Thạc Sĩ Phân tích danh mục tín dụng xác suất không trả được nợ - probability of default (PD)

Luận văn thạc sĩ năm 2012
Đề tài: Phân tích danh mục tín dụng: xác suất không trả được nợ - probability of default (PD) tại Habubank

MỤC LỤC
DANH MỤC BẢNG BIỂU VÀ BIỂU ĐỒ . 1
DANH MỤC TỪ VIẾT TẮT . 3
TÓM TẮT LUẬN VĂN 4
LỜI MỞ ĐẦU 5
CHƯƠNG I TỔNG QUAN VỀ QUẢN TRỊ RỦI RO TÍN DỤNG . 10
I.1. Quản trị rủi ro tín dụng theo Công ước Basel II . 10
I.1.1. Giới thiệu về Công ước Basel 10
I.1.2. Phương pháp đo lường rủi ro tín dụng – tr ụ cột 1 Basel II . 13
I.2. Khuôn khổ pháp lý quản trị rủi ro tín dụng của hệ thống ngân hàng Việt nam 18
CHƯƠNG II THỰC TRẠNG QUẢN LÝ DANH MỤC TÍN DỤNG ĐỐI VỚI KHÁCH
HÀNG DOANH NGHIỆP TẠI HABUBANK 22
II.1. Tổng quan về ngân hàng TMCP Nhà Hà N ội – Habubank 22
II.1.1. Quá trình thành lập và phát triển . 22
II.1.2. Kết quả hoạt động kinh doanh năm 2010 24
II.2. Thực trạng hoạt động phân tích danh mục tín dụng đối với khách hàng doanh nghi ệp . 27
II.2.1. Danh mục tín dụng theo khu vực, vùng miền . 27
II.2.2. Danh m ục tín dụng theo chi nhánh . 29
II.2.3. Danh m ục tín dụng theo xếp hạng tín dụng nội bộ 31
II.2.4. Danh m ục tín dụng theo ngành nghề kinh doanh 32
CHƯƠNG III DỮ LIỆU THỐNG KÊ . 37
III.1. Dữ liệu khách hàng default 37
III.1.1. Thu thập dữ liệu và chọn mẫu . 37
III.1.2. Xử lý dữ liệu . 39
III.2. Thống kê mô tả dữ liệu 40
CHƯƠNG IV ỨNG DỤNG MÔ HÌNH “ALTMAN – Z Score” ƯỚC LƯỢNG XÁC SUẤT
DEFAULT CỦA KHÁCH HÀNG 44
IV.1. Ước lượng xác suất không trả được nợ của khách hàng . 44
IV.1.1. Mô hình Altman – Z scores ước lượng xác suất không trả được nợ của khách hàng . 44
IV.1.2. Ứng dụng mô hình ước lượng xác suất default của khách hàng 46
IV.2. Giải thích kết quả ước lượng . 49
IV.3. Kiểm tra đối với mẫu dữ liệu khác của Habubank 51
IV.4. Kiểm tra đối với mẫu dữ liệu của ngân hàng khác 52
KẾT LUẬN 54
DANH MỤC TÀI LIỆU THAM KHẢO . 57
PHỤ LỤC . 59
Phụ lục I. Ma trận phân loại nợ theo dự thảo thay thế QĐ 493/2005/QĐ – NHNN . 59
Phụ lục II. Xác suất khách hàng default năm 2009 và 2010 . 60
Phụ lục III. Xác suất default của khách hàng theo quy mô năm 2010 . 68
Phụ lục IV. So sánh kết quả ước lượng tỷ lệ default của mẫu nghiên cứu năm 2010 69
Phụ lục V. Xác suất khách hàng default của mẫu test Habubank 70
Phụ lục VI. Xác suất khách hàng default của mẫu test ngân hàng khác 71

TÓM TẮT LUẬN VĂN
1. Mục tiêu của luận văn này để xây dựng phương pháp luận và các bước để ước lượng xác suất
default của khách hàng doanh nghiệp trong danh mục tín dụng của Habubank .
2. Luận văn sử dụng phương pháp chọn mẫu ngẫu nhiên để thu thập cơ sở dữ liệu 258 khách
hàng doanh nghiệp có quan hệ vay vốn tại Habubank trong khoảng thời gian từ năm 2008 đến
năm 2010. Sau đó, sẽ áp dụng phương pháp phân tích thống kê mô tả để phân tích đặc điểm của
mẫu, phương pháp so sánh, phương pháp Z score của tác giả Atltman có sự điều chỉnh phù hợp
với môi trường của ngành ngân hàng Việt nam để ước lượng xác suất default của khách hàng.
3. Từ kết quả nghiên cứu của đề tài, tác giả nhận thấy việc áp dụng mô hình thống kê ước lượng
xác suất default của khách hàng doanh nghiệp phù hợp với danh mục tín dụng doanh nghiệp của
Habubank. Từ đó, đề xuất phương pháp luận và các bước để ước lượng xác suất default của
khách hàng.

ABSTRACT
1. The objective of this paper to develop the methodology and steps to estimate the probability of
default of corporate clients in the credit portfolio of Habubank
2. Thesis using random sampling method to collect data base 258 corporate clients related
Habubank loans in the period from 2008 to 2010. Then apply statistical analysis methods
described to analyze the characteristics of the samples, a comparative approach, the method of
the author Atltman Z score is adjusted in accordance with the banking industry environment in
Vietnam to estimate the probability of default of customers.
3. From the results of the research study, the authors found that the application of statistical
models estimate the probability of default of corporate clients in accordance with corporate credit
portfolio of Habubank. Since then, the proposed methodology and the steps to estimat e the
probabilities of default of customers.


LỜI MỞ ĐẦU
I. Tính cấp thiết của đề tài
Hệ thống ngân hàng giữ vai trò vô cùng quan trọng đối với sự phát triển của nền kinh tế.
Thực tế cho thấy sự phá sản của các ngân hàng trên phạm vi toàn thế giới kéo theo sự suy thoái
nền kinh tế từ năm 2009. Tình trạng này là kết quả của cuộc khủng hoảng thị trường cho vay thé
chấp “dưới chuẩn” của thị trường tài chính Mỹ. Theo thống kê của tờ báo Washington Post, số
lượng ngân hàng bị phá sản trong năm 2010 đã lên đến đỉnh điểm 157 ngân hàng, nhiều hơn 17
ngân hàng so với năm 2009. Sau khi phân tích vấn đề này, các chuyên gia kinh tế chỉ ra rằng việc
cấp tín dụng dễ dàng và quản lý rủi ro tín dụng lỏng lẻo đã gây ra hậu quả nặng nề trong lĩnh vực
ngân hàng. Như vậy, điều này khẳng định vai trò quan trọng hàng đầu của việc dự báo và quản trị
rủi ro tín dụng trong hoạt động ngân hàng tài chính.
Tuy nhiên, các nhà lãnh đạo ngân hàng không thể xác định chính xác mức tổn thất tín dụng
đối với từng khách hàng vay cụ thể và toàn danh mục tín dụng. Thực tế, chúng ta chỉ có thể đo
lường và ước lượng rủi ro tín dụng mà một trong cấu phần quan trọng của nó là rủi ro không trả
được nợ - default risk (rủi ro mà khách hàng không thể hoàn trả nợ một phần hoặc toàn bộ khi
đến hạn đã cam kết). Từ đó, các ngân hàng sẽ xây dựng mô hình lượng hóa rủi ro tín dụng để ước
lượng khoảng tổn thất dự kiến kỳ vọng.
Theo hiệp ước Basel II của Ủy Ban Basel về giám sát hoạt động ngân hàng, trong đó tách
biệt rủi ro hoạt động và rủi ro tín dụng đồng thời lượng hóa 02 loại rủi ro này. Việc lượng hóa rủi
ro tín dụng hay ước lượng mức độ tổn thất tín dụng dựa vào 04 nhân tố chính bao gồm (i) Xác
suất không trả được nợ của khách hàng – PD, (ii) Tỷ lệ mất vốn dự kiến – LGD, (iii) Dư nợ tại
thời điểm khách hàng không trả được nợ – EAD và (iv) Thời hạn vay thực tế – EE. Trong đó, xác
suất không trả được nợ là yếu tổ đầu tiên và rất quan trọng để ngân hàng tiếp cận và ước lượng
các nhân tố khác trong mô hình lượng hóa rủi ro tín dụng. Hiện tại, phần lớn các ngân hàng lớn
trên thế giới đã xây dựng hệ thống xếp hạng tín dụng nội bộ làm cơ sở để xác định các nhân tố
cấu thành trong mô hình lượng hóa rủi ro tín dụng .
Việt nam đang trong quá trình phát triển và hội nhập với nền kinh tế toàn cầu với sự gia
nhập Tổ chức thương mại thế giới – WTO năm 2007. Năm 2009, tỷ lệ tăng trưởng GDP đạt
5.2% và năm 2010 tăng lên đạt 6.7%. Cuối năm 2010, tỷ lệ nợ xấu của hệ thống ngân hàng Việt
nam là 3.2% và có xu hướng gia tăng trong năm 2011. Các ngân hàng Việt nam chủ yếu cung cấp
các sản phẩm dịch vụ tài chính truyền thống như tiền gửi, cho vay, . Có thể nói, lĩnh vực ngân
hàng ở Việt nam chịu ảnh hưởng nặng nề của cuộc khủng hoản g kinh tế với sự biến động khó
lường của lãi suất, tỷ giá ngoại tệ, tỷ lệ nợ xấu tăng cao, . Nguồn thu nhập chính của các ngân
hàng chủ yếu từ hoạt động cho vay khách hàng. Theo thống kê của Hiệp hội ngân hàng Việt nam,
giá trị các khoản cho vay thường chiếm từ 70 – 80% tổng tài sản của các ngân hàng này. Do đó,
việc đo lường rủi ro tín dụng có ý nghĩa với hoạt động và sự phát triển của các ngân hàng Việt
nam.
Đứng trước tình hình này, để đảm bảo hệ thống ngân hàng Việt Nam ổn định vững chắc
Ngân hàng Nhà nước Việt nam định hướng chiến lược phát triển trong lĩnh vực ngân hàng từ
ngay đến năm 2020 theo hướng tập trung quản trị rủi ro nói chung và quản trị rủi ro tín dụng nói
riêng. Các nhà lãnh đạo ngân hàng Việt nam cần phải áp dụng các kinh nghiệm quốc tế để xây
dựng mô hình đo lường rủi ro tín dụng theo Công ước Basel của Ủy Ban Basel. Trong đó, nhiệm
vụ hàng đầu phải ước lượng xác suất không trả được nợ của khách hàng – PD. Thực tế,
trong hệ thống ngân hàng Việt nam chưa có bất kỳ ngân hàng nào áp dụng chính thức các mô
hình xác định xác suất không trả được nợ của khách hàng vào trong hoạt động để hỗ trợ việc ra
quyết định cho vay.
Xuất phát từ bối cảnh thị trường ngân hàng Việt na m, tác giả nhận thấy cần thiết phải ước
lượng xác suất không trả được nợ của danh mục tín dụng , bởi vì:
 Xác suất không trả được nợ - PD là chỉ báo hữu hiệu giúp các ngân hàng Việt nam biết
mức độ rủi ro của khách hàng vay. Theo đó, các nhà lãnh đạo ngân hàng đưa ra quyết
định cấp tín dụng và ban hành chính sách tín dụng phù hợp với từng đối tượng khách
hàng.
 Tất cả ngân hàng Việt nam thường cấp tín dụng cho khách hàng dựa trên cơ sở phân tích
hồ sơ tín dụng mà chưa ước lượng xác suất không trả được nợ của khách hàng khi đến
hạn. Đồng thời, các ngân hàng ít chú trọng đến việc phân tích danh mục tín dụng.
 Do việc đo lường rủi ro tín dụng không hiệu quả, tỷ lệ nợ xấu của ngân hàng Việt nam
càng ngày càng tăng cao.
 Habubank đã áp dụng hệ thống xếp hạng tín dụng nội bộ từ năm 2007. Với cơ sở dữ liệu
xếp hạng trong 03 năm là một điều kiện thuận lợi để ngân hàng có thể ước lượng xác suất
không trả được nợ của khách hàng – PD.
 Hiện tại, có khá ít các đề tài nghiên cứu về việc xác định xác suất không trả được c ủa
khách hàng doanh nghiệp mà chủ yếu là các đề tài nghiên cứu về xác suất không trả được
nợ của khách hàng cá nhân. Đồng thời, chưa có ngân hàng TMCP áp dụng mô hình xác
định xác suất không trả được nợ của khách hàng mặc dù các ngân hàng này đã sở hữu hệ
thống xếp hạng tín dụng nội bộ.
 Việc ước lượng xác suất không trả được nợ của khách hàng sẽ giúp các ngân hàng Việt
nam quản trị rủi ro tín dụng hiệu quả và tăng khả năng cạnh tranh với các ngân hàng
nước ngoài trong quá trình hội nhập toàn cầu.
 Trong bối cảnh toàn cầu hóa, việc ước lượng xác suất không trả được nợ của khách hàng
hàng là cơ sở nền tảng giúp Habubank có thể từng bước thực hiện ước lượng các tham số
rủi ro khác trong mô hình ước lượng rủi ro tín dụng và tính toán yêu cầu vốn tối thiểu
(trụ cột 1) của Basel II.
Chính vì thế, tác giả đã lựa chọn đề tài nghiên cứu như sau: “Phân tích danh mục tín
dụng: Xác suất không trả được nợ”.
II. Nhận định vấn đề
Xuất phát từ bối cảnh khách quan của nền kinh tế và hệ thống ngân hàng Việt nam và
trong giới hạn phạm vi nghiên cứu tại Habubank, luận văn này sẽ đề cập và giải quyết các vấn đề
cụ thể sau đây:
 Tìm thấy phương pháp để phân loại danh mục tín dụng khách hàng doanh nghiệp một
cách hiệu quả (số lượng/phân loại).
 Định nghĩa xác suất không trả được nợ của khách hàng trong danh mục tín dụng?
 Lý do tại sao Habubank phải tiến hành ước lượng xác suất không trả được nợ của khách
hàng trong danh mục tín dụng?
 Xây dựng phương pháp luận và các bước tiến hành ước lượng xác suất không trả được nợ
của khách hàng?
III. Mục tiêu nghiên cứu
Với bối cảnh khách quan của hệ thống ngân hàng Việt nam, các vấn đề cần phải quyết đã
nêu trên nhằm tìm ra giải pháp hiệu quả cho Habubank trong việc đo lường rủi ro tín dụng của
khách hàng. Do đó, mục tiêu chính của luận văn này nhằm xây dựng phương pháp luận và các
bước ước lượng xác suất không trả được nợ của khách hàng vay dựa trên cơ sở dữ liệu chấm
điểm xếp hạng của Habubank.
IV. Phạm vi và đối tượng nghiên cứu
Hiện tại, với nhiệm vụ phân tích danh mục tín dụng và quản lý hệ thống xếp hạng tín dụng
nội bộ của Habubank nên luận văn giới hạn phạm vi nghiên cứu là các khách hàng doanh nghiệp
có quan hệ tín dụng tại Habubank.
Đồng thời, do sự giới hạn về thời gian và nguồn lực triển khai nên luận văn chỉ tập trung
nghiên cứu khoản cho vay đối với các khách hàng doanh nghiệp tại Habubank.
V. Phương pháp luận nghiên cứu
Luận văn này sử dụng phương pháp chọn mẫu ngẫu nhiên để thu thập cơ sở dữ liệu thống
kê khách hàng doanh nghiệp có quan hệ vay vốn theo tiêu chí lựa chọn tại Habubank. Trên cơ sở
dữ liệu này, luận văn áp dụng phương pháp phân tích thống kê mô tả để phân tích đặc điểm của
mẫu khách hàng lựa chọn đảm bảo đại diện cho tổng thể khách hàng doanh nghiệp của ngân hàng
và phương pháp so sánh để xác định tỷ lệ khách hàng không trả được nợ trong thời gian nghiên
cứu (từ năm 2008 đến năm 2010).
Đồng thời, để ước lượng xác suất không trả được nợ của khách hàng luận văn áp dụng
phương pháp nghiên cứu định lượng và phương pháp Z scores của tác giả Atltman có sự điều
chỉnh phù hợp với môi trường hoạt động của ngành ngân hàng Việt nam.
VI. Bố cục của luận văn
Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo, luận văn được chia thành 04
chương chính với nội dung cơ bản như sau:
Chương I: Tổng quan về quản trị rủi ro tín dụng. Chương này giới thiệu tổng quan về
quản trị rủi ro tín dụng theo Công ước Basel II của Ủy ban Basel như khái niệm rủi ro tín dụng,
phương pháp đo lường rủi ro tín dụng, .Đây là những nền tảng cơ sở lý thuyết để xây dựng và
phát triển các nội dung nghiên cứu trong luận văn. Sau đó, luận văn đề cập đến khuôn khổ pháp
lý và hướng dẫn quản trị rủi ro tín dụng của hệ thống ngân hàng Việt nam.
Chương II: Thực trạng quản lý danh mục tín dụng đối với khách hàng doanh nghiệp
tại Habubank. Sau khi giới thiệu tổng quan về cơ sở lý luận, chương II giới thiệu về ngân hàng
TMCP Nhà Hà Nội – Habubank và thực trạng hoạt động phân tích danh mục tín dụng khách hàng
doanh nghiệp bao gồm quy trình và phương pháp phân tích của ngân hàng.
Chương III: Dữ liệu thống kê. Trong chương này, chúng ta xây dựng khái niệm khách
hàng không trả được nợ - default, thu thập dữ liệu khách hàng default trong 03 năm (từ 2008 đến
2010), chọn mẫu dữ liệu ngẫu nhiên và thực hiện các bước xử lý dữ liệu “làm sạch” dữ liệu. Sau
đó, các biến phân tích được mã hóa và sử dụng phương pháp thống kê mô tả để phân tích đặc
điểm của dữ liệu.
Chương IV: Ứng dụng mô hình “Altman - Z scores” ước lượng xác suất khách hàng
default. Chương này xây dựng các bước để ước lượng xác suất khách hàng không trả được nợ.
Trong đó, chúng ta sử dụng mô hình thống kê Z scores của tác giả Altman nhưng có điều chỉnh
phù hợp với thực tế của Habubank để ước lượng xác suất không trả được nợ của khách hàng dựa
trên mẫu lựa chọn và kiểm duyệt được trình bày trong chương III. Cuối cùng, luận văn sẽ kiểm
tra tính phù hợp của mô hình đối với các mẫu dữ liệu khác của Habubank và của các ngân hàng
khác.

CHƯƠNG I
TỔNG QUAN VỀ QUẢN TRỊ RỦI RO TÍN D ỤNG
I.1. Quản trị rủi ro tín dụng theo Công ước Basel II
I.1.1. Giới thiệu về Công ước Basel
I.1.1.1. Giới thiệu về Công ước Basel I & II
Sau hàng loạt vụ sụp đổ của các ngân hàng vào thập kỷ 80, một nhóm các Ngân hàng Trung
ương và cơ quan giám sát của 10 nước phát triển (G10) đã tập hợp tại thành phố Basel, Thụy Sĩ
vào năm 1987 tìm cách ngăn chặn xu hướng này. Nhóm các Ngân hàng Trung ương này đã thành
lập Ủy ban Basel về giám sát hoạt động ngân hàng. Năm 1988, Công ước Basel I ra đời nhằm
mục đích củng cố sự ổn định của hệ thống các ngân hàng quốc tế và thiết lập hệ thống ngân hàng
quốc tế bình đẳng cạnh tranh lành mạnh trong hoạt động.
Tuy nhiên, thị trường tài chính ngày càng trở nên phức tạp trong đó hoạt động ngân hàng
luôn tiềm ẩn rủi ro. Công ước Basel I xuất hiện hạn chế khi thiếu sự phân biệt rủi ro giữa khách
hàng có mức xếp hạng khác nhau. Đồng thời, Basel đề cập sơ sài đến rủi ro hoạt động và không
yêu cầu trích lập dự phòng đối với loại rủi ro này, trong khi đó rủi ro này ngày càng tăng lên và
có nguy cơ xảy ra tổn thất lớn.
Chính vì thế, tháng 01/2007 Công ước mới Basel II ra đời để khắc phục các hạn chế của
Công ước Basel I. Sự khác biệt lớn nhất của Basel II so với Basel I được thể hiện ở việc cấu trúc
của Basel II tập trung vào định lượng rủi ro cho các mục đích phân bổ vốn. Theo đó, Basel II
hướng tới 03 mục đích chính sau đây:
 Đảm bảo vốn phân bổ theo hướng nhạy cảm rủi ro.
 Phân biệt rủi ro hoạt động và rủi ro tín dụng, đồng thời định lượng 02 loại rủi ro này.
 Thu hẹp khoảng cách giữa vốn theo quy định và vốn kinh tế
Công ước Basel II được xây dựng dựa trên 03 trụ cột chính bao gồm (i) Trụ cột 1 – Yêu cầu
vốn tối thiểu, (ii) Trụ cột 2 – Yêu cầu về quy trình, thanh tra giám sát ngân hàng và (iii) Trụ cột 3
– Yêu cầu quy trình quản lý rủi ro tuân thủ nguyên tắc thị trường. Tất cả trụ cột đều có ý nghĩa

DANH MỤC TÀI LIỆU THAM KHẢO
TIẾNG VIỆT
(1) Công ty chứng khoán TP. Hồ Chí Minh, Công ty chứng khoán Habubank, Công ty chứng
khoán Sacombank, 2010, Thông tin dành cho nhà đầu tư, 44 trang.
(2) Ngân hàng Nhà nước Việt nam, 2005, Quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005
ban hành quy định về phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng
trong hoạt động ngân hàng của tổ chức tín dụng.
(3) Ngân hàng Nhà nước Việt nam, 2007, Quyết định 18/2007/QĐ-NHNN ngày 25/04/2007 về
việc sửa đổi một số điều của Quyết định 493/2005/QĐ-NHNN.
(4) Ngân hàng Nhà nước Việt nam, 2011, Dự thảo thay thế quyết định 493/2005/QĐ-NHNN.
(5) Ngân hàng Nhà nước Việt nam, 2010, Thông tư số 13/2010/TT-NHNN của Thống đốc NHNN
Việt nam ngày 20/05/2010 quy đ ịnh về các tỷ lệ đảm bảo an toàn trong hoạt động của tổ
chức tín dụng.
(6) Ngân hàng Nhà nước Việt nam, 2010, Thông tư 19/2010/TT-NHNN của Thống đốc NHNN
Việt nam về việc sửa đổi một số điều của Thông tư 13.
(7) Ngân hàng TMCP Nhà Hà N ội, 2010, Báo cáo thư ờng niên.
(8) SCHOONER Heidi Mandains, ELSEVIER Michael Taylor, 2009, Quy định về nghiệp vụ
ngân hàng toàn cầu.
(9) STATE BANK OF VIETNAM, JAPAN INTERNATIONAL COOPERATION AGENCY,
Basel II, Sự thống nhất quốc tế về đo lường và các tiêu chuẩn vốn, 339 trang.
TIẾNG ANH
(10) BASEL COMMITTE ON BANKING SUPERVISION, 2005, Studies on the validation of
internal rating systems, Bank for International Settlemant, Basel.
(11) BASEL COMMITTE ON BANKING SUPERVISION, 2006, International Convergence of
Capital Measurement and Capital Standards (A revised framework), Bank for International
Settlemant, 347 pages.
(12) BERND Engelmann, RAUHMEIER Robert, 2006, The Basel II risk parameters, Springer,
Berlin.
(13) BOHN JEFF, 2003, Modelling default risk, Moody’s KMV company.
(14) DAO Thanh Binh, DANG Thi Huyen Trang, 2010, Credit Scoring Model for Manufacturing
Vietnamese Firms.
(15) DAO Thanh Binh, DAO Thu Hang, 2010, Credit Scoring Model for Non-Manufacturing
Vietnamese Companies 2010.
(16) KEALHOFER Stephen, 1997, Porfolio management of default risk, KMV C orporation,
California.
(17) MARSHALL Chris, 2007, Estimating PD, LGD and EAD, SunGard Asia-Pacific, Singapore.
(18) MEDEMA Lydian, H.KONING Ruud, LENSINK Robert, 2007, A practical approach to
validating a PD model, University of Groningen, The Netherlands.
TIẾNG PHÁP
(19) CROSBIE Peter, LE COMITE DE BALE, 2003, Vue d’ensemble du nouvel accord de bâle
sur les fonds propres, Bank for International Settlements, Basel.
(20) SAPORTA Gilbert, 2006, La Notation statistique des emprunteurs ou “scoring”,
Conservatoire National des Arts et Métiers.
WEBSITE
www.defaultrisk.com; www.bis.org; www.sbv.org.vn; www.vise.com.vn; www.vndirect.com.vn