Vài Phút Quảng Cáo Sản Phẩm
Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]
Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”
(Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)
Đề cương liên quan: Phát triển hoạt động trên thị trường chứng khoán phái sinh tại Việt Nam
Mục Lục
- GIẢI PHÁP HỖ TRỢ RA QUYẾT ĐỊNH TÍN DỤNG ĐỐI VỚI CÁC
- KHOẢN VAY CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM – TRƯỜNG HỢP CÁC YẾU TỐ PHI TÀI CHÍNH
- TÓM TẮT
- 1. Giới thiệu
- 2. Phương pháp nghiên cứu
- 3. Kết quả và bàn luận
- Dựa trên mức độ ảnh hưởng của từng yếu tố
- 4. Một số kiến nghị đối với các NHTM
- Tải xuống tài liệu học tập PDF miễn phí
Tải ngay đề cương bản PDF tại đây: Giải pháp hỗ trợ ra quyết định tín dụng đối với các khoản vay của khách hàng doanh nghiệp tại các ngân hàng thương mại Việt Nam – trường hợp các yếu tố phi tài chính
|
ISSN: 1859-2171 |
TNU Journal of Science and Technology |
201(08): 13 – 17 |
|
|
e-ISSN: 2615-9562 |
|||
GIẢI PHÁP HỖ TRỢ RA QUYẾT ĐỊNH TÍN DỤNG ĐỐI VỚI CÁC
KHOẢN VAY CỦA KHÁCH HÀNG DOANH NGHIỆP TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM – TRƯỜNG HỢP CÁC YẾU TỐ PHI TÀI CHÍNH
Đỗ Năng Thắng
Trường Đại học Công nghệ thông tin và truyền thông – ĐH Thái Nguyên
TÓM TẮT
Các nhà kinh tế thường gọi Ngân hàng là “ngành kinh doanh rủi ro”. Thực tế đã chứng minh không một ngành nào mà khả năng dẫn đến rủi ro lại lớn như trong lĩnh vực kinh doanh tiền tệ – tín dụng. Ngân hàng phải gánh chịu những rủi ro không những do nguyên nhân chủ quan của mình, mà còn phải gánh chịu những rủi ro từ phía khách hàng gây ra. Chính vì vậy, một công cụ hỗ trợ các ngân hàng thương mại trong việc cảnh báo rủi ro tín dụng là rất cần thiết, đặc biệt trong bối cảnh cạnh tranh khốc liệt như ngày nay. Trên thế giới đã có một số công trình nghiên cứu liên quan đến vấn đề này. Tuy nhiên mỗi công trình đều chỉ phát huy thế mạnh ở một khía cạnh nào đó và chưa thực sự phù hợp với điều kiện thực tế ở Việt Nam. Với tính cấp thiết như vậy, bài báo đề xuất một phương pháp kết hợp giữa chấm điểm các yếu tố phi tài chính với xếp hạng tín dụng của S&P, từ đó giúp ngân hàng thương mại có thêm một công cụ trong việc trợ giúp ra quyết định tín dụng hạn chế rủi ro.
Từ khóa: Rủi ro tín dụng; mô hình cảnh báo; mô hình chấm điểm; hệ số phi tài chính; xếp hạng tín dụng.
Ngày nhận bài: 28/3/2019; Ngày hoàn thiện: 19/4/2019; Ngày duyệt đăng: 06/6/2019
SOLUTIONS TO SUPPORT THE CREDIT DECISION FOR LOANS OF ENTERPRISES IN VIETNAMESE COMMERCIAL BANKS CASE STUDY: NON-FINANCIAL FACTORS
Do Nang Thang
TNU – Information and Communication Technology University
ABSTRACT
Economists often call the Bank a “risky business”. In fact, it has proved that there is no industry that has the potential to lead to big risks such as in the field of currency trading – credit. The Bank has to bear the risks not only due to its subjective causes, but also the risks of its customers. Therefore, a tool can support commercial banks in warning credit risks is necessary, especially in the context of fierce competition like today. In the world there have been some researches related to this issue. However, each project only develops its strengths in a certain aspect and is not really suitable with the actual conditions in Vietnam. With such urgency, the paper proposes a method of combining the scoring of non-financial factors with the credit rating of S&P, thereby helping commercial banks has more one tool for support in credit decision.
Keywords: Credit risk; warning model; scoring model; non-financial coefficient; credit ratings.
Received: 28/3/2019; Revised: 19/4/2019; Approved: 06/6/2019
Email: [email protected]
http://jst.tnu.edu.vn; Email: [email protected] 13
Đỗ Năng Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 201(08): 13 – 17
1. Giới thiệu
Cuộc khủng hoảng tài chính châu Á năm 1997 và cuộc khủng hoảng toàn cầu năm 2008 đã nhen nhóm lại các nguyên nhân và triệu chứng của cuộc khủng hoảng tài chính tiềm năng. Nếu những triệu chứng này có thể được phát hiện trước, chính phủ có thể áp dụng các biện pháp phòng ngừa để ngăn chặn cuộc khủng hoảng hoặc ít nhất là để giảm thiểu tác động bất lợi của khủng hoảng đối với nền kinh tế trong nước. Việt Nam đang thực hiện cam kết mở cửa thị trường trong lĩnh vực tài chính – ngân hàng, thực tế hội nhập trong khu vực và trên thế giới mang lại cơ hội cho các ngân hàng Việt Nam đồng thời cũng phát sinh nhiều thách thức và rủi ro ở mức cao hơn. Các yếu tố rủi ro trong lĩnh vực kinh doanh ngân hàng ngày càng trở nên phức tạp và cần có giải pháp phòng ngừa kịp thời. Việc xây dựng một giải pháp hỗ trợ các ngân hàng thương mại (NHTM) trong việc ra quyết định tín dụng là rất cần thiết đặc biệt trong bối cảnh hội nhập quốc tế ngày càng sâu, rộng. Hiện nay trên thế giới đã có một số công trình tiêu biểu về cảnh báo rủi ro tín dụng như mô hình Merton (1974) có vai trò mang tính khai sáng trong quản trị rủi ro tín dụng như là vai trò của mô hình Black-Scholes trong định giá quyền chọn [1]. Tuy nhiên hạn chế của mô hình dựa trên giả định doanh nghiệp chỉ có một khoản nợ duy nhất và trả nợ tại một thời điểm duy nhất. Mô hình điểm số Z do E.I.Altman khởi tạo năm 1977 và thông thường được sử dụng xếp hạng tín nhiệm đối với các doanh nghiệp [2]. Mô hình này dùng để đo xác suất vỡ nợ của khách hàng thông qua các đặc điểm cơ bản của khách hàng. Đại lượng Z là thước đo tổng hợp để phân loại rủi ro đối với người vay và phụ thuộc vào các yếu tố tài chính của người vay. Mô hình CreditMetrics, được J.P. Morgan giới thiệu vào năm 1997 [3], là một mô hình được sử dụng phổ biến trong thực tiễn. Mô hình này có thể xem là có nguồn gốc từ mô hình Merton, tuy nhiên có một điểm khác biệt cơ bản giữa mô hình CreditMetrics với Merton là ngưỡng phá sản trong mô hình CreditMetrics được xác định từ xếp hạng tín dụng chứ không phải từ các khoản nợ. Do đó, mô hình này cho phép xác định cả xác suất vỡ nợ và
xác suất suy giảm tín dụng. Ở Việt Nam có một số công trình như công trình của tác giả Lê Văn Tuấn năm 2016 “Khám phá sự thú vị của phần mềm R trong định lượng rủi ro tín dụng” trong nghiên cứu tác giả đã nghiên cứu và ứng dụng mô hình KMV vào cảnh báo rủi ro tín dụng [4] hay công trình nghiên cứu thứ 2 của tác giả Lê Văn Tuấn “Ứng dụng mô hình Merton trong giảng dạy rủi ro tín dụng và định giá trái phiếu cho sinh viên ngành tài chính” công trình nghiên cứu này đã làm rõ mô hình Merton và ứng dụng trong cảnh báo rủi ro tín dụng tại các NHTM ở Việt Nam [5]. Công trình nghiên cứu Nguyễn Phi Lân “Mô hình cảnh báo sớm và chính sách hướng tới ổn định kinh tế vĩ mô”, theo tác giả việc cảnh báo sớm rủi ro kinh tế vĩ mô và khủng hoảng tiền tệ được tác giả xây dựng dựa trên mô hình cảnh báo sớm (EWS) tham số [6]. Tuy nhiên các mô hình trên đều khá phức tạp và khó áp dụng phù hợp với tình hình thực tế tại các NHTM ở Việt Nam. Mặt khác các mô hình trên chỉ tập trung phân tích các yếu tố tài chính mà không đề cập đến các yếu tố phi tài chính. Xuất phát từ nguyên nhân đó, bài báo đề xuất giải pháp kết hợp giữa chấm điểm các yếu tố phi tài chính với xếp hạng tín dụng của S&P, từ đó giúp NHTM có thêm một công cụ trong việc trợ giúp ra quyết định tín dụng.
2. Phương pháp nghiên cứu
Bài báo sử dụng giải pháp kết hợp giữa phương pháp định tính và định lượng, trong đó phương pháp định tính là chủ yếu. Xuất phát từ nghiên cứu các tài liệu liên quan đến các tiêu chí chấm điểm phi tài chính của một số NHTM lớn, từ đó bài báo tiến hành thu thập các thông tin liên quan đến các yếu tố phi tài chính của một doanh nghiệp cụ thể như: Trình độ quản lý, Quan hệ của khách hàng với ngân hàng, các nhân tố bên ngoài, đặc điểm khác… và tiến hành chấm điểm các yếu tố đó dựa trên cơ sở xác định trọng số của chúng, trong đó trọng số của các yếu tố phi tài chính lại được quyết định bởi mức độ ảnh hưởng của chúng đến khả năng trả nợ của khách hàng, hoạt động này được thực hiện dựa trên phương pháp Chuyên gia. Ngoài ra bài báo tiến hành xếp hạng tín dụng của khách hàng doanh nghiệp đối với các yếu tố phi tài chính dựa trên lý thuyết xếp hạng tín
14 http://jst.tnu.edu.vn; Email: [email protected]
|
Đỗ Năng Thắng |
Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN |
201(08): 13 – 17 |
|||||||||
|
dụng của S&P, từ đó hỗ trợ các NHTM có |
3.2. Bảng kết quả tính điểm các chỉ tiêu phi |
||||||||||
|
thêm một công cụ trong việc trợ giúp ra quyết |
|||||||||||
|
tài chính |
|||||||||||
|
định tín dụng. |
|||||||||||
|
|
3. Kết quả và bàn luận |
Dựa trên mức độ ảnh hưởng của từng yếu tố |
|||||||||
|
3.1. Mô hình phân tích |
phi tài chính (chỉ tiêu chính) đến khả năng |
||||||||||
|
trả nợ của khách hàng doanh nghiệp, bài |
|||||||||||
|
Trình độ quản lý |
|||||||||||
|
báo tiến hành xác định trọng số của từng |
|||||||||||
|
Điểm |
|||||||||||
|
Quan hệ với ngân hàng |
yếu tố đó và trong mỗi chỉ tiêu chính, bài |
||||||||||
|
phi tài |
|||||||||||
|
chính |
Các nhân tố bên ngoài |
báo đưa ra các chỉ tiêu phụ cũng như trọng |
|||||||||
|
số của chúng và tiến hành chấm điểm dựa |
|||||||||||
|
Đặc điểm khác |
|||||||||||
|
trên các thông tin thực tế thu thập được, cụ |
|||||||||||
|
Hình 1. Mô hình chấm điểm các yếu tố phi tài chính |
thể như bảng 1. |
||||||||||
|
Bảng 1. Kết quả chấm điểm các chỉ tiêu phi tài chính DNB |
|||||||||||
|
STT |
Trọng số |
Các chỉ tiêu phi tài chính |
Giá trị |
Điểm |
Điểm cuối |
||||||
|
I |
30% |
Trình độ quản lý |
|||||||||
|
1 |
1.1 |
5% |
Lý lịch tư pháp của người đứng đầu doanh nghiệp |
Lý lịch tư |
100 |
5 |
|||||
|
pháp tốt |
|||||||||||
|
2 |
1.2 |
7% |
Kinh nghiệm chuyên môn của người đứng đầu doanh nghiệp |
15 năm |
100 |
7 |
|||||
|
3 |
1.3 |
7% |
Trình độ học vấn của người quản lý |
Đại học |
60 |
4,2 |
|||||
|
4 |
1.4 |
6% |
Năng lực điều hành của người trực tiếp lãnh đạo doanh nghiệp |
Rất tốt |
100 |
6 |
|||||
|
5 |
1.5 |
5% |
Cơ cấu tổ chức và môi trường kiểm soát nội bộ của doanh nghiệp |
Rất tốt |
100 |
5 |
|||||
|
II |
30% |
Quan hệ với ngân hàng |
|||||||||
|
6 |
2.1 |
4% |
Lịch sử trả nợ của khách hàng trong 12 tháng qua |
Luôn trả nợ |
100 |
4 |
|||||
|
đúng hạn |
|||||||||||
|
7 |
2.2 |
4% |
Số lần cơ cấu lại thời gian trả nợ trong 12 tháng qua |
0 lần |
100 |
4 |
|||||
|
8 |
2.3 |
3% |
Số lần các cam kết ngoại bảng mất khả năng thanh toán |
0 lần |
100 |
3 |
|||||
|
9 |
2.4 |
3% |
Tình hình cung cấp thông tin yêu cầu của ngân hàng |
Luôn đầy đủ |
100 |
3 |
|||||
|
10 |
2.5 |
4% |
Mức độ sử dụng các dịch vụ của ngân hàng |
Lớn nhất |
100 |
4 |
|||||
|
11 |
2.6 |
4% |
Tỷ trọng chuyển doanh thu qua ngân hàng |
80% |
80 |
3,2 |
|||||
|
12 |
2.7 |
3% |
Thời gian quan hệ với ngân hàng |
5 năm |
100 |
3 |
|||||
|
13 |
2.8 |
3% |
Tình trạng nợ quá hạn tại các ngân hàng |
Không có nợ |
100 |
3 |
|||||
|
quá hạn |
|||||||||||
|
14 |
2.9 |
2% |
Định hướng quan hệ với khách hàng trong thời gian tới |
Phát triển |
100 |
2 |
|||||
|
III |
25% |
Các nhân tố bên ngoài |
|||||||||
|
15 |
3.1 |
4% |
Triển vọng phát triển của ngành |
Cao |
100 |
4 |
|||||
|
16 |
3.2 |
4% |
Khả năng sản phẩm của doanh nghiệp bị thay thế bởi các sản |
Khó |
100 |
4 |
|||||
|
phẩm khác |
|||||||||||
|
17 |
3.3 |
5% |
Nguồn cung ứng |
Ổn định |
60 |
3 |
|||||
|
18 |
3.4 |
2% |
Mức độ phụ thuộc vào điều kiện tự nhiên |
Không nhiều |
60 |
1,2 |
|||||
|
19 |
3.5 |
4% |
Sự cạnh tranh giữa các doanh nghiệp hiện có trong ngành |
Bình thường |
60 |
2,4 |
|||||
|
20 |
3.6 |
2% |
Khả năng ra nhập mới của các doanh nghiệp trong ngành |
Khó |
100 |
2 |
|||||
|
21 |
3.7 |
4% |
Nhu cầu trên thị trường đối với sản phẩm của doanh nghiệp |
Lớn |
100 |
4 |
|||||
|
IV |
15% |
Các đặc điểm khác |
|||||||||
|
22 |
5.1 |
1% |
Sự phụ thuộc vào một số ít nhà cung cấp |
Bình thường |
60 |
0,6 |
|||||
|
23 |
5.2 |
1% |
Số năm hoạt động của doanh nghiệp |
10 năm |
100 |
1 |
|||||
|
24 |
5.3 |
4% |
Tốc độ tăng trưởng doanh thu |
20% |
67 |
2,68 |
|||||
|
25 |
5.4 |
4% |
Tốc độ tăng trưởng lợi nhuận |
125% |
100 |
4 |
|||||
|
26 |
5.5 |
1% |
Phạm vi hoạt động của doanh nghiệp |
Toàn quốc |
60 |
0,6 |
|||||
|
27 |
5.6 |
1% |
Triển vọng phát triển của doanh nghiệp |
Phát triển |
100 |
1 |
|||||
|
28 |
5.7 |
1% |
Lợi thế kinh doanh |
Thuận lợi |
80 |
0,8 |
|||||
|
29 |
5.8 |
2% |
Quy mô của doanh nghiệp |
Lớn |
100 |
2 |
|||||
|
Tổng cộng |
100% |
89,68 |
|||||||||
http://jst.tnu.edu.vn; Email: [email protected] 15
Đỗ Năng Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 201(08): 13 – 17
3.3. Xếp hạng tín dụng theo S&P
Bài báo tiến hành xếp hạng tín dụng đối với đối tượng khách hàng là các doanh nghiệp của ngân hàng (đối tượng vay vốn với kỳ hạn dài vừa mang lại doanh thu ổn định cho ngân hàng nhưng đồng thời cũng chứa đựng rất nhiều rủi ro). Để giúp NHTM có thêm các thông tin cụ thể và trực quan hơn về chất lượng tín dụng của khách hàng doanh nghiệp, bài báo tiến hành xếp hạng tín dụng doanh nghiệp dựa trên lý thuyết của Standard & Poor’s, là một công ty dịch vụ tài chính 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 [7]. Số liệu cụ thể được thể hiện trong bảng 2.
3.4. Kết quả xếp hạng tín dụng theo S&P
Bảng 3. Xếp hạng các chỉ tiêu phi tài chính của DNB theo S&P
Điểm Thang đo S&P Giải thích
Chất lượng tín dụng
89,68 84,8-92,3 AA cao, mức độ rủi ro thấp,
khả năng trả nợ cao
Thông qua kết quả chấm điểm các chỉ tiêu phi tài chính và các chỉ tiêu tài chính theo mô hình điểm số Z, ta thấy doanh nghiệp DNB có chất lượng tín dụng cao, mức độ rủi ro thấp, khả năng trả nợ cao.
4. Một số kiến nghị đối với các NHTM
Trong bối cảnh cạnh tranh khốc liệt như ngày nay đối với lĩnh vực kinh doanh tiền tệ, các NHTM không nên chỉ tập trung vào việc đánh giá các chỉ tiêu tài chính mà còn cần phân tích kết hợp với các chỉ tiêu phi tài chính để có thông tin đầy đủ và chính xác hơn. Tuy nhiên khi phân tích các chỉ tiêu phi tài chính (các chỉ tiêu không thể hiện bằng con số cụ thể nên thường dễ bị chi phối bởi yếu tố chủ quan, cảm tính), các ngân hàng cần lưu ý một số vấn đề sau:
Một là, khi chấm điểm các yếu tố phi tài chính, ngân hàng cần thành lập Hội đồng chuyên gia và điểm chấm là điểm của cả Hội đồng chứ không phải của cá nhân;
Hai là, khi tiến hành chấm cần tuân thủ đúng theo thang điểm, tỷ trọng của từng yếu tố;
Ba là, khi tiến hành chấm điểm phải dựa vào các minh chứng số liệu cụ thể, không dựa vào cảm tính chủ quan của người chấm;
Bảng 2. Xếp hạng tín dụng doanh nghiệp theo S&P
Điểm
- 92,3
84,8 – 92,3
77,2 – 84,7
69,6 – 77,1
62,0 – 69,5
54,4 – 61,9
S&P Nội dung
AAA Chất lượng tín dụng cao nhất, có độ rủi ro thấp nhất, có khả năng trả nợ cao nhất
AA Chất lượng tín dụng cao, mức độ rủi ro thấp, khả năng trả nợ cao
Đạt trên mức trung bình các nhân tố về đảm bảo khả năng trả nợ ngắn và dài hạn
- chưa thật chắc chắn nhưng vẫn đạt độ tin cậy cao. Do đó được xếp hạng có khả năng trả nợ
Đạt mức trung bình, mức an toàn và rủi ro không cao nhưng cũng không thấp.
- Khả năng trả nợ gốc và lãi hiện thời không thật chắc chắn nhưng không có dấu hiệu nguy hiểm
- Đạt mức dưới trung bình, khả năng trả nợ gốc và lãi không thật chắc chắn và mức
độ an toàn như BBB
- Đối tượng này thiếu sự hấp dẫn cho đầu tư. Sự đảm bảo về hoàn trả gốc và lãi trong tương lai là rất nhỏ
|
46,8 – 54,3 |
CCC |
Khả năng trả nợ thấp, dễ xảy ra vỡ nợ |
|
39,2 – 46,7 |
CC |
Rủi ro rất cao, thường bị vỡ nợ |
|
31,6 – 39,1 |
C |
Đối tượng trong tình trạng sắp phá sản |
|
< 31,6 |
D |
Khả năng phá sản là gần như chắc chắn |
Nguồn: S&P
16 http://jst.tnu.edu.vn; Email: [email protected]
Đỗ Năng Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 201(08): 13 – 17
Bốn là, khi có một số yếu tố thay đổi bất thường nhất thiết phải tiến hành chấm và xếp loại tín dụng lại đối với các khách hàng doanh nghiệp;
Năm là, khi tính điểm phi tài chính của doanh nghiệp cần đối chiếu với xếp hạng tín dụng theo S&P để biết được cụ thể chất lượng tín dụng của doanh nghiệp hiện nay;
Sáu là, cần tính điểm các yếu tố phi tài chính kết hợp với chấm điểm các yếu tố tài chính để đưa ra kết quả một cách chính xác nhất;
Bảy là, cần thu thập thông tin cả trong và ngoài doanh nghiệp để có thể nắm được thông tin một cách chính xác và khách quan nhất.
- Kết luận
Rủi ro tín dụng mang lại hậu quả rất lớn cho các ngân hàng. Tuy nhiên việc đối mặt với nó là tất yếu đối với mọi ngân hàng đặc biệt trong bối cảnh cạnh tranh khốc liệt như ngày nay. Bài báo cung cấp một công cụ có thể phân tích và nhận biết những khách hàng có và không có nguy cơ mất khả năng trả nợ, từ đó hỗ trợ cho các NHTM trong việc ra quyết định tín dụng một cách chính xác hơn và hạn chế được rủi ro. Tuy nhiên khía cạnh nghiên cứu của bài báo là các yếu tố phi tài chính, cho nên các ngân hàng cần chấm điểm một cách khách quan nhất, dựa trên cơ sở minh chứng cụ thể.
TÀI LIỆU THAM KHẢO
- Merton, Robert C., “On the pricing of corporate debt: The risk structure of interest rates”,
Journal of Finance, vol. 29, pp. 449-470, 1972.
- Altman, Edward , “Financial Ratios,
Discriminant Analysis and the Prediction Of
Corporate Bankruptcy”, Journal of Finance, vol. 23, no. 4, pp. 589-609, 1968.
- P. Morgan, “Introduction to CreditMetrics”,
13/08/2010,https://vi.scribd.com/document/3582 1973/Intro-to-Credit-Metrics-JP-Morgan, truy cập ngày 10/01/2019.
- Lê Văn Tuấn, “Khám phá sự thú vị của phần mềm R trong định lượng rủi ro tín dụng”,
05/06/2016,https://tuanvanle.wordpress.com/20 16/06/05/kham-pha-su-thu-vi-cua-phan-mem-r-trong-dinh-luong-rui-ro-tin-dung, truy cập ngày 17/01/2019.
- Lê Văn Tuấn, “Ứng dụng mô hình Merton trong giảng dạy rủi ro tín dụng và định giá trái phiếu cho sinh viên ngành tài chính”,
11/11/2016,https://tuanvanle.wordpress.com/2 016/11/11/ung-dung-mo hinh-merton-trong-giang-day-rui-ro-tin-dung-va-dinh-gia-trai-phieu-cho-sinh-vien-nganh-tai-chinh, truy cập ngày 17/02/2019.
- Nguyễn Phi Lân, “Mô hình cảnh báo sớm và chính sách hướng tới ổn định kinh tế vĩ mô”,
Ngân hàng Nhà nước Việt Nam, T. 2, S.3, tr. 27-32, 2011.
- S&P, “S&P Global Rating Definitions”,31/10/2018,
