Đề tài Xây dựng mô hình xếp hạng tín dụng khách hàng cá nhân của ngân hàng Đông Á

enting cho thấy những người có thể định cư lâu tại một nơi ít có khả năng trả nợ hơn là những người phải thuê nhà và cư trú ít tại một nơi; o OtherB_acc: điều này được có thể đươc giải thích bởi hệ thống liên NH của nước ta hoạt động ít hiệu quả nên dẫn đến khi một người chi lương qua NH khác dễ không trả nợ hơn; o Saving: việc trái dấu so với giả thiết có thể là do hiện tượng đa cộng tuyến; o VN_Comp: giả thiết do tác giả đặt ra do so sánh về mức lương của công ty Việt Nam so với các thành phần còn lại là tương đối thấp hơn. Tuy nhiên, thực tế cho thấy là KH làm trong các công ty Việt Nam vẫn ảnh hưởng tích cực đến việc trả nợ của họ. Tóm lại, các biến đáp ứng tốt nhất các tiêu chuNn thống kê đề ra là HE, Gender, OtherB_acc, DAB_relate, Length_stay, Foreign, Marrital. Mô hình 2 - Trong mô hình vẫn chịu tác động của hiện tượng đa cộng tuyến, biến Saving vẫn trái dáu so với giả thiết. Ngoài ra, biến Age trái dấu so với giả thiết, điều này chứng tỏ kết quả thực nghiệm tại NH Đông Á người càng lớn tuổi càng có khả năng trả nợ. Tuy nhiên, kết quả trái dấu này cũng có thể là do kích thước mẫu không đủ lớn, điều đó còn được thể hiện 66 ở mức Sig. của Age rất cao so với mức ý nghĩa 10%, kết quả này ít tin cậy khi suy rộng ra tổng thể; - Hầu hết các biến đều có ý nghĩa cao (Sig < 0.05), trừ 2 biến Age và Gov; - Theo kết quả hồi quy mô hình 2, tác động mạnh theo thứ tự đến biến phụ thuộc chính là biến Foreign (các biến thuộc chỉ tiêu loại hình công ty), HE, Gender và OtherB_acc, DAB_acc, Renting và Marrital. Ta có thể giải thích một số biến như sau: o Foreign: KH làm việc ở công ty nước ngoài có khả năng trả nợ cao hơn so với các loại hình công ty khác. Tiếp theo đó là loại hình công ty Việt Nam, công ty tài chính và công ty nhà nước; o HE: trình độ học vấn trên đại học tác động tích cực đến khả năng trả nợ của một KH; o Marrital: hệ số hồi quy của biến này cho thấy người độc thân có xu hướng trả nợ tốt hơn người đã có gia đình. Về mặt thực tiễn tại Việt Nam, ta có thể lý giải người độc thân có khả năng quản lý tài chính tốt hơn người có gia đình. Mô hinh 3 - Tất cả các biến trong mô hình đều có ý nghĩa thống kê (Sig. < 0.1). Biến có ý nghĩa nhất là HE và tiếp theo là Gender, DAB_acc; - Trong tất cả các biến của mô hình 3, biến Gender là có tác động lớn nhất. Điều này cho thấy phụ nữ có khả năng trả nợ cao hơn so với đàn ông, điều này đã chứng mình sự khác biệt với lý thuyết trong điều kiện Việt Nam; - Biến DAB_acc cũng có tác động mạnh và tác động tích cực đến khả năng trả nợ theo mô hình 3. Việc chi lương qua NH Đông Á làm tăng khả năng trả nợ của 1 KH. Điều này đúng với giả thiết nêu ra; - Có sự thay đổi về mức độ tác động đến biến phụ thuộc của các loại hình công ty trong mô hình 3, tác động tích cực nhất vẫn là công ty nước ngoài, tiếp theo là công ty tài chính, công ty nhà nước và cuối cùng là công ty Việt Nam; - Mặc dù loại biến Saving ra khỏi mô hình ngay khi đưa vào hồi quy bằng phương pháp Stepwise Backward để khắc phục đa cộng tuyến, nhưng biến Income vẫn bị loại, có thể được giải thích như sau: sau khi khắc phục đa cộng tuyến, biến thu nhập không còn mức độ giải thích cao nữa vì đã có một số biến khác trong mô hình có thể cũng giải thích một phần ý nghĩa của thu nhập. Ví dụ như biến Foreign, khi làm việc ở công ty nước ngoài, thì theo nghiên cứu của Đỗ Thị Tươi, 2010, có sự khác biệt về lương giữa những người làm việc tại công ty nước ngoài so với các loại hình công ty khác; ví dụ như biến Work_tenure, tác động 67 tích cực đến biến phụ thuộc, biến này cũng có thể đã giải thích một phần ý nghĩa của biến Income, vì khi có thâm niên trong công việc hiện tại, thì thường có thu nhập cao hơn. Nhận xét chung - Cả ba mô hình đều có mức độ phù hợp tổng quát (Sig. OB = 0.00 < α ). Kết quả dự báo của cả 3 mô hình cũng phù hợp với dữ liệu quan sát (Sig. HL của cả 3 mô hình đều > α ; - Độ chính xác của kết quả dự báo của cả 3 mô hình rất cao, xấp xỉ 90%. Trong đó, mô hình 2 là có độ chính xác cao nhất, mô hình 3 có độ chính xác thấp nhất; - Qua giá trị của “McFadden R-squared” trong kết quả thu được từ việc ước lượng hàm hồi quy Logit của các mô hình cho biết: mô hình 1, 2 và 3 giải thích lần lượt 67%, 64%, 55% sự biến động của xác suất trả được nợ của KH; - Về kiểm định – 2LL cho thấy, cả ba mô hình có chỉ số tương đối thấp, điều này chứng tỏ mức độ phù hợp khá tốt của mô hình tổng thể. Trong đó, mô hình 3 là có sự phù hợp thấp nhất và mô hình 1 là có sự phù hợp cao nhất; - Tương tự, để kiểm định hàm hồi quy Logit có ý nghĩa hay không, có thể kiểm định cặp giả thiết sau: H0: Hàm hồi quy Logit không có ý nghĩa; H1: Hàm hồi quy Logit có ý nghĩa. Sử dụng thống kê likelihood ratio thu được từ kết quả ước lượng của mô hình 1, 2 và 3 là 84.76, 82.20 và 70.69 và so sánh với 2kχ (với bậc tự do là số biến độc lập của mỗi mô hình, mức ý nghĩa 5%) đều có kết quả bác bỏ H0, chấp nhận H1. 3.6 Đề xuất mô hình xếp hạng tín dụng cho ngân hàng Đông Á Mô hình 3 đảm bảo tất cả các hệ số trong mô hình đều có ý nghĩa thống kê cao (Sig. < 0.1). Trong mô hình này cũng không có hiện tượng đa cộng tuyến do đã loại bỏ cả 2 biến Saving và Income. Tuy nhiên, vì XHTD là một mô hình đòi hỏi tính chính xác của dụ báo, thì mô hình 3 lại thấp nhất trong 3 mô hình về tính chính xác của kết quả dự báo. Bên cạnh đó, theo kết quả thống kê chi bình phương (với 11 bậc tự do) về chỉ số Log likelihood của 2 mô hình 1 (mô hình đầy đủ biến) và mô hình 3, thì thống kê 2kχ = 14.07 > 3.81. Ta kết luận bác bỏ giả thiết H0, chấp nhận H1 là mô hình không được loại biến. Ta có thể nhận thấy về các chỉ tiêu thống kê về mức độ phù hợp với mô hình tổng thể, mức độ phù hợp tổng quát, mức độ giải thích cho sự thay đổi, cũng như khả năng dự báo chính xác thì mô hình 2 là vượt trội nhất, thích hợp cho một mô hình XHTD. Tuy nhiên, mô hình này mắc phải hiện tượng đa cộng tuyến, và chỉ số mức ý nghĩa của biến Age (Sig = 0.214 > 0.1). 68 Chung lại, chúng ta cần một sự kết hợp giữa 2 mô hình 2 và 3. Chúng ta ước lượng được mô hình 4, chính là mô hình 3 thêm vào biến Income và Saving, cũng như là mô hình 2 loại đi biến Age. Chúng ta chấp nhận hiện tượng đa cộng tuyến trong mô hình theo Ramanathan (2003), để có được kết quả dự báo chính xác. Ngoài ra, theo lý thuyết, 2 biến Income và Saving có mức độ quan trọng khá cao trong XHTD, chúng ta không nên loại 2 biến này ra khỏi mô hình dự báo. Dưới đây là ước lượng của mô hình 4. Bảng 3.6: Mô hình 4 – mô hình đề xuất STT Biến β Sig. 1 Gender -6.12 0.003 2 Marrital -2.63 0.044 3 Renting 4.17 0.036 4 Length_stay -0.01 0.008 5 Work_tenure 0.02 0.019 6 DAB_acc 3.92 0.025 7 OtherB_acc -5.32 0.021 8 DAB_relate 2.14 0.035 9 Income 0.20 0.034 10 Saving -0.37 0.012 11 Gov 2.82 0.127 12 Foreign 6.28 0.009 13 Finance_comp 4.20 0.051 14 VN_comp 3.93 0.020 15 HE 5.44 0.001 16 Constant 0.08 0.972 Các chỉ số thống kê OB 0.00 HL 76% Độ chính xác 93.4% - 2LL 46.55 McFadden R-squared 63% Likelihood ratio 80.59 (Nguồn: số liệu tính toán từ dữ liệu của NH Đông Á) Chỉ số về độ chính xác của kết quả dự báo mô hình 4 thấp hơn mô hình 2 (93.4 < 94.9), và tất nhiên là độ chính xác cao hơn mô hình 3. Chỉ số thống kê HL cho ta thấy mô hình 4 có độ phù hợp với dữ liệu quan sát hơn mô hình 2, số thống kê này chỉ thấp hơn mô hình 3. Về độ phù hợp tổng quát, cũng như khả năng giải thích cho sự thay đổi của xác suất trả nợ thì mô hình 3 đều đáp ứng tốt. Kiểm định theo thống kê Likelihood ratio cũng cho thấy hàm hồi quy này có ý nghĩa. Vậy, tác giả xin được đề xuất mô hình trên là mô hình XHTD cá nhân cho thẻ tín dụng của NH 69 Đông Á, mô hình này đảm bảo các yếu tố về thống kê để có thể suy rộng ra tổng thể cũng như đáp ứng các yêu cầu đặt ra ở đầu chương này. 3.7 Phân tích tác động biên của các yếu tố (mô hình 4) Theo bảng 2.24, ta có cơ cấu các nhóm nợ trên tổng số KH. Từ đây, cơ cấu của các KH có khả năng trả nợ (nhóm nợ thấp hơn 3) là 97.96% (xấp xỉ 98%). Vậy, ta có thể xác định xác suất ban đầu của khả năng đảm bảo trả nợ là 98%. Ngoài ra, để có thể nhìn nhận tổng quan hơn, tác giả chọn thêm 2 mức xác suất ban đầu khác là 90% và 95%. Dưới đây là bảng kết quả ước lượng tác động biên của các yếu tố trong mô hình 4. Bảng 3.7: Bảng tính tác động biên của các biến lên xác suất trả nợ của KH Xác suất ban đầu Biến 98% 95% 90% Tên biến Biên độ của các biến Xác suất trả nợ mới Gender Nam so với nữ 0.09725 0.04010 0.01940 Marrital Có gia đình so với độc thân 0.77934 0.57797 0.39346 Renting Có thuê nhà so với không thuê nhà 0.99968 0.99919 0.99829 Length_stay Cư trú nhiều hơn 1 tháng 0.97980 0.94952 0.89910 Work_tenure Làm việc nhiều hơn 1 tháng 0.98039 0.95094 0.90179 DAB_acc Có chi lương qua NH Đông Á so với chi lương tiền mặt 0.99960 0.99896 0.99780 OtherB_acc Có chi lương qua NH khác so với chi lương tiền mặt 0.19338 0.08506 0.04218 DAB_relate Số dịch vụ đang sử dụng của NH Đông Á tăng thêm 1 0.99760 0.99385 0.98710 Income Thu nhập tăng thêm 1 triệu đồng 0.98357 0.95869 0.91662 Saving Tiết kiệm tăng thêm 1 triệu đồng 0.97130 0.92920 0.86143 Gov Làm việc tại công ty nhà nước so với loại hình công ty khác 0.99879 0.99687 0.99342 Foreign Làm việc tại công ty nước ngoài so với loại hình công ty khác 0.99996 0.99990 0.99979 Finance_comp Làm việc tại công ty tài chính so với loại hình công ty khác 0.99969 0.99921 0.99834 VN_comp Làm việc tại công ty Việt Nam so với loại hình công ty khác 0.99960 0.99897 0.99782 HE Trình độ ĐH trở lên so với dưới ĐH 0.99991 0.99977 0.99952 (Nguồn: số liệu tính toán từ dữ liệu của NH Đông Á) 70 Theo bảng trên, ta có thể thấy được sự thay đổi của xác suất trả nợ của KH khi có sự biến đổi biên của từng biến riêng biệt. Ví dụ, khi thu nhập của KH tăng thêm 1 triệu đồng thì xác suất trả nợ của KH lúc này là 98,357%, tăng thêm so với xác suất ban đầu 98% là 0.357%. Tiếp theo, tác giả biểu diễn sự khác biệt về xác suất đảm bảo trả nợ của nam và nữ, trình độ dưới ĐH và từ ĐH trở lên qua biểu đồ 3.1, trong điều kiện sự thay đổi về số tháng cư trú (biến Length_stay) và tất cả các biến còn lại cố định. Biểu đồ 3.1: Biểu đồ thể hiện sự khác biệt và xác suất trả nợ theo giới tính và trình độ học vấn (Nguồn: số liệu tính toán từ dữ liệu của NH Đông Á) 3.8 So sánh độ chính xác với mô hình mà ngân hàng đang áp dụng Ta có kết quả chấm điểm tín dụng 137 KH trên của mô hình hiện nay vào thời gian họ đăng ký sử dụng sản phNm. Mức điểm này được quy ra tỷ lệ phần trăm (%) trên mức tổng điểm cao nhất của của mô hình chấm điểm hiện tại, để phù hợp với kết quả dự báo xác suất phần trăm trả nợ của mô hình đề xuất vừa ước lượng. Từ đây ta tiến hành so sánh độ chính xác của kết quả dự báo từ hai mô hình trên với lịch sử vay và trả nợ thực tế của 137 KH này. Với trị số phân biệt là 50% (0.5), kết quả dự báo lớn hơn 0.5 KH sẽ thuộc nhóm có khả năng trả nợ, và ngược lại KH sẽ thuộc nhóm không có khả năng trả nợ. Sau đây là biểu đồ thể hiện kết quả dự báo của cả hai mô hình: 71 Ta nhận thấy hầu như kết quả dự báo của mô hình hiện tại với 137 KH không có giá trị dưới ngưỡng 0.5. Đó chính là lý do như phần trên tác giả đã đề cập một trong những hạn chế của mô hình: “không là cơ sở mạnh để từ chối cấp tín dụng, mô hình chỉ có tác dụng hỗ trợ ra quyết định cấp hạn mức tín dụng của KH”. Và để chúng ta thấy được sự chính xác hơn về kết quả dự báo của mô hình đề xuất, bảng dưới đây sẽ trình bày cụ thể: Bảng 3.8: So sánh độ chính xác kết quả dự báo của hai mô hình Quan sát thực tế Kết quả dự báo Khả năng trả nợ Xác suất chính xác (%) Không Có Mô hình hiện tại Khả năng trả nợ Không 0 24 0 Có 0 113 100 Xác suất tổng quát 82 Mô hình đề xuất Khả năng trả nợ Không 18 6 75.0 Có 3 110 97.3 Xác suất tổng quát 93.4 (Nguồn: số liệu tính toán từ dữ liệu của NH Đông Á) (Nguồn: số liệu tính toán từ dữ liệu của NH Đông Á) Biểu đồ 3.2: Biểu diễn các điểm thực tế và dự báo của biến phụ thuộc Y 72 3.9 Tiêu chu7n phân bổ cá thể Xác suất trả nợ ứng với mỗi KH là sự ước lượng hợp lý khả năng đảm bảo trả nợ của một KH trong một khoảng thời gian tới là bao nhiêu. Xác suất trả nợ cũng là một trong những nhân tố chính trong việc ước lượng và xác định hạn mức tín dụng an toàn và trích lập dự phòng rủi ro khi cần của NH. Vì vậy, XHTD cá nhân thường thiết lập mối quan hệ giữa xác suất trả nợ và hệ thống ký hiệu xếp hạng, có nghĩa là làm tương tương ứng xác suất này với một loại ký hiệu XHTD, bằng việc sử dụng một bảng ánh xạ. [0, 1] {AAA, AA, A, …, C} Quá trình ánh xạ xác suất trả nợ tương ứng với một loại kí hiệu nào đó, giúp cho việc nhận diện về mức độ rủi ro tín dụng của người vay và thứ hạng của họ để hiểu hơn. Bởi, hầu hết những người phân tích tín dụng, quản lý rủi ro, KH và lãnh đạo NH họ rất hiểu và quen thuộc với hệ thống kí hiệu này với mức độ rủi ro tín dụng tương ứng và mức xác suất trả nợ hiện tại. Việc tính toán xác suất này được thực hiện thông qua hàm phân phối Logit ước lượng từ mẫu trên. Muời hạng mức tín nhiệm cũng được đưa ra AAA, AA, A, BBB, BB, B, CCC, CC, C, D dựa trên 10 loại KH mà NH Đông Á đang áp dụng theo bảng 2.27, tương ứng với xác suất trả nợ theo bảng sau. Bảng 3.9: Tiêu chu7n phân bổ cá thể theo mức rủi ro Loại hiện tại Xếp hạng tín nhiệm Xác suất trả nợ (%) Rủi ro 1 AAA 91 – 100 Thấp 2 AA 81 – 90 Thấp 3 A 71 – 80 Thấp 4 BBB 61 – 70 Trung bình 5 BB 51 – 60 Trung bình 6 B 41 -50 Cao 7 CCC 31 – 40 Cao 8 CC 21 – 30 Cao 9 C 11 – 20 Cao 10 D < 10 Cao (Nguồn: tổng hợp từ tác giả) 73 3.10 Biện pháp để xây dựng hệ thống xếp hạng hiệu quả cho ngân hàng Đông Á Nếu NH Đông Á xây dựng được một cơ sở dữ liệu đủ lớn thì hoàn toàn có thể sử dụng phương pháp định lượng là mô hình hồi qui cho cả hai kỹ thuật chấm điểm tín dụng và hành vi KH. Kết quả hồi qui sẽ cho biết được yếu tố nào có tác động đáng kể cần phải có trong hệ thống xếp hạng tín dụng, yếu tố nào có tác động nhỏ cần loại bỏ. Việc vận dụng mô hình trên sẽ giảm được sai lầm trong phương pháp thNm định chuyên gia còn mang yếu tố cảm tính. Điều này giúp ngân hàng có được bảng chấm điểm cô đọng nhưng vẫn đánh giá chính xác khả năng trả nợ của khách hàng, cũng như có được chính sách KH linh hoạt hơn. Ngoài ra,với phương pháp này, tỉ trọng các tiêu chí có thể thay đổi phù hợp với điều kiện mới. Lựa chọn tiêu chí đánh giá mà theo kinh nghiệm các ngân hàng, nó có ảnh hưởng ít nhiều đến khả năng và thiện chí trả nợ của khách hàng, các tiêu chí này phải có trong cơ sở dữ liệu của ngân hàng, nếu các tiêu chí thật sự quan trọng trong phân tích tín dụng mà không có trong cơ sở dữ liệu thì ngân hàng có thể giữ lại. Từ kết quả hồi qui trong phần trước cho thấy khi xây dựng hệ thống xếp hạng tín dụng, cần quan tâm đến các chỉ tiêu giới tính, trình độ học vấn, loại hình công ty của KH làm việc, hình thức chi lương, tình trạng hôn nhân, tình trạng cư trú và thu nhập của KH. Trong bảng chấm điểm phải có mặt các chỉ tiêu này và trọng số các chỉ tiêu này phải dựa trên kết quả ước lượng của mô hình đề xuất. 74 TÓM TẮT CHƯƠNG 3 Từ những hạn chế về thực trạng hệ thống XHTD cá nhân cho sản phNm thẻ tín dụng của NH Đông Á và những kinh nghiệm rút ra từ những nghiên cứu trước đây, trong chương 3 tác giả đã tập trung nghiên cứu những nội dung chủ yếu sau: 1. Lựa chọn mô hình nghiên cứu thực nghiệm là mô hình thống kê hồi quy Logit, trên cơ sở số liệu từ 137 KH sử dụng thẻ tín dụng từ tháng 10/2008 đến tháng 02/2010, 2. Để đề xuất được một mô hình thống kê trong XHTD cá nhân tại NH Đông Á, trong nghiên cứu thực nghiệm đề tài đã tiến hành các bước sau: - Đề xuất cách phân nhóm về khả năng trả nợ của KH theo Điều 7 Quyết định 493/2005/QĐ – NHNN, cũng như giới thiệu về các biến số (độc lập và phụ thuộc), giới thiệu mẫu nghiên cứu, - Sử dụng phần mềm SPSS và Eviews ước lượng 3 mô hình để phân tích và đề xuất 1 mô hình chấm điểm tín dụng cho NH Đông Á (mô hình 4). Đồng thời kết hợp với các tiêu chuNn kiểm định thích hợp để đánh giá sự phù hợp và độ chính xác của hàm hồi quy Logit, - Ước lượng tác động biên của các yếu tố trong mô hình 4, - Kiểm định được sự ảnh hưởng của các yếu tố đến khả năng đảm bảo trả nợ của KH, - So sánh kết quả dự báo với mô hình hiện tại và chỉ ra sự chính xác hơn của mô hình đề xuất, - Đề xuất tiêu chuNn phân bổ cá thể cũng như biện pháp kiến nghị để xây dựng mô hình thống kê định lượng trong hệ thống XHTD cá nhân của NH Đông Á. Các kết quả và đề xuất này đều dựa trên những luận cứ khoa học và phù hợp với điều kiện thực tế tại NH Đông Á. 75 KẾT LUẬN XHTD cá nhân là một khái niệm không mới trên thế giới, nhưng tại Việt Nam, khái niệm này vẫn còn được ứng dụng với những phương pháp đơn giản và định tính. KH cá nhân là đối tượng KH hay thay đổi và khó quản lý, nhất là trong điều kiện thiếu thông tin minh bạch tại Việt Nam. Điều này dẫn đến rủi ro khi cho vay tín dụng đối với NH là điều không thể tránh khỏi nếu như vẫn tiếp tục sử dụng các phương pháp chuyên gia, định tính và thiếu phân tích hành vi KH. Vậy, việc đổi mới mô hình chấm điểm tín dụng, hoàn thiện hơn hệ thống XHTD là bằng một phương pháp định lượng và có thể đánh giá hành vi như mô hình hồi quy Logit là một vấn đề chiến lược và tất yếu. Sau quá trình nghiên cứu đề tài “Xây dựng mô hình xếp hạng tín dụng đối với các khách hàng sử dụng thẻ tín dụng NH Đông Á”, đề tài đã thu được những kết quả như sau: 1. Hệ thống được cơ sở lý thuyết cơ bản về XHTD nhằm làm rõ tính tất yếu, vai trò, đặc điểm của XHTD. Đồng thời, trình bày các yếu tố liên quan đến XHTD cá nhân và các phương pháp XHTD cá nhân phổ biến hiện nay, 2. Trên cơ sở tổng kết các kết quả nghiên cứu trước đây của một số cá nhân, tập thể, cũng như kinh nghiệm XHTD cá nhân của một số tổ chức tín dụng, kiểm toán trong và ngoài nước cho thấy lý thuyết khi đem vào kiểm định hay ứng dụng thực tiễn ở các nước khác nhau đều có một số thay đổi ở từng nước. Đồng thời qua phân tích thực trạng áp dụng của một số NHTM Việt Nam và đặc biệt là NH Đông Á cho thấy XHTD cá nhân đã đạt được những thành tựu không nhỏ trong việc phát triển các hình thức tín dụng tại Việt Nam. Tuy nhiên, thực tế hệ thống XHTD cá nhân tại NH Đông Á cũng còn một số hạn chế như: thiếu thông tin minh bạch về KH, thiếu sự quản lý thống nhất từ cơ quan quản lý nhà nước, phương pháp xếp hạng chưa đảm bảo tính khách quan cho mọi KH, mô hình xếp hạng chưa bao trùm hết các yếu tố về hành vi KH, phương pháp này còn mang tính định tính, chưa được kiểm định thống kê. Vì vậy, việc đổi mới là tất yếu, 3. Nhằm khắc phục những hạn chế trên, trong chương IV tác giả đã tiến hành nghiên cứu thực nghiệm “xây dựng mô hình XHTD cá nhân cho KH sử dụng thẻ tín dụng NH Đông Á” trong phạm vi nghiên cứu của đề tài và trên cơ sở tiếp cận mô hình thống kê. Trong quá trình nghiên cứu, dựa trên cơ sở khoa học, tác giả đưa ra một số kết luận, cũng như đề xuất sau: 76 - Kiểm định các mô hình lý thuyết trên thực tiễn Việt Nam, cho thấy nhiều khác biệt: thời gian cư trú và việc thuê nhà của KH tại Việt Nam tác động ngược chiều lên khả năng trả nợ; phụ nữ có khả năng trả nợ cao hơn đàn ông, - Chứng minh chỉ tiêu VIP không ảnh hưởng đến xác suất trả nợ một cách có ý nghĩa thống kê; và các loại hình công ty khác nhau có ảnh hưởng khác nhau đến khả năng trả nợ, - Cũng dựa trên lý thuyết, đề tài đã lượng hóa các chỉ tiêu định tính được áp dụng trong mô hình hiện tại của NH Đông Á, các chỉ số lượng hóa đều có ý nghĩa về mặt thống kê. Hơn nữa, đề tài còn ước lượng được tác động biên của từng yếu tố, - Đề xuất một mô hình XHTD mới đáp ứng các yêu cầu đặt ra, - Hệ thống ký hiệu XHTD và ý nghĩa tương ứng. 4. Đưa ra những biện pháp để NH có thể áp dụng mô hình định lượng đề xuất vào thực tiễn. Tuy nhiên, đề tài còn hạn chế ở những khía cạnh sau: mẫu nghiên cứu nhỏ, các phạm trù có cơ cấu không đồng đều, thiếu nhiều chỉ tiêu về hành vi KH do hạn chế về cơ sở dữ liệu. Tác giả đề xuất những nghiên cứu tiếp theo nên xác định thêm những yếu tố hành vi khách hàng tác động như thế nào đến khả năng đảm bảo trả nợ. Tóm lại, đề tài đã đạt được những mục tiêu đề ra, kết quả nghiên cứu có tính khả thi cao khi áp dụng trên thực tế. Kết quả thu được là tài liệu tham khảo cho các tổ chức tín dụng, cá nhân liên quan đến XHTD cá nhân, đặc biệt là NH Đông Á. 77 Danh mục tài liệu tham khảo Tài liệu tiếng Việt Sách 1. Hoàng Trọng – Chu Nguyễn Mộng Ngọc, (2008), Phân tích dữ liệu nghiên cứu với SPSS, Nxb Hồng Đức, Tp.HCM; 2. Lê Văn Tư, (2005), Quản trị ngân hàng thương mại, Nxb. Tài chính, Tp.HCM 3. Nguyễn Quang Dong, (2002), Kinh tế lượng chương trình nâng cao, Nxb Khoa học và kỹ thuật, Hà Nội; 4. Nguyễn Minh Kiều, (2007), Tín dụng và th!m định tín dụng ngân hàng, Nxb Tài chính, Tp.HCM; 5. Ramanathan R., (2007), Nhập môn kinh tế lượng với các ứng dụng, Bản dịch tiếng Việt của Fulbright, Chương trình giảng dạy Kinh tế Fulbright. Các tài liệu khác 1. Ngân hàng Nhà nước, (2005), “Quyết định 493/2005/QĐ-NHNN: Quy định về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng’, Cổng thông tin điển tử Bộ Tư Pháp; 2. Ngân hàng Nhà nước, (2007), “Quyết định 18/2007/QĐ-NHNN: Sửa đổi, bổ sung một số điều của Quy định về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng”, Cổng thông tin điển tử Bộ Tư Pháp; 3. Tài liệu nội bộ về hoạt động kiểm toán các tổ chức tín dụng của E&Y (2006); 4. Tài liệu nội bộ về xếp hạng tín dụng của BIDV (2004); 5. Tài liệu nội bộ về xếp hạng tín dụng của Vietinbank (2004); 6. Tài liệu hướng dẫn chấm điểm tín dụng và xếp hạng KH cá nhân, phòng Chính sách KH, NH Đông Á (2008); 7. Sổ tay tín dụng Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam, chương V (Hệ thống chấm điểm tín dụng và xếp hạng khách hàng) (2004); 8. Đỗ Thị Tươi, (2010), Chính sách tiền lương ở Việt Nam trong quá trình hội nhập, ĐH Lao động Xã hội, Cổng thổng tin tuyển dụng của công đồng Nhân sự nhap.html, truy cập ngày 03/05/2010; 78 9. Lê Tất Thành, (2009), Ứng dụng hàm Logit xây dựng mô hình dự báo hạng mức tín nhiệm các doanh nghiệp Việt Nam, ĐH Kinh tế Tp.HCM, công trình dự thi giải thưởng nghiên cứu khoa học sinh viên “Nhà kinh tế trẻ 2009”; 10. Nguyễn Trường Sinh, (2009), Hoàn thiện hệ thống xếp hạng tín nhiệm của ngân hàng thương mại cổ phần Ngoại Thương Việt Nam, ĐH Kinh tế Tp.HCM, luận văn thạc sĩ; 11. Vương Quân Hoàng, Đào Gia Hưng, Nguyễn Văn Hữu, Trần Minh Ngọc và Lê Hồng Phương, (2006), Phương pháp thống kê xây dựng mô hình định mức tín nhiệm khách hàng thể nhân truy cập ngày 01/05/2010; 12. Trang thông tin truy cập ngày 15/04/2010; 13. Trang thông tin truy cập ngày 08/05/2010; 14. Luận án tiến sĩ “Xây dựng mô hình xếp hạng tín dụng đối với doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi”, …?. Tiếng Anh 1. Adcock, W.O., Hirschman, E.C. and Goldstucker, J. C., (1977), Bank credit card users: an updated profile Advances in Consumer Research, Vol. 4, pp. 236-241; 2. Aparecida, G. M., Gonçalves, E. B., (2007), Credit Risk Analysis Applying Logistic Regression, Neural Networks and Genetic Algorithms Models, speech at POMS 18th Annual Conference, Dallas, Texas, USA, May 4 – May 7, 2007; 3. Barker, T. and Sekerkaya, A., (1992), Globalizaton of Credit Card Usage: The Case of a Developing Economy. International Journal of Bank Marketing, Vol.10, No.6, pp. 27- 31; 4. Black, S.E. and Morgan, D.P., (1998), Risk and the democratization of credit cards. Federal Reserve Bank of New York Research Paper, No: 9815; 5. Cox, D. and Jappelli, T., (1993), The effect of borrowing constraints on consumer liabilities, Journal of Money, Credit and Banking, Vol.25, pp. 197- 213; 6. Crook, J. N., (2001), The demand for household debt in the USA: Evidence from the 1995 survey of consumer finance Applied Financial Economics, Vol. 11, No.1, pp. 83-91; 7. Dinh Thi Huyen Thanh và Stefanie Kleimeier, (2006), Credit Scoring for Vietnam’s Retail Banking Market, Maastricht University, Netherlands; truy cập ngày 10/04/2010 79 8. Duca, J. V. and Rosenthal, S. S., (1993), Borrowing constraints, household debt, and racial discrimination in loan markets, Journal of Financial Intermediation, Vol.3, pp. 77- 103; 9. Erdem, C., (2008), Factors Affecting the Probability of Credit Card Default and the Intention of Card Use in Turkey, International Research Journal of Finance and Economics, No. 18, pp. 159 – 171; 10. Kaynak, E. and Harcar, T., (2001), Consumer’s attitudes and intentions towards credit card usage in an advanced developing country, Journal of Financial Services Marketing, Vol. 6, No.1, pp. 24-39; 11. Lea, S. E. G., Webley, P. and Levine, R. M., (1993), “The economic psychology of consumer debt” Journal of Economic Psychology, Vol.14, No.1, pp. 85-119; 12. Lea, S. E. G., Webley, P., and Walker, C. M., (1995), Psychological factors in consumer debt: Money management, economic socialization, and credit use, Journal of Economic Psychology, Vol.16, pp. 681-701; 13. Lee, J. and Kwon, K. N., (2002), Consumers’ use of credit cards: store credit cards usage as an alternative payment and financing medium The Journal of Consumer Affairs, Vol. 36, No.2, pp. 239-262; 14. Livingstone, S. M., and Lunt, P. K., (1992), Predicting personal debt and debt repayment: Psychological, social, and economic determinants, Journal of Economic Psychology, Vol.13, pp. 111-134; 15. Mathews A. L. and Slocum, J. W. Jr., (1969), Social class and commercial banks credit card use Journal of Marketing, Vol.33, pp.71-78; 16. Mester, L. J., (2004), What’s the point of credit scoring, Federal reserve bank of Philadelphia; 17. Nguyễn Hoàng Bảo, (2010), Logit Model, ĐH Kinh tế Tp.HCM, lưu hành nội bộ; 18. Norvilitis, J. M., Szabicki, B. and Wilson, S. D., (2003), Factors influencing levels of credit card debt in college students, Journal of Applied Social Psychology, Vol.33, No.5, pp. 935-947; 19. Slocum, J. W. and Mathews, H. L., (1970), Social class and income as indicators of consumer credit behavior Journal of Marketing, Vol. 34, No.2, pp. 69-73; 20. Thomas, L. C., Edelman, D. B. and Crook, J. N., (2002), Credit Scoring and its Applications, Society for Industrial and Applied Mathematics, Philadelphia; 21. Tokunaga, H., (1993), The use and abuse of consumer credit: Application of psychological theory and research, Journal of Economic Psychology, Vol.14, No. 3, pp. 285-316; 80 22. Xiao, J. J., Noring, F. E., and Anderson, J. G., (1995), ollege students’ attitudes towards credit cards, Journal of Consumer Studies, Vol.19, pp. 155-174; 23. Zelizer, V., (1994), The social meaning of money. Princeton, NJ: Princeton University Press; 81 Phụ Lục 1: Kết quả hồi quy mô hình 1 Mô hình hồi quy 1 trên phần mềm SPSS B S.E. Wald df Sig. Exp(B) Gender -5.45 2.248 5.875 1 0.015 0.004 Age 0.101 0.084 1.45 1 0.228 1.106 Dependants 0.139 0.57 0.06 1 0.807 1.149 Marrital -4.601 2.333 3.89 1 0.049 0.01 Homeown 1.298 1.223 1.126 1 0.289 3.662 Renting 5.987 3.077 3.786 1 0.052 398.169 Length_stay -0.016 0.007 5.099 1 0.024 0.984 Work_Tenure 0.012 0.01 1.349 1 0.246 1.012 High_Rank 1.778 2.432 0.534 1 0.465 5.918 Medium_Rank 1.493 1.945 0.589 1 0.443 4.451 Officer 1.176 1.805 0.424 1 0.515 3.241 DAB_acc 4.151 2.182 3.619 1 0.057 63.529 OtherB_acc -7.007 3.017 5.395 1 0.02 0.001 Debt -1.285 1.784 0.518 1 0.472 0.277 DAB_relate 2.873 1.265 5.155 1 0.023 17.687 Income 0.264 0.122 4.7 1 0.03 1.303 Saving -0.534 0.229 5.435 1 0.02 0.586 Assets 0.069 0.126 0.299 1 0.585 1.071 Gov 3.009 2.48 1.472 1 0.225 20.261 Foreign 6.432 2.947 4.764 1 0.029 621.654 Finance_Comp 3.739 2.57 2.117 1 0.146 42.059 VN_Comp 3.887 2.311 2.829 1 0.093 48.783 VIP 0.464 1.43 0.105 1 0.746 1.59 HE 6.181 2.205 7.859 1 0.005 483.643 Constant -4.131 4.484 0.849 1 0.357 0.016 a. Variable(s) entered on step 1: Gender, Age, Dependants, Marrital, Homeown, Renting, Length_stay, Work_Tenure, High_Rank, Medium_Rank, Officer, DAB_acc, OtherB_acc, Debt, DAB_relate, Income, Saving, Assets, Gov, Foreign, Finance_Comp, VN_Comp, VIP, HE. 82 Các kiểm định thống kê của mô hình 1 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 84.765 24 0.000 Block 84.765 24 0.000 Model 84.765 24 0.000 Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 42.374 0.461 0.763 a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 8.342 8 0.401 Classification Tablea Observed Predicted Kha nang tra no Percentage Correct Khong co kha nang tra no Co kha nang tra no Step 1 Kha nang tra no Khong co kha nang tra no 20 4 83.3 Co kha nang tra no 5 108 95.6 Overall Percentage 93.4 The cut value is 0.500 Log likelihood -21.18677 Restr. log likelihood -63.56927 LR statistic (24 df) 84.76501 83 Phụ Lục 2: Kết quả hồi quy mô hình 2 Mô hình hồi quy 2 trên phần mềm SPSS B S.E. Wald df Sig. Exp(B) Step 1a Gender -6.248 2.052 9.271 1 0.002 0.002 Age 0.081 0.065 1.543 1 0.214 1.084 Marrital -3.730 1.800 4.295 1 0.038 0.024 Renting 4.543 2.180 4.344 1 0.037 94.005 Length_stay -0.014 0.005 7.195 1 0.007 0.986 Work_Tenure 0.018 0.009 4.226 1 0.040 1.018 DAB_acc 4.523 2.045 4.893 1 0.027 92.099 OtherB_acc -6.195 2.591 5.715 1 0.017 0.002 DAB_relate 2.474 1.122 4.858 1 0.028 11.866 Income 0.233 0.095 6.005 1 0.014 1.263 Saving -0.462 0.174 7.067 1 0.008 0.630 Gov 3.219 1.962 2.691 1 0.101 24.993 Foreign 7.198 2.621 7.540 1 0.006 0.001 Finance_Comp 4.233 2.261 3.506 1 0.061 68.930 VN_Comp 4.470 1.843 5.886 1 0.015 87.381 HE 6.158 1.846 11.134 1 0.001 472.575 Constant -2.278 3.220 0.501 1 0.479 0.102 a. Variable(s) entered on step 1: Gender, Age, Marrital, Renting, Length_stay, Work_Tenure, DAB_acc, OtherB_acc, DAB_relate, Income, Saving, Gov, Foreign, Finance_Comp, VN_Comp, HE. 84 Các kiểm định thống kê của mô hình 2 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 82.205 16 0.000 Block 82.205 16 0.000 Model 82.205 16 0.000 Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 44.934a 0.451 0.746 a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 8.468 8 0.389 Classification Tablea Observed Predicted Kha nang tra no Percentage Correct Khong co kha nang tra no Co kha nang tra no Step 1 Kha nang tra no Khong co kha nang tra no 20 4 83.3 Co kha nang tra no 3 110 97.3 Overall Percentage 94.9 a. The cut value is 0.500 Log likelihood -22.46689 Restr. log likelihood -63.56927 LR statistic (16 df) 82.20476 85 Phụ Lục 3: Kết quả hồi quy mô hình 3 (phương pháp Stepwise Backward) Bước 1 Bước 2 Bước 3 Bước 4 Bước 5 Bước 6 Bước 7 Bước 8 Bước 9 Bước 10 Bước 11 Biến B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. B Sig. Gender -4.159 0.044 -4.194 0.026 -4.233 0.024 -4.167 0.023 -4.162 0.019 -4.203 0.020 -4.281 0.019 -4.239 0.019 -4.630 0.012 -4.956 0.007 -4.938 0.007 Age -0.011 0.848 -0.011 0.845 -0.011 0.839 Dependants 0.017 0.968 Marrital -2.038 0.129 -2.018 0.106 -2.021 0.107 -2.120 0.069 -2.153 0.065 -1.924 0.084 -2.008 0.063 -1.995 0.063 -1.987 0.058 -1.980 0.058 -1.990 0.058 Homeown 0.604 0.518 0.605 0.517 0.581 0.529 0.539 0.547 0.562 0.526 Renting 4.737 0.032 4.757 0.028 4.721 0.027 4.747 0.027 4.730 0.027 4.337 0.030 4.273 0.035 4.042 0.041 3.264 0.051 3.206 0.050 3.219 0.051 Length_stay -0.006 0.089 -0.006 0.088 -0.006 0.086 -0.007 0.067 -0.006 0.069 -0.006 0.062 -0.006 0.066 -0.006 0.056 -0.007 0.037 -0.007 0.034 -0.007 0.032 Work_Tenure 0.014 0.146 0.014 0.106 0.014 0.106 0.014 0.105 0.014 0.092 0.015 0.079 0.014 0.092 0.014 0.086 0.015 0.068 0.017 0.044 0.017 0.033 High_Rank 2.253 0.223 2.267 0.212 2.240 0.215 2.230 0.215 2.318 0.187 2.081 0.228 2.119 0.215 1.717 0.276 0.690 0.516 0.404 0.667 Medium_Rank 1.945 0.251 1.953 0.245 1.926 0.249 1.990 0.223 2.006 0.211 1.741 0.261 1.608 0.296 1.590 0.294 0.527 0.570 Officer 1.594 0.336 1.605 0.326 1.601 0.326 1.654 0.303 1.668 0.294 1.328 0.371 1.385 0.351 1.336 0.356 DAB_acc 4.394 0.022 4.417 0.016 4.422 0.016 4.542 0.010 4.523 0.011 4.695 0.009 4.596 0.010 4.465 0.011 4.487 0.007 4.484 0.007 4.534 0.007 OtherB_acc -3.084 0.086 -3.084 0.086 -3.018 0.083 -3.005 0.082 -3.133 0.067 -2.922 0.074 -2.841 0.087 -2.533 0.104 -2.558 0.094 -2.636 0.082 -2.662 0.076 Debt -1.119 0.458 -1.119 0.458 -1.130 0.452 -1.104 0.461 -1.166 0.434 -1.133 0.454 DAB_relate 1.705 0.082 1.701 0.081 1.670 0.077 1.666 0.076 1.617 0.083 1.491 0.097 1.329 0.129 1.248 0.141 1.392 0.102 1.474 0.073 1.450 0.072 Income -0.013 0.442 -0.013 0.442 -0.013 0.447 -0.014 0.397 -0.013 0.423 -0.013 0.449 -0.012 0.460 Saving Assets 0.018 0.880 0.017 0.883 Gov 3.169 0.113 3.147 0.100 3.182 0.093 3.247 0.083 3.051 0.088 3.235 0.070 3.088 0.080 2.993 0.084 3.381 0.051 3.391 0.048 3.380 0.050 Foreign 4.319 0.043 4.307 0.042 4.353 0.038 4.397 0.036 4.305 0.035 4.460 0.033 4.013 0.041 3.817 0.044 4.267 0.026 4.339 0.023 4.513 0.016 Finance_Comp 3.184 0.102 3.190 0.100 3.177 0.102 3.159 0.103 2.989 0.111 3.056 0.108 2.989 0.116 2.838 0.121 3.246 0.069 3.411 0.056 3.533 0.047 VN_Comp 2.798 0.090 2.780 0.080 2.810 0.076 2.843 0.072 2.808 0.068 2.925 0.065 2.815 0.073 2.557 0.084 2.853 0.055 3.102 0.031 3.247 0.023 VIP 0.499 0.685 0.490 0.685 0.472 0.695 0.528 0.652 HE 3.470 0.007 3.473 0.007 3.468 0.007 3.478 0.007 3.497 0.006 3.556 0.006 3.399 0.007 3.264 0.008 3.521 0.004 3.697 0.002 3.820 0.001 Constant -2.292 0.507 -2.254 0.498 -2.182 0.503 -2.589 0.319 -2.354 0.355 -2.093 0.406 -1.547 0.507 -1.415 0.542 -0.738 0.734 -0.654 0.761 -0.774 0.716 86 Các kiểm định thống kê mô hình 3 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 11 Step -0.18522 1 0.667 Block 70.69118 13 0.000 Model 70.69118 13 0.000 Hosmer and Lemeshow Test Step Chi-square df 11 4.414136 8 Model Summary Step -2 Log likelihood Cox & Snell R Square 11 56.44736222 0.403093037 Classification Tablea Observed Predicted Kha nang tra no Co kha nang tra no Step 11 Kha nang tra no Khong co kha nang tra no 15 9 62.5 Co kha nang tra no 6 107 97.10 Overall Percentage 889.1 a. The cut value is 0.500 Log likelihood -28.22368 Restr. log likelihood -63.56927 LR statistic (13 df) 70.69118 87 Phụ Lục 4: Kết quả hồi quy mô hình 4 Mô hình hồi quy 4 trên phần mềm SPSS B S.E. Wald df Sig. Exp(B) Step 1 Gender -6.120 2.043 8.978 1 0.003 0.002 Marrital -2.630 1.304 4.067 1 0.044 0.072 Renting 4.174 1.989 4.405 1 0.036 64.956 Length_stay -0.012 0.004 7.045 1 0.008 0.988 Work_Tenure 0.021 0.009 5.509 1 0.019 1.021 DAB_acc 3.921 1.748 5.031 1 0.025 50.434 OtherB_acc -5.324 2.302 5.348 1 0.021 0.005 DAB_relate 2.142 1.014 4.463 1 0.035 8.518 Income 0.196 0.093 4.479 1 0.034 1.217 Gov 2.820 1.847 2.332 1 0.127 16.776 Foreign 6.285 2.392 6.904 1 0.009 536.392 Finance_Comp 4.199 2.152 3.806 1 0.051 66.623 VN_Comp 3.934 1.687 5.437 1 0.020 51.115 HE 5.440 1.603 11.521 1 0.001 230.368 Saving -0.370 0.148 6.274 1 0.012 0.691 Constant 0.081 2.299 0.001 1 0.972 1.084 a. Variable(s) entered on step 1: Gender, Marrital, Renting, Length_stay, Work_Tenure, DAB_acc, OtherB_acc, DAB_relate, Income, Gov, Foreign, Finance_Comp, VN_Comp, HE, Saving. 88 Các kiểm định thống kê của mô hình 4 Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 80.592 15 0.000 Block 80.592 15 0.000 Model 80.592 15 0.000 Model Summary Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 46.547a 0.445 0.735 a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001. Hosmer and Lemeshow Test Step Chi-square df Sig. 1 4.962 8 0.762 Classification Tablea Observed Predicted Kha nang tra no Percentage Correct Khong co kha nang tra no Co kha nang tra no Step 1 Kha nang tra no Khong co kha nang tra no 18 6 75.0 Co kha nang tra no 3 110 97.3 Overall Percentage 93.4 a. The cut value is 0.500 Log likelihood -23.27325 Restr. log likelihood -63.56927 LR statistic (15 df) 80.59204 89 Phụ Lục 5: Dữ liệu nghiên cứu KH A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
       
    

  
     
 
   
 

 
    
 
  
    

 
   
     
 

 

 
  
   
    


  
 



      

  
 
   
 
   
 


 
   
  

         

   
  
 
 
  
  

  
 
   
 
 
          

  

  
 
 
   
 
   
 
   



 
  
      
  
   

 
 
    

  
  
     
 
 


  

  

  
   
   
   
  

 
 


    
  

  
 
   
 
 
 
   

  
  
       
   
  
 
 



 
 
  
  

  
   
  
 
  



 
  
   
    
   
 

    

  
  
  

  
     
 
  
   
    
   

  
 
   
 
  
    
  
     
 
        
 
 
   
      
  
 
   
 
   
  
 
 
   
       
  

     
   
  
       
 
  
   
   
   


 
   
   
  
     
   
   
 

       
 
        
 
   
 
 


  
  

  
   
   
   
 



 
   
 
        

     
 
 

   

  
      

 
  

 
 

 

 
 
  
   
   
   

  
 

   

   
  
     

     



  
 
   
      
   
 
   
 



  
 
 
   

     

   
 
 

     

  
     
 
  


 

 
  
 
  
  
       
 
    
 
 
     
     
      

   
 



  
  

 
      
  
  

 
 
   

     

     

  
  
       
     


    

  KH A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 90               
 
   
  
  
     
 
       

  
     
 
 
   
 




     

  
     
 
   

     
 

       

    
  
  
 
   
    
 

      
 
  

   
    
   

  
     
 
    
 


    
 
  

       
  
     
 



    
   
  

  
      
 
        
   

  
   
   
 




 
   
   
   
   
      
 
   
   

  
       
 
   
 
        

  
       

     
    

  
 
        

     
 
    

 
  
  

 
    

     
 

  
  

  


     
   
 
 



         
  



  
  
   

 

 

   

  
  
 
    

   
 



     
 
 
    
  
   
 




     
 
   
  
   
   
   

  
  

  
      

      



   
   

 
     

 
  
 
   
       
    
       
   
 

  
     

 
    
   
    
  
   

 
  
 
       
 
  

   

 

 
    

     

 

 
 

   

   

    
    

   
 
 
      
 
      
   
      
 

 
   

    
 
   
  

 
 

   
 
 
  
 
 
   
   
 
 

 
  
 
   
    
 
   
 
   
   
  
 


    

   
 

       

  
        

     
    
   

  
    
  
 
  
  
 
  
  
  
        

    
  
  
    
 
  


   
 
 
 
     
  
    
 
    
   
  
   
 
   
 
 
  
  
     

   
   
   
  

  
      

  91 KH A B C D E F G H I J K L M N O P Q R S T U V W X Y Z  
 
        

  


     

       
   
     
 
        

  

 
  
 
 
  
  

      
   
  
  
  
  

  
     
 
 
  
  


    
 
  
      

   
 
    
   
 
        

 

 
 
 

  
   
  
      
  
  

 

      
     
      

       
 
      

 
 

    
 
 
 

 
 

 
 

  
  

  
   
   
  
 
     
    
 
     
   

 

 

   
  
  
   
   
  

  
 

   
  
  

     


  
   
 

 


       
    


 
  

 

 
  
 
  
   
   
   

  
 

    
            

  


 

       
  
     
   
 
 
  
    
 
  
  

    
 
   

  
 

 
  
  
  
 
     

   
   


  
      
 
 
   
   
 
 

   

   

 
  
   

   
  



  
 
  
  
     

  
  
 

 

  
 
     
   
 
      

   
 
  
  
     

   

 
 

   
  
  
      

 
 
   

    
  

       
  

 
  

  

    
   
 
     


 
 

  
 
    
      
   
 
  

 

     
        
  
 
         
   
        
  


  
 

  
   
  
         
  
  

   
  
  
  

     
  
 
 




  
 
  

       
    
 
 
 

  

 
    

     
   
  
 
 
   

  
   
   
     


 
   

 
    
   
 
 
 
     
 


 


 

 

      
      
  

 
  
 
  

  
 
              KH A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 92

 
    

    
    

  
     

 
  

  
  
  
        
  

 
 



  
  
 
            

 
 

    
  
  
  

   
    

 
    
   
  
 

 
   
     

 
  



  

   
           

 
 



  
   
 
 

  

   
   

  
 
      
 
 
      
   



 
 

 
 
     


     
   

   



 
   

     
    

 


  
 
 
  
   
 
    
  
 
   

    
  
 
  


  
  
 


 
 

 
 
  
  
       

 
 
   
 

 
 
  
  
      

 


   
  
  
 
  
  

     

 



 
 

   
  
 
  
   
 


    
 

  
  

  


     
  


 

       
  
  
   
  
 


 
 
 

  

   

  
  
  
 
   
      

  
  
 
    

 


 
 

   
  
  
      

 


 
 

  

  
  
 
    

  


 




  
 
 
  
 
   
 
  

  
 
 

 


   
 

    
 
 


  



   
  
  
 
    

  Với: KH Vip Gender Age EH Dependant Marrital Owned Renting LengthS WorkT HighR MediumR KH A B C D E F G H I J K L Officer DAB_ac OtherB Debt DAB_Re Income Saving Assets Gov For Finance CompVN Y M N O P Q R S T U V W X Y Điểm TD Z