Nghiên cứu các nhân tố ảnh hưởng đến rủi ro thẻ tín dụng tại Ngân hàng TMCP Quốc tế Việt Nam - khu vực TP. Hồ Chí Minh

TÓM TẮT:

Bài viết nghiên cứu các nhân tố ảnh hưởng đến rủi ro thẻ tín dụng tại Ngân hàng TMCP Quốc tế Việt Nam - Khu vực TP. Hồ Chí Minh (VIB - KV TP.HCM). Sử dụng dữ liệu của 195 khách hàng thẻ tín dụng trong giai đoạn 2021–2024, mô hình hồi quy Logit được áp dụng để đánh giá tác động của các đặc điểm nhân khẩu học, năng lực thanh toán và lịch sử giao dịch đến rủi ro thẻ tín dụng. Kết quả cho thấy tuổi khách hàng, trình độ học vấn, nghề nghiệp, hệ số sử dụng thẻ, hệ số ứng tiền mặt, lãi suất và quy trình xét duyệt có ảnh hưởng đáng kể đến rủi ro thẻ tín dụng. Trên cơ sở đó, nghiên cứu đề xuất một số kiến nghị nhằm quản lý hiệu quả các yếu tố rủi ro, đồng thời đưa ra các giải pháp về đào tạo nguồn nhân lực, cải tiến hệ thống xếp hạng tín dụng nội bộ, nâng cấp hạ tầng công nghệ thông tin và đồng bộ hệ thống dữ liệu, góp phần nâng cao hiệu quả hoạt động và chất lượng tín dụng của ngân hàng trong bối cảnh cạnh tranh và chuyển đổi số.

Từ khoá: thẻ tín dụng, rủi ro thẻ tín dụng, quản trị rủi ro, mô hình Logit, VIB - KV TP. Hồ Chí Minh,

1. Đặt vấn đề

Thanh toán không tiền mặt đang trở thành xu hướng tất yếu, thúc đẩy Việt Nam tiến gần hơn đến nền kinh tế số. Trong đó, thẻ tín dụng là phương tiện thanh toán hiện đại, tiện lợi, đặc biệt trong các giao dịch khẩn cấp và trực tuyến. Các ngân hàng, tiêu biểu là VIB, đã đẩy mạnh phát triển sản phẩm thẻ tín dụng với nhiều ưu đãi như hoàn tiền, trả góp và giảm giá, kiên định mục tiêu “dẫn đầu xu thế thẻ”. Với hơn 9,2 triệu thẻ phát hành và mạng lưới chấp nhận rộng khắp, thẻ tín dụng đã trở thành một phần thiết yếu trong đời sống tài chính, góp phần thúc đẩy thanh toán không tiền mặt tại Việt Nam. VIB được lựa chọn làm đối tượng nghiên cứu nhờ vai trò nổi bật trong quá trình này.

Tuy nhiên, cùng với sự phát triển, các rủi ro như gian lận, đánh cắp thông tin và tấn công hệ thống thanh toán cũng gia tăng, ảnh hưởng đến cả ngân hàng và khách hàng. Dù các ngân hàng đã áp dụng nhiều biện pháp quản trị rủi ro, nhưng vẫn còn những hạn chế cần khắc phục. Nghiên cứu này tập trung phân tích các yếu tố ảnh hưởng đến rủi ro thẻ tín dụng tại VIB - KV TP.HCM, gồm nhân khẩu học, năng lực thanh toán và lịch sử giao dịch, thông qua mô hình hồi quy logit. Kết quả nghiên cứu kỳ vọng cung cấp cơ sở thực tiễn cho công tác quản lý rủi ro, đồng thời đề xuất các giải pháp về phát triển nhân lực, cải tiến hệ thống xếp hạng tín dụng, hoàn thiện hạ tầng công nghệ và kiện toàn tổ chức, nhằm nâng cao chất lượng tín dụng trong bối cảnh cạnh tranh và chuyển đổi số.

2. Cơ sở lý thuyết

Thẻ tín dụng ngày càng đóng vai trò quan trọng trong các phương thức thanh toán trên toàn thế giới. Mặc dù ban đầu được triển khai ở các quốc gia phát triển, việc sử dụng thẻ tín dụng đã gia tăng nhanh chóng tại các quốc gia đang phát triển (Wang et al., 2011). Nhiều nghiên cứu đã xem xét các yếu tố tác động đến khả năng trả nợ và rủi ro thẻ tín dụng, tiêu biểu như Dunn và Kim (1999), Lee et al. (2011), Bùi Thị Tuyết Nga (2017), Lê Hoàng Yến (2018) và Lin et al. (2019). Thẻ tín dụng được xem là công cụ hỗ trợ tài chính hữu ích cho khách hàng, nhất là trong các tình huống khẩn cấp (Littwin, 2008), đồng thời là nguồn thu quan trọng cho các ngân hàng (Ingram, 2013). Tuy nhiên, sự gia tăng trong việc sử dụng thẻ cũng làm dấy lên những lo ngại về tình trạng nợ quá hạn và mất khả năng thanh toán (Lo & Harvey, 2011).

Nhằm kế thừa các nghiên cứu trước và bám sát thực tiễn của VIB - KV TP.HCM, nghiên cứu này đề xuất mô hình lý thuyết và các giả thuyết nghiên cứu như sau:

Tuổi khách hàng (AGE): Các nghiên cứu của Kiarie et al. (2015), Kara et al. (1994) và Calem & Mester (1995) cho thấy người trẻ tuổi có nguy cơ nợ thẻ cao hơn người lớn tuổi.

Giả thuyết H1: Tuổi tác tác động ngược chiều đến rủi ro thẻ tín dụng.

Giới tính (GEN): Nhiều nghiên cứu (Wang et al., 2010; Hayhoe et al., 2000; Dunn & Kim, 1999) ghi nhận rằng nam giới sử dụng thẻ tín dụng nhiều hơn nữ giới, từ đó làm gia tăng rủi ro tín dụng.

Giả thuyết H2: Giới tính tác động cùng chiều đến rủi ro thẻ tín dụng.

Trình độ học vấn (EDU): Người có trình độ học vấn cao có xu hướng quản lý nợ tốt hơn, từ đó làm giảm nguy cơ rủi ro tín dụng (Chien & Devaney, 2001; Chong & Lam, 2012).

Giả thuyết H3: Trình độ học vấn tác động ngược chiều đến rủi ro thẻ tín dụng.

Tình trạng hôn nhân (MAR): Các nghiên cứu (Chien & Devaney, 2001; Dunn & Kim, 1999; Black & Morgan, 1998) cho thấy khách hàng đã kết hôn thường có khả năng trả nợ tốt hơn so với người độc thân.

Giả thuyết H4: Tình trạng hôn nhân tác động ngược chiều đến rủi ro thẻ tín dụng.

Nghề nghiệp (OCC): Những người làm việc trong các vị trí chuyên môn, quản lý có thu nhập ổn định hơn, từ đó làm giảm rủi ro tín dụng (Chien & Devaney, 2001; Lee et al., 2011).

Giả thuyết H5: Nghề nghiệp tác động ngược chiều đến rủi ro thẻ tín dụng.

Hạn mức tín dụng (LIM): Hạn mức tín dụng cao phản ánh năng lực tài chính tốt và giúp giảm nguy cơ chậm thanh toán (Soman & Cheema, 2002; Đặng Thị Xuân Kiêm, 2019).

Giả thuyết H6: Hạn mức tín dụng tác động ngược chiều đến rủi ro thẻ tín dụng.

Hệ số sử dụng thẻ (USE): Việc sử dụng thẻ gần hạn mức được cấp làm gia tăng nguy cơ nợ quá hạn (Lee et al., 2011; Ponce et al., 2017).

Giả thuyết H7: Hệ số sử dụng thẻ tác động cùng chiều đến rủi ro thẻ tín dụng.

Hệ số ứng tiền mặt (CAS): Khách hàng ứng tiền mặt thường xuyên có nguy cơ mất khả năng thanh toán cao hơn (Lee et al., 2011; Dunn & Kim, 1999).

Giả thuyết H8: Hệ số ứng tiền mặt tác động cùng chiều đến rủi ro thẻ tín dụng.

Lãi suất (INT): Gross và Souleles (2002) chỉ ra rằng nợ thẻ tăng khi lãi suất thẻ tín dụng giảm, trong khi Calem & Mester (1995) cho rằng chi tiêu ít nhạy cảm với lãi suất.

Giả thuyết H9: Lãi suất tác động ngược chiều đến rủi ro thẻ tín dụng.

Quy trình xét duyệt (PRO): Quy trình xét duyệt chặt chẽ tại VIB kỳ vọng giúp kiểm soát tốt hơn rủi ro tín dụng.

Giả thuyết H10: Quy trình xét duyệt tác động ngược chiều đến rủi ro thẻ tín dụng.

3. Phương pháp nghiên cứu

3.1. Dữ liệu nghiên cứu

Nghiên cứu sử dụng dữ liệu khách hàng thẻ tín dụng của VIB - KV TP.HCM trong giai đoạn 2021-2024. Dữ liệu bao gồm thông tin nhân khẩu học, năng lực thanh toán và lịch sử giao dịch của khách hàng, được thu thập theo hai tiêu chí: (1) khách hàng có giao dịch liên tục từ 2021 đến 2024, và (2) loại trừ các chủ thẻ không phát sinh giao dịch trong giai đoạn nghiên cứu.

Thông tin nhân khẩu học được khai thác từ hợp đồng phát hành thẻ tại các chi nhánh VIB, đảm bảo tính khách quan. Dữ liệu năng lực thanh toán và lịch sử giao dịch được ghi nhận từ hệ thống quản lý thẻ tín dụng nội bộ. Giai đoạn nghiên cứu trùng với thời kỳ phát triển mạnh mẽ của hệ thống chấm điểm tín dụng nội bộ và ngân hàng trực tuyến tại Việt Nam, trong đó, VIB giữ vai trò tiên phong.

Kích thước mẫu được xác định theo công thức của Tabachnick và Fidell (1996), yêu cầu tối thiểu 130 quan sát đối với mô hình có 10 biến. Nghiên cứu đã lựa chọn và phân tích bộ dữ liệu gồm 195 khách hàng thẻ tín dụng, đảm bảo đáp ứng yêu cầu về tính đại diện và độ tin cậy.

3.2. Phương pháp và mô hình nghiên cứu

3.2.1. Phương pháp nghiên cứu

Nhằm khắc phục các khuyết tật có thể xảy ra trong mô hình, nghiên cứu đã thực hiện ước lượng vững cho mô hình hồi quy Logit để nghiên cứu mối quan hệ giữa các biến độc lập với biến phụ thuộc. Mô hình Logit là mô hình nhị phân (hay còn gọi là Binary logistic) lần đầu tiên được giới thiệu và phát triển bởi David Cox vào những năm thập niên 70 của thế kỷ XX (xem Cox, 2018) nhằm phân tích các mối tương quan giữa khả năng của các yếu tố đến đối tượng được phân tích. Mô hình logistic có dạng:

3.2.2. Mô hình nghiên cứu

Nghiên cứu dựa theo Lee và cộng sự (2011), Bùi Thị Tuyết Nga (2017) hay Đặng Thị Xuân Kiêm (2019) phát triển mô hình như sau:

RISKi,t = β0 + β1AGEi + β2GENi + β3EDUi + β4MARi + β5OCCi + β6LIMi+ β7USEi + β8CASi + β9INTi + β10PROi + ui                               (4)                                                          Trong đó:

Biến phụ thuộc RISK đại diện cho rủi ro thẻ tín dụng đối với khách hàng. Biến phụ thuộc được đo lường là một biến giả đo bằng bằng 0 nếu khách hàng không phát sinh nợ quá hạn trong thời gian nghiên cứu và ngược lại, bằng 1 nếu khách hàng phát sinh nợ quá hạn trong thời gian nghiên cứu. Bên cạnh đó, các biến độc lập tác động đến rủi ro thẻ tín dụng ngân hàng bao gồm: AGE - Tuổi khách hàng, GEN - Giới tính khách hàng, EDU - Trình độ học vấn, MAR - Tình trạng hôn nhân, OCC - Nghề nghiệp khách hàng, LIM - Hạn mức tín dụng, USE - Hệ số sử dụng thẻ tín dụng của khách hàng, CAS - Hệ số ứng tiền mặt, INT - Lãi suất và PRO - Quy trình xét duyệt khách hàng.

4. Kết quả và thảo luận

4.1. Thống kê mô tả và ma trận tương quan

Bảng 2. Thống kê mô tả các biến trong mô hình nghiên cứu

Biến	Số quan sát	Trung bình	Độ lệch chuẩn	Min	Max
RISK	195	0,369	0,484	0	1
AGE	195	37,862	7,914	23	64
GEN	195	0,528	0,500	0	1
EDU	195	0,851	0,357	0	1
MAR	195	0,549	0,499	0	1
OCC	195	0,559	0,498	0	1
LIM	195	120,400	64,590	36	233
USE	195	0,602	0,504	0,010	1,500
CÁS	195	0,347	0,396	0,000	0,990
INT	195	0,451	0,499	0	1
PRO	195	0,518	0,501	0	1

Nguồn: Kết quả phân tích từ phần mềm Stata.

Kết quả thống kê mô tả từ Bảng 2 cho thấy, dựa trên mẫu 195 khách hàng, có 36,92% (72 khách hàng) phát sinh nợ quá hạn (RISK). Về nhân khẩu học, tuổi trung bình là 37,862 (dao động ở độ tuổi từ 23 đến 64), tỷ lệ nam/nữ sử dụng thẻ tín dụng có tỷ lệ tương đương (52,8%/47,2%) và đa số có trình độ đại học trở lên (85%) và phân bố đều giữa đã kết hôn (54,9%) và độc thân (45,1%). Ngoài ra, tỷ lệ khách hàng là lao động trí thức chiếm 55,9%, trong khi có 44,1% khách hàng là lao động chân tay. Đối với các chỉ tiêu về năng lực thanh toán và lịch sử giao dịch, hạn mức tín dụng khách hàng trung bình đạt 120,4 triệu đồng (dao động mạnh trong khoảng 36 - 233 triệu), trong đó 15,38% khách hàng ứng tiền mặt vượt 90% dư nợ (CAS). Hệ số sử dụng thẻ (USE) trung bình 0,602, có trường hợp vượt 150% hạn mức. Lãi suất ưu đãi áp dụng cho 45,1% khách hàng, và 51,8% được xét duyệt tập trung (PRO).

Bảng 3. Ma trận hệ số tương quan

Nguồn: Kết quả phân tích từ phần mềm Stata.

Theo ma trận hệ số tương quan giữa các biến trong phương trình hồi quy, có thể thấy rằng đa phần các biến giải thích có hệ số tương quan là không quá lớn (hệ số tương quan < 0.5) ngoại trừ tương quan giữa USE và CAS, CAS và INT (nhỏ hơn 0,8) và USE và INT (lớn hơn 0,8). Theo quy tắc ngón tay cái - về đa cộng tuyến của Klein - Klein's rule of thumb-Multicollinearity, có đề cập nếu hệ số tương quan lớn hơn 0.8 mà có ý nghĩa thống kê thì có cơ sở để nghi ngờ trong mô hình có đa cộng tuyến, và lúc này đa cộng tuyến mới trở thành vấn đề nghiêm trọng; nên có xuất hiện hiện tượng đa cộng tuyến xảy ra giữa các biến trong mô hình hồi quy. (Bảng 3)

Do đó, nghiên cứu tiếp tục kiểm định hiện tượng đa cộng tuyến bằng kiểm định VIF cho mô hình nghiên cứu để xem xét liệu thật sự có xuất hiện hiện tượng đa cộng tuyến xảy ra giữa các biến trong mô hình hồi quy hay không. Kết quả kiểm định VIF được trình bày ở Bảng 4.

Kết quả từ Bảng 4 cho thấy hệ số VIF của các biến trong mô hình đều nhỏ hơn 10. Vì vậy, mối tương quan giữa các biến trong mô hình là thấp, tức mức độ đa cộng tuyến thấp và không ảnh hưởng nhiều đến kết quả ước lượng mô hình hồi quy.

Bảng 4. Kết quả kiểm định hiện tượng đa cộng tuyến

Nguồn: Kết quả phân tích từ phần mềm Stata

4.2. Kết quả và thảo luận

Kết quả nghiên cứu định lượng sử dụng ước lượng vững cho mô hình logit được sử dụng để xem xét các nhân tố ảnh hưởng đến rủi ro thẻ tín dụng tại VIB - KV TP.HCM trong giai đoạn 2021- 2024 được trình bày ở Bảng 5.

Bảng 5. Kết quả nghiên cứu - ước lượng vững cho mô hình hồi quy Logit

Nguồn: Kết quả phân tích từ phần mềm Stata

Mô hình (1) kiểm tra tác động của 10 biến độc lập đến rủi ro thẻ tín dụng (RISK), trong khi mô hình (2) loại bỏ các biến không có ý nghĩa thống kê. Kết quả mô hình (1) cho thấy, 7/10 biến có ý nghĩa thống kê, cụ thể: Tuổi khách hàng (AGE) tác động ngược chiều đến rủi ro thẻ tín dụng với hệ số bê-ta đạt -0,130 và ở mức ý nghĩa thống kê 1%. Trái lại, trình độ học vấn (EDU) tác động ngược chiều với rủi ro tín dụng (β = -1,527 tại mức ý nghĩa thống kê 0,004). Bên cạnh đó, mối quan hệ giữa nghề nghiệp (OCC) và rủi ro thẻ tín dụng là ngược chiều (β = -1,709, p = 0,007). Đối với các chỉ tiêu về năng lực thanh toán và lịch sử giao dịch, các biến USE, CAS và PRO tác động cùng chiều với rủi ro thẻ tín dụng (với hệ số bê-ta lần lượt đạt 1,453; 2,211 và 1,840 với mức ý nghĩa thống kê tương ứng 10% và 1%). Trong khi đó, biến lãi suất (INT) tác động ngược chiều đến rủi ro thẻ tín dụng (có β = -2,015, p = 0,007). Các kết quả nghiên cứu ở mô hình (2) sau khi loại bỏ các biến không có ý nghĩa thống kê hoản toàn thống nhất với kết quả ở mô hình (1). Bên cạnh đó, các kết quả kiểm định R bình phương, tiêu chuẩn AIC (tiêu chuẩn thông tin Akaike) và BIC (tiêu chuẩn thông tin Bayesian) cho thấy mô hình là hoàn toàn phù hợp và có ý nghĩa trong nghiên cứu thực nghiệm.

5. Kết luận và kiến nghị

5.1. Kết luận

Nghiên cứu này xem xét về các yếu tố ảnh hưởng đến rủi ro thẻ tín dụng tại VIB – KV TP.HCM trong giai đoạn 2021 – 2024 thông qua bộ dữ liệu từ hệ thống quản lý thông tin khách hàng thẻ tín dụng của VIB – KV TP.HCM, bao gồm thông tin nhân khẩu học, khả năng thanh toán và lịch sử giao dịch từ 2021 đến 2024. Ngoài ra, tác giả tổng hợp các lý thuyết và nghiên cứu quốc tế, trong nước để xây dựng mô hình nghiên cứu. Dựa vào phân tích các yếu tố ảnh hưởng đến rủi ro thẻ tín dụng, nghiên cứu đưa ra các đề xuất giúp ngân hàng cải thiện hiệu quả hoạt động, đối phó với thách thức và tận dụng cơ hội trong bối cảnh hội nhập.

Phương pháp nghiên cứu bao gồm phân tích thống kê mô tả, kiểm định độ tin cậy dữ liệu và kiểm định mô hình hồi quy để đạt được mục tiêu nghiên cứu. Kết quả từ mô hình hồi quy Logit được ước lượng vững đã cho thấy rằng các yếu tố như Tuổi khách hàng (AGE), Trình độ học vấn (EDU), Nghề nghiệp (OCC), Hệ số sử dụng thẻ (USE), Hệ số ứng tiền mặt (CAS), Lãi suất (INT) và Quy trình xét duyệt (PRO) đều có tác động đáng kể đến rủi ro thẻ tín dụng. Mô hình nghiên cứu cho thấy sự phù hợp và có ý nghĩa thống kê cao, dựa trên các kiểm định như hệ số xác định R bình phương, AIC và BIC.

5.2. Kiến nghị

Trên cơ sở kết quả nghiên cứu về các nhân tố ảnh hưởng đến rủi ro thẻ tín dụng, bài nghiên cứu đề xuất một số kiến nghị nhằm kiểm soát tốt các yếu tố rủi ro, qua đó nâng cao hiệu quả quản lý thẻ tín dụng tại VIB - KV HCM trong bối cảnh cạnh tranh và chuyển đổi số, cụ thể như sau:

Đối với các khách hàng có độ tuổi từ 30-39 tuổi thì cần thẩm định kỹ hơn do khả năng quản lý chi tiêu kém hơn nhóm lớn tuổi. Bên cạnh đó, khách có trình độ cao thường chi tiêu thận trọng, do đó, ngân hàng nên tham khảo thông tin trình độ học vấn khi thẩm định cấp tín dụng. Mặt khác, cân thiết ưu tiên khách có nghề ổn định (công chức, chuyên gia), cần thiết giới hạn chi tiêu và cảnh báo giao dịch bất thường đối với các khách hàng dùng thẻ nhiều, dễ dẫn nợ quá hạn để giảm thiểu rủi ro tín dụng cho ngân hàng.

Ngân hàng cần phải theo dõi giao dịch rút tiền mặt và tư vấn về phí để hạn chế rủi ro và cần phân loại và kiểm soát lãi suất cho từng khách hàng. Đối với quy trình xét duyệt, quy trình tập trung dễ gây rủi ro hơn so với xét duyệt bằng thẩm quyền đơn vị kinh doanh, do đó, cần thẩm định chặt chẽ đối với hồ sơ được phân quyền thẩm định tập trung trước khi phê duyệt.

Ngoài ra, một số kiến nghị khác cũng được đề xuất như ngân hàng cần tuyển dụng cán bộ có chuyên môn và thường xuyên đào tạo về sản phẩm thẻ tín dụng để nâng cao hiệu quả công việc. Đồng thời, cập nhật và hoàn thiện hệ thống xếp hạng tín dụng để đảm bảo chính xác, tuân thủ tiêu chuẩn quốc tế. Mặt khác, việc tạo cơ sở dữ liệu khách hàng đồng bộ và chất lượng cao, phục vụ cho việc quản lý và lượng hoá rủi ro là vô cùng cần thiết. Cuối cùng, cần xây dựng một đội ngũ chuyên trách để phát triển và ứng dụng các mô hình toán học trong đo lường rủi ro tín dụng.

TAI LIỆU THAM KHẢO:

Agarwal, S., Driscoll, J. C., Gabaix, X., & Laibson, D. I. (2009). The Age of Reason: Financial Decisions over the Life-Cycle with Implications for Regulation. Brookings Papers on Economic Activity, 2, 51-117.

Black, S. E., & Morgan, D. P. (1998). The changing mix of bank card borrowers and the rising rate of charge-offs. In Federal Reserve Bank of Chicago Proceedings (No. 594).

Bùi Thị Tuyết Nga (2017). Các yếu tố ảnh hưởng đến khả năng trả nợ thẻ tín dụng của khách hàng cá nhân tại Ngân hàng TMCP Quân Đội (Master's thesis, Trường Đại học Kinh tế Tp. Hồ Chí Minh).

Calem, P. S., & Mester, L. J. (1995). Consumer behavior and the stickiness of credit-card interest rates. The American Economic Review, 85(5), 1327-1336.

Chien, Y. W., & Devaney, S. A. (2001). The effects of credit attitude and socioeconomic factors on credit card and installment debt. Journal of Consumer Affairs, 35(1), 162-179.

Chong, V., & Lam, J. (2012). An Empirical Study of Malaysian Young Adults’ Attitudes towards Credit Card Debt: Influence of the Personal and Bank Factors.

Cox, D. R. (2018). Analysis of binary data. UK: Routledge.

Đặng Thị Xuân Kiêm (2019). Hạn chế rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại Ngân hàng TNHH MTV Shinhan Việt Nam–Trung tâm thẻ Hồ Chí Minh (Master's thesis, Trường Đại học Kinh tế Tp. Hồ Chí Minh).

Davies, E., & Lea, S. E. (1995). Student attitudes to student debt. Journal of economic psychology, 16(4), 663-679.

Dunn, L. F & Kim, T. (1999). An Empirical Investigation of Credit Card Default. Working Paper, Ohio State University, Department of Economics, 99-113.

Gross, D. B., & Souleles, N. S. (2002). Do liquidity constraints and interest rates matter for consumer behavior? Evidence from credit card data. The Quarterly journal of economics, 117(1), 149-185.

Hayhoe, C. R., Leach, L. J., Turner, P. R., Bruin, M. J., & Lawrence, F. C. (2000). Differences in spending habits and credit use of college students. Journal of Consumer Affairs, 34(1), 113-133.

Kara, A., Kaynak, E., & Kucukemiroglu, O. (1994). Credit Card Development Strategies for the Youth Market: The Use ofConjoint Analysis. International Journal of Bank Marketing, 12(6), 30-36.

Kiarie, F. K., Nzuki, D. M., & Gichuhi, A. W. (2015). Influence of socio-demographic determinants on credit cards default risk in commercial banks in Kenya. International Journal of Science and Research, 4(5), 1611-1615.

Lee, C. C., Lin, T. T., & Chen, Y. T. (2011). An Empirical Analysis of Credit Card Customers’ Overdue Risks for Medium-and Small-Sized Commercial Bank in Taiwan. Journal of Service Science and Management, 4(2), 234-241.

Lin, L., Revindo, M. D., Gan, C., & Cohen, D. A. (2019). Determinants of credit card spending and debt of Chinese consumers. International Journal of Bank Marketing, 37(2), 545-564.

Ponce, A., Seira, E., & Zamarripa, G. (2017). Borrowing on the wrong credit card? Evidence from Mexico. American Economic Review, 107(4), 1335-1361.

Soman, D., & Cheema, A. (2002). The effect of credit on spending decisions: The role of the credit limit and credibility. Marketing Science, 21(1), 32-53.

Stavins, J. (2000). Credit card borrowing, delinquency, and personal bankruptcy. New England Economic Review, 15-30.

Tabachnick, B. G., & Fidell, L. S. (1996). SPSS for Windows workbook to accompany large sample examples of using multivariate statistics. HarperCollins College Publishers.

Wang, L., Lu, W., & Malhotra, N. K. (2011). Demographics, attitude, personality, and credit card features correlate with credit card debt: A view from China. Journal of economic psychology, 32(1), 179-193.

Warwick, J., & Mansfield, P. (2000). Credit card consumers: College students’ knowledge and attitude. Journal of consumer marketing, 17(7), 617-626.

Zhao, Y., Zhao, Y., & Song, I. (2006, November). A Dynamic Model for Repayment Behaviors of New Customers in the Credit Card Market. In Marketing Science Conference.

Factors affecting credit card risk at Vietnam International Commercial Joint Stock Bank (VIB) - Ho Chi Minh City Branch

Tran Le Quyen¹

Van Thien Hao²

¹Master’s student, Ho Chi Minh City University of Technology

²Faculty of Finance and Commerce, Ho Chi Minh City University of Technology

Abstract:
This study investigates the factors influencing credit card risk at Vietnam International Commercial Joint Stock Bank (VIB) - Ho Chi Minh City Branch. Analyzing data from 195 credit card customers between 2021 and 2024, the study employs a Logit regression model to evaluate the impact of demographic characteristics, payment capacity, and transaction history. The results show that customer age, education level, occupation, card usage rate, cash advance rate, interest rate, and approval process significantly affect credit card risk. Based on these findings, the study proposes several recommendations for effectively managing risk factors, including training human resources, improving the internal credit rating system, upgrading information technology infrastructure, and synchronizing data systems. These measures aim to enhance operational efficiency and credit quality in the face of competition and digital transformation.

Keywords: credit card, credit card risk, risk management, Logit regression model, VIB - Ho Chi Minh City Branch.