Koulafetis (2017) nghiên cứu một cách toàn diện về các mô hình đo lường rủi ro tín dụng trong đó nêu chi tiết về các mô hình đo lường rủi ro danh mục, từ mô hình được Basel khuyến nghị theo cách tiếp cận tiêu chuẩn (SA), cách tiếp cận cơ bản dựa trên xếp hạng tín dụng nội bộ (FIRB) và cách tiếp cận nâng cao dự trên xếp hạng tín dụng nâng cao (AIRB) đến các mô hình do các định chế tài chính lâu đời trên thế giới phát triển như CreditMetrics của JP Morgan (1997), KMV của Moody’s (2002), CreditRisk+ của Credit Suise (1997), CreditPortfolioView của Wilson (1997) và được sử dụng bởi McKinsey. Nghiên cứu cũng chỉ ra những mô hình này tập trung đo lường cùng một đại lượng về mặt lý thuyết, đó là mức tổn thất ngoài dự tính (UL) trong khi đó một số mô hình khác tập trung và hướng thiết lập các cơ chế mô phỏng giá trị danh mục trong tương lai (Saunders & Allen, 2010).

Witzany (2017) đưa ra cơ sở lý thuyết của các mô hình đo lường rủi ro danh mục tín dụng và mô phỏng các bước tính toán của các mô hình, trong đó mô hình CreditMetrics dựa trên mô phỏng Monte Carlo, mô hình CreditRisk+ xây dựng một khung tính toán phân bổ tổn thất của danh mục tín dụng mà không cần thông qua mô phỏng Monte Carlo, mô hình CreditPortfolioView đưa vào các yếu tố vĩ mô như là yếu tố ảnh hưởng khả năng vỡ nợ, mô hình KMV dựa trên giá trị chịu rủi ro (VaR) và xem khoản vay như một hợp đồng quyền chọn.

Nhiều nghiên cứu tập trung vào phân tích mô hình đo lường RRTD theo cách tiếp cận của Basel có thể kể đến như Acharya và cộng sự (2006), Carey & Gordy (2007), Hibbeln (2010), Engelmann & Rauhmeier (2006), Witzany (2017), Jacob (2010). Các nghiên cứu này mô tả chi tiết cơ sở lý thuyết và mô phỏng áp dụng khuyến nghị trong Basel II đối với rủi ro tín dụng. Các mô hình quan trọng nhất trong cách tiếp cận của Basel để đánh giá rủi ro tín dụng, bao gồm xác suất khách hàng không trả được nợ (PD), tỷ lệ tổn thất trong trường hợp khách hàng vỡ nợ (LGD) và dư nợ tại thời điểm vỡ nợ (EAD).

Trong luận án này, tác giả kế thừa các luận cứ lý thuyết về mô hình quản lý rủi ro tín dụng dựa trên cách tiếp cận xếp hạng tín dụng nội bộ nâng cao (AIRB) của Basel II để xây dựng hệ thống xếp hạng tín dụng nội bộ cho Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam.

Nguồn: Luận Án tiến sĩ “Ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam“