Các mô hình đo lường rủi ro hệ thống ngân hàng

So với những rủi ro khác, rủi ro hệ thống được nhận diện tương đối muộn. Về mặt lý thuyết, rủi ro hệ thống xuất hiện khoảng những năm 90 của thế kỷ 20 nhưng chỉ thật sự được chú ý sau cuộc khủng hoảng tài chính toàn cầu năm 2007- 2008.

Ngân hàng Thanh toán quốc tế (BIS, 1994) cho rằng, rủi ro hệ thống là rủi ro người tham gia không thực hiện nghĩa vụ theo hợp đồng có thể lần lượt khiến những người tham gia khác vỡ nợ với phản ứng dây chuyền dẫn đến khó khăn tài chính rộng lớn hơn. Ngân hàng Trung ương châu Âu (ECB, 2004) định nghĩa rủi ro hệ thống là rủi ro mà một tổ chức không có khả năng thực hiện/đáp ứng các nghĩa vụ của mình khi đến hạn khiến các tổ chức khác không thể để đáp ứng nghĩa vụ của họ khi đến hạn.

Hiện nay, có các mô hình đo lường rủi ro hệ thống ngân hàng gồm có: Mô hình dự báo tài chính (FPM); Mô hình đánh giá khả năng chịu đựng hệ thống (Stress-test); Mô hình đánh giá hiệu quả hoạt động ngân hàng (DEA); Mô hình xếp hạng các tổ chức tín dụng; Hệ thống mô hình cảnh báo sớm (theo phương pháp Alman’s Z-Score); Hệ thống mô hình vệ tinh. Cụ thể:

Mô hình dự báo tài chính

Dự báo tài chính là việc dự báo về các chỉ tiêu cơ bản trên báo cáo tài chính của các kì kinh doanh sắp tới, từ đó xác định nhu cầu vốn bổ sung cho doanh nghiệp (DN). Một trong những mục tiêu cơ bản của phân tích báo cáo tài chính là dựa vào số liệu quá khứ để dự báo về tương lai của DN. Đối với hệ thống ngân hàng cũng như vậy, thông qua việc phân tích các chỉ tiêu trong báo cáo tài chính, có thể giúp hình dung về triển vọng, hiệu quả hoạt động của ngân hàng trong tương lai.

Thông thường, căn cứ để xây dựng mô hình dự báo tài chính gồm: Kết quả phân tích đánh giá tình hình tài chính kỳ trước; Các chiến lược hay định hướng tài chính của DN; Các chính sách, chế độ tài chính của Nhà nước đối với DN, và những vấn đề liên quan trực tiếp đến môi trường kinh doanh của DN như các luật thuế, chế độ khấu hao tài sản cố định, các thể lệ và quy chế vay vốn...

Mô hình đánh giá khả năng chịu đựng hệ thống

Theo IMF (2012), Stress Test (ST) là kỹ thuật đo lường mức độ tổn thương của một danh mục, một tổ chức, hoặc toàn bộ hệ thống tài chính trong những tình huống hoặc kịch bản giả định. Các kịch bản này có tính chất cực độ và bất thường (extreme) nhưng có khả năng xảy ra (plausible). Việc xác định các kịch bản trong mô hình ST đóng vai trò hết sức quan trọng. Tuy nhiên, lượng hóa kịch bản sao cho “có tính chất cực độ và bất thường nhưng có khả năng xảy ra” là một thách thức không nhỏ. Về mặt kỹ thuật, các dữ liệu lịch sử được biểu dưới dạng phân bố xác suất, sau đó tập trung vào các sự kiện đuôi (tail events) để tìm ra những thay đổi bất thường có xác suất xảy ra thấp.

Trong khu vực ngân hàng, ST được định nghĩa là đo lường tác động của các kịch bản khác nhau lên vốn của các ngân hàng nói riêng và của cả hệ thống nói chung. Nó là một tập hợp các công cụ giúp những nhà làm luật phát hiện những bất ổn của hệ thống ngân hàng, đồng thời nhận dạng những rủi ro cơ bản về mức đủ vốn của ngân hàng.

Mô hình đánh giá hiệu quả hoạt động ngân hàng (DEA)

Đây là phương pháp phi ngẫu nhiên và phi tham số dựa trên cách tiếp cận quy hoạch tuyến tính, được sử dụng rộng rãi để đo lường hiệu quả tương đối của các đơn vị ra quyết định (DMUs) sử dụng nhiều đầu vào và đầu ra khác nhau. Mô hình đánh giá hiệu quả hoạt động ngân hàng (DEA) giúp so sánh một cách tương đối hiệu quả hoạt động của các đơn vị này, bằng cách xây dựng đường biên thể hiện đơn vị hiệu quả nhất, các đơn vị còn lại sẽ được so sánh với các đơn vị tốt nhất này, đồng thời giả định cách biệt với đường biên thể hiện phi hiệu quả.

Có nhiều mô hình DEA để đo lường hiệu quả của DMUs như mô hình hợp tác kinh doanh BCC, Chi phí, Doanh thu, Lợi nhuận… Trong định hướng tiếp cận hiệu quả kỹ thuật theo đầu vào/đầu ra, mục tiêu của một DN là xem xét tất cả các yếu tố đầu ra, đồng thời không tăng bất kỳ yếu tố đầu vào. Cả phương pháp tiếp cận các biện pháp hiệu quả kỹ thuật mà không cần sử dụng giá thị trường của yếu tố đầu vào và kết quả đầu ra.

Nếu giá thị trường của các đầu vào/đầu ra có sẵn, sau đó một đơn vị ra quyết định cố gắng để giảm thiểu chi phí của mình hoặc cố gắng tối đa hóa doanh thu/lợi nhuận. Trong quá trình giảm thiểu chi phí, một DN sẽ tìm cách để giảm thiểu tổng chi phí đầu vào cho một định mức sản lượng và doanh thu tối đa. Trong tối đa hóa lợi nhuận, các mục tiêu của DN sẽ được chọn như một sự pha trộn đầu vào/đầu ra nhằm tạo ra thu nhập tối đa với chi phí tối thiểu, với giá đầu vào và đầu ra cho trước. Do đó, tối đa hóa doanh thu là điều kiện cần thiết như việc giảm thiểu chi phí cho mục tiêu tối đa lợi nhuận. Đối với một đơn vị kinh doanh có lãi, hiệu quả lợi nhuận là một nguồn thông tin quan trọng hơn so với hiệu quả chi phí.

Mô hình xếp hạng các tổ chức tín dụng

Theo Điều 6, Thông tư số 52/2018/TT-NHNN của Ngân hàng Nhà nước quy định về xếp hạng tổ chức tín dụng, chi nhánh ngân hàng nước ngoài thì hệ thống tiêu chí xếp hạng gồm: Hệ thống tiêu chí được sử dụng để xếp hạng tổ chức tín dụng, chi nhánh ngân hàng nước ngoài bao gồm: Vốn (C); Chất lượng tài sản (A); Quản trị điều hành (M); Kết quả hoạt động kinh doanh (E); Khả năng thanh khoản (L); Mức độ nhạy cảm đối với rủi ro thị trường (S). Các chỉ tiêu này được đo lường bằng định lượng và định tính.

Hệ thống mô hình cảnh báo sớm

Mô hình cảnh báo sớm theo các cấu phần về rủi ro tín dụng, thanh khoản, thị trường theo phương pháp Z-Score của nhà nghiên cứu Alman. Để khắc phục những hạn chế của mô hình chấm điểm và nâng cao tính khách quan qua việc lượng hóa, hiện nay, một số ngân hàng tiếp cận phương pháp xếp hạng tín dụng qua phương pháp định lượng. Đây là một mô hình định lượng dựa trên việc mô hình hoá các mối quan hệ giữa các biến qua đó phản ánh chất lượng tín dụng và các yếu tố ảnh hưởng đến chất lượng tín dụng từ phía khách hàng.

Mô hình điểm số Z do Altman khởi tạo từ năm 1986 và thường được sử dụng để xếp hạng tín nhiệm đối với các DN. Mô hình này dùng để đo xác suất vỡ nợ của khách hàng thông qua các đặc điểm cơ bản của khách hàng. Đại lượng Z là thước đo tổng hợp để phân loại rủi ro đối với người vay và phụ thuộc vào 05 chỉ số tài chính của người vay (Xj). Từ mô hình này tính được xác suất vỡ nợ của người vay trên cơ sở số liệu trong quá khứ. Altman đã xây dựng mô hình cho điểm như sau:

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

X1 = Tỷ số “Vốn lưu động ròng/Tổng tài sản”.

X2 = Tỷ số “Lợi nhuận giữ lại/Tổng tài sản”.

X3 = Tỷ số “Lợi nhuận trước thuế và tiền lãi/Tổng tài sản”.

X4 =Tỷ số “Thị giá cổ phiếu/Giá trị ghi sổ của nợ dài hạn”.

X5 = Tỷ số “Doanh thu/Tổng tài sản”.

Như vậy, với số Z càng cao thì người vay có xác suất vỡ nợ càng thấp và ngược lại. Đây là một căn cứ khách quan để qua đó xếp hạng các khách hàng theo mức độ nguy cơ vỡ nợ. Điểm số Z là thước đo khá tổng hợp về xác xuất vỡ nợ của khách hàng.

Hệ thống mô hình vệ tinh

Kỹ năng xây dựng, vận hành và kiểm soát thực hiện các mô hình vệ tinh như: mô hình Xác suất không trả được nợ (PD), Tỷ lệ tổn thất khi khách hàng không trả được nợ (LGD), Dư nợ tại thời điểm khách hàng không trả được nợ (EAD), mô hình VAR... để kết hợp với mô hình giám sát vĩ mô trong xây dựng các kịch bản chính sách.

Xác suất không trả được nợ (PD)

Đối với các khoản tín dụng công ty và tín dụng cho ngân hàng, xác suất không trả được nợ PD được xác định là giá trị lớn hơn trong số hai giá trị gồm PD trong vòng một năm của mức xếp hạng tín dụng nội bộ mà khoản tín dụng đó được xếp hạng, và 0,03%. Đối với các khoản tín dụng dành cho các tổ chức công, PD được tính trong vòng một năm của mức xếp hạng tín dụng nội bộ mà khoản tín dụng đó được xếp hạng. Đối với trường hợp bên đi vay bị xếp vào loại không trả được nợ, để nhất quán với định nghĩa tham chiếu về rủi ro không trả được nợ, PD được tính là 100%.

Tỷ lệ tổn thất khi khách hàng không trả được nợ (LGD)

Một ngân hàng phải tính toán được LGD cho mỗi loại dư nợ cho vay khách hàng là công ty, tổ chức công và ngân hàng. Có hai cách để xác định giá trị ước lượng này:

Thứ nhất, Phương pháp tiếp cận cơ bản: Quy định về các dư nợ cho vay không đảm bảo và các tài sản thế chấp không được thừa nhận. Theo phương pháp này, các khoản dư nợ ưu tiên đối với cho vay công ty, tổ chức công, ngân hàng nếu không được bảo đảm bởi một tài sản thế chấp được thừa nhận thì sẽ được áp mức LGD chung là 45%.

Ngoài các tài sản thế chấp tài chính có đủ tiêu chuẩn được ghi nhận trong tiếp cận chuẩn hoá, thì một số loại hình tài sản thế chấp khác được biết đến như là các tài sản thế chấp (IRB) đủ tiêu chuẩn, cũng được ghi nhận. Các tài sản thế chấp loại này gồm có các khoản phải thu, các bất động sản nhà ở và bất động sản thương mại đặc biệt (CRE/RRE) và các tài sản thế chấp khác. Theo phương pháp tiếp cận toàn diện, tỷ trọng tổn thất ước tính có hiệu lực (LGD*) áp dụng cho một giao dịch có bảo đảm có thể được trình bày theo công thức được nêu sau đây, trong đó: LGD là phần dư nợ cho vay không được bảo đảm trước khi công nhận tài sản thế chấp (45%); E là giá trị hiện tại của khoản dư nợ cho vay và E* là giá trị khoản dư nợ cho vay sau khi đã áp dụng các biện pháp giảm thiểu rủi ro (Khái niệm này chỉ được sử dụng để tính LGD*). Ngân hàng phải tiếp tục tính toán EAD mà không tính đến ảnh hưởng của bất cứ khoản tài sản thế chấp nào, trừ khi có quy định khác đi.

LGD = Max{0, LGD x [E*/E]}

Thứ hai, LGD theo phương pháp tiếp cận cải tiến: Các cơ quan chủ quản có thể cho phép các ngân hàng sử dụng ước lượng của chính bản thân ngân hàng mình về LGD của các khoản dư nợ cho vay công ty, tổ chức công và ngân hàng. LGD phải được đo lường bằng đơn vị phần trăm của dư nợ tại thời điểm không trả được nợ (EAD). Các ngân hàng thoả mãn đủ điều kiện để áp dụng tiếp cận IRB song không đáp ứng được các điều kiện bổ sung này sẽ phải áp dụng phương pháp tiếp cận cơ bản như đã nêu ở trên.

Dư nợ tại thời điểm khách hàng không trả được nợ (EAD)

Tất cả các khoản dư nợ đều được đo lường bằng số tiền mà về mặt pháp lý khách hàng phải trả ngân hàng, tức là tổng giá trị dự phòng hay xoá nợ. Quy tắc này cũng được áp dụng cho các tài sản được mua với giá khác với số tiền mà ngân hàng có quyền đòi nợ hợp pháp. Đối với các tài sản được mua, chênh lệch giữa giá trị danh nghĩa và giá trị ròng ghi trong Bảng tổng kết tài sản của ngân hàng được coi là một khoản lỗ (discount) nếu giá trị danh nghĩa lớn hơn, và được coi là tiền lãi (premium) nếu giá trị danh nghĩa nhỏ hơn.

- EAD theo phương pháp tiếp cận cơ bản: Các loại hình công cụ và các chỉ số hoán đổi tín dụng (CCFs) áp dụng cho chúng đều giống như các công cụ và CCF theo phương pháp tiếp cận chuẩn hoá. Một chỉ số hoán đổi tín dụng 75% sẽ được áp dụng cho các cam kết bất kể kỳ hạn của khoản tín dụng, hay hợp đồng, cam kết… có liên quan là bao nhiêu. Điều này không áp dụng cho các khoản tín dụng không cam kết, có thể bị huỷ bỏ vô điều kiện, hoặc các khoản tín dụng đặt ra những điều kiện cho phép ngân hàng huỷ bỏ cam kết một cách tự động bất cứ lúc nào mà không cần báo trước nếu như một vấn đề nào đó xuất hiện (ví dụ như độ tín nhiệm về tín dụng của khách hàng giảm sút trầm trọng). Chỉ số CFF bằng 0% sẽ được áp dụng cho các cam kết loại này.

- EAD theo phương pháp tiếp cận cải tiến: Các ngân hàng thoả mãn các yêu cầu tối thiểu để được phép sử dụng ước lượng của chính mình về khoản dư nợ sẽ được phép sử dụng ước lượng nội bộ của chính họ về CCF của các loại sản phẩm khác nhau, miễn là khoản dư nợ đó không bị bắt buộc phải áp CCF bằng 100% theo phương pháp tiếp cận cơ bản.

Sử dụng các mô hình VAR:

Ngân hàng có thể được phép sử dụng mô hình VAR để phản ánh biến động mức độ rủi ro và giá tài sản thế chấp trong các giao dịch mua và bán lại, xét tới tương quan giữa các trạng thái tài sản đảm bảo. Mô hình này chỉ áp dụng đối với những giao dịch mua và bán lại có thoả thuận bù trừ song phương giữa các bên đối tác. Các ngân hàng chỉ được áp dụng các mô hình nội bộ nếu chứng minh được với cơ quan chủ quản về chất lượng và hiệu quả của những mô hình đó trên cơ sở hậu kiểm nghiệm sử dụng dữ liệu đầu vào trong thời gian 1 năm.

Ngân hàng sử dụng mô hình VAR sẽ được yêu cầu phải hậu kiểm kết quả đầu ra sử dụng cùng dữ liệu mẫu của 20 đối tác trên cơ sở thường niên. 20 đối tác này bao gồm 10 đơn vị có độ rủi ro lớn nhất do ngân hàng tự lựa chọn tuỳ theo phương thức đo lường rủi ro của mình và 10 đơn vị chọn ngẫu nhiên. Từng ngày và đối với từng bên đối tác, ngân hàng phải đối chiếu thay đổi rủi ro thực tế của bên đối tác với giá trị dư nợ sau hiệu chỉnh rủi ro (E*) sử dụng mô hình VAR tính tại thời điểm đóng cửa ngày làm việc trước đó. Trong quá trình đối chiếu nếu thay đổi rủi ro thực tế vượt quá VAR ước tính thì được coi là không đạt. Phụ thuộc vào số lần đối chiếu không đạt đối với 20 đơn vị đối tác trong 250 ngày gần nhất (nghĩa là thực hiện 5000 lần đối chiếu), kết quả của mô hình VAR có thể được điều chỉnh tăng theo hệ số nhân trong Bảng 1.

Việc tính toán mức dư nợ E* đối với các ngân hàng đang áp dụng mô hình rủi ro thị trường nội bộ căn cứ theo công thức sau:

E* = max {0, [(∑E - ∑C) + (kết quả VAR theo mô hình RRTT nội bộ x hệ số nhân)]}

Lưu ý: Khi tính toán yêu cầu về vốn, ngân hàng sử dụng giá trị VAR của ngày làm việc trước đó.

Các yêu cầu khi sử dụng mô hình đo lường rủi ro hệ thống ngân hàng

Dựa trên việc khảo sát các hình đo lường rủi ro hệ thống ngân hàng và thực tiễn hoạt động của các mô hình này hiện nay, hệ thống ngân hàng thương mại cần lưu ý một số yêu cầu khi sử dụng các mô hình đo lường này:

Một là, sẵn sàng một quy trình để đưa dữ liệu vào mô hình thống kê dự đoán tổn thất hoặc phá sản bao gồm sự đánh giá về tính chính xác, đầy đủ và thích hợp của dữ liệu, phù hợp với quy định của một việc đánh giá được chấp thuận.

Hai là, cần phải xây dựng chứng minh được rằng dữ liệu được sử dụng để xây dựng mô hình là đại diện cho số đông người vay và tài trợ của ngân hàng.

Ba là, khi phối hợp những kết quả của mô hình và đánh giá những của con người, đánh giá cần phải cân nhắc tất cả các thông tin có liên quan không được xem xét đến trong mô hình. Ngân hàng cần có hướng dẫn bằng văn bản mô tả cách phối hợp phán quyết của con người và kết quả của mô hình như thế nào.

Bốn là, cần có các quy định về xem xét lại việc đánh giá dựa vào mô hình. Những quy định như vậy cần tập trung tìm và hạn chế lỗi có liên quan đến những yếu kém đã được nhận biết của mô hình và cũng cần có những nỗ lực đáng tin cậy trong quá trình triển khai để tăng cường năng lực của mô hình.

Năm là, cần định kỳ xem xét lại tính thích hợp của mô hình bao gồm việc giám sát hoạt động và tính ổn định của mô hình, xem xét lại mối quan hệ của mô hình, và kiểm tra đánh giá của mô hình với các kết quả thực tế.

Tài liệu tham khảo:

1. Ngân hàng Nhà nước (2018), Thông tư số 52/2018/TT-NHNN Quy định xếp hạng Tổ chức tín dụng, chi nhánh ngân hàng nước ngoài;
2. Hoàng Đình Tuấn, Phạm Thị Thúy Nga (2006), Phương pháp VaR trong quản lý rủi ro tài chính. Tạp chí Kinh tế và Phát triển, số đặc san khoa Toán kinh tế, 56-61;
3. Phan Thị Linh, Phan Diên Vỹ (2022), Đảm bảo an toàn tài chính của hệ thống ngân hàng Việt Nam. Nhà xuất bản Tài chính;
4. IMF (2012), Macrofinancial Stress Testing- Principles and Practices, available at http://www.imf.org/external/np/pp/eng/2012/082212.pdf;
5. V. Acharya, L. Pedersen, T. Philippon, M. Richardson (2016), Measuring systemic risk. Review of Financial Studies, 30 (1) (2016), pp. 2-47;
6. Basel Committee on Banking Supervision (2016), Minimum capital requirements for market risk. Bank for International Settlements.Nguồn: Tác giả tổng hợp