Mô hình xác suất vỡ nợ PD là gì?

Mô hình xác suất vỡ nợ PD là gì?

Mô hình xác suất vỡ nợ PD (Probability of Default Model) là công cụ thống kê được sử dụng trong quản trị rủi ro tín dụng, có chức năng ước tính khả năng một khách hàng không thể thực hiện nghĩa vụ trả nợ trong khoảng thời gian xác định, thông thường là 12 tháng tới. PD được biểu diễn dưới dạng tỷ lệ phần trăm, nằm trong khoảng từ 0% đến 100%, trong đó giá trị càng cao đồng nghĩa với rủi ro vỡ nợ càng lớn. Đây là chỉ số cốt lõi trong hệ thống xếp hạng tín dụng nội bộ của các tổ chức tín dụng, đóng vai trò nền tảng trong việc định giá rủi ro, phê duyệt tín dụng và phân bổ vốn theo chuẩn mực Basel II/III.

Tại sao mô hình xác suất vỡ nợ PD quan trọng trong ngân hàng?

Mô hình PD đóng vai trò then chốt trong hoạt động quản trị rủi ro tín dụng của các ngân hàng thương mại với những lý do chính sau:

• Cơ sở định giá sản phẩm tín dụng: Dựa trên mức PD, ngân hàng xác định lãi suất cho vay phù hợp với mức độ rủi ro. Khách hàng có PD cao sẽ chịu lãi suất cao hơn để bù đắp chi phí rủi ro tiềm ẩn.

• Hỗ trợ quyết định phê duyệt tín dụng: Kết quả PD là một trong những tiêu chí quan trọng giúp bộ phận tín dụng đánh giá và phân loại khách hàng, từ đó đưa ra quyết định duyệt hoặc từ chối hồ sơ vay.

• Phân bổ vốn và trích lập dự phòng: PD là thành phần không thể thiếu trong công thức tính Expected Loss (EL), giúp ngân hàng xác định mức trích lập dự phòng rủi ro tín dụng phù hợp theo quy định của Ngân hàng Nhà nước.

• Tuân thủ chuẩn mực quốc tế Basel II/III: Khi áp dụng phương pháp xếp hạng nội bộ IRB (Internal Ratings-Based), ngân hàng được phép sử dụng mô hình PD của riêng mình để tính toán yêu cầu vốn pháp dụng tối thiểu, thay vì dựa hoàn toàn vào phương pháp chuẩn.

• Đánh giá danh mục tín dụng: Mô hình PD giúp ban lãnh đạo theo dõi chất lượng tín dụng tổng thể, phát hiện sớm các rủi ro tập trung và điều chỉnh chiến lược cho vay kịp thời.

Cách hoạt động và cách tính mô hình PD

Nguyên lý hoạt động

Mô hình PD sử dụng các phương pháp thống kê và học máy để phân tích mối quan hệ giữa biến phụ thuộc (sự kiện vỡ nợ trong 12 tháng) và các biến độc lập (đặc điểm của khách hàng). Các phương pháp phổ biến bao gồm:

• Hồi quy logistic (Logistic Regression): Phương pháp phổ biến nhất, ước tính xác suất vỡ nợ dựa trên hàm logistic
• Cây quyết định (Decision Tree): Phân nhóm khách hàng theo các quy tắc phân loại phân cấp
• Mạng nơ-ron nhân tạo (Neural Network): Mô hình phức tạp hơn, có khả năng nắm bắt các mối quan hệ phi tuyến tính
• Mô hình hóa dựa trên xếp hạng (Rating-based Model): Gán điểm xếp hạng cho khách hàng, mỗi bậc rating tương ứng với một mức PD trung bình

Các biến đầu vào chính

Công thức tính PD (hồi quy logistic)

Mô hình hồi quy logistic tính PD theo công thức:

PD = 1 / (1 + e^(-Z))

Trong đó:

• Z = β₀ + β₁X₁ + β₂X₂ + ... + βₙXₙ
• β₀: Hệ số chặn (intercept)
• β₁, β₂, ..., βₙ: Hệ số hồi quy (trọng số) của từng biến
• X₁, X₂, ..., Xₙ: Giá trị các biến độc lập

Kết quả PD luôn nằm trong khoảng (0, 1) hay 0% đến 100%.

Phân biệt PD theo chu kỳ

• Point-in-time (PIT) PD: Phản ánh xác suất vỡ nợ tại thời điểm hiện tại, nhạy cảm với điều kiện kinh tế ngắn hạn
• Through-the-cycle (TTC) PD: Phản ánh xác suất vỡ nợ trung bình dài hạn, ổn định theo chu kỳ kinh tế

Ví dụ thực tế

Ví dụ 1: Định giá lãi suất cho vay doanh nghiệp

Ngân hàng A đang xem xét cấp tín dụng cho Công ty B với hồ sơ như sau:

• Tỷ lệ nợ trên thu nhập (DTI): 55%
• Điểm tín dụng nội bộ: B+
• Thời gian hoạt động: 5 năm
• Ngành nghề: Sản xuất

Sau khi đưa vào mô hình PD, hệ thống tính toán và cho kết quả:

• PD dự kiến: 3,5% (tức xác suất vỡ nợ 3,5% trong 12 tháng tới)

Dựa trên mức PD này, Ngân hàng A quyết định:

• Cấp hạn mức tín dụng: 5 tỷ đồng
• Lãi suất cho vay: 10,5%/năm (cao hơn lãi suất cơ bản 2% để bù đắp rủi ro)
• Yêu cầu tài sản bảo đảm: Bất động sản trị giá 7 tỷ đồng

Ví dụ 2: Trích lập dự phòng rủi ro tín dụng

Ngân hàng X có danh mục cho vay với các thông số trung bình:

• PD trung bình của danh mục: 2,8%
• LGD (tỷ lệ tổn thất khi vỡ nợ): 45%
• EAD (giá trị tài sản gốc tại thời điểm vỡ nợ): 1.000 tỷ đồng

Áp dụng công thức Expected Loss (EL):

EL = PD × LGD × EAD = 2,8% × 45% × 1.000 tỷ = 12,6 tỷ đồng

Ngân hàng X phải trích lập dự phòng rủi ro tối thiểu 12,6 tỷ đồng cho danh mục này.

Phân biệt với thuật ngữ liên quan

Mối quan hệ giữa các yếu tố:

• PD đo lường khả năng xảy ra sự kiện vỡ nợ
• LGD đo lường mức độ tổn thất nếu vỡ nợ xảy ra
• EAD xác định quy mô rủi ro tín dụng
• EL = PD × LGD × EAD cho biết tổn thất kỳ vọng trung bình

Câu hỏi thường gặp trong đề thi

1. Mô hình xác suất vỡ nợ PD được định nghĩa là gì trong quản trị rủi ro tín dụng?

2. Công thức tính Expected Loss (EL) bao gồm những thành phần nào và chúng có mối quan hệ với nhau như thế nào?

3. Phân biệt Point-in-time PD (PIT) và Through-the-cycle PD (TTC) về đặc điểm và mục đích sử dụng.

4. Các phương pháp thống kê nào thường được sử dụng để xây dựng mô hình xác suất vỡ nợ?

5. Theo Thông tư 02/2023/TT-NHNN, mô hình PD có vai trò gì trong việc phân loại nợ và trích lập dự phòng rủi ro?

Tổng kết

Mô hình xác suất vỡ nợ PD là công cụ không thể thiếu trong hệ thống quản trị rủi ro tín dụng hiện đại, giúp ngân hàng định lượng chính xác mức độ rủi ro của từng khách hàng và toàn bộ danh mục tín dụng. Việc nắm vững khái niệm PD, mối quan hệ với LGD, EAD và công thức EL là yêu cầu bắt buộc đối với bất kỳ ứng viên nào muốn vượt qua vòng thi nghiệp vụ tại các tổ chức tín dụng.

Để ghi nhớ hiệu quả, thí sinh nên ôn tập theo phương pháp liên kết: ghi nhớ công thức EL trước, sau đó hiểu rõ từng thành phần PD, LGD, EAD và mối quan hệ giữa chúng. Kết hợp luyện tập với các bài toán tính toán cụ thể sẽ giúp bạn tự tin hơn khi đối mặt với các câu hỏi trắc nghiệm trong kỳ thi tuyển dụng ngân hàng sắp tới.