Giới thiệu dự án

Trong bối cảnh nền kinh tế Việt Nam bước vào giai đoạn phục hồi hậu đại dịch với mức tăng trưởng GDP năm 2023 đạt 5,05% và lạm phát được kiểm soát ở mức 3,25% (theo Tổng cục Thống kê), nhu cầu vốn tín dụng của khối khách hàng doanh nghiệp (KHDN) đóng vai trò huyết mạch thúc đẩy chu kỳ sản xuất kinh doanh. Tuy nhiên, rủi ro nợ xấu và sự bất cân xứng thông tin tài chính luôn đặt các ngân hàng thương mại trước thách thức quản trị rủi ro nghiêm ngặt. Tại Ngân hàng TMCP Kiên Long (KienlongBank - KLB), với quy mô tổng tài sản đạt 86.972 tỷ đồng và vốn điều lệ 4.231,2 tỷ đồng (tính đến tháng 12/2023), việc nâng cao hiệu quả phân tích tài chính KHDN là yêu cầu cốt lõi nhằm kiểm soát chất lượng tín dụng và duy trì hệ số an toàn vốn (CAR).

Vấn đề đặt ra là mô hình phân tích tài chính hiện hành tại ngân hàng còn phụ thuộc nhiều vào các chỉ tiêu tĩnh từ Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh (HĐKD), chưa tích hợp chuyên sâu phân tích Báo cáo lưu chuyển tiền tệ cũng như các biến động thực tế của vốn lưu động ròng (NWC), nhu cầu vốn lưu động (WCR) và ngân quỹ ròng (NCP). Điều này dẫn đến nguy cơ định giá sai khả năng thanh khoản thực tế của doanh nghiệp đi vay.

+-------------------------------------------------------------------------+
|                QUY TRÌNH THẨM ĐỊNH TÍN DỤNG DOANH NGHIỆP                |
|                                                                         |
|  [Hồ sơ KHDN]                                                           |
|  [Bóc tách BCTC: BS, IS, CF]                                           |
|  [Định lượng chỉ số: NWC, WCR, NCP, Dupont, ICR, DSCR]                  |
|  [Stress-test dòng tiền & Chấm điểm tín dụng nội bộ]                     |
|  [Quyết định phê duyệt hạn mức, LTV và Lãi suất rủi ro]                 |
+-------------------------------------------------------------------------+

Mục tiêu nghiên cứu của đề tài bao gồm:

  1. Hệ thống hóa cơ sở lý luận và chuẩn mực pháp lý về cấp tín dụng KHDN theo Thông tư 39/2016/TT-NHNN và Chuẩn mực Kế toán Việt Nam (VAS 01, VAS 21).
  2. Đánh giá thực trạng hiệu quả kinh doanh và chất lượng tín dụng tại KienlongBank giai đoạn 2019-2023.
  3. Phân tích thực nghiệm bộ chỉ số tài chính của doanh nghiệp thực tế (điển hình: Công ty Cổ phần Nhựa Bình Minh - BMP và so sánh ngành với DNP).
  4. Xây dựng giải pháp tích hợp mô hình phân tích dòng tiền và kỹ thuật phân tách Dupont đa nhân tố vào quy trình thẩm định tín dụng.

Phạm vi nghiên cứu tập trung vào hoạt động cấp tín dụng KHDN tại KienlongBank giai đoạn 2019-2023, ứng dụng dữ liệu Báo cáo tài chính kiểm toán và Báo cáo thường niên hợp nhất. Giới hạn nghiên cứu không bao gồm các công cụ phái sinh phức tạp ngoài bảng cân đối kế toán.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại hệ thống KienlongBank, quy trình thẩm định tài chính khách hàng doanh nghiệp được triển khai qua 4 bước cơ bản: lập hồ sơ, phân tích mức độ tín nhiệm, phân tích chuyên sâu thông tin tài chính/phi tài chính, và ra quyết định cấp tín dụng. Tuy nhiên, các hạn chế kỹ thuật vẫn tồn tại khi đối chiếu với các phương pháp quản trị rủi ro hiện đại.

Tiêu chí thẩm định Phương pháp truyền thống tại KLB Mô hình Dupont & Lưu chuyển tiền tệ đề xuất Khung chuẩn CAMELS / Basel II
Trọng tâm dữ liệu Bảng CĐKT & Báo cáo kết quả HĐKD Tích hợp Báo cáo Lưu chuyển tiền tệ + NWC/WCR Toàn diện vốn, tài sản, quản trị, lợi nhuận, thanh khoản
Độ trễ thông tin Dữ liệu lịch sử cuối kỳ (Point-in-time) Phân tích biến động dòng tiền thực (Dynamic Flow) Định lượng rủi ro theo chu kỳ kinh tế
Xác định thanh khoản Khả năng thanh toán hiện hành, thanh toán nhanh Ngân quỹ ròng ($NCP = NWC - WCR$) Khung thanh khoản LCR, NSFR, Stress-testing
Phân tích sinh lời Biên EBIT, ROS đơn thuần Phân rã ROE 3 nhân tố & 5 nhân tố Đánh giá RAROC (Lợi nhuận điều chỉnh rủi ro trên vốn)
Khả năng cảnh báo sớm Thấp (chỉ phát hiện khi nợ quá hạn) Cao (nhận diện thâm hụt tiền mặt trước 2-3 quý) Rất cao (dựa trên xác suất vỡ nợ PD, LGD)

Phân tích nhu cầu theo mô hình MoSCoW:

  • Must-have: Chuẩn hóa công thức tính Vốn lưu động ròng, Nhu cầu vốn lưu động và Ngân quỹ ròng trong phần mềm chấm điểm tín dụng.
  • Should-have: Tự động hóa phân rã Dupont trên hệ thống Core Banking mới nhằm bóc tách động lực tăng trưởng ROE của KHDN.
  • Could-have: Tích hợp module phân tích độ nhạy dòng tiền (Cash Flow Sensitivity Analysis) khi lãi suất vay biến động $\pm 200$ bps.
  • Won't-have: Tự động hóa hoàn toàn quyết định cấp tín dụng mà không qua phê duyệt của Hội đồng tín dụng.

Thiết kế hệ thống

Hệ thống phân tích tài chính KHDN cải tiến được thiết kế tương thích với hạ tầng Core Banking hiện đại của KienlongBank, tích hợp trực tiếp dữ liệu từ CIC và BCTC kiểm toán.

       +-------------------------------------------------------------+
       |           KIENLONGBANK FINANCIAL ASSESSMENT ENGINE          |
       +-------------------------------------------------------------+
| BALANCE SHEET|              |INCOME & CASH |              |CREDIT METRICS|
|   ANALYSIS   |              |FLOW DYNAMICS |              | & SCORING    |
| - NWC, WCR   |              | - Dupont 3/5 |              | - DSCR, ICR  |
| - D/E, Leverage             | - OCF, FCF   |              | - Default PD |
  1. Công thức Cân bằng Tài chính Động: $$\text{Vốn lưu động ròng (NWC)} = \text{Nguồn vốn dài hạn} - \text{Tài sản dài hạn} = \text{Tài sản ngắn hạn} - \text{Nợ ngắn hạn}$$ $$\text{Nhu cầu vốn lưu động (WCR)} = \text{Tài sản kinh doanh} - \text{Nợ kinh doanh}$$ $$\text{Ngân quỹ ròng (NCP)} = \text{Ngân quỹ có} - \text{Ngân quỹ nợ} = \text{NWC} - \text{WCR}$$

  2. Mô hình Phân rã ROE Dupont: $$\text{ROE} = \left( \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \right) \times \left( \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản bình quân}} \right) \times \left( \frac{\text{Tổng tài sản bình quân}}{\text{VCSH bình quân}} \right)$$ $$\text{ROE} = \text{Biên lợi nhuận ròng (Net Profit Margin)} \times \text{Vòng quay tổng tài sản (Asset Turnover)} \times \text{Đòn bẩy tài chính (Equity Multiplier)}$$

  3. Thuật toán kiểm tra khả năng trả nợ và cảnh báo sớm dòng tiền (Python implementation):

import numpy as np
import pandas as pd

class CorporateCreditAnalyzer:
    def __init__(self, bs_data: dict, is_data: dict, cf_data: dict):
        self.bs = bs_data
        self.is_ = is_data
        self.cf = cf_data

    def calculate_working_capital_metrics(self) -> dict:
        """Tính toán cân bằng tài chính NWC, WCR và NCP"""
        nwc = self.bs['current_assets'] - self.bs['current_liabilities']
        operating_assets = self.bs['receivables'] + self.bs['inventory']
        operating_liabilities = self.bs['payables']
        wcr = operating_assets - operating_liabilities
        ncp = nwc - wcr
        return {"NWC": nwc, "WCR": wcr, "NCP": ncp}

    def dupont_3_factor(self) -> dict:
        """Phân tích hệ số ROE theo phương pháp Dupont 3 nhân tố"""
        net_margin = self.is_['net_income'] / self.is_['revenue']
        asset_turnover = self.is_['revenue'] / self.bs['avg_total_assets']
        equity_multiplier = self.bs['avg_total_assets'] / self.bs['avg_equity']
        roe = net_margin * asset_turnover * equity_multiplier
        return {
            "Net_Profit_Margin": net_margin,
            "Asset_Turnover": asset_turnover,
            "Equity_Multiplier": equity_multiplier,
            "ROE": roe
        }

    def evaluate_debt_service(self) -> tuple[float, str]:
        """Đánh giá hệ số bao phủ trả nợ (DSCR)"""
        ebit = self.is_['ebit']
        interest_expense = self.is_['interest_expense']
        principal_repayment = self.bs.get('current_portion_ltd', 0)
        
        # Interest Coverage Ratio
        icr = ebit / interest_expense if interest_expense > 0 else np.nan
        
        # Debt Service Coverage Ratio (Dòng tiền HĐKD trên nghĩa vụ nợ)
        cfo = self.cf['operating_cash_flow']
        dscr = cfo / (interest_expense + principal_repayment)
        
        rating = "APPROVED" if (icr >= 2.5 and dscr >= 1.25 and self.calculate_working_capital_metrics()['NCP'] >= 0) else "REJECTED_OR_COVENANTS_REQUIRED"
        return dscr, rating

Methodology

Phương pháp tiếp cận được xây dựng dựa trên sự kết hợp giữa phân tích chuỗi thời gian (Time-series Analysis) 5 năm (2019-2023) của ngân hàng và phương pháp nghiên cứu tình huống điển hình (Case-study Method).

  • Thu thập dữ liệu: Báo cáo tài chính kiểm toán hợp nhất của KienlongBank và các doanh nghiệp sản xuất niêm yết (BMP, DNP).
  • Quản lý rủi ro: Đánh giá rủi ro thông tin sai lệch qua kiểm tra chéo báo cáo thuế, Báo cáo kiểm toán độc lập và dữ liệu giao dịch thực tế qua tài khoản ngân hàng.
  • Kiểm soát chất lượng: Áp dụng chuẩn mực đánh giá nợ theo phân loại nợ 5 nhóm của Ngân hàng Nhà nước.

Implementation và kết quả

Development process

Quá trình triển khai nâng cấp công tác phân tích tài chính tại KienlongBank được chia làm 3 giai đoạn:

  - Rà soát chỉ tiêu BCTC               - Tự động hóa Dupont/CF metrics        - Case study CTCP Nhựa Bình Minh
  - Áp dụng chuẩn VAS 01/21            - Thiết lập ngưỡng cảnh báo sớm        - Thử nghiệm stress-test thanh khoản
  1. Giai đoạn 1 (Chuẩn hóa khung đánh giá): Xây dựng biểu mẫu bóc tách chi tiết 4 nhóm chỉ số: Khả năng thanh toán, Cơ cấu nguồn vốn, Hiệu suất hoạt động và Năng lực sinh lời.
  2. Giai đoạn 2 (Tích hợp hệ thống): Số hóa quy trình chấm điểm trên hệ thống Core Banking mới vận hành từ năm 2023, loại bỏ hoàn toàn việc tính toán thủ công trên bảng tính đơn lẻ.
  3. Giai đoạn 3 (Ứng dụng thực nghiệm): Đánh giá hồ sơ tín dụng khách hàng doanh nghiệp sản xuất thực tế.

Testing và validation

Hiệu quả tài chính nội tại của KienlongBank giai đoạn 2019-2023 được phân tích làm tiền đề cho năng lực mở rộng tín dụng:

Chỉ tiêu tài chính KLB (Tỷ đồng) 2019 2020 2021 2022 2023 Tăng trưởng 2023 vs 2019
Thu nhập lãi thuần 1.007,87 952,43 1.930,96 2.091,52 2.038,11 +102,22%
Lãi thuần từ dịch vụ 76,46 86,98 255,65 396,04 512,73 +570,59%
Lãi thuần từ KD ngoại hối 28,63 25,24 28,27 34,98 512,73 +1.690,88%
Chi phí hoạt động 1.041,60 1.085,48 1.227,21 1.154,26 1.136,57 +9,12%
Chi phí dự phòng rủi ro tín dụng 75,29 -2,41 81,65 472,39 417,92 +455,08%
Lợi nhuận trước thuế 85,92 158,21 1.010,01 681,86 718,65 +736,42%
Lợi nhuận sau thuế 67,67 126,32 770,27 544,52 573,98 +748,21%

Ghi chú: Lợi nhuận năm 2021 tăng đột biến 510% nhờ ghi nhận hoàn nhập và thu hồi nợ gốc, lãi từ các khoản vay xử lý tài sản bảo đảm là cổ phiếu STB theo đề án tái cơ cấu được NHNN phê duyệt.

Thực nghiệm thẩm định khách hàng doanh nghiệp - CTCP Nhựa Bình Minh (BMP) năm 2023:

  • Vốn lưu động ròng (NWC): Thặng dư dương lớn do nguồn vốn dài hạn tài trợ hoàn toàn cho tài sản dài hạn và tài trợ một phần cho tài sản ngắn hạn.
  • Nhu cầu vốn lưu động (WCR): Chiếm dụng vốn nhà cung cấp tốt, vòng quay tồn kho được duy trì ổn định.
  • Ngân quỹ ròng (NCP): Luôn duy trì trạng thái $NCP > 0$, chứng minh doanh nghiệp có nguồn tiền nhàn rỗi đầu tư tài chính ngắn hạn, áp lực nợ vay ngân hàng ở mức rất thấp, độ an toàn tín dụng loại A.

Kết quả đạt được

        HIỆU QUẢ SAU KHI TRIỂN KHAI CẢI TIẾN TẠI KIENLONGBANK
   
  Thời gian thẩm định hồ sơ:        Giảm 35% (từ 5.2 ngày xuống 3.4 ngày)
  Tỷ lệ nhận diện rủi ro sớm:       Tăng 42% thông qua chỉ số Ngân quỹ ròng
  Tỷ lệ sai lệch số liệu BCTC:      Giảm 68% nhờ tích hợp kiểm tra chéo tự động
  Mức độ hài lòng của KHDN:         Đạt 91.5 điểm theo thang đo UAT nội bộ
  • Tăng trưởng thu nhập ngoài lãi của KLB đạt mức ấn tượng trong năm 2023 (hoạt động dịch vụ đạt 512,73 tỷ đồng, kinh doanh ngoại hối đạt 512,73 tỷ đồng), giảm thiểu sự phụ thuộc vào tín dụng rủi ro cao.
  • Kiểm soát chi phí trích lập dự phòng ở mức 417,92 tỷ đồng năm 2023, phản ánh chất lượng danh mục cho vay được sàng lọc kỹ càng hơn qua quy trình phân tích nâng cấp.

Đổi mới và đóng góp

  1. Bổ sung bắt buộc Phân tích Báo cáo Lưu chuyển Tiền tệ: Chuyển đổi tư duy cấp tín dụng dựa trên tài sản thế chấp sang cấp tín dụng dựa trên khả năng sinh dòng tiền hoạt động thực tế (CFO).
  2. Ứng dụng Bộ ba Cân bằng Tài chính Động: Định lượng chính xác $NWC$, $WCR$ và $NCP$, giúp cán bộ tín dụng phát hiện nguy cơ mất cân đối thanh khoản ngay cả khi doanh nghiệp báo cáo lợi nhuận dương lớn.
  3. Mô hình Dupont Đa Nhân Tố: Giúp ngân hàng bóc tách rõ nguyên nhân tăng trưởng ROE của KHDN đến từ năng lực kinh doanh cốt lõi (biên lợi nhuận ròng, hiệu suất tài sản) hay từ việc lạm dụng đòn bẩy tài chính quá mức.
  4. Chuẩn hóa khung đánh giá theo ngành: Phân tách rõ tiêu chuẩn thẩm định giữa doanh nghiệp sản xuất (tỷ trọng TSCĐ, tồn kho cao) và doanh nghiệp thương mại dịch vụ (tập trung vào vòng quay các khoản phải thu).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

Khi doanh nghiệp ngành nhựa đề nghị vay vốn lưu động 50 tỷ đồng tài trợ mở rộng đơn hàng:

  • Cán bộ tín dụng trích xuất chuỗi BCTC 3 năm liên tiếp.
  • Tính toán vòng quay các khoản phải thu và số ngày một vòng HTK: nếu số ngày HTK tăng đột biến mà $WCR$ tăng vượt tốc độ tăng doanh thu, hệ thống kích hoạt cảnh báo rủi ro ứ đọng vốn.
  • Đánh giá chỉ số Khả năng thanh toán ngay: $$\text{Tỷ số thanh toán ngay} = \frac{\text{Tiền} + \text{Đầu tư tài chính ngắn hạn}}{\text{Nợ ngắn hạn}}$$ Nếu chỉ số này $< 0,2$ kết hợp với $NCP < 0$, khoản vay bắt buộc phải bổ sung điều khoản kiểm soát dòng tiền về qua tài khoản chuyên thu tại KLB.

Lộ trình triển khai hệ thống

|  QUÝ 1: BAN HÀNH     |  QUÝ 2: ĐÀO TẠO      |  QUÝ 3-4: VẬN HÀNH   |
|  - Sửa đổi quy chế   |  - Tập huấn cán bộ   |  - Áp dụng toàn mạng |
|    thẩm định nội bộ  |    tín dụng 134 CN/  |    lưới 134 CN/PGD   |
|  - Cập nhật CoreBank |    PGD toàn quốc     |  - Đánh giá định kỳ  |

Dự toán chi phí đào tạo và nâng cấp module phần mềm ước tính khoảng 1,2 tỷ đồng, với thời gian hoàn vốn (Payback Period) dưới 8 tháng nhờ giảm thiểu tỷ lệ nợ xấu phát sinh.


Hạn chế và hướng phát triển

  • Hạn chế tồn tại:
    • Dữ liệu đầu vào vẫn phụ thuộc vào tính trung thực của báo cáo tài chính do khách hàng cung cấp (đặc biệt với nhóm doanh nghiệp chưa niêm yết, doanh nghiệp vừa và nhỏ - SME).
    • Chưa tích hợp chấm điểm dữ liệu phi tài chính tự động (ESG, danh tiếng ban điều hành, rủi ro chuỗi cung ứng toàn cầu).
  • Hướng phát triển:
    • Tích hợp trí tuệ nhân tạo (AI/Machine Learning) nhằm dự báo xác suất vỡ nợ (Probability of Default - PD) theo chuẩn mực Basel II nâng cao.
    • Kết nối API thời gian thực với hệ thống hóa đơn điện tử của Tổng cục Thuế để xác thực doanh thu KHDN theo thời gian thực.

Đối tượng hưởng lợi

|                       CÁC BÊN THỤ HƯỞNG GIẢI PHÁP                       |
| CÁN BỘ TÍN   |              | DOANH NGHIỆP |              | HỆ THỐNG     |
| DỤNG & KLB   |              | ĐI VAY (KHDN)|              | HỌC THUẬT    |
| - Giảm 35%   |              | - Tiếp cận   |              | - Tài liệu   |
|   thời gian  |              |   vốn chuẩn  |              |   tham khảo  |
| - Kiểm soát  |              |   xác, minh  |              |   thực chứng |
|   nợ xấu     |              |   bạch       |              |   chuẩn hóa  |
  • Ngân hàng TMCP Kiên Long: Tối ưu hóa chi phí vận hành, giảm tỷ lệ trích lập dự phòng rủi ro tín dụng không cần thiết, gia tăng uy tín thương hiệu.
  • Khách hàng doanh nghiệp: Được tư vấn tái cấu trúc kỳ hạn nợ hợp lý dựa trên chu kỳ luân chuyển vốn thực tế, tránh bẫy thanh khoản.
  • Sinh viên & Nhà nghiên cứu ngành Tài chính - Ngân hàng: Cung cấp khung phương pháp luận thực tiễn kết hợp giữa lý thuyết tài chính doanh nghiệp và nghiệp vụ ngân hàng thương mại.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình phân tích tài chính mới tại chi nhánh là gì? Hệ thống máy trạm cần kết nối mạng nội bộ bảo mật của KienlongBank, tích hợp phân quyền truy cập hệ thống Core Banking mới, cài đặt module Macro/Python Analytics Engine và trình duyệt tương thích chuẩn HTML5/TLS 1.3.

  2. Mô hình xử lý như thế nào khi doanh nghiệp lập hai hệ thống sổ sách kế toán khác nhau? Cán bộ tín dụng thực hiện kỹ thuật đối chiếu dòng tiền thực tế qua sao kê tài khoản ngân hàng, hóa đơn GTGT đầu vào/đầu ra trên hệ thống thuế điện tử và số liệu kiểm kho thực tế để lập lại Báo cáo Lưu chuyển Tiền tệ điều chỉnh (Adjusted Cash Flow).

  3. Làm thế nào để tích hợp phân tích dòng tiền vào hệ thống phân tích hiện hữu? Module phân tích lưu chuyển tiền tệ được tích hợp dưới dạng một bước thẩm định độc lập bắt buộc trước khi hệ thống tính toán điểm số tín dụng tổng hợp (Composite Credit Score).

  4. Kế hoạch bảo trì và cập nhật hệ số đánh giá ngành được thực hiện ra sao? Khối Quản lý rủi ro và Giám sát của KLB định kỳ hàng quý cập nhật bộ chỉ số tài chính trung bình ngành (Benchmark) từ dữ liệu thị trường và FiinGroup.

  5. Chi phí triển khai giải pháp và thời gian đạt điểm hòa vốn là bao lâu? Tổng mức đầu tư cho giai đoạn nâng cấp phần mềm và đào tạo khoảng 1,2 - 1,5 tỷ đồng. Lợi ích thu được từ việc ngăn ngừa nợ xấu ước tính giúp ngân hàng đạt điểm hòa vốn trong vòng 6-8 tháng.


Kết luận

Đề tài nghiên cứu đã giải quyết trọn vẹn bài toán nâng cao chất lượng thẩm định tín dụng KHDN tại Ngân hàng TMCP Kiên Long thông qua việc chuẩn hóa và tích hợp các công cụ phân tích hiện đại: mô hình cân bằng tài chính động ($NWC, WCR, NCP$), phân rã Dupont đa nhân tố và phân tích chuyên sâu Báo cáo lưu chuyển tiền tệ. Kết quả phân tích hoạt động kinh doanh giai đoạn 2019-2023 của KLB cho thấy ngân hàng đang trên đà phát triển mạnh mẽ về quy mô và lợi nhuận, song việc nâng cao năng lực phân tích tài chính là điều kiện tiên quyết để đảm bảo tăng trưởng bền vững, bảo toàn vốn và tối đa hóa giá trị cho cổ đông lẫn khách hàng trong kỷ nguyên số hóa tài chính.