Hiện tại, các mô hình nghiên cứu đã bắt đầu dịch chuyển từ mục tiêu tối thiểu hóa khả năng phá sản của khách hàng sang mục tiêu tối đa hóa lợi nhuận doanh nghiệp.

Bắt đầu từ thập kỷ 70, dự báo rủi ro tài chính đã trở thành một hướng phát triển mạnh mẽ của mô hình hóa thống kê xác suất. Khi nhắc tới rủi ro tài chính gần như ngay lập tức người ta liên tưởng tới hoạt động quản lý danh mục đầu tư, định giá quyền chọn (option) và các công cụ tài chính khác. Công thức định giá quyền chọn (option) Black-Scholes, bài viết về định giá trái phiếu công ty của Merton, … là những khái niệm quen thuộc.

Mặc dù không hề kém quan trọng, đặc biệt trong thực tiễn kinh doanh tài chính, các ứng dụng dự báo rủi ro tài chính với các khoản vay thể nhân, tính điểm tín dụng và hành vi, dường như chưa nhậ được sự quan tâm đúng mức. Lý thuyết về lĩnh vực này tương đối hạn chế với số lượng ít ỏi công trình đánh giá tổng quan như khảo sát các phương pháp định lượng trong quản lý tín dụng của Rosenberg và Gleit; các phương pháp phân loại thống kê tín dụng thể nhân của Hand và Henley; các công trình của Thomas về mô hình quản lý rủi ro tài chính, các phương pháp phân loại tín dụng thể nhân, tổng quan về các phương pháp tính điểm tín dụng và hành vi; sách về thống kê trong tài chính của Hand và Jacka; sách về tính điểm tín dụng của Lewis; sách về tính điểm tín dụng và kiểm soát tín dụng của Thomas, Crook, và Edelman, sách mô hình hóa rủi ro tín dụng Mays.

Kể tự khi ra đời, lý thuyết về tính điểm tín dụng ghi nhậ hai thành tựu quan trọng: (1) thực sự tồn tại nhu cầu phát triển các kỹ thuật dự báo rủi ro của khách hàng tương thích với biến đọng điều kiện kinh tế; và (2) mục đích tính điểm chuyển từ việc xác định các khách hàng khả năng vỡ nợ cao sang tìm kiếm các khách hàng có khả năng tạo ra lợi nhuận tốt nhất. Chất xúc tác quan trọng cho các phát triển này chính là sự bùng nổ về thông tin của giao dịch của khách hàng.

Hai kỹ thuật đánh giá cơ bản hỗ trợ tổ chức tín dụng ra quyết định cấp tín dụng cho khách hàng là tính điểm tín dụng và tính điểm hành vi. Để ra quyết định cấp tín dụng cho khách hàng giao dịch lần đầu tiên, tổ chức tín dụng sử dụng kỹ thuật tính điểm tín dụng. Các quyêtd định đối với khách hàng hiện tại (có tăng hạn mức tín dụng không? áp dụng chính sách marketing nào? nếu khách hàng không trả nợ đúng hẹn thì xử lý ra sao?) được đưa ra dựa trên điểm số về hành vi của khách hàng.

Kỹ thuật tính điểm sử dụng thông tin về khách hàng có được qua hai nguồn quan trọng: các thông tin do chính khách hàng cung cấp thông qua mẫu đơn đăng ký tín dụng và thông tin có được qua nguồn tham khảo trung gian. Ngoài ra, quá trình ra quyết định còn có thể sử dụng nguồn số liệu thu thập được về khách hàng trong quá khứ. Các tổ chức tín dụng thường lưu trữ thông tin của hàng triệu khách hàng đã đăng ký và sử dụng dịch vụ của mình. Vấn đề với nguồn dữ liệu này là tổ chức tín dụng chỉ nắm được các thông số về các khách hàng bị từ chối cung cấp dịch vụ cho nhóm này. Điểm này gây ra sai lệch khá nghiêm trọng trong mẫu nghiên cứu. Cảm nhận thông thường rất dễ đi đến định kiến rằng những người bị từ chối cung cấp dịch vu là những người có mức tín nhiệm xấu. Hand và Henley đã kết luận rằng không thể giải quyết triệt để được vấn đề này trừ phi có thể xác định được mối quan hệ cụ thể giữa phân bố của các nhóm khách hàng tốt và xấu trong cả hai tập hợp khách hàng được chấp nhận và bị từ chối. Vấn đề này có thể được giải quyết bằng việc chấp nhận cung cấp dịch vụ cho khách hàng trong một thời gian ngắn. Tuy nhiên, đặc tính của ngành tín dụng không cho phép các ngân hàng làm như vậy.

1. Lịch sử ra đời và phát triển

Mô hình định mức tín nhiệm thể nhân ra đời cách đây hơn 50 năm. Theo các mô hình này các cá nhân có nhu càu thế chấp mua nhà, vay trả chậm dùng thẻ tín dụng sẽ được đánh giá và lượng hóa khả năng thanh toán của cá nhận đó bằng thang điểm tín dụng. Mức điểm thu được cho biết mức độ rủi ro tương đối của khả năng thanh toán và khả năng gây thiệt hại của khách hàng đối với người cho vay. Mức điểm dựa trên thông tin có được từ các báo cáo về quá trình sử dụng khoản tín dụng của khách hang, đồng thời so sánh với những khách hàng tương tự.

Từ khi ra đời, các mô hình định mức tín nhiệm thể nhân được sử dụng ngày càng hiệu quả, giúp ngân hàng và các tổ chức tín dụng lượng hóa tương đối chính xác khả năng thanh toán của khách hàng trước khi quyết định cung cấp các dịch vụ như thẻ tín dụng, các khoản vay trả chậm trực tiếp và gián tiếp, vay thế chấp, v.v… Lợi ích mà hệ thống này đem lại là rất lơn, trong đó những ưu điểm nổi bật có thể kể đến là giảm thieru chi phí phân tích thông tin, giúp đưa ra các quyết định cho vay tín dụng nhanh và chính xác, đảm bảo việc thu hồi tín dụng, và từ đó giảm thiểu rui ro tín dụng.

Dễ dàng nhận thấy rằng chỉ cần mức độ đánh giá chính xác trong phân tích tín dụng được tăng lên một tỷ lệ nhỏ cũng có thể giúp các ngân hàng hay các tổ chức tài chính tránh được những khoản tổn thất lớn. Do đó, những mô hình phức tạp trong các bài toán đánh giá rủi ro khách hàng ngày càng được phát triển và mở rộng, cho phép các tổ chức tài chính quản lý hiệu quả hơn nguồn vốn kinh doanh của mình.

Về bản chất, định mức tín nhiệm dựa trên cơ sở nhận biết những nhóm khách hàng khác nhua trong một tổng thể, trong đó người ta không thể nhận diện được những đặc điểm của các cá thể trong cùng một nhóm, mà chỉ có thể nhận biết được sự khác nhau tương đối giữa các nhóm. Phương pháp phân nhóm trong một tập hợp lần đầu tiên được Fisher giới thiej vào năm 1936, khi ông tiến hành phân biệt hai đặc tính của cây Irit bằng cách tiến hành đo đạc kích thước bên ngoài của các cây và phân biệt nguồn gốc của xương sọ bằng kích thước của chúng. David Duran (1941) là người đầu tiên nhận biết được rằng kỹ thuật đó có thể được sử dụng để phân biệt các khoản nợ xấu và tốt. Báo cáo của ông được trình bày trong một đề án nghiên cứu với Cục Nghiên Cứu Kinh tế Quốc Gia Hoa Kỳ trước tiên không nhằm mục đích dự báo. Cùng thời gian đó, các công ty bán hàng qua đơn đặt hàng và các công ty cho vay mua nhà đã gặp rất nhiều khó khăn với hệ thống đánh giá độ tín nhiệm khách hàng của họ. Các quyết định cho vay hay gửi đi hàng hóa cho khách hàng chủ yếu được thực hiện bởi các chuyên viên đánh giá tín dụng trong một thời gian dài. Tuy nhiên, những chuyên viên này được huy động phục vụ cho quân đội trong thời gian chiến tranh, vì vậy nhu cầu thay thế nguồn lực này đã trở nên cấp thiết hơn bao giờ hết. Một giải pháp tạm thời được sử dụng khi đó là các công ty đã yêu cầu các chuyên viên của mình liệt kê những nguyên tắc cơ bản mà họ sử dụng để ra các quyết định cho vay. Những nguyên tắc này sau đó được sử dụng bởi những người kế nhiệm để đưa ra các quyết định tín dụng cho công ty, đây chính là hình thức sơ khai của hệ thống này. Không lâu sau khi chiến tranh kết thúc, các mô hình dựa trên những nguyên lý thống kê đã tỏ rõ được sức mạnh của nó trong việc đưa ra quyết định cấp tín dụng. Bill Fair và Earl Isaac vào đầu những năm 50 đã thành lập hãng tư nhân đầu tiên với các khách hàng chủ yếu là các công ty tài trợ nhà ở và các hãng bán hàng qua đơn.

Sự xuất hiện của thẻ tín dụng vào những năm 60 đã mở ra một bước tiến mới cho hệ thống dịnh mức tín dụng thể nhân. Số lượng khách hàng đăng ký xin cấp thẻ tín dụng ngày một tăng khiến cho các phương pháp làm thủ công trước đây chủ yếu dựa vào các chuyên viên tín dụng trở nên không thể đáp ứng nổi. Từ đó, nhu cầu xây dựng một hệ thống ra quyết định hoàn toàn tự động đã được thúc đẩy và phát triển hơn bao giờ hết. Khi các tổ chức kinh tế này sử dụng các hệ thống định mức dự báo chính xác hơn bất cứ một phương pháp đánh giá nào khác, và tỷ lệ phá sản đã giảm xuống dưới 50% hoặc thấp hơn. Sự kiện đánh dấu cột mốc quan trọng của việc chấp nhận hệ thống này một cách rộng rãi là việc thông qua đạo luật Cơ hội Tín Dụng Ngang Bằng ở Mỹ năm 1975 và 1976. Nội dung chủ yếu của nó là cấm sự phân biệt đối xử tín dụng trong việc cấp tín dụng trừ phi sự phân biệt đó đã được chứng minh trên cơ sở thống kê.

Vào cuối thập kỷ 80, thành công của các mô hình định mức tín nhiệm trong việc phát hành thẻ tín dụng bắt đầu lan tỏa sang các sản phẩm khác của ngân hàng như các khoản vay của cá nhân, thậm chí trong một vài năm vừa qua, phương pháp này được sử dụng cho cả các khoản vay mua nhà và các khoản vay kinh doanh nhỏ. Đến những năm 90, sự phát triển của các hình thức marketing trực tiếp đến người tiêu dùng đã đưa đến việc sử dụng các thẻ tính điểm để nâng cao tỷ lệ phản hồi cho các chiến dịch marketing. Những tiến bộ trong khoa học máy tính cũng cho phép những kỹ thuật khác được đưa vòa thử nghiệm để xây dựng các thẻ tính điểm tự động. Vào những năm 80, các phương pháp hồi quy log và quy hoạch tuyến tính đã trở thành những phương pháp rất đáng tin cậy cho các tổ chức kinh tế. Gần đây hơn, các kỹ thuật trí thông minh nhân tạo như hệ thống chuyên gia hay mạng lưới trung hòa đã trở thành những kỹ thuật hàng đầu được áp dụng.

Hiện tại, các mô hình nghiên cứu đã bắt đầu dịch chuyển từ mục tiêu tối thiểu hóa khả năng phá sản của khách hàng sang mục tiêu tối đa hóa lợi nhuận doanh nghiệp. Bên cạnh đó, những nguyên lý đơn giản đầu tiên của việc đánh giá rủi ro tín dụng đã được bổ sung bằng một loạt các hệ số điểm quan trọng khác n hư sự phản hồi (khách hàng sẽ phản hồi một thư giới thiệu sản phẩm như thế nào), sử dụng tín dụng được cấp (khách hàng sẽ sử dụng tín dụng được cấp như thế nào), khả năng lưu giữ thói quen sử dụng (khách hàng sẽ tiếp tục sử dụng sản phẩm như thế nào sau thời gian giới thiệu sản phẩm), sự trung thành (liệu khách hàng có chuyển qua nhà cung cấp tín dụng khác không), và quản lý nợ (khách hàng có sử dụng các khoản vay một cách thận trọng để giảm thiểu khả năng phá sản hay không).

Related posts:

Liên Quan Khác

• Một số lý thuyết đánh giá tín dụng thể nhân (P.2)