1. Trang Chủ
  2. Ngân hàng - Tín dụng
  3. Quản lý khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam chi nhánh Long An

Quản lý khả năng trả nợ của khách hàng cá nhân tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam chi nhánh Long An

Nghiên cứu được thực hiện với mục tiêu phân tích thực trạng quản lý khả năng trả nợ của khách hàng cá nhân tại BIDV chi nhánh Long An, đồng thời mang kiến thức khoa học vận dụng vào thực tế. Với dữ liệu mẫu là 315 khách hàng cá nhân có dư nợ tín dụng tại BIDV chi nhánh Long An được chọn theo nguyên tắc ngẫu nhiên tại thời điểm cuối năm 2019 cùng với sự hỗ trợ của phần mềm SPSS 20. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 QUẢN LÝ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG THƯ

Thể loại Tài liệu miễn phí Ngân hàng - Tín dụng

Số trang 6

Ngày tạo 4/6/2023 12:04:41 PM +00:00

Loại tệp PDF

Kích thước 0.34 M

Tên tệp

Tải Quản lý khả năng trả nợ của khách hàng cá nhân tại... (.pdf)

Xem mẫu

  1. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 QUẢN LÝ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM – CHI NHÁNH LONG AN The management of credit-worthiness of individual customers at joint stock Commercial Bank for Investment and Development of Vietnam - Long An branch Phạm Sương Thảo 1 1 Học viên cao học Trường Đại học Kinh tế Công nghiệp Long An, Long An, Việt Nam thaops@bidv.com.vn Tóm tắt — Nghiên cứu được thực hiện với mục tiêu phân tích thực trạng quản lý khả năng trả nợ của khách hàng cá nhân tại BIDV chi nhánh Long An, đồng thời mang kiến thức khoa học vận dụng vào thực tế. Với dữ liệu mẫu là 315 khách hàng cá nhân có dư nợ tín dụng tại BIDV chi nhánh Long An được chọn theo nguyên tắc ngẫu nhiên tại thời điểm cuối năm 2019 cùng với sự hỗ trợ của phần mềm SPSS 20. Phân tích hồi quy Binary Logistic được sử dụng trong nghiên cứu. Kết quả phân tích hồi quy Binary Logistic, tác giả đã cho thấy được 6 nhân tố tác động đến khả năng trả nợ của khách hàng cá nhân, đó là: (1) qmo, (2) tnhap, (3) ctru, (4) mdich , (5) utin và (6) nhao. Abstract — The study is carried out with the aim of analyzing the current management of credit- worthiness management of individual customers at BIDV Long An branch, at the same time bringing the scientific knowledge applies into practice. With the data sample of 315 individual customers who have debit balance at BIDV Long An branch, are selected according to the principle of randomness at the end of the year 2019, with the support of SPSS 20 software. Binary Logistic regression analysis is used in the study. The result of the Binary Logistic regression analysis, the author showed that there are 6 factors affect to the credit-worthiness of individual customers, they are: 1) qmo, (2) tnhap, (3) ctru, (4) mdich , (5) utin and (6) nhao. Từ khóa — Khả năng trả nợ, khách hàng cá nhân, BIDV Long An, credit-worthiness, individual customers. 1. Sự cần thiết của đề tài Trong bối cảnh nền kinh tế vẫn còn nhiều khó khăn, hoạt động sản xuất kinh doanh của các doanh nghiệp chịu nhiều sự tác động to lớn, số lượng các doanh nghiệp giảm quy mô sản xuất thậm chí giải thể, ngừng hoạt động không ngừng gia tăng qua từng năm. Trước những khó khăn như vậy, việc tiếp cận nguồn vốn vay ngân hàng đối với các doanh nghiệp trở nên hết sức khó khăn, đặc biệt là đối với các doanh nghiệp có quy mô vừa và nhỏ không có tài sản đảm bảo. Điều này không chỉ gây khó khăn cho các doanh nghiệp mà còn làm các ngân hàng bị “ứ động vốn”. Trước thực trạng đó, Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam chi nhánh Long An (BIDV chi nhánh Long An) tập trung hướng đến phát triển phân khúc khách hàng cá nhân (KHCN) nhằm đa dạng hóa rủi ro và tăng hiệu quả hoạt động kinh doanh. Trong năm 2019, với hàng loạt các gói tín dụng ưu đãi, chính sách mở rộng cho vay đối với khách hàng cá nhân, BIDV chi nhánh Long An đã đạt được những kết quả tích cực trong mảng cho vay khách hàng cá nhân. Kết quả hoạt động kinh doanh năm 2019 tiếp tục được duy trì ở mức tốt so với mức lợi nhuận các ngân hàng khác, cơ cấu tín dụng luôn được cải thiện khi mà tỷ trọng dư nợ cho vay khách hàng cá nhân ngày càng cao trong tổng dư nợ. Do vậy, việc BIDV chi nhánh Long An tập trung vào phát triển mảng cho vay khách hàng cá nhân trong bối cảnh thị trường tín dụng còn nhiều khó khăn theo tác giả là quyết định hợp lý và khôn ngoan. Tuy nhiên, việc tăng trưởng tín dụng lại luôn đi kèm với rủi ro tín dụng nguyên nhân là do cơ cấu khách hàng tại BIDV chi nhánh Long An chưa thực sự cân đối. Rủi ro tín 63
  2. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 dụng xuất phát từ nhiều nguyên nhân, một trong số đó chính là việc các ngân hàng vẫn chưa chú trọng đến công tác thẩm định, đánh giá khả năng trả nợ của khách hàng. So với việc thẩm định khách hàng doanh nghiệp - đối tượng mà các ngân hàng có thể đánh giá khả năng trả nợ thông qua các chứng từ rõ ràng, việc đánh giá khách hàng cá nhân gặp khá nhiều khó khăn. Phần lớn việc đánh giá năng lực của khách hàng cá nhân còn phụ thuộc vào năng lực, kinh nghiệm và cả yếu tố cảm tính của cán bộ quản lý khách hàng. 2. Khả năng trả nợ của khách hàng cá nhân Khả năng trả nợ của khách hàng là việc khách hàng có khả năng trả nợ đầy đủ và đúng hạn với bên cho vay hay không? (Ngân hàng Nhà nước, 2013). Hiện tại vẫn chưa có định nghĩa thống nhất về khái niệm “khả năng trả nợ” mà chỉ có những dấu hiệu về việc khách hàng “không có khả năng trả nợ”, thông qua phương pháp loại trừ ta có thể hiểu ngoài những khách hàng “không có khả năng trả nợ” là những khách hàng “có khả năng trả nợ”. Theo Hiệp ước Basel II, có 2 tình trạng sau có thể dùng làm căn cứ để đánh giá khả năng không trả được nợ của khách hàng: Khách hàng không có khả năng thực hiện nghĩa vụ thanh toán đầy đủ khi đến hạn mà chưa tính đến việc ngân hàng bán tài sản (nếu có) để hoàn trả; Khách hàng có các khoản nợ xấu có thời gian quá hạn trên 90 ngày. Trong đó, những khoản thấu chi được xem là quá hạn khi khách hàng vượt hạn mức hoặc được thông báo một hạn mức nhỏ hơn dư nợ hiện tại. Để thống nhất cách hiểu trong toàn bộ bài, nghiên cứu này thống nhất việc đánh giá “khả năng trả nợ” của khách hàng theo thông tư 02/2013/TT-NHNN, nghĩa là sẽ được đánh giá thông qua nhóm nợ cao nhất tại các TCTD khách hàng có quan hệ tín dụng. Cụ thể, những khách hàng hiện đang có nợ nhóm 3, 4, 5 được hiểu là nhóm khách hàng không có khả năng trả nợ, những trường hợp nhóm 1, 2 được hiểu là khách hàng có khả năng trả nợ. 3. Thiêt kế nghiên cứu Tác giả thực hiện qua 2 giai đoạn là nghiên cứu định tính và nghiên cứu định lượng. Tác giả tiến hành nghiên cứu định tính nhằm rút lại các thành phần quan trọng có ảnh hưởng đáng kể tới việc trả nợ của khách hàng cá nhân tại BIDV chi nhánh Long An. Do vậy tác giả thực hiện nghiên cứu định tính với kỹ thuật thảo luận với 1 nhóm gồm 6 chuyên gia làm việc trong lĩnh vực ngân hàng. Các chuyên gia sẽ đưa ra ý kiến của cá nhân dựa trên những kinh nghiệm hiểu biết, sau đó sẽ tổng hợp lại ý kiến chung nhất, đó chính là kết quả mà nghiên cứu định tính sẽ thu được. Nghiên cứu chính thức thông qua phương pháp phân tích định lượng với mẫu dữ liệu (khoảng 320 khách hàng cá nhân có quan hệ tín dụng với ngân hàng từ 2-3 năm trở lên) là thông tin về khách hàng cá nhân tại BIDV chi nhánh Long An. Công cụ phân tích hồi quy Binary Logitstic để kiểm định mô hình nghiên cứu, phần mềm sử dụng là SPSS 20. Bảng 1. Mã hóa các biến trong mô hình Ký Nhóm biến Mã hóa Mô tả biến Thang đo hiệu Số năm cư trú tại địa X1 CTRU Năm phương Bằng 0 nếu không sở hữu nhà X2 NHAO Tình trạng sở hữu nhà ở KHÁCH ở và bằng 1 nếu ngược lại. HÀNG X3 PTHUOC Người phụ thuộc Số người Bằng 0 nếu chưa từng phát Sự trễ hạn hay không trễ X4 UTIN sinh NQH và bằng 1 nếu đã hạn cam kết tín dụng từng phát sinh NQH. X5 TNHAP Thu nhập Triệu đồng/tháng 64
  3. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 Bằng 0 nếu vay ngắn hạn và NGÂN X6 KHAN Kỳ hạn vay bằng 1 nếu vay dài hạn HÀNG X7 QMO Quy mô khoản vay Triệu đồng NGOÀI Bằng 0 nếu mục đích phi NGÂN X8 MDICH Mục đích khoản vay SXKD và bằng 1 nếu SXKD. HÀNG KHẢ NĂNG 1: không có nợ quá hạn Y Y Tình trạng nợ quá hạn TRẢ NỢ 0: có nợ quá hạn (nhóm 3,4,5) Nguồn: Thiết kế của tác giả 4. Dữ liệu nghiên cứu Đối với phương pháp ML, công thức kinh nghiệm xác định kích thước mẫu tối thiểu là: n >= 50 + 8*p với p là số biến độc lập trong mô hình được trích trong (Nguyễn Đình Thọ, 2013). Mẫu tối thiểu là 50, tốt nhất là 100 và tỷ lệ biến quan sát (Observations)/ biến đo lượng (Items) là 5/1 và tốt nhất là 10/1. Để bảo đảm độ tin cậy của nghiên cứu, tác giả chọn mẫu gồm 320 khách hàng có dự nợ tín dụng tín đến 24 giờ ngày 31/12/2019. 5. Kết quả nghiên cứu 5.1. Thống kê mô tả Kết quả thu thập 320 khách hàng có quan hệ tín dụng tới ngày 31/12/2019, tác giả thấy có 5 trường hợp thông tin chưa đầy đủ nên loại và 315 trường hợp đủ điều kiện đưa vào phân tích. Trong 315 trường hợp phân tích, có 137 trường hợp chiếm 43.5% là không trả được nợ (nhóm 3,4,5), trong khi đó có 178 trường hợp trả được nợ chiếm 56.5% là trả được nợ (nhóm 1,2). Bảng 2. Biến khả năng trả nợ Frequency Percent Valid Percent Cumulative Percent 0 khong tra duoc 137 43.5 43.5 43.5 Valid 1 tra duoc 178 56.5 56.5 100.0 Total 315 100.0 100.0 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic 5.2. Phân tích hồi quy 5.2.1. Phân tích hồi quy lần 1: Kết quả kiểm định hồi quy Binary Logistic lần 1 với 8 biến độc lập gồm: (1) qmo, (2) tnhap, (3) ctru, (4) pthuoc, (5) mdich, (6) utin, (7) khan, (8) nhao. Kết quả kiểm định cho thấy mối tương quan giữa biến phụ thuộc và các biến độc lập trong mô hình có ý nghĩa thống kê tổng quát. Bảng 3. Mức độ phù hợp tổng quát của mô hình Chi-square df Sig. Step 353.407 8 .000 Step 1 Block 353.407 8 .000 Model 353.407 8 .000 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic Kết quả kiểm định cho thấy giá trị -2LL= 77.924 không cao lắm, điều này thể hiện mức độ phù hợp khá tốt của mô hình tổng thể. Kết quả kiểm định cho thấy 90.4% sự thay đổi của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình, phần còn lại là do các yếu tố khác. Kết quả kiểm định cho thấy mức độ giải thích của mô hình khá cao là 90.4%. Bảng 4. Mức độ giải thích của mô hình Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 77.924a .674 .904 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic 65
  4. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 Kiểm định ý nghĩa hệ số hồi quy: Kiểm định Wald về ý nghĩa của các hệ số hồi quy của 8 biến độc, tác giả nhận thấy 2 biến “pthuoc và khan” (Sig = 0.431 và Sig = 0.750) không có ý nghĩa thống kê ở mức 95%. Bảng 5. Kết quả hồi quy của mô hình B S.E. Wald df Sig. Exp(B) QMO -.872 .312 7.805 1 .005 .418 TNHAP .258 .049 28.366 1 .000 1.295 CTRU .260 .049 27.652 1 .000 1.297 PTHUOC -.231 .293 .621 1 .431 .794 Step 1a MDICH 2.256 .672 11.262 1 .001 9.547 UTIN 1.675 .657 6.509 1 .011 5.339 KHAN .197 .617 .102 1 .750 1.217 NHAO 2.099 .666 9.934 1 .002 8.160 Constant -8.166 3.619 5.093 1 .024 .000 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic 5.2.2. Phân tích hồi quy lần 2: Sau khi kiểm định hồi quy lần 1 với 8 biến có 2 biến bị loại. Kiểm định hồi quy Binary Logistic lần 2 với 6 biến độc lập gồm: (1) qmo, (2) tnhap, (3) ctru, (4) mdich, (5) utin, (6) nhao. Kết quả kiểm định như sau: Bảng 6. Mức độ phù hợp tổng quát của mô hình (6 biến độc lập) Chi-square df Sig. Step 352.708 6 .000 Step 1 Block 352.708 6 .000 Model 352.708 6 .000 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic Kết quả kiểm định cho thấy giá trị -2LL= 78.623 ở mức khá. Kết quả cho thấy 90.3% sự thay đổi của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình, phần còn lại là do các yếu tố khác. Kiểm định cho thấy mức độ giải thích của mô hình khá cao là 90.3%. Bảng 7. Hệ số -2 Log likelihood (6 biến độc lập) Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 78.623a .674 .903 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic Kiểm định Wald về ý nghĩa của các hệ số hồi quy của 6 biến độc lập gồm: “(1) qmo, (2) tnhap, (3) ctru, (4) mdich, (5) utin, (6) nhao” có ý nghĩa thống kê ở mức 95%. Phương trình hồi quy như sau: Y = ln ( ) = - 8.174 - 0.981*qmo + 0.262*tnhap + 0.262*ctru + 2.316*mdich + 1.700*utin + 2.147*nhao (1) Phương trình hồi quy (1) cho thấy khả năng trả nợ phụ thuộc vào 6 biến độc lập là “qmo, tnhap, ctru, mdich, utin, nhao”, trong đó “qmo” tác động nghịch chiều với khả năng trả nợ. Trong khi đó tất cả các biến còn lại tác động thuận chiều với khả năng trả nợ. Theo đó, khi quy mô khoản vay càng lớn thì khả năng trả nợ càng kém. Bảng 8. Kết quả hồi quy (6 biến độc lập) B S.E. Wald df Sig. Exp(B) QMO -.918 .308 8.901 1 .003 .399 TNHAP .262 .048 30.227 1 .000 1.300 CTRU .262 .049 28.227 1 .000 1.299 Step 1a MDICH 2.316 .673 11.860 1 .001 10.139 UTIN 1.700 .659 6.656 1 .010 5.475 NHAO 2.147 .666 10.379 1 .001 8.556 66
  5. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 Constant -8.174 3.523 5.384 1 .020 .000 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic Tỷ số Odd là tỷ số giữa hai xác suất, trong đó xác suất khách hàng trả được nợ trên xác suất khách hàng không trả được nợ. Kết quả trên bảng 9 cho thấy có 167 trường hợp không trả được nợ trong đó dự báo đúng 132 trường hợp (dự báo đúng 96.4%). Trong 178 trường hợp trả được nợ kết quả dự báo đúng 167 trường hợp (dự báo đúng 93.8%). Kết quả kiểm định cho thấy tỷ lệ dự đoán đúng của toàn mô hình là 94.9%. Bảng 9. Kết quả dự báo của mô hình Predicted Observed Y Percentage 0 khong tra 1 tra duoc Correct 0 khong tra 132 5 96.4 Y Step 1 1 tra duoc 11 167 93.8 Overall Percentage 94.9 Nguồn: Tác giả trích từ kết quả hồi quy Binary Logistic 6. Kiến nghị chính sách Đối với biến“Quy mô khoản vay – qmo”, khi xét duyệt hồ sơ tín dụng, ngân hàng cần chú ý những khách hàng với khoản vay lớn, điều này có thể giải thích bởi trong thời gian qua, việc thu hoạch từ nông nghiệp bị giảm sút do tình hình xâm nhập mặn, sâu bệnh phá hoại. Bên cạnh đó, nông sản bị thương lái ép giá trong khi chi phí đầu tư cao nên dẫn đến thua lỗ. Một số chủ hộ dùng số tiền vay sai mục đích như trả nợ vay, chi cho y tế khẩn cấp. Đây có thể là nguyên nhân làm cho biến số tiền vay có ảnh hưởng nghịch biến với khả năng trả nợ của khách hàng. Vì những khoản vay lớn, khách hàng sẽ chí thú làm ăn và sử dụng vốn vay phù hợp với mục đích vay. Bên cạnh đó, khách hàng cá nhân nên thường xuyên tham gia các lớp tập huấn hỗ trợ kỹ thuật do các cơ quan chuyên môn và chuyên gia trong lĩnh vực nông nghiệp tổ chức, nhằm nâng cao kỹ thuật và học hỏi để sử dụng hiệu quả khoản vay. Đối với biến “Thu nhập – tnhap”, thực tế cho thấy khi thu nhập tăng lên sẽ làm tăng thêm tài chính cho khách hàng, điều đó làm tăng khả năng trả nợ vay đúng hạn của khách hàng cá nhân tại Agribank Thủ Thừa. Vì vậy, khi xem xét cho vay cán bộ tín dụng cần kiểm tra khả năng tạo ra thu nhập của từng khách hàng để đánh giá khả năng trả nợ vay đúng hạn. Đối với biến “Số năm cư trú tại địa phương - ctru”, kết quả nghiên cứu cho thấy những khách hàng có thời gian cư trú tại địa phương càng lâu chứng tỏ họ có nhiều kinh nghiệm tích lũy được trong thời gian dài và giúp công việc kinh doanh của mình hiệu quả hơn. Khi đó nguồn tài chính ổn định, đảm bảo khả năng trả nợ khi đáo hạn tại ngân hàng. Điều này là hoàn toàn hợp lý, vì một khách hàng có thời gian cư trú càng lâu sẽ biết cách sử dụng những điểm mạnh sẵn có để nâng cao năng lực tài chính của khách hàng. Với nhiều ngân hàng, vấn đề quan tâm đầu tiên về khách hàng là khả năng trả nợ. Ngân hàng cần xem xét kỹ lưỡng yếu tố này trong quyết định cấp tín dụng nhằm hạn chế khả năng khách hàng không trả nợ đúng hạn. Đối với biến “Mục đích khoảng vay – mdich”, kết quả này là phù hợp tại địa bàn Long An, vì trên 85% khách hàng cá nhân vay với mục đích chủ yếu là sản xuất nông nghiệp. Mục đích vay vốn chính xác, giảm thiểu khả năng khách hàng sử dụng vốn sai mục đích làm tăng khả năng trả nợ vay đúng hạn của khách hàng cá nhân tại BIDV chi nhánh Long An. Vì vậy, khi xem xét cho vay cán bộ tín dụng cần phải kiểm tra mục đích vay vốn của khách hàng để đánh giá khả năng trả nợ vay đúng hạn. Đối với biến “Sự trễ hạn hay không trễ hạn cam kết tín dụng – utin”, kết quả nghiên cứu cho thấy yếu tố này liên quan đến vấn đề đạo đức của khách hàng. Nếu khách hàng là người có ý thức trả nợ tốt, rủi ro tín dụng thấp thì sẽ kích thích ngân hàng mở rộng hoạt động cho vay, 67
  6. TẠP CHÍ KINH TẾ - CÔNG NGHIỆP Số 27 – Tháng 04/2021 các quy định cũng không quá khắt khe. Thêm vào đó, khả năng hoàn trả vốn vay đối với các khoản cho vay cá nhân phụ thuộc vào thu nhập của người đi vay. Tuy nhiên, đối với những khách hàng cá nhân có thể do nhiều yếu tố chủ quan và khách quan mà họ không thể thực hiện trả nợ hoặc trì hoãn trả nợ, từ đó gây ảnh hưởng đến hiệu quả cho vay của ngân hàng. Nhân tố chủ quan có thể là tình trạng “sức khỏe” tài chính của người đi vay, công việc làm ăn không tốt,… ảnh hưởng trực tiếp đến năng lực tài chính của khách hàng. Từ đó giảm khả năng thực hiện trả nợ của khách hàng. Các nhân tố khách quan như hạn hán, mất mùa, sự suy thoái của nền kinh tế dẫn đến khả năng mất việc cao,… ảnh hưởng đến khả năng trả nợ của khách hàng. Đối với biến “Tình trạng sở hữu nhà ở - nhao”, kết quả nghiên cứu cho thấy nếu khách hàng sở hữu nhà ở ổn định tại địa phương và khi đó họ sẽ cố gắng hoàn thành công việc, năng suất công việc sẽ cao hơn những người không có nhà ở. Mà một khi kinh doanh có hiệu quả thì khách hàng sẽ có tiềm lực tài chính tốt đảm bảo được khả năng trả nợ. Vì vậy, khi xem xét cấp tín dụng, ngân hàng nên ưu tiên đến yếu tố này là một trong các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng. TÀI LIỆU THAM KHẢO [1] Nguyễn Đăng Dờn (2016). Giáo trình Quản trị kinh doanh ngân hàng II. Thành phố Hồ Chí Minh: Nhà xuất bản Kinh tế thành phố Hồ Chí Minh. [2] Hồ Diệu (2011). Tín dụng ngân hàng. Nhà xuất bản Thống kê. [3] Đường Thị Thanh Hải (2014). Các nhân tố ảnh hưởng đến tín dụng cá nhân ở Việt Nam. Tạp Chí Tài Chính. số 4 – 2014. Bộ Tài chính. [4] Ngân hàng Nhà nước Việt Nam (2013). Thông tư số 02/2013/TT-NHNN: Quy định về phân loại tài sản nợ, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài. [5] Hoàng Trọng và Chu nguyễn Mộng Ngọc (2005). Phân tích dữ liệu với SPSS. Hà Nội: Nhà xuất bản Thống Kê. [6] Crook, J. (1995). Time series explanations of merger activity: some econometric results. International Review of Applied Economics. 9(1): 59-85. [7] Hussain, A.B. & Shorouq, F.K. (2014).Credit risk assessment model for Jordanian commercial banks: Neuralscoring approach. Review of Development Finance.No.4 (2014): 20–28. [8] Kohansal, M.R., Mansoori, H. (2009). Factors affecting loan repayment performance of farmers in Kharasan- Razavi province of Iran. A paper presented in a conference on International Research on Food Security. Natural Resource Management and Rural Development. University of Hamburg. October 6-2009. Ngày nhận: 04/03/2021 Ngày duyệt đăng: 26/03/2021 68
nguon tai.lieu . vn
Ngân hàng - Tín dụng Kế toán - Kiểm toán Đầu tư Bất động sản Quỹ đầu tư Đầu tư Chứng khoán Tài chính doanh nghiệp Bảo hiểm Tiêu chuẩn - Qui chuẩn Giáo dục học Kinh tế học Quản trị kinh doanh