng (cảnh báo đúng)

Sai lầm loại I: C/(A+C): Không phát tín hiệu cảnh báo khi sắp xảy ra khủng hoảng

Sai lầm loại II: B/(B+D): Cảnh báo giả

Như vậy, sẽ có sự đánh đổi giữa 2 loại sai lầm trong việc xác định ngưỡng cảnh báo. Nếu giảm thiểu sai lầm loại này sẽ dẫn đến tăng sai lầm loại kia. Do đó, việc xác định mức độ tương quan giữa 2 loại lỗi phải được quyết định dựa trên khẩu vị rủi ro của nhà quản lý và chi phí cơ hội của mỗi loại lỗi.

Nếu gia tăng tỷ trọng của sai lầm loại I, các nhà quản lý có thể bị ảnh hưởng và chịu trách nhiệm, vì đã không lường trước và phản ứng kịp thời với khủng hoảng. Ngược lại, nếu gia tăng tỷ trọng sai lầm II, các nhà quản lý có thể bị quy kết đã thực hiện những hành động không cần thiết và tốn kém.

Với những giả định nêu trên, ngưỡng cảnh báo được xác định bằng việc tối ưu hóa hàm toán học sau:

Mô hình cảnh báo sớm rủi ro tín dụng cho các ngân hàng thương mại - Ảnh 1

Việc tìm kiếm “ngưỡng cảnh báo tối ưu” cho mỗi chỉ tiêu nhằm tối đa hóa năng lực dự báo của chỉ tiêu đó. Một số tiêu chí đo lường năng lực cảnh báo của một chỉ tiêu:

Tỷ lệ nhiễu trên tín hiệu cảnh báo: Tỷ lệ nhiễu của một tiêu chí càng thấp thì khả năng cảnh báo khủng hoảng của tiêu chí đó càng cao.

NSR = [B/(B+D)]/[A/(A+C)]

Xác suất khủng hoảng có điều kiện: Xác suất khủng hoảng có điều hiện của một tiêu chí càng cao, thì khả năng cảnh báo khủng hoảng của tiêu chí này càng lớn.

CP = A/(A+B) 

Tỷ trọng của các thời kỳ tiền khủng hoảng: Tỷ trọng của các thời kỳ tiền khủng hoảng càng cao, thì khả năng dự báo khủng hoảng của tiêu chí càng cao.

SP=A/(A+C)

Như vậy, phương pháp tín hiệu mang lại một cách tiếp cận đơn giản trong việc xây dựng mô hình cảnh báo sớm rủi ro tín dụng. Phương pháp này cũng cho phép sử dụng nhiều chỉ tiêu cảnh báo cùng một lúc, mang lại một cái nhìn toàn diện về sự tác động qua lại của các chỉ báo trong nền kinh tế. Tuy nhiên, phương pháp này đòi hỏi sự minh bạch và đáng tin cậy của các chỉ báo kinh tế vĩ mô, điều mà vẫn còn hạn chế ở Việt Nam. Do đó, phương pháp sẽ hữu dụng cho việc cảnh báo sớm rủi ro tín dụng nếu ngân hàng thương mại xây dựng và hoàn thiện được hệ thống tiêu chí và chỉ tiêu đo lường cho từng nhóm khách hàng và theo điều kiện cấp tín dụng, bởi ngưỡng cảnh báo sẽ rất khác nhau với từng đối tượng khách hàng và từng hình thức tín dụng.

Phương pháp hồi quy logit

Mô hình hồi quy logit được sử dụng để mô hình hóa xác suất của một sự kiện trong tương lai dựa trên hàm toán học logit. Mô hình hồi quy logit có biến phụ thuộc với hai giá trị được biểu diễn là “0” và “1”, thể hiện xác suất “xảy ra” và “không xảy ra” của các sự kiện kinh tế muốn dự báo như vỡ nợ, khủng hoảng hay phá sản.

Mô hình hồi quy logit nhằm thể hiện mối tương quan giữa các sự kiện kinh tế nêu trên với một số các biến phụ thuộc: Các biến kinh tế vĩ mô (tốc độ tăng trưởng GDP, lạm phát, đầu tư trực tiếp nước ngoài...; các biến tài chính (cơ cấu nợ, tính thanh khoản...)

Mô hình hồi quy logit được biểu diễn như sau: 

Mô hình cảnh báo sớm rủi ro tín dụng cho các ngân hàng thương mại - Ảnh 2

Trong đó,

- Yit biểu diễn sự kiện khủng hoảng tài chính tại thời điểm t, có giá trị 1 nếu khủng hoảng xảy ra và có giá trị 0 nếu ngược lại.

- β là vector giá trị ước lượng của các hệ số hồi quy trong mô hình.

- Xit là vector của các biến phụ thuộc.

Hệ số hồi quy đo lường những thay đổi dự kiến trong log odds của các sự kiện khủng hoảng mà chúng ta muốn dự báo theo công thức sau: 

Mô hình cảnh báo sớm rủi ro tín dụng cho các ngân hàng thương mại - Ảnh 3

Đối với việc kiểm định mô hình, một mô hình tham số sẽ cho kết quả ước lượng xác suất của một cuộc khủng hoảng sẽ xảy ra trong một khoảng thời gian tới. Tín hiệu cảnh báo sẽ được đưa ra nếu xác suất khủng hoảng dự báo tại một thời điểm nào đó vượt ngưỡng cảnh báo.

Phương pháp hồi quy đa biến

Một phương pháp khác cũng được sử dụng phổ biến trong việc xây dựng mô hình cảnh báo sớm là hồi quy đa biến. Mô hình hồi quy đa biến được thể hiện qua phương trình dưới đây:

Trong đó:

- Y là biến phụ thuộc, đại diện cho các sự kiện kinh tế muốn dự báo như vỡ nợ, phá sản hay khủng hoảng tài chính.

- X = (X1,X2,X3,X4 ) là các biến giải thích, đại diện cho các chỉ tiêu ảnh hưởng đến sự kiện muốn dự báo.

- B=(b0, b1, b2, b3, b4) là các hệ số hồi quy của mô hình.

Việc xác định các biến giải thích trong mô hình hồi quy đa biến có thể dựa trên các phân tích, phán đoán hay cảm quan của nhà quản lý hoặc dựa vào các nghiên cứu sẵn có trên thế giới. Tuy nhiên, các biến giải thích này thường được chia thành các nhóm chính sau: Nhóm biến tài chính (chỉ số thanh toán, đòn bẩy tài chính, lợi nhuận trên vốn (ROE), tỷ số lợi nhuận trên tài sản (ROA), doanh thu…); Nhóm biến phi tài chính (số năm trong ngành, kinh nghiệm của nhà quản lý...); Nhóm biến kinh tế vĩ mô (tốc độ tăng trường GDP, lạm phát, lãi suất...).

Như vậy, có thể thấy, điểm chung của phương pháp hồi quy logit và hồi quy đa biến là không chỉ giải thích mối quan hệ giữa các sự kiện cần dự báo với các chỉ báo kinh tế mà còn tính đến tác động qua lại lẫn nhau giữa các chỉ báo đó. Tuy nhiên, để áp dụng phương pháp này một cách hiệu quả, thì nền kinh tế phải ổn định và ít chịu tác động từ những nền kinh tế bên ngoài.

Phương pháp chỉ tiêu

Bên cạnh các phương pháp sử dụng các mô hình kinh tế lượng, các công cụ thống kê phức tạp đã nêu trên, các nhà kinh tế học đã phát triển một phương pháp đơn giản hơn trong việc xây dựng mô hình cảnh báo sớm rủi ro tín dụng, đó là phương pháp chỉ tiêu.

Với phương pháp này, các nhà quản lý sẽ lựa chọn một số chỉ tiêu có ảnh hưởng trực tiếp và trọng yếu tới việc xảy ra rủi ro tín dụng. Các chỉ tiêu này sẽ được lựa chọn dựa trên các lý thuyết kinh tế hoặc dựa vào kinh nghiệm của nhà quản lý.

Một khi các chỉ tiêu để dự báo được xác định, các nhà quản lý sẽ theo dõi chúng với tần suất cao (hàng ngày, hàng tuần hoặc hàng tháng) nhằm đưa ra những phân tích, cảnh báo mang tính định tính về những rủi ro tiềm ẩn, khoanh vùng những khu vực tiềm ẩn rủi ro tín dụng cao.

Việc xác lập các ngưỡng cảnh báo cho các chỉ tiêu này có thể dựa trên phương pháp chuyên gia (tự ấn định dựa trên kinh nghiệm) hoặc phương pháp định lượng. Sau đó, phân rủi ro thành các cấp độ cảnh báo khác nhau.

Phương pháp chỉ tiêu có ưu điểm là đơn giản, dễ áp dụng, không đòi hỏi nhà quản lý phải có quá nhiều kiến thức về mô hình và các công cụ thống kê phức tạp. Một ưu điểm nổi trội của phương pháp này là không đòi hỏi các chuỗi số liệu quá khứ dài, điều mà các mô hình nêu trên phải rất cân nhắc khi áp dụng. Tuy vậy, việc áp dụng phương pháp này đòi hỏi phải có một môi trường kinh tế lành mạnh, việc thống kê các chỉ báo kinh tế phải minh bạch và có tính trung thực cao.

Kết luận

Có thể thấy, mô hình cảnh báo sớm đóng một vai trò chiến lược trong xây dựng chính sách tín dụng nói chung và quản lý rủi ro tín dụng nói riêng tại từng ngân hàng thương mại cũng như toàn bộ hệ thống dưới góc độ giám sát của Ngân hàng Nhà nước.

Để nâng cao chất lượng cảnh báo sớm rủi ro tín dụng, trên cơ sở điều kiện thực tế, hệ thống ngân hàng Việt Nam cần chú trọng triển khai một số giải pháp sau:

Thứ nhất, tăng cường áp dụng phương pháp định lượng để do lường, cảnh báo sớm rủi ro tín dụng khách hàng thông qua phương pháp hồi quy logit và hồi quy đa biến. Phương pháp tín hiệu cần được Ngân hàng Nhà nước chú trọng áp dụng hơn để tăng cường khả năng cảnh báo cho toàn bộ hệ thống, cũng như định hướng xây dựng chính sách tín dụng cho các ngân hàng thương mại.

Thứ hai, do mỗi ngân hàng thương mại có khẩu vị rủi ro khác nhau, danh mục khách hàng và sản phẩm tín dụng mục tiêu khác nhau nên để tăng tính khách quan và chất lượng cảnh báo sớm rủi ro tín dụng, từng ngân hàng thương mại cần xây dựng hệ thống thông tin tập trung, thu thập cơ cở dữ liệu, nhận biết dấu hiệu cảnh báo sớm (các biến cần thiết của từng mô hình), ứng dụng công nghệ thông tin để phân tích, tính toán và đánh giá các chỉ tiêu cảnh báo định kỳ cho từng từng phân khúc khách hàng và sản phẩm tín dụng mà ngân hàng cung cấp.

Thứ ba, các ngân hàng thương mại nên thành lập bộ phận chuyên trách về cảnh báo sớm rủi ro tín dụng trong cơ cấu tổ chức của Ủy ban quản trị rủi ro. Bộ phận này sẽ chịu trách nhiệm xây dựng mô hình, lựa chọn phương pháp và hoàn thiện hệ thống tiêu chí, chỉ tiêu cảnh báo sớm rủi ro phù hợp với chiến lược kinh doanh của ngân hàng, cũng như đảm bảo tính độc lập, khách quan với các bộ phận kinh doanh của ngân hàng.

Nếu những vấn đề cơ bản này được triển khai đồng bộ và triệt để, cùng với ứng dụng công nghệ thông tin, mỗi ngân hàng thương mại sẽ xây dựng được cho mình mô hình cảnh báo sớm rủi ro phù hợp cho từng giai đoạn phát triển chiến lược của mình, cũng như chủ động ứng phó với biến động kinh tễ vĩ mô.   

Tài liệu tham khảo:

1. Đỗ Thị Thu Hà  (2020), Hệ thống cảnh báo sớm rủi ro tín dụng tại các ngân hàng thương mại Việt Nam, Luận án Tiến sĩ  Kinh tế, Học viện Ngân hàng;

2. Nguyễn Thị Lan (2016), Xây dựng hệ thống cảnh báo sớm khủng hoảng kinh tế, tài chính- tiền tệ và sự cần thiết đối với Việt Nam, Tạp chí Kinh tế Đối ngoại số 82/2016;

3. Hội thảo “Vai trò của Ngân hàng Nhà nước đối với sự ổn định của hệ thống tài chính”,  Ngân hàng Nhà nước Việt Nam 30/05/2014 (https://bitly.com.vn/79tymp);

4. Falnita, Eugen and Sipos, Ciprian (2007), A multiple regression model for inflation rate in Romania in the enlarged EU;

5. Graciela Kasminsky, Saul Lizondo và Carmen M Reinhar (1998), Leading indicators of currency crises, IMF staf papers vol 45, p18 – 19;

6. Imad Feneir (2016), The banking crisis;

7. Kaminsky, Graciela (1998), Currency and banking crises: A composite leading indicator. Washington, D.C., Board of Governors of the Federal Reserve System;

8. Reinhart, Carmen and Goldstein, Morris and Kaminsky, Graciela (2010), Methodology for an Early Warning System: The Signals Approach;

9. Străchinaru Adina Ionela (2014), Early warning systems- anticipation’s factors of baning crises.

Trích nguồn

TS. Đào Thanh Bình - Viện Kinh tế và Quản lý, Trường Đại học Bách khoa Hà Nội; Cao Hồng Vân Anh - Trung tâm Nghiên cứu và Ứng dụng AI Quy Nhơn, FPT Software.

29/06/2021
  
TRỤ SỞ CHÍNH
  • Tầng 8, Cao ốc Văn phòng VG Building 
    Số 235 Nguyễn Trãi, Q. Thanh Xuân
    TP. Hà Nội, Việt Nam
  • Phone: 024 3783 2121
  • Fax: 024 3783 2122
CHI NHÁNH TP. HỒ CHÍ MINH
  • Tầng 4, Tòa nhà Hoàng Anh Safomec
    ​7/1 Thành Thái, P.14, Q.10
    ​TP. Hồ Chí Minh, Việt Nam
  • Phone: 028 3832 9969
  • Fax: 028 3832 9959
CHI NHÁNH MIỀN BẮC
  • Số 97, Phố Trần Quốc Toản
    PhườngTrần Hưng Đạo 
    Quận Hoàn Kiếm,TP.Hà Nội, Việt Nam
  • Phone: 024 73061268
  • Fax: 024 7306 1269
VĂN PHÒNG ĐẠI DIỆN
  • Tầng 16, Tòa nhà T01-C37 Bắc Hà
    ​Đường Tố Hữu, Quận Nam Từ Liêm,   TP. Hà Nội, Việt Nam
  • Phone: 024 6666 6368
  • Fax: 024 6666 6368