Giới thiệu dự án

Quá trình tự do hóa tài chính và hội nhập kinh tế quốc tế đặt hệ thống Ngân hàng Thương mại (NHTM) Việt Nam trước những bước chuyển mình mang tính cấu trúc. Giai đoạn 2015–2017 chứng kiến làn sóng tái cơ cấu quyết liệt theo định hướng của Ngân hàng Nhà nước (NHNN), nổi bật là các thương vụ sáp nhập quy mô lớn nhằm thanh lọc các tổ chức tín dụng (TCTD) yếu kém. Trong bối cảnh đó, Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín (Sacombank - Mã CK: STB) đã thực hiện sáp nhập Ngân hàng TMCP Phương Nam (Southern Bank) vào cuối năm 2015, đưa quy mô tổng tài sản vọt lên mức 292.292 tỷ đồng, lọt top 5 ngân hàng TMCP lớn nhất Việt Nam.

Tuy nhiên, thương vụ M&A này cũng mang lại những hệ lụy tài chính nghiêm trọng:

  • Gia tăng đột biến nợ xấu (NPL): Tỷ lệ nợ xấu tăng từ 1,89% lên 5,80% (2015) và đạt đỉnh 6,91% (2016), vượt xa ngưỡng an toàn toàn ngành (2,46%).
  • Sụt giảm mạnh lợi nhuận: Lợi nhuận trước thuế (LNTT) năm 2016 giảm tới 82,28% so với 2015 do áp lực trích lập dự phòng rủi ro tín dụng lên tới hàng nghìn tỷ đồng.
  • Áp lực an toàn vốn: Hệ số an toàn vốn tối thiểu (CAR) suy giảm xuống 9,61% trong năm 2016, tiệm cận mức sàn quy định 9% theo Thông tư 36/2014/TT-NHNN.

Đề tài "Đánh giá hiệu quả hoạt động kinh doanh của Ngân hàng Thương mại Cổ phần Sài Gòn Thương Tín theo mô hình CAMEL" do sinh viên Trần Thị Mỹ Hoài thực hiện (dưới sự hướng dẫn của TS. Trần Thị Bích Ngọc - Đại học Kinh tế, Đại học Huế) giải quyết bài toán định lượng sức khỏe tài chính toàn diện của Sacombank giai đoạn 2015–2017.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về hiệu quả hoạt động kinh doanh của NHTM và khung đánh giá chuẩn quốc tế CAMEL theo Quyết định 06/2008/QĐ-NHNN.
  2. Phân tích, lượng hóa thực trạng hoạt động của Sacombank thông qua 5 trụ cột: Capital Adequacy (An toàn vốn), Asset Quality (Chất lượng tài sản), Management (Năng lực quản lý), Earnings (Khả năng sinh lời), Liquidity (Khả năng thanh khoản).
  3. Đối sánh độc lập (Benchmarking) giữa Sacombank với Ngân hàng TMCP Á Châu (ACB) và Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam (Eximbank).
  4. Đề xuất hệ thống giải pháp nâng cao hiệu quả kinh doanh và kiểm soát rủi ro theo lộ trình triển khai Hiệp ước Basel II.

Phạm vi nghiên cứu tập trung vào chu kỳ tài chính 3 năm (2015, 2016, 2017) dựa trên báo cáo tài chính đã kiểm toán và báo cáo thường niên chính thức của các ngân hàng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi mô hình CAMEL được áp dụng rộng rãi, việc đánh giá hiệu quả kinh doanh NHTM tại Việt Nam chủ yếu dựa vào các chỉ tiêu tài chính đơn lẻ hoặc phân tích DuPont truyền thống.

Tiêu chí so sánh Phương pháp Tài chính truyền thống (DuPont) Mô hình Xếp hạng CAMEL Chuẩn mực Quốc tế Basel II
Phạm vi đánh giá Tập trung vào ROE, ROA, tỷ suất sinh lời Đa chiều: Vốn, Tài sản, Quản trị, Lợi nhuận, Thanh khoản Chú trọng Tài sản rủi ro (RWA), Tỷ lệ đòn bẩy, ICAAP
Yếu tố phi tài chính Không đánh giá được năng lực điều hành Định lượng hóa gián tiếp năng lực quản lý Quy định quy trình kiểm toán, giám sát nội bộ
Độ nhạy rủi ro Thấp, không phản ánh chất lượng nợ xấu Rất cao, phân tích sâu nợ nhóm 3-5 và dự phòng Cực cao, yêu cầu tính vốn cho Rủi ro Tín dụng/Thị trường/Vận hành
Tính ứng dụng Phù hợp doanh nghiệp phi tài chính Chuẩn mực thanh tra, giám sát ngân hàng (NHNN) Khung an toàn vốn toàn cầu

Nghiên cứu thị trường so sánh 3 ngân hàng TMCP bán lẻ quy mô tương đương:

Vốn điều lệ (2017):
  Sacombank : [====================] 18,852 tỷ VNĐ
  ACB       : [==========] 9,377 tỷ VNĐ
  Eximbank  : [=============] 12,455 tỷ VNĐ

Tổng vốn chủ sở hữu (2017):
  Sacombank : [========================] 23,236 tỷ VNĐ
  ACB       : [==============] 14,064 tỷ VNĐ
  Eximbank  : [=============] 13,847 tỷ VNĐ

Yêu cầu phân tích theo phương pháp MoSCoW

  • Must-have (Bắt buộc): Lượng hóa chính xác hệ số an toàn vốn (CAR), tỷ lệ nợ xấu (NPL), tỷ lệ tài sản sinh lời, hệ số thanh khoản (LDR, thanh khoản 30 ngày) theo Thông tư 36/2014/TT-NHNN và Thông tư 41/2016/TT-NHNN; xếp hạng thang điểm từ 1 đến 5.
  • Should-have (Cần có): Phân tích tương quan đòn bẩy tài chính ($D/E$) và khả năng bao phủ nợ xấu đối ứng với ACB và Eximbank.
  • Could-have (Có thể có): Đánh giá hiệu quả triển khai phần mềm quản lý phê duyệt cấp tín dụng (LOS) và nâng cấp Core Banking T24.
  • Won't-have (Không bao gồm): Đánh giá rủi ro thị trường mở rộng (Sensitivity to market risk - yếu tố 'S' trong CAMELS) do hạn chế công bố dữ liệu phái sinh.

Thiết kế hệ thống đánh giá

Hệ thống đánh giá hiệu quả kinh doanh theo CAMEL được thiết kế thành một quy trình tích hợp khép kín từ khâu chuẩn hóa dữ liệu đầu vào đến trích xuất khuyến nghị chính sách:

Hệ thống công nghệ và nền tảng quản trị rủi ro áp dụng

  • Hệ thống Ngân hàng lõi (Core Banking): Temenos T24 nâng cấp từ phiên bản R8 lên phiên bản R11, hỗ trợ xử lý giao dịch tự động và quản lý hạn mức tập trung.
  • Hệ thống Khởi tạo và Quản lý Tín dụng (Loan Origination System - LOS): Hợp tác với liên danh Aurionpro - Integro (giá trị đầu tư >100 tỷ đồng) gồm 3 module: Khởi tạo hồ sơ tín dụng, Quản lý hạn mức, Quản lý tài sản bảo đảm.
  • Khung quản trị rủi ro chuẩn mực: Basel II (Phương pháp chuẩn hóa Standardized Approach), Báo cáo đánh giá khoảng cách (GAP Analysis) thực hiện bởi Ernst & Young (E&Y), Tiêu chuẩn ISO 9001:2015.

Mô hình toán học các chỉ tiêu cốt lõi

  1. Tỷ lệ an toàn vốn (Capital Adequacy Ratio - CAR): $$\text{CAR} = \frac{\text{Vốn tự có (Vốn cấp 1 + Vốn cấp 2 - Giảm trừ)}}{\text{Tổng tài sản có điều chỉnh rủi ro (RWA)}} \times 100% \ge 9%$$

  2. Tỷ lệ thu nhập lãi cận biên (Net Interest Margin - NIM): $$\text{NIM} = \frac{\text{Thu nhập lãi thuần}}{\text{Tổng tài sản có sinh lời bình quân}} \times 100%$$

  3. Tỷ lệ cấp tín dụng so với nguồn vốn huy động (Loan to Deposit Ratio - LDR): $$\text{LDR} = \frac{\text{Tổng dư nợ cho vay}}{\text{Tổng vốn huy động (Tiền gửi KH + Giấy tờ có giá)}} \times 100% \le 80%$$

Methodology

Nghiên cứu ứng dụng phương pháp hỗn hợp (Mixed-methodology) kết hợp giữa định lượng và định tính:

  • Phương pháp thu thập dữ liệu thứ cấp: Trích xuất báo cáo tài chính hợp nhất kiểm toán của Sacombank, ACB, Eximbank từ 2015 đến 2017.
  • Phương pháp phân tích tỷ số tài chính (Financial Ratio Analysis): Xác định biến động các chỉ số cấu trúc tài sản, tỷ lệ nợ xấu, hiệu suất sinh lời trên tài sản và vốn chủ sở hữu.
  • Phương pháp so sánh chéo (Benchmarking): Đặt Sacombank vào tương quan so sánh với 2 đối thủ cạnh tranh trực tiếp trong nhóm TMCP ngoài quốc doanh.
  • Khung xếp hạng định mức tín nhiệm: Thang đo chuẩn 5 bậc của Federal Reserve và NHNN Việt Nam:
    • Hạng 1 (Tốt): Hoạt động xuất sắc, các chỉ tiêu vượt trội mức trung bình ngành.
    • Hạng 2 (Khá/An toàn): Hoạt động ổn định, đáp ứng tốt các quy định an toàn.
    • Hạng 3 (Trung bình): Tồn tại điểm yếu nhất định, cần khắc phục (đặc biệt chất lượng tài sản).
    • Hạng 4 (Kém): Tiềm ẩn rủi ro mất an toàn vốn, cần giám sát đặc biệt.
    • Hạng 5 (Rất kém): Nguy cơ mất thanh khoản/khả năng hoạt động, cần can thiệp khẩn cấp.

Implementation và kết quả

Development process

Quá trình thu thập, tiền xử lý và tính toán 5 cấu phần CAMEL được lập trình và mô hình hóa chi tiết. Thuật toán chấm điểm tự động các cấu phần tài chính được mô phỏng qua script phân tích:

import numpy as np

class CAMELRatingEngine:
    def __init__(self, data):
        self.data = data

    def evaluate_capital_adequacy(self):
        car = self.data['CAR']
        de_ratio = self.data['Total_Debt'] / self.data['Equity']
        if car >= 11.0 and de_ratio < 13.0:
            return 1, "Vốn rất an toàn"
        elif car >= 9.0 and de_ratio <= 16.0:
            return 2, "Đạt chuẩn quy định NHNN"
        else:
            return 3, "Áp lực an toàn vốn cao"

    def evaluate_asset_quality(self):
        npl_ratio = (self.data['Substandard_Debt'] + self.data['Doubtful_Debt'] + self.data['Bad_Debt']) / self.data['Total_Loans'] * 100
        earning_assets_ratio = self.data['Earning_Assets'] / self.data['Total_Assets'] * 100
        coverage_ratio = self.data['Loan_Loss_Provision'] / self.data['NPL_Amount'] * 100
        
        if npl_ratio < 2.0 and coverage_ratio >= 100:
            rating = 1
        elif npl_ratio <= 3.0:
            rating = 2
        elif npl_ratio <= 5.0:
            rating = 3
        else:
            rating = 4 # NPL > 5% - Rủi ro cao
        return rating, {"NPL_Ratio": npl_ratio, "Earning_Assets_Ratio": earning_assets_ratio, "Coverage_Ratio": coverage_ratio}

# Dữ liệu thực nghiệm Sacombank năm 2016
stb_2016_data = {
    'CAR': 9.61,
    'Total_Debt': 309181000,
    'Equity': 22191934,
    'Substandard_Debt': 1850000,
    'Doubtful_Debt': 2100000,
    'Bad_Debt': 9170000,
    'Total_Loans': 190000000,
    'Earning_Assets': 255000000,
    'Total_Assets': 331373000,
    'Loan_Loss_Provision': 4100000,
    'NPL_Amount': 13120000
}

engine = CAMELRatingEngine(stb_2016_data)
c_score, c_desc = engine.evaluate_capital_adequacy()
a_score, a_metrics = engine.evaluate_asset_quality()

Testing và validation

Hiệu quả hoạt động tài chính của Sacombank giai đoạn 2015–2017 được kiểm chứng qua việc đối sánh định lượng với ACB và Eximbank:

Tỷ lệ Nợ xấu (NPL Ratio) qua các năm:
  2015:
    Sacombank : [============================] 5.80%
    ACB       : [======] 1.31%
    Eximbank  : [==========] 1.86%
  2016:
    Sacombank : [=================================] 6.91%
    ACB       : [====] 0.88%
    Eximbank  : [=============] 2.95%
  2017:
    Sacombank : [======================] 4.67%
    ACB       : [====] 0.71%
    Eximbank  : [==========] 2.27%

Bảng tổng hợp đối sánh chỉ số CAMEL giai đoạn 2015–2017

Nhóm chỉ tiêu CAMEL Chỉ số thành phần Sacombank (2015) Sacombank (2016) Sacombank (2017) ACB (TB 3 năm) Eximbank (TB 3 năm)
C - Vốn Hệ số CAR (%) 10,95% 9,61% 11,30% 12,49% 16,54%
Đòn bẩy tài chính ($D/E$) 12,23 13,96 15,53 15,70 8,85
A - Tài sản Tỷ lệ nợ xấu NPL (%) 5,80% 6,91% 4,67% 0,97% 2,36%
Tỷ lệ TS sinh lời / Tổng TS 81,30% 85,73% 87,89% 92,15% 91,40%
Khả năng bù đắp nợ xấu 35,2% 31,25% 37,80% 95,40% 62,50%
M - Quản lý LN ròng / Nhân viên (tr.đ/ng) 39,2 5,4 54,8 125,6 32,1
Tốc độ tăng trưởng Tổng TS 53,86% 13,37% 11,20% 16,50% 4,20%
E - Lợi nhuận ROA (%) 0,26% 0,03% 0,35% 0,85% 0,22%
ROE (%) 3,15% 0,42% 5,40% 12,10% 2,15%
Lợi nhuận trước thuế (tỷ đ) 878,8 155,8 1.488,5 2.150,0 650,0
L - Thanh khoản LDR (Dư nợ / Tiền gửi) 78,4% 76,2% 75,8% 77,5% 74,2%
Dự trữ thanh khoản 12,5% 14,2% 15,1% 18,2% 16,5%

Kết quả đạt được

Hệ thống đánh giá CAMEL cho thấy bức tranh phân hóa rõ rệt trong các giai đoạn của Sacombank:

                      MA TRẬN XẾP HẠNG CAMEL - SACOMBANK
   Cấu phần CAMEL             Điểm xếp hạng       Đánh giá thực trạng
   C - An toàn vốn            Hạng 2 (Khá)        VCSH lớn (>23.000 tỷ), CAR 11.30%
   A - Chất lượng tài sản     Hạng 3 (Trung bình) Nợ xấu cao (4.67%), VAMC 37.000 tỷ
   M - Năng lực quản lý       Hạng 2 (Khá)        Tái cơ cấu quyết liệt, LOS/T24 R11
   E - Khả năng sinh lời      Hạng 3 (Trung bình) NIM mỏng, LNTT hồi phục mạnh 2017
   L - Khả năng thanh khoản   Hạng 2 (Khá)        LDR < 80%, thanh khoản 30 ngày an toàn
   XẾP HẠNG CHUNG             HẠNG 2- (Khá - Cần giám sát chất lượng tài sản)
  1. Xử lý nợ xấu đột phá (2017): Thu hồi và xử lý hơn 19.660 tỷ đồng nợ xấu và tài sản tồn đọng, đưa tỷ lệ NPL từ mức đỉnh 6,91% (2016) xuống 4,67% (2017), tốc độ tăng trưởng nợ xấu chuyển từ +19,1% sang -32,4%.
  2. Khôi phục sức sinh lời: Sau mức đáy lợi nhuận năm 2016 (155,8 tỷ đồng), Sacombank đạt mức LNTT 1.488,5 tỷ đồng năm 2017 (tăng trưởng 858,8%), đưa ROE tăng từ 0,42% lên 5,40%.
  3. Bảo toàn an toàn thanh khoản: Hệ số CAR năm 2017 đạt 11,30% (cao hơn mức sàn 9% của NHNN); hệ số LDR duy trì ở mức an toàn 75,8% (quy định tối đa 80%).

Đổi mới và đóng góp

Điểm mới trong phương pháp luận và công nghệ

  • Chuẩn hóa tích hợp CAMEL và Basel II: Thay vì phân tích các chỉ tiêu kế toán thuần túy, đề tài kết nối dữ liệu nợ xấu với khung phân bổ vốn rủi ro theo Thông tư 41/2016/TT-NHNN, tiệm cận phương pháp tiếp cận nâng cao (IRB).
  • Định lượng hóa năng lực quản lý (Trụ cột M): Kết hợp các chỉ tiêu năng suất lao động (Lợi nhuận ròng/Nhân viên), tốc độ tăng trưởng quy mô và hiệu quả vận hành các hệ thống công nghệ Core Banking T24 R11 và phần mềm LOS.

Đóng góp thực tiễn cho ngành Ngân hàng

  • Cung cấp bức tranh thực nghiệm điển hình về hậu quả và giải pháp tái cơ cấu hậu M&A của ngân hàng thương mại quy mô lớn tại Việt Nam.
  • Chỉ ra vai trò của công cụ Trái phiếu đặc biệt VAMC trong việc tái phân loại tài sản có sinh lời và giảm áp lực trích lập dự phòng trước mắt.
  • Xây dựng mô hình cảnh báo sớm thông qua việc theo dõi tỷ lệ bao phủ nợ xấu ($Provision/NPL$) và hệ số đòn bẩy tài chính ($D/E$).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  1. Quản trị rủi ro thanh khoản theo kịch bản căng thẳng (Stress Testing): Áp dụng tỷ lệ khả năng chi trả 30 ngày để dự báo dòng tiền rút ròng khi thị trường liên ngân hàng biến động.
  2. Tự động hóa phê duyệt hạn mức tín dụng qua LOS: Ứng dụng mô hình chấm điểm tín dụng nội bộ phân loại khách hàng doanh nghiệp và cá nhân, rút ngắn thời gian xử lý hồ sơ từ 3 ngày xuống dưới 24 giờ.
Lộ trình Triển khai Tối ưu hóa Hiệu quả Hoạt động (2018-2020):

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

  • Chi phí: Đầu tư hơn 100 tỷ đồng cho hệ thống LOS và chi phí tư vấn GAP analysis Basel II từ E&Y.
  • Lợi ích định lượng: Cắt giảm 35% chi phí tác nghiệp thủ công, giảm tỷ lệ sai sót vận hành xuống dưới 0,05%, tiết kiệm hàng trăm tỷ đồng chi phí trích lập dự phòng thông qua việc kiểm soát dòng tiền nợ nhóm 2 chuyển nhóm nợ xấu.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Dữ liệu nghiên cứu chủ yếu dựa trên báo cáo tài chính công khai, chưa tiếp cận được dữ liệu chi tiết từng khoản mục nợ xấu ngoài bảng cân đối kế toán hoặc nợ bán cho VAMC chưa xử lý dứt điểm.
  • Mô hình CAMEL nguyên bản chưa tách biệt rõ ràng yếu tố rủi ro thị trường (Sensitivity to market risk - yếu tố S) như trong mô hình CAMELS mở rộng.

Hướng phát triển đề tài

  • Nâng cấp lên CAMELS: Tích hợp phân tích định lượng trạng thái ngoại hối mở, khe hở lãi suất (Interest Rate Gap) và độ nhạy cảm giá trị tài sản đối với biến động vĩ mô.
  • Ứng dụng Machine Learning: Xây dựng mô hình học máy (XGBoost, Random Forest) trên nền tảng Big Data của Core Banking T24 để dự báo sớm xác suất vỡ nợ (Probability of Default - PD) của danh mục cho vay bán lẻ.

Đối tượng hưởng lợi

  • Sinh viên & Nghiên cứu sinh: Nắm vững phương pháp bóc tách BCTC ngân hàng và kỹ thuật tính toán chỉ số tài chính theo chuẩn mực NHNN.
  • Risk Managers / FinTech Developers: Hiểu rõ quy trình tích hợp các tiêu chuẩn Basel II vào kiến trúc hệ thống phần mềm ngân hàng (Core Banking, LOS).
  • Nhà đầu tư tài chính: Có công cụ định giá sức khỏe nội tại và tiềm năng phục hồi của cổ phiếu ngân hàng sau giai đoạn tái cơ cấu.

Câu hỏi thường gặp

1. Điều kiện hạ tầng kỹ thuật và cơ sở dữ liệu để triển khai mô hình CAMEL tại NHTM là gì?

Cần hệ thống Ngân hàng lõi (Core Banking) tối thiểu chuẩn Temenos T24 R11 hoặc Flexcube, tích hợp kho dữ liệu tập trung (Data Warehouse) để đồng bộ hóa dữ liệu từ các chi nhánh theo thời gian thực; hệ thống xếp hạng tín dụng nội bộ tự động tính điểm rủi ro.

2. Giới hạn lớn nhất của mô hình CAMEL khi áp dụng tại Việt Nam là gì và cách khắc phục?

Hạn chế nằm ở tính chất định lượng dựa trên số liệu lịch sử của BCTC, có thể bị sai lệch bởi độ trễ công bố thông tin hoặc các kỹ thuật đảo nợ. Giải pháp là kết hợp thanh tra tại chỗ, kiểm toán độc lập quốc tế và bổ sung yếu tố đo lường rủi ro thị trường (CAMELS).

3. Việc tích hợp phần mềm LOS với Core Banking T24 mang lại lợi ích gì cho việc chấm điểm CAMEL?

Hệ thống LOS (liên danh Aurionpro - Integro) tự động hóa quy trình từ khởi tạo, thẩm định, phê duyệt đến giải ngân, truyền dữ liệu trực tiếp về T24. Điều này giúp loại bỏ rủi ro đạo đức, chuẩn hóa phân loại nợ nhóm 1-5 và tính toán chính xác dự phòng rủi ro phục vụ trụ cột A và M trong CAMEL.

4. Tần suất cập nhật và bảo trì các tham số trong mô hình xếp hạng CAMEL nên là bao lâu?

Các chỉ số thanh khoản (L) và an toàn vốn (C) cần được theo dõi hàng ngày/hàng tuần (Daily/Weekly Dashboard). Toàn bộ mô hình CAMEL hoàn chỉnh cần được tính toán và xếp hạng lại định kỳ hàng quý sau khi có BCTC soát xét.

5. Chi phí triển khai hệ thống quản trị rủi ro chuẩn Basel II/LOS và thời gian hòa vốn (ROI)?

Chi phí đầu tư dao động từ 5 đến 10 triệu USD (tùy quy mô ngân hàng). Thời gian hoàn vốn trung bình từ 3–5 năm thông qua việc tối ưu hóa tỷ lệ an toàn vốn, giảm thiểu chi phí trích lập dự phòng nợ xấu và tăng tốc độ xử lý tín dụng bán lẻ.

Kết luận

Nghiên cứu "Đánh giá hiệu quả hoạt động kinh doanh của NHTM Cổ phần Sài Gòn Thương Tín theo mô hình CAMEL" đã chứng minh tính ưu việt của phương pháp luận đánh giá rủi ro đa chiều trong việc lượng hóa sức khỏe tài chính ngân hàng hậu M&A. Giai đoạn 2015–2017 là giai đoạn thử thách then chốt của Sacombank khi phải cùng lúc giải quyết hai bài toán: hấp thụ nợ xấu từ Southern Bank và duy trì tăng trưởng quy mô thị phần.

Kết quả phân tích khẳng định: Dù đối mặt với tỷ lệ nợ xấu đỉnh điểm 6,91% và LNTT suy giảm trong năm 2016, Sacombank đã cho thấy sự phục hồi vượt bậc trong năm 2017 với LNTT đạt 1.488,5 tỷ đồng, CAR đạt 11,30% và thanh khoản luôn giữ mức an toàn nhờ chiến lược tái cơ cấu quyết liệt, đầu tư công nghệ LOS và chuẩn hóa khung quản trị Basel II. Đề tài không chỉ mang giá trị học thuật xuất sắc cho sinh viên khối ngành Kinh tế - Tài chính mà còn cung cấp hàm ý quản trị thực tiễn giá trị cho các TCTD đang trong quá trình chuyển đổi số và tái cấu trúc tài chính toàn diện.