GIẢI PHÁP HỖ TRỢ RA QUYẾT ĐỊNH TÍN DỤNG ĐỐI VỚI CÁC KHOẢN VAY CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI CÁC NHTM VIỆT NAM – TRƯỜNG HỢP CÁC YẾU TỐ PHI TÀI CHÍNH | Thắng | TNU Journal of Science and Technology

GIẢI PHÁP HỖ TRỢ RA QUYẾT ĐỊNH TÍN DỤNG ĐỐI VỚI CÁC KHOẢN VAY CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI CÁC NHTM VIỆT NAM – TRƯỜNG HỢP CÁC YẾU TỐ PHI TÀI CHÍNH

Thông tin bài báo

Ngày nhận bài: 28/03/19                Ngày đăng: 30/06/19

Các tác giả

Đỗ Năng Thắng Email to author, Trường Đại học Công nghệ thông tin & Truyền thông - ĐHTN

Tóm tắt


Các nhà kinh tế thường gọi Ngân hàng là “ngành kinh doanh rủi ro”. Thực tế đã chứng minh không một ngành nào mà khả năng dẫn đến rủi ro lại lớn như trong lĩnh vực kinh doanh tiền tệ - tín dụng. Ngân hàng phải gánh chịu những rủi ro không những do nguyên nhân chủ quan của mình, mà còn phải gánh chịu những rủi ro từ phía khách hàng gây ra. Chính vì vậy, một công cụ hỗ trợ các ngân hàng thương mại trong việc cảnh báo rủi ro tín dụng là rất cần thiết, đặc biệt trong bối cảnh cạnh tranh khốc liệt như ngày nay. Trên thế giới đã có một số công trình nghiên cứu liên quan đến vấn đề này. Tuy nhiên mỗi công trình đều chỉ phát huy thế mạnh ở một khía cạnh nào đó và chưa thực sự phù hợp với điều kiện thực tế ở Việt Nam. Với tính cấp thiết như vậy, bài báo đề xuất một phương pháp kết hợp giữa chấm điểm các yếu tố phi tài chính với xếp hạng tín dụng của S&P, từ đó giúp ngân hàng thương mại có thêm một công cụ trong việc trợ giúp ra quyết định tín dụng hạn chế rủi ro.


Từ khóa


Mô hình cảnh báo; rủi ro tín dụng; mô hình chấm điểm; Hệ số phi tài chính; Xếp hạng tín dụng

Toàn văn:

PDF

Tài liệu tham khảo


[1]. Merton, Robert C., “On the pricing of corporate debt: The risk structure of interest rates”, Journal of Finance, vol. 29, pp. 449-470, 1972.

[2]. Altman, Edward I., “Financial Ratios, Discriminant Analysis and the Prediction Of Corporate Bankruptcy”, Journal of Finance, vol. 23, no. 4, pp. 589-609, 1968.

[3]. J.P. Morgan, “Introduction to CreditMetrics”, 13/08/2010,https://vi.scribd.com/document/35821973/Intro-to-Credit-Metrics-JP-Morgan, truy cập ngày 10/01/2019.

[4]. Lê Văn Tuấn, “Khám phá sự thú vị của phần mềm R trong định lượng rủi ro tín dụng”, 05/06/2016,https://tuanvanle.wordpress.com/2016/06/05/kham-pha-su-thu-vi-cua-phan-mem-r-trong-dinh-luong-rui-ro-tin-dung, truy cập ngày 17/01/2019.

[5]. Lê Văn Tuấn, “Ứng dụng mô hình Merton trong giảng dạy rủi ro tín dụng và định giá trái phiếu cho sinh viên ngành tài chính”, 11/11/2016,https://tuanvanle.wordpress.com/2016/11/11/ung-dung-mo hinh-merton-trong-giang-day-rui-ro-tin-dung-va-dinh-gia-trai-phieu-cho-sinh-vien-nganh-tai-chinh, truy cập ngày 17/02/2019.

[6]. Nguyễn Phi Lân, “Mô hình cảnh báo sớm và chính sách hướng tới ổn định kinh tế vĩ mô”, Ngân hàng Nhà nước Việt Nam, T. 2, S.3, tr. 27-32, 2011.

[7]. S&P, “S&P Global Rating Definitions”,31/10/2018,

https://www.standardandpoors.com/en_US/web/ guest/article/-/view/sourceId/504352, truy cập ngày 17/02/2019.


Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved