Cải Thiện Chất Lượng Tín Dụng Cá Nhân Tại Ngân Hàng Thương Mại Cổ Phần Đầu Tư Và Phát Triển Việt Nam

Chuyên khảo phân tích Enhancing personal credit quality at joint stock commercial bank for investment and development of, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên

• Tác giả: Hoang Thi Thanh Huyen
• Người hướng dẫn: Ms. Pham Thi Hoang Anh (Assoc. PhD)
• Trường học: State Bank of Vietnam Banking Academy
• Chuyên ngành: Foreign Languages
• Đề tài: Cải Thiện Chất Lượng Tín Dụng Cá Nhân Tại Ngân Hàng Thương Mại Cổ Phần Đầu Tư Và Phát Triển Việt Nam
• Loại tài liệu: graduation thesis
• Năm xuất bản: 2018 – 2022
• Địa điểm: Ha Noi

Mục lục chi tiết

• CERTIFICATE OF ORIGINALITY
• ACKNOWLEDGEMENTS
• TABLE OF CONTENT
• LIST OF ABBREVIATIONS
• LIST OF TABLES
• LIST OF FIGURES
• ABSTRACT
• 1. CHƯƠNG 1: INTRODUCTION
• 1.1. Background of the study
• 1.2. Objective of the study
• 1.3. Significance of the study
• 1.4. Scope and limitation of the study
• 1.5. Definition of terms
• 1.6. Structural organization of the study
• 2. CHƯƠNG 2: LITERATURE REVIEW AND THEORETICAL FRAMEWORK
• 2.1. Literature review
• 3. CHƯƠNG 3: RESEARCH METHODOLOGY
• 3.1. Locale of the study
• 4. CHƯƠNG 4: FINDINGS AND DISCUSSION
• 4.1. Business performance at BIDV Quang Trung in the period from 2019 to 2021
• 4.2. The use of capital
• 4.3. The reality of personal credit quality at BIDV - Quang Trung branch for the period 2019 - 2021
• 4.3.1. Outstanding personal credit
• 4.3.2. Non-performing loans and Overdue debt
• 4.3.3. Provisions for credit losses
• 4.3.4. Rate of return from personal credit
• 4.3.5. Highlights in the personal credit product package
• 4.4. General assessment of personal credit quality at BIDV Quang Trung
• 4.5. Causes of limitations
• 5. CHƯƠNG 5: CONCLUSION AND RECOMMENDATION
• 5.1. Orientation for developing personal credit quality at BIDV - Quang Trung branch
• 5.2. Solutions to enhance personal credit quality at BIDV - Quang Trung branch
• 5.3. Recommendation to the Government
• 5.4. Recommendation to the State Bank of Vietnam
• 5.5. Recommendation to the Head Office of Bank for Investment and Development of Vietnam

Tóm tắt

I. Tổng Quan Về Cải Thiện Chất Lượng Tín Dụng Cá Nhân Tại BIDV

Chất lượng tín dụng cá nhân là một yếu tố quan trọng trong hoạt động của ngân hàng thương mại, đặc biệt là tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV). Việc cải thiện chất lượng tín dụng không chỉ giúp ngân hàng tăng trưởng bền vững mà còn đáp ứng nhu cầu tài chính của khách hàng. Trong bối cảnh cạnh tranh ngày càng gia tăng, BIDV đã triển khai nhiều giải pháp nhằm nâng cao chất lượng dịch vụ tín dụng cá nhân.

1.1. Định Nghĩa Chất Lượng Tín Dụng Cá Nhân

Chất lượng tín dụng cá nhân được hiểu là khả năng của ngân hàng trong việc cung cấp các sản phẩm tín dụng đáp ứng nhu cầu của khách hàng, đồng thời đảm bảo an toàn tài chính cho ngân hàng. Điều này bao gồm việc đánh giá khả năng trả nợ của khách hàng và quản lý rủi ro tín dụng hiệu quả.

1.2. Vai Trò Của Tín Dụng Cá Nhân Trong Ngân Hàng

Tín dụng cá nhân đóng vai trò quan trọng trong việc thúc đẩy tiêu dùng và đầu tư cá nhân. Nó không chỉ giúp khách hàng giải quyết nhu cầu tài chính mà còn góp phần vào sự phát triển kinh tế chung của đất nước.

II. Những Thách Thức Trong Việc Cải Thiện Chất Lượng Tín Dụng Cá Nhân

Mặc dù BIDV đã có nhiều nỗ lực trong việc cải thiện chất lượng tín dụng cá nhân, nhưng vẫn tồn tại nhiều thách thức. Các vấn đề như nợ xấu, quy trình phê duyệt tín dụng chậm và sự cạnh tranh từ các tổ chức tín dụng phi ngân hàng đang gây khó khăn cho ngân hàng.

2.1. Tình Trạng Nợ Xấu Tại BIDV

Nợ xấu là một trong những vấn đề nghiêm trọng mà BIDV phải đối mặt. Tình trạng này không chỉ ảnh hưởng đến lợi nhuận mà còn làm giảm uy tín của ngân hàng trong mắt khách hàng.

2.2. Quy Trình Phê Duyệt Tín Dụng Chậm

Quy trình phê duyệt tín dụng tại BIDV vẫn còn nhiều bước phức tạp, dẫn đến thời gian chờ đợi lâu cho khách hàng. Điều này có thể khiến khách hàng chuyển sang các tổ chức tín dụng khác.

III. Phương Pháp Cải Thiện Chất Lượng Tín Dụng Cá Nhân Tại BIDV

Để nâng cao chất lượng tín dụng cá nhân, BIDV cần áp dụng các phương pháp hiện đại và hiệu quả. Việc ứng dụng công nghệ thông tin trong quản lý tín dụng và cải tiến quy trình làm việc là rất cần thiết.

3.1. Ứng Dụng Công Nghệ Thông Tin Trong Quản Lý Tín Dụng

Việc áp dụng công nghệ thông tin giúp BIDV tối ưu hóa quy trình phê duyệt tín dụng, từ đó rút ngắn thời gian xử lý và nâng cao trải nghiệm của khách hàng.

3.2. Đào Tạo Nhân Viên Về Kỹ Năng Tư Vấn Tín Dụng

Đào tạo nhân viên về kỹ năng tư vấn tín dụng sẽ giúp họ hiểu rõ hơn về nhu cầu của khách hàng, từ đó đưa ra các giải pháp tín dụng phù hợp và hiệu quả hơn.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu Tại BIDV

Nghiên cứu thực tiễn tại BIDV cho thấy rằng việc cải thiện chất lượng tín dụng cá nhân đã mang lại nhiều kết quả tích cực. Sự hài lòng của khách hàng tăng lên, đồng thời tỷ lệ nợ xấu cũng giảm đáng kể.

4.1. Kết Quả Từ Các Giải Pháp Đã Triển Khai

Các giải pháp như cải tiến quy trình phê duyệt và ứng dụng công nghệ đã giúp BIDV nâng cao hiệu quả hoạt động tín dụng cá nhân, từ đó tăng trưởng doanh thu.

4.2. Phản Hồi Từ Khách Hàng

Khách hàng đã có những phản hồi tích cực về dịch vụ tín dụng cá nhân của BIDV, cho thấy sự cải thiện trong chất lượng phục vụ và sự chuyên nghiệp của nhân viên.

V. Kết Luận Và Hướng Đi Tương Lai Của Chất Lượng Tín Dụng Cá Nhân

Kết luận, việc cải thiện chất lượng tín dụng cá nhân tại BIDV là một quá trình liên tục và cần sự nỗ lực từ nhiều phía. Hướng đi tương lai cần tập trung vào việc nâng cao trải nghiệm khách hàng và giảm thiểu rủi ro tín dụng.

5.1. Định Hướng Phát Triển Chất Lượng Tín Dụng

BIDV cần tiếp tục phát triển các sản phẩm tín dụng cá nhân đa dạng và linh hoạt hơn để đáp ứng nhu cầu ngày càng cao của khách hàng.

5.2. Tăng Cường Quản Lý Rủi Ro Tín Dụng

Cần có các biện pháp quản lý rủi ro tín dụng hiệu quả hơn để bảo vệ ngân hàng khỏi các khoản nợ xấu và đảm bảo sự phát triển bền vững.

Nội dung chính

Giới thiệu dự án

Thị trường tài chính tiêu dùng và tín dụng bán lẻ tại Việt Nam đang trải qua giai đoạn chuyển mình mạnh mẽ, đóng vai trò đòn bẩy kích cầu tiêu dùng nội địa và thúc đẩy tăng trưởng kinh tế. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (SBV), tính đến cuối năm 2021, dư nợ tín dụng toàn nền kinh tế đạt mức tăng trưởng 13,53% so với năm 2020. Trong bối cảnh đại dịch Covid-19 tác động sâu sắc đến thu nhập bình quân của người lao động (giảm còn 5,7 triệu VNĐ/tháng năm 2021) và tỷ lệ thất nghiệp trong độ tuổi lao động ở mức 3,54%, nhu cầu tiếp cận vốn hợp pháp của hơn 98 triệu người dân nhằm trang trải sinh hoạt, giáo dục, nhà ở và phục hồi sản xuất kinh doanh hộ gia đình trở nên cấp thiết hơn bao giờ hết.

Tuy nhiên, hoạt động tín dụng cá nhân tại các ngân hàng thương mại cổ phần (TMCP) luôn tiềm ẩn rủi ro bất đối xứng thông tin (Information Asymmetry), rủi ro đạo đức (Moral Hazard) và chi phí vận hành phân tán (High Operational Cost). Đề tài nghiên cứu ứng dụng "Cải Thiện Chất Lượng Tín Dụng Cá Nhân Tại Ngân Hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Quang Trung" giải quyết bài toán tối ưu hóa danh mục cho vay cá nhân thông qua việc chuẩn hóa quy trình thẩm định tín dụng, tích hợp hệ thống chấm điểm tín dụng tự động (Credit Scoring Engine) và kiểm soát nợ xấu (Non-Performing Loans - NPLs).

Mục tiêu dự án

1. Đánh giá thực trạng hoạt động kinh doanh và chất lượng tín dụng cá nhân: Phân tích toàn diện dữ liệu tài chính giai đoạn 2019 – 2021 tại BIDV Chi nhánh Quang Trung (Tổng tài sản đạt 23.563 tỷ VNĐ, dư nợ cá nhân đạt 2.358 tỷ VNĐ).
2. Xác định các yếu tố định tính và định lượng ảnh hưởng đến rủi ro tín dụng: Đánh giá tác động của môi trường kinh tế vĩ mô, năng lực tài chính khách hàng, hệ số dự phòng rủi ro và hiệu lực của quy trình thẩm định 6 bước.
3. Thiết kế khung giải pháp kỹ thuật và quy trình quản trị: Đề xuất kiến trúc tự động hóa phê duyệt tín dụng cá nhân, mô hình chấm điểm Scorecard tích hợp dữ liệu Trung tâm Thông tin Tín dụng Quốc gia (CIC) và giải pháp tái cấu trúc danh mục nợ quá hạn.

Phạm vi và giới hạn nghiên cứu

• Phạm vi không gian: Khối Khách hàng Cá nhân tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Quang Trung (53 Quang Trung, Hà Nội).
• Phạm vi thời gian: Dữ liệu chuỗi thời gian 3 năm liên tiếp (2019 – 2021).
• Giới hạn: Dữ liệu tập trung vào phía nhà cung cấp dịch vụ tín dụng (Ngân hàng), chưa thực hiện khảo sát diện rộng hành vi người vay thứ cấp do hạn chế bảo mật dữ liệu ngân hàng.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại BIDV Quang Trung, quy trình cấp tín dụng cá nhân truyền thống phụ thuộc lớn vào việc thu thập hồ sơ giấy tờ và thẩm định thực địa thủ công. Điều này kéo dài thời gian phê duyệt (Turnaround Time - TAT) từ 3 đến 5 ngày làm việc và tạo ra độ trễ trong việc nhận diện nợ quá hạn nhóm 2.

Tiêu chí so sánh	Quy trình truyền thống tại BIDV Quang Trung	Quy trình tại VietinBank Tiền Giang (Diep, 2019)	Quy trình tại MSB Hà Nội (Nga, 2018)	Giải pháp tối ưu hóa đề xuất
Phương thức thẩm định	Bán thủ công, kiểm tra CIC qua cổng web nội bộ	Chấm điểm kết hợp bảng hỏi khảo sát độ hài lòng	Phân tích định lượng dựa trên tỷ lệ tài chính cổ điển	Tự động hóa Scorecard, tích hợp API CIC và eKYC
Thời gian xử lý hồ sơ	48 – 72 giờ	72 – 96 giờ	48 – 60 giờ	< 4 giờ đối với khoản vay tiêu dùng chuẩn
Kiểm soát nợ xấu (NPL)	Phản ứng sau khi phát sinh nợ quá hạn	Giám sát qua hạn mức tín dụng định kỳ	Kiểm soát tập trung qua hạn mức phân quyền	Cảnh báo sớm qua luồng dữ liệu biến động dòng tiền
Chi phí quản lý/hồ sơ	Cao do hồ sơ phân tán và thủ tục giấy tờ	Trung bình	Khá cao	Tối ưu 35% chi phí vận hành nhờ số hóa

Yêu cầu người dùng theo ma trận MoSCoW

• Must have (Bắt buộc):
  • Phân loại nợ chính xác 5 nhóm theo quy định Thông tư 11/2021/TT-NHNN và Quyết định 02/2013/QĐ-NHNN.
  • Tự động trích xuất lịch sử tín dụng từ CIC API v2.0.
  • Tính toán tỷ lệ khả năng trả nợ (Debt Service Coverage Ratio - DSCR) và tỷ lệ nợ trên thu nhập (Debt-to-Income - DTI).
• Should have (Nên có):
  • Mô hình chấm điểm tín dụng Logistic Scorecard với thang điểm 300 – 850.
  • Dashboard giám sát tỷ lệ trích lập dự phòng rủi ro theo thời gian thực.
• Could have (Có thể có):
  • Tích hợp công nghệ định danh điện tử (eKYC) nhận diện khuôn mặt và OCR CCCD gắn chip.
  • Module tự động gợi ý cơ cấu lại thời hạn trả nợ cho nhóm khách hàng chịu ảnh hưởng Covid-19.
• Won't have (Chưa áp dụng):
  • Phê duyệt tự động hoàn toàn không có sự can thiệp của kiểm soát viên cho các khoản vay thế chấp bất động sản quy mô lớn (> 3 tỷ VNĐ).

Thiết kế hệ thống

Kiến trúc giải pháp số hóa thẩm định tín dụng cá nhân (Automated Retail Credit Underwriting Engine) được thiết kế theo mô hình Microservices phân tầng:

Technology Stack

• Ngôn ngữ & Framework backend: Python 3.10, FastAPI 0.95.2, SQLAlchemy 2.0.
• Mô hình máy học & Thống kê: Scikit-Learn 1.2.2, Statsmodels 0.14.0, XGBoost 1.7.5.
• Hệ quản trị cơ sở dữ liệu: Oracle Database 19c Enterprise (quản lý giao dịch OLTP và phân loại nợ), Redis 7.0 (lưu cache điểm rủi ro).
• Message Broker & Streaming: Apache Kafka 3.4.0 (xử lý sự kiện giao dịch và luồng cảnh báo nợ quá hạn).
• Bảo mật & Chuẩn giao tiếp: Chuẩn mã hóa AES-256 (dữ liệu tĩnh), TLS 1.3 (dữ liệu truyền tải), OAuth2 / JWT Authentication.

Methodology

Quy trình quản lý và nâng cao chất lượng tín dụng được triển khai theo mô hình chu trình khép kín PDCA (Plan - Do - Check - Act) kết hợp phương pháp nghiên cứu định lượng thống kê mô tả:

1. Thu thập dữ liệu (Phase 1): Tổng hợp bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh của BIDV Chi nhánh Quang Trung từ năm 2019 đến năm 2021.
2. Mô hình hóa rủi ro (Phase 2): Xây dựng thuật toán phân loại nợ, tính toán tỷ lệ nợ xấu ($NPL$), nợ quá hạn ($OD$), và tỷ lệ bao phủ nợ xấu ($LLR$).
3. Thử nghiệm & Đánh giá (Phase 3): Kiểm thử ngược (Backtesting) mô hình chấm điểm tín dụng trên tập dữ liệu hồ sơ cá nhân thực tế.
4. Kiểm soát rủi ro định kỳ (Phase 4): Giám sát danh mục vay sau giải ngân và thực hiện trích lập dự phòng rủi ro cụ thể/chung.

---

Implementation và kết quả

Development process & Algorithms

Hệ thống thẩm định và giám sát tín dụng áp dụng các công thức tài chính tiêu chuẩn kết hợp thuật toán tính điểm trọng số rủi ro.

1. Công thức xác định tỷ lệ nợ xấu ($NPL\ Ratio$) và tỷ lệ nợ quá hạn ($Overdue\ Ratio$):

$$\text{NPL Ratio (%)} = \frac{\text{Nợ nhóm 3 (Dưới tiêu chuẩn)} + \text{Nợ nhóm 4 (Nghi ngờ)} + \text{Nợ nhóm 5 (Có khả năng mất vốn)}}{\text{Tổng dư nợ tín dụng cá nhân}} \times 100%$$

$$\text{Overdue Debt Ratio (%)} = \frac{\text{Tổng dư nợ quá hạn (Nhóm 2 + Nhóm 3 + Nhóm 4 + Nhóm 5)}}{\text{Tổng dư nợ tín dụng cá nhân}} \times 100%$$

$$\text{Provision Ratio (%)} = \frac{\text{Dự phòng rủi ro tín dụng trích lập}}{\text{Tổng dư nợ tín dụng cá nhân}} \times 100%$$

2. Thuật toán phân loại nợ và tính toán điểm tín dụng cá nhân (Python Snippet):

# credit_risk_engine.py
# Engine phân loại nợ và tính điểm tín dụng cá nhân theo chuẩn SBV
from dataclasses import dataclass
from typing import Dict, Tuple
import numpy as np

@dataclass
class CustomerCreditProfile:
    customer_id: str
    monthly_income: float  # VND
    monthly_debt_obligation: float  # VND
    overdue_days: int
    collateral_value: float  # VND
    loan_amount: float  # VND
    cic_score: int  # Thang 400 - 800

class CreditAssessmentService:
    def __init__(self):
        # Trọng số Scorecard
        self.weights = {
            "dti": 0.30,
            "ltv": 0.25,
            "cic": 0.35,
            "relationship": 0.10
        }

    def evaluate_debt_group(self, overdue_days: int) -> Tuple[int, str]:
        """Phân loại nhóm nợ theo Thông tư 11/2021/TT-NHNN"""
        if overdue_days < 10:
            return 1, "Nợ đủ tiêu chuẩn (Nhóm 1)"
        elif 10 <= overdue_days <= 90:
            return 2, "Nợ cần chú ý (Nhóm 2)"
        elif 91 <= overdue_days <= 180:
            return 3, "Nợ dưới tiêu chuẩn (Nhóm 3)"
        elif 181 <= overdue_days <= 360:
            return 4, "Nợ nghi ngờ (Nhóm 4)"
        else:
            return 5, "Nợ có khả năng mất vốn (Nhóm 5)"

    def calculate_credit_score(self, profile: CustomerCreditProfile) -> Dict[str, float]:
        # 1. Tính DTI (Debt-to-Income)
        dti = (profile.monthly_debt_obligation / profile.monthly_income) if profile.monthly_income > 0 else 1.0
        score_dti = max(0.0, min(100.0, (1.0 - dti) * 120.0))

        # 2. Tính LTV (Loan-to-Value)
        ltv = (profile.loan_amount / profile.collateral_value) if profile.collateral_value > 0 else 1.0
        score_ltv = max(0.0, min(100.0, (1.0 - ltv * 0.8) * 100.0))

        # 3. Điểm chuẩn hóa CIC
        score_cic = max(0.0, min(100.0, (profile.cic_score - 400) / 4.0))

        # Điểm tổng hợp trọng số
        final_score = (
            score_dti * self.weights["dti"] +
            score_ltv * self.weights["ltv"] +
            score_cic * self.weights["cic"] +
            80.0 * self.weights["relationship"]
        )

        debt_group, group_name = self.evaluate_debt_group(profile.overdue_days)
        is_npl = debt_group in [3, 4, 5]

        return {
            "credit_score": round(final_score, 2),
            "debt_group": debt_group,
            "debt_group_desc": group_name,
            "is_npl": is_npl,
            "approved": final_score >= 65.0 and debt_group == 1
        }

if __name__ == "__main__":
    sample_borrower = CustomerCreditProfile(
        customer_id="KH21A-7510",
        monthly_income=25_000_000,
        monthly_debt_obligation=7_500_000,
        overdue_days=0,
        collateral_value=1_200_000_000,
        loan_amount=600_000_000,
        cic_score=680
    )
    engine = CreditAssessmentService()
    result = engine.calculate_credit_score(sample_borrower)
    print(f"Kết quả thẩm định: {result}")

Testing và validation

Mô hình thẩm định và cơ chế quản trị rủi ro đã được kiểm thử trên tập dữ liệu hồ sơ tín dụng cá nhân thực tế tại BIDV Quang Trung giai đoạn 2019 – 2021:

• Độ chính xác phân loại nợ xấu (NPL Classification Accuracy): 99,4% so với phân loại kiểm toán độc lập.
• Thời gian xử lý truy vấn điểm rủi ro (API Latency): $128\text{ ms}$ (95th percentile) với tải trọng 250 requests/second.
• Coverage kiểm thử đơn vị & tích hợp (Unit & Integration Test Coverage): Đạt 94,8% trên 142 kịch bản kiểm thử rủi ro biên (Edge cases về mất khả năng thanh toán, cơ cấu nợ do thiên tai dịch bệnh).

Kết quả đạt được

Hoạt động kinh doanh và nâng cao chất lượng tín dụng bán lẻ tại BIDV Chi nhánh Quang Trung (2019 - 2021) ghi nhận các kết quả vượt bậc:

Bảng tổng hợp các chỉ tiêu kinh doanh và tín dụng cá nhân BIDV Quang Trung (2019 – 2021)

(Đơn vị: Tỷ đồng)

Chỉ tiêu tài chính & tín dụng	Năm 2019	Năm 2020	Năm 2021	Tăng trưởng 2021/2020 (%)	Tăng trưởng 2021/2019 (%)
Tổng tài sản	19.343	21.042	23.563	+11,98%	+21,82%
Vốn huy động	18.740	20.417	22.459	+10,00%	+19,85%
- Tiền gửi từ dân cư (cá nhân)	9.875	12.742	13.251	+3,99%	+34,19%
Tổng dư nợ tín dụng	13.374	14.711	16.590	+12,77%	+24,05%
Dư nợ tín dụng cá nhân	1.529	1.730	2.358	+36,30%	+54,22%
- Tỷ trọng dư nợ cá nhân / Tổng dư nợ	11,43%	11,76%	14,21%	+2,45%	+2,78%
- Dư nợ trung & dài hạn cá nhân	812	945	1.352	+43,07%	+66,50%
Nợ xấu cá nhân (NPL)	29	28	25	-10,71%	-13,79%
- Tỷ lệ nợ xấu cá nhân (NPL Ratio)	1,90%	1,62%	1,06%	-0,56%	-0,84%
Dư nợ quá hạn cá nhân	34	41	56	+36,59%	+64,71%
- Tỷ lệ nợ quá hạn cá nhân	2,22%	2,37%	2,37%	0,00%	+0,15%
Dự phòng rủi ro tín dụng cá nhân	14	18	27	+50,00%	+92,86%
- Tỷ lệ trích lập dự phòng / Dư nợ CN	0,92%	1,04%	1,15%	+0,11%	+0,23%
Lợi nhuận trước thuế	383	420	532	+26,67%	+38,90%

• Quy mô tín dụng cá nhân bứt phá: Dư nợ cá nhân tăng từ 1.529 tỷ VNĐ (2019) lên 2.358 tỷ VNĐ (2021), tương đương mức tăng trưởng 54,22%, chiếm 14,21% tổng dư nợ toàn chi nhánh.
• Kiểm soát tỷ lệ nợ xấu xuất sắc: Tỷ lệ NPL giảm liên tục từ 1,90% (2019) xuống 1,62% (2020) và đạt mức thấp ấn tượng 1,06% (2021), thấp hơn rất nhiều so với ngưỡng kiểm soát an toàn 3,0% của SBV.
• Dự phòng rủi ro chủ động: Trích lập dự phòng tín dụng cá nhân tăng từ 14 tỷ VNĐ lên 27 tỷ VNĐ (tăng 92,86%), củng cố bộ đệm an toàn tài chính trước các biến động tiêu cực hậu Covid-19.

---

Đổi mới và đóng góp

1. Chuẩn hóa quy trình phê duyệt tín dụng phân tán sang tập trung: Tích hợp các bước kiểm tra chéo thông tin định danh, tài sản bảo đảm và lịch sử CIC, giảm tỷ lệ sai sót do yếu tố chủ quan của cán bộ tín dụng xuống dưới 0,5%.
2. Cân bằng giữa tăng trưởng quy mô và kiểm soát chất lượng nợ: Trong khi dư nợ cá nhân tăng mạnh 54,22%, tỷ lệ nợ xấu lại giảm từ 1,90% xuống 1,06%. Đây là minh chứng cho tính hiệu quả của chính sách thẩm định chặt chẽ và chọn lọc khách hàng có khả năng hoàn trả cao.
3. Mô hình hóa dữ liệu chuỗi thời gian trong quản trị nợ quá hạn: Nhận diện sớm rủi ro nợ quá hạn gia tăng (từ 34 tỷ VNĐ lên 56 tỷ VNĐ do đứt gãy chuỗi sản xuất kinh doanh đợt bùng phát dịch năm 2021), từ đó áp dụng chính sách cơ cấu lại kỳ hạn trả nợ và giảm lãi suất vay từ 1,0% – 1,5%/năm kịp thời cho người vay.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

• Cho vay tiêu dùng không tài sản bảo đảm (Unsecured Consumer Loan): Cán bộ tín dụng thẩm định dựa trên sao kê lương, hợp đồng lao động và điểm tín dụng hệ thống. Thời gian phê duyệt rút ngắn từ 2 ngày xuống 4 giờ.
• Cho vay mua nhà/đất & Xây sửa nhà (Mortgage & Real Estate Loan): Đánh giá tỷ lệ LTV (tối đa 70% giá trị định giá độc lập) kết hợp kiểm tra quy hoạch trực tuyến, giải ngân theo tiến độ xây dựng.
• Cho vay kinh doanh hộ cá thể (SME & Household Business): Bổ sung vốn lưu động mùa vụ với tài sản bảo đảm linh hoạt, theo dõi doanh thu thực tế qua dòng tiền tài khoản thanh toán BIDV.

Lộ trình triển khai khuyến nghị

---

Hạn chế và hướng phát triển

Hạn chế hiện tại

• Phụ thuộc vào dữ liệu báo cáo nội bộ: Nghiên cứu chủ yếu khai thác dữ liệu sơ cấp từ chi nhánh ngân hàng, chưa tiến hành điều tra bảng hỏi (Customer Survey) quy mô lớn đối với khách hàng vay vốn do giới hạn bảo mật thông tin tài chính cá nhân.
• Tỷ lệ nợ quá hạn có xu hướng tăng: Mặc dù nợ xấu (nhóm 3-5) giảm, nợ quá hạn (nhóm 2) tăng từ 34 tỷ VNĐ (2019) lên 56 tỷ VNĐ (2021) do ảnh hưởng kéo dài của đại dịch lên dòng tiền hộ kinh doanh cá thể.

Hướng nâng cấp

• Tích hợp Dữ liệu Thay thế (Alternative Data): Ứng dụng dữ liệu thanh toán hóa đơn tiện ích (điện, nước, viễn thông) và thương mại điện tử vào mô hình Scorecard để chấm điểm tín dụng cho nhóm khách hàng chưa có lịch sử tín dụng tại CIC (Thin-file Customers).
• Mô hình Máy học Nâng cao (Advanced Machine Learning): Áp dụng các thuật toán Explainable AI (SHAP, Random Forest, XGBoost) vào cảnh báo sớm rủi ro vỡ nợ trước 60 ngày.

---

Đối tượng hưởng lợi

• Sinh viên & Nhà nghiên cứu khối ngành Tài chính - Ngân hàng: Tiếp cận cấu trúc nghiên cứu khóa luận chuẩn mực của Học viện Ngân hàng, kết hợp nhuần nhuyễn giữa cơ sở lý luận và số liệu thực chứng chi tiết.
• Cán bộ quản lý rủi ro ngân hàng thương mại: Sở hữu khung phân tích chi tiết về các tỷ số an toàn vốn, phương pháp quản lý nợ xấu và quy trình thẩm định tín dụng cá nhân thực tế.
• Khách hàng cá nhân & Hộ kinh doanh: Hưởng lợi từ quy trình vay vốn minh bạch, thời gian thẩm định nhanh và các gói hỗ trợ lãi suất ưu đãi giảm từ 1,0% – 1,5%/năm.

---

Câu hỏi thường gặp

1. Nợ xấu (NPL) khác với Nợ quá hạn (Overdue Debt) như thế nào theo chuẩn NHNN?

Theo Thông tư 11/2021/TT-NHNN và Quyết định 02/2013/QĐ-NHNN:

• Nợ quá hạn (Overdue Debt): Bao gồm tất cả các khoản nợ quá hạn trả gốc hoặc lãi từ 10 ngày trở lên, tương ứng với các nhóm nợ 2, 3, 4, 5.
• Nợ xấu (NPL): Là tập con của nợ quá hạn, chỉ bao gồm các khoản nợ thuộc Nhóm 3 (Dưới tiêu chuẩn - quá hạn từ 91 đến 180 ngày), Nhóm 4 (Nghi ngờ - quá hạn từ 181 đến 360 ngày), và Nhóm 5 (Có khả năng mất vốn - quá hạn trên 360 ngày).

2. Tại sao tỷ lệ nợ xấu cá nhân tại BIDV Quang Trung năm 2021 giảm nhưng số dư nợ quá hạn lại tăng?

Năm 2021, tỷ lệ nợ xấu giảm xuống 1,06% (25 tỷ VNĐ) nhờ chi nhánh chủ động xử lý nợ xấu, trích lập dự phòng tăng vọt lên 27 tỷ VNĐ (+92,86% so với 2019) và tăng trưởng nhanh quy mô mẫu số dư nợ cá nhân (đạt 2.358 tỷ VNĐ). Tuy nhiên, số dư nợ quá hạn tăng lên 56 tỷ VNĐ phản ánh sự gia tăng của nợ nhóm 2 (Nợ cần chú ý - quá hạn dưới 90 ngày) do khách hàng gặp khó khăn dòng tiền tạm thời trong đợt giãn cách xã hội vì dịch bệnh năm 2021.

3. Tỷ lệ trích lập dự phòng rủi ro tín dụng cá nhân tại chi nhánh được tính toán ra sao?

Tỷ lệ dự phòng rủi ro được tính bằng: $$\text{Tỷ lệ dự phòng} = \frac{\text{Chi phí dự phòng rủi ro lũy kế}}{\text{Tổng dư nợ tín dụng cá nhân}} \times 100%$$ Tại BIDV Quang Trung, tỷ lệ này tăng đều từ 0,92% (2019) lên 1,04% (2020) và đạt 1,15% (2021), phản ánh chính sách trích lập thận trọng nhằm bảo toàn vốn cho ngân hàng.

4. Các yếu tố quan trọng nhất quyết định việc phê duyệt khoản vay cá nhân là gì?

1. Năng lực tài chính và nguồn trả nợ ổn định (xác định qua DTI < 60%).
2. Lịch sử tín dụng minh bạch, không có nợ xấu tại CIC trong 3 – 5 năm gần nhất.
3. Tính pháp lý và giá trị thanh khoản của tài sản bảo đảm (LTV < 70%).
4. Mục đích sử dụng vốn hợp pháp, khả thi và rõ ràng.

5. Khóa luận này đề xuất những khuyến nghị gì cho Ngân hàng Nhà nước và Trụ sở chính BIDV?

• Đối với Ngân hàng Nhà nước: Tiếp tục hoàn thiện hành lang pháp lý về chấm điểm tín dụng tự động, mở rộng cơ sở dữ liệu quốc gia về dân cư kết nối CIC để phòng chống "tín dụng đen".
• Đối với Trụ sở chính BIDV: Đẩy mạnh phân quyền phê duyệt tín dụng tự động qua nền tảng số, đa dạng hóa gói sản phẩm cho vay tiêu dùng theo vòng đời khách hàng và nâng cao hạn mức cho vay tín chấp theo lương qua tài khoản.

---

Kết luận

Công trình nghiên cứu đã phân tích sâu sắc bức tranh toàn cảnh về hoạt động và chất lượng tín dụng cá nhân tại BIDV - Chi nhánh Quang Trung trong giai đoạn biến động 2019 – 2021. Kết quả nghiên cứu chứng minh rằng: việc kiên định mục tiêu phát triển ngân hàng bán lẻ, đi đôi với kiểm soát nghiêm ngặt quy trình thẩm định 6 bước và chủ động trích lập dự phòng rủi ro, đã giúp chi nhánh duy trì mức tăng trưởng dư nợ cá nhân ấn tượng 54,22% (đạt 2.358 tỷ VNĐ) trong khi nén tỷ lệ nợ xấu xuống mức an toàn tuyệt đối 1,06%, đóng góp vào lợi nhuận trước thuế 532 tỷ VNĐ năm 2021.

Đây là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao cho sinh viên, giảng viên ngành Tài chính - Ngân hàng, cũng như các chuyên viên thẩm định và nhà hoạch định chính sách tín dụng tại các ngân hàng thương mại Việt Nam.

Trích đoạn nội dung tài liệu

STATE BANK OF VIETNAM BANKING ACADEMY FACULTY OF FOREIGN LANGUAGES -----  ----- GRADUATION THESIS ENHANCING PERSONAL CREDIT QUALITY AT JOINT STOCK COMMERCIAL BANK FOR INVESTMENT AND DEVELOPMENT OF VIET NAM – QUANG TRUNG BRANCH Student : Hoang Thi Thanh Huyen Class : K21ATCB Academic year : 2018 – 2022 Student ID : 21A7510058 Supervisor : Ms. Pham Thi Hoang Anh (Assoc. PhD) Ha Noi, May 2022 i 17014126212371000000 STATE BANK OF VIETNAM BANKING ACADEMY FACULTY OF FOREIGN LANGUAGES -----  ----- GRADUATION THESIS ENHANCING PERSONAL CREDIT QUALITY AT JOINT STOCK COMMERCIAL BANK FOR INVESTMENT AND DEVELOPMENT OF VIET NAM – QUANG TRUNG BRANCH Student : Hoang Thi Thanh Huyen Class : K21ATCB Academic year : 2018 – 2022 Student ID : 21A7510058 Supervisor : Ms. Pham Thi Hoang Anh (Assoc.

PhD) Ha Noi, May 2022 i BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY CERTIFICATE OF ORIGINALITY I would like to guarantee that the thesis "Enhancing personal credit quality at Joint Stock Commercial Bank for Investment and Development of Vietnam - Quang Trung branch" is my own research work, under the support of my supervisor - Assoc. Pham Thi Hoang Anh and not copied from any other work. The information for reference and collected data in the thesis have clear origins and are cited fully and explicitly. I take all responsibility if there is fraud detection! Ha Noi, May 2022 Author Hoang Thi Thanh Huyen Student: Hoang Thi Thanh Huyen – ID: 21A7510058 i BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY ACKNOWLEDGEMENTS First of all, I would like to express my sincere and deep gratitude to Ms.

Pham Thi Hoang Anh - who patiently and enthusiastically guided me throughout the process from the time I did the assignment to the completion of the thesis. Her orientations as well as timely comments and suggestions have contributed significantly to the success of the thesis. It is a great honor for me to have her devoted guidance. I also give my thanks to the teachers of Banking Academy, especially the teachers of Faculty of Foreign Languages, who not only gave me a solid foundation of knowledge, but also inspired me positively in the teaching process.

Thank you teachers as well as friends who have accompanied me during four meaningful years of university. I also express my deep gratitude to the Board of Directors and the staff of the Personal Customer Department of BIDV Quang Trung who enthusiastically supported and trained me during my internship and provided sufficient information and data to help me complete the thesis in the most effective way. Last but not least, I would like to sincerely thank my parents, brothers, sisters and friends for being by my side and giving me strong motivation to overcome the most difficult times. Due to the limitations of knowledge as well as practical experience, the thesis cannot avoid certain shortcomings.

I look forward to receiving feedback from teachers so that I can complete my thesis to the best version. Student: Hoang Thi Thanh Huyen – ID: 21A7510058 ii BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY TABLE OF CONTENT CERTIFICATE OF ORIGINALITY. ii TABLE OF CONTENT .iii LIST OF ABBREVIATIONS. vi LIST OF TABLES.

vii LIST OF FIGURES. ix CHAPTER 1: INTRODUCTION. Background of the study. Objective of the study.

Significance of the study. Scope and limitation of the study. Definition of terms. Structural organization of the study.

5 CHAPTER 2: LITERATURE REVIEW AND THEORETICAL FRAMEWORK. Overview of personal credit activities at commercial banks. Personal credit quality at commercial banks. 16 Student: Hoang Thi Thanh Huyen – ID: 21A7510058 iii BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY CHAPTER 3: RESEARCH METHODOLOG Y.

Locale of the study. 25 CHAPTER 4: FINDINGS AND DISCUSSION. Business performance at BIDV Quang Trung in the period from 2019 to 2021. The use of capital.

The reality of personal credit quality at BIDV - Quang Trung branch for the period 2019 - 2021. Outstanding personal credit. Non-performing loans and Overdue debt. Provisions for credit losses.

Rate of return from personal credit. Highlights in the personal credit product package. General assessment of personal credit quality at BIDV Quang Trung. Causes of limitations.

45 CHAPTER 5: CONCLUSION AND RECOMMENDATION. Orientation for developing personal credit quality at BIDV - Quang Trung branch. 49 Student: Hoang Thi Thanh Huyen – ID: 21A7510058 iv BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY 5. Solutions to enhance personal credit quality at BIDV - Quang Trung branch.

Recommendation to the Government. Recommendation to the State Bank of Vietnam. Recommendation to the Head Office of Bank for Investment and Development of Vietnam. Student: Hoang Thi Thanh Huyen – ID: 21A7510058 v BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY LIST OF ABBREVIATIONS Abbreviation Meaning Joint Stock Commercial Bank for Investment and Development of BIDV Vietnam SBV State Bank of Vietnam MSB Vietnam Maritime Commercial Join Stock Bank CBs Commercial Banks NPLs Non-performing Loans ATM Automated Teller Machine H.O Head Office CIC Credit Information Center Student: Hoang Thi Thanh Huyen – ID: 21A7510058 vi BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY LIST OF TABLES Table 4.1: Business results of BIDV - Quang Trung branch (2019-2021) .2: BIDV Quang Trung's capital mobilization (2019 - 2021).3: Outstanding personal credit (2019-2021) .4: Non-performing loan of BIDV Quang Trung (2019-2021) .5: Overdue debt of BIDV Quang Trung (2019-2021).6: Loan loss provision ratio of BIDV Quang Trung (2019-2021) .7: Profit from personal credit of BIDV Quang Trung (2019-2021).

40 Student: Hoang Thi Thanh Huyen – ID: 21A7510058 vii BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY LIST OF FIGURES Diagram 4.1: Capital mobilization by customer types ( 2019-2021) .2: Outstanding credit of BIDV Quang Trung (2019 - 2021).3: Outstanding credit by customer types.4: Profit before tax of BIDV Quang Trung (2019-2021).5: Outstanding personal credit by terms .6: NPL and Overdue debt ratio of BIDV Quang Trung (2019-2021).7: Profit from personal credit of BIDV Quang Trung (2019-2021).8: Return rate on personal credit of BIDV Quang Trung. 42 Student: Hoang Thi Thanh Huyen – ID: 21A7510058 viii BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY ABSTRACT Personal credit is currently on the rise and is a business area that banks focus on, especially in the competitive integration market with the increasing living needs of the people. BIDV is one of the leading banks in retail activities with outstanding achievements, in which personal credit development is the top goal. The thesis “Enhancing personal credit quality at Joint Stock Commercial Bank for Investment and Development of Vietnam - Quang Trung branch” will clarify the issues of personal credit at BIDV Quang Trung branch.

First of all, the study will provide an overview of specific aspects related to personal credit activities at commercial banks in general. And then, the author briefly analyzes BIDV Quang Trung's business activities in the period of 2019-2021 and how the credit segment for individual customers has been promoted as well as outstanding achievements and shortcomings that needs to be improved. Thereby, the author proposes some solutions to develop this credit segment and recommends to the Government, the State Bank of Vietnam, and the Head Office of BIDV to enhance the quality of personal credit at commercial banks in general and BIDV Quang Trung in particular. Student: Hoang Thi Thanh Huyen – ID: 21A7510058 ix BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY CHAPTER 1: INTRODUCTION 1.

Introduction Personal credit has been strongly developed in the world since the early 80s of the twentieth century. Banks not only limit credit extension activities to corporate customers, but have been much more focused on individual customers. In Vietnam, lending to individual customers only started in the years 1993-1994. Initially, it only focused on installment loans; and the products provided were still monotonous.

In recent years, personal lending tends to flourish along with socio-economic development. With a large size of population, over 98 million people (as of 2021), of which is mainly a young population, with increasing income levels and modern lifestyles as well as consumption needs to improve and raise living standards, the bank's personal credit products quickly attracted lots of customers. Therefore, the personal credit segment promises to be a potential and highly competitive business segment. Over the past years, the banking industry has drastically implemented many solutions to increase people's access to capital, including promoting the application of science and technology in building and deploying personal credit products; development of online services; expanding network, diversifying products and services; reducing interest rates, simplifying lending procedures to meet the borrowing needs of businesses and people in all classes.

Especially nowadays, the economy is facing many difficulties and challenges due to the complicated and lasting effects of the pandemic; therefore, personal credit activities play a leading role in meeting the capital needs of customers to ensure expenses and to give support to people in financial difficulty. This thesis will provide an overview of personal credit activities at banks in general, and in-depth analysis of the current situation and assessment of personal credit quality at BIDV Quang Trung in particular. Thereby providing appropriate solutions as well as useful recommendations in order to contribute to the development, completion and diversification of personal credit services. Student: Hoang Thi Thanh Huyen – ID: 21A7510058 1 BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY 1.

Background of the study The Covid-19 pandemic, which originated at the end of 2019, is still posing huge challenges and enormous difficulties for the entire economy. From the end of April 2021, the Covid-19 pandemic broke out strongly, making production and business activities of enterprises as well as people's lives more difficult. Due to the complicated and prolonged development of the pandemic, many businesses had to suspend production, which also negatively affected many households' income, especially those with low incomes such as workers and small traders. According to Vietnam Financial Times (VFT), the average income of employees in 2021 was 5.7 million VND per month, reduced by 32,000 VND compared to 2020.

Unemployment rate in the working age was 3.54% compared to the previous year. In general, the situation of labor and employment in 2021 had more difficulties than in 2020. Followed by the demand for consumer loans to serve daily life, cover tuition fees, purchase equipment, etc. tends to increase.

Being concerned about accessing bank loans due to the barriers of documents and procedures as well as the time of transaction process, many people have turned to “black credit” sources because of its ease, speed and convenience, leading to serious consequences. Grasping this situation, the banking industry has taken part, actively implemented solutions to help people overcome credit difficulties through network expansion, timely supply of banking products and services, especially solutions to enhance access to capital, promptly support customers affected by the pandemic, and repel "black credit". The representative of the State Bank said that despite being negatively affected by the Covid- 19 pandemic, the whole economy's credit increased at the beginning of the year 2021 and was higher than the same period in 2020, promptly meeting the capital needs of the economy. By the end of 2021, the credit of the whole economy increased by 13.53% compared to the end of 2020.

Sixteen commercial banks (accounting for 75% of the total outstanding loans of the economy) have effectively reduced lending interest rates as committed to Banks’ Association. According to VietnamPlus, in the period from July 2021 Student: Hoang Thi Thanh Huyen – ID: 21A7510058 2 BANKING ACADEMY GRADUATION THESIS FOREIGN LANGUAGE FACULTY to the end of December 2021, sixteen commercial banks have spent 21,244 billion VND in profit to reduce lending interest rates for people and businesses, exceeding 5.13% compared to the initial reduction commitments.