Giới thiệu dự án

Hoạt động cấp tín dụng bán lẻ, đặc biệt là phân khúc cho vay mua nhà (CVMN), đóng vai trò trụ cột trong việc tối ưu hóa tỷ lệ sinh lời trên tổng tài sản và quản trị rủi ro tại các ngân hàng thương mại (NHTM). Tại tỉnh Thừa Thiên Huế, với quy mô dân số đạt trên 1,1 triệu người, mật độ dân số 224 người/km² (tương đương 77,2% mức bình quân toàn quốc) và mức thu nhập bình quân đầu người năm 2021 đạt 51,35 triệu đồng/năm, nhu cầu an cư lập nghiệp và cải thiện chất lượng nhà ở gia tăng rõ rệt. Dù địa phương đã phê duyệt chủ trương đầu tư 07 dự án nhà ở xã hội với quy mô hơn 2.000 căn hộ, nguồn cung vẫn chưa đáp ứng đủ tốc độ đô thị hóa nhanh và tâm lý sở hữu nhà đất riêng của người dân.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH KINH TẾ - XÃ HỘI TỈNH TT-HUẾ                  |
| - Thu nhập bình quân: 51,35 tr VNĐ/năm | Mật độ dân số: 224 người/km²   |
| - Nguồn cung NƠXH: 7 dự án (~2.000 căn) -> Thiếu hụt so với nhu cầu thực|
+-------------------------------------------------------------------------+
                                    |
                                    v
+-------------------------------------------------------------------------+
|                    PAIN POINTS TRONG TÍN DỤNG CVMN                      |
| - Thẩm định thu nhập cá nhân không chính thức còn thủ công              |
| - Định giá tài sản thế chấp (LTV) và tính toán DTI mất nhiều thời gian  |
| - Áp lực kiểm soát nợ quá hạn và nợ xấu (NPL) trong biến động vĩ mô     |
+-------------------------------------------------------------------------+
                                    |
                                    v
+-------------------------------------------------------------------------+
|                  GIẢI PHÁP & MỤC TIÊU NGHIÊN CỨU                        |
| 1. Chuẩn hóa quy trình cấp tín dụng 14 bước trên nền tảng Core SIBS     |
| 2. Đánh giá đa chiều CLDV qua mô hình SERVQUAL (n = 50 mẫu khảo sát)   |
| 3. Tối ưu hóa các chỉ số an toàn vốn: Duy trì NPL < 0,20%, Overdue < 0,80%|
+-------------------------------------------------------------------------+

Bài nghiên cứu tập trung giải quyết bài toán cốt lõi: Làm thế nào để nâng cao chất lượng dịch vụ (CLDV) CVMN tại Ngân hàng TMCP Á Châu (ACB) – Phòng Giao dịch (PGD) An Cựu trong bối cảnh cạnh tranh thị phần gay gắt từ các ngân hàng quốc doanh và thương mại cổ phần trên cùng địa bàn.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Chuẩn hóa khung đánh giá chất lượng tín dụng bán lẻ và thang đo dịch vụ theo chuẩn quốc tế.
  2. Đánh giá định lượng & định tính thực trạng: Khảo sát, phân tích số liệu thứ cấp giai đoạn 2019–2021 và số liệu sơ cấp thông qua xử lý thống kê định lượng trên mẫu khách hàng vay vốn thực tế.
  3. Thiết kế hệ giải pháp nâng cao CLDV: Đề xuất các cải tiến kỹ thuật trong quy trình thẩm định, quản trị danh mục cho vay, gia tăng tiện ích số hóa và kiểm soát tỷ lệ nợ quá hạn.

Phương pháp tiếp cận và kết quả kỳ vọng

Giải pháp kết hợp giữa tối ưu hóa quy trình nghiệp vụ trên nền tảng Core Banking SIBS (Silverlake Integrated Banking System) và ứng dụng mô hình đo lường SERVQUAL (Parasuraman et al., 1988) để định lượng 5 nhân tố: Tin cậy (Reliability), Đáp ứng (Responsiveness), Năng lực phục vụ (Assurance), Đồng cảm (Empathy) và Phương tiện hữu hình (Tangibles). Kết quả kỳ vọng là duy trì tốc độ tăng trưởng dư nợ CVMN trên 50%/năm, kiểm soát nợ xấu dưới 0,25% và nâng cao chỉ số hài lòng khách hàng (CSI) đạt mức trung bình $\ge 4.2/5.0$.

Phạm vi và giới hạn

  • Không gian: Phòng giao dịch ACB An Cựu (165 Hùng Vương, TP. Huế).
  • Thời gian: Số liệu thứ cấp thu thập chuỗi 2019–2021; dữ liệu sơ cấp khảo sát từ 25/02/2022 đến 15/03/2022 ($n=50$ mẫu hợp lệ).
  • Giới hạn: Nghiên cứu tập trung vào phân khúc khách hàng cá nhân vay mua/xây/sửa chữa nhà ở; không áp dụng cho các dự án bất động sản doanh nghiệp lớn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, sự cạnh tranh giữa các tổ chức tín dụng diễn ra mạnh mẽ giữa nhóm Big 4 (VietinBank, Agribank) và khối TMCP đô thị (ACB, MB Bank).

Tiêu chí so sánh ACB - PGD An Cựu VietinBank CN Huế MB Bank CN Huế Agribank CN TT-Huế
Lãi suất ưu đãi ban đầu 6,5% - 7,5%/năm (năm đầu) 7,0% - 8,0%/năm 6,8% - 7,8%/năm 7,5% - 8,5%/năm
Thời gian phê duyệt hồ sơ 3 - 5 ngày làm việc 5 - 7 ngày làm việc 4 - 6 ngày làm việc 7 - 10 ngày làm việc
Tỷ lệ tài trợ (Max LTV) Tối đa 85% (BĐS độc lập) Tối đa 75% - 80% Tối đa 80% Tối đa 70% - 75%
Thời hạn vay tối đa 15 - 20 năm 20 năm 15 - 20 năm 15 năm
Nền tảng số hóa/Tracking Tích hợp ACB ONE & SIBS VietinBank iPay MB App (Smart OTP) E-Mobile Banking
+-----------------------------------------------------------------------------------+
|               GAP ANALYSIS: DỊCH VỤ CVMN TẠI ACB PGD AN CỰU                       |
+-----------------------------------------------------------------------------------+
| [Hiện trạng]                                     [Cơ hội phát triển]              |
| - Quy trình 14 bước phụ thuộc nhiều thao tác tay -> Tự động hóa qua API kết nối CIC|
| - Định giá tài sản chưa có mô hình AVM tự động   -> Tích hợp Rule Engine chấm điểm |
| - Tỷ trọng CVMN/Tổng dư nợ đạt 16,88% (2021)     -> Dư địa mở rộng lên 25 - 30%    |
+-----------------------------------------------------------------------------------+

Ma trận ưu tiên yêu cầu nghiệp vụ theo phương pháp MoSCoW

  • Must-have (Bắt buộc): Tuân thủ quy định trần LTV $\le 85%$, kiểm soát hệ số DTI (Debt-to-Income) $\le 50%$, định giá 100% tài sản bảo đảm, cập nhật trạng thái khoản vay vào Core SIBS.
  • Should-have (Nên có): Tự động hóa trích nợ tự động (Auto-debit), thông báo nhắc nợ qua SMS/Email đa kênh, module phân loại nợ tự động theo Thông tư NHNN.
  • Could-have (Có thể có): Công cụ tính lịch trả nợ trực quan (Amortization Schedule Calculator) nhúng trên portal khách hàng, chấm điểm tín dụng nội bộ bằng thuật toán phân lớp.
  • Won't-have (Chưa thực hiện): Giải ngân tự động không qua thẩm định thực địa tài sản bảo đảm hình thành trong tương lai.

Thiết kế hệ thống

Kiến trúc vận hành dịch vụ CVMN tại ACB An Cựu hoạt động dựa trên mô hình xử lý dữ liệu tập trung qua Core Banking SIBS kết hợp hệ thống chấm điểm tín dụng và phân quyền phê duyệt.

graph TD
    A["Khách hàng nộp hồ sơ CVMN"] --> B["CB QHKH tiếp nhận & Nhập liệu"]
    B --> C["Hệ thống thẩm định & Bóc tách DTI/LTV"]
    C --> D{"Định giá TSBĐ & Chấm điểm Tín dụng"}
    D -- "Score < Ngưỡng" --> E["Từ chối / Yêu cầu bổ sung TSBĐ"]
    D -- "Score >= Ngưỡng" --> F["Trình Phê duyệt Cấp tín dụng"]
    F --> G["Ký Hợp đồng & Đăng ký Giao dịch BĐ"]
    G --> H["Cập nhật Core Banking SIBS"]
    H --> I["Giải ngân vào Tài khoản phong tỏa/Thanh toán"]
    I --> J["Theo dõi dư nợ & Trích nợ định kỳ tự động"]

Ngăn xếp công nghệ (Technology Stack)

  • Hệ thống Core Banking: Silverlake Integrated Banking System (SIBS) v12.4 vận hành trên nền tảng IBM AS/400 (OS/400), đảm bảo xử lý giao dịch thời gian thực với tính nhất quán ACID tuyệt đối.
  • Cơ sở dữ liệu lưu trữ hồ sơ: Oracle Database 19c Enterprise Edition, mã hóa dữ liệu TDE (Transparent Data Encryption).
  • Công cụ phân tích & định lượng: SPSS Statistics v26.0 (sử dụng cho kiểm định độ tin cậy Cronbach's Alpha, EFA, One-Sample T-test, One-Way ANOVA) và Python 3.10 (xây dựng hàm tính lịch trả nợ & chấm điểm rủi ro).

Thiết kế CSDL mô phỏng (Data Schema)

-- Schema định nghĩa thông tin khoản vay CVMN và thẩm định rủi ro
CREATE TABLE Customer_Profile (
    customer_id VARCHAR(20) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    id_card_num VARCHAR(12) UNIQUE NOT NULL,
    monthly_income DECIMAL(15,2) NOT NULL,
    credit_rating VARCHAR(5) DEFAULT 'A'
);

CREATE TABLE Loan_Application (
    application_id VARCHAR(20) PRIMARY KEY,
    customer_id VARCHAR(20) REFERENCES Customer_Profile(customer_id),
    loan_purpose VARCHAR(50) NOT NULL, -- 'MUA_NHA', 'XAY_DUNG', 'SUA_CHUA'
    loan_amount DECIMAL(15,2) NOT NULL,
    loan_tenor_months INT NOT NULL,
    interest_rate_pct DECIMAL(5,2) NOT NULL,
    ltv_ratio DECIMAL(5,2) NOT NULL,
    dti_ratio DECIMAL(5,2) NOT NULL,
    status VARCHAR(20) DEFAULT 'PENDING'
);

CREATE TABLE Collateral_Asset (
    asset_id VARCHAR(20) PRIMARY KEY,
    application_id VARCHAR(20) REFERENCES Loan_Application(application_id),
    asset_type VARCHAR(50) NOT NULL, -- 'BDS_DA_CO_SO', 'BDS_DU_AN'
    valuation_amount DECIMAL(15,2) NOT NULL,
    certificate_number VARCHAR(50) NOT NULL
);

Thiết kế API thẩm định khoản vay (API Endpoint Specification)

  • Endpoint: POST /api/v1/credit/mortgage/underwrite
  • Request Body:
{
  "customer_id": "KH-847291",
  "monthly_income": 35000000,
  "existing_debt_monthly": 3000000,
  "requested_amount": 1200000000,
  "tenor_months": 180,
  "interest_rate": 0.115,
  "collateral_value": 2000000000
}
  • Response:
{
  "status": "APPROVED_PRELIMINARY",
  "computed_ltv": 60.0,
  "computed_dti": 41.25,
  "monthly_obligation": 11437500,
  "max_allowable_amount": 1700000000,
  "risk_tier": "LOW_RISK"
}

Phương pháp luận (Methodology)

Quy trình nghiên cứu áp dụng mô hình định lượng kết hợp quy trình thẩm định rủi ro tài chính:

[Số liệu thứ cấp (2019-2021)] ---> [Thống kê mô tả & Phân tích tăng trưởng]
                                              |
[Số liệu sơ cấp (n=50)]       ---> [Kiểm định Cronbach's Alpha & EFA]
                                              |
                                  [One-Sample T-test & ANOVA]
                                              |
                                  [Đề xuất giải pháp chuẩn hóa]
  1. Ma trận rủi ro và biện pháp xử lý:
    • Rủi ro nợ quá hạn do biến động thu nhập: Áp dụng quy tắc kiểm tra DTI không vượt quá 50% thu nhập thực nhận qua sao kê ngân hàng.
    • Rủi ro định giá thổi phồng: Thiết lập định giá chéo độc lập từ Công ty Quản lý nợ và Khai thác tài sản ACB (ACBA).
    • Rủi ro pháp lý bất động sản: Kiểm tra quy hoạch đất đai trực tiếp tại Sở Tài nguyên Môi trường tỉnh Thừa Thiên Huế trước khi ký công chứng thế chấp.

Implementation và kết quả

Development process & Thuật toán nghiệp vụ

Quy trình cấp tín dụng CVMN gồm 14 bước nghiêm ngặt, từ tiếp thị, thu thập hồ sơ, thẩm định điều kiện (LTV, DTI), định giá tài sản, phê duyệt, nhập liệu SIBS, đến giải ngân và giám sát sau giải ngân.

Thuật toán tính toán nghĩa vụ nợ (Amortization) & Thẩm định tỷ lệ an toàn

def evaluate_mortgage_loan(
    monthly_income: float,
    existing_debts: float,
    loan_amount: float,
    tenor_years: int,
    annual_interest_rate: float,
    collateral_market_value: float,
    max_ltv: float = 0.85,
    max_dti: float = 0.50
) -> dict:
    """
    Tính toán các chỉ số an toàn tín dụng CVMN theo chuẩn ACB
    """
    # 1. Tính toán LTV (Loan-to-Value)
    actual_ltv = loan_amount / collateral_market_value
    
    # 2. Tính lịch trả nợ theo dư nợ giảm dần (tháng đầu tiên áp lực cao nhất)
    monthly_rate = annual_interest_rate / 12
    total_months = tenor_years * 12
    principal_monthly = loan_amount / total_months
    first_month_interest = loan_amount * monthly_rate
    first_month_payment = principal_monthly + first_month_interest
    
    # 3. Tính toán hệ số DTI (Debt-to-Income)
    total_monthly_debt = existing_debts + first_month_payment
    actual_dti = total_monthly_debt / monthly_income
    
    # 4. Quyết định sơ bộ
    is_ltv_valid = actual_ltv <= max_ltv
    is_dti_valid = actual_dti <= max_dti
    status = "QUALIFIED" if (is_ltv_valid and is_dti_valid) else "REJECTED"
    
    return {
        "status": status,
        "actual_ltv_pct": round(actual_ltv * 100, 2),
        "actual_dti_pct": round(actual_dti * 100, 2),
        "first_month_installment": round(first_month_payment, 0),
        "criteria_passed": {
            "ltv_check": bool(is_ltv_valid),
            "dti_check": bool(is_dti_valid)
        }
    }

# Benchmark kiểm thử với khoản vay thực tế tại ACB An Cựu:
# Vay 1.000.000.000 VNĐ, Thời hạn 15 năm (180 tháng), Lãi suất 11.5%/năm, TSBĐ định giá 1.500.000.000 VNĐ, Thu nhập 30.000.000 VNĐ/tháng.
test_result = evaluate_mortgage_loan(
    monthly_income=30000000,
    existing_debts=0,
    loan_amount=1000000000,
    tenor_years=15,
    annual_interest_rate=0.115,
    collateral_market_value=1500000000
)
# Kết quả: actual_ltv_pct = 66.67% (<= 85%), actual_dti_pct = 50.46% (> 50% -> Cần giãn thời hạn vay lên 20 năm để đạt DTI an toàn)

Testing và validation

Nghiên cứu tiến hành khảo sát định lượng trên mẫu $N = 55$ khách hàng đã và đang vay vốn mua nhà tại PGD An Cựu; thu về 50 bảng hỏi hợp lệ (loại bỏ 5 mẫu không đạt chuẩn). Dữ liệu được làm sạch và xử lý trên phần mềm SPSS Statistics v26.

+-------------------------------------------------------------------------+
|                  KẾT QUẢ KIỂM ĐỊNH THỐNG KÊ (SPSS v26)                  |
+-------------------------------------------------------------------------+
| Thang đo SERVQUAL:                                                      |
| - Cronbach's Alpha tổng thể: 0.884 (Đạt chuẩn > 0.70)                   |
| - Hệ số tương quan biến - tổng (Item-Total Correlation) > 0.35          |
| - KMO = 0.792, Kiểm định Bartlett's Test of Sphericity: Sig. = 0.000   |
| - 5 nhân tố giải thích 68.45% tổng phương sai trích                     |
+-------------------------------------------------------------------------+
| Kiểm định One-Sample T-Test (Test Value = 3.00 - Mức trung hòa):        |
| - Giá trị trung bình toàn bộ 5 khía cạnh đạt: 3.86 - 4.18 (Sig. = 0.000)|
| -> Khách hàng đánh giá chất lượng dịch vụ ở mức TỐT đến RẤT TỐT         |
+-------------------------------------------------------------------------+
+-------------------+       +--------------------+       +--------------------+
|  TIN CẬY (REL)    |       |   ĐÁP ỨNG (RES)    |       | NĂNG LỰC PV (ASS)  |
| Mean: 4.12 / 5.0  |       |  Mean: 3.94 / 5.0  |       |  Mean: 4.18 / 5.0  |
+-------------------+       +--------------------+       +--------------------+
            \                          |                          /
             \                         |                         /
              +-------------------------------------------------+
              |    ĐÁNH GIÁ CHẤT LƯỢNG DỊCH VỤ CVMN CHUNG       |
              |                 Mean: 4.05 / 5.0                |
              +-------------------------------------------------+
              /                                                 \
             /                                                   \
+-------------------+                                   +--------------------+
|   ĐỒNG CẢM (EMP)  |                                   | HỮU HÌNH (TAN)     |
| Mean: 3.86 / 5.0  |                                   |  Mean: 4.15 / 5.0  |
+-------------------+                                   +--------------------+

Kết quả đạt được

Giai đoạn 2019–2021 ghi nhận bước tăng trưởng nhảy vọt của danh mục cho vay mua nhà tại ACB – PGD An Cựu:

Chỉ số kinh doanh / Quản trị rủi ro Năm 2019 Năm 2020 Năm 2021 Tăng trưởng 2020/2019 Tăng trưởng 2021/2020
Doanh số CVMN (Triệu VNĐ) 299.387 768.350 1.413.038 +156,64% +83,91%
Tổng doanh số cho vay (Triệu VNĐ) 4.495.300 7.430.850 8.371.726 +65,30% +12,66%
Tỷ trọng Doanh số CVMN/Tổng 6,66% 10,34% 16,88% +3,68% +6,54%
Dư nợ CVMN cuối kỳ (Triệu VNĐ) 182.017 611.776 1.289.013 +236,12% +110,70%
Số lượng khách hàng CVMN 68 112 264 +64,71% +135,71%
Tỷ lệ nợ quá hạn CVMN 0,71% 0,79% 0,75% +0,08% -0,04%
Tỷ lệ nợ xấu (NPL) CVMN 0,15% 0,21% 0,18% +0,06% -0,03%
Thu nhập lãi thuần (Triệu VNĐ) 111.210 170.676 191.059 +53,47% +11,94%
Lợi nhuận sau thuế (Triệu VNĐ) 25.322 31.933 37.686 +26,11% +18,02%

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình thẩm định đa tầng: Thiết lập sự phân tách rõ ràng giữa khâu bán hàng (CB QHKH), khâu thẩm định định giá độc lập (ACBA) và khâu kiểm soát sau cấp tín dụng, giúp rút ngắn thời gian xử lý hồ sơ từ 7 ngày xuống còn 3,5 ngày làm việc (giảm 50% thời gian xử lý).
  2. Cơ chế kiểm soát rủi ro cân bằng (Dynamic Risk Boundary): Tỷ lệ nợ xấu CVMN năm 2021 giảm còn 0,18% (so với 0,21% năm 2020), thấp hơn đáng kể so với mức trần an toàn 3,0% do Ngân hàng Nhà nước quy định và thấp hơn mức bình quân toàn ngành tại địa bàn (~1,2%).
  3. Đa dạng hóa gói sản phẩm theo đối tượng: Xây dựng biểu lãi suất linh hoạt (11% cho kỳ hạn ngắn 1–2 tháng; 12,5% cho kỳ hạn $\ge 12$ tháng; tích hợp gói hỗ trợ 5%/năm theo Thông tư 11/2013/TT-NHNN cho người thu nhập thấp).
  4. Đóng góp học thuật và thực tiễn: Khóa luận cung cấp bộ dữ liệu thực chứng và quy trình đo lường SERVQUAL có khả năng tái sử dụng cho các nghiên cứu thẩm định tín dụng bán lẻ tại các chi nhánh NHTM cấp tỉnh.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Case Scenarios)

  • Kịch bản A (Mua nhà đất có Giấy chứng nhận): Hỗ trợ tài trợ tối đa 85% giá trị hợp đồng chuyển nhượng; thời hạn vay kéo dài tới 15–20 năm; giải ngân phong tỏa sang bên bán ngay sau khi hoàn tất thủ tục công chứng mua bán.
  • Kịch bản B (Xây dựng / Cải tạo nhà ở): Cấp vốn theo tiến độ thi công thực tế; thời hạn tối đa 7 năm; thẩm định giải ngân theo từng đợt nghiệm thu hoàn thành hạng mục thô và hoàn thiện.
  • Kịch bản C (Khách hàng nước ngoài cư trú hợp pháp): Hạn mức vay tối đa 5 năm (không vượt thời hạn thẻ tạm trú/visa còn lại), bảo đảm 100% bằng tài sản độc lập tại Việt Nam.
+------------------------------------------------------------------------------------+
|                LỘ TRÌNH TRIỂN KHAI VÀ MỞ RỘNG DANH MỤC CVMN                        |
+------------------------------------------------------------------------------------+
| Giai đoạn 1 (Q1 - Q2): Số hóa quy trình thu thập hồ sơ & eKYC khách hàng vay       |
| Giai đoạn 2 (Q3 - Q4): Tích hợp chấm điểm tự động CIC & Định giá BĐS trực tuyến     |
| Giai đoạn 3 (Năm tiếp): Mở rộng liên kết chủ đầu tư dự án căn hộ thương mại tại Huế|
+------------------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)

  • Tăng trưởng thu nhập lãi thuần: Đóng góp từ mảng CVMN vào tổng thu nhập thuần của PGD An Cựu tăng từ 111,21 tỷ VNĐ (2019) lên 191,06 tỷ VNĐ (2021).
  • Hệ số an toàn vốn (CAR): Duy trì danh mục tài sản bảo đảm bằng bất động sản có tính thanh khoản cao, giúp giảm chi phí trích lập dự phòng rủi ro tín dụng cụ thể xuống dưới 1,5% tổng dư nợ.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Quy mô mẫu khảo sát sơ cấp ($n = 50$) phản ánh chính xác khách hàng tại PGD An Cựu nhưng cần mở rộng quy mô $n \ge 300$ khi nghiên cứu trên toàn địa bàn tỉnh Thừa Thiên Huế.
  • Quy trình kiểm tra thông tin lịch sử tín dụng CIC vẫn mang tính định kỳ, chưa tích hợp API luồng trực tiếp vào hệ thống phân loại nợ tự động trong Core Banking.

Hướng phát triển trong tương lai

  1. Machine Learning trong thẩm định rủi ro: Triển khai mô hình XGBoost/LightGBM trên tập dữ liệu lịch sử khách hàng để dự báo sớm xác suất vỡ nợ (Probability of Default - PD).
  2. Số hóa quy trình thế chấp: Ứng dụng cổng dịch vụ công trực tuyến để thực hiện đăng ký giao dịch bảo đảm điện tử, rút ngắn thời gian giải ngân xuống dưới 24 giờ.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                        MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                      |
+-------------------------------------------------------------------------+
| Sinh viên & Học viên       | Developer & Kỹ sư FinTech                  |
| - Khung nghiên cứu SERVQUAL| - Kiến trúc luồng dữ liệu Core SIBS        |
| - Quy trình định lượng SPSS| - Thuật toán Amortization & Scoring        |
|----------------------------+--------------------------------------------|
| Ban Lãnh đạo Ngân hàng     | Khách hàng cá nhân tại Huế                 |
| - Kiểm soát nợ xấu < 0,2%  | - Tiếp cận vốn vay minh bạch, LTV 85%      |
| - Tối ưu biên lãi ròng NIM | - Lãi suất ưu đãi, thời gian duyệt 3,5 ngày|
+-------------------------------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận cấu trúc khóa luận chuẩn mực kết hợp giữa phân tích số liệu tài chính doanh nghiệp và kiểm định thống kê xã hội học.
  • Kỹ sư FinTech / Chuyên viên Tín dụng: Nắm bắt chi tiết logic thuật toán tính toán LTV, DTI và quy chuẩn giao tiếp dữ liệu trong hệ thống ngân hàng thương mại.
  • Tổ chức tín dụng / Doanh nghiệp: Mô hình tham chiếu để tái cấu trúc quy trình tín dụng bán lẻ tại các thị trường cấp 2.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và hồ sơ bắt buộc để triển khai khoản vay CVMN tại ACB là gì?

Khách hàng cần cung cấp hồ sơ nhân thân (CCCD/Hộ chiếu), hồ sơ chứng minh năng lực tài chính (hợp đồng lao động, sao kê lương 6 tháng gần nhất, nguồn thu từ kinh doanh), hồ sơ mục đích vay vốn (hợp đồng mua bán/chuyển nhượng/giấy phép xây dựng) và giấy tờ sở hữu tài sản bảo đảm hợp pháp.

2. Ngân hàng kiểm soát rủi ro vỡ nợ như thế nào khi khách hàng mất khả năng chi trả?

Quy trình áp dụng cơ chế 3 lớp: (1) Tỷ lệ trích lập dự phòng rủi ro tín dụng theo phân loại nợ 5 nhóm của NHNN; (2) Tự động hóa trích nợ tự động tài khoản tiền gửi; (3) Khởi động thủ tục pháp lý phát mại tài sản bảo đảm với sự hỗ trợ của cơ quan chức năng và chính quyền địa phương.

3. Tỷ lệ LTV tối đa 85% được áp dụng trong những điều kiện nào?

Áp dụng đối với trường hợp bất động sản đã có Giấy chứng nhận quyền sử dụng đất và quyền sở hữu nhà ở hợp pháp. Trường hợp tài sản thế chấp là giấy tờ có giá/sổ tiết kiệm do chính ACB phát hành, tỷ lệ cấp tín dụng có thể đạt tới 100% giá trị tài sản bảo đảm.

4. Hệ thống Core Banking SIBS hỗ trợ phân loại nợ như thế nào?

Core SIBS tự động theo dõi lịch trả nợ của từng hợp đồng tín dụng. Khi nợ gốc hoặc lãi quá hạn từ 10 đến 90 ngày, hệ thống tự động chuyển nhóm nợ sang nợ cần chú ý (Nhóm 2) và tự động ghi nhận nợ xấu (Nhóm 3–5) khi quá hạn từ 91 ngày trở lên, đồng thời kích hoạt cảnh báo tới CB QHKH và phòng Quản lý rủi ro.

5. Lợi nhuận và khả năng thu hồi vốn của PGD An Cựu từ phân khúc này ra sao?

Năm 2021, dư nợ CVMN đạt 1.289 tỷ VNĐ trên tổng dư nợ 2.022 tỷ VNĐ, đóng góp chính vào 191,06 tỷ VNĐ thu nhập lãi thuần và 37,68 tỷ VNĐ lợi nhuận sau thuế của chi nhánh, với biên lợi nhuận ròng được bảo toàn nhờ tỷ lệ nợ xấu thấp (0,18%).


Kết luận

Khóa luận đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc phân tích thực trạng, định lượng chất lượng dịch vụ CVMN tại ACB – PGD An Cựu giai đoạn 2019–2021. Kết quả minh chứng rằng việc duy trì chính sách tín dụng linh hoạt (LTV đến 85%, quy trình 14 bước tối ưu trên nền tảng SIBS) kết hợp kiểm soát nghiêm ngặt các chỉ số an toàn tài chính (nợ xấu kiểm soát ở mức 0,18%, nợ quá hạn 0,75%) đã giúp PGD An Cựu nâng cao năng lực cạnh tranh và tối ưu hóa hiệu quả kinh doanh. Để tham khảo chi tiết toàn bộ bảng hỏi khảo sát và hệ thống bảng biểu thống kê SPSS, bạn đọc có thể nghiên cứu trực tiếp tài liệu gốc của khóa luận tốt nghiệp.