Tìm hiểu về hệ thống xếp loại từ xa dựa trên Camels theo phương thức thống kê

Công cụ giám sát từ xa chính của FDIC là hệ thống xếp loại từ xa dựa trên CAMELS theo phương thức thống kê (Statistical CAMELS Off-site Rating - SCOR). Hệ thống được thiết kế nhằm giúp FDIC nhận diện các định chế có vấn đề xấu về tài chính cần phải lưu ý.

1- Mục tiêu của SCOR

            Hệ thống SCOR được phát triển vào cuối những năm 1990 nhằm phát hiện ra các ngân hàng có điều kiện về tài chính yếu kém cơ bản kể từ sau đợt kiểm tra tại chỗ lần cuối. Như cái tên đã chỉ ra, mô hình là một hệ thống từ xa có ý nghĩa bổ sung thêm cho hệ thống kiểm tra tại chỗ hiện tại.

            Sau một cuộc kiểm tra, nhân viên giám sát sẽ đánh giá xếp hạng theo CAMELS – thứ tự xếp hạng phản ánh tình trạng tài chính tổng quát của ngân hàng. Thứ tự sắp xếp từ 1 đến 5, với 1 là tốt nhất và 5 là xấu nhất (ý nghĩa của xếp hạng được tóm tắt trong bảng 1). Các ngân hàng xếp hạng 4 hoặc 5 được xem là các ngân hàng có vấn đề. Nhân viên kiểm tra cũng đánh giá mỗi trong 6 thành phần của CAMELS, một lần nữa được xếp loại từ 1 đến 5. Ý nghĩa của mỗi thành phần đánh giá song song với đánh giá hỗn hợp.

FDIC nỗ lực thực hiện giám sát từ xa nhằm nhận ra các định chế được xếp loại 1 hoặc 2 trong lần kiểm tra gần nhất nhưng có thể bị xếp hạng 3 hoặc tệ hơn thế trong lần kiểm tra tới.

Bảng 1: Giải thích các chỉ tiêu CAMELS

            Theo các khái niệm trong bảng 1, các định chế được xếp hạng 1 hoặc 2 là an toàn trong khi hạng 3, hoặc thấp hơn là có vấn đề nổi cộm phải được theo dõi và FDIC cần giám sát một cách chặt chẽ hơn. Vì vậy, việc một định chế  trượt từ xếp hạng 1 đến 2 xuống 3 hoặc xấu hơn thì được chú ý nhiều hơn trong giám sát từ xa và kiểm tra tại chỗ.

Điểm khác biệt giữa định chế tài chính xếp hạng loại 2 và loại 3 là các con số liên quan thực tế. Các định chế xếp hạng 3 hoặc kém hơn được kiểm tra thường xuyên hơn, nhận sự giám sát chặt chẽ một cách đều đặn, trả phí bảo hiểm tiền gửi cao hơn và có thể phải đối mặt với một số giới hạn của luật pháp trong hoạt động (Cơ quan giám sát thường thực hiện các ràng buộc chính thức lẫn không chính thức để chấn chỉnh hoạt động các ngân hàng này, và các hoạt động bắt buộc thường hạn chế hoạt động của định chế hoặc thực hiện các phương thức sửa chữa vấn đề đã được nhận diện trong hoạt động).

            Do vậy, mục tiêu chính của Hệ thống SCOR là nhận diện chính xác các định chế xếp loại 1 và 2 đang trong nguy cơ xuống hạng 3 hoặc kém hơn. Sự chính xác của hệ thống đưa ra được phân tích cả 2 kiểu sai lầm, thông thường được gọi là sai lầm loại 1 và sai lầm loại 2. Sai lầm loại 1 là lỗi tiêu cực hay thông thường hơn là “phóng thích cho tội phạm. Trong trường hợp này, một lỗi tiêu cực là không phát hiện ra được trường hợp xuống hạng nào đó trước khi nó xảy ra, vì vậy mức sai lầm loại 1 là tỷ lệ phần trăm các ngân hàng xuống hạng mà mô hình không xác định được. Ngược lại, sai lầm loại 2 là sai lầm tích cực, hay buộc tội kẻ vô tội. Mức độ sai lầm loại 2 là tỷ lệ các ngân hàng được mô hình xác định xuống hạng nhưng khi kiểm tra thì lại được xác định là lành mạnh.

Tại FDIC, sau khi xác định bằng mô hình SCOR, ngân hàng có khả năng xuống hạng thì nhà quản lý này xem xét các thông tin sẵn có về ngân hàng và xác định xem các bước hoạt động tiếp theo có bảo đảm hay không. Nếu việc xem xét lại đưa đến các vấn đề liên quan có đủ thẩm quyền, FDIC có thể sắp lịch cho một cuộc kiểm tra và chỉ định nguồn lực giám sát ngân hàng một cách chặt chẽ. Trong trường hợp giám sát từ xa, giá trị mức độ sai lầm loại 1 thì có phản ứng chậm đối với các vấn đề của ngân hàng - ví dụ như sự trì hoãn trong việc giám sát ngân hàng đó. Mặt khác, giá trị mức độ của sai lầm loại 2 là việc phí phạm thời gian của đội ngũ nhân viên trong việc xem xét đi xem xét lại những điều không cần thiết. Thêm vào đó, sai lầm loại 2 làm suy yếu sự tin cậy đối với hệ thống (mô hình xếp hạng).

Đối với những nhà thiết kế SCOR, sự chính xác là mục tiêu chính yếu, và điểm chuẩn cho sự chính xác là CAEL, hệ thống giám sát từ xa đã phát triển tại FDIC trong suốt những năm giữa thập kỷ 1980. CAEL là hệ thống sử dụng các tỷ lệ cơ bản từ báo cáo theo yêu cầu (các báo cáo tài chính hàng quý được ngân hàng báo cáo) để đánh giá Vốn (C), Chất lượng tài sản có (A), Thu nhập (E), và Tính thanh khoản (L) (vì vậy được gọi là CAEL); CAEL không tính đến xếp loại quản lý, bởi chất lượng quản lý không thể dễ dàng được đánh giá bằng một vài tỷ lệ tài chính. Xếp loại của 4 thành phần trên được kết nối bằng hệ thống phức tạp các trọng số để đưa ra kết quả xếp loại chung, kết quả này được sử dụng để nhận diện các định chế khi xem xét lại từ xa.

            CAEL đánh giá các định chế tài chính từ thang điểm 0,5 tới 5,5. Dựa trên các khái niệm đó, CAEL đánh giá giữa 0,5 đến 1,5 đối chiếu với tỷ lệ CAMELS là xếp loại 1, từ 1,5-2,5 là xếp loại 2 và tương tự cho các mức điểm khác.

SCOR được dự định để đưa ra xếp loại có thể so sánh được với CAEL nhưng cũng dễ để phân tích hơn. Việc sử dụng hệ thống các trọng số phức tạp của CAEL để cho ra xếp loại tổng hợp cuối cùng làm cho nhân viên kiểm tra khó hiểu tỷ lệ tài chính nào gây ảnh hưởng lớn đối với tỷ lệ xếp loại xấu của định chế. Mặc dù CAEL cung cấp thông tin cho nhân viên kiểm tra biết ngân hàng nào gặp vấn đề, nhưng không cung cấp thêm thông tin về tình trạng của vấn đề. Vì vậy, mục tiêu thứ 2 đối với những nhà thiết kế SCOR là phát triển các phương thức phân tích xếp loại dựa trên các tỷ số cơ bản.

2- Sự phát triển và hoạt động của SCOR

            Đối ngược với hệ thống chuyên gia theo phương cách CAEL, SCOR sử dụng mô hình thống kê. Nó so sánh các kết quả đánh giá của cuộc kiểm tra với các tỷ lệ tài chính của năm trước đó. SCOR xác định tỷ lệ tài chính nào gần với kết quả đánh giá kiểm tra và sử dụng mối quan hệ đó để dự báo các tỷ lệ tương lai. Bằng cách xác định tỷ lệ nào là có mối liên hệ đối với kết quả đánh giá kiểm tra, phương pháp SCOR cố gắng nhận diện tỷ lệ nào mà người kiểm tra xem là có ý nghĩa nhất và vì thế có thể được giải thích như là một nỗ lực để hiểu được ý định của kiểm tra viên.

            Nếu mối quan hệ giữa đánh giá của kiểm tra và tỷ lệ tài chính thay đổi, và sự thay đổi đó sẽ được phản ánh trong mô hình, thông thường là thông qua một sự thay đổi của các hệ số, nhưng phải sau một sự trì hoãn. Ví dụ như, nếu nhân viên kiểm tra phát hiện ra rằng các nhân tố vô hình (như nghiệp vụ bao tiêu chứng khoán) làm giảm giá trị trung bình thì các kiểm tra viên đưa ra một tỷ lệ đánh giá kém, sau đó tỷ lệ đánh giá SCOR trung bình sẽ xấu đi, ngay cả nếu các yếu tố làm giảm giá trị chưa ảnh hưởng gì đến tỷ lệ tài chính cơ bản. Nhưng do bởi mô hình được đánh giá bằng các tỷ lệ đánh giá kiểm tra trong năm trước, sự thay đổi trong mối quan hệ giữa sự đánh giá và tỷ lệ sẽ không được kết hợp vào trong mô hình cho đến năm sau.

SCOR sử dụng tiến trình phân tích theo mô hình bậc thang để loại trừ các tỷ lệ mà mối quan hệ của nó với đánh giá xếp loại của kiểm tra không nhất quán (có nghĩa là, các tỷ lệ này không có ý nghĩa quan trọng về thống kê). Tóm lại, các tiến trình bậc thang loại bỏ từng bước các biến tương quan.

            Mô hình được phát triển với độ dốc thấp nhằm tránh các vấn đề khai thác dữ liệu quá mức. Vấn đề này xuất hiện do người ta có thể tìm thấy một sự trùng khớp ngẫu nhiên nào đó có ý nghĩa thống kê nếu người đó được xem đầy đủ các dữ liệu. 

             Để lựa chọn những biến như vậy cần phải sử dụng các đánh giá am tường. Các đặc tính nguyên thủy của SCOR được chọn sau khi xem xét tài liệu về các thất bại của ngân hàng và thảo luận với các nhân viên kiểm tra ngân hàng. Các cuộc thảo luận với nhân viên kiểm tra đặc biệt thích hợp bởi vì nhân viên kiểm tra đánh giá mô hình đó có phù hợp với việc dự đoán hay không. Các kỹ thuật tính lần lượt được thử nghiệm, và nếu việc kiểm nghiệm cho ra kết quả là một kỹ thuật cải tiến khả năng của mô hình trong việc tìm ra trường hợp xuống hạng của các định chế xếp hạng 1 hoặc 2 xuống loại 3 hoặc thấp hơn thì các đặc tính đó sẽ được cập nhật.

Mô hình SCOR cuối cùng sử dụng 12 biến, tất cả là các dữ liệu tài chính từ các báo cáo theo yêu cầu, được trình bày theo tỷ trọng so với tổng tài sản. Bảng 2 liệt kê các biến và một số tỷ lệ cho một ngân hàng giả thuyết hoàn chỉnh.

Bảng 2: Các biến của SCOR và các tỷ lệ của một ngân hàng giả thuyết

Bảng 3: Các mức đánh giá SCOR của các ngân hàng giả thuyết

Mô hình SCOR cũng định lượng được xác suất xảy ra việc xuống hạng. Nếu ngân hàng giả thuyết được xếp hạng 2 hoặc tốt hơn, xác suất xuống hạng được xác định như là xác suất bị xếp loại 3 hoặc thấp hơn (36.5% + 4.9% + 0.4% = 41.8%). Tính liên kết với các xác suất này là xếp loại SCOR bằng với xếp loại theo mong đợi [(1 x 3.2%) + (2 x 55.0%) + (3 x 36.5%) + (4 x 4.9%) + (5 x 0.4%)].

            FDIC quan tâm (đánh dấu) đến bất kỳ ngân hàng nào có xác suất xuống hạng là 35% hoặc cao hơn. Việc đánh dấu có nghĩa là một ngân hàng phải bị xem xét lại bởi người quản lý trực tiếp, và 35% được lựa chọn bởi vì các nhà quản lý trực tiếp chỉ có hạn về thời gian để xem xét lại các ngân hàng thuộc loại này. Theo số liệu thống kê, SCOR đánh dấu xấp xỉ chừng đó ngân hàng như CAEL, nhưng trong suốt thời kỳ suy thoái 1991-1992, hệ thống SCOR đã đánh dấu nhiều ngân hàng hơn CAEL. Nếu SCOR đánh dấu nhiều ngân hàng thì quy trình giám sát chiếm nhiều thời gian để phân tích hơn.

            Sự tin cậy về dữ liệu tài chính có một số ảnh hưởng lớn trong báo cáo của SCOR. Điều này có nghĩa là SCOR hoàn toàn phụ thuộc vào các thông tin tài chính được báo cáo. Kinh nghiệm của FDIC cho thấy, SCOR đã xếp loại rất tốt cho cả hai ngân hàng: NH Best và First National Bank of Keystone vì tình trạng của ngân hàng đã được báo cáo sai về cơ bản.

Các vấn đề với SCOR cũng chứng minh rằng không gì có thể thay thế cho các cuộc kiểm tra tại chỗ. Các cuộc kiểm tra có thể phát hiện ra các hoạt động không an toàn trước khi nó ảnh hưởng đến điều kiện tài chính của ngân hàng; các cuộc kiểm tra cũng có thể tìm ra các báo cáo tài chính được sửa chữa, phản ánh không đúng thực trạng của định chế. Như đã nói trước đó và cần nhắc lại lần nữa, SCOR chỉ là một phần bổ trợ cho các kiểm tra ngân hàng chứ không phải là thay thế cho chúng.

Mục tiêu thứ hai của SCOR là đưa ra đánh giá xếp hạng sao cho dễ hiểu và dễ phân tích hơn xếp hạng CAEL. Một vài điểm được thêm vào mô hình nhằm giúp người dùng xếp hạng hiểu lý do SCOR xác định các định chế đặc biệt. Đầu tiên, hệ thống SCOR đưa ra các điểm xếp hạng có thể xác định cụ thể các lĩnh vực yếu kém của một ngân hàng. Gây tranh cãi nhất trong xếp hạng các thành phần là xếp hạng quản lý vì theo hiểu biết thông thường mô hình đó sử dụng các tỷ lệ tài chính thì không thể xác định sự yếu kém trong quản lý. Dù sao, việc xếp hạng quản lý SCOR còn chỉ ra ngân hàng nào có rủi ro xuống hạng.

Ngoài việc đưa ra xếp hạng, SCOR còn giúp cho việc phân tích dễ hơn so với xếp hạng CAEL, SCOR còn cải thiện việc theo dõi xu hướng ngành. Khả năng này là sự mở rộng hơn của giám sát từ xa truyền thống.

Kết luận

            SCOR cho phép FDIC theo dõi khuynh hướng ngành và giúp xác định được các định chế đặc biệt yếu kém. Kết quả có được từ SCOR còn giúp FDIC xác định được các tỷ lệ tài chính nào gây ảnh hưởng đến kết quả xếp loại của định chế. Tuy nhiên, trong thời kỳ kinh tế hưng thịnh, dự báo của SCOR thường sai nhiều hơn đúng, từ năm 1993 mô hình đã dự báo thiếu 80% các trường hợp xuống hạng. Ngược lại, khi dữ liệu được sử dụng là trong những năm 1990 thời kỳ khủng hoảng kinh tế ngắn kỳ đã gây không ít khó khăn cho ngành ngân hàng thì mô hình SCOR đã cho những dự báo chính xác. Vì vậy, SCOR sẽ ngày càng hữu dụng khi nền kinh tế có vấn đề gây ảnh hưởng xấu đến hệ thống ngân hàng. Khi đó SCOR sẽ giúp FDIC tập trung các nguồn tài nguyên hạn chế của mình đối với các ngân hàng thực sự cần giám sát chặt chẽ.

            Mô hình có thể xác định được mức độ mạnh, yếu về tài chính theo hệ thống nhưng lại không quan tâm đến các yếu tố mang tính vô hình. Tuy nhiên, những yếu tố này khó có thể bỏ qua vì trong thời kỳ hưng thịnh của nền kinh tế, các xếp hạng yếu kém thường là do chính sách và các thủ tục - là các nhân tố vô hình chứ không phải do yếu kém về tài chính. Do vậy, độ chính xác của SCOR sẽ thấp trong thời kỳ hưng thịnh của nền kinh tế hơn so với thời kỳ khác. Như vậy việc giám sát từ xa, do phụ thuộc vào các tỷ lệ tài chính nên không thể thay thế cho việc kiểm tra tại chỗ. Mô hình SCOR và các mô hình khác về giám sát từ xa là phần hỗ trợ cho các kiểm tra viên chứ không thể thay thế các cuộc kiểm tra định kỳ.

 Tài liệu tham khảo: Theo  Charles Collier, Sean Forbush, Daniel A. Nuxoll, and John ™Keefe

Ghi chú: Các tác giả đều là nhân viên của TCT BHTG Liên Bang. Charles Collier và Sean Forbussh ở trong bộ phận giám sát và bảo vệ khách hàng,Collier là lãnh đạo của phòng quản lý thông tin, Forbush là nhà phân tích tài chính cấp cao, và Daniel Nuxoll là nhà kinh tế học cấp cao ở Phòng nghiên cứu và ™Keefe là lãnh đạo của phòng đo lường rủi ro tài chính.

Phòng Nghiệp vụ 1 CN DIV  khu vực Nam Trung Bộ và Tây Nguyên