4.inter Journal Macro - Micro-Factors-Affecting-the-Bad-Debt-of-Commercial-Banks-in-Ho-Chi-Minh-City-dikonversi

International Journal of Business and Management Review
Vol.5, No.6, pp.60-71, July 2017

Published by European Centre for Research Training and Development UK (www.eajournals.org)
MACRO – MICRO FACTORS AFFECTING THE BAD DEBT OF COMMERCIAL
BANKS IN HO CHI MINH CITY
Dr. Phan Thi Hang Nga
Lecturer of Ho Chi Minh City University of Technology (Hutech)
ABSTRACT: Lending activities of commercial banks always contain risks and the possibility
of arising bad debt is a clear manifestation of credit risk. Bad debt will have consequences not
only to banking but also to the economic development in Vietnam. Therefore, taking the risk to
take measures to prevent risks and to deal with losses is a necessary and effective way of
banking credit in general and lending activities in particular. The study results showed that
there were 250 credit managers who interviewed and answered about 12 questions. Data
collected from July 2016 to April 2017. This study had been analyzed Cronbach's Alpha, KMO
testing and the result of KMO testing used for the next research of the regression. Managers’
responses measured through an adapted questionnaire on a 5-point Likert scale (Conventions:
1: Completely disagree, 2: Disagree, 3: Normal; 4: Agree; 5: completely agree). Hard copy
and online questionnaire distributed among 5.000 credit managers of commercial banks in Ho
Chi Minh City. In addition, two components affecting the bad debt of commercial banks in Ho
Chi Minh City with significance level 5 percent and then the researcher has policies improving
the business success of the commercial banks in Ho Chi Minh City in the future.
KEYWORDS: Commercial Banks, Ho Chi Minh City, Bad Debt And Hutech
INTRODUCTION
Over the past time, bad debt of commercial banks has been a serious problem for the economy
in general and commercial banks in particular. Besides, high bad debt ratio does not allow
banks to grow outstanding loans. This affects the implementation of the macroeconomic targets
set by the government. The task of dealing with bad debt is an important requirement in the
restructuring of the banking sector, creating a prerequisite for the growth of commercial banks
in Vietnam, from which new economies are deeply integrated. Moreover, this problem is that
bad debts of commercial banks have been bought by Vietnam Asset Management Company
(VAMC), but this is not the final step of the bad debt process. So how will VAMC deal with
bad debts bought back?
Dealing bad debt is considered by the leadership of the State Bank of Vietnam as an important
task of the banking industry in 2017. Although the bad debt of the entire banking system has
fallen to less than 3% credit for VAMC processing is still slow due to mechanism problems.
Bad Debt of the commercial banks has a major impact on the functioning of the banking
system, affecting economic growth and state budget revenues. The above mentioned things, the
researcher had chosen topic “MACRO – MICRO FACTORS AFFECTING THE BAD DEBT
OF COMMERCIAL BANKS IN HO CHI MINH CITY” as a paper. This paper helps mangers
1
ISSN: 2052-6393(Print), ISSN: 2052-6407(Online)
Vol.5, No.6, pp.60-71, July 2017
of commercial banks who apply the research results for improving policy on the quality of bad
debt in the future.
LITERATURE REVIEW
Amiri A (2003). A bad debt is an amount owed to a creditor that is unlikely to be paid and, or
which the creditor is not willing to take action to collect because of various reasons, for example
due to a company going into liquidation or insolvency. There are various technical definitions of
what constitutes a bad debt, depending on accounting conventions, regulatory treatment and the
institution provisioning. In the USA, bank loans with more than ninety days' arrears become
"problem loans". Accounting sources advise that the full amount of a bad debt be written off to
the profit and loss account or a provision for bad debts as soon as it is foreseen.
Bakhtiari P and Pasban F (2004). Doubtful debts are those debts which a business or individual
is unlikely to be able to collect. The reasons for potential non-payment can include disputes over
supply, delivery, the condition of item or the appearance of financial stress within a customer's
operations. When such a dispute occurs it is prudent to add this debt or portion thereof to the
doubtful debt reserve. This is done to avoid over-stating the assets of the business as trade
debtors are reported net of Doubtful debt. When there is no longer any doubt that a debt is
uncollectible, the debt becomes bad. An example of a debt becoming uncollectible would be:-
once final payments have been made from the liquidation of a customer's limited liability
company, no further action can be taken.
Allowance for bad debts are amounts expected to be uncollected, but still with possibilities of
being collected (when there is no other possibility for collection, they are considered
uncollectible accounts). For example, if gross receivables are US$100,000 and the amount that is
expected to remain uncollected is $5,000, net current asset section of balance sheet will be:
Gross accounts receivable: $100,000
Less: Allowance for bad debts: $5,000
Net receivables: $95,000
In financial accounting and finance, bad debt is the portion of receivables that can no longer be
collected, typically from accounts receivable or loans. Bad debt in accounting is considered an
expense.
There are two methods to account for bad debt:
Direct write off method (Non-GAAP) - a receivable which is not considered collectible is
charged directly to the income statement.
Allowance method (GAAP) - an estimate is made at the end of each fiscal year of the amount of
bad debt. This is then accumulated in a provision which is then used to reduce specific receivable
accounts as and when necessary.
2
Vol.5, No.6, pp.60-71, July 2017
Central Bank of the Islamic Republic of Iran (2013). The matching principle of accounting,
revenues and expenses should be recorded in the period in which they are incurred. When a sale
is made on account, revenue is recorded along with account receivable. Because there is an
inherent risk that clients might default on payment, accounts receivable have to be recorded at
net realizable value. The portion of the account receivable that is estimated to be not collectible
is set aside in a contra-asset account called Allowance for doubtful accounts. At the end of each
accounting cycle, adjusting entries are made to charge uncollectible receivable as expense. The
actual amount of uncollectible receivable is written off as an expense from Allowance for
doubtful accounts.
A debt is defined as a debt which arises from a debtor-creditor relationship based upon a valid
and enforceable obligation to pay a determinable sum of money. The debt in question must also
be considered worthless. This distinction is further broken down into the level of collectibles.
One must determine whether the qualifying debt is completely or partially worthless. A partially
worthless status means a portion of the debt may be recovered in future periods. Numerous
factors are taken into consideration including the debtor’s insolvency status, health conditions,
credit standing, etc.
METHODS OF RESEARCH
In this study, the bad Debt of the commercial banks is the dependent variable but Macro – Micro
factors are independent variables. Methods and techniques of the study satisfy the need for
methodological consideration and tools for data collection, analysis and presentation in virtual
communities. This paper covers studies on various types of virtual communities, making this
reference a comprehensive source of research for those in the social sciences and humanities.
After preliminary investigations, formal research is done by using quantitative methods
questionnaire survey of 250 credit managers who related and answered nearly 12 questions. The
reason tested measurement models, model and test research hypotheses. Data collected were
tested by the reliability index (excluding variables with correlation coefficients lower < 0.30 and
variable coefficient Cronbach's alpha < 0.60), factor analysis explored (remove the variable low
load factor
< 0.50). The hypothesis was tested through multiple regression analysis with linear Enter
method. Conventions: 1: Completely disagree, 2: Disagree, 3: Normal; 4: Agree; 5: completely
agree. Data collected were tested by the reliability index (excluding variables with correlation
coefficients lower < 0.30 and variable coefficient Cronbach's alpha < 0.60), factor analysis
explored (remove the variable low load factor < 0.50). The data collected by the researcher and
be analyzed by SPSS 20.0.
This study is applied based on the classification of purpose of research. The results can be
used to improve management performance and change management methods and motivational
management practices. This study is descriptive based on classification of data collection and
research.
3
Vol.5, No.6, pp.60-71, July 2017
Research model for the Bad Debt of the commercial banks
MACRO - FACTOR
THE BAD DEBT OF
THE COMMERCIAL
BANKS
MICRO - FACTOR
Figure 1: Proposed research model for the factors affecting the Bad Debt of the
commercial banks in Ho Chi Minh city
Figure 1 showed that the bad Debt of the commercial banks is the dependent variable but Macro
- Micro factors are independent variables. Based on the above research questions the following
hypotheses used to investigate each question: There are all of two factors that have positive with
the bad Debt of the commercial banks. According to the SPSS output of this hypothesis in tables
following, the significance level for the test result is less than or equal to 0.05, so null hypothesis
is rejected and there is a significant relationship between Macro – Micro factors and the bad Debt
of the commercial banks.
RESEARCH RESULTS
Table 1: Descriptive Statistics and Cronbach's Alpha for the Macro – Micro factors
affecting the bad Debt of the commercial banks
No Macro factor (AF) Mean S.D
AF1: Inadequate financial required resources of
1 3.1319 1.00194
facilities receiver
AF2: Lack of access of facility receiver to other
2 3.1404 1.04261
sources of credit
3 AF3: Duration of the repayment period 3.2596 .98962
4 AF4: Lack of side revenue and outside the projects 3.0809 .95958
5 AF5: GDP, CPI and Economic activity of facility receiver 3.1872 .99090
6 AF6: Government finance policies about bad Debt 3.4851 1.08348
Cronbach's Alpha is 0.897
Micro factor (IF) Mean S.D
IF1: Payment to those with outstanding debts to the banking
7 2.7106 1.41772
system
IF2: Disproportion between the income of the recipient with the
8 2.9277 1.32008
amount of the installment facility
4
Vol.5, No.6, pp.60-71, July 2017
9 IF3: Short-Term bank account of loan 2.6723 1.29722
10 IF4: Income per person 2.8340 1.22741
The bad Debt of the commercial banks (BD) Mean S.D
BD1: Macro factor affecting the bad Debt of the commercial
11 3.2681 .60663
banks
BD2: Micro factor affecting the bad Debt of the commercial
12 3.2723 .74699
banks
(Source: The researcher’s collecting data and SPSS 20.0)
Table 1 showed that there were 250 credit managers who interviewed and answered about
12 questions but 235 samples processed and 15 samples lack of information. Data collected from
July 2016 to April 2017. Std. Deviation (S.D) is around 1.00. Table 01 showed that all of
Cronbach's Alpha is high > 0.5; this is very high reliability statistics. All of variables surveyed
Corrected Item-Total Correlation greater than 0.3 and Cronbach's Alpha if Item deleted greater
than 0.5 and Cronbach’s Alpha is very reliability. Such observations make it eligible for the
survey variables after testing scale. This showed that data was suitable and reliability for
researching. Table 1 showed that reliability refers to the extent to which a scale produces
consistent results, if the measurements are repeated a number of times. The analysis on reliability
is called reliability analysis. Reliability analysis is determined by obtaining the proportion of
systematic variation in a scale, which can be done by determining the association between the
scores obtained from different administrations of the scale. Thus, if the association in reliability
analysis is high, the scale yields consistent results and is therefore reliable. The researcher has
KMO test of table 2 following:
5
Vol.5, No.6, pp.60-71, July 2017
Table 2: KMO and Bartlett's Test for the Macro – Micro factors affecting the bad Debt of
the commercial banks
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling .804
Adequacy. 1875.795
Approx. Chi-Square
Bartlett's Test of 45
df
Sphericity .000
Sig.
Total Variance Explained
Com. Initial Eigenvalues Extraction Sums of Squared Rotatio

Loadings n Sums
of
Squared
Loadingsa
Total % of Cumulative Total % of Cumulative Total
Varianc % Varianc %
e e
1 4.315 43.152 43.152 4.315 43.152 43.152 4.126
2 3.037 30.371 73.523 3.037 30.371 73.523 3.358
3 .784 7.842 81.365
4 .540 5.405 86.770
5 .354 3.542 90.312
6 .320 3.202 93.514
7 .239 2.389 95.903
8 .207 2.074 97.977
9 .134 1.342 99.319
10 .068 .681 100.000
Table 2 showed that Kaiser-Meyer-Olkin Measure of Sampling Adequacy was statistically
significant and high data reliability (KMO = 0.804 > 0.6). This result was very good for data
analysis. Table 2 showed that Cumulative percent was statistically significant and high data
reliability was 73.523 % (> 60 %). There are 10 items for the Macro – Micro factors affecting the
bad Debt of the commercial banks.
6
Vol.5, No.6, pp.60-71, July 2017
Table 3: Structure Matrix for the Macro – Micro factors affecting the bad Debt of the
commercial banks
Code Component
1 2
AF3 .901
AF4 .892
AF2 .882
AF5 .846
AF1 .816
AF6 .535
IF3 .941
IF1 .930
IF4 .903
IF2 .813
Table 3 showed that Structure Matrix had two Components. Component 1 was Macro factor
(X1) include: AF1, AF2, AF3, AF4, AF5 and AF6. Component 2 was Micro factor (X2) include:
IF1, IF2, IF3 and IF4. Table 3 showed that there are 10 items and they divided into two
components.
Table 4: KMO and Bartlett's Test for the bad Debt of the commercial banks
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling .500
Adequacy. 35.387
Approx. Chi-Square
Bartlett's Test of 1
df
Sphericity .000
Sig.
Total Variance Explained
Componen Initial Eigenvalues Extraction Sums of Squared Loadings
t Total % of Cumulative Total % of Cumulative
Varianc % Varianc %
e e
1 1.376 68.787 68.787 1.376 68.787 68.787
2 .624 31.213 100.000
Extraction Method: Principal Component Analysis.
Component
Matrixa
Code Componen
t
1
BD2 .829
BD1 .829
7
Vol.5, No.6, pp.60-71, July 2017
8
Vol.5, No.6, pp.60-71, July 2017
Table 4 showed that the result was very good for data analysis. The bad Debt of the commercial
banks showed that Cumulative percent was statistically significant and high data reliability was
68.787 % (> 60 %). Extraction Method: Principal Component Analysis. Rotation Method:
Promax with Kaiser Normalization. KMO and Bartlett's Test for the sustainability showed that
Kaiser- Meyer-Olkin Measure of Sampling Adequacy was statistically significant and high data
reliability (KMO = 0.500). Y: the bad Debt of the commercial banks.
Table 5: Macro – Micro factors affecting the bad Debt of the commercial banks
Model R R Square Adjusted R Std. Error of Durbin-

Square the Estimate Watson
1 .616 a
.380 .374 .44503 1.717
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 28.143 2 14.071 71.048 .000b
1 Residual 45.949 232 .198
Total 74.091 234
Bootstrap for Coefficients
Model B Bootstrapa
Bias Std. Sig. (2- 95%
Erro tailed) Confidence
r Interval
Lower Upper
(Constant) 1.565 .009 .138 .000 1.304 1.850
1 X1 .364 -.003 .033 .000 .295 .426
X2 .192 .000 .023 .000 .146 .237
a. Unless otherwise noted, bootstrap results are based on 2000 bootstrap samples
Table 5 showed that Adjusted R Square (= 0.374) was statistically significant and high data
reliability. In addition, Adjusted R Square reached 37.4 %. The results showed that all Sig value
<
0.00 was statistically significant and high data reliability. Besides, the regression coefficients
were positive. Variance Inflation Factor (VIF) and Tolerance are two measures that can guide a
researcher in identifying MC. VIF < 10 (1 < VIF < 10). This showed that there was not
Multicollinearity. Macro – Micro factors affecting the bad Debt of the commercial banks with
significance level of 5%. Besides, F = 71.048, sig = 0.00. This model is very good for policies
improving the bad Debt of the commercial banks.
9
Vol.5, No.6, pp.60-71, July 2017
CONCLUSIONS AND RECOMMENDATIONS
Conclusions
Vietnam commercial banking system has faced many difficulties and challenges, which
typically bad debt problems. Bad debt has become a permanent concern of many commercial
banks not only in the world but also in the system of credit institutions, commercial banks in
Vietnam. Bad debt will continue to impact negatively on the flow of capital into the economy.
This is considered a major cause of inhibition, limiting the circulation of the flow of credit in the
economy. In addition, the disposal of bad debts is not good or the occurrence of bad debts
complicated movements will affect the safety and efficiency of business operations of credit of
commercial banks in Vietnam. Besides, the handling of bad debts with the system of
commercial banks has achieved satisfactory results, but the law on dealing with bad debts and
security assets is still inadequate; lack of resources and specific mechanism for VAMC to
operate. As a result, commercial banks need to continue and soon have strong solutions in the
coming time so as not to adversely affect the system safety and ensure the performance of the
bank's business targets. Besides, the study results showed that there were 250 credit managers
who interviewed and answered about 12 questions. Data collected from July 2016 to April 2017.
This study had been analyzed Cronbach's Alpha, KMO testing and the result of KMO testing
used for the next research of the regression. Managers’ responses measured through an adapted
questionnaire on a 5-point Likert scale (Conventions: 1: Completely disagree, 2: Disagree, 3:
Normal; 4: Agree; 5: completely agree). Hard copy and online questionnaire distributed among
5.000 credit managers of commercial banks in Ho Chi Minh City. In addition, two components
affecting the bad debt of commercial banks in Ho Chi Minh City with significance level 5
percent and then the researcher has policies improving the business success of the commercial
banks in Ho Chi Minh City following.
Recommendations
There are 3 major recommendations that commercial banks need to continue to implement in the
coming time to help actively address the number of bad debts following:
Commercial Banks strengthen self-dealing bad debt: Up to this point, Commercial banks
have bought bad debt from Vietnam Asset Management Company (VAMC) and some
commercial banks are also planning to buy back bad loans sold. This year is to clean up the bad
debt portfolio at VAMC. In addition to the above commercial banks, many other commercial
banks also determine the task itself to promote the handling of bad debt. Specifically,
commercial banks in Ho Chi Minh City have processed and recovered more than 3 trillion dong
of bad debt, significantly reducing the total debt it sold to VAMC from 17 trillion dong to 14
trillion dong at the end of 2017.
There are many reasons for commercial banks to take aggressive ways to handle bad debt
aggressively this year. In particular, the main reason is that some commercial banks have
reduced the bad debt ratio on the board, business activities recorded better profits in 2017 and
higher profit plan in 2017 and 2018, set aside a full risk reserve fund for bad loans. The real
estate market is warming up in many segments from 2016 to the present also is a cause,
especially ground segment not only in the inner city but also in the surrounding provinces of
Ho Chi Minh City, Hanoi...
10
Vol.5, No.6, pp.60-71, July 2017
offers a good opportunity to handle real estate collateral - this is the collateral for most bad debts
at commercial banks. Commercial banks should continue to set up units in charge of the project
implementation (Steering Committee, Project Implementation Unit and a dedicated Basel II Unit
in Risk Management Unit which is in charge of the project. Coordination of sub-projects related
to Basel II). It can be seen, the system of commercial banks in Vietnam has identified risk
management in accordance with international standards are indispensable trend.
Commercial Banks continue selling bad debt at market price: VAMC is piloting the
purchase of non-performing loan (NPL) at market value and is progressively carrying out
specific tasks such as assessing the current status of debt to look at the effectiveness of debt
purchase at market prices, looking for partners buy debt, negotiate with banks to agree on the
implementation plan.
After that, VAMC will sell the debt together with collateral at market price. The basic selling
method is public auction on the principle that the selling price is higher than the purchase price.
Buyers of mortgages and mortgages from VAMC have the right to claim a debt from the debtor.
VAMC, the debt collector and the debt consolidation bank, are responsible for monitoring the
debt and requesting the debtor to continue repaying the debt. Thus, the organization or
individual debt repurchase from VAMC stood before two possibilities: either sold the debt to the
new buyer at a higher price (profit), lower (loss); or claim all or part of principal and interest
depending on the debtor's ability to repay.
In addition, for each commercial bank, it is necessary to improve financial capacity such as
ownership, asset quality. Commercial banks especially small banks now need to urgently
implement the roadmap to increase equity. In addition to finalizing bad debt with a risk reserve
fund, asset trading, banks can transfer their debt to specialized bad debt companies. In order to
improve the quality of the loan, the bank needs to strictly follow the lending process and
perform the proper supervision and supervision of the loan.
Commercial Banks continue to cooperate with VAMC to continue dealing with sold debts:
many commercial banks will still maintain bad debts sold at VAMC this year and continue to
work together to solve them effectively. The handling of bad debts at VAMC is also facing
many difficulties and has made the processing speed of debt here is very slow in the past. The
commercial banks has brought together a number of legal difficulties and problems in dealing
with collateral assets, dealing with NPLs of VAMC, and has included in the draft Law on
Assistance to Restructure Nongovernmental Organizations Credit and bad debt management.
This bill will be submitted to the National Assembly, which includes provisions on the disposal
of security assets to recover debts when the old regulations are still inadequate to limit progress
and efficiency. The handling of debts, such as entanglement of property seizure, the right to
receive security assets being land use rights and assets attached to land; the fee for enforcement
of the judgment, the distraction of security assets...
Therefore, the openings in dealing with bad debt by the change and improvement of the legal
system coming, the commercial banks should closely cooperate with VAMC and its customers
to continue to actively and efficiently handle the bad debts. More quickly, the outstanding debt
is not only at VAMC but also on the balance sheet of the bank. Commercial Banks should
improve the internal credit rating system. Currently, most banks have applied the internal
11
Vol.5, No.6, pp.60-71, July 2017
credit rating
12
Vol.5, No.6, pp.60-71, July 2017
system, but over time, the assessment between banks is not uniform. The same customer but
through the system of different banks will give different "points". Therefore, it is necessary to
set up a system of financially and non-financially unifying the standards, applying the internal
credit rating model for the whole system.
The bad debts are in the system of commercial banks that is a big problem. There are solutions
are to resolve this situation, the need for the participation of the parties to share the situation,
thereby finding the appropriate solutions. Actively participate in settlement of government,
commercial banks, and individuals and organizations critical of bad debt. Government facilitates
financial markets develop properly and timely; building economic environment, political
stability with attractive investment opportunities. Meanwhile, enterprises and banks are the
subjects directly involved and have a large impact on the valuation of bad debt, the deal debt,
and especially the recovery period/recovery the value of the toxic assets acquired. If the only
source of risk reserves of banks, e that block other bad debt can not be resolved soon
fundamental and radical. Therefore, socialization is a solution resources should be considered in
the context of the economy of our country is. The contributing of components, social class in
handling bad debts in the banking system of trade will help curb this activity and limit increase,
developed in the future.
The above-mentioned things, the next research should survey more than 250 credit managers.
This helps the data that is more significant. The study topic is very big area. The next research
should survey more than 12 the questions (items) of other commercial banks in other provinces
of Vietnam.
REFERENCES
Amiri A (2003). Examining the challenges facing the banking system and its effects. Paper
presented at the seminar on the role of the banking system in development of socio-
economical and cultural development goals, Tehran.
Ary, D., Jacobs, L., Sorensen, C. & Razavieh, A. (2009). Introduction to research in education
(8th ed.). Belmont, CA: Wadworth.
Bakhtiari P and Pasban F (2004). The role of bank credit in career development opportunities: A
Case Study of the Agricultural Bank in Iran. Agricultural and Development Economics.
Berg, B. (2001). Qualitative research methods for the social sciences. Boston: Allyn and Bacon.
Black, J. (2002). Critical Reflections on Regulation. Discussion paper. Centre for the Analysis of
Risk and Regulation. London: London School of Economics.
Blaug, Mark (2007). The Social Sciences: Economics. The New Encyclopædia Britannica.
Central Bank of the Islamic Republic of Iran (2013). Scientific study and research of the effects
of deferred receivables and financial condition of banks and credit institutions.
Management studies and regulations of central bank.
Cleopas Chigamba (2009). Factors Influencing the Choice of Commercial Banks by University
customers in South Africa. University of Fort Hare Press.
Creswell, J. (2003). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches.
Thousand Oaks, California: Sage Publications.
13
Vol.5, No.6, pp.60-71, July 2017
Dillman, D.A (2000). Mail and Internet Surveys. The Tailored Design Method, (2nd edn), New
York, Wiley.
Howell, K. E. (2013). Introduction to the Philosophy of Methodology. London: Sage Publications.
Krzysztof Jackowicz, Warsaw (2008). The impact of electoral factors on commercial banks in
CEE countries. Strategic Management Journal.
Levesque (2007). SPSS Programming and Data Management: A Guide for SPSS and SAS Users.
SPSS Inc., Chicago.
McNulty, J., Akhigbe, A. &Verbrugge, J.(2001). Small Bank loan quality in a Deregulated
Environment: The information advantage hypothesis. Journal of Economics and Business.
Nabila Zribi and Younes Boujelbène (2008). The factors influencing bank credit risk: The case of
Tunisia. Strategic Management Journal.
Probability, econometrics and truth (2000). The methodology of econometrics. By Hugo A.
Keuzenkamp Published by Cambridge University Press, ISBN.
Roland Craigwell, Chanelle Maxwell, Stacia Howard and Tracy Maynard (2004). Competition in
the Commercial Banking Industry in Barbados. Strategic Management Journal.
Sala, V.&Saurina, J. (2002). Credit Risk in Two Institutional regimes: Spanish Commercial and
savings Banks. Journal of Financial services Research.
Sudin Haron (2010). The competition and external determinants of the profitability at Islamic
banks. The University of New England Press, Australia.
Thierry Buchs and Johan Mathisen (2007). Competition and Efficiency in Banking: Behavioral
Evidence from Ghana. Strategic Management Journal.
Watkins, A. E.; Richard L. Scheaffer, George W. Cobb (2008). Statistics in action:
understanding a world of data. Emeryville, CA: Key Curriculum Press.
Wooldridge, Jeffrey (2003). Introductory Econometrics: A Modern Approach. Mason: Thomson
South-Western.
FAKTOR-FAKTOR MAKRO – MIKRO YANG MEMPENGARUHI HUTANG

BURUK BANK UMUM DI KOTA HO CHI MINH
Dr. Phan Thi Hang Nga
Dosen Universitas Teknologi Kota Ho Chi Minh (Hutech)

ABSTRAK: Kegiatan pemberian kredit bank umum selalu mengandung risiko dan

kemungkinan timbulnya kredit macet merupakan manifestasi yang jelas dari risiko
kredit. Utang macet akan berdampak tidak hanya pada perbankan tetapi juga pada
perkembangan ekonomi di Vietnam. Oleh karena itu, mengambil risiko untuk
mengambil langkah-langkah untuk mencegah risiko dan untuk menangani dengan kerugian
adalah sebuah diperlukan dan efektif cara dari perkreditan perbankan pada umumnya dan
kegiatan perkreditan pada khususnya. Hasil penelitian menunjukkan bahwa ada 250 manajer
kredit yang mewawancarai dan menjawab sekitar 12 pertanyaan. Data dikumpulkan dari Juli
2016 hingga April 2017. Penelitian ini telah dianalisis Cronbach's Alpha, pengujian KMO dan
hasil pengujian KMO yang digunakan untuk penelitian regresi selanjutnya. Tanggapan
manajer diukur melalui kuesioner yang disesuaikan pada skala Likert 5 poin (Konvensi: 1:
14
Vol.5, No.6, pp.60-71, July 2017
Sangat tidak setuju, 2: Tidak setuju, 3: Normal; 4: Setuju; 5: sangat setuju). Salinan cetak dan
kuesioner online didistribusikan di antara 5.000 manajer kredit bank komersial di Kota Ho
Chi Minh. Selain itu, dua komponen yang mempengaruhi kredit macet bank umum di Kota Ho
Chi Minh dengan tingkat signifikansi 5 persen kemudian peneliti memiliki kebijakan untuk
meningkatkan keberhasilan bisnis bank umum di Kota Ho Chi Minh di masa depan.
KATA KUNCI : Bank Umum, Kota Ho Chi Minh, Kredit Macet Dan Hutech

PENGANTAR
Selama masa lalu, utang buruk bank komersial telah menjadi masalah serius bagi
perekonomian di umum dan komersial bank di tertentu. Selain
itu, tinggi buruk utang rasio tidak tidak memungkinkan bank untuk tumbuh pinjaman. Hal ini
mempengaruhi pelaksanaan target ekonomi makro yang ditetapkan oleh pemerintah. Tugas
menangani kredit macet merupakan persyaratan penting dalam restrukturisasi sektor
perbankan, menciptakan prasyarat untuk pertumbuhan bank komersial di Vietnam, dari mana
ekonomi baru terintegrasi secara mendalam. Selain itu, masalah ini adalah bahwa kredit macet
dari bank komersial telah dibeli oleh Vietnam Perusahaan Pengelola Aset
(VAMC), tapi ini adalah tidak pada akhir langkah dari yang buruk utang proses. Jadi bagaiman
a akan VAMC kesepakatan dengan kredit macet membeli kembali?
Berurusan utang buruk dianggap oleh pimpinan Bank Negara Vietnam sebagai tugas penting
dari industri perbankan pada tahun 2017. Meskipun utang buruk dari seluruh sistem perbankan
telah
jatuh ke kurang dari 3% kredit untuk VAMC pengolahan adalah masih lambat karena untuk ma
salah mekanisme . Kredit macet bank umum memiliki dampak besar pada fungsi sistem
perbankan, mempengaruhi pertumbuhan ekonomi dan pendapatan anggaran negara. Hal-hal
tersebut di atas, peneliti memilih topik “ FAKTOR-FAKTOR MAKRO – MIKRO YANG
MEMPENGARUHI UTANG MURAH BANK UMUM DI KOTA HO CHI MINH CITY ”
sebagai makalah. Makalah ini membantu manajer
ISSN: 2052-6393(Print), ISSN: 2052-6407(Online)60
International Journal of Business and Management ReviewVol.5, No.6, pp.60-71, July 2017 Published by European Cent
re for Research Training and Development UK(www.eajournals.org)
bank umum yang menerapkan hasil penelitian untuk perbaikan kebijakan kualitas kredit macet
di masa yang akan datang.

TINJAUAN LITERATUR
Amiri A (2003). Piutang macet adalah jumlah hutang kepada kreditur yang tidak mungkin
dibayar dan, atau kreditur tidak bersedia mengambil tindakan untuk menagih karena berbagai
alasan, misalnya karena perusahaan akan dilikuidasi atau bangkrut. Ada berbagai definisi teknis
tentang apa yang merupakan piutang tak tertagih, tergantung pada konvensi akuntansi,
15
Vol.5, No.6, pp.60-71, July 2017
perlakuan peraturan dan ketentuan institusi. Di AS, pinjaman bank dengan tunggakan lebih dari
sembilan puluh hari menjadi "pinjaman bermasalah". Sumber-sumber akuntansi menyarankan
agar seluruh jumlah piutang tak tertagih dihapuskan ke dalam laporan laba rugi atau penyisihan
piutang tak tertagih segera setelah diperkirakan.
Bakhtiari P dan Pasban F (2004). Hutang yang diragukan adalah hutang yang tidak mungkin
dapat ditagih oleh bisnis atau individu . Alasan potensi non-pembayaran dapat mencakup
perselisihan atas pasokan, pengiriman, kondisi barang, atau munculnya tekanan keuangan dalam
operasi pelanggan. Ketika perselisihan seperti itu terjadi, adalah bijaksana untuk menambahkan
hutang ini atau bagiannya ke dalam cadangan hutang
yang diragukan . Ini adalah dilakukan untuk menghindari over-menyatakan pada aset dari para bi
snis sebagai perdagangan debitur dilaporkan bersih utang Diragukan. Bila tidak ada keraguan
lagi bahwa suatu utang tidak dapat ditagih, maka utang itu menjadi macet. Contoh dari utang
menjadi tidak tertagihnya akan: - sekali pembayaran
akhir telah telah dibuat dari para likuidasi dari suatu pelanggan terbatas kewajiban perusahaan, ti
dak ada tindakan lebih lanjut dapat diambil.
Penyisihan piutang tak tertagih adalah jumlah diharapkan akan tertagih, namun tetap dengan
kemungkinan yang dikumpulkan (ketika ada adalah tidak
ada lain kemungkinan untuk koleksi, mereka yang dianggap tidak tertagihnya
piutang). Misalnya, jika piutang bruto adalah US$100.000 dan jumlah yang diharapkan tetap
tidak tertagih adalah $5.000, bagian aset lancar bersih dari neraca akan menjadi:
Piutang kotor: $100.000 Dikurang:

Penyisihan piutang tak tertagih:
$5.000 Piutang bersih: $95.000
Dalam akuntansi keuangan dan keuangan, piutang tak tertagih adalah bagian dari piutang yang
tidak dapat ditagih lagi, biasanya dari piutang atau pinjaman. Hutang macet dalam akuntansi
dianggap sebagai beban.
Ada dua metode untuk menghitung piutang tak tertagih:
Langsung write off metode (Non-GAAP) - suatu piutang yang sudah tidak dianggap tertagih adal
ah dibebankan langsung ke laba pernyataan.
Metode penyisihan (GAAP) - perkiraan dibuat pada setiap akhir tahun fiskal dari jumlah piutang
tak tertagih. Ini kemudian diakumulasikan dalam provisi yang kemudian digunakan untuk
mengurangi piutang tertentu jika diperlukan.
Bank Sentral Republik Islam Iran (2013). Prinsip pencocokan akuntansi, pendapatan dan beban
harus dicatat pada periode terjadinya. Ketika penjualan dilakukan secara kredit, pendapatan
dicatat bersama dengan piutang. Karena ada risiko yang melekat bahwa klien mungkin gagal
membayar, piutang harus dicatat pada nilai realisasi bersih. Bagian dari piutang yang
16
Vol.5, No.6, pp.60-71, July 2017
diperkirakan tidak dapat ditagih disisihkan dalam suatu akun kontra aset yang disebut dengan
Penyisihan Piutang Piutang. Pada akhir setiap siklus akuntansi, jurnal penyesuaian dibuat untuk
membebankan piutang tak tertagih sebagai beban. Sebenarnya jumlah dari tidak
tertagihnya piutang tersebut ditulis off sebagai sebuah beban dari Penyisihan untuk piutang tak
tertagih.
Sebuah utang yang didefinisikan sebagai suatu utang yang timbul dari suatu debitur-kreditur hub
ungan berdasarkan pada suatu valid kewajiban dan dapat dilaksanakan untuk membayar
sejumlah ditentukan uang. Utang yang bersangkutan juga harus dianggap tidak
berharga. Perbedaan ini selanjutnya dipecah menjadi tingkat koleksi. Seseorang harus
menentukan apakah hutang yang memenuhi syarat itu sepenuhnya atau sebagian tidak
berharga. Sebuah sebagian
berharga statusnya berarti suatu bagian dari yang utang mungkin akan pulih dalam masa periode.
Banyak faktor yang dipertimbangkan termasuk status kepailitan debitur, kondisi kesehatan,
status kredit, dll.

METODE PENELITIAN
Dalam penelitian ini, Kredit Macet Bank Umum merupakan variabel terikat sedangkan faktor
Makro – Mikro merupakan variabel bebas. Metode dan teknik studi memenuhi kebutuhan akan
pertimbangan metodologis dan alat untuk pengumpulan, analisis, dan penyajian data dalam
komunitas virtual. Makalah ini mencakup studi tentang berbagai jenis komunitas virtual,
menjadikan referensi ini sebagai sumber penelitian yang komprehensif bagi mereka yang
berkecimpung dalam ilmu sosial dan humaniora.
Setelah penyelidikan pendahuluan, penelitian formal dilakukan dengan menggunakan metode
kuantitatif survei kuesioner dari 250 manajer kredit yang terkait dan menjawab hampir 12
pertanyaan. Alasannya diuji model pengukuran , model penelitian dan uji hipotesis penelitian . D
ata yang dikumpulkan yang diuji oleh para keandalan indeks (tidak
termasuk variabel dengan korelasi koefisien menurunkan < 0,30 dan variabel
koefisien Cronbach alpha < 0,60), faktor analisis dieksplorasi (menghapus yang variabel rendah
beban faktor
< 0,50). The hipotesis itu diuji melalui beberapa regresi analisis dengan linier Masukkan metode.
Konvensi: 1: Sepenuhnya tidak setuju, 2: Tidak
Setuju, 3: normal; 4: Setuju; 5: sangat setuju. Data yang dikumpulkan diuji dengan indeks
reliabilitas (tidak termasuk variabel dengan koefisien korelasi lebih rendah < 0,30 dan koefisien
variabel alpha Cronbach < 0,60), analisis faktor dieksplorasi
(menghilangkan variabel low load factor < 0,50). The Data yang
dikumpulkan oleh para peneliti dan akan dianalisis oleh SPSS 20.0.

Penelitian ini diterapkan berdasarkan klasifikasi tujuan penelitian. Hasilnya dapat

digunakan untuk meningkatkan kinerja manajemen dan mengubah metode manajemen dan
praktik manajemen motivasi. Penelitian ini bersifat deskriptif berdasarkan klasifikasi
pengumpulan data dan penelitian.
17
Vol.5, No.6, pp.60-71, July 2017
Model penelitian untuk Kredit Macet Bank Umum

Gambar 1: Usulan penelitian Model untuk yang faktor yang
mempengaruhi dalam Bad Debt dari para bank
komersial di Ho Chi Minh kota
Gambar 1 menunjukkan bahwa Kredit Macet Bank Umum merupakan variabel terikat sedangkan
faktor Makro - Mikro merupakan variabel bebas. Berdasarkan pertanyaan penelitian di atas
hipotesis berikut digunakan untuk menyelidiki setiap pertanyaan: Ada semua dua faktor yang
positif dengan Debitur buruk bank umum. Berdasarkan output SPSS hipotesis ini pada tabel
berikut, tingkat signifikansi untuk hasil pengujian kurang dari atau sama dengan 0,05, sehingga
hipotesis nol ditolak dan terdapat hubungan yang signifikan antara faktor Makro – Mikro dengan
Kredit Macet Komersial bank.

HASIL PENELITIAN
Tabel 1: Statistik Deskriptif dan Cronbach's Alpha untuk Faktor Makro – Mikro
yang mempengaruhi Kredit Macet Bank Umum

Tidak Faktor Makro (AF) Berarti SD
AF1: Sumber daya keuangan yang dibutuhkan tidak memadai
1 3.1319 1,00194
dari
penerima fasilitas
AF2: Kurangnya akses penerima fasilitas ke yang lain
2 3.1404 1.04261
sumber kredit
3 AF3: Durasi periode pembayaran 3.2596 .98962
4 AF4: Kurangnya pendapatan sampingan dan di luar proyek 3.0809 .95958
5 AF5: PDB, CPI dan Aktivitas ekonomi penerima fasilitas 3.1872 .99090
6 AF6: Kebijakan keuangan pemerintah tentang piutang tak 3.4851 1.08348
tertagih
Alpha Cronbach adalah 0,897
Faktor mikro (JIKA) Berarti SD
18
Vol.5, No.6, pp.60-71, July 2017
IF1: Pembayaran kepada mereka yang memiliki hutang ke
7 2,7106 1.41772
perbankan
sistem
IF2: Disproporsi antara pendapatan penerima dengan
8 2.9277 1.32008
jumlah fasilitas angsuran

9 IF3: Rekening bank jangka pendek pinjaman 2.6723 1.29722

10 IF4: Pendapatan per orang 2.8340 1.22741
Hutang buruk bank komersial (BD) Berarti SD
BD1: Faktor makro yang mempengaruhi Hutang buruk komersial
11 3.2681 .60663
bank
BD2: Faktor mikro yang mempengaruhi Hutang buruk komersial
12 3.2723 .74699
bank
(Sumber: Pengumpul data peneliti dan SPSS 20.0)
Tabel 1 menunjukkan bahwa ada 250 manajer kredit yang mewawancarai dan
menjawab sekitar 12 pertanyaan tapi 235 sampel diproses dan 15 sampel kurang informasi. Data
yang dikumpulkan dari Juli 2016 sampai April 2017. Std. Deviasi (SD) adalah sekitar
1,00. Tabel 01 menunjukkan bahwa semua Cronbach Alpha tinggi> 0,5; ini statistik kehandalan
sangat tinggi. Semua variabel yang disurvei Corrected Item-Total Correlation lebih besar dari 0,3
dan Cronbach Alpha jika Barang dihapus lebih besar
dari 0,5 dan Cronbach Alpha adalah sangat kehandalan. Seperti pengamatan membuat itu memen
uhi syarat untuk itu variabel survei setelah pengujian skala. Hal ini menunjukkan bahwa data itu
cocok dan keandalan untuk meneliti. Tabel 1 menunjukkan bahwa keandalan mengacu pada
sejauh mana skala menghasilkan hasil yang konsisten, jika pengukuran diulang beberapa
kali. Analisis keandalan disebut analisis reliabilitas. Analisis Keandalan ditentukan dengan
mendapatkan proporsi variasi sistematis dalam skala, yang dapat dilakukan dengan menentukan
hubungan antara skor yang diperoleh dari administrasi yang berbeda dari skala. Dengan
demikian, jika asosiasi dalam analisis reliabilitas tinggi, skala menghasilkan hasil yang konsisten
dan karena itu dapat diandalkan. Peneliti memiliki uji KMO dari tabel 2 berikut:
Tabel 2: Uji KMO dan Bartlett untuk Faktor Makro – Mikro yang Mempengaruhi
Kredit Macet Bank Umum
Uji KMO dan Bartlett
19
Vol.5, No.6, pp.60-71, July 2017

Varians Total Dijelaskan

Com. Nilai Eigen Awal Ekstraksi Jumlah Pemuatan Rotasi
Kuadrat Jumlah
Kuadra
t
beban yang
Total % dari Kumulatif Total % dari Kumulatif Total

Varians % Varians %
1 4.315 43,152 43,152 4.315 43,152 43,152 4.126
2 3.037 30.371 73.523 3.037 30.371 73.523 3.358
3 0,784 7.842 81.365
4 .540 5.405 86.770
5 .354 3.542 90.312
6 .320 3.202 93.514
7 .239 2.389 95.903
8 .207 2.074 97.977
9 .134 1,342 99.319
10 .068 .681 100.000
Tabel 2 menunjukkan bahwa Kaiser-Meyer-Olkin Measure of Sampling Adequacy signifikan
secara statistik dan reliabilitas data tinggi (KMO = 0,804 > 0,6). Hasil ini sangat baik untuk
analisis data. Tabel 2 menunjukkan bahwa persen Kumulatif signifikan secara statistik dan
reliabilitas data tinggi adalah 73,523% (> 60%). Ada 10 item untuk Faktor Makro – Mikro yang
mempengaruhi kredit macet bank umum.
Tabel 3: Struktur Matriks Faktor Makro – Mikro yang Mempengaruhi Kredit Macet
Bank Umum

Kode Komponen
1 2
AF3 .901
AF4 .892
20
Vol.5, No.6, pp.60-71, July 2017
AF2 .882
AF5 .846
AF1 .816
AF6 .535
JIKA .941
JIKA .930
1
JIKA4 .903
JIKA2 .813
Tabel 3 menunjukkan bahwa Struktur Matriks memiliki dua Komponen. Komponen 1 Faktor
Makro (X1) meliputi : AF1, AF2, AF3, AF4, AF5 dan AF6. Komponen 2 adalah Faktor Mikro
(X2) meliputi: IF1, IF2, IF3 dan IF4. Tabel 3 menunjukkan bahwa ada 10 item dan dibagi
menjadi dua komponen.
Tabel 4: Uji KMO

dan Bartlett untuk Hutang Buruk Bank Umum KMO dan
Uji Bartlett

Varians Total Dijelaskan
Komponen Nilai Eigen Awal Ekstraksi Jumlah Pemuatan Kuadrat
untuk Total % dari Kumulatif Total % dari Kumulatif
Varians % Varians %
1 1.37 68.78 68.787 1.376 68.787 68.787
2 6 7 100.000
.62 31.21
4 3
Metode Ekstraksi: Analisis Komponen Utama.
Matriks
Kompone
n a
Kode komponen
T
1
BD2 .829
21
Vol.5, No.6, pp.60-71, July 2017
BD1 .829
Tabel 4 menunjukkan bahwa hasil analisis data sangat baik. Kredit macet bank umum
menunjukkan bahwa persen Kumulatif signifikan secara statistik dan keandalan data yang tinggi
adalah
68,787 % (> 60 %). Metode Ekstraksi : Analisis Komponen Utama . Metode Rotasi : Promax
dengan Normalisasi Kaiser. KMO dan Uji Bartlett untuk keberlanjutan menunjukkan bahwa
Kaiser-Meyer-Olkin Measure of Sampling Adequacy adalah statistik signifikan dan tinggi Data k
ehandalan (KMO = 0.500). Y: Hutang buruk bank komersial .
Tabel 5: Faktor Makro – Mikro yang Mempengaruhi Kredit Macet Bank Umum

Model R R Square R . yang Std. Kesalahan dar Durbin-
disesuaika i Watson
n yang Estimate
Persegi
1 0,616 .380 .374 .44503 1.71
a
7
a. Prediktor: (Konstanta), X2, X1

b. Variabel Dependen: Y
ANOVA dan
Model Sum of d Rata-rata F Tanda
kotak f Persegi tangan
.
Regresi 28.143 2 14.071 71.04 .000 b
8
1 Sisa 45.949 232 .198
Total 74.091 234
Bootstrap untuk Koefisien
Model B Bootstrap dan
Bias Std. Kesalaha Tanda Interval

n tangan. (2 Keyakinan
- 95%
berekor) Lebih Atas
rendah
(Konstan) 1.565 .009 .138 .000 1.304 1.850
1 X1 .364 -.003 .033 .000 .295 .426
X2 .192 .000 .023 .000 .146 .237
22
Vol.5, No.6, pp.60-71, July 2017
A. Kecuali dinyatakan lain, hasil bootstrap didasarkan pada 2000 sampel bootstrap
Tabel 5 menunjukkan bahwa Adjusted R Square (= 0,374) signifikan secara statistik dan
reliabilitas data tinggi. Selain itu, Adjusted R Square mencapai
37,4 %. Hasil penelitian menunjukkan bahwa semua nilai Sig <
0.00 adalah statistik signifikan dan tinggi Data kehandalan. Selain
itu, para regresi koefisien positif. Variance Inflation Factor (VIF) dan Tolerance adalah dua
ukuran yang dapat memandu peneliti dalam mengidentifikasi MC. VIF < 10 (1 < VIF < 10). Hal
ini menunjukkan bahwa tidak terjadi Multikolinearitas. Faktor Makro – Mikro yang
mempengaruhi kredit macet bank umum dengan taraf signifikansi 5%. Selain itu, F = 71,048, sig
= 0,00. Model ini sangat baik untuk kebijakan perbaikan kredit macet bank umum.
KESIMPULAN DAN REKOMENDASI

Kesimpulan
Sistem perbankan komersial Vietnam telah menghadapi banyak kesulitan dan tantangan,
yang biasanya masalah utang yang buruk. Kredit macet telah menjadi perhatian permanen
banyak bank komersial tidak hanya di dunia tetapi juga dalam sistem lembaga kredit, bank
komersial di Vietnam. Utang
buruk akan terus untuk berdampak negatif pada yang mengalir dari ibukota ke dalam perekonom
ian. Hal ini dianggap sebagai penyebab utama terhambatnya sirkulasi aliran kredit dalam
perekonomian. Selain itu, pembuangan kredit macet yang tidak baik atau terjadinya gerakan
kredit macet yang rumit akan mempengaruhi keamanan dan efisiensi operasi bisnis kredit bank
komersial di Vietnam. Selain itu, penanganan kredit macet dengan sistem bank umum telah
mencapai hasil yang memuaskan, tetapi undang-undang tentang kredit macet dan aset jaminan
masih belum memadai; kurangnya sumber daya dan mekanisme khusus untuk VAMC untuk
beroperasi. Akibatnya, bank umum perlu untuk melanjutkan dan segera memiliki solusi yang
kuat di masa mendatang agar tidak berdampak buruk pada keamanan sistem dan memastikan
kinerja target bisnis bank. Selain itu, hasil penelitian menunjukkan bahwa ada 250 manajer
kredit yang mewawancarai dan menjawab sekitar 12 pertanyaan. Data yang dikumpulkan dari
Juli 2016 sampai April 2017. Penelitian ini telah
dianalisis Cronbach Alpha, KMO pengujian dan yang hasil dari KMO pengujian digunakan untu
k yang berikutnya penelitian regresi. Tanggapan manajer diukur melalui kuesioner yang
disesuaikan pada skala Likert 5 poin (Konvensi: 1: Sangat tidak setuju, 2: Tidak setuju, 3:
Normal; 4: Setuju; 5: sangat setuju). Salinan cetak dan kuesioner online didistribusikan di antara
5.000 manajer kredit bank komersial di Kota Ho Chi Minh . Di samping
itu, dua komponen yang mempengaruhi para buruk utang dari bank-bank komersial di Kota Ho
Chi Minh dengan tingkat signifikansi 5 persen dan kemudian peneliti memiliki kebijakan
meningkatkan keberhasilan bisnis dari bank komersial di Kota Ho Chi Minh berikut.
Rekomendasi
23
Vol.5, No.6, pp.60-71, July 2017
Ada 3 rekomendasi utama yang perlu terus diterapkan oleh bank umum di masa mendatang
untuk membantu secara aktif mengatasi jumlah kredit macet berikut ini:
Commercial Bank memperkuat diri
menghadapi bad debt: Up untuk ini titik, komersial bank telah membeli utang buruk dari
Vietnam Perusahaan Pengelola Aset (VAMC) dan beberapa bank
komersial yang juga berencana untuk membeli kembali buruk pinjaman dijual. Ini tahun adalah
untuk membersihkan up yang buruk utang portofolio di VAMC. Di samping bank-bank
komersial di atas, banyak bank komersial lainnya juga menentukan tugas itu sendiri untuk
mempromosikan penanganan utang buruk. Secara khusus, bank komersial di Kota Ho Chi Minh
telah memproses dan memulihkan lebih dari 3 triliun dong utang macet, secara signifikan
mengurangi total utang yang dijualnya ke VAMC dari 17 triliun dong menjadi 14 triliun dong
pada akhir 2017.
Ada banyak alasan bank umum mengambil cara agresif untuk menangani kredit macet secara
agresif tahun ini . Dalam khusus, yang utama alasan adalah bahwa beberapa komersial bank tela
h mengurangi buruk utang rasio pada satu papan, bisnis kegiatan mencatat lebih
baik keuntungan di tahun 2017 dan lebih tinggi perencanaan laba pada tahun 2017 dan 2018,
menyisihkan dana cadangan risiko penuh untuk kredit macet. Pasar real estat adalah
pemanasan up di banyak segmen dari 2016 ke yang sekarang juga adalah sebuah sebab, terutam
a tanah segmen
tidak hanya di dalam batin kota tetapi juga di dalam sekitarnya provinsi dari Ho Chi Minh City,
Hanoi ...
menawarkan peluang bagus untuk menangani agunan real estat - ini adalah agunan untuk
sebagian besar kredit macet di bank komersial. Bank umum harus terus membentuk unit yang
bertanggung jawab atas pelaksanaan proyek (Komite Pengarah, Unit Pelaksana Proyek dan Unit
khusus Basel II di Unit Manajemen Risiko yang bertanggung jawab atas proyek. Koordinasi
sub-proyek yang terkait dengan Basel II). Dapat dilihat, sistem bank komersial di Vietnam telah
mengidentifikasi manajemen risiko sesuai dengan standar internasional tren yang sangat
diperlukan.
Commercial Bank terus menjual buruk utang di pasar harga: VAMC adalah piloting yang
pembelian non-performing loan (NPL) pada nilai pasar dan secara progresif melaksanakan
tugas-tugas tertentu seperti menilai status utang untuk melihat efektivitas pembelian utang
pada harga pasar, mencari mitra membeli utang, bernegosiasi dengan bank untuk
menyepakati rencana implementasi .
Setelah itu, VAMC akan menjual utang bersama-sama dengan agunan pada harga pasar. Metode
penjualan dasar adalah pelelangan umum pada prinsip bahwa harga jual lebih tinggi dari harga
pembelian. Pembeli hipotek dan hipotek dari VAMC memiliki hak untuk mengklaim utang dari
debitur. VAMC, penagih utang dan bank konsolidasi utang, yang bertanggung jawab untuk
memantau utang dan meminta debitur untuk terus membayar utang. Dengan demikian,
organisasi atau utang individu membeli kembali dari VAMC berdiri di depan dua kemungkinan:
24
Vol.5, No.6, pp.60-71, July 2017
baik dijual utang ke baru pembeli dengan harga lebih tinggi (profit), lebih rendah (rugi); atau
mengklaim seluruh atau sebagian dari pokok dan bunga tergantung pada kemampuan debitur
untuk membayar kembali.
Selain itu, untuk setiap bank umum perlu dilakukan peningkatan kapasitas keuangan seperti
kepemilikan, kualitas aset. Bank umum khususnya bank kecil sekarang perlu segera
mengimplementasikan roadmap untuk meningkatkan ekuitas. Selain menyelesaikan kredit macet
dengan dana cadangan risiko, perdagangan aset, bank dapat mentransfer hutang mereka ke
perusahaan kredit macet khusus. Dalam rangka
meningkatkan pada kualitas dari para pinjaman, yang kebutuhan Bank untuk secara
ketat mengikuti pinjaman proses dan melakukan pengawasan yang tepat dan pengawasan kredit.
Bank Umum terus bekerja sama dengan VAMC untuk terus menangani utang yang
dijual: banyak bank umum masih akan mempertahankan piutang tak tertagih yang dijual di
VAMC tahun ini dan terus
bekerja sama untuk menyelesaikannya secara efektif. The penanganan dari buruk hutang di VA
MC ini juga menghadapi banyak kesulitan dan telah membuat kecepatan pemrosesan utang di
sini sangat lambat di masa lalu. Bank-bank komersial telah membawa bersama-sama sejumlah
kesulitan hukum dan masalah dalam menangani aset agunan, berurusan dengan NPL dari
VAMC, dan telah dimasukkan dalam draf UU tentang Bantuan untuk Restrukturisasi Organisasi
Nonpemerintah Kredit dan utang buruk manajemen.
RUU ini akan diajukan ke Majelis Nasional, yang mencakup ketentuan tentang pelepasan aset
jaminan untuk memulihkan utang ketika peraturan lama masih tidak memadai untuk membatasi
kemajuan dan efisiensi. Penanganan utang-utang, seperti terjerat perampasan harta benda, hak
menerima barang jaminan berupa hak guna tanah dan barang-barang yang melekat pada
tanah; biaya untuk penegakan keputusan, pengalihan aset keamanan...
Oleh karena itu, bukaan dalam menangani utang buruk oleh perubahan dan perbaikan sistem
hukum datang, yang komersial bank harus erat bekerja
sama dengan VAMC dan yang pelanggan untuk terus aktif dan efisien menangani kredit
macet. Lebih cepat, hutang tidak hanya di VAMC tetapi juga di neraca bank. Bank Umum harus
memperbaiki sistem pemeringkatan kredit internal . Saat ini, sebagian
besar bank telah diterapkan pada internal yang kredit Peringkat
namun seiring berjalannya waktu, penilaian antar bank tidak seragam. Pelanggan yang sama
tetapi melalui para sistem dari berbagai bank akan memberikan yang berbeda "titik". Oleh
karena itu, itu adalah diperlukan untuk mengatur sistem finansial dan non-finansial menyatukan
standar, menerapkan internal Model peringkat kredit untuk seluruh sistem.
Utang buruk dalam sistem bank komersial yang merupakan masalah besar. Ada solusi yang
untuk mengatasi situasi ini, kebutuhan untuk partisipasi para pihak untuk berbagi situasi,
sehingga menemukan solusi yang tepat. Berpartisipasi aktif dalam penyelesaian pemerintah,
bank komersial, dan individu dan organisasi kritis utang buruk. Pemerintah memfasilitasi
25
Vol.5, No.6, pp.60-71, July 2017
keuangan pasar berkembang dengan baik dan tepat
waktu; membangun ekonomi lingkungan, politik stabilitas dengan peluang investasi yang
menarik. Sementara itu, perusahaan dan bank adalah subyek
langsung terlibat dan memiliki sebuah besar dampak pada para valuasi dari buruk utang, yang ke
sepakatan utang, dan terutama masa pemulihan / recovery nilai aset beracun yang
diperoleh. Jika satu-satunya sumber cadangan risiko bank, e bahwa utang blok buruk lainnya
tidak dapat segera teratasi fundamental dan radikal. Oleh karena
itu, sosialisasi adalah sebuah solusi sumber
daya harus dapat dipertimbangkan di dalam konteks dari yang ekonomi negara kita adalah. The
berkontribusi komponen, kelas sosial dalam menangani kredit macet dalam sistem perbankan
perdagangan akan membantu mengekang aktivitas dan batas ini meningkat, dikembangkan
di masa depan.
The disebutkan di atas hal-
hal, yang selanjutnya penelitian harus survei lebih dari 250 kredit manajer. Ini membantu data
yang lebih signifikan. Topik studi adalah area yang sangat luas. Penelitian selanjutnya harus
mensurvei lebih dari 12 pertanyaan (item) bank komersial lain di provinsi lain di Vietnam.

REFERENSI

Amiri A (2003). Menelaah tantangan yang dihadapi sistem perbankan dan
dampaknya . Makalah dipresentasikan pada seminar tentang peran sistem perbankan dalam
pengembangan tujuan pembangunan sosial-ekonomi dan budaya, Teheran.
Ary, D., Jacobs, L., Sorensen, C. & Razavieh, A. (2009). Pengantar penelitian di bidang
pendidikan (edisi ke-8) . Belmont, CA: Wadworth.
Bakhtiari P dan Pasban F (2004). Peran kredit bank dalam peluang pengembangan karir: Studi
Kasus Bank Pertanian di Iran . Ekonomi Pertanian dan Pembangunan.
Berg, B. (2001). Metode penelitian kualitatif untuk ilmu-ilmu sosial . Boston: Allyn dan
Bacon. Hitam, J. (2002). Refleksi Kritis pada Regulasi. Makalah diskusi . Pusat Analisis
Risiko dan Regulasi. London: Sekolah Ekonomi London.
Blaug, Mark (2007). Ilmu Sosial: Ekonomi . Ensiklopedia Baru Britannica.
Central Bank of the Islamic Republic of Iran (2013). Ilmiah studi dan penelitian dari para efek
piutang ditangguhkan dan kondisi keuangan bank dan lembaga kredit . Studi manajemen
dan peraturan bank sentral .
Cleopas Chigamba (2009). Faktor-Faktor yang Mempengaruhi Pilihan Bank Umum oleh
pelanggan Universitas di Afrika Selatan. Universitas Fort Hare Press .
Creswell, J. (2003). Desain Penelitian: Pendekatan Kualitatif, Kuantitatif, dan Metode
Campuran .
Thousand Oaks, California: Sage Publications.
26
Vol.5, No.6, pp.60-71, July 2017
Dillman, DA (2000). Survei Mail dan Internet . Metode Desain yang Disesuaikan, (Edisi ke-2),
New York, Wiley.
Howell, KE (2013). Pengantar Filsafat Metodologi . London: Publikasi Sage. Krzysztof
Jackowicz, Warsawa (2008). Dampak faktor elektoral pada bank umum di
negara-negara CE. Jurnal Manajemen Strategis .
Levesque (2007). Pemrograman SPSS dan Manajemen Data: Panduan untuk Pengguna SPSS dan
SAS .
SPSS Inc., Chicago.
McNulty, J., Akhigbe, A. & Verbrugge, J. (2001). Kualitas pinjaman Bank Kecil di Lingkungan
Deregulasi: Hipotesis keuntungan informasi. Jurnal Ekonomi dan Bisnis .
Nabila Zribi dan Younes Boujelbène (2008). Faktor-faktor yang mempengaruhi risiko kredit bank:
Kasus Tunisia. Jurnal Manajemen Strategis .
Probabilitas, ekonometrika dan kebenaran (2000). Metodologi ekonometrika . Oleh Hugo A.
Keuzenkamp Diterbitkan oleh Cambridge University Press, ISBN.
Roland Craigwell, Chanelle Maxwell, Stacia Howard dan Tracy Maynard (2004). Persaingan di
Industri Perbankan Komersial di Barbados. Jurnal Manajemen Strategis .
Sala, V. & Saurina, J. (2002). Risiko Kredit dalam Dua Rezim Kelembagaan: Bank Komersial dan
tabungan Spanyol. Jurnal Penelitian Jasa Keuangan .
Sudin Harun (2010). Persaingan dan determinan eksternal profitabilitas pada bank syariah. Pers
Universitas New England, Australia .
Thierry Buchs dan Johan Mathisen (2007). Persaingan dan Efisiensi di Perbankan: Bukti Perilaku
dari Ghana. Jurnal Manajemen Strategis .
Watkins, AE; Richard L. Scheaffer, George W. Cobb (2008). Statistik beraksi: memahami dunia
data . Emeryville, CA: Tekan Kurikulum Kunci.
Woodridge, Jeffrey (2003). Pengantar Ekonometrika: Pendekatan Modern . Tukang batu:
Thomson Barat Daya.
27

4.inter Journal Macro - Micro-Factors-Affecting-the-Bad-Debt-of-Commercial-Banks-in-Ho-Chi-Minh-City-dikonversi

Uploaded by

Copyright:

Available Formats

You might also like

4.inter Journal Macro - Micro-Factors-Affecting-the-Bad-Debt-of-Commercial-Banks-in-Ho-Chi-Minh-City-dikonversi

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

4.inter Journal Macro - Micro-Factors-Affecting-the-Bad-Debt-of-Commercial-Banks-in-Ho-Chi-Minh-City-dikonversi

Uploaded by

Copyright:

Available Formats

International Journal of Business and Management Review

Vol.5, No.6, pp.60-71, July 2017

Total Variance Explained

Com. Initial Eigenvalues Extraction Sums of Squared Rotatio

Model R R Square Adjusted R Std. Error of Durbin-

FAKTOR-FAKTOR MAKRO – MIKRO YANG MEMPENGARUHI HUTANG

ABSTRAK: Kegiatan pemberian kredit bank umum selalu mengandung risiko dan

Piutang kotor: $100.000 Dikurang:

Penelitian ini diterapkan berdasarkan klasifikasi tujuan penelitian. Hasilnya dapat

9 IF3: Rekening bank jangka pendek pinjaman 2.6723 1.29722

Total % dari Kumulatif Total % dari Kumulatif Total

Tabel 4: Uji KMO

a. Prediktor: (Konstanta), X2, X1

Bias Std. Kesalaha Tanda Interval

KESIMPULAN DAN REKOMENDASI

You might also like