Giới thiệu dự án

Hoạt động tín dụng trung và dài hạn giữ vai trò huyết mạch trong việc cung ứng nguồn vốn phát triển tài sản cố định, mở rộng quy mô kinh doanh và đáp ứng các nhu cầu tiêu dùng dài hạn (bất động sản, phương tiện vận tải) của khách hàng cá nhân (KHCN). Trong cấu trúc tài chính của hệ thống Ngân hàng Thương mại (NHTM) tại Việt Nam, mảng tín dụng trung và dài hạn luôn mang lại tỷ suất sinh lời biên cao nhưng đồng thời tiềm ẩn rủi ro thanh khoản và rủi ro tín dụng chu kỳ do độ trễ thu hồi dòng tiền lớn (thời gian từ 12 tháng đến trên 60 tháng).

   ┌─────────────────────────────────────────────────────────────┐
   │                    HỆ THỐNG ĐÁNH GIÁ CHẤT LƯỢNG             │
   │                    TÍN DỤNG TRUNG & DÀI HẠN                 │
   └───────────────┬─────────────────────────────┬───────────────┘
                   │                             │
                   ▼                             ▼
       ┌───────────────────────┐     ┌───────────────────────┐
       │   CHỈ TIÊU NỘI BỘ     │     │ KHẢO SÁT NGOẠI TẠI    │
       │     (PRUDENTIAL)      │     │  (MÔ HÌNH SERVPERF)   │
       ├───────────────────────┤     ├───────────────────────┤
       │ • Tỷ lệ LDR           │     │ • Sự tin cậy (TC)     │
       │ • Tỷ lệ nợ xấu (NPL)  │     │ • Khả năng đáp ứng    │
       │ • Tỷ lệ nợ quá hạn    │     │ • Sự đồng cảm (DC)    │
       │ • Vòng quay vốn       │     │ • Năng lực phục vụ    │
       │ • Dư nợ KHCN          │     │ • Phương tiện hữu hình│
       └───────────────────────┘     └───────────────────────┘

Vấn đề đặt ra tại Ngân hàng TMCP Đông Á (DongA Bank) – Chi nhánh Thành phố Huế trong giai đoạn 2019–2021 là sự bất đối xứng thông tin trong quy trình thẩm định, áp lực cạnh tranh gay gắt từ các NHTM cổ phần quy mô lớn, và tác động của biến động kinh tế địa phương dẫn đến tình trạng nợ quá hạn và nợ xấu gia tăng. Đề tài "Chất lượng tín dụng trung hạn và dài hạn đối với khách hàng cá nhân tại Ngân hàng TMCP Đông Á – Chi nhánh Thành phố Huế" được thực hiện nhằm giải quyết các điểm nghẽn then chốt này.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận và chuẩn mực pháp lý về tín dụng trung, dài hạn theo Thông tư 02/2013/TT-NHNN, Thông tư 09/2014/TT-NHNN và Thông tư 39/2016/TT-NHNN.
  2. Phân tích thực trạng chất lượng tín dụng thông qua 02 góc độ: các chỉ tiêu tài chính nội bộ của chi nhánh (2019–2021) và mức độ hài lòng của KHCN theo thang đo SERVPERF ($N=130$).
  3. Xây dựng mô hình hồi quy tuyến tính đa biến nhằm lượng hóa mức độ tác động của 05 nhân tố dịch vụ đến sự hài lòng của khách hàng.
  4. Đề xuất hệ thống giải pháp tài chính và tối ưu hóa quy trình tín dụng đến năm 2025.
Chỉ tiêu Mục tiêu kỳ vọng (Target) Phương pháp đo lường
Tỷ lệ nợ xấu (NPL) $\le 3.0%$ Báo cáo tài chính theo TT 02/2013
Hệ số Cronbach’s Alpha $> 0.70$ (Mỗi nhân tố) Kiểm định thang đo qua SPSS 20.0
Độ phù hợp mô hình ($R^2$) $> 50.0%$ Phân tích hồi quy OLS
Mức ý nghĩa thống kê ($p$-value) $< 0.05$ ANOVA & T-Test

Phạm vi nghiên cứu tập trung vào phân khúc khách hàng cá nhân vay vốn trung và dài hạn tại địa bàn Thành phố Huế giai đoạn 2019–2021, giới hạn trong nguồn dữ liệu thứ cấp được công bố chính thức và khảo sát chọn mẫu thuận tiện.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh 03 phương pháp tiếp cận đánh giá chất lượng tín dụng hiện hành:

Tiêu chí Mô hình CAMEL/Prudential Thang đo SERVQUAL Thang đo SERVPERF (Áp dụng)
Bản chất đo lường Định lượng tài chính nội bộ Khoảng cách Kỳ vọng - Cảm nhận Đo lường trực tiếp Chất lượng cảm nhận
Số lượng biến quan sát 15–20 chỉ số tài chính 44 biến (22 kỳ vọng + 22 cảm nhận) 20–23 biến quan sát định lượng
Độ phức tạp khảo sát Yêu cầu số liệu mật từ ngân hàng Dễ gây thiên lệch tâm lý và quá tải Ngắn gọn, tập trung trải nghiệm thực tế
Khả năng dự báo Đánh giá an toàn vốn Đo lường mức độ hụt kỳ vọng Dự báo trực tiếp sự hài lòng ($R^2$ cao)

Theo phân tích yêu cầu bằng ma trận MoSCoW:

  • Must-have: Kiểm định phân loại nợ 5 nhóm theo chuẩn NHNN; phân tích chỉ số nợ xấu, nợ quá hạn, vòng quay vốn; kiểm định Cronbach’s Alpha và EFA cho 5 nhóm biến.
  • Should-have: Mô hình hồi quy đa biến OLS đánh giá trọng số tác động $\beta$; phân tích nhân khẩu học khách hàng vay vốn.
  • Could-have: Đánh giá One-Sample T-test kiểm định giá trị trung bình mức độ hài lòng.
  • Won't-have: Tự động hóa chấm điểm tín dụng bằng Machine Learning (nằm ngoài phạm vi luận văn kinh tế ứng dụng).

Thiết kế hệ thống

Mô hình nghiên cứu kế thừa khung lý thuyết SERVPERF (Cronin & Taylor, 1992) bao gồm 05 biến độc lập và 01 biến phụ thuộc:

[TC1-TC4] Sự tin cậy (Reliability) ──────(H1+)──┐
[DU1-DU4] Sự đáp ứng (Responsiveness) ──(H2+)──┤
[DC1-DC4] Sự đồng cảm (Empathy) ────────(H3+)──┼──► [SHL] Sự hài lòng khách hàng
[NLPV1-NLPV4] Năng lực phục vụ (Assurance) (H4+)─┤
[PTHH1-PTHH4] Phương tiện hữu hình (Tangibles) (H5+)┘

Technology Stack và công cụ phân tích:

  • Công cụ phân tích định lượng: IBM SPSS Statistics 20.0.
  • Framework toán học: Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), Hồi quy tuyến tính bình phương bé nhất (Ordinary Least Squares - OLS).
  • Quy chuẩn kiểm soát: Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai ($\text{VIF} < 2$), tự tương quan qua đại lượng Durbin-Watson ($1 < d < 3$).
-- Cấu trúc lưu trữ dữ liệu khảo sát khách hàng cá nhân
CREATE TABLE khao_sat_tin_dung (
    ma_khach_hang VARCHAR(20) PRIMARY KEY,
    nhom_tuoi INT NOT NULL,
    thu_nhap_thang DECIMAL(15,2),
    muc_dich_vay VARCHAR(100),
    thoi_gian_vay_thang INT,
    tc1_chinh_xac INT CHECK (tc1_chinh_xac BETWEEN 1 AND 5),
    tc2_bao_mat INT CHECK (tc2_bao_mat BETWEEN 1 AND 5),
    du1_tu_van INT CHECK (du1_tu_van BETWEEN 1 AND 5),
    dc1_tan_tinh INT CHECK (dc1_tan_tinh BETWEEN 1 AND 5),
    nlpv1_chuyen_mon INT CHECK (nlpv1_chuyen_mon BETWEEN 1 AND 5),
    pthh1_co_so_vc INT CHECK (pthh1_co_so_vc BETWEEN 1 AND 5),
    shl1_tong_the INT CHECK (shl1_tong_the BETWEEN 1 AND 5)
);

Methodology

Quy trình nghiên cứu áp dụng tiến trình chuẩn định lượng:

  1. Thu thập dữ liệu thứ cấp: Trích xuất bảng cân đối kế toán, báo cáo kết quả kinh doanh giai đoạn 2019–2021 của DongA Bank Huế.
  2. Thiết kế bảng hỏi Likert 5 mức độ: Xây dựng 23 biến quan sát chuẩn hóa từ thang đo của Ngô Thị Ngọc Thảo (2021) và Vũ Thị Bích Vân (2013).
  3. Xác định cỡ mẫu:
    • Theo Tabachnick & Fidell (1996): $n \ge 8m + 50 = 8(5) + 50 = 90$ mẫu.
    • Theo Hair et al. (1998): $n \ge 5 \times 20 = 100$ mẫu.
    • Triển khai thực tế: Phát hành 130 phiếu khảo sát trực tiếp, thu hồi và làm sạch đạt 100% mẫu hợp lệ.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được thực thi thông qua quy trình tự động hóa các bước kiểm định thống kê:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Thuật toán tính toán chỉ số tài chính tín dụng nội bộ
def calculate_credit_metrics(du_no_trung_dai_han, tong_nguon_von, no_xau, thu_no, du_no_bq):
    ldr_ratio = (du_no_trung_dai_han / tong_nguon_von) * 100
    npl_ratio = (no_xau / du_no_trung_dai_han) * 100
    capital_turnover = thu_no / du_no_bq
    return {
        "LDR (%)": np.round(ldr_ratio, 2),
        "NPL Ratio (%)": np.round(npl_ratio, 2),
        "Capital Turnover (Vòng)": np.round(capital_turnover, 2)
    }

# Script hồi quy OLS đánh giá mức độ hài lòng khách hàng (SERVPERF)
def run_ols_regression(X_df, y_series):
    X_with_const = sm.add_constant(X_df)
    model = sm.OLS(y_series, X_with_const).fit()
    
    # Kiểm tra Đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X_df.columns
    vif_data["VIF"] = [variance_inflation_factor(X_df.values, i) for i in range(X_df.shape[1])]
    
    return model.summary(), vif_data

Testing và validation

Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo thành phần đều đạt yêu cầu với hệ số tin cậy cao ($\alpha > 0.7$) và hệ số tương quan biến - tổng ($r_{it} > 0.3$):

  • Độ tin cậy (TC): 4 biến quan sát $\rightarrow$ $\alpha = 0.812$.
  • Khả năng đáp ứng (DU): 4 biến quan sát $\rightarrow$ $\alpha = 0.789$.
  • Sự đồng cảm (DC): 4 biến quan sát $\rightarrow$ $\alpha = 0.835$.
  • Năng lực phục vụ (NLPV): 4 biến quan sát $\rightarrow$ $\alpha = 0.854$.
  • Phương tiện hữu hình (PTHH): 4 biến quan sát $\rightarrow$ $\alpha = 0.776$.
  • Sự hài lòng chung (SHL): 3 biến quan sát $\rightarrow$ $\alpha = 0.862$.

Phân tích nhân tố khám phá (EFA)

  • Hệ số Kaiser-Meyer-Olkin: $0.5 < \text{KMO} = 0.842 < 1.0$, chứng minh tập dữ liệu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê $\chi^2 = 1420.36$ với $p\text{-value} = 0.000 < 0.001$, bác bỏ giả thuyết các biến không có tương quan.
  • Rút trích 05 nhân tố tại điểm dừng Eigenvalue $= 1.238 > 1.0$, tổng phương sai trích đạt $63.45% > 50.0%$. Tất cả các trọng số tải nhân tố (Factor Loading) đều vượt ngưỡng $0.55$.

Kết quả đạt được

Kết quả đánh giá chỉ tiêu định lượng nghiệp vụ tín dụng (2019–2021)

[Hiệu quả quản lý danh mục tín dụng DongA Bank Huế]
Dư nợ KHCN Trung & Dài hạn:  ▲ Tăng trưởng bình quân 12.4%/năm
Tỷ lệ Nợ quá hạn:            ▼ Kiểm soát ở mức 1.82% - 2.15% (< 3.0%)
Tỷ lệ Nợ xấu (Nhóm 3-5):     ▼ 1.45% (Đạt tiêu chuẩn an toàn vốn NHNN)
Vòng quay vốn tín dụng:      ▲ Đạt 0.85 - 0.92 vòng/năm

Phương trình hồi quy tuyến tính chuẩn hóa

Mô hình hồi quy được xác lập với mức độ giải thích $R^2 = 0.584$ (hiệu chỉnh $R^2_{\text{adj}} = 0.567$), kiểm định $F = 34.78$ ($p = 0.000$):

$$\text{SHL} = 0.312 \times \text{NLPV} + 0.254 \times \text{TC} + 0.201 \times \text{DU} + 0.168 \times \text{DC} + 0.124 \times \text{PTHH}$$

Biến độc lập Hệ số Beta ($\beta$) Giá trị t-stat Mức ý nghĩa ($p$-value) VIF Kết luận giả thuyết
Năng lực phục vụ (NLPV) $0.312$ $4.215$ $0.000$ $1.24$ Chấp nhận $H_4$ (Tác động mạnh nhất)
Sự tin cậy (TC) $0.254$ $3.542$ $0.001$ $1.31$ Chấp nhận $H_1$
Sự đáp ứng (DU) $0.201$ $2.890$ $0.004$ $1.18$ Chấp nhận $H_2$
Sự đồng cảm (DC) $0.168$ $2.411$ $0.017$ $1.22$ Chấp nhận $H_3$
Phương tiện hữu hình (PTHH) $0.124$ $2.032$ $0.044$ $1.15$ Chấp nhận $H_5$

Đổi mới và đóng góp

  1. Phương pháp luận tích hợp kép: Đồ án kết hợp đồng thời phương pháp kiểm toán định lượng các chỉ số an toàn tín dụng theo chuẩn giám sát CAMEL/NHNN với mô hình hồi quy kinh tế lượng SERVPERF.
  2. Khảo sát thực chứng tại thị trường miền Trung: Cung cấp bức tranh phân tích dữ liệu thực tế tại Thừa Thiên Huế, giải quyết bài toán tối ưu hóa quy trình cấp tín dụng trong bối cảnh các ngân hàng tái cơ cấu sau khủng hoảng.
  3. Lượng hóa mức độ ưu tiên giải pháp: Chứng minh thực nghiệm rằng Năng lực phục vụ ($\beta = 0.312$) và Sự tin cậy ($\beta = 0.254$) chiếm hơn $56%$ tổng tác động đến quyết định gắn bó của khách hàng vay trung - dài hạn, giúp ban lãnh đạo tránh đầu tư dàn trải vào cơ sở vật chất hữu hình vốn chỉ đóng góp $\beta = 0.124$.

Ứng dụng thực tế và triển khai

Lộ trình nâng cao chất lượng tín dụng DongA Bank Huế đến năm 2025:
┌────────────────────────────────────────────────────────────────────────┐
│ Giai đoạn 1 (Q1-Q4/2023): Tối ưu hóa Thẩm định & Giám sát sau vay     │
│ ├─ Rút ngắn thời gian phê duyệt hồ sơ từ 05 ngày xuống 03 ngày làm việc │
│ └─ Áp dụng hệ thống cảnh báo sớm rủi ro nợ quá hạn từ ngày thứ 1-9     │
├────────────────────────────────────────────────────────────────────────┤
│ Giai đoạn 2 (2024): Đào tạo chuyên sâu & Chuyển đổi số Quy trình        │
│ ├─ Bồi dưỡng 100% CBTD về kỹ năng thẩm định dòng tiền & định giá TSBĐ  │
│ └─ Triển khai kênh thông báo lịch trả gốc/lãi tự động qua SMS/App      │
├────────────────────────────────────────────────────────────────────────┤
│ Giai đoạn 3 (2025): Mở rộng thị phần Tín dụng KHCN Bền vững            │
│ ├─ Tăng trưởng quy mô dư nợ trung dài hạn 15%/năm                      │
│ └─ Duy trì tỷ lệ nợ xấu < 1.5%, tỷ lệ khách hàng hài lòng > 90%        │
└────────────────────────────────────────────────────────────────────────┘

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Tái cấu trúc phòng thẩm định, đào tạo nhân sự và nâng cấp hệ thống CRM/theo dõi khoản vay ước tính khoảng 250–350 triệu VND.
  • Lợi ích kinh tế: Giảm tỷ lệ trích lập dự phòng rủi ro tín dụng từ việc kiềm chế nợ xấu dưới $1.5%$, tăng doanh số thu hồi lãi vay trung dài hạn ước tính mang lại giá trị gia tăng ròng 1.2–1.8 tỷ VND/năm.

Hạn chế và hướng phát triển

  • Quy mô mẫu: Cỡ mẫu khảo sát dừng lại ở $N=130$ theo phương pháp thuận tiện do các rào cản tiếp cận khách hàng cá nhân trong thời gian giãn cách xã hội.
  • Tính tổng quát hóa: Dữ liệu chỉ giới hạn tại một chi nhánh ngân hàng cụ thể trên địa bàn Thành phố Huế.
  • Hướng phát triển tiếp theo:
    • Mở rộng tập dữ liệu đa trung tâm (Multi-center branch study) liên tỉnh (Huế, Đà Nẵng, Nha Trang).
    • Tích hợp mô hình kinh tế lượng phi tuyến hoặc thuật toán Machine Learning (Logistic Regression, Random Forest) trên dữ liệu lớn (Big Data) để chấm điểm rủi ro tín dụng động.

Đối tượng hưởng lợi

  • Sinh viên ngành Tài chính - Ngân hàng / QTKD: Tài liệu tham khảo toàn diện về phương pháp luận kết hợp phân tích tài chính ngân hàng và xử lý thống kê SPSS chuyên sâu.
  • Chuyên viên tín dụng / Quản lý ngân hàng: Cẩm nang nhận diện các biến số trọng yếu ảnh hưởng đến sự hài lòng của khách hàng vay vốn, cung cấp các giải pháp quản trị nợ quá hạn thực chiến.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ khung thang đo 23 biến quan sát chuẩn hóa đã được kiểm định độ tin cậy và giá trị hội tụ phục vụ các nghiên cứu tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để triển khai nghiên cứu này là gì?

Cần thu thập tối thiểu 100 mẫu khảo sát hợp lệ theo công thức chọn mẫu EFA, kết hợp dữ liệu báo cáo tài chính nội bộ 03 năm liên tiếp. Phần mềm phân tích yêu cầu tối thiểu IBM SPSS Statistics phiên bản 20.0 hoặc ngôn ngữ Python (thư viện pandas, statsmodels).

2. Mô hình có gặp hiện tượng đa cộng tuyến hoặc tự tương quan không?

Không. Kết quả kiểm định cho thấy tất cả các hệ số VIF đều nằm trong khoảng $1.15 - 1.31 < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến. Hệ số Durbin-Watson đạt giá trị xấp xỉ $1.85$ (nằm trong vùng chuẩn $1.5 - 2.5$), bác bỏ hiện tượng tự tương quan chuỗi.

3. Làm thế nào để áp dụng kết quả nghiên cứu vào hệ thống Core Banking hiện có?

Kết quả trọng số hồi quy được dùng để cấu hình lại ma trận trọng số KPI phục vụ khách hàng trên hệ thống CRM, đồng thời thiết lập các mốc nhắc nợ tự động tương thích với chu kỳ luân chuyển vốn.

4. Chi nhánh cần duy trì hệ số an toàn tín dụng nào để kiểm soát rủi ro?

Chi nhánh cần kiểm soát tỷ lệ nợ xấu (NPL) dưới $3%$ theo quy định của Ngân hàng Nhà nước, duy trì tỷ lệ dư nợ trung dài hạn trên tổng nguồn vốn huy động (LDR) ở mức an toàn nhằm cân đối kỳ hạn và đảm bảo thanh khoản.

5. Thời gian hoàn vốn và tính khả thi của các giải pháp đề xuất?

Các giải pháp tập trung vào tối ưu hóa năng lực cán bộ tín dụng và tái cấu trúc quy trình nội bộ, có thời gian hoàn vốn đầu tư (ROI) ước tính dưới 12 tháng thông qua việc cắt giảm chi phí xử lý nợ đọng và tăng trưởng thu nhập lãi thuần.


Kết luận

Đồ án tốt nghiệp "Chất lượng tín dụng trung hạn và dài hạn đối với khách hàng cá nhân tại Ngân hàng TMCP Đông Á – Chi nhánh Thành phố Huế" đã giải quyết triệt để mục tiêu nghiên cứu thông qua việc kết hợp chặt chẽ giữa lý thuyết kinh tế tài chính và phương pháp định lượng thực chứng. Kết quả phân tích xác định Năng lực phục vụ ($\beta = 0.312$) và Sự tin cậy ($\beta = 0.254$) là hai trụ cột quyết định trải nghiệm vay vốn của khách hàng. Công trình cung cấp cơ sở khoa học vững chắc giúp Ban lãnh đạo DongA Bank Chi nhánh Huế hoàn thiện chính sách tín dụng, nâng cao hiệu quả sinh lời và kiểm soát rủi ro bền vững trong giai đoạn 2022–2025.