Bối cảnh và vấn đề nghiên cứu

Khủng hoảng kinh tế toàn cầu năm 2008 đã để lại những tác động kéo dài đối với nền kinh tế Việt Nam, thể hiện qua sự suy giảm tốc độ tăng trưởng, lạm phát gia tăng, nhiều doanh nghiệp giải thể hoặc phá sản, cùng với sự tích lũy rủi ro thanh khoản và nợ xấu trong hệ thống các tổ chức tín dụng. Mặc dù giai đoạn sau đó đã ghi nhận sự phục hồi và hoàn thiện hành lang pháp lý xử lý nợ xấu dưới sự điều hành của Ngân hàng Nhà nước, sự xuất hiện của đại dịch COVID-19 vào cuối năm 2019 tiếp tục tạo ra những áp lực nghiêm trọng lên hoạt động sản xuất kinh doanh, chuỗi cung ứng xuất nhập khẩu và khả năng trả nợ của khối doanh nghiệp. Trong bối cảnh đó, hoạt động tín dụng dành cho khách hàng doanh nghiệp (KHDN) vừa là nguồn thu nhập chủ lực tạo ra lợi nhuận cho các ngân hàng thương mại cổ phần (NHTM), vừa tiềm ẩn rủi ro tín dụng nếu không được thẩm định và ra quyết định chặt chẽ.

Đối với Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank), hoạt động cho vay khách hàng cá nhân và doanh nghiệp đóng vai trò then chốt trong sự tăng trưởng lợi nhuận. Việc xác định các yếu tố nội tại chi phối hành vi cấp tín dụng cho doanh nghiệp là cơ sở để ngân hàng kiểm soát rủi ro, tối ưu hóa quy mô và nâng cao hiệu quả tín dụng. Do đó, khóa luận tập trung nghiên cứu đề tài "Các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng".

Mục tiêu nghiên cứu

  • Mục tiêu chung: Xác định các nhân tố nội tại ảnh hưởng và đo lường mức độ ảnh hưởng của chúng đến quyết định cho vay KHDN của VPBank, từ đó đề xuất một số hàm ý quản trị nhằm nâng cao hiệu quả trong quyết định cho vay đối với KHDN tại ngân hàng.
  • Mục tiêu cụ thể:
    1. Xác định các nhân tố nội tại có ảnh hưởng đến quyết định cho vay KHDN tại Ngân hàng TMCP Việt Nam Thịnh Vượng.
    2. Đo lường mức độ ảnh hưởng của các nhân tố nội tại đến quyết định cho vay KHDN tại Ngân hàng TMCP Việt Nam Thịnh Vượng.
    3. Đề xuất một số hàm ý quản trị nhằm nâng cao hiệu quả trong quyết định cho vay đối với KHDN tại các chi nhánh, phòng giao dịch của Ngân hàng TMCP Việt Nam Thịnh Vượng.

Câu hỏi nghiên cứu

  1. Các nhân tố nội tại nào ảnh hưởng đến quyết định cho vay KHDN của Ngân hàng TMCP Việt Nam Thịnh Vượng?
  2. Mức độ ảnh hưởng của các nhân tố nội tại như thế nào đến quyết định cho vay KHDN của Ngân hàng TMCP Việt Nam Thịnh Vượng?
  3. Những đề xuất quản trị nào có thể nâng cao hiệu quả trong quyết định cho vay KHDN tại các chi nhánh, phòng giao dịch của Ngân hàng TMCP Việt Nam Thịnh Vượng?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các nhân tố nội tại của ngân hàng ảnh hưởng đến quyết định cho vay KHDN tại Ngân hàng TMCP Việt Nam Thịnh Vượng.
  • Đối tượng khảo sát chính: Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank).
  • Phạm vi không gian: Ngân hàng TMCP Việt Nam Thịnh Vượng.
  • Phạm vi thời gian: Số liệu thứ cấp thu thập từ các Báo cáo tài chính đã kiểm toán theo chuỗi thời gian 7 năm, từ Quý I năm 2014 đến Quý IV năm 2020 (tương ứng 28 quý quan sát).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Khóa luận xây dựng cơ sở lý luận dựa trên các quy định pháp lý và công trình nghiên cứu học thuật về hoạt động cấp tín dụng:

  • Cơ sở pháp lý: Quyết định số 1627/2001/QĐ-NHNN về quy chế cho vay của tổ chức tín dụng đối với khách hàng; Thông tư số 39/2016/TT-NHNN quy định về hoạt động cho vay của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài; Luật Doanh nghiệp Việt Nam năm 2005.
  • Cơ sở học thuật: Khái niệm cho vay của TS. Bùi Diệu Anh (2012); lý thuyết truyền dẫn chính sách tiền tệ qua kênh vốn ngân hàng (Van den Heuvel, 2001; Bolton & Freixas, 2001); mối quan hệ giữa tiền gửi và cung tín dụng (Olokoyo, 2011; Mercy, 2016; Onyango, 2016); rủi ro tín dụng và nợ xấu (Hou & Dickinson, 2007; Tracey, 2011; Chimkono và cộng sự, 2016); trích lập dự phòng rủi ro (Jiménez & Saurina, 2006; Bouvatier & Lepetit, 2012; Takasu & Nakano, 2019); vai trò tài sản đảm bảo (Rodriguez và cộng sự, 2007; Affuso, 2007).
  • Mô hình kế thừa: Khóa luận phát triển mô hình gốc của Wikan Isthika và Ririh Dian Pratiwi (2017), đồng thời bổ sung hai biến độc lập là tài sản đảm bảo ($COL$) và dự phòng rủi ro tín dụng ($RISK$).

Phương trình hồi quy đa tuyến tính hiệu chỉnh của nghiên cứu có dạng:

$$\text{LOANS}{it} = \alpha{it} + \beta_1 \text{CAP}{it} + \beta_2 \text{DEP}{it} + \beta_3 \text{TA}{it} + \beta_4 \text{NPL}{it} + \beta_5 \text{RISK}{it} + \beta_6 \text{COL}{it} + \varepsilon_{it}$$

Tên biến Ký hiệu Vai trò Đo lường / Diễn giải nội dung Kỳ vọng tương quan Nguồn tham khảo
Cho vay KHDN $\text{LOANS}$ Biến phụ thuộc Tổng các khoản cho vay đối tượng khách hàng là doanh nghiệp - Rizky Yudaruddin (2020); Wikan Isthika & Ririh Dian Pratiwi (2017)
Vốn và các quỹ $\text{CAP}$ Biến độc lập Tổng vốn và các quỹ của ngân hàng Dương ($+$) Olokoyo (2011); Mercy (2016); Onyango (2016)
Tiền gửi huy động $\text{DEP}$ Biến độc lập Tiền gửi của doanh nghiệp và khách hàng tại tổ chức tín dụng Dương ($+$) Olokoyo (2011); Onyango (2016)
Tổng tài sản $\text{TA}$ Biến độc lập Tổng tài sản của ngân hàng Dương ($+$) Ronald E. Shrieves, Drew Dahl (2003)
Nợ xấu $\text{NPL}$ Biến độc lập Nợ xấu của doanh nghiệp tại ngân hàng (nhóm 2 đến nhóm 5) Dương ($+$) Hou & Dickinson (2007); Tracey (2011); Chimkono và cộng sự (2016)
Dự phòng rủi ro $\text{RISK}$ Biến độc lập Khoản trích lập dự phòng rủi ro tín dụng theo dư nợ gốc Dương ($+$) Saurina (2009); Bouvatier & Lepetit (2012); Jiménez & Saurina (2006)
Tài sản đảm bảo $\text{COL}$ Biến độc lập Tài sản đảm bảo của doanh nghiệp dùng để thế chấp Âm ($-$) Rodriguez và cộng sự (2007); Affuso (2007)

Phương pháp nghiên cứu và quy trình thực hiện

Quy trình nghiên cứu được triển khai qua hai giai đoạn:

  1. Nghiên cứu sơ bộ: Tổng hợp lý thuyết, thu thập số liệu BCTC đã kiểm toán của VPBank giai đoạn 2014–2020, lựa chọn và hiệu chỉnh các biến độc lập sao cho phù hợp với thực tiễn hoạt động ngân hàng.
  2. Nghiên cứu chính thức: Mã hóa số liệu thứ cấp, làm sạch dữ liệu và tiến hành xử lý định lượng trên nền tảng ngôn ngữ lập trình Python phiên bản 3.8.
  • Phương pháp thu thập dữ liệu: Thu thập dữ liệu thứ cấp từ Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh và Báo cáo lưu chuyển tiền tệ của VPBank từ Quý I/2014 đến Quý IV/2020 (tổng cộng 28 quan sát theo quý, $t = 1, 2, ..., 28$). Áp dụng nguyên tắc chọn mẫu phi xác suất (chọn mẫu phán đoán).
  • Kỹ thuật phân tích dữ liệu trên Python:
    • Thư viện Pandas: Đọc dữ liệu, kiểm tra các giá trị khuyết thiếu (null/non-null), tính toán thống kê mô tả (giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, nhỏ nhất, trung vị).
    • Density plot & Boxplot (biểu đồ hộp): Phân tích hàm mật độ phân phối và phát hiện điểm dị biệt (outliers) dựa trên khoảng tứ phân vị ($\text{IQR} = Q_3 - Q_1$).
    • Ma trận tương quan Pearson & Heatmap: Đo lường mức độ tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc, kiểm tra mức ý nghĩa thống kê ($p < 0.05$).
    • Hồi quy tuyến tính đa biến (Multiple Linear Regression): Ước lượng các hệ số hồi quy ($\beta$), tính toán hệ số xác định ($R^2$) để đánh giá độ phù hợp của mô hình.
    • Thư viện Seaborn và Matplotlib: Trực quan hóa ma trận tương quan và so sánh giữa giá trị thực tế với giá trị dự đoán của mô hình.

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI

Chương 1 thiết lập khung nghiên cứu tổng thể. Tác giả phân tích tính cấp thiết của đề tài từ bối cảnh kinh tế vĩ mô sau khủng hoảng 2008 và tác động tiêu cực của dịch bệnh COVID-19 đến khả năng trả nợ của doanh nghiệp Việt Nam. Văn bản nhấn mạnh vị thế của VPBank – một trong những ngân hàng thương mại có lợi nhuận tăng trưởng mạnh trong năm 2020 nhờ mở rộng tín dụng. Chương này xác định rõ 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, phạm vi không gian tại VPBank và thời gian từ Quý I/2014 đến Quý IV/2020. Tác giả cũng khái quát ý nghĩa của việc ứng dụng Python trong việc đo lường mức độ ảnh hưởng của các yếu tố nội tại đối với quyết định cho vay KHDN.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU

Chương 2 hệ thống hóa cơ sở lý luận về tín dụng doanh nghiệp và quyết định cho vay:

  • Khái niệm và đặc điểm cho vay KHDN theo Quyết định 1627/2001/QĐ-NHNN, Luật Doanh nghiệp 2005 và Thông tư 39/2016/TT-NHNN; phân loại cho vay theo thời hạn (ngắn hạn dưới 12 tháng, trung hạn 1–5 năm, dài hạn trên 5 năm) và theo hình thức (tín chấp, thấu chi, cho vay luân chuyển, thế chấp tài sản/hóa đơn, bảo lãnh).
  • Phân tích chi tiết các nhóm nhân tố tác động: nhân tố bên trong (khối lượng tiền gửi, lãi suất, thanh khoản, quy mô tài sản, vốn và các quỹ, nợ xấu, dự phòng rủi ro tín dụng, dự trữ tiền mặt, vốn hóa) và nhân tố bên ngoài (lạm phát, tốc độ tăng trưởng GDP).
  • Mối quan hệ mật thiết giữa quyết định cho vay và lợi ích kinh tế của ngân hàng.
  • Lược khảo các công trình nghiên cứu thực nghiệm trong và ngoài nước: Kim & Sohn (2017), Alper và cộng sự (2018), Louhichi & Boujelbene (2017), Hyun & Uddin (2016), Xuân (2020), Ramcharran (2017), Ayieyo (2016), Rizky Yudaruddin (2020), Fatouh và cộng sự (2019), Berhe (2017), và đặc biệt là công trình của Wikan Isthika & Ririh Dian Pratiwi (2017) tại Indonesia – nghiên cứu nền tảng được tác giả kế thừa mô hình.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

Chương 3 trình bày chi tiết quy trình nghiên cứu 2 giai đoạn (sơ bộ và chính thức), xây dựng 6 giả thuyết nghiên cứu ($H_1$ đến $H_6$) tương ứng với 6 biến độc lập: $\text{CAP}$, $\text{DEP}$, $\text{TA}$, $\text{NPL}$, $\text{RISK}$ (kỳ vọng tương quan dương) và $\text{COL}$ (kỳ vọng tương quan âm). Chương này giới thiệu chi tiết nền tảng lập trình Python 3.8, các thư viện Pandas, Scikit-learn, Seaborn, Matplotlib, phương pháp thống kê mô tả, kỹ thuật biểu đồ hộp Boxplot để phát hiện điểm dị biệt dựa trên khoảng tứ phân vị IQR, ma trận tương quan Pearson và phương pháp hồi quy tuyến tính bội (Multiple Linear Regression). Nguồn dữ liệu gồm 28 quan sát theo quý trong giai đoạn 2014–2020 từ BCTC VPBank.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

Chương 4 phản ánh toàn bộ kết quả thực nghiệm và thực trạng tại VPBank:

  • Giới thiệu VPBank: Thành lập ngày 12/8/1993, trụ sở tại số 89 Láng Hạ, Đống Đa, Hà Nội; sở hữu mạng lưới 227 điểm giao dịch, đội ngũ gần 27.000 cán bộ nhân viên. Đến cuối năm 2020, tổng thu nhập hoạt động đạt 59.049 tỷ đồng (tăng 62,42%), lợi nhuận trước thuế hợp nhất đạt 13.000 tỷ đồng (tăng 26%), tổng tài sản đạt gần 419 nghìn tỷ đồng; sở hữu 3 công ty con (VPB FC, VPB AMC, SGP). Thương hiệu xếp hạng thứ 243 thế giới theo Brand Finance.
  • Thực trạng phân khúc KHDN tại VPBank: Doanh nghiệp siêu nhỏ (doanh thu dưới 20 tỷ đồng), doanh nghiệp vừa và nhỏ (doanh thu từ 20 đến 100 tỷ đồng), doanh nghiệp lớn (doanh thu trên 100 tỷ đồng). Điều kiện cho vay kiểm soát chặt chẽ theo quy mô, ngành nghề, mục đích vay, tài sản đảm bảo và lịch sử tín dụng (thành viên góp vốn chính không có nợ nhóm 2 trở lên tại thời điểm vay, không nợ xấu trong 1 năm gần nhất; nhóm liên quan không có nợ nhóm 2 từ 2 lần trở lên và không có nợ nhóm 3–5 trong 1 năm).
  • Kết quả định lượng trên Python:
    • Tất cả các biến đều ở trạng thái non-null.
    • Phân tích Boxplot xác nhận dữ liệu không có điểm dị biệt ($\text{outliers}$), không có biến nào bị loại bỏ.
    • Kiểm định tương quan Pearson cho thấy các biến độc lập đều có tương quan dương với biến phụ thuộc $\text{LOAN}$, hệ số tương quan biến thiên trong khoảng từ 0 đến 1 trên biểu đồ Heatmap.
    • Kết quả hồi quy tuyến tính đa biến: Hệ số xác định $R^2$ đạt $0.9797$ ($97,97%$).

CHƯƠNG 5: ĐỀ XUẤT HÀM Ý QUẢN TRỊ

Dựa trên kết quả hồi quy và kế hoạch kinh doanh năm 2021 của VPBank, chương 5 đề xuất 6 nhóm giải pháp cụ thể:

  1. Đảm bảo mức an toàn vốn tối thiểu nhằm nâng cao năng lực chống chịu rủi ro.
  2. Tạo cạnh tranh, thu hút tiền gửi huy động qua kênh số hóa và chính sách lãi suất linh hoạt.
  3. Phân bổ cơ cấu tài sản hợp lý nhằm cân bằng giữa khả năng sinh lời và thanh khoản.
  4. Phân loại nợ xấu đúng chuẩn quy định và duy trì tỷ lệ nợ xấu ở mức tối thiểu.
  5. Thực hiện trích lập dự phòng rủi ro tín dụng hợp lý, đúng quy định của Ngân hàng Nhà nước.
  6. Nâng cao chất lượng định giá tài sản đảm bảo và điều chỉnh tỷ lệ tài sản đảm bảo hợp lý cho từng gói tín dụng doanh nghiệp.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Độ phù hợp của mô hình: Kết quả hồi quy đa tuyến tính ghi nhận hệ số xác định $R^2 = 0.9797$. Điều này chứng minh 6 biến độc lập nội tại trong mô hình ($\text{CAP}$, $\text{DEP}$, $\text{TA}$, $\text{NPL}$, $\text{RISK}$, $\text{COL}$) giải thích được $97,97%$ sự biến thiên của biến phụ thuộc quyết định cho vay KHDN ($\text{LOAN}$) tại VPBank; $2,03%$ còn lại chịu tác động bởi các yếu tố khác ngoài mô hình.
  • Mối quan hệ giữa các biến:
    • Tất cả 6 nhân tố nội tại đều có mối quan hệ tương quan có ý nghĩa thống kê đối với quy mô cho vay KHDN.
    • Các biến Vốn và các quỹ ($\text{CAP}$), Tiền gửi huy động ($\text{DEP}$), Tổng tài sản ($\text{TA}$), Nợ xấu ($\text{NPL}$) và Dự phòng rủi ro tín dụng ($\text{RISK}$) có tương quan thuận chiều với quyết định cho vay. Khi vốn quỹ, tiền gửi và tổng tài sản tăng lên, ngân hàng có nguồn lực mở rộng quy mô tín dụng doanh nghiệp.
    • Biến Tài sản đảm bảo ($\text{COL}$) có mối biến động ngược chiều trong phân tích tác động thực tế của sản phẩm cho vay (đặc biệt khi ngân hàng phát triển các gói cho vay tín chấp ngắn hạn hoặc nới lỏng tỷ lệ tài sản thế chấp đối với khách hàng tái vay có lịch sử tín dụng tốt).
    • Phương trình hồi quy mẫu từ xử lý dữ liệu: $\text{LOAN} = -13627069.012 \times \text{COL}_{it} + ...$

Giải pháp và kiến nghị của tác giả

Khóa luận đưa ra 6 giải pháp trọng tâm cho cán bộ quản lý và Hội đồng quản trị VPBank:

  • Giải pháp về vốn và quỹ: Duy trì hệ số an toàn vốn tối thiểu theo chuẩn mực quy định, tăng cường năng lực tài chính để mở rộng hạn mức cấp tín dụng an toàn.
  • Giải pháp về huy động tiền gửi: Đa dạng hóa các sản phẩm tiền gửi trực tuyến trên nền tảng số, áp dụng chính sách chăm sóc khách hàng doanh nghiệp để gia tăng nguồn vốn huy động ổn định với chi phí hợp lý.
  • Giải pháp về quy mô tài sản: Phân bổ tỷ trọng tài sản có sinh lời một cách hợp lý, tối ưu hóa danh mục đầu tư và tín dụng nhằm giảm thiểu rủi ro thanh khoản.
  • Giải pháp về kiểm soát nợ xấu: Tuân thủ nghiêm ngặt quy trình phân loại nhóm nợ (từ nhóm 2 đến nhóm 5), chuẩn hóa công tác giám sát sau cho vay để phát hiện sớm các dấu hiệu cảnh báo suy giảm khả năng trả nợ của doanh nghiệp.
  • Giải pháp về trích lập dự phòng: Tính toán và trích lập đầy đủ quỹ dự phòng rủi ro tín dụng dựa trên phân loại dư nợ gốc thực tế, đảm bảo an toàn thanh toán trong các tình huống rủi ro phát sinh.
  • Giải pháp về tài sản đảm bảo: Nâng cao tính chính xác trong công tác thẩm định giá tài sản thế chấp (bất động sản, động sản, giấy tờ có giá); thiết lập tỷ lệ cho vay trên giá trị tài sản đảm bảo ($LTV$) linh hoạt theo từng phân khúc doanh nghiệp.

Đóng góp của đề tài

  • Về mặt học thuật: Bổ sung thực nghiệm về các nhân tố nội tại chi phối quyết định cho vay KHDN tại một NHTM cổ phần quy mô lớn ở Việt Nam trong giai đoạn biến động kinh tế 2014–2020. Nghiên cứu mở rộng mô hình gốc của Wikan Isthika & Ririh Dian Pratiwi (2017) bằng việc đưa thêm biến dự phòng rủi ro tín dụng và tài sản đảm bảo.
  • Về mặt phương pháp: Ứng dụng thành công ngôn ngữ lập trình Python và các thư viện chuyên dụng (Pandas, Scikit-learn, Seaborn) vào phân tích định lượng tài chính ngân hàng, kiểm định phân phối IQR Boxplot và hồi quy tuyến tính bội.
  • Về mặt thực tiễn: Cung cấp cơ sở định lượng cho các nhà quản trị VPBank trong việc hoạch định chính sách tín dụng doanh nghiệp, đồng thời giúp các KHDN hiểu rõ tiêu chí thẩm định của ngân hàng để chủ động hoàn thiện hồ sơ vay vốn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Phạm vi mẫu: Dữ liệu nghiên cứu chỉ giới hạn tại một ngân hàng duy nhất là Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) với cỡ mẫu 28 quan sát theo quý (giai đoạn 2014–2020), chưa bao quát toàn bộ hệ thống các NHTM tại Việt Nam.
  • Phạm vi biến số: Mô hình tập trung chủ yếu vào 6 biến nội tại phản ánh trên Báo cáo tài chính, chưa đưa vào mô hình các biến kiểm soát kinh tế vĩ mô (như lạm phát, tăng trưởng GDP, chính sách lãi suất điều hành của NHNN) vốn giải thích cho $2,03%$ biến thiên còn lại của quyết định cho vay.

Hướng nghiên cứu tiếp

  • Mở rộng phạm vi khảo sát sang toàn bộ hệ thống các ngân hàng thương mại cổ phần tại Việt Nam bằng phương pháp phân tích dữ liệu bảng (Panel Data) với các mô hình FEM, REM hoặc GMM.
  • Bổ sung các biến số vĩ mô (GDP, CPI, cung tiền M2) và các biến đặc thù của doanh nghiệp đi vay để đánh giá toàn diện hơn bức tranh ra quyết định tín dụng.
  • Kéo dài chuỗi thời gian nghiên cứu sau năm 2020 để phân tích sâu hơn tác động dài hạn của giai đoạn phục hồi hậu đại dịch COVID-19.

Giá trị tham khảo

  • Đối tượng tham khảo: Sinh viên, học viên cao học chuyên ngành Tài chính – Ngân hàng, Quản trị rủi ro; các nhà nghiên cứu thực hiện đề tài về hành vi cho vay và quản trị tín dụng tại các ngân hàng thương mại; cán bộ thẩm định tín dụng và nhà quản trị ngân hàng TMCP.
  • Nội dung giá trị:
    • Khung phương pháp luận kết hợp phân tích tài chính với kỹ thuật xử lý dữ liệu trên nền tảng Python (sử dụng Pandas làm sạch dữ liệu, Boxplot kiểm tra dị biệt IQR, Heatmap ma trận Pearson, Scikit-learn hồi quy đa biến).
    • Hệ thống tiêu chuẩn phân loại khách hàng doanh nghiệp (siêu nhỏ, vừa và nhỏ, lớn) và các điều kiện lịch sử tín dụng cụ thể tại VPBank.
    • Bảng tổng hợp các nghiên cứu thực nghiệm trong và ngoài nước liên quan đến các nhân tố ảnh hưởng đến hoạt động cấp tín dụng của ngân hàng.

Câu hỏi thường gặp

1. Khóa luận sử dụng những biến độc lập nào để giải thích quyết định cho vay KHDN tại VPBank?

Khóa luận sử dụng 6 biến độc lập nội tại thu thập từ Báo cáo tài chính của VPBank:

  1. $\text{CAP}$: Tổng vốn và các quỹ của ngân hàng.
  2. $\text{DEP}$: Tổng tiền gửi huy động từ khách hàng.
  3. $\text{TA}$: Tổng tài sản của ngân hàng.
  4. $\text{NPL}$: Nợ xấu của doanh nghiệp tại ngân hàng (từ nhóm 2 đến nhóm 5).
  5. $\text{RISK}$: Trích lập dự phòng rủi ro tín dụng.
  6. $\text{COL}$: Tài sản đảm bảo của doanh nghiệp thế chấp tại ngân hàng.

2. Dữ liệu nghiên cứu được thu thập từ nguồn nào và gồm bao nhiêu quan sát?

Dữ liệu nghiên cứu là số liệu thứ cấp được trích xuất từ các Báo cáo tài chính hợp nhất đã kiểm toán của VPBank theo từng quý trong giai đoạn 7 năm, từ Quý I/2014 đến Quý IV/2020, tạo thành bộ dữ liệu chuỗi thời gian gồm 28 quan sát ($t = 1, 2, ..., 28$).

3. Mô hình hồi quy của khóa luận đạt độ giải thích ($R^2$) bao nhiêu và có ý nghĩa gì?

Hệ số xác định $R^2$ của mô hình hồi quy đa tuyến tính đạt $0.9797$ ($97,97%$). Kết quả này có nghĩa là tập hợp 6 biến độc lập nội tại trong mô hình giải thích được $97,97%$ sự biến thiên của tổng dư nợ cho vay KHDN ($\text{LOAN}$) tại VPBank trong giai đoạn nghiên cứu, trong khi $2,03%$ còn lại do các yếu tố ngoài mô hình tác động.

4. Nhân tố nào có tương quan nghịch với quyết định cho vay KHDN tại VPBank?

Trong mô hình thực nghiệm, biến Tài sản đảm bảo ($\text{COL}$) thể hiện mối quan hệ nghịch chiều với quyết định cho vay KHDN. Điều này phản ánh xu hướng mở rộng các gói sản phẩm tín chấp ngắn hạn của ngân hàng cũng như chính sách ưu đãi hạn mức tín dụng đối với các doanh nghiệp có lịch sử tín dụng tốt mà không đòi hỏi gia tăng tỷ lệ tài sản thế chấp tương ứng.

5. Khóa luận đề xuất bao nhiêu nhóm giải pháp quản trị cho VPBank?

Tác giả đề xuất 6 nhóm giải pháp quản trị cụ thể tương ứng với 6 biến nghiên cứu, bao gồm: đảm bảo mức an toàn vốn tối thiểu; nâng cao năng lực cạnh tranh thu hút tiền gửi huy động; phân bổ tài sản hợp lý; phân loại nợ xấu đúng chuẩn và duy trì ở mức tối thiểu; trích lập dự phòng rủi ro tín dụng hợp lý; định giá chính xác tài sản đảm bảo và điều chỉnh tỷ trọng cho vay trên tài sản thế chấp phù hợp.


Kết luận

Khóa luận tốt nghiệp của tác giả Lê Dung đã hoàn thành mục tiêu xác định và đo lường mức độ tác động của 6 nhân tố nội tại đến quyết định cho vay KHDN tại Ngân hàng TMCP Việt Nam Thịnh Vượng thông qua mô hình hồi quy đa tuyến tính với hệ số xác định đạt $97,97%$. Đề tài ghi nhận đóng góp nổi bật trong việc ứng dụng ngôn ngữ lập trình Python 3.8 và các thư viện Pandas, Seaborn để xử lý dữ liệu chuỗi thời gian 28 quý từ Báo cáo tài chính VPBank giai đoạn 2014–2020. Hệ thống 6 nhóm giải pháp quản trị được đề xuất cung cấp căn cứ thực tiễn có giá trị giúp VPBank nâng cao chất lượng thẩm định, kiểm soát rủi ro nợ xấu và tối ưu hóa hiệu quả cấp tín dụng doanh nghiệp.