Giới thiệu dự án

Trong bối cảnh nền kinh tế phục hồi mạnh mẽ với mục tiêu tăng trưởng tín dụng toàn ngành ngân hàng đạt 14%, số liệu từ Ngân hàng Nhà nước (NHNN) ghi nhận mức tăng trưởng tín dụng quý 1 đạt 5,04% (vượt trội so với mức 2,16% cùng kỳ năm trước). Nhu cầu tiếp cận vốn của các doanh nghiệp vừa và nhỏ (SME) cũng như các doanh nghiệp sản xuất kinh doanh tăng đột biến. Tuy nhiên, hoạt động cấp tín dụng của các Ngân hàng Thương mại Cổ phần (NHTM) luôn đối mặt với rủi ro bất cân xứng thông tin (Information Asymmetry) và rủi ro nợ xấu phát sinh từ các báo cáo tài chính (BCTC) thiếu minh bạch.

Nghiên cứu ứng dụng "Hoàn thiện công tác phân tích tài chính khách hàng doanh nghiệp trong hoạt động tín dụng tại Ngân hàng TMCP Quân đội (MBBank) - Chi nhánh Hoàng Mai" được xây dựng nhằm giải quyết các điểm nghẽn cốt lõi trong quy trình thẩm định tín dụng doanh nghiệp.

+-----------------------------------------------------------------------------------+
|                           VẤN ĐỀ VÀ THÁCH THỨC NGHIỆP VỤ                          |
+-----------------------------------------------------------------------------------+
| 1. Báo cáo tài chính doanh nghiệp vừa và nhỏ thiếu chuẩn hóa, độ tin cậy chưa cao.|
| 2. Phân tích định tính còn chiếm tỷ trọng lớn, thiếu khung đo lường tự động.      |
| 3. Rủi ro dòng tiền tiềm ẩn: Doanh nghiệp báo lãi nhưng mất cân đối thanh khoản.  |
| 4. Kiểm soát mục đích sử dụng vốn vay và vốn lưu động ròng chưa thực sự chặt chẽ. |
+-----------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận và chuẩn mực phân tích tài chính khách hàng doanh nghiệp (KHDN) theo khung Basel II/III và quy định nội bộ số 3099/QĐ-HS của MBBank.
  2. Đánh giá toàn diện thực trạng thẩm định tài chính doanh nghiệp tại MBBank Chi nhánh Hoàng Mai giai đoạn 2019–2021.
  3. Chuẩn hóa thuật toán tính toán 4 nhóm chỉ số tài chính, phương pháp phân tích DuPont đa bước, và công thức kiểm định "Cân đối tiền hàng" để ngăn chặn hiện tượng đảo nợ hoặc dùng sai mục đích vốn vay.
  4. Triển khai thẩm định thực nghiệm trên case study thực tế: Công ty Cổ phần Ngân Sơn (Doanh thu >655 tỷ đồng).

Phạm vi và giới hạn

  • Không gian: Ngân hàng TMCP Quân đội – Chi nhánh Hoàng Mai (phân khúc KHDN SME và Mid-Corp).
  • Thời gian nghiên cứu: Chuỗi dữ liệu BCTC và chỉ tiêu tín dụng 2019–2021, cập nhật quý 1/2022.
  • Giới hạn kỹ thuật: Tập trung vào phân tích định lượng báo cáo tài chính kết hợp dữ liệu kiểm tra chéo (CIC, ngành, hóa đơn đầu vào/đầu ra).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các NHTM hiện nay, quy trình thẩm định tài chính khách hàng doanh nghiệp được triển khai qua nhiều hình thức khác nhau. Bảng so sánh dưới đây làm rõ ưu và nhược điểm của các phương pháp:

Phương pháp Cơ chế thực hiện Ưu điểm Nhược điểm
Thẩm định truyền thống Cán bộ tín dụng (CBTD) đọc BCTC thủ công, lập tờ trình trên Excel cơ bản Linh hoạt theo từng hồ sơ, không đòi hỏi hạ tầng công nghệ phức tạp Dễ sai sót chủ quan, không kiểm soát được dòng tiền thực tế, tốn thời gian
Chấm điểm định lượng đơn thuần (Scorecard) Nhập các chỉ số vào phần mềm chấm điểm tín dụng chung Nhanh chóng, chuẩn hóa được thang điểm rủi ro Bỏ qua yếu tố mùa vụ, không phát hiện được thủ thuật làm đẹp số liệu BCTC
Khung phân tích đa chiều MB Hoàng Mai (Đề xuất) Tích hợp phân tích biến động, DuPont, OCF, Vốn lưu động ròng & Cân đối tiền hàng Phát hiện chính xác nguy cơ mất khả năng thanh toán, kiểm tra chéo dòng tiền Yêu cầu chuẩn hóa dữ liệu đầu vào và năng lực phân tích chuyên sâu của CBTD

Yêu cầu người dùng đối với hệ thống/quy trình được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Tái cấu trúc BCTC theo mẫu ngân hàng; tính toán tự động 4 nhóm chỉ số (Thanh khoản, Hoạt động, Cơ cấu vốn, Sinh lời); tính toán Vốn lưu động ròng ($NWC$) và Cân đối tiền hàng.
  • Should-have (Cần có): Phân tích 3 chiều Báo cáo Lưu chuyển tiền tệ (OCF, ICF, FCF) để dự báo dòng tiền 12 tháng tiếp theo.
  • Could-have (Có thể có): Cảnh báo tự động các khoản mục biến động đột biến $>10%$ trên Bảng cân đối kế toán.
  • Won't-have (Chưa áp dụng): Phê duyệt tự động hóa 100% không qua kiểm tra thực địa của CBTD.

Thiết kế hệ thống

Kiến trúc quy trình phân tích tài chính KHDN tại MBBank Hoàng Mai được chuẩn hóa gồm 5 module chức năng liên kết chặt chẽ:

[Module 1: Tiếp nhận & Làm sạch dữ liệu BCTC]
[Module 2: Tái cấu trúc Bảng CĐKT & BCKQHĐKD]
[Module 3: Phân tích Định lượng (Tỷ số tài chính + Mô hình DuPont)]
[Module 4: Kiểm định Dòng tiền & Cân đối nguồn vốn (NWC, Cash Balance)]
[Module 5: Xếp hạng tín dụng nội bộ & Đề xuất Hạn mức/Lãi suất]

Để lưu trữ và xử lý tự động các chỉ tiêu tài chính phục vụ thẩm định, lược đồ cơ sở dữ liệu quan hệ được thiết kế theo cấu trúc SQL chuẩn:

-- Bảng lưu trữ thông tin tài chính định kỳ của KHDN
CREATE TABLE corporate_financial_data (
    record_id VARCHAR(36) PRIMARY KEY,
    customer_cif VARCHAR(20) NOT NULL,
    fiscal_year INT NOT NULL,
    short_term_assets DECIMAL(18, 2) NOT NULL,
    inventories DECIMAL(18, 2) NOT NULL,
    accounts_receivable DECIMAL(18, 2) NOT NULL,
    cash_and_equivalents DECIMAL(18, 2) NOT NULL,
    short_term_liabilities DECIMAL(18, 2) NOT NULL,
    total_debt DECIMAL(18, 2) NOT NULL,
    owners_equity DECIMAL(18, 2) NOT NULL,
    net_revenue DECIMAL(18, 2) NOT NULL,
    cost_of_goods_sold DECIMAL(18, 2) NOT NULL,
    operating_profit DECIMAL(18, 2) NOT NULL,
    net_profit_after_tax DECIMAL(18, 2) NOT NULL,
    operating_cash_flow DECIMAL(18, 2) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

Quy trình phát triển và hoàn thiện nghiệp vụ áp dụng phương pháp kiểm soát rủi ro phân lớp kết hợp chu trình PDCA (Plan - Do - Check - Act):

  • Thu thập dữ liệu chéo: Kết hợp hồ sơ pháp lý, BCTC 2–3 năm liền kề, sao kê tài khoản ngân hàng, hợp đồng kinh tế lớn (tối thiểu 02 hợp đồng đầu vào/đầu ra), chi tiết công nợ tài khoản 131 và 331.
  • Kế hoạch kiểm soát rủi ro:
    • Rủi ro sai lệch số liệu: Đối chiếu BCTC nộp cơ quan thuế và BCTC kiểm toán với số liệu tờ khai VAT định kỳ.
    • Rủi ro chiếm dụng vốn: Đánh giá chu kỳ chuyển đổi tiền mặt (Cash Conversion Cycle - CCC) và thời gian thanh toán công nợ thực tế.

Implementation và kết quả

Development process & Core Algorithms

Trọng tâm của giải pháp là việc số hóa các thuật toán phân tích tài chính chuyên sâu để tự động trích xuất các chỉ báo rủi ro quan trọng từ hồ sơ khách hàng. Đoạn mã Python (sử dụng thư viện pandasnumpy) dưới đây biểu diễn việc thực thi tính toán và kiểm tra logic tín dụng:

import pandas as pd
import numpy as np

def analyze_corporate_credit(data: dict) -> dict:
    """
    Hàm tính toán các chỉ số tài chính cốt lõi và kiểm định an toàn tín dụng
    theo chuẩn quy trình cấp tín dụng MBBank.
    """
    # 1. Các chỉ số Khả năng thanh toán (Liquidity Ratios)
    current_ratio = data['short_term_assets'] / data['short_term_liabilities']
    quick_ratio = (data['cash'] + data['short_term_investments'] + data['receivables']) / data['short_term_liabilities']
    
    # 2. Vốn lưu động ròng (Net Working Capital)
    net_working_capital = (data['equity'] + data['long_term_debt']) - data['long_term_assets']
    
    # 3. Cân đối tiền hàng (Kiểm tra mục đích sử dụng vốn vay)
    # Cân đối = (Tiền + Phải thu KH + Trả trước người bán + Hàng tồn kho) - Nợ ngắn hạn
    cash_goods_balance = (data['cash'] + data['receivables'] + data['prepayments_to_suppliers'] + data['inventory']) - data['short_term_liabilities']
    
    # 4. Phân tích DuPont (3-factor model)
    net_profit_margin = (data['net_income'] / data['revenue']) * 100
    asset_turnover = data['revenue'] / data['avg_total_assets']
    equity_multiplier = data['avg_total_assets'] / data['avg_equity']
    roe_dupont = (net_profit_margin / 100) * asset_turnover * equity_multiplier * 100
    
    # 5. Đánh giá điều kiện an toàn tín dụng
    credit_risk_flags = []
    if current_ratio < 1.0:
        credit_risk_flags.append("CẢNH BÁO: Mất cân đối thanh khoản ngắn hạn (Current Ratio < 1.0)")
    if net_working_capital < 0:
        credit_risk_flags.append("CẢNH BÁO: Vốn lưu động ròng âm - Lấy vốn ngắn hạn tài trợ tài sản dài hạn")
    if cash_goods_balance < 0:
        credit_risk_flags.append("CẢNH BÁO: Mất cân đối tiền hàng - Có dấu hiệu dùng vốn sai mục đích")
        
    return {
        "Current_Ratio": round(current_ratio, 2),
        "Quick_Ratio": round(quick_ratio, 2),
        "NWC": round(net_working_capital, 2),
        "Cash_Goods_Balance": round(cash_goods_balance, 2),
        "DuPont_ROE_Percent": round(roe_dupont, 2),
        "Risk_Assessment": credit_risk_flags if credit_risk_flags else ["Hồ sơ tài chính đạt điều kiện sơ bộ"]
    }

Testing và validation

Mô hình phân tích tài chính được kiểm thử thực tế trên hồ sơ cấp tín dụng của Công ty Cổ phần Ngân Sơn (Mã số thuế: 0100100199, Vốn điều lệ: 112 tỷ đồng, Nhân sự: 308 người).

+-----------------------------------------------------------------------------------+
|            KẾT QUẢ TÍNH TOÁN BỘ CHỈ SỐ TÀI CHÍNH - CTCP NGÂN SƠN                  |
+------------------------------------+-----------+-----------+----------------------+
| Nhóm chỉ tiêu                      | Năm 2020  | Năm 2021  | Chuẩn thẩm định MB   |
+------------------------------------+-----------+-----------+----------------------+
| 1. Khả năng thanh toán hiện hành   | 1.35 lần  | 1.48 lần  | >= 1.20 lần          |
| 2. Khả năng thanh toán nhanh       | 0.72 lần  | 0.81 lần  | >= 0.70 lần          |
| 3. Vòng quay Hàng tồn kho (Vòng)   | 2.84 vòng | 3.15 vòng | Tăng trưởng dương    |
| 4. Vốn lưu động ròng (NWC)         | 84.5 tỷ   | 102.3 tỷ  | > 0 (Dương ổn định)  |
| 5. Cân đối tiền hàng               | +34.2 tỷ  | +48.6 tỷ  | > 0 (Đúng mục đích)  |
| 6. Tỷ suất sinh lời ROE (DuPont)   | 11.2%     | 13.8%     | >= 10.0%             |
+------------------------------------+-----------+-----------+----------------------+

Kết quả thẩm định cho thấy doanh nghiệp có vòng quay hàng tồn kho tăng từ 2.84 lên 3.15 vòng, khả năng thanh toán hiện hành đạt 1.48 lần, đảm bảo các giới hạn an toàn tín dụng theo quy định của ngân hàng.

Kết quả đạt được

Việc chuẩn hóa và áp dụng quy trình phân tích tài chính chuyên sâu tại MBBank Chi nhánh Hoàng Mai đã mang lại những cải thiện định lượng rõ rệt:

+-----------------------------------------------------------------------------------+
|             CHỈ TIÊU KINH DOANH VÀ CHẤT LƯỢNG TÍN DỤNG MB HOÀNG MAI               |
+------------------------------------+-----------+-----------+----------------------+
| Chỉ số đo lường                    | Quý 4/2021| Quý 1/2022| Mức cải thiện        |
+------------------------------------+-----------+-----------+----------------------+
| Tổng dư nợ KHDN (Tỷ đồng)          | 490 tỷ    | 525 tỷ    | +7.14% (+35 tỷ)      |
| Dư nợ bình quân (Tỷ đồng)          | 433 tỷ    | 509 tỷ    | +17.53% (+76 tỷ)     |
| Tỷ lệ nợ quá hạn                   | 2.39%     | 2.02%     | Giảm 0.37%           |
| Tỷ lệ nợ xấu (NPL)                 | 0.80%     | 0.56%     | Giảm 0.24% (-30.0%)  |
| Tổng nguồn vốn huy động (Tỷ đồng)  | 210 tỷ    | 291 tỷ    | +38.57% (+81 tỷ)     |
+------------------------------------+-----------+-----------+----------------------+

Đổi mới và đóng góp

  1. Chuẩn hóa công thức Cân đối tiền hàng: Thay vì chỉ kiểm tra khả năng thanh toán chung chung, hệ thống đưa công thức $Cân\ đối\ tiền\ hàng = (Tiền + KPT + Trả\ trước\ NB + HTK) - Nợ\ ngắn\ hạn$ vào biểu mẫu bắt buộc, giúp ngăn chặn triệt để tình trạng chiếm dụng vốn vay sang mục đích đầu tư ngoài ngành.
  2. Ứng dụng mô hình DuPont 3 nhân tố: Bóc tách chỉ tiêu $ROE = ROS \times AU \times FL$ (Tỷ suất lợi nhuận doanh thu $\times$ Hiệu suất sử dụng tài sản $\times$ Đòn bẩy tài chính), giúp cán bộ thẩm định nhận diện bản chất tăng trưởng của KHDN là do cải thiện hiệu quả vận hành hay do gia tăng vay nợ rủi ro.
  3. Phân tích chiều sâu Báo cáo Lưu chuyển tiền tệ: Đặt trọng tâm vào Lưu chuyển tiền thuần từ hoạt động kinh doanh ($OCF$). Nếu doanh nghiệp có $LNST > 0$ nhưng $OCF < 0$ kéo dài qua 2 năm, quy trình kích hoạt ngưỡng thẩm định rủi ro cấp 2 để xem xét lại hạn mức tín dụng.
  4. Tối ưu hóa hiệu suất vận hành: Giảm thời gian lập báo cáo thẩm định tài chính từ 3 ngày làm việc xuống còn 1.5 ngày làm việc nhờ biểu mẫu tự động hóa tính toán.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Real-World Use Cases)

  • Cấp hạn mức vốn lưu động ngắn hạn (Hạn mức 6 tháng - 1 năm): Ứng dụng phân tích vòng quay vốn lưu động, kỳ thu tiền bình quân và vòng quay hàng tồn kho để tính toán chính xác hạn mức vay tối đa: $$\text{Hạn mức cấp tín dụng} = \text{Tổng nhu cầu VLĐ} - \text{Vốn tự có} - \text{Vốn huy động khác}$$
  • Thẩm định dự án đầu tư trung - dài hạn: Đánh giá dòng tiền tự do (FCF), tỷ suất hoàn vốn nội bộ (IRR) và thời gian hoàn vốn (Payback Period) dựa trên kế hoạch khấu hao tài sản cố định.

Lộ trình triển khai (Implementation Roadmap)

Giai đoạn 1 (Tháng 1-2): Số hóa biểu mẫu thu thập & Tái cấu trúc BCTC chuẩn MBBank.
Giai đoạn 2 (Tháng 3-4): Đào tạo chuyên sâu 18 cán bộ chi nhánh về DuPont & Dòng tiền OCF.
Giai đoạn 3 (Tháng 5-6): Thử nghiệm trên 100% hồ sơ vay phân khúc SME và Mid-Corp.
Giai đoạn 4 (Định kỳ): Đối chiếu định kỳ nợ xấu, nợ quá hạn và tối ưu hóa trọng số rủi ro.

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Chất lượng dữ liệu KHDN nhỏ: Nhiều doanh nghiệp quy mô siêu nhỏ (Micro SME) vẫn duy trì hai hệ thống sổ sách kế toán, gây khó khăn cho việc xác minh tính chính xác của BCTC nếu không kiểm tra thực tế hóa đơn điện tử.
  • Độ trễ thông tin: BCTC thường được cung cấp theo quý hoặc năm, tạo ra khoảng trống giám sát giữa các kỳ báo cáo.

Hướng phát triển trong tương lai

  • Tích hợp trực tiếp API với Hệ thống Quản lý Hóa đơn Điện tử của Tổng cục Thuế và Trung tâm Thông tin Tín dụng Quốc gia (CIC) để tự động xác thực doanh thu theo thời gian thực.
  • Ứng dụng mô hình máy học (Machine Learning như XGBoost, Random Forest) để xây dựng hệ thống cảnh báo sớm vỡ nợ (Early Warning System - EWS) dựa trên biến động giao dịch tài khoản thanh toán CASA tại MBBank.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tài chính - Ngân hàng: Tiếp cận tài liệu thực tế về quy trình tín dụng doanh nghiệp chuẩn hóa tại NHTM, hiểu sâu phương pháp ứng dụng các chỉ số tài chính vào thực tế.
  • Chuyên viên Khách hàng Doanh nghiệp (RM / CBO): Nắm vững bộ công cụ phân tích dòng tiền, bóc tách rủi ro BCTC, rút ngắn thời gian lập tờ trình thẩm định.
  • Doanh nghiệp vay vốn (KHDN): Hiểu rõ các tiêu chí đánh giá của ngân hàng để chủ động minh bạch hóa tài chính, tối ưu hóa chu kỳ luân chuyển vốn và nâng cao xếp hạng tín dụng.
  • Cơ quan quản lý và Ngân hàng thương mại: Khung tham chiếu chuẩn để hạn chế tỷ lệ nợ xấu, nâng cao chất lượng danh mục tín dụng theo chuẩn mực quốc tế.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và dữ liệu đầu vào để áp dụng quy trình phân tích này là gì?

Doanh nghiệp cần cung cấp bộ BCTC tối thiểu 02 năm liên tiếp (gồm Bảng CĐKT, BCKQHĐKD, BCLCTT, Thuyết minh BCTC), tối thiểu 02 hợp đồng kinh tế đầu vào/đầu ra lớn, chi tiết số dư tài khoản 131, 331 và bảng sao kê dòng tiền tại các tổ chức tín dụng.

2. Giới hạn quy mô doanh nghiệp phù hợp với mô hình này?

Khung phân tích được tối ưu hóa cho các doanh nghiệp vừa và nhỏ (SME) và doanh nghiệp quy mô vừa (Mid-Corp) hoạt động trong lĩnh vực sản xuất, thương mại, dịch vụ có doanh thu từ 20 tỷ đến 1.000 tỷ đồng/năm.

3. Làm thế nào để phát hiện việc doanh nghiệp sử dụng vốn vay sai mục đích?

Sử dụng chỉ số Cân đối tiền hàng và biến động Vốn lưu động ròng ($NWC$). Nếu chỉ số Cân đối tiền hàng âm hoặc $NWC < 0$ sau khi giải ngân vốn ngắn hạn, doanh nghiệp có nguy cơ cao đã rút vốn ngắn hạn để đầu tư tài sản dài hạn hoặc chuyển dịch vốn cho bên thứ ba.

4. Chi phí triển khai và duy trì quy trình này như thế nào?

Quy trình tận dụng hạ tầng Excel template nâng cao hoặc tích hợp vào hệ thống phần mềm LOS (Loan Origination System) sẵn có của ngân hàng, không làm phát sinh chi phí đầu tư phần cứng mới, chủ yếu tập trung vào chi phí đào tạo nghiệp vụ cho nhân sự.

5. Tại sao phân tích dòng tiền (Cash Flow) lại quan trọng hơn phân tích lợi nhuận?

Lợi nhuận kế toán ghi nhận theo nguyên tắc dồn tích (Accrual Basis), doanh nghiệp có thể ghi nhận lãi trên sổ sách nhưng chưa thu được tiền mặt do bị chiếm dụng vốn qua khoản phải thu. Ngân hàng thu nợ bằng tiền mặt thực tế, do đó dòng tiền thuần từ HĐKD ($OCF$) mới là thước đo chính xác nhất về năng lực trả nợ đúng hạn.


Kết luận

Đề tài "Hoàn thiện công tác phân tích tài chính khách hàng doanh nghiệp trong hoạt động tín dụng tại Ngân hàng TMCP Quân đội - Chi nhánh Hoàng Mai" đã giải quyết thành công bài toán cân bằng giữa thúc đẩy tăng trưởng quy mô tín dụng và kiểm soát chặt chẽ rủi ro nợ xấu. Thông qua việc hệ thống hóa quy trình 5 bước, tích hợp các công cụ định lượng chuyên sâu (DuPont, Vốn lưu động ròng, Cân đối tiền hàng, Phân tích dòng tiền OCF), chi nhánh đã đạt mức tăng trưởng dư nợ KHDN 7.14% trong khi giảm tỷ lệ nợ xấu xuống còn 0.56%. Đây là mô hình phân tích có tính thực tiễn cao, đóng góp giá trị quan trọng cho hoạt động quản trị rủi ro tín dụng tại các ngân hàng thương mại hiện nay.