Mô hình PD — Xác suất vỡ nợ (Probability of Default)
Mô hình PD (Probability of Default) là mô hình định lượng được các tổ chức tín dụng sử dụng để ước tính xác suất một khách hàng/khoản vay rơi vào trạng thái vỡ nợ trong một khoảng thời gian xác định (thường là 12 tháng hoặc vòng đời khoản vay). Mô hình này là một trong ba trụ cột chính trong hệ thống xếp hạng tín dụng nội bộ theo chuẩn Basel, cùng với EAD (Exposure at Default) và LGD (Loss Given Default), tạo thành nền tảng để tính toán kỳ vọng tổn thất tín dụng (EL = PD × EAD × LGD) và tỷ lệ an toàn vốn tối thiểu theo quy định hiện hành của Ngân hàng Nhà nước về hệ thống xếp hạng tín dụng nội bộ.
Về mặt bản chất, PD là một con số nằm trong khoảng từ 0% đến 100%, phản ánh khả năng khách hàng không thực hiện được nghĩa vụ trả nợ đúng hạn theo cam kết. PD càng cao, rủi ro tín dụng của khoản vay càng lớn, từ đó ảnh hưởng trực tiếp đến quyết định cho vay, mức lãi suất áp dụng và mức dự phòng rủi ro mà ngân hàng phải trích lập.
Phân loại mô hình PD theo đối tượng khách hàng
Trong thực tiễn ngân hàng Việt Nam, mô hình PD được xây dựng riêng cho từng phân khúc khách hàng do đặc thù dữ liệu và hành vi trả nợ khác nhau:
- Mô hình PD cho khách hàng doanh nghiệp (Corporate PD): Sử dụng dữ liệu tài chính doanh nghiệp như tỷ số thanh toán hiện hành, hệ số nợ trên vốn chủ sở hữu, biên lợi nhuận gộp, doanh thu, dòng tiền hoàn vốn (ROCF), tuổi doanh nghiệp và ngành nghề. Các biến này thường được đưa vào mô hình hồi quy logistic hoặc hồi quy probit để ước lượng xác suất vỡ nợ.
- Mô hình PD cho khách hàng cá nhân (Retail PD): Áp dụng cho các khoản vay mua nhà, vay tiêu dùng, vay thấu chi và thẻ tín dụng. Biến đầu vào bao gồm thu nhập, lịch sử tín dụng (CIC), độ tuổi, nghề nghiệp, thời gian cư trú, tỷ lệ khoản vay trên thu nhập (DTI).
- Mô hình PD cho doanh nghiệp SME: Thường kết hợp cả dữ liệu tài chính và dữ liệu giao dịch trên tài khoản thanh toán (ví dụ: số dư bình quân, tần suất giao dịch, biến động dòng tiền) do nhiều SME Việt Nam chưa có báo cáo tài chính đầy đủ hoặc được kiểm toán.
Các phương pháp xây dựng mô hình PD phổ biến
Có nhiều cách tiếp cận để ước lượng PD, được chia thành hai nhóm chính:
- Phương pháp thống kê truyền thống: Hồi quy logistic, hồi quy probit, phân tích phân biệt (Discriminant Analysis), mô hình Cox Proportional Hazards cho dữ liệu sống sót (survival analysis). Đây là các phương pháp phổ biến trong ngân hàng vì tính minh bạch, dễ giải thích và đáp ứng yêu cầu kiểm toán.
- Phương pháp máy học (Machine Learning): Random Forest, Gradient Boosting (XGBoost, LightGBM), mạng nơ-ron nhân tạo (Neural Networks). Các phương pháp này cho khả năng dự báo chính xác hơn nhưng khó giải thích và đòi hỏi khung quản trị mô hình chặt chẽ hơn.
Bất kể dùng phương pháp nào, mô hình PD phải được đánh giá bằng các chỉ tiêu như hệ số Gini, chỉ số AUC (Area Under the Curve), kiểm định Hosmer-Lemeshow và phải được hiệu chỉnh (calibration) định kỳ, thường là hàng quý hoặc hàng năm, để đảm bảo kết quả dự báo sát với tỷ lệ vỡ nợ thực tế.
Ứng dụng của mô hình PD trong nghiệp vụ ngân hàng
Mô hình PD không chỉ phục vụ mục tiêu tuân thủ Basel mà còn được ứng dụng rộng rãi trong nhiều quy trình nghiệp vụ:
- Chấm điểm tín dụng (Credit Scoring): PD là đầu vào chính để phân loại khách hàng vào các nhóm xếp hạng tín dụng từ AAA đến nhóm nợ xấu, từ đó quyết định hạn mức tín dụng và mức lãi suất.
- Định giá khoản vay (Risk-Based Pricing): Lãi suất cho vay = Lãi suất tham chiếu + PD × LGD + Biên lợi nhuận. Khách hàng có PD cao sẽ chịu lãi suất cao hơn để bù đắp rủi ro.
- Trích lập dự phòng rủi ro: Theo quy định hiện hành của Ngân hàng Nhà nước về phân loại nợ và trích lập dự phòng, tỷ lệ dự phòng cụ thể được áp dụng theo nhóm nợ, trong đó PD là yếu tố then chốt để ước lượng tổn thất kỳ vọng.
- Quản lý danh mục tín dụng: PD giúp ngân hàng đánh giá chất lượng tổng thể danh mục, xác định tỷ trọng nợ xấu dự kiến và lập kế hoạch xử lý nợ.
- Phê duyệt tín dụng tự động: Trong cho vay bán lẻ và tài chính tiêu dùng, mô hình PD được tích hợp vào hệ thống quyết định tự động để phê duyệt hoặc từ chối khoản vay trong vài giây.
Định nghĩa vỡ nợ theo chuẩn quốc tế
Theo khung Basel và thông lệ quốc tế, vỡ nợ (default) được xác định khi xảy ra một trong hai trường hợp:
- Khách hàng quá hạn thanh toán trên 90 ngày đối với bất kỳ khoản nợ trọng yếu nào.
- Ngân hàng đánh giá khách hàng không có khả năng trả nợ mà không cần thực hiện các biện pháp thu hồi như thanh lý tài sản đảm bảo, khởi kiện hoặc cơ cấu nợ đặc biệt.
Định nghĩa này là cơ sở để gán nhãn dữ liệu huấn luyện khi xây dựng mô hình PD, đảm bảo tính nhất quán giữa mô hình và thực tế phân loại nợ.
Câu hỏi thường gặp
Hỏi: Mô hình PD 12 tháng và PD vòng đời khác nhau như thế nào, và ngân hàng nào thường sử dụng loại nào?
PD 12 tháng (Point-in-Time PD) ước tính xác suất vỡ nợ trong khoảng thời gian 12 tháng tới, phù hợp cho mục tiêu trích lập dự phòng theo chuẩn IFRS 9 hoặc phân loại nợ. PD vòng đời (Through-the-Cycle PD) ước tính xác suất vỡ nợ xuyên suốt một chu kỳ kinh tế, thường được dùng trong tính toán vốn yêu cầu theo IRB. Trong thực tế, nhiều ngân hàng Việt Nam xây dựng cả hai dạng và chuyển đổi qua lại bằng hệ số điều chỉnh chu kỳ (cyclicality factor).
Hỏi: Làm thế nào để kiểm tra một mô hình PD có còn hoạt động tốt hay không sau khi triển khai?
Ngân hàng thực hiện kiểm định mô hình (model validation) định kỳ thông qua ba bước chính: (1) Kiểm định phân biệt (discrimination) bằng AUC và Gini, yêu cầu thường ≥ 0,7 đối với mô hình doanh nghiệp; (2) Kiểm định hiệu chỉnh (calibration) so sánh PD dự báo với tỷ lệ vỡ nợ thực tế theo từng phân khúc; (3) Kiểm định độ ổn định (stability) bằng PSI (Population Stability Index), với ngưỡng cảnh báo thường ở mức 0,1–0,25. Nếu vượt ngưỡng, mô hình cần được tái huấn luyện hoặc xây dựng lại.
Hỏi: PD có phải là yếu tố duy nhất quyết định mức độ rủi ro của một khoản vay không?
Không. PD chỉ là một trong ba yếu tố cấu thành tổn thất kỳ vọng (Expected Loss), gồm PD, EAD (giá trị khoản vay tại thời điểm vỡ nợ) và LGD (tỷ lệ tổn thất sau khi đã trừ đi tài sản đảm bảo). Một khoản vay có PD thấp nhưng LGD cao (ví dụ cho vay tín chấp) vẫn có thể có tổn thất lớn khi xảy ra vỡ nợ. Vì vậy, các mô hình EAD và LGD cũng cần được xây dựng song song và có độ chính xác tương đương.
Nội dung mang tính tham khảo về nghiệp vụ ngân hàng, không thay thế tư vấn chuyên môn hoặc hướng dẫn chính thức từ các cơ quan quản lý.