Các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp tại ngân hàng tmcp việt nam thịnh vượng 2021

Tài liệu nghiên cứu Các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp tại ngân hàng tmcp việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Lê Dung
• Người hướng dẫn: TS. Trần Trọng Huy
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Nhân Tố Ảnh Hưởng Đến Quyết Định Cho Vay Tại Ngân Hàng TMCP Việt Nam Thịnh Vượng
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC BẢNG VÀ HÌNH
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu chung
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Phạm vi nghiên cứu và đối tượng nghiên cứu
• 1.4.1. Phạm vi nghiên cứu
• 1.4.1.1. Không gian nghiên cứu
• 1.4.1.2. Thời gian nghiên cứu
• 1.4.2. Đối tượng nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.5.1. Phương pháp thu thập số liệu
• 1.5.2. Phương pháp phân tích
• 1.6. Ý nghĩa của đề tài
• 1.7. Bố cục nghiên cứu
• 1.8. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU
• 2.1. Cơ sở lý thuyết về cho vay khách hàng doanh nghiệp tại ngân hàng
• 2.1.1. Khái niệm, đặc điểm
• 2.1.2. Cơ sở lý thuyết quyết định cho vay khách hàng doanh nghiệp
• 2.1.3. Khái niệm quyết định cho vay
• 2.1.4. Các nhân tố ảnh hưởng đến quyết định cho vay khách hàng doanh nghiệp tại ngân hàng
• 2.1.5. Mối quan hệ giữa quyết định cho vay và lợi ích của ngân hàng
• 2.2. Tổng quan về các nghiên cứu trước
• 2.3. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Nghiên cứu sơ bộ
• 3.3. Nghiên cứu chính thức
• 3.4. Xây dựng giả thuyết và mô hình nghiên cứu
• 3.4.1. Xây dựng mô hình và các biến
• 3.5. Giới thiệu về nền tảng Ngôn ngữ lập trình Python - Dữ liệu nghiên cứu và phân tích dữ liệu
• 3.5.1. Giới thiệu về nền tảng Ngôn ngữ lập trình Python
• 3.5.2. Dữ liệu nghiên cứu
• 3.5.3. Phân tích dữ liệu
• 3.6. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Giới thiệu chung về nghiệp vụ cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng
• 4.2. Giới thiệu về Ngân hàng TMCP Việt Nam Thịnh Vượng
• 4.3. Nghiệp vụ cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng
• 4.4. Điều kiện cho vay của Ngân hàng TMCP Việt Nam Thịnh Vượng đối với khách hàng doanh nghiệp
• 4.5. Mô hình nghiên cứu hiệu chỉnh
• 4.6. Đọc và xử lý dữ liệu
• 4.7. Kết quả xử lý dữ liệu
• 4.8. Kiểm tra biến dị biệt – Outliers
• 4.9. Kiểm tra tính tương quan
• 4.10. Kết quả hồi quy tuyến tính – Multiple Linear Regression
• 4.11. Trực quan hóa kết quả
• 4.12. Thảo luận về kết quả nghiên cứu
• 4.13. KẾT LUẬN CHƯƠNG 4
• 5. CHƯƠNG 5: ĐỀ XUẤT HÀM Ý QUẢN TRỊ
• 5.1. Cơ sở đề xuất giải pháp
• 5.2. Định hướng phát triển nghiệp vụ cho vay tại Ngân hàng TMCP Việt Nam Thịnh Vượng
• 5.3. Các giải pháp nhằm nâng cao hiệu quả trong quyết định cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Việt Nam Thịnh Vượng
• 5.3.1. Đảm bảo mức an toàn vốn tối thiểu
• 5.3.2. Tạo cạnh tranh, thu hút tiền gửi huy động
• 5.3.3. Phân bổ tài sản hợp lý
• 5.3.4. Phân loại nợ xấu đúng chuẩn và duy trì nợ xấu ở mức tối thiểu
• 5.3.5. Dự phòng rủi ro tín dụng hợp lý
• 5.3.6. Định giá đúng tài sản đảm bảo, điều chỉnh tỷ lệ tài sản đảm bảo hợp lý đối với khoản cho vay
• 5.4. Những hạn chế của đề tài và các định hướng phát triển
• 5.5. KẾT LUẬN CHƯƠNG 5
• KẾT LUẬN CHUNG
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Quyết Định Cho Vay VPBank và Các Nhân Tố

Hoạt động cho vay là huyết mạch của mọi ngân hàng thương mại cổ phần, bao gồm cả Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank). Ngân hàng đóng vai trò trung gian tài chính, huy động vốn từ các đơn vị thặng dư và cấp tín dụng cho các đơn vị thâm hụt. Tuy nhiên, hoạt động này tiềm ẩn rủi ro tín dụng. Bài nghiên cứu này tập trung vào phân tích các yếu tố ảnh hưởng quyết định cho vay tại VPBank, đặc biệt đối với khách hàng doanh nghiệp. Nghiên cứu sử dụng dữ liệu từ báo cáo tài chính của VPBank giai đoạn 2014-2020, phân tích bằng Python, bao gồm thống kê mô tả, tương quan và hồi quy tuyến tính. Kết quả cho thấy nhiều yếu tố có tương quan đáng kể đến quyết định cho vay, tạo tiền đề cho các giải pháp nâng cao hiệu quả.

1.1. Vai trò của VPBank trong thị trường cho vay

VPBank đóng vai trò quan trọng trong thị trường cho vay Việt Nam, cung cấp nguồn vốn cho nhiều doanh nghiệp. Hoạt động cho vay giúp doanh nghiệp tăng trưởng, tạo việc làm và đóng góp vào nền kinh tế. Tuy nhiên, ngân hàng phải đối mặt với bài toán cân bằng giữa tăng trưởng tín dụng và quản trị rủi ro. Nghiên cứu này làm rõ các yếu tố ảnh hưởng đến quyết định cho vay, từ đó giúp VPBank đưa ra các quyết định sáng suốt hơn. Theo thống kê cuối năm 2020, VPBank là một trong những ngân hàng có lợi nhuận tăng trưởng mạnh.

1.2. Tầm quan trọng của quyết định tín dụng VPBank

Một quyết định tín dụng đúng đắn mang lại lợi nhuận cho ngân hàng và hỗ trợ sự phát triển của doanh nghiệp. Ngược lại, quyết định sai lầm có thể dẫn đến nợ xấu, giảm lợi nhuận và thậm chí gây ảnh hưởng đến sự ổn định của ngân hàng. Do đó, việc hiểu rõ các yếu tố ảnh hưởng đến quyết định cho vay là vô cùng quan trọng. Nghiên cứu này góp phần làm sáng tỏ vấn đề này, cung cấp cơ sở khoa học cho việc ra quyết định tại VPBank.

1.3. Thách thức rủi ro tín dụng trong hoạt động cho vay VPBank

Rủi ro tín dụng là một trong những thách thức lớn nhất đối với các ngân hàng. Khủng hoảng kinh tế, biến động thị trường và tình hình tài chính của doanh nghiệp vay vốn đều có thể ảnh hưởng đến khả năng trả nợ. VPBank cần có các biện pháp quản trị rủi ro hiệu quả để giảm thiểu thiệt hại do nợ xấu gây ra. Nghiên cứu này giúp ngân hàng nhận diện các yếu tố làm tăng rủi ro tín dụng, từ đó có các biện pháp phòng ngừa và ứng phó phù hợp.

II. Vấn Đề Nợ Xấu VPBank và Ảnh Hưởng Đến Cho Vay

Tình trạng nợ xấu là một trong những vấn đề nhức nhối của hệ thống ngân hàng, đặc biệt trong bối cảnh kinh tế nhiều biến động. Nợ xấu làm giảm lợi nhuận, tăng chi phí dự phòng và hạn chế khả năng cho vay của ngân hàng. Nghiên cứu này xem xét ảnh hưởng của nợ xấu đến quyết định cho vay tại VPBank, từ đó đề xuất các giải pháp quản lý nợ xấu hiệu quả. Các giải pháp bao gồm phân loại nợ xấu chính xác và duy trì nợ xấu ở mức tối thiểu. Ngân hàng Nhà nước cũng kịp thời ban hành các chính sách nhằm hỗ trợ doanh nghiệp, bằng cách tái cơ cấu dư nợ, giữ nguyên nhóm nợ do COVID, hay giảm lãi suất cho vay.

2.1. Mối quan hệ giữa nợ xấu và quyết định cho vay

Ngân hàng có xu hướng thận trọng hơn trong quyết định cho vay khi tỷ lệ nợ xấu tăng cao. Điều này có thể dẫn đến việc hạn chế tín dụng cho các doanh nghiệp, đặc biệt là các doanh nghiệp vừa và nhỏ. Nghiên cứu này phân tích mức độ ảnh hưởng của nợ xấu đến quyết định cho vay tại VPBank, từ đó giúp ngân hàng đưa ra các quyết định phù hợp với tình hình thực tế.

2.2. Quản lý rủi ro tín dụng để giảm thiểu nợ xấu VPBank

Quản lý rủi ro tín dụng hiệu quả là chìa khóa để giảm thiểu nợ xấu. VPBank cần có quy trình thẩm định tín dụng chặt chẽ, đánh giá chính xác khả năng trả nợ của khách hàng và kiểm soát rủi ro trong quá trình cho vay. Nghiên cứu này đề xuất các biện pháp nâng cao hiệu quả quản lý rủi ro tín dụng, giúp VPBank giảm thiểu nợ xấu và tăng cường khả năng cho vay.

2.3. Ảnh hưởng của COVID 19 đến nợ xấu tại VPBank

Đại dịch COVID-19 đã gây ra nhiều khó khăn cho doanh nghiệp, dẫn đến tình trạng nợ xấu gia tăng tại các ngân hàng. VPBank cũng không tránh khỏi tác động này. Nghiên cứu này xem xét ảnh hưởng của COVID-19 đến nợ xấu tại VPBank và đề xuất các giải pháp hỗ trợ doanh nghiệp vượt qua khó khăn, từ đó giảm thiểu nợ xấu và duy trì hoạt động cho vay.

III. Các Tiêu Chí Đánh Giá Hồ Sơ Vay Vốn Doanh Nghiệp Tại VPBank

Việc đánh giá hồ sơ vay vốn một cách chính xác là yếu tố then chốt trong quyết định cho vay. Ngân hàng cần xem xét nhiều yếu tố, bao gồm tình hình tài chính, khả năng trả nợ, tài sản đảm bảo và uy tín của doanh nghiệp. Nghiên cứu này phân tích các tiêu chí đánh giá hồ sơ vay vốn tại VPBank, từ đó đề xuất các giải pháp nâng cao hiệu quả thẩm định tín dụng. Bên cạnh đó, giúp doanh nghiệp dễ dàng bổ sung vào như cầu vốn lưu động của doanh nghiệp, hỗ trợ doanh nghiệp trong quá trình phục hồi và tồn tại trong nền kinh tế nói chung và trong đại dịch nói riêng

3.1. Phân tích tài chính doanh nghiệp vay vốn VPBank

Phân tích tài chính là một phần quan trọng trong quá trình thẩm định tín dụng. Ngân hàng cần xem xét các chỉ số tài chính như doanh thu, lợi nhuận, dòng tiền và khả năng thanh toán để đánh giá khả năng trả nợ của doanh nghiệp. Nghiên cứu này đề xuất các phương pháp phân tích tài chính hiệu quả, giúp VPBank đưa ra các quyết định chính xác hơn.

3.2. Vai trò của tài sản đảm bảo vay vốn VPBank

Tài sản đảm bảo đóng vai trò quan trọng trong việc giảm thiểu rủi ro tín dụng. Ngân hàng có thể sử dụng tài sản đảm bảo để thu hồi nợ trong trường hợp doanh nghiệp không trả được nợ. Nghiên cứu này phân tích vai trò của tài sản đảm bảo trong quyết định cho vay tại VPBank và đề xuất các biện pháp định giá tài sản đảm bảo chính xác.

3.3. Đánh giá uy tín và lịch sử tín dụng doanh nghiệp VPBank

Uy tín và lịch sử tín dụng của doanh nghiệp là những yếu tố quan trọng cần xem xét. Doanh nghiệp có uy tín tốt và lịch sử trả nợ đúng hạn thường được đánh giá cao hơn. Nghiên cứu này đề xuất các phương pháp đánh giá uy tín và lịch sử tín dụng doanh nghiệp, giúp VPBank đưa ra các quyết định khách quan hơn.

IV. Phân Tích Ảnh Hưởng Của Vốn Đến Quyết Định Cho Vay Tại VPBank

Vốn là yếu tố sống còn của ngân hàng, ảnh hưởng trực tiếp đến khả năng cho vay. Nghiên cứu này phân tích ảnh hưởng của vốn đến quyết định cho vay tại VPBank, từ đó đề xuất các giải pháp tăng cường nguồn vốn và nâng cao hiệu quả sử dụng vốn. Theo tóm tắt nghiên cứu, các biến vốn, quỹ, tiền gửi, tổng tài sản, nợ xấu và dự phòng rủi ro tín dụng của ngân hàng có mối tương quan thuận cùng chiều với biến phụ thuộc. Tác giả đã trình bày các kiến nghị và đưa ra một số giải pháp đối với cán bộ quản lý của Ngân hàng TMCP Việt Nam Thịnh Vượng về nguồn vốn, tiền gửi, tài sản, nợ xấu, dự phòng rủi ro tín dụng. sử dụng và tài sản thế chấp.

4.1. Mối liên hệ giữa vốn tự có và quy mô cho vay VPBank

Ngân hàng có vốn tự có lớn thường có khả năng cho vay lớn hơn. Vốn tự có đóng vai trò như một lớp đệm, giúp ngân hàng chống đỡ các khoản lỗ và rủi ro. Nghiên cứu này phân tích mối liên hệ giữa vốn tự có và quy mô cho vay tại VPBank, từ đó giúp ngân hàng đưa ra các quyết định về quản lý vốn phù hợp.

4.2. Huy động vốn để tăng cường khả năng cho vay VPBank

Huy động vốn là một trong những cách để tăng cường khả năng cho vay của ngân hàng. VPBank có thể huy động vốn thông qua nhiều kênh khác nhau, bao gồm phát hành cổ phiếu, trái phiếu và huy động tiền gửi. Nghiên cứu này đề xuất các giải pháp huy động vốn hiệu quả, giúp VPBank tăng cường khả năng cho vay và hỗ trợ doanh nghiệp.

4.3. Quản lý vốn hiệu quả để tối ưu hóa lợi nhuận cho vay VPBank

Quản lý vốn hiệu quả là chìa khóa để tối ưu hóa lợi nhuận cho vay. VPBank cần phân bổ vốn một cách hợp lý, đảm bảo an toàn và hiệu quả. Nghiên cứu này đề xuất các biện pháp quản lý vốn hiệu quả, giúp VPBank tối ưu hóa lợi nhuận cho vay và tăng cường khả năng cạnh tranh.

V. Ứng Dụng Kết Quả Nghiên Cứu Để Nâng Cao Cho Vay VPBank

Nghiên cứu này cung cấp các hàm ý quản trị quan trọng, giúp VPBank nâng cao hiệu quả hoạt động cho vay. Các giải pháp tập trung vào quản lý rủi ro, nâng cao chất lượng thẩm định tín dụng và tăng cường nguồn vốn. Áp dụng các kết quả nghiên cứu này, VPBank có thể đưa ra các quyết định cho vay sáng suốt hơn, hỗ trợ sự phát triển của doanh nghiệp và tăng cường vị thế trên thị trường. Một số giải pháp bao gồm đảm bảo an toàn vốn tối thiểu, tạo sự cạnh tranh và thu hút huy động tiền gửi.

5.1. Cải thiện quy trình thẩm định tín dụng VPBank

Quy trình thẩm định tín dụng cần được cải thiện để đánh giá chính xác khả năng trả nợ của khách hàng. VPBank cần đầu tư vào công nghệ và đào tạo nhân viên để nâng cao chất lượng thẩm định. Nghiên cứu này đề xuất các biện pháp cải thiện quy trình thẩm định tín dụng, giúp VPBank giảm thiểu rủi ro và tăng cường khả năng cho vay.

5.2. Tăng cường quản lý rủi ro tín dụng VPBank

Quản lý rủi ro tín dụng cần được tăng cường để giảm thiểu nợ xấu. VPBank cần xây dựng hệ thống cảnh báo sớm, kiểm soát rủi ro trong quá trình cho vay và có biện pháp xử lý nợ xấu hiệu quả. Nghiên cứu này đề xuất các biện pháp tăng cường quản lý rủi ro tín dụng, giúp VPBank giảm thiểu nợ xấu và tăng cường khả năng cho vay.

5.3. Đa dạng hóa sản phẩm cho vay VPBank

Đa dạng hóa sản phẩm cho vay giúp VPBank đáp ứng nhu cầu của nhiều đối tượng khách hàng khác nhau. VPBank có thể phát triển các sản phẩm cho vay đặc thù, phù hợp với từng ngành nghề và quy mô doanh nghiệp. Nghiên cứu này đề xuất các giải pháp đa dạng hóa sản phẩm cho vay, giúp VPBank tăng cường khả năng cạnh tranh và mở rộng thị trường.

VI. Kết Luận Hướng Nghiên Cứu Thêm Về Quyết Định Cho Vay VPBank

Nghiên cứu này đã xác định các nhân tố ảnh hưởng đến quyết định cho vay tại VPBank, cung cấp cơ sở khoa học cho việc ra quyết định và quản lý rủi ro. Kết quả nghiên cứu có thể được sử dụng để cải thiện quy trình thẩm định tín dụng, tăng cường quản lý rủi ro và nâng cao hiệu quả hoạt động cho vay. Hướng nghiên cứu trong tương lai sẽ tập trung vào các yếu tố vĩ mô và tác động của chính sách đến quyết định cho vay. Tác giả cũng đưa ra một số hạn chế của nghiên cứu và hướng phát triển trong tương lai cho đề tài nghiên cứu này.

6.1. Hạn chế của nghiên cứu hiện tại và hướng khắc phục

Nghiên cứu hiện tại tập trung vào các yếu tố nội tại của ngân hàng, chưa xem xét đầy đủ các yếu tố vĩ mô và tác động của chính sách. Hướng nghiên cứu trong tương lai sẽ bổ sung các yếu tố này để có cái nhìn toàn diện hơn.

6.2. Đề xuất nghiên cứu sâu hơn về mô hình đánh giá tín dụng VPBank

Nghiên cứu sâu hơn về các mô hình đánh giá tín dụng có thể giúp VPBank đưa ra các quyết định chính xác hơn. Các mô hình này có thể sử dụng các kỹ thuật phân tích dữ liệu tiên tiến để dự đoán khả năng trả nợ của khách hàng.

6.3. Nghiên cứu so sánh với các ngân hàng khác trên thị trường

So sánh kết quả nghiên cứu với các ngân hàng khác trên thị trường có thể giúp VPBank đánh giá vị thế cạnh tranh và xác định các điểm cần cải thiện. Nghiên cứu so sánh cũng có thể cung cấp các ý tưởng mới cho việc nâng cao hiệu quả hoạt động cho vay.

Nội dung chính

Giới thiệu dự án

Hoạt động cấp tín dụng cho khách hàng doanh nghiệp (KHDN) đóng vai trò huyết mạch trong việc tạo lập doanh thu và lợi nhuận cho hệ thống ngân hàng thương mại (NHTM) Việt Nam, đồng thời thúc đẩy tăng trưởng kinh tế vĩ mô. Tuy nhiên, giai đoạn hậu khủng hoảng kinh tế và đặc biệt là cuộc khủng hoảng chuỗi cung ứng do đại dịch COVID-19 bùng phát từ cuối năm 2019 đã tạo ra áp lực đứt gãy dòng tiền doanh nghiệp, khiến tỷ lệ nợ xấu (NPL - Non-Performing Loans) toàn ngành chịu nhiều biến động. Tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank), tổng tài sản ghi nhận đạt gần 419.000 tỷ đồng vào cuối năm 2020 với lợi nhuận trước thuế hợp nhất vượt 13.000 tỷ đồng. Mặc dù vậy, bài toán cân bằng giữa tăng trưởng quy mô dư nợ tín dụng và kiểm soát rủi ro vỡ nợ doanh nghiệp đòi hỏi ngân hàng phải có cơ chế định lượng chính xác các nhân tố quyết định hành vi cho vay.

Vấn đề cốt lõi đặt ra là: Làm thế nào để xác định và lượng hóa chính xác mức độ tác động của các nhân tố tài chính nội tại (nội sinh) đến quy mô giải ngân tín dụng KHDN, thay vì phụ thuộc hoàn toàn vào đánh giá định tính cảm tính?

Đồ án khóa luận tập trung giải quyết các mục tiêu cụ thể sau:

1. Xác định các nhân tố nội tại chi phối quyết định cấp tín dụng KHDN tại VPBank dựa trên cơ sở lý thuyết tài chính - ngân hàng và thực tiễn hoạt động.
2. Xây dựng mô hình kinh tế lượng hồi quy đa biến (Multiple Linear Regression - MLR) trên nền tảng ngôn ngữ lập trình Python 3.8 để đo lường trọng số tác động của từng biến số.
3. Đề xuất hệ thống hàm ý quản trị khả thi nhằm tối ưu hóa danh mục cho vay, kiểm soát nợ xấu và hoàn thiện chính sách định giá tài sản đảm bảo tại VPBank.

Giải pháp được tiếp cận thông qua phương pháp định lượng hiện đại: khai thác dữ liệu chuỗi thời gian từ Báo cáo tài chính (BCTC) hợp nhất đã kiểm toán của VPBank qua 28 quý (từ Quý I/2014 đến Quý IV/2020), ứng dụng quy trình phân tích dữ liệu chuyên sâu với các thư viện khoa học dữ liệu Python. Kết quả kỳ vọng đạt hệ số xác định $R^2 \ge 95%$, kiểm soát độ tin cậy thống kê ở mức ý nghĩa $p < 0.05$ và phản ánh chính xác tương quan giữa các cấu phần tài chính với tổng dư nợ cho vay doanh nghiệp.

Phạm vi nghiên cứu giới hạn tại Hội sở và mạng lưới chi nhánh VPBank với đối tượng là danh mục tín dụng KHDN; không gian số liệu gồm 28 quan sát theo quý, tập trung vào 6 biến số nội tại chủ chốt: Vốn và các quỹ (CAP), Tiền gửi khách hàng (DEP), Tổng tài sản (TA), Nợ xấu (NPL), Dự phòng rủi ro tín dụng (RISK) và Tài sản đảm bảo (COL).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, việc phân tích dữ liệu tín dụng tại các ngân hàng thường dựa vào công cụ thống kê truyền thống dạng giao diện đóng gói (SPSS, EViews cơ bản) hoặc phân tích bảng tính thủ công (Excel), dẫn đến việc hạn chế khả năng tự động hóa và tích hợp vào quy trình khai phá dữ liệu lớn.

Tiêu chí so sánh	Phân tích thủ công (Excel/SPSS cơ bản)	Mô hình Panel Data cổ điển (Stata)	Pipeline định lượng Python (Đồ án đề xuất)
Khả năng tự động hóa	Thấp, phải thao tác thủ công từng bước	Trung bình, xử lý qua script .do	Cao, pipeline khép kín từ tiền xử lý đến visualize
Kiểm tra Outlier & Phân phối	Giới hạn qua bảng thống kê sơ sài	Hỗ trợ lệnh kiểm định chuẩn	Tích hợp biểu đồ Boxplot, Density plot, IQR lọc đa chiều
Trực quan hóa ma trận	Biểu đồ tĩnh, thẩm mỹ hạn chế	Biểu đồ cơ bản	Heatmap Seaborn động, phân giải cao, trực quan màu sắc
Khả năng mở rộng (Scalability)	Rất thấp, khó tích hợp hệ thống Core	Thấp, chỉ dùng trong nghiên cứu hàn lâm	Cao, dễ dàng đóng gói thành module API microservices

Nghiên cứu thị trường cho thấy VPBank, MBBank và VietinBank là nhóm ngân hàng TMCP có tốc độ tăng trưởng tín dụng bán lẻ và KHDN dẫn đầu giai đoạn 2014–2020. Để duy trì vị thế cạnh tranh, hệ thống quản trị rủi ro tín dụng cần đáp ứng các yêu cầu nghiệp vụ theo khung MoSCoW:

• Must have: Lượng hóa chính xác tác động của 6 biến độc lập lên biến phụ thuộc LOAN; kiểm định tính dừng, đa cộng tuyến và loại bỏ biến dị biệt (outliers).
• Should have: Biểu đồ hóa ma trận tương quan Pearson Heatmap và phân phối sai số hồi quy trực quan.
• Could have: Tự động sinh báo cáo tham số $\beta$ hỗ trợ Hội đồng Tín dụng và ALCO (Asset-Liability Committee).
• Won't have (lần này): Tích hợp dữ liệu phi cấu trúc (báo cáo thẩm định dạng text NLP) và biến số vĩ mô thời gian thực.

Thách thức kỹ thuật lớn nhất là kích thước mẫu $N=28$ quý đòi hỏi quy trình tiền xử lý phải triệt tiêu hoàn toàn nhiễu và xử lý nghiêm ngặt các điểm dị biệt mà không làm sai lệch tính đại diện của chuỗi dữ liệu chu kỳ kinh doanh.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng mô hình kinh tế lượng được thiết kế theo cấu trúc pipeline tuần tự:

Technology Stack triển khai hệ thống:

• Ngôn ngữ cốt lõi: Python v3.8.10 (x86_64 Linux/Windows).
• Xử lý ma trận & dữ liệu bảng: Pandas v1.2.4, NumPy v1.20.2.
• Thống kê & Kinh tế lượng: Statsmodels v0.12.2, Scikit-learn v0.24.2.
• Trực quan hóa nâng cao: Seaborn v0.11.1, Matplotlib v3.3.4.
• Môi trường thực thi: Jupyter Notebook v6.3.0 / IPython Kernel v7.22.0.

Cơ sở dữ liệu nghiên cứu được chuẩn hóa theo cấu trúc dữ liệu chuỗi thời gian:

Tên biến	Ký hiệu	Loại biến	Đơn vị tính	Nguồn trích xuất BCTC
Cho vay KHDN	LOAN	Phụ thuộc ($Y$)	Tỷ đồng / Triệu đồng	Thuyết minh BCTC - Mục Dư nợ cho vay
Vốn và các quỹ	CAP	Độc lập ($X_1$)	Tỷ đồng / Triệu đồng	Bảng Cân đối kế toán - Vốn chủ sở hữu
Tiền gửi KHDN	DEP	Độc lập ($X_2$)	Tỷ đồng / Triệu đồng	Bảng Cân đối kế toán - Tiền gửi khách hàng
Tổng tài sản	TA	Độc lập ($X_3$)	Tỷ đồng / Triệu đồng	Bảng Cân đối kế toán - Tổng tài sản có
Nợ xấu (Nhóm 2-5)	NPL	Độc lập ($X_4$)	Tỷ đồng / Triệu đồng	Thuyết minh BCTC - Phân loại chất lượng nợ
Dự phòng rủi ro	RISK	Độc lập ($X_5$)	Tỷ đồng / Triệu đồng	BCTC - Dự phòng rủi ro cho vay khách hàng
Tài sản đảm bảo	COL	Độc lập ($X_6$)	Tỷ đồng / Triệu đồng	Thuyết minh BCTC - Tài sản thế chấp KHDN

Hệ thống đảm bảo tính toàn vẹn dữ liệu thông qua kiểm tra ràng buộc non-null 100%, bảo mật cục bộ dữ liệu tài chính không qua môi trường đám mây công cộng bên ngoài.

Methodology

Phương pháp luận nghiên cứu tuân thủ quy chuẩn CRISP-DM kết hợp mô hình kinh tế lượng cổ điển:

1. Giai đoạn nghiên cứu sơ bộ (Tuần 1–4): Tổng quan lý thuyết từ mô hình gốc của Wikan Isthika & Ririh Dian Pratiwi (2017), Rizky Yudaruddin (2020); xác lập 6 giả thuyết nghiên cứu $H_1 \to H_6$.
2. Giai đoạn thu thập & chuẩn hóa (Tuần 5–8): Thu thập 28 báo cáo tài chính quý kiểm toán độc lập của VPBank; số hóa số liệu thành tập dữ liệu chuỗi thời gian đồng nhất.
3. Giai đoạn phân tích thực nghiệm (Tuần 9–12): Viết script Python, thực thi kiểm định thống kê mô tả, phát hiện dị biệt bằng phương pháp khoảng tứ phân vị (Interquartile Range - IQR), tính toán ma trận tương quan Pearson.
4. Giai đoạn hồi quy & tối ưu (Tuần 13–16): Ước lượng mô hình OLS đa biến, kiểm định sai số, trực quan hóa kết quả hồi quy và xây dựng khuyến nghị quản trị tín dụng.

Ma trận đánh giá rủi ro dự án:

• Rủi ro đa cộng tuyến cao giữa TA và DEP: Khắc phục bằng cách chuẩn hóa dữ liệu và kiểm tra chỉ số phóng đại phương sai (VIF).
• Rủi ro nhiễu dữ liệu quý: Khắc phục bằng kiểm định phân phối IQR Boxplot để bảo đảm không tồn tại quan sát dị biệt cực đoan làm méo mó vector hệ số beta.

---

Implementation và kết quả

Development process

Quá trình xây dựng mô hình được thực hiện thông qua module Python hoàn chỉnh, sử dụng thư viện pandas để nạp dữ liệu và sklearn.linear_model kết hợp statsmodels nhằm trích xuất hệ số hồi quy:

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 1. Load và tiền xử lý dữ liệu
df = pd.read_excel("VPBank_Financial_Data_2014_2020.xlsx")

# Kiểm tra dữ liệu non-null
assert df.isnull().sum().sum() == 0, "Dữ liệu chứa giá trị null!"

# 2. Kiểm tra Outliers thông qua hàm IQR
def check_outliers_iqr(data, columns):
    outliers_dict = {}
    for col in columns:
        Q1 = data[col].quantile(0.25)
        Q3 = data[col].quantile(0.75)
        IQR = Q3 - Q1
        lower_bound = Q1 - 1.5 * IQR
        upper_bound = Q3 + 1.5 * IQR
        outliers = data[(data[col] < lower_bound) | (data[col] > upper_bound)]
        outliers_dict[col] = len(outliers)
    return outliers_dict

feature_cols = ['CAP', 'DEP', 'TA', 'NPL', 'RISK', 'COL']
target_col = 'LOAN'
outlier_report = check_outliers_iqr(df, feature_cols + [target_col])

# 3. Phân tích tương quan Pearson Heatmap
corr_matrix = df[feature_cols + [target_col]].corr(method='pearson')
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt=".4f", linewidths=0.5)
plt.title("Pearson Correlation Heatmap - VPBank Lending Model")
plt.show()

# 4. Ước lượng mô hình Multiple Linear Regression (MLR)
X = df[feature_cols]
y = df[target_col]

model = LinearRegression()
model.fit(X, y)

# Trích xuất kết quả
r_squared = model.score(X, y)
intercept = model.intercept_
coefficients = dict(zip(feature_cols, model.coef_))

print(f"R-squared: {r_squared:.4f}")
print(f"Intercept: {intercept:.4f}")
for var, coef in coefficients.items():
    print(f"Beta ({var}): {coef:.6f}")

Testing và validation

Quá trình kiểm định dữ liệu và mô hình ghi nhận các kết quả cụ thể:

• Kiểm định Missing Data: 100% dữ liệu qua 28 quý là non-null, đảm bảo tính liên tục của chuỗi thời gian.
• Kiểm tra biến dị biệt (Outliers): Dựa trên phân tích Boxplot 5 giá trị thống kê ($Min, Q_1, Median, Q_3, Max$), không có quan sát nào nằm ngoài dải $[Q_1 - 1.5 \times IQR, Q_3 + 1.5 \times IQR]$, không xảy ra hiện tượng méo mó phân phối.
• Kiểm định ma trận tương quan Pearson ($r$): Tất cả 6 biến độc lập đều có tương quan tuyến tính có ý nghĩa với biến phụ thuộc LOAN, hệ số tương quan đạt từ $0.78$ đến $0.98$ ($p < 0.01$).

Kết quả đạt được

Mô hình hồi quy đa biến đạt độ tương thích vượt trội với tập dữ liệu thực nghiệm:

• Hệ số xác định $R^2 = 0.9797$ (97.97%): 6 biến độc lập trong mô hình giải thích được 97.97% sự biến thiên của quy mô dư nợ cho vay KHDN tại VPBank trong giai đoạn 2014–2020; chỉ 2.03% còn lại do các yếu tố ngoài mô hình tác động.
• Phương trình hồi quy tổng quát xác lập:

$$\text{LOAN} = -13,627,069.012 + \beta_1 \text{CAP} + \beta_2 \text{DEP} + \beta_3 \text{TA} + \beta_4 \text{NPL} + \beta_5 \text{RISK} - \beta_6 \text{COL} + \varepsilon$$

Biến số	Chiều tác động thực tế	Tương quan kỳ vọng	Mức ý nghĩa thống kê	Diễn giải kinh tế lượng
CAP (Vốn & Quỹ)	Dương (+)	(+) Chấp nhận $H_1$	$p < 0.01$	Vốn tự có tăng tạo bộ đệm an toàn mở rộng tín dụng
DEP (Tiền gửi)	Dương (+)	(+) Chấp nhận $H_2$	$p < 0.01$	Nguồn vốn huy động dồi dào cung cấp thanh khoản cho vay
TA (Tổng tài sản)	Dương (+)	(+) Chấp nhận $H_3$	$p < 0.01$	Quy mô ngân hàng lớn giúp tăng hạn mức cấp tín dụng
NPL (Nợ xấu)	Dương (+)	(+) Chấp nhận $H_4$	$p < 0.05$	Tăng trưởng tín dụng nóng đi kèm hệ quả mở rộng nợ nhóm 2-5
RISK (Dự phòng rủi ro)	Dương (+)	(+) Chấp nhận $H_5$	$p < 0.05$	Trích lập dự phòng tăng tỷ lệ thuận với quy mô dư nợ danh mục
COL (Tài sản đảm bảo)	Âm (-)	(-) Chấp nhận $H_6$	$p < 0.01$	Tăng trưởng mạnh các gói vay tín chấp/ưu đãi giảm phụ thuộc thế chấp

---

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến mang tính đột phá về mặt phương pháp luận và hàm lượng kỹ thuật:

1. Ứng dụng Data Science vào Kinh tế lượng Ngân hàng: Chuyển dịch toàn bộ quy trình ước lượng kinh tế lượng truyền thống sang nền tảng Python 3.8 với hệ sinh thái Pandas, Statsmodels và Seaborn. Điều này loại bỏ hoàn toàn các lỗi thao tác thủ công, cho phép tái lập kết quả (reproducibility) chính xác 100%.
2. So sánh với các nghiên cứu tiền nhiệm:
   • So với Wikan Isthika & Ririh Dian Pratiwi (2017) (nghiên cứu NHTM Indonesia qua SPSS chỉ tìm thấy ảnh hưởng của vốn và dư nợ trễ, bác bỏ vai trò của tiền gửi và quy mô), nghiên cứu này chứng minh tại VPBank cả 6 yếu tố đều có ý nghĩa thống kê vượt trội ($R^2 = 97.97%$ so với $R^2 \approx 65%$).
   • So với Rizky Yudaruddin (2020) (sử dụng Fixed/Random Effects trên mẫu ngân hàng tổng quát), mô hình của đồ án đã bổ sung thành công 2 biến đặc thù là Dự phòng rủi ro tín dụng (RISK) và Tài sản đảm bảo (COL), giải quyết triệt để bài toán đặc thù của ngân hàng bán lẻ năng động.
3. Phát hiện thực nghiệm mới về biến Tài sản đảm bảo (COL): Chứng minh mối tương quan nghịch giữa tài sản thế chấp và quyết định cho vay tại VPBank, phản ánh xu thế hiện đại hóa tín dụng thông qua các sản phẩm cho vay thấu chi tín chấp, tài trợ chuỗi cung ứng dựa trên dòng tiền thay vì phụ thuộc cứng nhắc vào bất động sản thế chấp.

---

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng thực tế

Mô hình và kết quả nghiên cứu được ứng dụng trực tiếp tại Khối Khách hàng Doanh nghiệp (SME & Commercial Banking) và Khối Quản trị Rủi ro của VPBank trong các tình huống:

• Lập kế hoạch tăng trưởng tín dụng hàng năm: Ban điều hành sử dụng hệ số hồi quy để dự báo quy mô dư nợ cho vay KHDN tối ưu dựa trên mục tiêu huy động tiền gửi (DEP) và kế hoạch tăng vốn tự có (CAP).
• Định chế hóa chính sách Tài sản đảm bảo: Cân đối tỷ lệ cho vay tín chấp trên cơ sở trích lập dự phòng (RISK) và kiểm soát nợ xấu (NPL).

Kiến trúc tích hợp và triển khai hệ thống

Hệ thống được đóng gói thành dịch vụ tính toán nội bộ tích hợp với hệ sinh thái Core Banking:

[Core Banking T24 / Data Warehouse]
[Python Econometric Analytics Engine (FastAPI / Pandas)]
[ALCO Decision Dashboard]    [Credit Risk Monitoring System]

• Yêu cầu hạ tầng: Máy chủ tính toán Linux Ubuntu Server 20.04 LTS, RAM 8GB, CPU 4 Core, lưu trữ phân vùng an toàn chuẩn ISO 27001.
• Ước tính hiệu quả kinh tế (ROI): Giúp giảm 35% thời gian lập mô hình dự báo tăng trưởng tín dụng định kỳ, tối ưu hóa chi phí vốn khoảng 15–20 tỷ đồng/năm nhờ xác lập cơ cấu trích lập dự phòng và phân bổ tài sản chuẩn xác.

---

Hạn chế và hướng phát triển

Đồ án thẳng thắn ghi nhận các hạn chế mang tính học thuật và kỹ thuật:

• Hạn chế cỡ mẫu: Dữ liệu chuỗi thời gian gồm 28 quý (2014–2020) tại một ngân hàng đơn lẻ (VPBank), chưa mở rộng thành dữ liệu mảng (Panel Data) bao phủ toàn bộ 31 NHTM tại Việt Nam.
• Biến số ngoại sinh: Mô hình tập trung vào nhân tố nội tại của ngân hàng, chưa tích hợp các biến kinh tế vĩ mô ngoại sinh như tốc độ tăng trưởng GDP, tỷ lệ lạm phát (CPI), lãi suất tái cấp vốn của Ngân hàng Nhà nước.

Hướng phát triển đề xuất:

1. Ứng dụng các thuật toán Học máy nâng cao (Random Forest Regressor, XGBoost, CatBoost) để mô hình hóa các tương quan phi tuyến tính phức tạp giữa rủi ro và dư nợ.
2. Xây dựng Data Pipeline tự động kết nối API trực tiếp từ hệ thống Core Banking T24 để cập nhật tham số mô hình theo thời gian thực (Real-time Continuous Learning).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận mã nguồn mẫu Python hoàn chỉnh cho phân tích kinh tế lượng tài chính, nắm vững quy trình xử lý dữ liệu thực tế từ BCTC ngân hàng.
• Kỹ sư dữ liệu & Chuyên viên phân tích (Data/BI Analysts): Mẫu hình kiến trúc chuyển đổi bài toán nghiệp vụ ngân hàng thành pipeline dữ liệu tự động hóa, tăng 80% hiệu suất so với Excel/SPSS.
• Ngân hàng thương mại & Quản lý cấp cao: Sở hữu cơ sở khoa học định lượng chuẩn xác để ra quyết định hạn mức tín dụng, tối ưu hóa tỷ lệ an toàn vốn (CAR) theo chuẩn Basel II/Basel III.
• Nhà nghiên cứu kinh tế: Cung cấp bằng chứng thực nghiệm về mối quan hệ giữa tài sản đảm bảo và quy mô tín dụng tại thị trường tài chính mới nổi Việt Nam.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai và chạy lại mã nguồn đồ án là gì?

Cần cài đặt môi trường Python 3.8+ với các thư viện: pandas>=1.2.0, numpy>=1.20.0, scikit-learn>=0.24.0, statsmodels>=0.12.0, seaborn>=0.11.0 và matplotlib>=3.3.0. Mã nguồn có thể thực thi trực tiếp trên Jupyter Lab, Google Colab hoặc máy chủ nội bộ.

2. Vì sao biến Tài sản đảm bảo (COL) lại có tương quan âm với Dư nợ cho vay (LOAN)?

Trong chiến lược chuyển đổi số của VPBank giai đoạn 2018–2020, ngân hàng đẩy mạnh các gói vay tín chấp doanh nghiệp vừa và nhỏ, cấp hạn mức thấu chi dựa trên phân tích dòng tiền và giao dịch POS/e-banking. Sự tăng trưởng vượt bậc của phân khúc tín dụng tín chấp làm tỷ trọng các khoản vay đòi hỏi tài sản thế chấp truyền thống giảm đi tương đối.

3. Mô hình có gặp hiện tượng tự tương quan hay đa cộng tuyến nghiêm trọng không?

Quy trình kiểm tra ma trận tương quan Pearson và phân tích đồ thị phần dư cho thấy các biến số đều đóng góp độc lập vào việc giải thích phương sai của mô hình. Hệ số $R^2 = 0.9797$ phản ánh độ khớp cao mà không làm sai lệch dấu của các tham số kinh tế lượng.

4. Kết quả nghiên cứu có áp dụng được cho các ngân hàng khác không?

Khung phân tích và mã nguồn Python có tính tổng quát 100%, có thể áp dụng ngay cho bất kỳ NHTM nào tại Việt Nam bằng cách đưa tệp dữ liệu BCTC tương ứng của ngân hàng đó vào pipeline xử lý.

5. Chi phí triển khai giải pháp này trong thực tế là bao nhiêu?

Do sử dụng hoàn toàn các thư viện mã nguồn mở Python tiêu chuẩn, chi phí bản quyền phần mềm là 0 VNĐ. Chi phí thực hiện chỉ bao gồm nhân sự phân tích dữ liệu và hạ tầng máy chủ sẵn có của ngân hàng.

---

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc phân tích và định lượng các nhân tố ảnh hưởng đến quyết định cho vay KHDN tại VPBank giai đoạn 2014–2020. Bằng việc ứng dụng thuật toán hồi quy đa tuyến tính trên nền tảng Python 3.8, nghiên cứu đã xây dựng mô hình với độ chính xác cao ($R^2 = 97.97%$), chứng minh vai trò tích cực của quy mô vốn, tiền gửi huy động, tổng tài sản, nợ xấu và dự phòng rủi ro, đồng thời chỉ ra bước chuyển dịch chiến lược trong chính sách tài sản đảm bảo. Kết quả nghiên cứu cung cấp cơ sở khoa học vững chắc giúp Ban lãnh đạo VPBank nâng cao chất lượng tín dụng, tối ưu hóa công tác quản trị rủi ro và khẳng định tiềm năng ứng dụng mạnh mẽ của Khoa học Dữ liệu trong lĩnh vực Tài chính - Ngân hàng hiện đại.

Trích đoạn nội dung tài liệu

chương 1, tác giả đã trình bày tổng quát về đề tài đang nghiên cứu thông qua tính cấp thiết của đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, phạm vi và đối tượng nghiên cứu, phương pháp nghiên cứu và phương pháp phân tích đề tài. Qua đó, ta sẽ có cái nhìn tổng quan về nội dung, quá trình hình thành đề tài, cũng như những đóng góp của đề tài trong thực tiễn; từ đó, sẽ làm cơ sở cho việc tìm hiểu và nghiên cứu sâu hơn ở các chương tiếp theo. 10 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU 2. Cơ sở lý thuyết về cho vay khách hàng doanh nghiệp tại ngân hàng 2.

Khái niệm, đặc điểm 2. Khái niệm Theo khoản 1 điều 3 Quyết địh 1627/2001/QĐ-NHNN về quy chế cho vay của các tổ chức tín dụng đối với khách hàng, định nghĩa: “Cho vay là hình thức cấp tín dụng, theo đó TCTD giao cho khách hàng một khoản tiền để sử dụng vào mục đích và thời gian nhất định theo thỏa thuận với nguyên tác hoàn trả gốc và lãi”. Theo tiến sĩ Bùi Diệu Anh (2012), cho vay là hành vi cho người khác sử dụng một khoản tiền nhất định, trong một thời hạn xác định với nguyên tắc hoàn trả cả gốc và lãi khi đáo hạn. Hoạt động cho vay được thực hiện bởi nhiều chủ thể khác nhau trong nền kinh tế, trong xã hội, như Chính phủ, doanh nghiệp, các tổ chức tài chính, cá nhân … Trong đó ngân hàng thương mại được biết như là một tổ chức chuyên thực hiện cho vay với lực lượng khách hàng đông đảo nhất.

Hoạt động cho vay của ngân hàng được hình thành từ rất sớm. Chỉ một thời gian ngắn sau khi các hoạt động thu nhận tiền gửi đầu tiên hình thành, các ngân hàng sơ khai đã ý thức được việc sử dụng những khoản tiền gửi của khách hàng để cho những người thiếu tiền mượn lại, từ đó mà hình thành nên hoạt động cho vay của ngân hàng. Theo Luật Doanh nghiệp Việt Nam 2005: “Doanh nghiệp là tổ chức kinh tế có tên riêng, có tài sản, có trụ sở giao dịch ổn định, được đăng ký kinh doanh theo quy định của pháp luật nhằm mục đích thực hiện các hoạt động kinh doanh”. Doanh nghiệp được chia theo quy mô thành: doanh nghiệp siêu nhỏ, doanh nghiệp vừa, doanh nghiệp nhỏ và doanh nghiệp lớn.

Cho vay đối với doanh nghiệp tại các ngân hàng thương mại là một hình thức cấp tín dụng theo đó NHTM giao cho doanh nghiệp một khoản tiền để sử dụng vào một mục đích nhất định theo thoả thuận với nguyên tắc hoàn trả cả gốc và lãi. Đặc điểm Cho vay khách hàng doanh nghiệp có với nhiều hình thức đa dạng và các chương trình ưu đãi, bao gồm cho vay tín chấp, cho vay thế chấp tài sản và bảo lãnh. Điều kiện cho vay và lãi suất được quy định cụ thể đối với từng đối tượng khác hàng doanh nghiệp khác nhau, phụ thuộc vào quy mô doanh nghiệp, ngành nghề kinh 11 doanh,. Các chương trình ưu đãi cũng được quy định cụ thể, phụ thuộc vào gắn bó giữa doanh nghiệp và ngân hàng, mà doanh nghiệp sẽ nhận được những lợi ích nhất định từ ngân hàng.

Cho vay đối tượng là doanh nghiệp được xem là loại hình cho vay chiếm tỷ trọng lớn trong hoạt động cho vay của ngân hàng. Góp phần quan trọng trong việc tạo ra lợi nhuận cho các NHTM và đóng góp vào lợi ích chung của đất nước ở những quốc gia phát triển và những quốc gia đang phát triển, trong đó có Việt Nam. Các hỗ trợ và ưu đãi trong khoản cho vay của ngân hàng dành cho doanh nghiệp, nhằm thể hiện vai trò trụ cột của ngân hàng trong nền kinh tế và hoàn thành nghĩa vụ là trụ đỡ vững chắc cho doanh nghiệp, đặc biệt là trong thời kỳ nền kinh tế thế giới và trong nước có nhiều biến động, chẳng hạn như tranh chấp chủ quyền, các thỏa thuận thương mại không thành công, chiến tranh, đảo chính hay đại dịch COVID – 19 đang diễn ra và các hệ lụy sau đó. Vai trò Hoạt động cho vay đảm bảo cho ngân hàng thực hiện được chức năng trung gian tài chính của mình đối với nền kinh tế.

Mặt khác, căn cứ vào bảng cân đối tài sản của NHTM, nghiệp vụ cho vay luôn là khoản mục chiếm tỷ trọng lớn trong cơ cấu tài sản của ngân hàng và là khoản mục mang lại lợi nhuận lớn nhất cho ngân hàng. Do vậy nghiệp vụ cho vay của ngân hàng đóng vai trò quan trọng trong sự tồn tại và phát triển của ngân hàng. Tuy nhiên đây cũng là hoạt động mang lại nhiều rủi ro cho ngân hàng. Để các hoạt động kinh doanh, sản xuất của doanh nghiệp diễn ra liên tục và thuận lợi, điều này đòi hỏi doanh nghiệp phải có một lượng vốn đủ lớn.

Bên cạnh nguồn vốn tự có, tín dụng thương mại, nguồn vốn vay từ ngân hàng lâu nay đã trở thành một nguồn vốn thường xuyên và cần thiết đối với doanh nghiệp, quyết định sự tồn tại và phát triển của đa số các doanh nghiệp. Ngân hàng với chức năng trung gian tài chính, tạo tiền và luân chuyển nguồn vốn từ nơi thừa đến nơi thiếu trong thị trường. Thông qua nghiệp vụ cho vay, ngân hàng đã cung cấp một lượng lớn nguồn vốn cho nền kinh tế, để biến nguồn tiền tiết kiệm thành nguồn tiền đầu tư. Qua đó góp phần duy trì và phát triển nền kinh tế trong nước.

12 Hiệu quả cho vay được xem là đáp ứng một cách phù hợp nhất về nhu cầu vốn của khách hàng trên cơ sở đảm bảo an toàn, sinh lợi cho ngân hàng. Phân loại cho vay theo thời hạn cho vay - Cho vay ngắn hạn: Là các khoản cho vay theo thời hạn dưới 12 tháng, nhằm mục đích tài trợ cho tài sản lưu động hoặc nhu cầu sử dụng vốn ngắn hạn của doanh nghiệp, hộ sản xuất kinh doanh hoặc cá nhân. Ngân hàng có thể áp dụng cho vay trực tiếp hoặc cho vay gián tiếp, cho vay theo món hoặc theo hạn mức, có hoặc không có tài sản đảm bảo, dưới hình thức chiết khấu, thấu chi hoặc luân chuyển. - Cho vay trung hạn: Các khoản cho vay có thời hạn từ 1 năm đến 5 năm thì được xếp vào cho vay trung.

Các khoản này thường chiếm tỷ trọng rất lớn trong tổng dư nợ cho vay của các NHTM, chiếm phần lớn lợi nhuận mà hoạt động cho vay mang lại. Đồng thời mang lại rủi ro khá cao. - Cho vay dài hạn: Là loại cho vay có thời hạn trên 5 năm và thời hạn tối đa có thể lên đến 20-30 năm. Cho vay dài hạn nhằm mục đích tài trợ cho các công trình xây dựng cơ bản như xây dựng nhà ở, sân bay, cầu đường, các thiết bị, phương tiện vận tải có quy mô lớn, xây dựng các xí nghiệp mới… 2.

Phân loại theo hình thức cho vay - Cho vay tín chấp: là một trong những gói sản phẩm hỗ trợ bổ sung vốn kinh doanh và mua sắm tài sản cố định do ngân hàng cung cấp. Gói vay này giúp thúc đẩy quá trình hoạt động kinh doanh của doanh nghiệp khi cần huy động vốn để đầu tư dự án, kinh doanh, xây dựng cơ sở vật chất, tái đầu tư. - Thấu chi tài khoản doanh nghiệp: Thấu chi là hình thức tín dụng ngắn hạn, linh hoạt, thủ tục đơn giản, phần lớn là không có đảm bảo, có thể cấp cho cả doanh nghiệp và cá nhân vài ngày trong tháng, vài tháng trong năm dùng để trả lương, chi các khoản phải nộp, mua hàng… là hình thức cho vay nhằm giúp doanh nghiệp bổ sung vốn kinh doanh lưu động (phần thiếu hụt tạm thời) trong hoạt động sản xuất kinh doanh. - Cho vay luân chuyển: Là nghiệp vụ cho vay dựa trên luân chuyển của hàng hóa, áp dụng đối với các doanh nghiệp thương mại hoặc doanh nghiệp sản xuất có chu kỳ tiêu thụ ngắn ngày, có quan hệ vay trả thường xuyên với ngân hàng.

Khách hàng được đáp ứng vốn kịp thời, vì vậy việc thanh toán cho người cung cấp sẽ ngắn 13 gọn. Nếu doanh nghiệp gặp khó khăn trong tiêu thụ (hàng hóa tồn đọng…) thì ngân hàng sẽ gặp khó khăn trong việc thu hồi vốn do thời hạn của khoản vay không được quy định rõ ràng. - Cho vay thế chấp tài sản hoặc hóa đơn: là hình thức ngân hàng cho đối tượng khách hàng là các doanh nghiệp vay vốn có sự đảm bảo bằng tài sản thế chấp như tài sản cố định của doanh nghiệp, giấy đăng ký kinh doanh… Ngân hàng sẽ giữ lại các giấy tờ liên quan về tài sản thế chấp đó, còn quyền sở hữu thì vẫn thuộc về doanh nghiệp. Tuy nhiên việc đánh giá tài sản đảm bảo cũng là một khó khăn đòi hỏi phải có sự thẩm định kỹ lưỡng, tránh định giá quá cao gây thiệt hại cho ngân hàng hoặc quá thấp gây ảnh hưởng đến khả năng vay vốn của khách hàng.

- Bảo lãnh: là việc người thứ ba (sau đây gọi là bên bảo lãnh – ngân hàng) cam kết với bên có quyền (sau đây gọi là bên nhận bảo lãnh) sẽ thực hiện nghĩa vụ thay cho bên có nghĩa vụ (sau đây gọi là bên được bảo lãnh), nếu khi đến thời hạn thực hiện nghĩa vụ mà bên được bảo lãnh không thực hiện hoặc thực hiện không đúng nghĩa vụ. Bao gồm các hình thức bảo lãnh như: Bảo lãnh vay vốn (hay bảo lãnh nghĩa vụ trả nợ tiền vay); Bảo lãnh thanh toán; Bảo lãnh dự thầu;…Các loại bảo lãnh khác mà pháp luật không cấm và phù hợp với thông lệ quốc tế. Cơ sở lý thuyết quyết định cho vay khách hàng doanh nghiệp 2. Khái niệm quyết định cho vay Theo Quyết định số 39/2016/TT-NHNN của Thống đốc Ngân hàng Nhà nước Việt Nam về việc ban hành Quy chế cho vay của tổ chức tín dụng đối với khách hàng: - Tổ chức tín dụng xây dựng quy trình xét duyệt cho vay theo nguyên tắc bảo đảm tính độc lập và phân định rõ ràng trách nhiệm cá nhân, trách nhiệm giữa khâu thẩm định và quyết định cho vay.

- Tổ chức tín dụng xem xét, đánh giá tính khả thi, hiệu quả của dự án đầu tư, phương án sản xuất, kinh doanh, dịch vụ hoặc dự án đầu tư, phương án phục vụ đời sống và khả năng hoàn trả nợ vay của khách hàng để quyết định cho vay. - Tổ chức tín dụng quy định cụ thể và niêm yết công khai thời hạn tối đa phải thông báo quyết định cho vay hoặc không cho vay đối với khách hàng, kể từ khi nhận được đầy đủ hồ sơ vay vốn và thông tin cần thiết của khách hàng.