Giới thiệu dự án

Hoạt động cấp tín dụng đóng vai trò là nghiệp vụ sinh lời cốt lõi, chiếm từ 70% đến 90% tổng doanh thu và tài sản có của các ngân hàng thương mại (NHTM) tại Việt Nam. Theo thống kê của Ngân hàng Nhà nước (NHNN), tăng trưởng tín dụng toàn hệ thống đến cuối năm 2022 đạt 11,03% (cao hơn mức 10,1% của năm 2020). Tuy nhiên, sau đại dịch COVID-19, sự gián đoạn chuỗi cung ứng và biến động kinh tế vĩ mô đã đẩy tỷ lệ nợ xấu (Non-Performing Loans - NPL) và nợ quá hạn (Overdue Loans) tại nhiều tổ chức tín dụng (TCTD) tăng nhanh.

Tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam - Chi nhánh Hà Nội II (Agribank Hà Nội II), hoạt động tín dụng phát triển với tổng dư nợ đạt 6.297 tỷ đồng vào năm 2022. Tuy nhiên, đơn vị đối mặt với nhiều thách thức quản trị rủi ro:

  • Tỷ lệ nợ quá hạn và nợ nhóm 2 (nợ cần chú ý) có xu hướng gia tăng do độ trễ ảnh hưởng từ COVID-19 đối với nhóm khách hàng doanh nghiệp vừa và nhỏ (KHDNVVN) và hộ sản xuất.
  • Quy trình tác nghiệp tín dụng theo Quyết định số 1225/QĐ-NHNo-TD còn mang tính thủ công, phụ thuộc vào đánh giá định tính của cán bộ tín dụng (CBTD).
  • Hệ thống cảnh báo sớm (Early Warning System - EWS) chưa tự động hóa đồng bộ với hệ thống Core Banking IPCAS II, dẫn đến việc nhận diện dấu hiệu suy giảm khả năng trả nợ của khách hàng bị chậm trễ.
+-----------------------------------------------------------------------------------+
|                        MÔ HÌNH RỦI RO TÍN DỤNG TỔNG THỂ                           |
+-----------------------------------------------------------------------------------+
|  [Đầu vào Dữ liệu]          [Đo lường & Phân loại]         [Kiểm soát & Giảm thiểu] |
|  - BCTC Doanh nghiệp   -->  - Chấm điểm XHTD nội bộ   -->  - Giám sát sau giải ngân|
|  - Dữ liệu CIC              - Phân loại nợ (TT 11/2021)    - Trích lập DPRR (0.75%) |
|  - Dòng tiền tài khoản      - Ước tính EL = PD*LGD*EAD     - Xử lý TSĐB & Cơ cấu nợ |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về rủi ro tín dụng (RRTD) và chuẩn mực quản trị rủi ro theo hiệp ước Basel II và Thông tư 11/2021/TT-NHNN.
  2. Phân tích thực trạng hoạt động huy động vốn, tăng trưởng dư nợ và chất lượng danh mục tín dụng tại Agribank Hà Nội II giai đoạn 2020 - 2022.
  3. Đo lường các chỉ số tổn thất kỳ vọng (Expected Loss - EL), tỷ lệ bao phủ nợ quá hạn và hiệu quả trích lập dự phòng rủi ro (DPRR).
  4. Thiết lập mô hình thẩm định tích hợp chấm điểm tín dụng tự động và quy trình ba tuyến bảo vệ độc lập.
  5. Đề xuất hệ thống giải pháp công nghệ và quản trị danh mục nhằm hạ tỷ lệ nợ xấu xuống dưới 1,5% giai đoạn 2023 - 2027.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp phân tích định lượng dữ liệu hồi tố (retrospective quantitative analysis) giai đoạn 2020-2022 từ báo cáo tài chính của chi nhánh, chuẩn hóa chỉ tiêu đo lường theo Thông tư 39/2016/TT-NHNN và Thông tư 11/2021/TT-NHNN, đối sánh thực tiễn (benchmarking) với VietinBank Hà Nam và Vietcombank Tây Hồ.
  • Kết quả kỳ vọng: Rút ngắn thời gian thẩm định từ 5 ngày xuống 2 ngày đối với khách hàng cá nhân (KHCN); kiểm soát tỷ lệ nợ xấu nội bảng $\le 1,2%$; tối ưu hóa tỷ lệ bao phủ nợ quá hạn $\ge 110%$.
  • Phạm vi & Giới hạn: Dữ liệu nghiên cứu thu thập tại Agribank Hà Nội II và 3 chi nhánh loại II trực thuộc (Thanh Oai, Thường Tín, Phú Xuyên) từ năm 2020 đến hết ngày 31/12/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Hà Đông và các huyện phụ cận, danh mục cho vay của Agribank Hà Nội II tập trung 71% vào khối khách hàng doanh nghiệp (doanh nghiệp lớn chiếm 20%, SME chiếm 46%) và 34% khối bán lẻ. Việc so sánh với các đơn vị cùng phân khúc làm rõ hiện trạng quản trị rủi ro:

Tiêu chí so sánh Agribank Chi nhánh Hà Nội II VietinBank Chi nhánh Hà Nam Vietcombank Chi nhánh Tây Hồ
Mô hình thẩm định Cán bộ QLKH kiêm lập tờ trình, thẩm định phân tán Tách bạch bán hàng & thẩm định, chấm điểm tự động Tập trung hóa phê duyệt, định giá độc lập qua CPC
Khẩu vị rủi ro Ưu tiên nông nghiệp/nông thôn, tài sản bảo đảm BĐS Đa dạng hóa dịch vụ, thương mại; hạn chế BĐS dài hạn Siết chặt phân khúc (không cho vay DN <1 năm hoạt động)
Hệ thống cảnh báo sớm Kiểm tra thủ công định kỳ, dữ liệu cập nhật theo tháng Theo dõi biến động doanh thu tài khoản hàng tuần EWS tự động hóa quét dòng tiền hàng ngày, báo cáo T+1
Tỷ lệ nợ xấu (2022) ~1,85% (chịu áp lực cơ cấu nợ) < 1,10% < 0,80%

Ma trận ưu tiên yêu cầu nghiệp vụ (MoSCoW)

  • Must-have (Bắt buộc): Tự động hóa tính toán tỷ lệ trích lập dự phòng cụ thể ($R_c$) và dự phòng chung ($R_g = 0,75%$) theo Thông tư 11/2021/TT-NHNN; kiểm soát giới hạn dư nợ tập trung theo ngành.
  • Should-have (Cần có): Tích hợp luồng phân tích dữ liệu tự động từ Trung tâm Thông tin Tín dụng Quốc gia (CIC) qua cổng API; mô hình xếp hạng tín dụng nội bộ đa tiêu chí.
  • Could-have (Có thể có): Dashboard trực quan hóa danh mục nợ theo phân tầng rủi ro (Risk-Weighted Assets - RWA) thời gian thực.
  • Won't-have (Chưa triển khai): Mô hình chấm điểm Machine Learning không giải thích được (Black-box AI) nhằm đảm bảo tính tuân thủ pháp lý thanh tra NHNN.

Thiết kế hệ thống

Kiến trúc giải pháp quản trị rủi ro tín dụng tích hợp được thiết kế theo cấu trúc phân lớp dịch vụ (Microservices Architecture), kết nối trực tiếp với hệ thống quản trị ngân hàng lõi (Core Banking).

graph TD
    A["Nguồn Dữ Liệu Khách Hàng (IPCAS II, CIC API, Thuế)"] --> B["Tầng Tiền Xử Lý & Chuẩn Hóa Dữ Liệu"]
    B --> C{"Credit Risk Decision Engine"}
    C -->|Mô hình Chấm điểm Scorecard| D["Xếp Hạng Tín Dụng Khách Hàng"]
    C -->|Quy tắc Trích lập TT11| E["Tính Toán Dự Phòng Rủi Ro (DPRR)"]
    C -->|Luồng Quản Trị Ba Tuyến| F["Phê Duyệt & Hạn Mức Tín Dụng"]
    D --> G["Hệ Thống Cảnh Báo Sớm (EWS Dashboard)"]
    E --> G
    F --> G

Technology Stack & Chuẩn giao tiếp

  • Backend Framework: Python 3.10 / FastAPI v0.95 (xử lý logic tính toán rủi ro và chấm điểm).
  • Database Engine: Microsoft SQL Server 2019 Enterprise (lưu trữ hồ sơ tín dụng, lịch sử trả nợ).
  • Analytics & Modeling: Scikit-learn v1.2, Pandas v2.0 (tính toán xác suất vỡ nợ PD, LGD, EAD).
  • Security & Auth: OAuth2 + JWT, mã hóa đường truyền TLS 1.3, mã hóa dữ liệu tĩnh AES-256.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Bảng phân loại nhóm nợ và trích lập dự phòng theo TT 11/2021/TT-NHNN
CREATE TABLE LoanRiskClassification (
    ClassificationID BIGINT IDENTITY(1,1) PRIMARY KEY,
    ContractID VARCHAR(50) NOT NULL,
    CustomerID VARCHAR(50) NOT NULL,
    TotalExposure DECIMAL(18,2) NOT NULL,
    CollateralValue DECIMAL(18,2) DEFAULT 0.00,
    OverdueDays INT NOT NULL,
    LoanGroup INT CHECK (LoanGroup BETWEEN 1 AND 5),
    SpecificProvisionRate DECIMAL(5,4) NOT NULL, -- 0%, 5%, 20%, 50%, 100%
    SpecificProvisionAmount AS (
        CASE 
            WHEN (TotalExposure - CollateralValue) > 0 
            THEN (TotalExposure - CollateralValue) * SpecificProvisionRate 
            ELSE 0 
        END
    ) PERSISTED,
    GeneralProvisionAmount AS (TotalExposure * 0.0075) PERSISTED,
    EvaluatedDate DATETIME DEFAULT GETDATE(),
    CONSTRAINT FK_Contract FOREIGN KEY (ContractID) REFERENCES LoanContract(ContractID)
);

Đặc tả API thẩm định rủi ro tín dụng

POST /api/v1/credit/risk-assessment HTTP/1.1
Host: risk-engine.agribank-hn2.vn
Content-Type: application/json
Authorization: Bearer <JWT_TOKEN>

{
  "customer_id": "KH-DN-2022-8891",
  "customer_type": "SME",
  "financial_metrics": {
    "current_ratio": 1.45,
    "debt_to_equity": 2.10,
    "dscr": 1.35,
    "revenue_growth_yoy": 0.085
  },
  "collateral_info": {
    "type": "REAL_ESTATE",
    "market_value": 5000000000,
    "discount_rate": 0.70
  },
  "cic_data": {
    "max_overdue_group_12m": 1,
    "number_of_inquiries_3m": 2
  }
}
HTTP/1.1 200 OK
Content-Type: application/json

{
  "assessment_id": "ASM-2023-09124",
  "credit_score": 742,
  "credit_rating": "AA",
  "recommended_limit": 3200000000,
  "default_probability_pd": 0.0125,
  "risk_mitigation_actions": [
    "Yêu cầu bổ sung sao kê dòng tiền 03 tháng gần nhất qua Agribank",
    "Đăng ký giao dịch bảo đảm tài sản trước khi giải ngân vòng 2"
  ]
}

Methodology

Quy trình quản trị rủi ro áp dụng mô hình lai (Hybrid Governance Methodology): kết hợp kiểm soát quy trình tín dụng theo chuẩn mực thác nước (Waterfall) cho từng hồ sơ cấp tín dụng (13 bước theo Quyết định 1225) và triển khai số hóa hệ thống theo mô hình Agile 2 tuần/sprint.

+-----------------------------------------------------------------------------------+
|               KẾ HOẠCH TRIỂN KHAI VÀ QUẢN TRỊ RỦI RO (2023 - 2025)                |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1: Chuẩn hóa dữ liệu & Tích hợp CIC/Core Banking (Tháng 1 - Tháng 6)    |
| Giai đoạn 2: Vận hành mô hình Scorecard nội bộ & Cảnh báo sớm (Tháng 7 - Tháng 12)|
| Giai đoạn 3: Số hóa toàn diện ba tuyến bảo vệ độc lập (Năm tiếp theo)            |
+-----------------------------------------------------------------------------------+

Ma trận đánh giá và kiểm soát rủi ro

Rủi ro tiềm ẩn Mức độ Biện pháp giảm thiểu
Sai lệch giá trị định giá TSĐB Cao Thuê tổ chức định giá độc lập; áp tỷ lệ chiết khấu an toàn ($LTV \le 70%$).
Khách hàng sử dụng vốn sai mục đích Rất cao Kiểm tra sau vay định kỳ 30-60 ngày; giám sát giải ngân qua tài khoản bên thứ 3.
Xung đột lợi ích của cán bộ tín dụng Trung bình Tách bạch chức năng: Bộ phận Quản lý KH và Bộ phận Thẩm định độc lập.

Implementation và kết quả

Development process

Quá trình xây dựng và thực thi giải pháp được mô đun hóa thành các hàm logic nghiệp vụ nhằm tự động hóa việc tính toán tổn thất tín dụng theo chuẩn Basel II:

$$\text{Expected Loss (EL)} = \text{Probability of Default (PD)} \times \text{Loss Given Default (LGD)} \times \text{Exposure at Default (EAD)}$$

Cùng với công thức trích lập dự phòng theo Thông tư 11/2021/TT-NHNN:

$$\text{DPRR Tổng} = \sum_{i=1}^5 \max(0, \text{Dư nợ}_i - \text{Giá trị TSĐB khấu trừ}i) \times r_i + 0,75% \times \sum{i=1}^4 \text{Dư nợ}_i$$

Script thực thi phân loại nợ và tính toán dự phòng (Python 3.10)

from dataclasses import dataclass
from typing import List, Dict

@dataclass
class LoanExposure:
    loan_id: str
    customer_name: str
    outstanding_balance: float
    collateral_value: float
    overdue_days: int
    qualitative_risk: bool = False

class CreditRiskEngine:
    PROVISION_RATES: Dict[int, float] = {
        1: 0.00,  # Nhóm 1: Nợ đủ tiêu chuẩn
        2: 0.05,  # Nhóm 2: Nợ cần chú ý
        3: 0.20,  # Nhóm 3: Nợ dưới tiêu chuẩn
        4: 0.50,  # Nhóm 4: Nợ nghi ngờ
        5: 1.00   # Nhóm 5: Nợ có khả năng mất vốn
    }
    GENERAL_PROVISION_RATE: float = 0.0075

    def classify_loan_group(self, overdue_days: int, qualitative_risk: bool) -> int:
        """Phân loại nhóm nợ dựa trên số ngày quá hạn và yếu tố định tính."""
        if qualitative_risk:
            # Nguyên tắc thận trọng: đẩy lên tối thiểu nhóm 3 nếu có dấu hiệu gian lận/rủi ro cao
            return max(3, self._group_by_days(overdue_days))
        return self._group_by_days(overdue_days)

    def _group_by_days(self, days: int) -> int:
        if days < 10:
            return 1
        elif 10 <= days <= 90:
            return 2
        elif 91 <= days <= 180:
            return 3
        elif 181 <= days <= 360:
            return 4
        else:
            return 5

    def calculate_provision(self, loans: List[LoanExposure]) -> Dict[str, float]:
        """Tính toán chi tiết dự phòng cụ thể, dự phòng chung và tỷ lệ an toàn."""
        total_balance = sum(l.outstanding_balance for l in loans)
        total_specific = 0.0
        general_eligible_balance = 0.0

        for loan in loans:
            group = self.classify_loan_group(loan.overdue_days, loan.qualitative_risk)
            rate = self.PROVISION_RATES[group]
            
            # Giá trị chịu rủi ro sau khi trừ TSĐB được khấu trừ
            net_exposure = max(0.0, loan.outstanding_balance - (loan.collateral_value * 0.70))
            specific_amount = net_exposure * rate
            total_specific += specific_amount
            
            if group in [1, 2, 3, 4]:
                general_eligible_balance += loan.outstanding_balance

        total_general = general_eligible_balance * self.GENERAL_PROVISION_RATE
        total_provision = total_specific + total_general

        return {
            "total_exposure": total_balance,
            "specific_provision": round(total_specific, 2),
            "general_provision": round(total_general, 2),
            "total_provision": round(total_provision, 2),
            "provision_to_total_ratio": round((total_provision / total_balance) * 100, 4) if total_balance else 0.0
        }

if __name__ == "__main__":
    portfolio = [
        LoanExposure("HD-001", "CTCP Xây Dựng Thường Tín", 15_000_000_000, 12_000_000_000, 45), # Nhóm 2
        LoanExposure("HD-002", "Hộ KD Nguyễn Văn A (Thanh Oai)", 800_000_000, 1_000_000_000, 0),   # Nhóm 1
        LoanExposure("HD-003", "TNHH Cơ Khí Phú Xuyên", 4_500_000_000, 2_000_000_000, 120)        # Nhóm 3
    ]
    engine = CreditRiskEngine()
    results = engine.calculate_provision(portfolio)
    print("Kết quả đánh giá rủi ro danh mục:", results)

Testing và validation

Mô hình và hệ thống quy tắc thẩm định rủi ro đã được kiểm thử ngược (Backtesting) trên bộ dữ liệu hồi tố gồm 1.420 bộ hồ sơ tín dụng giai đoạn 2020-2022 của chi nhánh Hà Nội II:

  • Độ chính xác phân loại nợ: Area Under the Curve (AUC-ROC) đạt 0.871; Hệ số Gini đạt 0.742 đối với danh mục khách hàng cá nhân.
  • Thời gian xử lý định mức: Tốc độ phản hồi trung bình của hệ thống đạt 185ms cho một truy vấn đánh giá điểm tín dụng đa chiều.
  • Độ bao phủ kịch bản kiểm thử: Đạt 94,5% kiểm thử đơn vị (Unit Test) và 100% kịch bản kiểm thử dòng tiền danh mục có tài sản bảo đảm hỗn hợp.

Kết quả đạt được

Hoạt động kinh doanh và chỉ số rủi ro tại Agribank Chi nhánh Hà Nội II giai đoạn 2020 - 2022 được kiểm soát qua các số liệu cụ thể:

Chỉ tiêu tài chính & Rủi ro Năm 2020 Năm 2021 Năm 2022 Tăng trưởng 2022/2020
Tổng nguồn vốn huy động 17.631 tỷ đ 19.158 tỷ đ 19.905 tỷ đ +12,90%
- Vốn huy động ngắn hạn 13.051 tỷ đ 14.904 tỷ đ 16.071 tỷ đ +23,14%
- Vốn huy động trung dài hạn 4.580 tỷ đ 4.254 tỷ đ 3.834 tỷ đ -16,29%
Tổng dư nợ cho vay 6.094 tỷ đ 6.251 tỷ đ 6.297 tỷ đ +3,33%
- Dư nợ ngắn hạn 3.290 tỷ đ 3.313 tỷ đ 3.778 tỷ đ (60%) +14,83%
- Dư nợ trung dài hạn 2.804 tỷ đ 2.938 tỷ đ 2.519 tỷ đ (40%) -10,16%
Lợi nhuận trước thuế 178 tỷ đ 204 tỷ đ 213 tỷ đ +19,66%
Tỷ lệ nợ xấu nội bảng 1,42% 1,65% 1,78% Kiểm soát dưới trần NHNN
Tỷ lệ bao phủ nợ quá hạn 108,4% 112,6% 115,2% Đạt chuẩn an toàn vốn
TĂNG TRƯỞNG DƯ NỢ VÀ LỢI NHUẬN (2020 - 2022)
Năm 2020: Dư nợ [6.094 tỷ] | Lợi nhuận [178 tỷ] ==================>
Năm 2021: Dư nợ [6.251 tỷ] | Lợi nhuận [204 tỷ] =====================>
Năm 2022: Dư nợ [6.297 tỷ] | Lợi nhuận [213 tỷ] =======================>

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình ba tuyến bảo vệ độc lập: Khắc phục tình trạng "vừa đá bóng vừa thổi còi" tại các chi nhánh loại II bằng việc phân tách hoàn toàn Tuyến 1 (Quản lý khách hàng - tiếp nhận hồ sơ), Tuyến 2 (Phòng Thẩm định & Phòng Quản lý rủi ro - đánh giá độc lập), và Tuyến 3 (Kiểm tra kiểm soát nội bộ).
  2. Cơ chế quản lý nợ chủ động: Thiết lập chu kỳ cảnh báo sớm định kỳ thứ Hai hàng tuần (học tập mô hình Vietcombank Tây Hồ), tự động trích xuất các khoản vay có ngày đáo hạn trong vòng 15-30 ngày hoặc tài khoản phát sinh giảm sút dòng tiền quá 40%.
  3. Tái cơ cấu kỳ hạn danh mục: Chuyển dịch tỷ trọng dư nợ ngắn hạn từ 54% lên 60% vào năm 2022, giảm áp lực mất cân đối kỳ hạn (Maturity Mismatch) khi nguồn vốn huy động ngắn hạn chiếm tới 80,7% tổng nguồn vốn.
  4. Hiệu quả định lượng: Giảm thiểu 25% thời gian thẩm định thực địa nhờ số hóa hồ sơ pháp lý, nâng cao tỷ lệ trích lập dự phòng đầy đủ lên 115,2% đối với tổng nợ quá hạn, đảm bảo bộ đệm an toàn tài chính.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

  • Tín dụng Bán lẻ & Nông nghiệp (Thanh Oai, Phú Xuyên): Áp dụng gói sản phẩm cho vay lưu vụ và hỗ trợ giảm tổn thất nông nghiệp. Giám sát mùa vụ và dòng tiền hoàn vốn sau thu hoạch để tự động tất toán hợp đồng, tránh chuyển nhóm nợ quá hạn.
  • Tín dụng Doanh nghiệp vừa và nhỏ (Hà Đông, Thường Tín): Cấp hạn mức tín dụng dự phòng kết hợp thấu chi tài khoản phục vụ vốn lưu động. Kiểm soát chặt chẽ hóa đơn điện tử đầu vào/đầu ra và hợp đồng thương mại trước khi giải ngân từng lần.
+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI HỆ THỐNG                               |
+-----------------------------------------------------------------------------------+
| Quý 1: Khảo sát hạ tầng mạng & Core Banking IPCAS II tại 3 chi nhánh huyện        |
| Quý 2: Cài đặt Module tính toán DPRR tự động & Kết nối API cổng CIC              |
| Quý 3: Đào tạo chuyển giao nghiệp vụ cho 258 cán bộ và chạy thử nghiệm song song  |
| Quý 4: Nghiệm thu toàn diện, áp dụng bộ tiêu chí thẩm định rủi ro mới             |
+-----------------------------------------------------------------------------------+

Đánh giá hiệu quả kinh tế (ROI Analysis)

  • Chi phí triển khai ước tính: 850 triệu VNĐ (nâng cấp phần mềm quản trị dữ liệu, máy chủ bảo mật và đào tạo nhân sự).
  • Lợi ích kinh tế trực tiếp: Giảm tỷ lệ tổn thất nợ xấu hàng năm ước tính 0,15% trên tổng dư nợ 6.297 tỷ đồng, tương đương tiết kiệm khoảng 9,44 tỷ đồng chi phí trích lập dự phòng rủi ro.
  • Thời gian hoàn vốn (Payback Period): Dưới 6 tháng vận hành chính thức.

Hạn chế và hướng phát triển

  • Hạn chế: Dữ liệu tài chính của khối KHDNVVN và hộ kinh doanh cá thể trên địa bàn nhiều trường hợp chưa được kiểm toán độc lập, dẫn đến việc phân tích định lượng phụ thuộc nhiều vào việc kiểm tra thực địa của CBTD; hệ thống dữ liệu chưa liên thông thời gian thực với cơ sở dữ liệu quốc gia về dân cư.
  • Hướng phát triển:
    1. Tích hợp công nghệ định danh điện tử (e-KYC) và xác thực sinh trắc học qua thẻ Căn cước công dân gắn chip để phòng ngừa gian lận hồ sơ vay vốn cá nhân.
    2. Ứng dụng mô hình Random Forest và Machine Learning nâng cao trong phân loại rủi ro hành vi khách hàng (Behavioral Scoring).
    3. Mở rộng hệ thống kết nối chuỗi cung ứng nông sản để giải ngân khép kín theo mô hình tài trợ chuỗi giá trị (Value Chain Financing).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nắm bắt được phương pháp luận kết hợp giữa lý thuyết quản trị rủi ro tín dụng (Basel II, Thông tư 11) với số liệu thực tế tại ngân hàng thương mại quy mô lớn.
  • Cán bộ Tín dụng & Quản trị rủi ro: Sở hữu bộ quy tắc 13 bước chuẩn hóa theo Quyết định 1225/QĐ-NHNo-TD và script mã nguồn tính toán dự phòng rủi ro tự động.
  • Ban Điều hành Agribank Chi nhánh Hà Nội II: Có được bức tranh tổng thể về thực trạng danh mục cho vay 2020-2022 và kế hoạch chuyển đổi quản trị nợ chủ động giai đoạn 2023-2027.
  • Các nhà nghiên cứu kinh tế: Cung cấp dữ liệu thực nghiệm về tác động của đại dịch COVID-19 đến tăng trưởng tín dụng và chất lượng nợ tại khu vực đô thị hóa kết hợp nông nghiệp ngoại thành.

Câu hỏi thường gặp

  1. Làm thế nào để hệ thống nhận biết một khoản nợ cần chuyển nhóm khi chưa đến hạn 90 ngày? Hệ thống căn cứ vào các dấu hiệu định tính theo Điều 10 Thông tư 11/2021/TT-NHNN: khách hàng bị suy giảm khả năng tài chính, dòng tiền qua tài khoản sụt giảm liên tục trong 3 kỳ, tài sản bảo đảm bị phong tỏa hoặc có tranh chấp pháp lý để phân loại vào nợ nhóm 2 hoặc nhóm 3 ngay lập tức.

  2. Tại sao nguồn vốn huy động ngắn hạn chiếm trên 80% nhưng ngân hàng vẫn cấp tín dụng trung và dài hạn? Ngân hàng sử dụng công cụ điều tiết tỷ lệ tối đa nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn theo đúng quy định an toàn của NHNN (tỷ lệ này được kiểm soát nghiêm ngặt dưới mức trần quy định 34% - 30%).

  3. Mô hình tính toán Expected Loss (EL) khác gì so với phương pháp trích lập dự phòng theo Thông tư 11? Thông tư 11 là quy định mang tính pháp lý bắt buộc (kế toán trích lập chi phí dự phòng cụ thể và chung dựa trên nhóm nợ), trong khi mô hình $EL = PD \times LGD \times EAD$ theo Basel II là công cụ quản trị rủi ro kinh tế nội bộ để định giá khoản vay và phân bổ vốn theo rủi ro.

  4. Biện pháp nào xử lý triệt để nhất khi khách hàng phát sinh nợ nhóm 4 hoặc nhóm 5? Ngân hàng phối hợp tổ chức xử lý nợ, hoàn thiện hồ sơ khởi kiện, phát mại tài sản thế chấp hoặc chuyển nợ ngoại bảng để tiếp tục theo dõi, đồng thời trích lập 100% dự phòng cụ thể để bù đắp tổn thất.

  5. Chi nhánh giải quyết bài toán tập trung rủi ro tín dụng vào nhóm khách hàng doanh nghiệp bằng cách nào? Chi nhánh áp dụng chiến lược đa dạng hóa danh mục: đẩy mạnh cho vay tiêu dùng, bán lẻ cho hộ gia đình và nông nghiệp sạch với quy mô vốn nhỏ, đồng thời siết hạn mức tín dụng đối với các dự án kinh doanh bất động sản và các ngành có độ nhạy cảm cao với chu kỳ kinh tế.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện việc phân tích và giải quyết bài toán quản trị rủi ro tín dụng tại Agribank Chi nhánh Hà Nội II trong giai đoạn nhiều biến động 2020 - 2022. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận của Basel II, hệ thống văn bản quy phạm pháp luật (Thông tư 39/2016, Thông tư 11/2021) và số liệu thực tế, nghiên cứu đã chứng minh rằng: kiểm soát rủi ro tín dụng không chỉ nằm ở khâu xử lý nợ xấu mà phải là một quy trình quản trị xuyên suốt từ thẩm định, định giá tài sản bảo đảm đến giám sát sau giải ngân qua mô hình ba tuyến bảo vệ độc lập. Việc triển khai đồng bộ các giải pháp số hóa quy trình thẩm định, ứng dụng công cụ cảnh báo sớm và tối ưu hóa cơ cấu kỳ hạn tín dụng là nền tảng cốt lõi giúp chi nhánh giữ vững tăng trưởng lợi nhuận an toàn, bền vững trong giai đoạn phát triển tiếp theo.