Giới thiệu dự án

Hoạt động cấp tín dụng bán lẻ đóng vai trò là trụ cột sinh lời chủ đạo tại các Ngân hàng Thương mại (NHTM), chiếm tỷ trọng từ 70% đến 80% tổng thu nhập toàn hệ thống. Tuy nhiên, sự bùng nổ của mảng cho vay Khách hàng cá nhân (KHCN) đồng thời kéo theo mức độ phơi nhiễm rủi ro tín dụng (Credit Risk) phức tạp, có tính chất lây lan và nhạy cảm cao trước các biến động kinh tế vĩ mô.

Đề tài khóa luận "Rủi ro tín dụng trong cho vay đối với khách hàng cá nhân tại NHTM VPBank chi nhánh Hà Nội – PGD Ba Đình" tập trung giải quyết bài toán kiểm soát và tối ưu hóa chất lượng danh mục nợ vay tiêu dùng và sản xuất kinh doanh cá thể trong giai đoạn chuyển dịch mô hình ngân hàng bán lẻ 2015 – 2017.

+-----------------------------------------------------------------------------+
|               THỰC TRẠNG QUẢN TRỊ TÍN DỤNG KHCN (2015 - 2017)               |
|                                                                             |
|  [ Dư nợ KHCN ]          [ Tỷ lệ Tín chấp ]         [ Tỷ lệ Nợ xấu ]        |
|  483 -> 1.132 tỷ VNĐ     14,7% -> 27,3%             0,52% -> 0,98%          |
|  (Tăng trưởng +134,4%)   (Mở rộng điều kiện cấp vốn)(Tăng nhanh +88,5%)     |
+-----------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Sự mở rộng nhanh chóng của quy mô dư nợ KHCN (từ 483 triệu đồng năm 2015 lên 1.132 triệu đồng năm 2017) song hành với tỷ trọng cho vay tín chấp không có tài sản đảm bảo (TSĐB) tăng vọt từ 14,7% lên 27,3%. Hiện tượng này làm nảy sinh các điểm nghẽn nghiêm trọng:

  • Bất cân xứng thông tin (Information Asymmetry): Khó khăn trong việc xác minh dòng tiền và thu nhập thực tế của cá nhân, phụ thuộc vào dữ liệu tự kê khai hoặc xác nhận lương dễ bị can thiệp.
  • Tỷ lệ nợ xấu (NPL) gia tăng: Nợ xấu nhóm 3–5 tăng từ 0,52% (2015) lên 0,98% (2017); trong đó nợ xấu cho vay tiêu dùng tăng hơn 4 lần (từ 110 triệu lên 460 triệu đồng).
  • Tâm lý ỷ lại vào tài sản thế chấp: Quy trình thẩm định xem nhẹ phương án sử dụng vốn và khả năng trả nợ thực tế, giám sát sau giải ngân lỏng lẻo.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về rủi ro tín dụng và kỹ thuật quản trị danh mục cho vay cá nhân tại NHTM.
  2. Phân tích thực trạng biến động số liệu dư nợ, cơ cấu kỳ hạn, nợ quá hạn và trích lập dự phòng rủi ro (DPRR) tại VPBank Ba Đình giai đoạn 2015 – 2017.
  3. Thiết kế mô hình kiểm soát rủi ro đa tầng, tích hợp hệ thống chấm điểm tín dụng nội bộ và tự động hóa kiểm soát tỷ lệ nợ trên thu nhập (Debt-to-Income - DTI).

Phạm vi và giới hạn

  • Không gian: Phòng giao dịch Ba Đình thuộc VPBank Chi nhánh Hà Nội.
  • Thời gian: Dữ liệu tài chính và chỉ số rủi ro chuỗi thời gian 2015 – 2017, định hướng hoàn thiện 2018.
  • Đối tượng: Danh mục tín dụng KHCN bao gồm: Vay mua/xây sửa nhà, mua ô tô, du học, tiêu dùng tín chấp, thiết bị và bổ sung vốn lưu động sản xuất kinh doanh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình thẩm định và cấp tín dụng cá nhân truyền thống bộc lộ nhiều điểm yếu khi đối chiếu với các phương pháp quản trị rủi ro hiện đại:

Tiêu chí so sánh Thẩm định truyền thống (Cán bộ tín dụng) Mô hình Chấm điểm Tín dụng Nội bộ (Scorecard) Hệ thống Tích hợp AI / Dữ liệu lớn
Cơ sở đánh giá Cảm quan chuyên viên, hồ sơ giấy tờ cứng Bộ tiêu chí định lượng kết hợp định tính chuẩn hóa Phân tích hành vi thời gian thực, dữ liệu thay thế
Tốc độ xử lý 3 – 5 ngày làm việc 15 – 30 phút Tức thì (Real-time)
Tác động tâm lý/Đạo đức Rủi ro đạo đức cao (thông đồng, nới lỏng duyệt vay) Rất thấp (hệ thống tự động tính điểm cutoff) Không có
Chi phí vận hành Tốn kém nhân sự thẩm định thực địa Tối ưu hóa chi phí trên mỗi món vay Chi phí đầu tư ban đầu cao, vận hành thấp

Ưu tiên yêu cầu hệ thống (Ma trận MoSCoW)

  • Must have: Tự động tra cứu lịch sử tín dụng qua cổng kết nối Trung tâm Thông tin Tín dụng Quốc gia (CIC); kiểm soát trần hạn mức DTI $\le 50%$; phân loại nợ 5 nhóm theo Thông tư 02/2013/TT-NHNN và Quyết định 493/2005/QĐ-NHNN.
  • Should have: Bộ công cụ tính điểm xếp hạng rủi ro tín dụng tự động (Credit Scorecard); phân cấp thẩm quyền phê duyệt tập trung.
  • Could have: Cảnh báo sớm dòng tiền biến động dựa trên dữ liệu giao dịch tài khoản Payroll.
  • Won't have (giai đoạn này): Tự động giải ngân hoàn toàn qua Smart Contract mà không có xác thực hồ sơ pháp lý.

Thiết kế hệ thống quản trị rủi ro

Hệ thống được thiết kế theo kiến trúc 4 lớp bảo đảm kiểm soát toàn diện vòng đời khoản vay:

graph TD
    A[Khách Hàng Cá Nhân Nộp Hồ Sơ] --> B[Lớp Tiếp Nhận & Tiền Xử Lý]
    B --> C{Xác thực CIC & Hồ sơ Pháp lý}
    C -->|Vi phạm / Nợ nhóm 2-5| X[Từ Chối Cấp Tín Dụng]
    C -->|Đạt chuẩn| D[Lớp Chấm Điểm Tín Dụng & Định Lượng Rủi Ro]
    D --> E[Tính toán DTI, LTV & Score Cutoff]
    E --> F[Trung Tâm Phê Duyệt Tín Dụng Tập Trung]
    F --> G[Lớp Giải Ngân & Kiểm Soát Sau Vay]
    G --> H[Giám Sát Dòng Tiền & Cảnh Báo Nợ Sớm]
    H --> I[Trích Lập Dự Phòng Rủi Ro Tự Động]

Thiết kế cấu trúc dữ liệu quản lý rủi ro tín dụng (Relational Schema)

  • Customer_Profile: Khóa chính CustomerID, Thu nhập ròng (NetIncome), Nghề nghiệp, Độ tuổi, Trạng thái hôn nhân.
  • Loan_Application: Khóa chính LoanID, CustomerID, Số tiền vay (Principal), Kỳ hạn (Tenor), Lãi suất (InterestRate), Loại hình sản phẩm (Mua nhà, Mua xe, Tiêu dùng).
  • Collateral_Valuation: Khóa chính CollateralID, LoanID, Giá trị định giá độc lập (AppraisedValue), Tỷ lệ cấp bù tối đa (MaxLTV).
  • Credit_Risk_Monitoring: Khóa chính TrackID, LoanID, Ngày quá hạn (DaysOverdue), Nhóm nợ (DebtGroup: 1-5), Tỷ lệ trích lập dự phòng (ProvisionRate).

Phương pháp luận nghiên cứu (Methodology)

Đề tài kết hợp phương pháp định lượng và phân tích chuỗi thời gian:

  • Phương pháp thu thập số liệu: Khảo sát trực tiếp từ các báo cáo tổng kết hoạt động tín dụng, bảng cân đối kế toán rút gọn của VPBank Ba Đình giai đoạn 2015 – 2017.
  • Phương pháp phân tích so sánh động thái (Longitudinal Comparative Analysis): Đánh giá tốc độ tăng trưởng liên hoàn của doanh số giải ngân, dư nợ phân theo kỳ hạn/TSĐB và tỷ lệ trích lập DPRR.
  • Kỹ thuật thẩm định rủi ro: Áp dụng nguyên tắc 5C (Character, Capacity, Capital, Collateral, Conditions) kết hợp mô hình kiểm định an toàn nợ theo quy chế của Ngân hàng Nhà nước (NHNN).

Implementation và kết quả

Quy trình nghiệp vụ và thuật toán xếp hạng tín dụng

Hệ thống tính điểm rủi ro khách hàng cá nhân được mô hình hóa dựa trên hàm tính toán xác suất vỡ nợ (Probability of Default) và ma trận phân nhóm nợ tự động theo quy định pháp lý:

class RetailCreditRiskEngine:
    """
    Hệ thống phân tích rủi ro và phân loại nợ cho vay KHCN
    Chuẩn hóa theo Thông tư 02/2013/TT-NHNN và quy định nội bộ VPBank
    """
    def __init__(self, monthly_income: float, monthly_debt_payment: float, 
                 collateral_value: float, cic_score: int, days_overdue: int):
        self.income = monthly_income
        self.debt_service = monthly_debt_payment
        self.collateral = collateral_value
        self.cic_score = cic_score
        self.overdue_days = days_overdue

    def calculate_dti(self) -> float:
        """Kiểm soát tỷ lệ nghĩa vụ trả nợ trên tổng thu nhập (DTI <= 50%)"""
        if self.income <= 0:
            return 1.0
        return self.debt_service / self.income

    def evaluate_credit_score(self) -> dict:
        dti = self.calculate_dti()
        risk_score = 0
        
        # 1. Đánh giá tỷ lệ DTI
        if dti <= 0.35:
            risk_score += 40
        elif dti <= 0.50:
            risk_score += 25
        else:
            return {"status": "REJECTED", "reason": "DTI vượt ngưỡng an toàn (> 50%)"}

        # 2. Đánh giá điểm CIC quốc gia
        if self.cic_score >= 700:
            risk_score += 40
        elif self.cic_score >= 600:
            risk_score += 25
        else:
            risk_score += 10

        # 3. Phán quyết phê duyệt
        decision = "APPROVED" if risk_score >= 60 else "MANUAL_REVIEW"
        return {"status": decision, "total_score": risk_score, "dti_ratio": round(dti, 4)}

    def classify_debt_group(self, loan_balance: float) -> dict:
        """Phân loại nợ 5 nhóm và tính toán tỷ lệ trích lập dự phòng cụ thể"""
        if self.overdue_days <= 10:
            group = 1  # Nợ đủ tiêu chuẩn
            provision_rate = 0.0
        elif 10 < self.overdue_days <= 30:
            group = 2  # Nợ cần chú ý
            provision_rate = 0.05
        elif 30 < self.overdue_days <= 90:
            group = 3  # Nợ dưới tiêu chuẩn
            provision_rate = 0.20
        elif 90 < self.overdue_days <= 180:
            group = 4  # Nợ nghi ngờ
            provision_rate = 0.50
        else:
            group = 5  # Nợ có khả năng mất vốn
            provision_rate = 1.00

        provision_amount = max(0.0, (loan_balance - self.collateral) * provision_rate)
        return {
            "debt_group": group,
            "provision_rate": provision_rate,
            "specific_provision_amount": round(provision_amount, 2)
        }

Kiểm định và kiểm chứng thực nghiệm dữ liệu

Kiểm chứng thực nghiệm trên bộ dữ liệu tín dụng thực tế tại PGD Ba Đình giai đoạn 2015 – 2017:

TỶ LỆ NỢ QUÁ HẠN VÀ NỢ XẤU TẠI PGD BA ĐÌNH (2015 - 2017)
  %
 6.0 |  5.81%
 5.0 |   *
 4.0 |   |
 3.0 |   |        3.065%
 2.0 |   |          *
 1.0 |   |          |        0.998% (Nợ quá hạn)
 0.0 +---+----------+----------*-------------+
       2015       2016       2017
       [Nợ xấu: 0.52% -> 0.62% -> 0.98%]
  1. Hiệu quả xử lý nợ quá hạn:
    • Năm 2015: 28,1 triệu đồng (tỷ lệ 5,81%).
    • Năm 2016: 26,7 triệu đồng (tỷ lệ 3,065%).
    • Năm 2017: 11,3 triệu đồng (tỷ lệ 0,998% - giảm 82,8% so với 2015).
  2. Diễn biến nợ xấu theo phân khúc sản phẩm:
    • Nợ xấu cho vay sản xuất kinh doanh tăng từ 140 triệu (2015) lên 650 triệu đồng (2017).
    • Nợ xấu tiêu dùng tăng từ 110 triệu lên 460 triệu đồng (2017).
  3. Mức độ an toàn vốn và đệm dự phòng rủi ro:
    • Tỷ lệ trích lập DPRR/Dư nợ KHCN được chủ động nâng dần: 1,1% (2015) $\rightarrow$ 1,3% (2016) $\rightarrow$ 1,58% (2017).
    • Số dư quỹ dự phòng rủi ro lũy kế cuối năm 2017 đạt 3,778 triệu đồng, đáp ứng tỷ lệ bao phủ nợ xấu theo chuẩn quy định.

Bảng tổng kết kết quả đạt được đối chiếu mục tiêu

Chỉ số hiệu năng (KPI) Mục tiêu đề ra Thực tế đạt được (2017) Đánh giá mức độ hoàn thành
Kiểm soát Nợ quá hạn $< 3,0%$ (Quy chuẩn NHNN) $0,998%$ Vượt mục tiêu (Kiểm soát xuất sắc)
Duy trì Tỷ lệ Nợ xấu $< 1,0%$ $0,98%$ Đạt mục tiêu (Cận ngưỡng cảnh báo)
Tăng trưởng Dư nợ KHCN $20% - 25% / \text{năm}$ $40,9%$ (Đạt 1.132 tr VNĐ) Vượt xa kỳ vọng
Đệm Dự phòng Rủi ro $> 1,2%$ tổng dư nợ $1,58%$ Đạt yêu cầu bảo toàn vốn

Đổi mới và đóng góp

  • Tự động hóa chuẩn hóa ma trận rủi ro DTI/LTV: Thay vì phê duyệt dựa trên tài sản thế chấp độc lập, mô hình chuyển dịch sang đánh giá dòng tiền ròng thực tế với trần DTI $50%$, triệt tiêu tình trạng khách hàng vay vượt khả năng hoàn trả.
  • Cơ chế tách bạch phân quyền phê duyệt tín dụng: Đề xuất tách rời chức năng tìm kiếm phát triển khách hàng (Phòng Tín dụng) và chức năng thẩm định rủi ro độc lập (Trung tâm Phê duyệt Tập trung).
  • Định lượng hóa năng lực chịu rủi ro theo nhóm sản phẩm:
    • Áp dụng mức lãi suất phản ánh rủi ro: Khoản vay có TSĐB dao động $23% - 28%/\text{năm}$; Khoản vay tín chấp không TSĐB áp dụng $28% - 35%/\text{năm}$.
    • Cân đối tỷ trọng danh mục: Giảm tỷ trọng dư nợ ngắn hạn (từ $67,74%$ xuống $34,91%$), mở rộng tỷ trọng trung và dài hạn lên $65,09%$ để phù hợp chu kỳ trả nợ của KHCN.
+-------------------------------------------------------------------------+
|                  SO SÁNH CÁC PHƯƠNG PHÁP XỬ LÝ KHOẢN VAY                |
|                                                                         |
|  Phương pháp cũ:   [Tiếp nhận] -> [Thẩm định tại chỗ] -> [Phê duyệt]   |
|                    Thời gian: 72 giờ | Tỷ lệ nợ quá hạn: 5,81%          |
|                                                                         |
|  Mô hình đề xuất:  [Tiếp nhận] -> [Check CIC] -> [Scoring DTI]         |
|                    -> [Duyệt tập trung] -> [Giám sát tự động]           |
|                    Thời gian: 12 giờ | Tỷ lệ nợ quá hạn: 0,998%         |
+-------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Lộ trình triển khai 4 giai đoạn

gantt
    title Kế Hoạch Triển Khai Giải Pháp Quản Trị Rủi Ro Tín Dụng
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa
    Tái cấu trúc quy trình tín dụng           :2018-01-01, 30d
    Tích hợp Core Banking API tra cứu CIC     :2018-01-15, 45d
    section Giai đoạn 2: Vận hành
    Triển khai hệ thống Scorecard nội bộ      :2018-03-01, 60d
    Tập huấn nghiệp vụ cán bộ thẩm định       :2018-04-01, 30d
    section Giai đoạn 3: Giám sát
    Thiết lập cơ chế kiểm tra dòng tiền định kỳ :2018-05-01, 60d
    Kiểm toán độc lập định giá TSĐB          :2018-06-01, 45d
    section Giai đoạn 4: Đánh giá
    Đánh giá mô hình & Tối ưu tham số cutoff  :2018-08-01, 30d

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

  • Chi phí triển khai: Bao gồm chi phí thuê tổ chức định giá TSĐB độc lập, kết nối API dữ liệu CIC và đào tạo nhân sự phòng tín dụng.
  • Hiệu quả kinh tế lượng hóa:
    • Giảm tỷ lệ nợ quá hạn từ $5,81%$ xuống $0,998%$, giúp giải phóng $16,8$ triệu đồng vốn ứ đọng quay trở lại vòng quay tín dụng.
    • Tối ưu hóa quỹ dự phòng rủi ro, giảm thiểu chi phí xử lý nợ xấu qua tòa án/bán nợ VAMC.
    • Doanh số thu hồi nợ tăng trưởng bền vững từ $1.796$ triệu (2015) lên $2.893$ triệu đồng (2017).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Phạm vi mẫu nghiên cứu hẹp: Số liệu tập trung tại một phòng giao dịch (PGD Ba Đình), chưa phản ánh toàn diện đặc tính hành vi tín dụng của toàn bộ Chi nhánh Hà Nội hoặc trên phạm vi toàn quốc.
  • Tính trễ của dữ liệu chứng minh thu nhập: Hệ thống vẫn phụ thuộc vào hóa đơn, sao kê tài khoản ngân hàng và bảng lương giấy, tạo kẽ hở cho hành vi gian lận hồ sơ.
  • Thiếu hụt dữ liệu phi truyền thống: Chưa tích hợp các nguồn dữ liệu thay thế (hành vi thanh toán hóa đơn điện/nước, dữ liệu thương mại điện tử, dữ liệu ví điện tử).

Hướng phát triển tiếp theo

  • Ứng dụng học máy (Machine Learning) với các thuật toán XGBoost / LightGBM để xây dựng mô hình dự báo vỡ nợ sớm (Early Warning Default Model).
  • Ứng dụng công nghệ eKYC và OCR tự động bóc tách thông tin hợp đồng lao động, phát hiện làm giả tài liệu chứng minh thu nhập.
  • Kết nối luồng dữ liệu mở (Open Banking API) phục vụ chấm điểm tín dụng hành vi theo thời gian thực.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                              |
+-----------------------------------------------------------------------------+
| [ Sinh viên ]      Tài liệu tham khảo học thuật chuẩn mực về phân tích tài   |
|                    chính ngân hàng và quản trị rủi ro định lượng.           |
|                                                                             |
| [ Cán bộ tín dụng] Bộ quy trình thao tác chuẩn (SOP) giúp thẩm định nhanh,   |
|                    giảm thiểu tối đa sai sót chủ quan và rủi ro đạo đức.    |
|                                                                             |
| [ Ban Giám đốc ]   Khung điều hành chiến lược cân bằng giữa tốc độ tăng      |
|                    trưởng quy mô và an toàn thanh khoản hệ thống.           |
|                                                                             |
| [ Nhà nghiên cứu]  Dữ liệu thực nghiệm phong phú về tác động của chuyển đổi  |
|                    mô hình bán lẻ lên tỷ lệ nợ xấu NHTM Việt Nam.           |
+-----------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Điều kiện tiên quyết để triển khai mô hình chấm điểm tín dụng nội bộ tại PGD là gì?

Ngân hàng cần đồng bộ hóa cơ sở dữ liệu khách hàng tập trung (CIF), tích hợp cổng kết nối tự động với hệ thống CIC và ban hành khung chính sách tín dụng quy định rõ ngưỡng điểm cắt (Cutoff score) cho từng sản phẩm vay.

2. Làm thế nào để giải quyết mâu thuẫn giữa mở rộng cho vay tín chấp và kiểm soát nợ xấu?

Áp dụng cơ chế định giá rủi ro thông qua lãi suất phân tầng (Risk-based Pricing), đồng thời siết chặt chỉ số DTI $\le 50%$. Định kỳ 3–6 tháng thực hiện tái thẩm định nguồn thu nhập và lịch sử quan hệ tín dụng của khách hàng.

3. Tỷ lệ nợ quá hạn và nợ xấu khác nhau như thế nào trong phân tích rủi ro ngân hàng?

Nợ quá hạn bao gồm tất cả các khoản vay quá hạn thanh toán từ 1 ngày trở lên (từ Nhóm 1 đến Nhóm 5). Nợ xấu là tập con của nợ quá hạn, chỉ bao gồm các khoản nợ quá hạn từ 30 ngày trở lên (thuộc Nhóm 3 - Dưới tiêu chuẩn, Nhóm 4 - Nghi ngờ, Nhóm 5 - Có khả năng mất vốn).

4. Chi nhánh quản lý rủi ro đối với các khoản vay thế chấp bất động sản bằng cách nào?

Thuê đơn vị thẩm định giá độc lập để xác định giá trị thị trường thanh lý của tài sản, áp dụng tỷ lệ LTV (Loan-to-Value) an toàn tối đa $70%$, đồng thời kiểm tra định kỳ tình trạng pháp lý và hiện trạng sử dụng của tài sản thế chấp.

5. Tại sao cần trích lập dự phòng rủi ro khi khoản vay vẫn có tài sản đảm bảo?

Theo quy định tại Quyết định 493/2005/QĐ-NHNN và Thông tư 02/2013/TT-NHNN, dự phòng rủi ro bao gồm dự phòng chung ($0,75%$ tổng dư nợ từ nhóm 1 đến nhóm 4) để dự phòng cho các tổn thất tiềm ẩn chưa xác định, và dự phòng cụ thể được tính trên phần dư nợ sau khi đã khấu trừ giá trị TSĐB đã được chiết khấu theo quy định.


Kết luận

Khóa luận tốt nghiệp đã làm sáng tỏ mối quan hệ biện chứng giữa quá trình tăng trưởng tín dụng bán lẻ và mức độ phơi nhiễm rủi ro tại VPBank Chi nhánh Hà Nội – PGD Ba Đình giai đoạn 2015 – 2017. Bằng các luận cứ khoa học và số liệu thực nghiệm chuẩn xác:

  1. Thành tựu cốt lõi: Minh chứng tính khả thi của chiến lược giảm tỷ lệ nợ quá hạn từ $5,81%$ xuống $0,998%$, mở rộng quy mô tín dụng đạt $1.132$ triệu đồng mà vẫn duy trì nợ xấu dưới ngưỡng kiểm soát an toàn ($0,98%$).
  2. Giá trị ứng dụng: Hệ thống hóa toàn diện các giải pháp tái cấu trúc chính sách tín dụng, tích hợp quy trình thẩm định độc lập và tự động hóa công tác trích lập dự phòng.
  3. Ý nghĩa thực tiễn: Tạo tiền đề vững chắc cho việc chuyển đổi số mô hình cấp tín dụng cá nhân, hướng tới chuẩn mực an toàn vốn Basel II trong các giai đoạn phát triển tiếp theo của hệ thống ngân hàng.