Machine Translated by Google

Tạp chí Quốc tế về Kinh tế và Các vấn đề Tài chính

Tập 3, số 2, 2013, tr.537-543

ISSN: 2146-4138

www.econjournals.com

Dự đoán thất bại ngân hàng với hồi quy logistic

Taha Zaghdoudi
Faculté des Sciences Economiques et de Gestion de Tunis, Đại học
Tunis El Manar. Tunisia. Email: zedtaha@gmail.com

TÓM TẮT: Trong những năm gần đây kinh tế tài chính thế giới đang bị chấn động bởi làn sóng khủng hoảng tài chính và
dẫn đến hậu quả là các ngân hàng bị thiệt hại khá lớn. Một số tác giả đã tập trung vào nghiên cứu các cuộc khủng hoảng
để phát triển một mô hình cảnh báo sớm. Chính trong con đường mà công việc của chúng tôi lấy nguồn cảm hứng từ nó.
Thật vậy, chúng tôi đã cố gắng phát triển một mô hình dự đoán về thất bại của ngân hàng Tunisia với sự đóng góp của
phương pháp hồi quy logistic nhị phân. Tính cụ thể của mô hình dự đoán của chúng tôi là nó có tính đến các chỉ số kinh
tế vi mô về những thất bại của ngân hàng. Kết quả thu được khi sử dụng mô hình tạm thời của chúng tôi cho thấy khả
năng trả nợ của ngân hàng, hệ số hoạt động ngân hàng, khả năng sinh lời của ngân hàng trên mỗi nhân viên và tỷ lệ đòn
bẩy tài chính có tác động tiêu cực đến xác suất thất bại.

Từ khóa: Thất bại ngân hàng; Mô hình đăng nhập

Phân loại JEL: G33; C34; C35

1. Giới thiệu Hai

thập kỷ qua được đánh dấu bằng những cuộc khủng hoảng tài chính ngân hàng đáng chú ý bởi mức độ cũng như chi
phí tài chính cắt cổ của chúng. Trên thực tế, nhiều nước đang phát triển đã chứng kiến những xáo trộn nghiêm trọng đối
với hệ thống ngân hàng của họ, biểu hiện là các công ty mất khả năng thanh toán, rối loạn dòng chảy hối đoái, thậm chí
dẫn đến phá sản của các công ty lớn. Ngày nay, các cuộc khủng hoảng tài chính ngân hàng cho thấy một sự dai dẳng rõ
rệt, vì hầu hết các quốc gia bị ảnh hưởng bởi cuộc khủng hoảng năm 2008 vẫn chưa thể tìm ra lối thoát cho nó. Hơn nữa,
cuộc khủng hoảng hiện tại đòi hỏi một sự chú ý lớn hơn so với các cuộc khủng hoảng tiền nhiệm vì nó mang tính chất
toàn cầu và ngân hàng. Cuộc khủng hoảng này chủ yếu ảnh hưởng đến các hệ thống ngân hàng đang gặp khó khăn, biết rằng
họ đại diện cho trung tâm của hoạt động kinh tế và nguồn tài chính của nó.
Từ nay, mọi trục trặc của hệ thống ngân hàng sẽ làm thay đổi hành vi của các tác nhân kinh tế; tạo ra cảm giác mất
lòng tin của các nhà đầu tư và người gửi tiền đối với các tổ chức tín dụng, gây xáo trộn nghiêm trọng đến nền kinh tế
thực tế.
Sự dư thừa của những cuộc khủng hoảng này sinh ra cảm giác sợ hãi đối với sự sắp đặt của một hiện tượng mãn
tính và chu kỳ làm cạn kiệt mọi biện pháp khắc phục mà không thoát khỏi chúng. Kể từ bây giờ, việc thiết lập một mô
hình cảnh báo tiên tiến về các cuộc khủng hoảng tài chính và ngân hàng trở nên cần thiết hơn để ngăn chặn tốt hơn
những bất ổn cuối cùng về tài chính và thậm chí tìm cách tránh chúng.
Cho đến nay, phần lớn các bài viết thực nghiệm về các cuộc khủng hoảng được phát hiện nâng cao đều thuộc trật
tự kinh tế vĩ mô. Sau đó, một nghiên cứu về dữ liệu kinh tế vĩ mô được sử dụng để phát triển một hệ thống cảnh báo có
thể phát hiện trước một số cuộc khủng hoảng tài chính. Hơn nữa, bước thực nghiệm này đưa ra những giới hạn vì nó không
thể phát hiện trước những điểm yếu của ngân hàng về bản chất kinh tế vi mô. Trên thực tế, chúng tôi nghĩ rằng sự tích
hợp của một cách tiếp cận kinh tế vi mô trong việc xây dựng một cảnh báo sớm về khủng hoảng ngân hàng
mô hình có thể mở rộng khả năng phát hiện của nó.

Bài viết này được tổ chức theo cách sau. Trong phần tiếp theo, chúng tôi trình bày một tổng quan tài liệu về
các chỉ số kinh tế vi mô về những yếu kém của ngân hàng. Phần 3 phương pháp luận. Trong phần 4, trình bày dữ liệu và
lựa chọn các biến mô hình. Chúng tôi trình bày kết quả ước tính trong phần 5. Phần 6 kết luận công việc của chúng tôi.

2. Nhận xét tóm tắt văn học

Nhiều tác giả định hướng nghiên cứu các cuộc khủng hoảng ngân hàng như là các hiện tượng phá hoại tập trung
vào các sự kiện xảy ra trước khi chúng xảy ra. Đặc biệt, các nghiên cứu này nhằm mục đích xây dựng các mô hình thống
kê gửi tín hiệu cảnh báo sớm nâng cao về “hệ thống cảnh báo sớm” phá sản ngân hàng. Phương pháp này dựa trên việc phân
loại các ngân hàng thành hai nhóm, phân biệt các ngân hàng lành mạnh và các ngân hàng đang gặp khó khăn.

537
Machine Translated by Google

Tạp chí Quốc tế về Kinh tế và Các vấn đề Tài chính, Vol. 3, số 2, 2013, tr.537-543

Các tác giả như Santoso (1996), Gasbarro và cộng sự. (2002) đã tìm kiếm để liên quan đến các yếu tố quyết định các

khiếm khuyết của các ngân hàng Indonesia trong việc xây dựng hệ thống cảnh báo sớm của họ. Những người khác như, Powo (2000)

đã tìm kiếm để xây dựng một bảng chỉ báo phá sản trong Liên minh Kinh tế và Tiền tệ của các nước Tây Phi để xây dựng một mô

hình hậu cần và có điều kiện trong dữ liệu của bảng. Trong các phần tiếp theo này, các nghiên cứu thực nghiệm chính được

chia thành hai loại phương pháp tiếp cận: kinh tế vĩ mô và kinh tế vi mô.

Một loạt các nghiên cứu xử lý cách tiếp cận kinh tế vĩ mô cho thấy trước ảnh hưởng lớn của sự suy giảm kinh tế đối

với các ngân hàng thường được hiện thực hóa bởi quá trình tự do hóa tài chính mù quáng và tàn bạo khiến các ngân hàng dễ bị

tổn thương hơn trước các cú sốc kinh tế vĩ mô. Đặc biệt, sự tôn vinh của

chính trị công không thích ứng với những thay đổi tài chính và sự lỏng lẻo của các cơ quan giám sát,

làm xấu đi sự yếu kém của ngân hàng. Tuy nhiên, việc áp dụng lãi suất cao, dòng chảy tài chính nước ngoài ồ ạt trở lại, tỷ

lệ tín dụng không hoạt động tăng và lượng tiền tệ dự trữ giảm là những biến số kinh tế vĩ mô ảnh hưởng đến hoạt động của cả

hai hệ thống; kinh tế và tài chính. (Demirguc-Kunt và Detragiche (1998, 2002), Kaminsky và Reinhart (1999).

Hơn nữa, cách tiếp cận kinh tế vi mô nhằm mục đích đặt câu hỏi về yếu tố thể chế, chẳng hạn như yếu tố chính về

tính dễ bị tổn thương của ngân hàng. Nghiên cứu này sử dụng một ma trận các tỷ lệ tài khoản được thu thập từ các bảng cân

đối kế toán riêng lẻ của các ngân hàng mục tiêu. Các tỷ lệ này phản ánh hành vi cá nhân và nội bộ của các ngân hàng, cho

phép chúng tôi xây dựng bảng thông tin về mức độ khó khăn của ngân hàng.

Trên thực tế, hầu hết các cuộc khủng hoảng ngân hàng luôn xảy ra trước các vụ phá sản, đóng cửa kế tiếp, hợp nhất

hoặc mua lại bởi các tổ chức tài chính khác (Kaminsky và Reinhart, 1999). Những vụ phá sản này được Bell and Pain (2000)

giải thích bởi sự không cân bằng của mức tài sản có lợi cho các khoản nợ phải trả. Sự gia tăng của khối lượng nợ phải trả

thường được giải thích là do mức độ sai sót cao

thanh toán của người đi vay gây ra sự cạn kiệt tài sản và sau đó là một khoản tín dụng cho vay khổng lồ. Ngoài ra, sự xáo

trộn giá tài sản trên thị trường đột ngột và duy trì không kịp thời làm tăng rủi ro trên thị trường.

Trong khi đó, một tổ chức tài chính không được bảo vệ khỏi một cuộc chạy đua cuối cùng đang chạy đua, một hiện tượng lén

lút và tàn bạo trong đó các yếu tố gây ra nó luôn ở bên ngoài và được cung cấp bởi một sự bất cân xứng thông tin mạnh mẽ.

Tình trạng này có thể ảnh hưởng đến từng ngân hàng; chúng cũng có thể lây lan từ quốc gia này sang quốc gia khác thông qua

hiện tượng lây lan.

Minsky (1957), nhấn mạnh tầm quan trọng của việc dư thừa các khoản tín dụng khi xuất hiện các cuộc khủng hoảng tài

chính. Ông giải thích rằng trong giai đoạn tăng trưởng và ổn định kinh tế, hành vi của các ngân hàng có xu hướng trở nên

lỏng lẻo hơn khi cung cấp ngày càng nhiều các khoản vay tín dụng mà không có thông tin về khả năng thực hiện các cam kết

của con nợ. Trên thực tế, việc mở rộng quy mô cho vay bị nghi ngờ khi nó vượt quá GDP về tăng trưởng. Do đó, tăng trưởng

tín dụng sẽ kéo theo việc các ngân hàng phải chấp nhận rủi ro quá mức trong hoạt động tín dụng của mình.

Mặt khác, Miotti và Plihon (2001) chỉ ra rằng sự thay đổi trong hành vi của các đại lý tài chính có thể gây ra

một sự lây nhiễm tài chính thuần túy mà không gây ra một cú sốc bên ngoài. Họ giải thích điều này

thay đổi theo sở thích lãi ngay và sở thích chấp nhận rủi ro của các ngân hàng.

Các ngân hàng đã thay đổi hành vi hạn chế và kiểm soát của mình và họ chuyển sang hướng mềm mại và linh hoạt hơn thông qua

việc điều chỉnh khái niệm đầu cơ như một nguồn sinh lời rủi ro.

Các cuộc khủng hoảng gần đây cho thấy nhược điểm của việc thích lãi trước mắt và sở thích rủi ro rõ rệt của các

ngân hàng. Chúng phát sinh sau sự gia tăng lớn của hoạt động tiền mặt đối với các sản phẩm có nguồn gốc để tạo ra doanh thu

quan trọng bằng cách đưa ra các rủi ro của việc đánh giá. Thực hành này làm giảm quỹ vốn và các loại thuế áp đặt trong việc

chấp nhận rủi ro (Randall, 2009).

3. Phương pháp luận

Phân tích kinh tế lượng của chúng tôi liên quan đến việc ước lượng mô hình của câu trả lời định tính, đóng góp vào

phương pháp hồi quy logistic nhị phân. Phương pháp kinh tế lượng này đã được sử dụng trong công trình của Demirguc-Kunt và

Detragiache (1998). Nghiên cứu của họ tập trung vào 65 quốc gia phát triển và đang phát triển trong giai đoạn 1984-1994 dựa

trên dữ liệu hàng năm sử dụng mô hình Logit ước tính kinh tế lượng về xác suất đối với một nền kinh tế bị đe dọa đang trải

qua khủng hoảng ngân hàng.

Miotti và Plihon (2001), tham khảo các công trình của Kindleberger (1996), đã sử dụng trong nghiên cứu của họ về

cuộc khủng hoảng Argentina năm 1995 và Hàn Quốc năm 1998 phương pháp Probit trong khi tích hợp dữ liệu kinh tế vi mô liên

quan đến việc chấp nhận rủi ro của các ngân hàng bằng cách đầu cơ. . Cũng trong xu hướng này, lý luận thực nghiệm và phương

pháp luận của chúng ta lấy nguồn cảm hứng từ nó.

538
Machine Translated by Google

Dự đoán thất bại ngân hàng với hồi quy logistic

d
. Biến phụ thuộc Yi cho phép một luật ngẫu nhiên của Benoulli nhận giá trị 1 khi có sai sót ngân

hàng hoặc 0 nếu không.

Mục đích của chúng tôi thông qua việc sử dụng phương pháp Logit là dự đoán xác suất sai sót ngân

hàng được minh họa bởi PD jP (Y 1 | X sẽ

x).sử dụng
Trong
phương
khi đó,
phápvìcủa
tôihồiphương
quy của
pháp
chúng
tuyến
ta tính
là nhị
tổng
thức
quát
nên(GLM)
chúngđược
ta

giới thiệu bởi Nelder và Wedderburn (1972). Điểm số được tính trong bước đầu tiên bằng X
T
0

T
(1)
j tôi

với:

G: 0,1 là một hàm logistic nhận các giá trị từ 0 đến 1:

G (s) = (2)
S

s: điểm được đưa ra bởi tỷ lệ cược trong nhật ký chức năng:

s = ln ( (3)
) ()

Hàm ước lượng tham số của là thông qua phương pháp thủ tục khả năng xảy ra tối đa và

Lagrangian được viết:

(4)

Yj dao động giữa 0 và 1 nên chúng ta có thể viết Lagrangian của chúng ta như sau:
N
T T
logL ( 0 , ..., d ) Yj 0
X
j) (1 j Y ) log (1 ( 0
X j) (5)
j 1

Để xác định các công cụ ước tính chúng tôi Tối đa hóa hàm L hoặc logL. Vào cuối
d

công cụ ước tính khả năng xảy ra tối đa về xác suất vỡ nợ (PD) được đưa ra bởi:
T
0 (6)

Trước hết, chúng tôi áp dụng hồi quy từng bước giới thiệu tất cả các biến giải thích và trong mỗi bước, một số
biến sẽ bị loại bỏ. Sau đó, các mô hình này được phân loại theo AIC của chúng và mô hình có AIC yếu nhất sẽ được
chọn. AIC có thể được tính như sau:
AIC = -2logL + 2p (7)
với:
L: khả năng tối đa của mô hình được trang bị

p: số lượng các tham số ước tính

Trên thực tế, mô hình có giá trị độ lệch thấp nhất-2logL là mô hình thừa nhận là phù hợp nhất.
Trong bước cuối cùng và sau khi chọn mô hình có giá trị AIC yếu nhất, chúng tôi tính toán chi-hai kiểm tra để
kiểm tra mức độ điều chỉnh dữ liệu tốt của mô hình logistic đã chọn. Giá trị của chi-hai được cho bởi:

= (độ lệch của mô hình đầu tiên với hằng số (đánh chặn) -độ lệch của mô hình mới nhất)
I E :

2
LN(2log)
(2log) LF (số 8)

539
Machine Translated by Google

Tạp chí Quốc tế về Kinh tế và Các vấn đề Tài chính, Vol. 3, số 2, 2013, tr.537-543

4. Dữ liệu và Biến 4.1 Dữ

liệu

Dữ liệu được sử dụng trong công việc này được thu thập từ các báo cáo hàng năm của Ngân hàng Trung ương
Tunisia và hiệp hội các ngân hàng và tổ chức tài chính Tunisia. Nghiên cứu của chúng tôi dựa trên dữ liệu hàng năm
kéo dài 8 năm, từ 2002 đến 2010 cho 14 ngân hàng toàn cầu của Tunisia. Các ngân hàng là Amen Bank (AB), Banque
Nationale Agricole (BNA), La Société Tunisienne de Banque (STB), Banque de Tunisie (BT), Union Internationale des
Banques (UIB), The Arab Tunisian Bank (ATB), Attijari Bank (Attijari Bank), La Banque de l'Habitat (BH), Banque
Internationale Arabe de Tunisie (BIAT), La Banque Franco-Tunisienne (BFT), La Banque Tuniso-Kowitienne (BTK), Banque
Tuniso-Libienne (BTL) the Ngân hàng Qatari Tunisia (TQB), L'Union Bancaire pour le Commerce et l'Industrie (UBCI), La
Banque de la Tunisie et des Emirats (BTE).

4.2 Lựa chọn các biến 4.2.1 Biến

phụ thuộc Trong tài liệu, phần lớn

các nghiên cứu thực nghiệm về khiếm khuyết hoặc khủng hoảng của ngân hàng đều xây dựng các chỉ số nhị phân
để xác định các cuộc khủng hoảng. Trong nghiên cứu này, biến của câu trả lời phản hồi nhị phân của chúng tôi được
thiết lập thông qua một chỉ số đo lường mức độ yếu kém của ngân hàng được lấy cảm hứng từ các công trình của
Kibritcioglu (2002). Chỉ số này được xây dựng thông qua ba chỉ số; tiền gửi ngân hàng, các khoản tín dụng của khu vực
tư nhân và các khoản vay theo hợp đồng của các ngân hàng. Chỉ mục sau đó được viết:

(D t d ) (Cp t cp ) (E t e )
d e
FB t
cp

3
Trong đó Dt đại diện cho sự thay đổi hàng năm của khối lượng tiền gửi ngân hàng, Cpt sự thay đổi hàng năm của các

khoản tín dụng dành cho khu vực tư nhân, Et là sự thay đổi hàng năm của các khoản cho vay mà mọi ngân hàng ký hợp

đồng. và lần lượt là cấp số cộng và độ lệch chuẩn của các biến.

Do đó, có một giai đoạn của điểm trung bình yếu khi giá trị của chỉ số FB thay đổi giữa 0
và -0,5 và điểm yếu của ngân hàng cao khi giá trị FB bằng hoặc thấp hơn -0,5.

0 FB 0,5 độ mong manh thấp

FB 0,5 sức mạnh mong manh

Ngoài ra, chúng tôi thực hiện việc chuyển đổi các giá trị được lấy bởi chỉ số FB dưới dạng phản hồi nhị phân như sau:

Cuối cùng, tỷ lệ yếu kém về ngân hàng của chúng tôi được thiết lập và chuyển đổi thành các phản hồi nhị phân
điều chỉnh cho phù hợp với biến của chúng tôi để giải thích mẫu 14 ngân hàng Tunisia của chúng tôi trong giai đoạn (2000-2010).

4.2.2 Các biến giải thích

Trong nghiên cứu của mình, chúng tôi duy trì 18 tỷ lệ liên quan đến các khía cạnh khác nhau của phân tích
tài chính, đại diện cho các chỉ số đo lường mức độ tổn thương ngân hàng khác nhau. Các tỷ lệ này được tập hợp lại thành
Năm nhóm, tính thanh khoản, quản lý, hoạt động, khả năng sinh lời và tính dễ bị tổn thương được thể hiện trong Bảng
1. Các thống kê mô tả được đưa ra trong Bảng 2.

Bảng 1. Các tỷ số tài chính

Số tỷ lệ Định nghĩa Tỷ lệ TD / Loại
x1 x2 x3 TA Tổng tiền gửiTổng
/ tài sản TD / TP Tổng Tính thanh khoản

x4 x5 x6 tiền gửi / Tổng Tổng

nợ TCtiền
/ TDgửi
Tổng
TC tín
/ E dụng
Tổng /tín Tính thanh khoản

x7 x8 x9 dụng / Cho vay EPhí

/ TA
TA Nợ / Tổng
/ Tổng tài
tài sản
sản PB ChB /
/ TA Tính thanh khoản

x10 sản phẩm ngân hàng

ChB // Tổng
PB / tài
Thu sản
nhập
Phí
ròng
ngân
PnB
hàng
/ Tính thanh khoản

Sản phẩm ngân hàng

TC /
Nemp
TA Tổng
/ Số tín
lượng
dụng
nhân
/ Tổng
viên Tính thanh khoản

tài sản Ban quản lý

Ban quản lý
Ban quản lý
Ban quản lý
Hoạt động

540
Machine Translated by Google

Dự đoán thất bại ngân hàng với hồi quy logistic

x11 TC / TP Tổng tín dụng / Tổng nợ phải trả Hoạt động

x12 TC / CP Tổng tín dụng / Vốn lưu động Sản Hoạt động
x13 PnB / TA phẩm ngân hàng / Tổng tài sản Khả năng sinh lời

x14 E / (K + R) Các khoản cho vay / (Vốn + Dự trữ) sự dễ bị tổn thương

x15 TC / (TD + E) Tổng tín dụng / Tổng tiền gửi + cho vay sự dễ bị tổn thương

x16 CCP / TP Vay từ ngân hàng trung ương / Tổng nợ sự dễ bị tổn thương

x17 CP / TP Vốn lưu động / Tổng nợ phải trả sự dễ bị tổn thương

x18 TD / M2 Tổng tiền gửi / M2 sự dễ bị tổn thương

Bảng 2. Thống kê mô tả
Tỷ lệ số Tối Trung vị Tối kurtosis Sta.Dev

x1 x2 x3 thiểu 0,79 0,87 đa 80,51 0,04

x4 x5 x6 0,00 1,06 6,25 5,07 0,02

x7 x8 x9 0,00 12,24 1,01 43,59 0,10

x10 x11 0,00 0,05 12,08 104,99 43,94

x12 x13 0,00 0,03 0,07 6146,41 70,53 0,01

x14 x15 0,00 0,40 1,71 0,28 59,47 0,00

x16 x17 x18 0,00 72,81 0,65 0,99 97,53 0,00

-0,08 0,83 0,92 287,58 7,80 5,02 0,02

0,00 8,77 0,04 8,43 2,10 115,51 3,17

-0,49 0,55 0,98 82,11 7,15 0,05

0,00 0,00 0,10 0,38 3,19 21,66 0,02

0,00 72,69 2,13 0,12 72,64 0,83

0,00 1,53 0,59 7,28 0,00

0,00 1504,09 13,31 0,07

-1,16 19,48 0,02

0,00 19,48 0,00

0,00 0,02

0,00 0,00 0,00 -0,34 0,00 18,29

Việc sử dụng quy trình từng bước trong việc lựa chọn các biến phân biệt nhất cho thấy tiêu
chí về thông tin AIC yếu nhất là 71.05 cho mô hình nhóm các biến x5, x6, x8, x9, x12, x13 và x14 được
trình bày bởi Bàn số 3.

Bảng 3. Các biến được chọn theo tiêu chí thông tin AIC thấp nhất
Tỷ lệ số Sự định nghĩa Tỉ lệ Loại
x5 Thanh khoản E / TA Nợ / Tổng tài sản

Quản lý x6 ChB / TA Nạp ngân hàng / Tổng tài sản

Quản lý x8 ChB / PB Nạp Ngân hàng / Sản phẩm Ngân hàng

Quản lý x9 PnB / Nemp Ngân hàng ròng / Số lượng nhân viên

Hoạt động x12 TC / CP Tổng tín dụng / Vốn chủ sở hữu

PnB / TA
x13 Khả năng sinh lời Thu nhập ngân hàng ròng / Tổng tài sản
lỗ hổng x14 E / (K + R) Vay / (Vốn + Dự trữ)

5. Kết quả thực nghiệm

Theo Bảng 4, chúng tôi nhận thấy rằng tất cả các biến đều có ý nghĩa thống kê đến ngưỡng 5%
ngoại trừ tỷ lệ x9 và x13 có ý nghĩa thống kê đến 1%. Mặt khác, mô hình của chúng tôi có ý nghĩa toàn
cầu đến 1% với thống kê Chi2 là 34.08966.
Các tỷ lệ x5, x8, x9 và x12 có ý nghĩa âm. Ước tính cho thấy rằng biến đo lường khả năng trả
nợ của các ngân hàng (x5) làm giảm một cách đáng kể xác suất sai sót đối với các ngân hàng Tunisia.
Ngoài ra, biến x8, x9 và x12 tương ứng là hệ số khai thác ngân hàng, xác suất sai sót của ngân hàng,
lợi nhuận ngân hàng trên mỗi nhân viên và tỷ lệ dịch chuyển tài chính, ảnh hưởng tiêu cực đến xác
suất sai sót.
Mặt khác, các tỷ số x6, x13 và x14 thể hiện tỷ lệ chi phí khai thác, khả năng sinh lời của ngân hàng
và khả năng hoàn trả nợ của ngân hàng, lưu có ý nghĩa dương và sau đó làm tăng tương ứng xác suất sai
sót của ngân hàng. .

541
Machine Translated by Google

Tạp chí Quốc tế về Kinh tế và Các vấn đề Tài chính, Vol. 3, số 2, 2013, tr.537-543

Bảng 4. Kết quả hồi quy logit

Hệ số Erreur Std 0,141982 z P. phê bình

Constante 0,823611 -52,5969x622,9047
167,726 0,1724 0,86313
x5 85,2452 x8 -12,62
x96,16244 -2,2963 0,02166 **

-0,0732672 0,0254852 x12 -0,297681

114,552 0,137488
44,4356 x14 x13
1,50566
3,1964 1,976 0,04912 **

Khả năng đăng nhập -27,52638 -2,0479 0,04057 **

-2,8749 0,00404 ***

-2,1651 0,03038 **

2,5779 0,00994 ***

2,1229 0,03376 **

-2 Khả năng đăng nhập 55.05277 (Độ Chisquare 34.08966 Giá trị P 0,00002

lệch)

Nghiên cứu tỷ lệ chênh lệch được đưa ra trong Bảng 5 cho thấy lợi nhuận ngân hàng x 13 ghi lại một tỷ lệ
rất cao, phần lớn vượt trội so với 1, điều này có nghĩa là phản ứng sai sót là có thể xảy ra. Trên thực tế, khi một
ngân hàng hiển thị tỷ suất sinh lời khá thấp có nghĩa là ngân hàng đang gặp khó khăn về tài chính để trang trải các
khoản phí hoặc để tôn vinh các cam kết của mình và sau đó là nguy cơ phá sản gia tăng.
Ngoài ra, xác suất phản hồi lỗi là mạnh đối với tỷ lệ chi phí khai thác x6. Không thể phủ nhận, chi phí khai thác
ngân hàng tăng làm giảm đáng kể khả năng sinh lời và mất cân đối tài sản nợ, khiến ngân hàng gặp khó khăn.

Bảng 5. Tỷ lệ cược

Tỷ lệ cược

Đánh chặn 1.15256

x5 x6 x8 0
x9 x12 6,96E + 72
x13 x14 0
0,92935
0,74254
5,62E + 49
24.44436

Tỷ số x14 đo lường khả năng trả nợ của một ngân hàng, ghi nhận một tỷ lệ khá cao và do đó phản ứng sai sót
cũng cao. Rõ ràng là, nếu quy mô nợ ngân hàng quá lớn so với vốn tiết kiệm và vốn ngân hàng, thì ngân hàng đó không
thể thực hiện cam kết của mình đối với người cho vay. Trên thực tế, việc không có khả năng trả nợ đã đẩy các ngân
hàng vào khó khăn khi phải dùng đến dịch vụ bao tiêu của bên cho vay như biện pháp cuối cùng, nếu không thì phá sản
và thanh lý theo cơ quan tư pháp.
Phản hồi không có khiếm khuyết là hiển nhiên đối với X = x5 và X = x8 với tỷ lệ chênh lệch không. Do đó, phản ứng
khuyết tật lần lượt là 0,92, 0,74 lần đối với X = x9 và X = x12.

6. Kết luận

Mục tiêu của nghiên cứu này là thiết lập các chỉ số kinh tế vi mô có thể dự đoán các khiếm khuyết của ngân
hàng. Việc sử dụng các tỷ số tài chính thu thập được từ bảng cân đối kế toán của các ngân hàng Tunisia đã định hình
nhóm chỉ số của chúng tôi lấy cảm hứng từ mô hình CAMEL, từ đó chúng tôi muốn chọn các tỷ lệ có khả năng dự đoán
mạnh mẽ để xây dựng mô hình lường trước về khiếm khuyết của ngân hàng từ đó.
Việc sử dụng vectơ tỷ lệ được chọn từ trước bằng phương pháp hồi quy từng bước, giống như vectơ của các
biến giải thích trong mô hình logistic của chúng tôi đã cung cấp cho chúng tôi kết quả hài lòng với mong đợi
dấu hiệu và ý nghĩa. Tương tự như vậy, các tỷ lệ thích hợp nhất trong giải thích về khiếm khuyết ngân hàng tại các
ngân hàng Tunisia là sự giảm sút lợi nhuận ngân hàng và khả năng trả nợ của các ngân hàng dường như là một tỷ lệ kỳ
lạ cao.

542
Machine Translated by Google

Dự đoán thất bại ngân hàng với hồi quy logistic

Người giới thiệu

Bell, J., Pain, D. (2000), Các mô hình chỉ báo hàng đầu về khủng hoảng ngân hàng - Một đánh giá quan trọng. Ngân hàng của

Đánh giá Ổn định Tài chính Anh, tháng 12 năm 2009, tr.113–129.
Demirguc-Kunt, A., Detragiache, E. (1998), Các yếu tố quyết định các cuộc khủng hoảng ngân hàng trong việc phát triển và

Các nước phát triển. Các tài liệu về nhân viên IFM, 45 (1), 81-109.

Demirguc-Kunt A., Detragiache E., (2002), Bảo hiểm tiền gửi có làm tăng sự ổn định của hệ thống ngân hàng không?

Một cuộc điều tra thực nghiệm, Tạp chí Kinh tế Tiền tệ, 49 (7), 1373-1406.

Gasbarro, D., Sadguna, I., Zumwalt, JK (2002), Mối quan hệ thay đổi giữa xếp hạng CAMEL và sự lành mạnh của ngân hàng trong

cuộc khủng hoảng ngân hàng Indonesia. Đánh giá Tài chính và Kế toán Định lượng, 19 (3), 247-260.

Kaminsky, G., Reinhart, C. (1999), Cuộc khủng hoảng song sinh: nguyên nhân của các vấn đề ngân hàng và cán cân thanh toán.

Tạp chí Kinh tế Hoa Kỳ, Hiệp hội Kinh tế Hoa Kỳ, 89 (3) 473-500.

Kibritcioglu, A. (2002), Chấp nhận rủi ro quá mức, Sự mong manh của ngành ngân hàng và các cuộc khủng hoảng ngân hàng, Đại

học Illinois tại Urbana-Champaign, Đại học Kinh doanh. Tài liệu làm việc 02-0114, 1-
59.

Kindelberger, C. (1996), Manias Panics and Crashes: A history of Financial Crisis, 3rd Edition, New York, John Willey & Sons.

Minsky, HP (1957), Ngân hàng trung ương và những thay đổi của thị trường tiền tệ. Tạp chí Kinh tế hàng quý,

71 (2), 1-12.

Miotti, L., Plihon, D. (2001), la libéralisation financière, spéculation etaries bancaires, Economie

Quốc tế ca, la revue u CEPII, 85, 3-36.

Nelder, JA, Wedderburn, RWM (1972), Mô hình tuyến tính tổng quát, Tạp chí Thống kê Hoàng gia

Society, Series A, 135 (3), 370-384.

Powo, FB (2000), Les déterminants des faillites bancaires dans les Pay en développement: le cas des Payment de l'Union

économique et monétaire Ouest-africaine (UEMOA), Département de sciences économiques, Université de Montréal, Cahier

de recherche, , 1-37.

Randall, D. (2009), Qui joue avec le feu…, Finance & Développement , 46 (3), 40-42.

Santoso, W. (1996), Các yếu tố quyết định vấn đề ngân hàng ở Indonesia. Nghiên cứu Ngân hàng và

Giấy Quy định, Ngân hàng Indonesia, Tài liệu làm việc số 32, 17-26.

543