Nghiên cứu mô hình z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

Nội dung text: Nghiên cứu mô hình z-score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam

1. ISSN 1859-3666 MỤC LỤC KINH TẾ VÀ QUẢN LÝ 1. Nguyễn Đức Trung, Lê Hoàng Anh và Đinh Thị Phương Anh - Dự báo tăng trưởng kinh tế và lạm phát Việt Nam: một so sánh giữa mô hình VAR, LASSO VÀ MLP. Mã số 154.1Deco.11 3 Forecasting Economic Growth and Inflation in Vietnam: A Comparison Between the Var Model, the Lasso Model, and the Multi-Layer Perceptron Model 2. Hà Văn Sự và Lê Nguyễn Diệu Anh - Các yếu tố tác động đến phát triển thương mại đáp ứng yêu cầu phát triển bền vững ở Việt Nam. Mã số 154.1Deco.12 14 The Study on Factors Affecting Trade Development Meeting the Requirements for Sustainable Development in Vietnam 3. Nguyễn Văn Huân và Nguyễn Thị Quỳnh Trang - Nghiên cứu Mô hình Z-Score vào cảnh báo sớm rủi ro hoạt động kinh doanh tín dụng tại các ngân hàng thương mại Việt Nam. Mã số 154.1FiBa.11 28 Studying Z-Score Model in Early Warnings of Credit Risk at Vietnam Commercial Banks QUẢN TRỊ KINH DOANH 4. Nguyễn Thu Thuỷ và Nguyễn Văn Tiến - Các nhân tố tác động đến chính sách cổ tức của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Mã số 154.2FiBa.22 36 Some Factors Influencing Dividend Policy of the Real Estate Companies Listed on Vietnamese Stock Market 5. Nguyễn Thị Minh Nhàn và Phạm Thị Thanh Hà - Nghiên cứu các yếu tố ảnh hưởng đến trả công lao động tại ngân hàng thương mại cổ phần đầu tư và phát triển Việt Nam. Mã số 154.2HRMg.21 49 Research on Factors Affecting Wage Labour in the Joint Stock Commercial Bank for Investment and Development of Vietnam 6. Nguyễn Thị Ngọc Huyền và Trần Thị Thanh Phương - Tác động của thực tiễn quản trị nguồn nhân lực đến hiệu quả công việc của nhân viên ngành tài chính tiêu dùng tại Thành phố Hồ Chí Minh. Mã số 154.2.HRMg.21 65 The Impact of Empirical Human Resource Management on Job Performance of Employees in the Consumer Finance Sector in Ho Chi Minh City khoa học Số 154/2021 thương mại 1 1
2. ISSN 1859-3666 7. Ngô Mỹ Trân, Trần Thị Bạch Yến và Lâm Thị Ngọc Nhung - Ảnh hưởng của quản trị chéo đến hiệu quả tài chính của các công ty niêm yết trên Thị trường chứng khoán Việt Nam. Mã số 154.2FiBa.21 80 Effect of Multiple Directorships on Financial Performance of Listed Companies: The Case of the Vietnamese Stock Market 8. Kiều Quốc Hoàn - Nghiên cứu định lượng tác động của quản trị nhân sự số đến hiệu quả hoạt động doanh nghiệp. Mã số 154.2HRMg.22 94 The Impact of Digital Human Resource Management on Firm Peformance: An Empirical Study on Vietnam Ý KIẾN TRAO ĐỔI 9. Nguyễn Thị Minh Giang và Hoàng Thị Bích Ngọc - Báo cáo tài chính khu vực công Việt Nam - những điểm tương đồng và khác biệt so với chuẩn mực kế toán công quốc tế. Mã số 154.3BAcc.31 107 Vietnamese Sector Public Financial Reporting – Some Similarities and Differences Between International Public Sector Accounting Standards khoa học 2 thương mại Số 154/2021
3. KINH TẾ VÀ QUẢN LÝ NGHIÊN CỨU MÔ HÌNH Z-SCORE VÀO CẢNH BÁO SỚM RỦI RO HOẠT ĐỘNG KINH DOANH TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM Nguyễn Văn Huân Đại học Thái Nguyên Email: nvhuan@ictu.edu.vn Nguyễn Thị Quỳnh Trang Trường Đại học Thương mại Email: trang.ntq@tmu.edu.vn Ngày nhận: 01/03/2021 Ngày nhận lại: 14/04/2021 Ngày duyệt đăng: 20/04/2021 rong thời kỳ khủng hoảng toàn cầu do đại dịch Covid-19 gây ra, không nằm ngoài những công ty, Tlĩnh vực hoạt động chịu rủi ro lớn trong hoạt động kinh doanh của mình, đó chính là lĩnh vực tín dụng ngân hàng. Do các công ty, xí nghiệp chịu ảnh hưởng nặng nề của dịch Covid-19 nên hoạt động sản xuất kinh doanh của các đơn vị bị ảnh hưởng. Điều này đã ảnh hưởng đến khả năng trả nợ cho ngân hàng của họ. Từ đó, dẫn đến nợ xấu tại các ngân hàng thương mại Việt Nam trong thời gian qua vẫn tăng, không có xu hướng giảm. Để hạn chế và giảm thiểu rủi ro cho hoạt động kinh doanh của các ngân hàng, việc đề xuất và áp dụng các mô hình cảnh báo sớm rủi ro là hết sức cần thiết. Bài báo đề xuất giải pháp quản lý rủi ro trên cơ sở cảnh báo sớm bằng cách áp dụng mô hình Z-Score trong nghiên cứu nhằm giúp các ngân hàng thương mại xác định những khách hàng có khả năng gây rủi ro tín dụng cho ngân hàng và hỗ trợ họ ra quyết định cấp tín dụng. Từ khóa: Mô hình cảnh báo, rủi ro tín dụng, mô hình điểm số Z, Hệ số tài chính JEL Classifications: E47, E51, E59 1. Giới thiệu chuyên gia, căn cứ vào một số yếu tố định tính như Lĩnh vực kinh doanh tiền tệ là lĩnh vực luôn phải danh tiếng, vốn của doanh nghiệp để ra quyết đối mặt với rất nhiều rủi ro, đặc biệt trong bối cảnh định cho vay, tuy nhiên phương pháp này mang tính cạnh tranh khốc liệt như hiện nay. Rủi ro trong lĩnh chủ quan. Năm 1974, xuất hiện mô hình Merton có vực kinh doanh ngân hàng ngày càng trở nên phức vai trò mang tính khai sáng trong quản trị rủi ro tín tạp và cần có giải pháp phòng ngừa kịp thời. Vì vậy, dụng như là vài trò của mô hình Black-Scholes tìm kiếm một công cụ thích hợp có thể hỗ trợ các trong định giá quyền chọn[6]. Tuy nhiên hạn chế NHTM Việt Nam ra quyết định cho vay chính xác, của mô hình dựa trên giả định doanh nghiệp chỉ có giảm thiểu rủi ro là rất cần thiết đặc biệt trong bối một khoản nợ duy nhất và trả nợ tại một thời điểm cảnh hội nhập quốc tế ngày càng sâu, rộng. Trước duy nhất. Mô hình CreditMetrics, được JP Morgan đây các NHTM thường dựa vào phương pháp giới thiệu vào năm 1997, là một mô hình được sử khoa học ! 28 thương mại Số 154/2021
4. KINH TẾ VÀ QUẢN LÝ dụng phổ biến trong thực tiễn. Mô hình này có thể nghiên cứu của Nikolaos G.(2009) cũng ứng dụng xem là có nguồn gốc từ mô hình Merton, mặc dù mô hình Z-score để đánh giá 373 doanh nghiệp xây vậy vẫn có một điểm khác biệt cơ bản giữa mô hình dựng ở Hy Lạp và đưa ra kết luận rằng, đây là một CreditMetrics với Merton là ngưỡng phá sản trong công cụ hữu ích trong việc điều hành, quản lý hoặc mô hình CreditMetrics được xác định từ xếp hạng tiến hành tái cấu trúc công ty, sáp nhập công ty khi tín dụng chứ không phải từ các khoản nợ. Do đó, công ty có khả năng cải thiện tình hình tài chính mô hình này cho phép xác định cả xác suất vỡ nợ nhưng chỉ trong một thời gian ngắn. Như vậy ta và xác suất suy giảm tín dụng. Ở Việt Nam, có một thấy mô hình điểm số Z không những có thể áp số công trình như công trình của tác giả Lê Văn dụng phù hợp với các Quốc gia phát triểm mà còn Tuấn năm 2016 “Khám phá sự thú vị của phần mềm phù hợp với các Quốc gia đang phát triển như Việt R trong định lượng rủi ro tín dụng” trong nghiên Nam. Mô hình điểm số Z tính toán khả năng trả nợ cứu tác giả đã nghiên cứu và ứng dụng mô hình của khách hàng dựa trên số liệu lịch sử của các yếu KMV vào cảnh báo rủi ro tín dụng hay công trình tố có ảnh hưởng đế n khả năng trả nợ của khách nghiên cứu thứ 2 của tác giả Lê Văn Tuấn “Ứng hàng. Mô hình điểm số Z đã sử dụng phương pháp dụng mô hình Merton trong giảng dạy rủi ro tín phân tích khác biệt đa nhân tố để lượng hóa xác suất dụng và định giá trái phiếu cho sinh viên ngành tài vỡ nợ của người vay đã khắc phục được các nhược chính” công trình nghiên cứu này đã làm rõ mô điểm của mô hình định tính, do đó góp phần tích hình Merton và ứng dụng trong cảnh báo rủi ro tín cực trong việc kiểm soát rủi ro tín dụng tại các dụng tại các NHTM ở Việt Nam. Công trình nghiên NHTM. Đồng thời bài báo cũng tiến hành xếp hạng cứu Nguyễn Phi Lân “Mô hình cảnh báo sớm và tín dụng khách hàng dựa trên điểm số Z và xếp chính sách hướng tới ổn định kinh tế vĩ mô” Theo hạng tín dụng theo S&P. tác giả việc cảnh báo sớm rủi ro kinh tế vĩ mô và 2. Cơ sở lý thuyết và phương pháp nghiên cứu khủng hoảng tiền tệ được tác giả xây dựng dựa trên 2.1. Cơ sở lý thuyết mô hình cảnh báo sớm (EWS) tham số. Tuy nhiên 2.1.1. Mô hình điểm số Z các mô hình trên đều khá phức tạp và khó áp dụng Mô hình điểm số Z là sản phẩm nghiên cứu của phù hợp với tình hình thực tế tại các NHTM ở Việt giáo sư Edward I. Altman, trường kinh doanh Nam. Xuất phát từ nhu cầu đó, bài báo đã nghiên Leonard N. Stern, Trường đại học New york (Mỹ) cứu Mô hình điểm số Z do E.I.Altman khởi tạo năm công bố lần đầu vào năm 1968 trên tạp chí Journal 1977. Đây là mô hình đã đượ c nghiên cứu và áp of finance. dụng tại nhiều quốc gia trên thế giới như: Nghiên Dạng tổng quát của mô hình điểm số Z: cứu của June Li (2012) khi ứng dụng vào nghiên Z= β1 X1+ β2 X2+ β3 X3+ β4 X4+ β5 X5 cứu các doanh nghiệp sản xuất của Hoa Kỳ đã kết Trong đó: luận, mô hình Z-score không những có hiệu quả cao X1: Tỷ số vốn lưu động trên Tổng tài sản trong đánh giá doanh nghiệp sản xuất mà còn hiệu X2: Tỷ số lợi nhuận giữ lại trên Tổng tài sản quả đối với các doanh nghiệp phi sản xuất, hay X3: Tỷ số lợi nhuận trước lãi vay và thuế trên nghiên cứu của Fawad Hussain (2014) đã đánh giá Tổng tài sản 21 doanh nghiệp dệt may ở Pakistan và kết luận X4: Giá trị thị trường của vốn chủ sở hữu trên giá rằng, việc sử dụng mô hình Z-score trong dự báo trị sổ sách của Tổng nợ tình hình hoạt động của doanh nghiệp dệt may nói X5: Tỷ số doanh số trên Tổng tài sản riêng và các lĩnh vực khác nói chung là rất tốt, cho β,β2,β3,β4,β5: Lần lượt là các hệ số phản ánh độ kết quả dự báo chính xác trong vòng 4 năm, hay nhạy của các hệ số X1, X2, X3, X4, X5 khoa học ! Số 154/2021 thương mại 29
5. KINH TẾ VÀ QUẢN LÝ Đối với mỗi loại hình doanh nghiệp do cơ cấu - Tỷ số Lợi nhuận giữ lại trên Tổng tài sản (X2) vốn khác nhau nên các hệ số của các biến cũng khác Lợi nhuận giữ lại là khoản chênh lệch giữa thu nhau, Altman đã đưa ra 3 mô hình của 3 loại hình nhập ròng và cổ tức chi trả, là số tiến doanh nghiệp doanh nghiệp như sau: sử dụng để tái đầu tư hoặc để trả nợ. Tỷ số lợi + Đối với doanh nghiệp đã cổ phần hóa, ngành nhuận giữ lại trên tổng tài sản cho ta biết hiệu quả sản xuất sử dụng tài sản của doanh nghiệp, doanh nghiệp Z= 1,2X1+ 1,4X2+ 3,3X3+ 0,64X4+ 0,999X5 kiếm được bao nhiêu lợi nhuận trên một đồng tài - Nếu Z > 2,99: Doanh nghiệp nằm trong vùng sản. Tỷ số này càng cao thể hiện doanh nghiệp sử an toàn, chưa có nguy cơ phá sản dụng càng hiệu quả tài sản của mình và khả năng trả - Nếu 1,8 2,99: Doanh nghiệp nằm trong nợ càng cao. vùng cảnh báo, có thể có nguy cơ phá sản - Tỷ số Lợi nhuận trước lãi vay và thuế trên Tổng - Nếu Z 2,9: Doanh nghiệp nằm trong vùng an thuế thu nhập và lãi vay. Chỉ số này giúp phản ánh toàn, chưa có nguy cơ phá sản khả năng sinh lời thu lợi nhuận của doanh nghiệp, - Nếu 1,23 2,9: Doanh nghiệp nằm trong nó là thước đo cho các nhà đầu tư so sánh giữa các vùng cảnh báo, có thể có nguy cơ phá sản doanh nghiệp. - Nếu Z 2,6: Doanh nghiệp nằm trong vùng an các cổ phiếu của công ty, trong khi các khoản nợ bao toàn, chưa có nguy cơ phá sản gồm cả nghĩa vụ hiện tại và dài hạn. Biện pháp này - Nếu 1,2 2,6: Doanh nghiệp nằm trong cho thấy tài sản của công ty có thể suy giảm về giá vùng cảnh báo, có thể có nguy cơ phá sản trị (được đo bằng giá trị thị trường của vốn chủ sở - Nếu Z < 1,1: Doanh nghiệp nằm trong vùng hữu cộng với nợ) trước khi các khoản nợ vượt quá nguy hiểm, nguy cơ phá sản cao tài sản và công ty trở nên vỡ nợ. Tỷ số này càng cao Giải thích các biến trong mô hình khả năng trả nợ của công ty càng lớn. - Tỷ số vốn lưu động trên Tổng tài sản (X1) - Tỷ số doanh số trên Tổng tài sản (X5) Vốn lưu động thể hiện tính thanh khoản của Tỷ số này thể hiện khả năng tạo doanh thu từ tài doanh nghiệp, là sự chênh lệch giữa tài sản ngắn hạn sản của công ty, tỷ số này có giá trị càng cao chứng và nợ ngắn hạn. Vốn lưu độ ng càng lớn, doanh tỏ hiệu quả sử dụng tài sản của công ty càng cao và nghiệp có khả năng thanh khoản càng cao. Tỷ lệ vốn ngược lại. lưu động/tổng tài sản cho biết trong tổng tài sản của 2.1.2. Xếp hạng tín dụng doanh nghiệp theo S&P doanh nghiệp có bao nhiêu phần trăm vốn lưu động, Bài báo tiến hành xếp hạng tín dụng khách hàng tỷ lệ này càng cao doanh nghiệp càng có khả năng doanh nghiệp của ngân hàng dựa trên lý thuyết của trả nợ cao và ngược lại. Standard & Poor's, là một công ty dịch vụ tài chính khoa học ! 30 thương mại Số 154/2021
6. KINH TẾ VÀ QUẢN LÝ Bảng 1: Xếp hạng tín dụng theo S&P Nguồn: S&P Bảng 2: Mối quan hệ giữa xếp hạng tín dụng theo Xếp hạng của S&P và Z_Score Nguồn: Altman và Hotchkiss (2006) khoa học ! Số 154/2021 thương mại 31
7. KINH TẾ VÀ QUẢN LÝ có trụ sở tại Hoa Kỳ. Đây là một công ty con của McGraw-Hill. Standard & Poor's là một trong ba cơ quan xếp hạng tín dụng lớn và uy tín nhất thế giới (hai công ty còn lại là Moody's và Fitch Ratings). S&P đánh giá người vay từ mức AAA cho tới D [8]. 2.1.3. Mối quan hệ giữa xếp hạng tín dụng theo Xếp hạng của S&P và Z_Score 2.2. Phương pháp nghiên cứu Bài báo sử dụng phương pháp định lượng, xuất phát từ thu thập các báo cáo tài chính của các doanh nghiệp sản xuất đã cổ phần hóa, tính toán các chỉ số tài chính X1, X2, X3, X4, X5 theo mô hình điểm số Z của Altman, từ đó đưa ra kết luận và kiến nghị. 3. Kết quả và thảo luận 3.1. Mô hình nghiên cứu Hình 1: Mô hình cảnh báo rủi ro tín dụng 3.2. Điểm Z-Score từ năm 2008 - 2018 Ghi chú: WC/TA - vốn lưu động trên Tổng tài sản; RE/TA- của DNB Lợi nhuận giữ lại trên Tổng tài sản; EBIT/TA - Lợi nhuận trước Từ bảng phân tích dữ liệu ta thấy: lãi vay và thuế trên Tổng tài sản; MVE/TL - Giá trị thị trường Từ năm 2015 - 2018: DNB rơi vào của vốn chủ sở hữu trên giá trị sổ sách của Tổng nợ; S/TA- vùng xám (1,8 2,99): Doanh nghiệp doanh số trên Tổng tài sản. không có vấn đề trong ngắn hạn, tuy nhiên cần phải xem xét điều kiện tài chính một cách thận trọng. Từ năm 2016 - 2018: DNB hoạt động ở vùng an toàn (Z > 2,99): Doanh nghiệp có tài chính lành mạnh, chưa có nguy cơ phá sản. Xét tổng thể từ năm 2008 - 2018, ta thấy DNB chưa rơi vào vùng nguy hiểm và có xu hướng phát triển tốt lên, vì vậy ngân hàng hoàn toàn có thể cho DNB vay trong năm tiếp theo và việc ứng dụng mô Ghi chú: Vùng an toàn hình điểm số Z có độ chính Vùng xám (Vùng chưa chắc chắn) xác khá cao. Hình 2: Biểu đồ điểm số Z của DNB từ năm 2008-2018 khoa học ! 32 thương mại Số 154/2021
8. KINH TẾ VÀ QUẢN LÝ Bảng 3: Điểm Z-Score từ năm 2008 - 2017 của DNB Nguồn:Tác giả tự tính Bảng 4: Xếp hạng tín dụng DNB dựa trên Z-Score và S&P Nguồn: Altman và Hotchkiss 2006 khoa học ! Số 154/2021 thương mại 33
9. KINH TẾ VÀ QUẢN LÝ Bảng 5: Dữ liệu dự báo theo Trung bình động 4. Dự báo điểm số Z theo phương pháp trung bình động Theo kết quả dự báo từ bảng 3, ta thấy điểm số Z năm 2019 của DNB giống năm 2018, nằm trong khoảng 2,81< 3,041< 3,74, xếp hạng BBB+ thể hiện DNB có khả năng trả nợ gốc và lãi, tuy nhiên không thật chắc chắn. Để an toàn hơn, ngân hàng cần xem xét thêm một số yếu tố Phi tài chính như: Lịch sử tín dụng, Quy mô quản lý, Trình độ quản lý, Số năm thành lập để ra quyết định một cách an toàn nhất. 5. Một số kiến nghị Một là, Mô hình điểm số Z đã sử dụng phương pháp phân tích khác biệt đa nhân tố để lượng hóa xác suất vỡ nợ của người vay đã khắc phục được các Hình 3: Đồ thị dự báo điểm số Z theo Trung bình động 3.3. Xếp hạng tín dụng DNB dựa mối quan hệ nhược điểm của mô hình định tính, do đó góp phần giữa xếp hạng của S&P và mô hình Z_Score tích cực trong việc kiểm soát rủi ro tín dụng tại các Theo bảng 4 trong năm 2018, DNB nằm trong Ngân hàng thương mại. Tuy nhiên mô hình lệ thuộc khoản từ 2,81 đến 3,74, nghĩa là doanh nghiệp được hoàn toàn vào chất lượng của dữ liệu. Do đó, các xếp hạng BBB+ thể hiện khả năng trả nợ gốc và lãi NHTM cần phải đả m bảo tính đúng đắn của các hiện thời không thật chắc chẵn. Để an toàn hơn, thông tin trên báo cáo tài chính do doanh nghiệp ngân hàng cần xem xét thêm một số yếu tố Phi tài cung cấp. chính như: Lịch sử tín dụng, Quy mô quản lý, Trình Hai là, khi phân tích 5 chỉ tiêu X1, X2, X3, X4, độ quản lý, Số năm thành lập để ra quyết định một X5 nếu có phát hiện bất thường ta cần tìm hiểu rõ lý cách an toàn nhất. do để biết được nguyên nhân dẫn đến sự tăng hay giảm của các chỉ tiêu đó khoa học ! 34 thương mại Số 154/2021
10. KINH TẾ VÀ QUẢN LÝ Ba là, Các NHTM khi áp dụng mô hình cần trái phiếu cho sinh viên ngành tài chính”, Trường tính toán lại điểm số Z để nắm bắt được sự thay Đại học Thương mại. đổi tình hình tài chính của công ty, từ đó có biện [6] Merton, Robert C (1972), “On the pricing of pháp kịp thời corporate debt: The risk structure of interest rates”, Bốn là, khi điểm số Z rơi vào khoảng chưa chắc Journal of Finance, v29, 449-470. chắn, các ngân hàng cần xem xét thêm đến các yếu [7] Nguyễn Phi Lân (2011), “Mô hình cảnh báo tố phi tài chính như: Lịch sử tín dụng, Quy mô quản sớm và chính sách hướng tới ổn định kinh tế vĩ mô”, lý, Trình độ quản lý, Số năm thành lập để ra quyết Ngân hàng Nhà nước Việt Nam, số 2-3, Tr.27-32. định một cách an toàn nhất. [8] S&P (2018), S&P Global Rating Definitions, 6. Kết luận Rủi ro tín dụng mang lại hậu quả rất lớn cho st/article/-/view/sourceId/504352, Xem 17/02/2019. các ngân hàng. Tuy nhiên việc đối mặt với nó là tất yếu đối với mọi ngân hàng đặc biệt trong bối cảnh Summary cạnh tranh khốc liệt như ngày nay. Kết quả nghiên cứu của bài báo có thể giúp các nhà quản lý ngân During the period of global crisis caused by the hàng có thêm một công cụ để phân tích và nhận Covid-19 pandemic, it was not outside of compa- biết những khách hàng có nguy cơ mất khả năng nies and fields of activity that suffered great risks trả nợ, đồng thời cho biết những yếu tố ảnh hưởng in their business activities, which was the banking mạnh đến rủi ro tín dụng để các nhà quản lý có credit sector. Because companies and enterprises chính sách tập trung phù hợp. Tuy nhiên mô hình are heavily affected by the Covid-19 epidemic, điểm số Z chỉ thực sự thể hiện hết tính ưu việt của production and business activities of the units are nó khi cơ sở dữ liệu trong các báo cáo tài chính affected. This has affected their ability to repay của doanh nghiệp Việt Nam phải công khai và debts for banks. From there, leading to bad debt at minh bạch.! commercial banks in Vietnam in recent years has increased, no downward trend. In order to limit Tài liệu tham khảo: and reduce risks to the business operations of banks, the proposal and application of risk early [1] Altman, Edward I (1968), Financial Ratios, warning models is essential. The article proposes Discriminant Analysis and the Prediction Of a risk management solution based on early warn- Corporate Bankruptcy, Journal of Finance, 23(4): ing by applying research Z-Score model to help 589-609. commercial banks identify customers who are able [2] Edward I. Altman &Hotchkiss (2006), to bring credit risk to their banks and assist them Corporate Financial Distress and Bankruptcy, John in credit decisions. Wiley & Sons, Inc. [3] J.P. Morgan (1997), Introduction to CreditMetrics, United States. [4] Lê Văn Tuấn (2008), Khám phá sự thú vị của phần mềm R trong định lượng rủi ro tín dụng, Trường Đại học Thương mại. [5] Lê Văn Tuấn (2016), “Ứng dụng mô hình Merton trong giảng dạy rủi ro tín dụng và định giá khoa học Số 154/2021 thương mại 35