BăGIÁOăDCăVÀăÀOăTO TRNGăIăHCăKINHăTăTP.HCM oOo TRNăMINHăLAM NGăDNGăMỌăHỊNHăCREDITMETRICSăVÀOă QUNăTRăRIăROăTệNăDNGă TI NGÂN HÀNG TMCP TIÊN PHONG LUNăVNăTHCăSăKINHăT ThƠnhăphăHăChíăMinhăậ nmă2013ă BăGIÁOăDCăVÀăÀOăTO TRNGăIăHCăKINHăTăTP.HCM oOo TRNăMINHăLAM NGăDNGăMỌăHỊNHăCREDITMETRICSăVÀOă QUNăTRăRIăROăTệNăDNGă TI NGÂN HÀNG TMCP TIÊN PHONG Chuyên ngành: Tài chính – Ngân hàng Mƣăs:ă60340201 LUNăVNăTHCăSăKINHăT ThƠnhăphăHăChíăMinhăậ nmă2013ă LIăCAMăOANă Tôi xinăcamăđoanăsăliuănêuătrongălunăvnănƠyăđcăthuăthpătăngunăthcăt,ăđcăcôngăbă trênăcácăbáoăcáoăcaăcácăcăquanănhƠănc;ăđcăđngătiătrênăcácătpăchí,ăbáoăchí,ăcácăwebsiteăhpă pháp.ăNhngăthôngătinăvƠăniădungănêuătrongăđătƠiăđuădaătrênănghiênăcuăthcătăvƠăhoƠnătoƠnăđúngă viăngunătríchădn.ă Tp.HCM,ăngƠyă07ăthángă10ănmă2013 TácăgiăđătƠiă TrnăMinhăLamă MCăLC Trang Trangăphăbìa Liăcamăđoan Mcălc Danhămcăcácăbngăbiu Liămăđu Chngă1:ăTngăquanăcácămôăhìnhăđo lngăriăroătínădng 1 1.1ăCácămôăhìnhăđoălngăriăroătínădng 1 1.1.1ăCácămôăhìnhăđoălngăriăroătínădngătruynăthng 2 1.1.1.1 Mô hình chuyên gia 5C (Expert system) 2 1.1.1.2ăMôăhìnhăđimăsăZă(Ză– Credit scoring model) 3 1.1.1.3ăMôăhìnhăxpăhngătínădng 4 1.1.2 Cácămôăhìnhăđoălngăriăroătínădngăhinăđi 7 1.1.2.1 MôăhìnhăCreditMetricsăca J.P Morgan 7 1.1.2.2 Mô hình Creditrisk Plus 24 1.1.2.3. Mô hình Portforlio KMV 29 1.1.2.4. Mô hình CreditPortforlio View 31 1.2.ăKtălun 33 Chngă2 :ăThcătrngăđoălng riăroătínădngăcaăngơnăhƠngăTMCPăTiênăPhongătrongănhngă nmăgnăđơy 35 2.1. Gii thiuăkháiăquátăvăNgơnăhƠngăTMCPăTiênăPhong 35 2.2.ăThcă trngă qunătră riă roă vƠă đoălngă riă roă tínădngă tiă Ngơnă hƠngă TMCPăTiênă Phong 37 2.2.1ăThcătrngăqunătrăriăroătínădngătiăNgơnăhƠngăTMCPăTiênăPhong 37 2.2.2.ăThcătrngăđoălngăriăroătín dngătiăNgơnăhƠngăTMCPăTiênăPhong 41 Chngă3:ăngădngămôăhìnhăCreditMetricsăvƠoăqunătr riăroătínădng tiă Ngân hàng TMCP Tiên Phong 52 3.1. VìăsaoăNgơnăhƠngăTMCPăTiênăPhongănênăápădngămôăhìnhăCreditMetricsăvƠoăqunătrăriăroă tínădng 52 3.2ăÁpădngămôăhìnhăCreditMetricsăvƠoăqunătrăriăroătínădng tiăNgơnăhƠngăTMCPăTiênăPhong 54 3.2.1ăDăliuăđuăvƠo 54 3.2.2ăPhnăphơnătích 55 3.2.2.1ăXácăsutăchuynăhnătínădngăcaăcácădoanhănghipăvay 55 3.2.2.2ăTínhăgiáătrăcaădanhămcăvayăcuiănmă2013 59 3.2.2.3ăTngăquanăgiaăcácămónăvayătrênădanhămc 62 3.2.2.4 TínhătnăthtădanhămcăvayăbngămôăphngăMonteăCarlo 63 3.3ăTnăthtăcaădanhămcăvayăápădngătheoămôăhìnhăhinătiăcaăNgơnăhƠngăTMCPăTiênăPhong 73 3.4ăKtălun 75 Ktălun 79 TƠiăliuăthamăkho Cácăphălc DANHăMCăCÁCăBNGăBIU Tênăcácăbngăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăăă Trang BNGă1.1.ăKíăhiuăxpăhngătínădngăsădngăchoănădƠiăhn 5 BNGă1.2.ăKíăhiuăxpăhngătínădngăsădngăchoănăngnăhn 6 BNGă1.3ăBngăphơnăphiăgiáătrăcaăkhonăchoăvayă1 15 BNGă1.4ăBngăphơnăphiăgiáătrăcaăkhonăchoăvayă2 16 BNGă1.5 Bngăxácăsutăchuynăhngăchungăcaădoanhănghipă1ăvƠă2 18 BNGă1.6 Hăsătngăquan 20 BNGă1.7ăCácăhăsăcaăphơnătíchăCholesky 21 BNGă1.8ăCácăkchăbnănguănhiênăcaăhƠmăNormsinvătheoăphơnătích Monte Carlo . 21 BNGă1.9ăCácăkchăbnăcóătngăquanătheoăphơnătíchăMonteăCarlo 22 BNGă1.10ăPhơnăăphiăxácăsutăcaăcácăkhonănăkhôngăđcăhoƠnătrănhómă1 27 BNGă1.11ăPhơnăăphiăxácăsutăcaăcácăkhonănăkhôngăđcăhoƠnătrănhómă2 28 BNGă3.1.ăCácălƣiăsutăchoăvayăthaăthunătrcăcaăngơnăhƠngăđiăviăcácăkhonăvay55 BNGă3.2 Bngăkêăsădoanhănghipătrongătngăhngătínădngănmă2009 56 BNGă3.3 Bngăkêăsădoanhănghipătrongătngăhngătínădngănmă2010 56 BNGă3.4 Sădoanhănghipăchuynăhngătănmă2009ă-> 2010 57 BNGă3.5.ăBngătnăsutăchuynăhngătínădngăcaăcácădoanhănghipăgiaă2ănmă2009ăvƠă2010 58 BNGă3.6.ăBngătnăsutăchuynăhngătínădngăcaăcácădoanhănghipăgiaă2ănmă2010ăvƠă2011 58 BNGă3.7.ăBngătnăsutăchuynăhngătínădngăcaăcácădoanhănghipăgiaă2ănmă2011ăvƠă2012 59 BNGă3.8.ăMaătrnăchuynăhngătínădngăcaăcácădoanhănghip 59 BNGă3.9.ăBngăphơnăphiăgiáătrăcaăkhonăchoăvayă1 61 BNGă3.10. Cácăgiiăhnăchuynăhngătínădngădoanhănghipăsă1 64 BNGă3.11. Cácăgiiăhnăchuynăhngătínădng caădanhămcăvayătngăngăcácăxpăhngăđuănmă 2013 64 BNGă3.12. Hăsătngăquană  = 20% caădanhămcăvayăngƠnhăcôngănghip 65 BNGă3.13. Hăsătngăquană  = 20% caădanhămcăvayăngƠnhăcôngănghip 67 BNGă3.14 Hăsătngăquană  = 35% caădanhămcăvayăngƠnhăcôngănghip 68 BNGă3.15ăKtăquătínhătoánă23ăkhonăvayăngƠnhăcôngănghipăcaăhƠmăCholeskyDecompositionăviă  = 35% 70 BNGă3.16ăDanhămcăkhonăvayăbăquáăhn 73 BNGă3.17ăBngătínhăchiătităsătinătríchălpădăphòngăcăthăcaădanhămcăvayăcuiănmă2013 74 LIăMăU 1.ăLỦădoăchnăđătƠi Trongănhngănmăgnăđơy,ăhăthngăngân hàng TMCP VităNamăđangăđngătrcănhngăkhóăkhn,ăthă tháchăđyăcam go,ăkhtănghit;ătìnhăhìnhăbtănăliênătcăxutăhinăkăcăđiăviănhngăngơnăhƠngăđngă hƠngăđuăVităNamănh:ămtăcơnăđiăvn,ăcngăthngăthanhăkhon,ăđcăbitălƠănhngăkhonănăxu,ă nhngătiêuăccătrongăriăroătínădngăliênătcătngăcao…Cóăthăthy,ămt trongănhngănguyênănhơnăgơyă raătìnhătrngăbtăn,ăkéoădƠiătrênăliênăquanăđnătìnhătrngăqunătrăriăroăhotăđngăyuăkém,ăđcăbitălƠă qunătrăriăăroătínădngăcaăngơnăhƠngăthngămi VităNam.ă NgơnăhƠngăTMCPăTiênăPhongă(TPBank)ălƠămtăngơnăhƠngătr,ănngăđng,ăcóănhiuăcăđôngăcóătimă lcătƠiăchínhămnhănh TpăđoƠnăvƠngăbcăđáăquỦăDOJI,ăcôngătyăCăphnăFPT,ăcôngătyăThôngătinădiă đngăVMSă(MobiFone),ăTngăcôngătyătáiăboăhimăVităNamăVinareăvƠăTpăđoƠnătƠiăchínhăSBIăVen Holding Pte. Ltd Singapore. Ngoài ra, viăliăthălƠămtăngơnăhƠngăđiăsauănênăTPBankăhcăhiăđcă kinhănghimăqunătrăriăroătínădngăcaăcácăngơnăhƠngăanhăchăđiătrc,ăvìăvyăTPBankăxơyădngăđcă bămáyăqunătrăriăroătínădngăđángăkhíchăl.ăMôăhìnhăqunălỦăriăroătínădngăcaăTPBank lƠăchiuădcă chăkhôngăphiăchiuăngangănhămtăsăngơnăhƠngăkhác.ăTheoămôăhìnhănƠy,ăhotăđngăcpătínădngă đcăqunălỦătpătrungătiăHiăsăchính,ăcácăchiănhánhăchăyuălƠmăchcănngăbánăhƠng,ămôăhìnhănƠyă cóătínhăchuyênămônăhóaăcaoăvƠăđmăboătáchăbchăcácăkhơuăthcăhinăgiaoădchăvƠăkimăsoátăgiaoădch. Tuyănhiên,ăđimăyuănhtătrongăquyătrìnhăqunătrăriăroătínădngăcaăTPBankălƠăthiuăvngăcácămôă hìnhăđoălngăriăroăhinăđiămƠăcácăngơnăhƠngătrênăăthăgiiăđangăápădngătăbyălơuănay.ă ngătrcăthcătrngăđó,ăđătƠiănƠyădaăvƠoămtătrongănhngămôăhìnhătiênătinătrênăthăgii,ămôăhìnhă CreditMetricsăvăđoălngăriăroădanhămcăđuătătínădngăcaăJ.PăMorgan,ăăviămongămunăTPBankă cóăthăvnădngăvƠoăqunătrăriăroătínădngănhmăgimăthiuăphnănƠoătìnhătrngăđoălngăriăroătínă dngăkhôngăhiuăquănhăhinănay. Mô hình CreditMetrics cóăthătínhătnăthtătiăđaăriêngălăchoătngăkhonăvayăvƠăcaătoƠnădanhămc bngăcáchătínhătoánăgiáătrătngăgimăcaăcácămónăvayătheoăsătngăgimămcătínănhimăcaăkhách hàng trongă mtă khonă thiă giană xácă đnh.ă CreditMetricsă xácălpă maă trnă chuynă hngă tínă nhimăcaă cácă khonăvayătrênădanhămc,ătăđóătínhăđcăphơnăphiăxácăxutăcaătnăthtăkăvngăvƠăkhôngăkăvngă caătoƠnădanhămcăchoăvay. 2.ăMcătiêuănghiênăcu McătiêuănghiênăcuăchínhăcaăđătƠiălƠăngădngămôăhìnhăCreditMetricsăcaăJ.PăMorgan,ăthitălpămaă trnăchuynăhngătínădngăcaădanhămcăvayătiăTPBank,ătăđóătínhătoánăđcămcătnăthtătiăđaătrongă 1ăkhongăthiăgianăxácăđnhăcaătoƠnăbădanhămcăchoăvay.ăDaăvƠoămcătnăthtănƠyăngơnăhƠngăcóăthă đnhălngăđcămcătríchălpădăphòngăcăthănhmăqunătrăriăroătínădngămtăcáchăhiuăquăhn. 3. Tngăquanăcácăcôngătrìnhănghiênăcuăcóăliênăquanăbăsung QunătrăriăroătínădngăvƠăcácămôăhìnhăđoălngăriăro tínădngălƠăđătƠiăđƣăđcămtăsătácăgi,ănhƠă nghiênăcuăcácăncăđăcp.ăCăth:  Moody’să KMVă RiskCalcă Modelă (Douglasă W.Dwyer;ăAhmetă E.Kocagil; Roger M.Stein): Tác giănghiênăcuămôăhìnhăPortfolioăManager”ăcaăMoody’să– KMV,ămôăhìnhăcònăgiălƠămôăhìnhăcu trúcăhayămôăhìnhă“binăđiătƠiăsn”. căđimăcaămôăhìnhănƠyălƠăđiăsơuăvƠoătìmăhiuănhngăđiuănă chaăăđngăsauăsăvănăhayănóiăkhácălƠătìmănguyênănhơnălƠmăbùngănăsăcăvăn.ăNghiênăcuă tngăquanătƠiăsnăgiaăhaiăcôngătyăvƠăxácăxutăvănăriêngăbităcaătngăcôngătyăsăchoăbităxácăxută mƠăhaiăcôngătyăcùngăvănătiămtăthiăđimăvƠăđiuănƠyăliênăquanătiăbinăcăvănăcaădanhămcătƠiă sn.ă  CreditRiskăPlusă(CredităSuisseăFistăBoston):ătácăgiănghiênăcuămôăhìnhăCreditRiskăPlus,ăđơyălƠă môăhìnhăđnăginănht.ăKhácăviămôăhìnhăcuătrúc,ăđiăsơuăvƠoătìmăhiuănguyênănhơnăcaăsăvăn,ămôă hình nƠyătp trungăvƠoăyuătăduyănhtălƠăbinăcăvăn.ăCácăyuătăcaănnăkinhăt,ăchtălngăxpă hngătínădng đcăxemălƠăkhôngăcnăthităvƠăbăbăqua.ă  A systematic comparison of two approaches to measuring credit risk: creditmetrics versus creditrisk+ă (Dianaă Diaz,ă Gordonă Gemmill):ă daă trênă să soă sánhă haiă môă hìnhă creditmetricsă vƠă creditrisk+,ăngiăvităktălunăcácănhƠăqunălỦăvămôăthìăítăkhiăsădngăhaiămôăhìnhănƠyăvìănhngăhnă chănhtăđnh,ătrongăkhiăcácănhƠăqunătrăngân hàng thìăthngăchnămôăhìnhăcreditmetricsănhiuăhn,ă doămôăhìnhănƠyăcóăthăcătínhăgiáătrătnăthtătinăcyăhn.ăTuyănhiên,ăđiăviădanhămcăchoăvayănh,ă chtălngăthpăthìămôăhìnhăcreditrisk+ăđcăđánhăgiáăcaoăhn,ăvìărõărƠngăxácăxutăchuynăhngătínă dngăcaădanhămcăchoăvayănƠyăbinăđngărtăthp.  Credit Risk Measurement (Anthony Saunders & Linda Allen): tácăgi nhnămnhăsăquanătrngă văđoălngăriăro đngădiăgócăđ cădanhămc tƠiăsn, chăkhôngăphiăătngămónăvayăriêngăl.ă ơyălƠ mtă niădungă nghiênă cuă quană trngă nmă trongă qunătră danhă mcă tƠiă snăcaă ngơnă hƠngă thngămi.ăcăbitătácăgi tpătrungăvƠoăphngăphápăđoălngăriăroăthôngăquaăcácămôăhìnhăđoă lngăriăroătínădngătruynăthngăvƠăhinăđi.ăTuyănhiênătácăgi khôngăbƠnălunăđnătoƠnăbăcácăniă dungăthucăqunătrădanhămc/ăqunătrădanhămcăchoăvay,ămƠăchătpătrungăchoăriăroăvƠăđoălngăriă ro,ămtăniădungătrongătoƠnăbăcácăvnăđăvăqunătrădanhămc.  From CreditMetrics to CreditRisk+ and Back Again (Michael B.Gordy): tácă giă đă cpă đnă nhngăuăvƠănhcăđimăcaăhaiămôăhìnhăCreditMetricsăvƠăCreditRisk+,ăcáchăvnădngăhaiămôăhìnhă trên.ăCreditMetricsădaăvƠoăxácăsutăthayăđiăhngătínănhimăđătínhăVaR,ăcònămôăhìnhăCreditRisk+ khôngăđăcpăđn,ăchăcnăcăvƠoăkhănngăkháchăhƠngăkhôngăhoƠnătrăkhonăvay.ăMiămôăhìnhăđuă cóănhngăuănhcăđimăriêngătùyăvƠoăcáchăvnădng.ăDaăvƠoăđcăđimăcaătngămôăhình,ătngăđcă đimăriêngăcaămiăngơnăhƠngăcóăthăápădngămtămôăhìnhăchoăphùăhp. Theoămtăsăktăquăkhoăsát,ătaăcóăthănhnăthyăcácăngơnăhƠngătrênăthăgiiăhinănayăphnălnăđuăápă dngăcácămôăhìnhăđoălngăriăroăhinăđi.ăKtăquăkhoăsátăcaăăFatemiăandăFooladi, Credit Risk Management: a survey of practices, 2006, trongă21ăngơnăhƠngăhƠngăđuătiăMăthìăhuăhtăcácăngơnă hƠngăđuăsădngămôăhìnhăCreditMetricsăcaăJ.P Morgan hay mô hình PortfolioăManagerăcaăăKMV,ă mtăvƠiăngơnăhƠngăsădngămôăhìnhăCreditrisk Plus.ăMtăktăquăkhoăsátăkhácăcaăSmithson, Result from the 2002 survey of credit portfolio management pratices, 2002 vƠăđcăthcăhinăbiăRutteră Associatesăviă41ătăchcătƠiăchínhătrênăthăgii,ătrongăđóăcóă20%ăsădngămôăhìnhăCredit Metrics, 69%ăsădngămôăhìnhăPortfolioăManager,ăcònăliăsădngămôăhìnhăniăbăcaăh.ăNgân hàng ECB, the use of portfolio credit risk models, 2007, choărngăđaăsăcácăngơnăhƠngătrungăngăđuădaăvƠoămôă hình CreditMetrics. 4.ăPhngăphápănghiênăcu ăđtăđcămcătiêuănghiênăcuăcaăđătƠi,ălunăvnăsădngăcăhaiăphngăphápănghiênăcuăđnhătínhă vƠăđnhălng.ă Phngăphápănghiênăcuăđnhătính:ătngăhpăsăliu,ăphơnătíchăthcătrngăqunătrăvƠăđoălngăriăroătínă dngătiăTPBank.ă Phngăphápănghiênăcuăđnhălng:ădaăvƠoăbngăsăliuăxpăhngătínădngăcaădanhămcăvayătiă TPBank đătínhătoánămaătrnăchuynăhngătínădng,ătăđóăvnădngătínhătoánăgiáătrăkăvng,ăphngă saiăvƠătnăthtătiăđaăcaătoƠnăbădanhămcăchoăvayăcăthăcaăTPBankătrongă1ăkhongăthiăgianăxácă đnhădaăvƠoăphngăphápăVaR. 5.ăKtăcuăcaălunăvn Bài nghiên cuăchiaăthƠnhă3ăchngăchính: Chngă1.ăTngăquanăcácămôăhìnhăđoălngăriăroătínădng Chngă2:ăThcătrngăđoălngăriăroătínădngătiăngơnăhƠngăTMCPăTiênăPhong Chngă3:ăngădngămôăhìnhăCreditMetricsăvƠoă qunătr riăroătínădngătiăngơnăhƠngăTMCPăTiên Phong [...]... A-3 NP B C D Lê Th ng và các c ng s , 2009 Giáo trình x ng 1.1.2 Các (the probability of default - PD), loss given default LGD h ngân hàng này M c dù u nh các ngân hàng g khác nhau phù tín g h n nay p i u d a trên c các c phát m riêng a n u áp g các mô hình i ngân hàng, tuy nhiên các mô hình o g i ro tín g n nhóm mô hình chính: CreditMetrics c a JP Morgan, PortfolioManager c a KMV, CreditRisk+ c a Credit... 1 : ch ro danh m nh nh bao g m ng ro và ro trung t p trung v n vào nh ng ngành ch ng khoá m cao cho ngân hàng nh ng làm cho danh m c cho vay và r i ro ro làm cho nhà lãnh danh m c cho vay các ngân hàng khó k s trong v khi phài ng và thi ph dù nóng em l i l i m v i ro ng pháp l m c ng : h công ty KMV ba mô 1.1.2.2 Mô hình Creditrisk Plus Theo CreditRisk Plus Suisse Fist Boston, mô hì khách hàng mà... paradigims) : - 1,0X5 New approach to value at 1.1.1.3 ph ng tín ng pháp x p h ng, ngân hàng x p khách hàng vào các ng hi n xác su t v cho vay, m c d phòng t khác nhau n g ng khách hàng ngân hàng ng tín có nh ng yêu c ra i m v im c t ng tiêu khách hàng kê trong l ng m s s Sau khi cùng c m ng h p khách hàng và m c ng tr ng s c a t ng có tiêu ng v trí tron v ng khách hàng là d a vào k ch m i m các thông... cho tình hình ng khách hàng là ng c n Tài giá và có th tr Cycle Condition: T i kinh nghi m trong nhìn khách hàng h p khách hàng không tr ng vay h là khách hàng Phân tích tình hình tài chính trong quá Collateral: rõ ràng, d khách hàng i phân tích hàng n m, k tài chính trong t s giá và nó l c tài chính l i và m h t mãn 3 ng ki n: pháp lý ng giao oán v ng hai trong tr ng u ki n kinh kh ng v mô, xu h...1.1 c H ngân hàng khác m rong Các n Không có các mô measurement New approach to value at risk and other paradigims) Các mô hình này 1.1 1.1.1.1 Mô hình chuyên gia 5C (Expert system): 5C (Anthony Saunders and Linda Allen, 2002 Credit risk measurement Character: m n danh t vô hình khách hàng n ng, chí tr khó phán ng Capital: T k New approach to value at risk and other paradigims):... thông tin tài chính và phi tài chính do khách hàng cung c c T m quan ng khác nhau c ng và ngân hàng thu th nó khi tính toán ra c ngân hàng xây d ng các tiêu riêng l , mô hình ng c gán ghép t d u a ng ng S&P AAA Aaa AA Aa A A BBB Baa BB Ba (Baa) B B CCC Caa CC Ca C C D n: Lê Th ng và các c ng s , 2009 Giáo trình x ng B h tín nhi khoa tín nhi khoa ngân hàng 1.2 S&P P-1 A-1+ A-1 P-2 A-2 P-3 A-3 NP B... th i gian xác tr tr c c 30 e-3 P = P = 0! 33 e-3 = 5% = 22.4% 3! T trong tr c tr ng h p khách hàng không hoàn c theo t ng khách hàng mà không c xác d a trên m vào mô hình thu xác c nhóm hoàn trong tr ng h p khách hàng không hoàn d tính, m i nhóm phân th t c xác Creditrisk Plus chia khách hàng vào các trung bình các kho n vay không c tính toán d a trên xác không hoàn bình 20.000 $ Nhóm 10 N P 0 0.0498... ghi m au công ty không có kh n ng hoàn tr 1.1.2.4 Mô hình CreditPortforlio View EDF 1 m = 20/5000 = 0,4% n m có 20 Anthony Saunders and Linda Allen, 2002 thì mô hình CreditPortfolioView do McKinsey và công ty Mô hình CreditPortfolioView tr và thay có ch t ng tín tính hình thành c rên các trê ánh giá g kh n ng không hoàn t ng thái n n kinh Do v , i ro tín kinh Tr h t, CreditPortfolioView xác su t không... s t n t c m ngân hàng nói riêng và s ngân hàng nói chung Các c quan qu n lý gia c ng ngân hàn c ng các p tài chính ã nhìn nh n v n ng pháp và các qu c này và khuy n khích các qu n tr , Credit Risk Management: a survey of practices, 2006, các ngân J.P Morgan hay mô hình Portfolio Manager Creditrisk P Smithson, Result from the 2002 survey of credit portfolio management pratices, 2002 Ngân hàng ECB, the... Boston, mô hì khách hàng mà không quan tâm hình s ng các g tr sách nv l ol khách hàng ng k ng k ng thay tính toán các giá ng không hoàn ng tín ng h trên mà không Mô ng giá ng n PA - PA phân ph xác su các k d a trên phân n P= không c hoàn tr trong Poisson: en! là (th l ng là 1 ) n là l ng khách hàng không hoàn ng khách hàng không hoàn trung bình trong k th i gian trong kho n th i gian xác tr tr c c 30 e-3 . Chngă3:ăngădng mô hình CreditMetrics vƠoăqunătr ri ro tín dng tiă Ngân hàng TMCP Tiên Phong 52 3.1. VìăsaoăNgơnăhƠng TMCP Tiên Phong nênăápădng mô hình CreditMetrics vƠoăqunătrări ro tín dng. Chngă1:ăTngăquanăcác mô hình đo lngări ro tín dng 1 1.1ăCác mô hình đoălngări ro tín dng 1 1.1.1ăCác mô hình đoălngări ro tín dngătruynăthng 2 1.1.1.1 Mô hình chuyên gia 5C (Expert. Chngă1.ăTngăquanăcác mô hình đoălngări ro tín dng Chngă2:ăThcătrngăđoălngări ro tín dngătiăngơnăhƠng TMCP Tiên Phong Chngă3:ăngădng mô hình CreditMetrics vƠoă qunătr ri ro tín dngătiăngơnăhƠng TMCP Tiên