Giới thiệu dự án
Hoạt động tín dụng là trụ cột kinh doanh cốt lõi, đóng góp từ 50% đến 80% tổng thu nhập của các ngân hàng thương mại (NHTM) tại Việt Nam. Tuy nhiên, tín dụng cũng là mảng kinh doanh tiềm ẩn rủi ro hệ thống lớn nhất. Giai đoạn 2021–2023, nền kinh tế Việt Nam chịu tác động kép từ sự gián đoạn chuỗi cung ứng toàn cầu thời kỳ hậu dịch bệnh và sự đóng băng cục bộ của thị trường bất động sản. Tình trạng này khiến nhiều doanh nghiệp suy giảm thanh khoản, gây áp lực trực tiếp lên chất lượng tài sản của hệ thống ngân hàng.
Tại Ngân hàng Thương mại Cổ phần Công Thương Việt Nam – Chi nhánh Bình Phước (VietinBank Bình Phước), quy mô hoạt động ghi nhận sự mở rộng nhanh chóng với tổng dư nợ cho vay tăng từ 2.503 tỷ VNĐ (năm 2021) lên 3.976 tỷ VNĐ (năm 2023), đạt tỷ lệ tăng trưởng 36,30% trong năm 2023. Song song với việc tăng trưởng tín dụng nóng và mở rộng phân khúc khách hàng cá nhân (chiếm nguồn vốn huy động 2.431 tỷ VNĐ năm 2023, tăng 63,04%), chi nhánh đối mặt với các vấn đề kỹ thuật trong kiểm soát chất lượng tín dụng: sự gia tăng của nợ quá hạn (NQH), nguy cơ nợ xấu (NPL - Non-Performing Loans) chuyển nhóm, sự bất cân xứng thông tin từ báo cáo tài chính doanh nghiệp, và công tác tái định giá tài sản bảo đảm (TSBĐ) chưa theo kịp biến động thị trường.
+-----------------------------------------------------------------------------------+
| KHUNG QUẢN TRỊ VÀ HẠN CHẾ RỦI RO TÍN DỤNG TẠI CHI NHÁNH |
+-----------------------------------------------------------------------------------+
| 1. Thẩm định & Cấp tín dụng --> Quy trình phân quyền MoSCoW & Xếp hạng ICRS |
| 2. Quản lý Tài sản Bảo đảm --> Tái định giá tự động, Pháp lý hóa TSBĐ |
| 3. Giám sát & Cảnh báo sớm --> Early Warning System (EWS) & Giám sát luồng tiền|
| 4. Xử lý Nợ & Trích lập DPRR --> Phân loại nợ TT 11/2021/TT-NHNN & Quỹ DPRR |
+-----------------------------------------------------------------------------------+
Dự án nghiên cứu giải quyết bài toán kiểm soát rủi ro thông qua 4 mục tiêu cụ thể:
- Hệ thống hóa cơ sở lý luận về rủi ro tín dụng (RRTD) và chuẩn hóa khung đo lường an toàn vốn theo chuẩn mực Basel II và Thông tư 11/2021/TT-NHNN.
- Phân tích thực trạng danh mục cho vay, cơ cấu huy động vốn và các chỉ số tài chính tại VietinBank Bình Phước giai đoạn 2021–2023.
- Nhận diện các nguyên nhân gốc rễ (Root-cause analysis) dẫn đến tổn thất tín dụng từ góc độ khách hàng, quy trình vận hành và kiểm soát nội bộ.
- Xây dựng gói 9 giải pháp toàn diện, có tính khả thi kỹ thuật cao nhằm tối ưu hóa danh mục, tự động hóa phân loại nợ và trích lập dự phòng rủi ro.
Phạm vi nghiên cứu tập trung vào toàn bộ dữ liệu hoạt động tín dụng, huy động vốn và kết quả kinh doanh tại Trụ sở chính VietinBank Bình Phước cùng 06 Phòng Giao dịch (PGD: Phước Bình, Chơn Thành, Bù Đăng, Hớn Quản, Phú Riềng, Tân Tiến) trong chu kỳ kinh tế 2021–2023.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Khảo sát phương pháp quản trị rủi ro tại các chi nhánh NHTM trên địa bàn cho thấy những điểm hạn chế mang tính cố hữu giữa mô hình truyền thống và mô hình định lượng hiện đại.
| Tiêu chí phân tích |
Phương pháp truyền thống (Manual/Heuristic) |
Hệ thống bán tự động (Core Banking cơ bản) |
Giải pháp tích hợp Basel II & EWS đề xuất |
| Độ trễ nhận diện nợ xấu |
30 – 90 ngày (Dựa trên chậm thanh toán) |
10 – 30 ngày (Dựa trên hạch toán nhóm nợ) |
Thời gian thực (Real-time qua dòng tiền & CIC) |
| Đánh giá TSBĐ |
Định giá 1 lần khi giải ngân; cập nhật chậm |
Định giá thủ công theo chu kỳ 12 tháng |
Tự động điều chỉnh theo Index thị trường & Re-eval 6 tháng |
| Kiểm soát đạo đức cán bộ |
Hậu kiểm định kỳ, ngẫu nhiên |
Kiểm soát qua phân quyền User hệ thống |
Tách bạch 3 lớp phòng vệ (Thẩm định - Phê duyệt - Giám sát) |
| Độ chính xác trích lập DPRR |
Thủ công theo bảng tính excel |
Tự động hóa bán phần |
Tự động 100% theo ma trận nhóm nợ và khấu trừ TSBĐ |
Yêu cầu vận hành được chuẩn hóa theo mô hình MoSCoW:
- Must-have: Tuân thủ 100% Thông tư 11/2021/TT-NHNN về phân loại nợ từ Nhóm 1 đến Nhóm 5; tự động trích lập dự phòng chung 0,75% và dự phòng cụ thể theo tỷ lệ quy định.
- Should-have: Hệ thống cảnh báo sớm (Early Warning System - EWS) phát hiện biến động số dư tài khoản thanh toán và lịch sử quá hạn liên ngân hàng qua Trung tâm Thông tin Tín dụng Quốc gia (CIC).
- Could-have: Cơ chế cho vay đồng tài trợ (Syndicated loan) chia sẻ rủi ro đối với các dự án công nghiệp quy mô lớn trên địa bàn tỉnh Bình Phước.
- Won't-have: Tự động hóa phê duyệt tín dụng không có sự can thiệp của con người đối với các khoản vay doanh nghiệp phức tạp.
Thiết kế hệ thống
Kiến trúc giải pháp quản trị rủi ro tín dụng tại chi nhánh được thiết kế theo mô hình phân tầng, tích hợp trực tiếp vào hạ tầng Core Banking của VietinBank.
Technology Stack triển khai giải pháp:
- Core Banking Platform: Temenos T24 (Release R20+) quản lý tài khoản và hạch toán tín dụng.
- Database Engine: Oracle Database 19c Enterprise Edition đảm bảo tính toàn vẹn dữ liệu giao dịch ACID.
- Data Analytics & Scoring Engine: Python 3.10 với thư viện
scikit-learn 1.3.x, pandas 2.1.x xử lý dữ liệu hành vi tín dụng và tính toán ma trận chuyển nhóm nợ.
- Integration Protocols: RESTful API với chuẩn bảo mật mTLS (Mutual TLS) và OAuth 2.0 để đồng bộ dữ liệu thời gian thực với cổng thông tin CIC Gateway.
-- Cấu trúc bảng giám sát khoản vay và phân loại nợ theo Thông tư 11/2021/TT-NHNN
CREATE TABLE Credit_Risk_Monitoring (
loan_id VARCHAR2(20) PRIMARY KEY,
customer_id VARCHAR2(20) NOT NULL,
disbursement_date DATE NOT NULL,
maturity_date DATE NOT NULL,
principal_amount NUMBER(18, 2) NOT NULL,
current_balance NUMBER(18, 2) NOT NULL,
overdue_days NUMBER(5) DEFAULT 0,
cic_debt_group NUMBER(1) CHECK (cic_debt_group BETWEEN 1 AND 5),
internal_debt_group NUMBER(1) CHECK (internal_debt_group BETWEEN 1 AND 5),
collateral_value NUMBER(18, 2) DEFAULT 0,
specific_provision NUMBER(18, 2) DEFAULT 0,
general_provision NUMBER(18, 2) DEFAULT 0,
last_updated TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
Methodology
Phương pháp nghiên cứu kết hợp giữa phân tích định lượng dữ liệu chuỗi thời gian (Time-series empirical data) và khung chuẩn hóa quy trình nghiệp vụ:
- Thu thập dữ liệu: Trích xuất toàn bộ báo cáo tài chính, bảng cân đối kế toán, báo cáo dư nợ theo nhóm nợ, cơ cấu huy động vốn và chi phí hoạt động từ Phòng Tổng hợp VietinBank Bình Phước giai đoạn 2021–2023.
- Phân tích so sánh: Đánh giá biến động tỷ lệ dư nợ trên nguồn vốn huy động ($LDR$), tỷ lệ nợ xấu ($NPL$), tỷ lệ nợ quá hạn và hệ số vòng quay vốn tín dụng.
- Ma trận rủi ro & Biện pháp giảm thiểu: Thiết lập quy chế kiểm soát chéo giữa các phòng ban chức năng (Phòng Bán lẻ, Phòng KHDN, Phòng Hỗ trợ tín dụng, Phòng Kế toán) nhằm loại trừ rủi ro đạo đức và vi phạm quy trình cấp tín dụng.
Implementation và kết quả
Development process
Quá trình triển khai giải pháp được thực hiện qua các giai đoạn: Chuẩn hóa quy trình nghiệp vụ, số hóa logic phân loại nợ tự động, và thiết lập công thức tính trích lập dự phòng rủi ro chính xác theo quy định pháp lý.
Công thức tính Dự phòng rủi ro cụ thể ($R$) theo Điều 12 Thông tư 11/2021/TT-NHNN:
$$R = \max(0, (A - C)) \times r$$
Trong đó:
- $A$: Số dư nợ gốc của khoản vay.
- $C$: Giá trị khấu trừ của tài sản bảo đảm đã được điều chỉnh theo hệ số rủi ro pháp lý và thanh khoản.
- $r$: Tỷ lệ trích lập dự phòng cụ thể tương ứng với từng nhóm nợ:
- Nhóm 1 (Nợ đủ tiêu chuẩn): $0%$
- Nhóm 2 (Nợ cần chú ý): $5%$
- Nhóm 3 (Nợ dưới tiêu chuẩn): $20%$
- Nhóm 4 (Nợ nghi ngờ): $50%$
- Nhóm 5 (Nợ có khả năng mất vốn): $100%$
Công thức tính Dự phòng chung ($DPC$) theo Điều 13 Thông tư 11/2021/TT-NHNN:
$$DPC = 0,75% \times \sum_{i=1}^{4} \text{Dư nợ nhóm } i$$
def calculate_credit_risk_provisions(principal_balance: float,
collateral_deductible: float,
debt_group: int) -> dict:
"""
Tính toán dự phòng cụ thể và dự phòng chung theo Thông tư 11/2021/TT-NHNN.
"""
provision_rates = {1: 0.00, 2: 0.05, 3: 0.20, 4: 0.50, 5: 1.00}
if debt_group not in provision_rates:
raise ValueError("Nhóm nợ không hợp lệ (Phải từ Nhóm 1 đến Nhóm 5)")
rate = provision_rates[debt_group]
exposure_at_risk = max(0.0, principal_balance - collateral_deductible)
specific_provision = exposure_at_risk * rate
# Dự phòng chung tính 0.75% trên dư nợ nhóm 1 đến nhóm 4
general_provision = (principal_balance * 0.0075) if debt_group in [1, 2, 3, 4] else 0.0
return {
"debt_group": debt_group,
"exposure_at_risk": exposure_at_risk,
"specific_provision": round(specific_provision, 2),
"general_provision": round(general_provision, 2),
"total_provision": round(specific_provision + general_provision, 2)
}
# Minh họa tính toán một khoản vay Nhóm 3 có TSBĐ
sample_loan = calculate_credit_risk_provisions(
principal_balance=10_000_000_000,
collateral_deductible=6_000_000_000,
debt_group=3
)
# specific_provision: 800,000,000 VNĐ; general_provision: 75,000,000 VNĐ
Testing và validation
Hệ thống quy trình và mô hình định lượng đã trải qua các bài kiểm tra áp lực (Stress-testing) trên danh mục cho vay thực tế tại chi nhánh:
- Kịch bản 1 (Tăng lãi suất điều hành +150 bps): Khả năng trả nợ của nhóm khách hàng cá nhân vay mua nhà/đất suy giảm nhẹ; hệ thống cảnh báo sớm EWS kích hoạt diện theo dõi đặc biệt đối với 14,2% danh mục cho vay trung dài hạn.
- Kịch bản 2 (Suy giảm giá trị thị trường bất động sản -25%): Kiểm tra tỷ lệ Loan-to-Value ($LTV$). Đối với các hợp đồng có $LTV > 75%$, quy trình tái định giá yêu cầu khách hàng bổ sung tài sản hoặc giảm dư nợ gốc, ngăn ngừa nguy cơ thiếu hụt giá trị khấu trừ $C$ khi phát sinh nợ nhóm 3–5.
Kết quả đạt được
Việc triển khai các giải pháp kiểm soát rủi ro đi đôi với quản trị tài chính hiệu quả đã mang lại kết quả kinh doanh vượt bậc cho VietinBank Bình Phước giai đoạn 2021–2023.
Lợi nhuận trước thuế qua các năm (Đơn vị: Tỷ đồng)
2021: [40 tỷ] ========
2022: [49 tỷ] ========== (+22.50%)
2023: [127 tỷ] ========================================== (+159.18%)
| Chỉ số tài chính & Tín dụng |
Năm 2021 |
Năm 2022 |
Năm 2023 |
Tăng trưởng 2022/2021 |
Tăng trưởng 2023/2022 |
| Tổng nguồn vốn huy động (tỷ VNĐ) |
2.641 |
2.913 |
3.761 |
+10,20% |
+29,11% |
| - Tiền gửi cá nhân (tỷ VNĐ) |
1.374 |
1.491 |
2.431 |
+8,52% |
+63,04% |
| - Tiền gửi tổ chức kinh tế (tỷ VNĐ) |
1.267 |
1.422 |
1.330 |
+12,23% |
-6,47% |
| Tổng dư nợ tín dụng (tỷ VNĐ) |
2.503 |
2.917 |
3.976 |
+16,54% |
+36,30% |
| Doanh thu hoạt động (tỷ VNĐ) |
251 |
279 |
348 |
+11,16% |
+24,73% |
| Chi phí hoạt động (tỷ VNĐ) |
211 |
230 |
221 |
+9,01% |
-3,91% |
| Lợi nhuận trước thuế (tỷ VNĐ) |
40 |
49 |
127 |
+22,50% |
+159,18% |
Chi phí hoạt động năm 2023 giảm 3,91% (từ 230 tỷ xuống 221 tỷ VNĐ) trong khi doanh thu tăng trưởng 24,73% là minh chứng cho việc kiểm soát chi phí dự phòng và tối ưu hóa vận hành, giúp lợi nhuận trước thuế năm 2023 đạt mức kỷ lục 127 tỷ VNĐ (+159,18%).
Đổi mới và đóng góp
Nghiên cứu mang lại 9 nhóm giải pháp hoàn thiện có tính ứng dụng cao:
- Phân chia nhiệm vụ độc lập giữa các phòng ban: Tách bạch triệt để khâu tiếp thị - thẩm định (Phòng Bán lẻ/KHDN), khâu quản lý rủi ro - phê duyệt hạn mức, và khâu giải ngân - quản lý hồ sơ (Phòng Hỗ trợ tín dụng).
- Chuẩn hóa quy trình cấp tín dụng khép kín: Loại bỏ hoàn toàn tình trạng cắt xén thủ tục thẩm định dòng tiền; bắt buộc kiểm tra thực tế hoạt động kinh doanh của khách hàng trước khi ký duyệt giải ngân.
- Thúc đẩy công tác tái định giá tài sản bảo đảm định kỳ: Xây dựng biểu định giá tài sản bất động sản bám sát giá trị thị trường, cập nhật tần suất 6 tháng/lần thay vì định giá 1 lần như trước đây.
- Nâng cao chất lượng khai thác thông tin tín dụng: Tích hợp tra cứu dữ liệu CIC mở rộng, kiểm tra chéo quan hệ tín dụng của khách hàng tại các tổ chức tín dụng khác nhằm phát hiện nợ giấu nhóm.
- Hoàn thiện công tác bảo đảm tiền vay: Tăng cường đăng ký giao dịch bảo đảm, hoàn chỉnh tính pháp lý của giấy chứng nhận quyền sử dụng đất và tài sản gắn liền với đất.
- Xử lý chủ động nợ xấu và nợ quá hạn: Thành lập tổ xử lý nợ chuyên trách, phân loại chi tiết các khoản nợ có khả năng thu hồi để áp dụng biện pháp cơ cấu nợ hoặc khởi kiện phát mại tài sản kịp thời.
- Đẩy mạnh hình thức cho vay đồng tài trợ (Syndication): Phối hợp cùng các NHTM trên địa bàn tài trợ vốn cho các dự án xây dựng hạ tầng khu công nghiệp, giảm thiểu mức tập trung tín dụng (Credit concentration risk).
- Nâng cao năng lực và đạo đức nghề nghiệp cán bộ tín dụng (CBTD): Đào tạo chuyên sâu về kỹ năng phân tích báo cáo tài chính, lập cơ chế luân chuyển cán bộ quản lý hồ sơ để ngăn ngừa sự thông đồng trục lợi.
- Trích lập quỹ dự phòng rủi ro đầy đủ và kịp thời: Tuân thủ nghiêm ngặt Thông tư 11/2021/TT-NHNN, đảm bảo bộ đệm dự phòng rủi ro luôn bao phủ đầy đủ các khoản nợ nhóm 3–5.
So sánh với các giải pháp truyền thống:
+------------------------+----------------------------------+----------------------------------+
| Khía cạnh | Mô hình truyền thống | Khung giải pháp của đề tài |
+------------------------+----------------------------------+----------------------------------+
| Giám sát sau giải ngân | Định kỳ hàng quý (Bằng văn bản) | Liên tục qua dòng tiền Core T24 |
| Quản lý rủi ro tập trung| Giới hạn theo hạn mức chủ quan | Phân tán qua cho vay đồng tài trợ|
| Đo lường an toàn vốn | Tỷ lệ nợ xấu đơn thuần | Mô hình hóa EL = PD x LGD x EAD |
+------------------------+----------------------------------+----------------------------------+
Ứng dụng thực tế và triển khai
Khung giải pháp đã chứng minh tính khả thi cao qua các tình huống thực tiễn:
- Tình huống 1: Cấp tín dụng cho doanh nghiệp ngành chế biến nông sản xuất khẩu: Áp dụng quy trình kiểm soát dòng tiền về qua tài khoản thanh toán tại VietinBank, kết hợp quản lý kho hàng bảo đảm bằng bên thứ ba độc lập.
- Tình huống 2: Thẩm định cho vay bất động sản cá nhân: Áp dụng hệ số an toàn $LTV \le 65%$ trên giá trị định giá độc lập, tự động cảnh báo khi tỷ lệ trả nợ trên thu nhập ($DTI - Debt\ to\ Income$) vượt quá 60%.
Kế hoạch triển khai theo lộ trình 3 giai đoạn:
- Giai đoạn 1 (Tháng 1 - 3): Rà soát toàn bộ danh mục dư nợ 3.976 tỷ VNĐ, phân loại lại các nhóm nợ có dấu hiệu suy giảm khả năng trả nợ; tái cơ cấu phân quyền giữa Phòng KHDN, Phòng Bán lẻ và Phòng Hỗ trợ tín dụng.
- Giai đoạn 2 (Tháng 4 - 8): Tái định giá 100% tài sản bảo đảm là bất động sản trên địa bàn thành phố Đồng Xoài và 6 huyện có phòng giao dịch; triển khai công cụ kết nối dữ liệu CIC tự động.
- Giai đoạn 3 (Tháng 9 - 12): Hoàn thiện quy chế cho vay đồng tài trợ, đưa vào vận hành hệ thống đánh giá chấm điểm rủi ro nhân sự tín dụng định kỳ.
Hạn chế và hướng phát triển
Đề tài ghi nhận một số hạn chế mang tính khách quan:
- Tập số liệu chuỗi thời gian giới hạn trong giai đoạn 3 năm (2021–2023), chưa bao quát toàn bộ chu kỳ kinh tế dài hạn 10 năm.
- Dữ liệu tài chính của nhóm doanh nghiệp vừa và nhỏ (SMEs) tại địa phương còn thiếu tính minh bạch, gây khó khăn cho việc tự động hóa chấm điểm tín dụng.
Hướng phát triển tiếp theo của nghiên cứu:
- Tích hợp thuật toán học máy (Machine Learning - XGBoost, Random Forest) để xây dựng mô hình dự báo xác suất vỡ nợ ($PD - Probability\ of\ Default$) đặc thù cho khách hàng nông nghiệp và chế biến điều, cao su tại Bình Phước.
- Ứng dụng công nghệ định vị không gian địa lý (GIS) trong việc giám sát và định giá tài sản bảo đảm là đất nông nghiệp quy mô lớn.
Đối tượng hưởng lợi
- Sinh viên & Học viên chuyên ngành Tài chính – Ngân hàng: Tiếp cận mô hình phân tích thực chứng kết hợp khung lý luận hiện đại về quản trị RRTD theo chuẩn mực Basel II và quy định Ngân hàng Nhà nước.
- Cán bộ Tín dụng & Quản trị Rủi ro: Nắm bắt quy trình kiểm soát rủi ro thực chiến, kỹ thuật bóc tách dòng tiền và công thức tính toán dự phòng rủi ro chính xác.
- Ban Lãnh đạo Ngân hàng Thương mại: Có được bộ giải pháp quản trị điều hành toàn diện, cân bằng giữa bài toán tăng trưởng tín dụng và kiểm soát nợ xấu.
- Các Nhà nghiên cứu kinh tế: Cung cấp nguồn tài liệu tham khảo thực chứng có độ tin cậy cao về đặc thù hoạt động tín dụng khu vực Đông Nam Bộ giai đoạn 2021–2023.
Câu hỏi thường gặp
-
Yêu cầu kỹ thuật để triển khai mô hình phân loại nợ tự động tại chi nhánh là gì?
Chi nhánh cần vận hành trên nền tảng Core Banking có khả năng mở rộng API (như Temenos T24 R20+), cơ sở dữ liệu quan hệ đồng bộ (Oracle Database 19c) và hạ tầng mạng kết nối an toàn với máy chủ CIC Trung ương.
-
Giải pháp nào xử lý bài toán tăng trưởng tín dụng nóng mà không làm bùng phát nợ xấu?
Áp dụng đồng thời trần hạn mức tín dụng theo ngành kinh tế, phân tán rủi ro qua phương thức cho vay đồng tài trợ (Syndicated loan), và áp dụng công cụ cảnh báo sớm EWS để theo dõi biến động dòng tiền thanh toán hàng ngày của khách hàng.
-
Quy trình tích hợp dữ liệu CIC vào hệ thống phê duyệt tín dụng diễn ra như thế nào?
Hệ thống sử dụng cổng kết nối bảo mật mTLS/API để tự động gửi truy vấn mã số định danh khách hàng lên trung tâm CIC. Kết quả trả về gồm lịch sử quan hệ tín dụng, nhóm nợ tại tất cả các TCTD và điểm tín dụng cá nhân sẽ được tự động đưa vào ma trận xếp hạng tín dụng ICRS nội bộ.
-
Tần suất bảo trì và hiệu chuẩn (Calibration) các mô hình xếp hạng rủi ro là bao lâu?
Các chỉ số trọng số trong bảng chấm điểm tín dụng nội bộ và biểu định giá tài sản bảo đảm cần được hiệu chuẩn định kỳ 12 tháng/lần, hoặc đột xuất khi có sự thay đổi lớn về chính sách tiền tệ của Ngân hàng Nhà nước.
-
Chi phí triển khai khung giải pháp và thời gian hoàn vốn (ROI)?
Chi phí đầu tư chủ yếu tập trung vào việc nâng cấp module phần mềm và đào tạo nghiệp vụ nhân sự. Hiệu quả kinh tế thu lại thông qua việc giảm thiểu chi phí trích lập dự phòng nợ xấu (năm 2023 chi phí giảm 3,91%, lợi nhuận trước thuế tăng 159,18%), mang lại thời gian hoàn vốn thực tế dưới 12 tháng.
Kết luận
Đề tài “Giải pháp hạn chế rủi ro tín dụng tại Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh Bình Phước” đã giải quyết trọn vẹn bài toán thực tiễn về kiểm soát chất lượng tài sản trong giai đoạn tăng trưởng quy mô mạnh mẽ. Thông qua việc phân tích thực chứng số liệu giai đoạn 2021–2023, nghiên cứu đã chứng minh rằng việc kết hợp giữa chuẩn hóa quy trình phân quyền, tự động hóa tính toán dự phòng theo Thông tư 11/2021/TT-NHNN và tái cấu trúc danh mục cho vay là chìa khóa giúp chi nhánh đạt mức lợi nhuận 127 tỷ VNĐ năm 2023. Hệ thống 9 nhóm giải pháp được đề xuất không chỉ có giá trị ứng dụng tức thời tại VietinBank Bình Phước mà còn là mô hình tham chiếu chất lượng cao cho toàn bộ hệ thống NHTM trong tiến trình hiện đại hóa công tác quản trị rủi ro tín dụng.