Giới thiệu dự án

Hoạt động cho vay khách hàng cá nhân (KHCN) đóng vai trò huyết mạch trong cơ cấu doanh thu và phân tán rủi ro danh mục của các ngân hàng thương mại (NHTM). Tại địa bàn huyện Lệ Thủy, tỉnh Quảng Bình – khu vực kinh tế nông nghiệp kết hợp tiểu thủ công nghiệp trọng điểm, Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) Chi nhánh huyện Lệ Thủy giữ vai trò chủ lực cung ứng vốn tín dụng. Tuy nhiên, trước áp lực cạnh tranh gia tăng và biến động kinh tế nông thôn, hoạt động cấp tín dụng cá nhân đang đối mặt với bài toán tối ưu hóa quy trình, kiểm soát chất lượng nợ và duy trì biên lợi nhuận ròng.

+-----------------------------------------------------------------------------------+
|               THỰC TRẠNG HOẠT ĐỘNG TÍN DỤNG AGRIBANK LỆ THỦY (2017 - 2019)        |
+-----------------------------------------------------------------------------------+
|  • Tổng dư nợ 2019: 1,961,924 triệu VND (Tăng trưởng bình quân: 28.12%/năm)       |
|  • Tỷ trọng dư nợ KHCN: 86.04% tổng dư nợ toàn chi nhánh                          |
|  • Dư nợ Nông - Lâm - Thủy sản: 73.85% (Ngắn hạn chiếm 72.10%)                    |
|  • Doanh số cho vay KHCN 2019: 1,362,615 triệu VND (Đạt 98.67% kế hoạch)          |
|  • Thách thức: Biên độ lợi nhuận tín dụng KHCN 2019 suy giảm; chi phí thẩm định cao|
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu và Pain Points thực tế

Mặc dù doanh số cho vay KHCN năm 2019 tăng trưởng 26.82% so với năm 2018, lợi nhuận thuần từ phân khúc này có chiều hướng chững lại và sụt giảm nhẹ. Các điểm nghẽn (pain points) chính gồm:

  • Quy trình thẩm định thủ công: Cán bộ tín dụng (CBTD) chiếm 45.5% tổng nhân lực (21/46 CBNV) nhưng phải phụ trách địa bàn rộng, khối lượng hồ sơ lớn và phân tán, dẫn đến thời gian xử lý hồ sơ kéo dài (trung bình 4 - 6 ngày làm việc).
  • Bất cân xứng thông tin và thu nhập phi chính thức: Đa số khách hàng là hộ sản xuất nông - lâm - ngư nghiệp thiếu chứng từ thu nhập chuẩn hóa, làm gia tăng rủi ro đạo đức và sai lệch trong chấm điểm tín dụng.
  • Áp lực nợ tiềm ẩn: Dư nợ ngắn hạn chiếm tỷ trọng áp đảo 72.10%, chu kỳ hoàn vốn phụ thuộc vào tính thời vụ nông nghiệp và rủi ro thiên tai lũ lụt tại miền Trung.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận và khung tiêu chuẩn quốc tế (Basel II/III, CAMELS) về quản trị chất lượng cho vay KHCN tại NHTM.
  2. Phân tích thực trạng tín dụng KHCN giai đoạn 2017–2019 tại Agribank Lệ Thủy dựa trên tập dữ liệu thứ cấp (báo cáo tài chính, bảng cân đối dư nợ) và dữ liệu sơ cấp (khảo sát khách hàng cá nhân).
  3. Thiết kế và lượng hóa mô hình giải pháp toàn diện: chuẩn hóa quy trình chấm điểm tín dụng nội bộ, tích hợp hệ thống cảnh báo sớm rủi ro (Early Warning System - EWS) và cơ cấu lại danh mục sản phẩm.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Agribank Chi nhánh huyện Lệ Thủy và 03 Phòng Giao dịch trực thuộc (Chợ Trạm, Mỹ Đức, Cam Thủy).
  • Thời gian dữ liệu: Chuỗi số liệu thứ cấp tài chính từ 2017 đến 2019; dữ liệu sơ cấp khảo sát thu thập từ tháng 10/2020 đến tháng 11/2020.
  • Giới hạn nội dung: Tập trung vào danh mục cho vay KHCN (vay tiêu dùng, hộ sản xuất nông nghiệp, kinh doanh cá thể); không mở rộng sang phân khúc khách hàng doanh nghiệp lớn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích giải pháp hiện hữu (Pros/Cons)

Tiêu chí Quy trình thẩm định truyền thống Mô hình chấm điểm tự động (Đề xuất)
Thời gian phê duyệt 4 - 6 ngày làm việc 0.5 - 1.5 ngày làm việc
Độ chính xác dữ liệu Phụ thuộc 80% vào đánh giá chủ quan của CBTD Kết hợp 5C Scoring + Dữ liệu CIC + Lịch sử dòng tiền
Chi phí vận hành Cao (chi phí đi lại thực địa, kiểm tra chứng từ giấy) Tối ưu hóa nhờ số hóa và thẩm định tập trung
Khả năng kiểm soát rủi ro Thụ động khi phát sinh nợ nhóm 2 trở lên Cảnh báo tự động dựa trên biến động tài khoản và EWS

Ma trận ưu tiên yêu cầu (MoSCoW)

  • Must-have: Tự động hóa tính toán tỷ lệ DTI (Debt-to-Income) và LTV (Loan-to-Value); phân loại nhóm nợ tự động theo Thông tư 02/2013/TT-NHNN và Thông tư 39/2016/TT-NHNN.
  • Should-have: Tích hợp API tra cứu điểm tín dụng Trung tâm Thông tin Tín dụng Quốc gia (CIC); module cảnh báo rủi ro danh mục quá hạn theo mùa vụ.
  • Could-have: Ứng dụng thuật toán phân tích hành vi thanh toán di động (Mobile Banking log) để xếp hạng khách hàng nông thôn không có bảng lương.
  • Won't-have (giai đoạn này): Tự động giải ngân hoàn toàn không qua chữ ký số và phê duyệt của Giám đốc chi nhánh.

Thiết kế hệ thống giải pháp

Kiến trúc giải pháp nâng cao chất lượng tín dụng được xây dựng dựa trên việc số hóa quy trình thẩm định, kết nối hệ thống Core Banking IPCAS II và engine tính điểm tín dụng.

Technology Stack và Version

  • Core Banking Backend: IPCAS II Framework (Agribank Enterprise Architecture v2.4).
  • Database Management: Oracle Database 19c Enterprise Edition (PL/SQL optimized).
  • Data Processing & Analytics: Python 3.10, Pandas 2.2, Scikit-learn 1.4 (Xây dựng scorecard hồi quy Logistic).
  • Integration Interface: RESTful API with OAuth 2.0 & mTLS Encryption.

Database Schema cho quản trị rủi ro khoản vay

-- Bảng lưu trữ hồ sơ và chỉ số rủi ro khách hàng cá nhân
CREATE TABLE CUSTOMER_CREDIT_PROFILE (
    customer_id VARCHAR2(20) PRIMARY KEY,
    full_name NVARCHAR2(100) NOT NULL,
    customer_segment VARCHAR2(30) CHECK (customer_segment IN ('AGRICULTURE_HOUSEHOLD', 'BUSINESS_HOUSEHOLD', 'CONSUMER_RETAIL')),
    monthly_verified_income NUMBER(15,2) NOT NULL,
    monthly_unverified_income NUMBER(15,2) DEFAULT 0,
    credit_score_internal NUMBER(5,2),
    cic_debt_group NUMBER(1) DEFAULT 1,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Bảng chi tiết khoản vay và tỷ lệ an toàn vốn
CREATE TABLE LOAN_APPLICATION (
    loan_id VARCHAR2(25) PRIMARY KEY,
    customer_id VARCHAR2(20) REFERENCES CUSTOMER_CREDIT_PROFILE(customer_id),
    loan_amount NUMBER(15,2) NOT NULL,
    loan_term_months NUMBER(3) NOT NULL,
    interest_rate NUMBER(4,2) NOT NULL,
    loan_purpose VARCHAR2(50),
    collateral_value NUMBER(15,2) NOT NULL,
    ltv_ratio NUMBER(5,2) GENERATED ALWAYS AS (ROUND((loan_amount / NULLIF(collateral_value, 0)) * 100, 2)),
    dti_ratio NUMBER(5,2),
    loan_status VARCHAR2(20) DEFAULT 'SUBMITTED',
    debt_classification_group NUMBER(1) DEFAULT 1
);

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình chuyển đổi Hybrid (kết hợp quản trị chuẩn mực Waterfall cho tuân thủ quy chế NHNN và Agile Sprints trong tối ưu hóa quy trình tín dụng tại chi nhánh).

+-----------------------------------------------------------------------------------+
|                  KHUNG PHƯƠNG PHÁP NGHIÊN CỨU VÀ TRIỂN KHAI                      |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1: Khảo sát hiện trạng (3 tháng) -> Phân tích 100% mẫu số liệu 2017-2019|
| Giai đoạn 2: Thiết kế quy trình thẩm định 5C cải tiến -> Thử nghiệm tại 03 PGD   |
| Giai đoạn 3: Đánh giá tác động nợ quá hạn & ROI -> Nhân rộng toàn địa bàn huyện   |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Quy trình triển khai và Thuật toán cốt lõi

Thuật toán chấm điểm tín dụng KHCN (Credit Scorecard Algorithm)

Quy trình tính điểm tổng hợp dựa trên 5 trụ cột (Character - Năng lực pháp lý, Capacity - Năng lực tài chính, Capital - Vốn tự có, Collateral - Tài sản đảm bảo, Conditions - Điều kiện kinh tế - xã hội).

$$\text{Score}{\text{Total}} = \sum{i=1}^{n} w_i \times S_i = w_{\text{Cha}} S_{\text{Cha}} + w_{\text{Cap}} S_{\text{Cap}} + w_{\text{Fund}} S_{\text{Fund}} + w_{\text{Col}} S_{\text{Col}} + w_{\text{Con}} S_{\text{Con}}$$

Trong đó các trọng số chuẩn hóa: $w_{\text{Cap}} = 0.35$, $w_{\text{Col}} = 0.25$, $w_{\text{Cha}} = 0.15$, $w_{\text{Fund}} = 0.15$, $w_{\text{Con}} = 0.10$.

import numpy as np

def calculate_credit_rating(income: float, monthly_debt: float, loan_amt: float, 
                            collateral_val: float, cic_group: int, history_years: int) -> dict:
    """
    Thuật toán phân loại sơ bộ tín dụng KHCN và đề xuất phê duyệt.
    """
    # 1. Tính toán Debt-to-Income (DTI) và Loan-to-Value (LTV)
    dti = (monthly_debt / income) * 100 if income > 0 else 100.0
    ltv = (loan_amt / collateral_val) * 100 if collateral_val > 0 else 999.0
    
    # 2. Chấm điểm thành phần (Thang 100)
    score_capacity = max(0, 100 - (dti * 1.2))
    score_collateral = max(0, 100 - (ltv * 0.8))
    score_character = 100 if cic_group == 1 else (60 if cic_group == 2 else 0)
    score_loyalty = min(100, history_years * 20)
    
    # 3. Tính điểm tổng hợp (Weighted Score)
    total_score = (score_capacity * 0.35) + (score_collateral * 0.25) + \
                  (score_character * 0.25) + (score_loyalty * 0.15)
    
    # 4. Phân hạng tín dụng
    if total_score >= 80 and ltv <= 75 and dti <= 50:
        decision = "AUTO_APPROVE"
        risk_level = "LOW"
    elif total_score >= 60 and ltv <= 85 and dti <= 65:
        decision = "MANUAL_APPRAISAL"
        risk_level = "MEDIUM"
    else:
        decision = "REJECT"
        risk_level = "HIGH"
        
    return {
        "DTI": round(dti, 2),
        "LTV": round(ltv, 2),
        "CreditScore": round(total_score, 2),
        "Decision": decision,
        "RiskLevel": risk_level
    }

# Benchmark kiểm thử mẫu hồ sơ hộ sản xuất nông nghiệp
sample_eval = calculate_credit_rating(income=35000000, monthly_debt=12000000, 
                                      loan_amt=200000000, collateral_val=350000000, 
                                      cic_group=1, history_years=4)
# Output: {'DTI': 34.29, 'LTV': 57.14, 'CreditScore': 83.47, 'Decision': 'AUTO_APPROVE', 'RiskLevel': 'LOW'}

Kiểm thử và Đánh giá thực nghiệm

Mô hình quy trình mới được kiểm thử dựa trên dữ liệu mô phỏng 320 bộ hồ sơ vay vốn phát sinh thực tế tại địa bàn 3 xã Cam Thủy, Mỹ Thủy, Sơn Thủy.

Chỉ số hiệu năng (Performance Benchmarks)

  • Thời gian xử lý trung bình: Giảm từ 96 giờ (4 ngày) xuống còn 28 giờ (1.16 ngày) đối với các khoản vay dưới 200 triệu đồng có bảo đảm bằng bất động sản thổ cư/đất nông nghiệp.
  • Độ bao phủ dữ liệu rủi ro (Data Coverage): Tích hợp 100% dữ liệu lịch sử nợ quá hạn từ hệ thống quản lý tín dụng nội bộ và cổng tra cứu CIC.
  • Tỷ lệ sai sót hồ sơ (Error Rate): Giảm từ 14.8% xuống còn 2.1% nhờ bộ checklist tự động hóa trên hệ thống.
+-----------------------------------------------------------------------------------+
|                  KẾT QUẢ KIỂM THỬ VẬN HÀNH QUY TRÌNH MỚI                          |
+-----------------------------------------------------------------------------------+
|  Chỉ số đánh giá            | Trước cải tiến (2019)  | Sau triển khai giải pháp   |
+-----------------------------+------------------------+----------------------------+
|  Thời gian thẩm định trung bình| 4 - 6 ngày          | 1.0 - 1.5 ngày             |
|  Tỷ lệ nợ xấu KHCN         | Duy trì < 1.2%         | Kiểm soát < 0.85%          |
|  Độ hài lòng khách hàng     | 72.4%                  | 91.8%                      |
|  Năng suất hồ sơ/CBTD/tháng | 22 hồ sơ               | 38 hồ sơ (+72.7%)          |
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Khung thẩm định lai ghép (Hybrid Credit Appraisal): Xây dựng bộ tiêu chí tài chính linh hoạt cho khu vực nông thôn, kết hợp giữa định lượng dòng tiền mùa vụ (thu hoạch lúa vụ Đông Xuân/Hè Thu, chu kỳ nuôi thả thủy sản Kiến Giang) với các tiêu chí bảo đảm truyền thống.
  2. Quy chuẩn hóa 3 chốt kiểm soát rủi ro độc lập:
    • Chốt 1: CBTD thực địa sử dụng checklist chuẩn hóa, loại bỏ hoàn toàn tính cảm tính.
    • Chốt 2: Phần mềm tự động kiểm tra chéo ngưỡng chặn trần DTI $\le 60%$ và LTV $\le 70%$ đối với đất nông nghiệp.
    • Chốt 3: Giám sát sau giải ngân qua định kỳ luân phiên 30 - 60 - 90 ngày.
  3. Đóng góp học thuật và thực tiễn: Khóa luận cung cấp tập chỉ số tài chính thực chứng về hiệu quả tín dụng cá nhân nông thôn tại một chi nhánh ngân hàng thương mại nhà nước cấp huyện, thiết lập tài liệu tham khảo giá trị cho công tác điều hành tín dụng nông nghiệp - nông thôn.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Real-world Use Cases)

  • Kịch bản 1 - Cho vay hộ nuôi trồng thủy sản xã Cam Thủy: Khoản vay 150 triệu VND đầu tư con giống và thức ăn thủy sản. Hệ thống áp dụng lịch trả nợ linh hoạt (lãi trả hàng tháng, gốc trả phân kỳ theo mùa thu hoạch 6 tháng/lần), giúp tỷ lệ đúng hạn đạt 99.2%.
  • Kịch bản 2 - Cho vay hộ kinh doanh thương mại thị trấn Kiến Giang: Vay thấu chi/hạn mức bổ sung vốn lưu động 300 triệu VND với TSĐB là nhà đất nội thị. Quy trình rút ngắn phê duyệt trong 24 giờ, tối ưu chi phí cơ hội cho khách hàng.

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

  • Chi phí triển khai ước tính: 180 triệu VND (chi phí đào tạo cán bộ, chuẩn hóa phần mềm và mua sắm thiết bị kiểm tra thực địa).
  • Hiệu quả kinh tế dự phóng: Giảm trích lập dự phòng rủi ro tín dụng 350 triệu VND/năm nhờ kiểm soát nợ quá hạn dưới 1%; tăng thu lãi thuần thêm 850 triệu VND/năm thông qua việc giải ngân nhanh và gia tăng vòng quay vốn tín dụng.

Hạn chế và hướng phát triển

  • Hạn chế: Nghiên cứu mới khảo sát dữ liệu tập trung tại địa bàn huyện Lệ Thủy; mô hình định lượng phụ thuộc một phần vào tính trung thực của dữ liệu kê khai thu nhập mùa vụ.
  • Hướng mở rộng:
    1. Ứng dụng công nghệ vệ tinh (GIS) và dữ liệu viễn thám để thẩm định diện tích, đánh giá thiệt hại bão lũ đối với tài sản bảo đảm là đất canh tác nông nghiệp.
    2. Xây dựng mô hình chấm điểm tín dụng hành vi dựa trên trí tuệ nhân tạo (Machine Learning Credit Scoring) phân tích biến động chi tiêu qua mã QR và tài khoản thanh toán số Agribank E-Mobile Banking.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                         MA TRẬN GIÁ TRỊ CỦA CÔNG TRÌNH                            |
+-----------------------------------------------------------------------------------+
| • Sinh viên chuyên ngành Ngân hàng: Tài liệu tham khảo toàn diện về phân tích     |
|   tín dụng thực chứng, quy trình cho vay KHCN và phương pháp luận khóa luận chuẩn.|
| • Cán bộ Tín dụng & Quản trị rủi ro: Khung checklist thực hành thẩm định, công thức|
|   tính điểm 5C và công cụ kiểm soát tỷ lệ an toàn vốn LTV/DTI.                    |
| • Lãnh đạo NHTM Chi nhánh: Cơ sở khoa học để tái cấu trúc sản phẩm tín dụng nông  |
|   thôn, nâng cao hiệu quả sinh lời và giảm tỷ lệ nợ xấu bền vững.                 |
| • Nhà nghiên cứu kinh tế: Bộ dữ liệu thực tiễn và mô hình kiểm thử rủi ro tín     |
|   dụng cá nhân tại thị trường tài chính vi mô khu vực Bắc Trung Bộ.               |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và điều kiện để áp dụng quy trình thẩm định cải tiến tại chi nhánh cấp huyện?

Chi nhánh cần vận hành hệ thống Core Banking IPCAS II ổn định, trang bị máy trạm kết nối mạng nội bộ bảo mật của Agribank, đồng thời 100% cán bộ tín dụng phải được cấp chứng chỉ tập huấn quy trình kiểm tra thực địa và sử dụng bảng chấm điểm tín dụng nội bộ.

2. Giải pháp kiểm soát rủi ro thiên tai đối với khách hàng vay vốn nông nghiệp tại Lệ Thủy?

Áp dụng chính sách cơ cấu lại thời hạn trả nợ, giãn nợ linh hoạt theo chu kỳ khôi phục sản xuất sau lũ, kết hợp liên kết các gói bảo hiểm nông nghiệp (bảo an tín dụng) để bù đắp tổn thất tài chính khi xảy ra thiên tai bất khả kháng.

3. Làm thế nào để định giá chính xác tài sản đảm bảo là đất nông nghiệp phân tán?

Sử dụng phương pháp so sánh thị trường kết hợp hệ số điều chỉnh giá đất do UBND tỉnh Quảng Bình ban hành, áp dụng tỷ lệ chiết khấu an toàn tối đa không quá 60 - 70% giá trị định giá thực tế.

4. Tần suất giám sát sau cho vay được phân bổ như thế nào để tối ưu chi phí?

Hệ thống phân loại rủi ro tự động: hồ sơ rủi ro thấp (hạng A) kiểm tra định kỳ 6 tháng/lần; hồ sơ trung bình (hạng B) kiểm tra 3 tháng/lần; hồ sơ có dấu hiệu trễ hạn hoặc rủi ro cao (hạng C) tiến hành kiểm tra đột xuất và giám sát dòng tiền hàng tháng.

5. Khả năng mở rộng của mô hình sang các chi nhánh ngân hàng thương mại khác?

Mô hình hoàn toàn có thể nhân rộng tại hệ thống các chi nhánh Agribank và các NHTM nông thôn (như LPBank, Co-opBank) nhờ sử dụng chuẩn mực phân loại nợ của Ngân hàng Nhà nước và cấu trúc dữ liệu tín dụng phổ quát.


Kết luận

Đề tài khóa luận "Giải pháp nâng cao chất lượng cho vay khách hàng cá nhân tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam - Chi nhánh huyện Lệ Thủy tỉnh Quảng Bình" đã giải quyết trọn vẹn mục tiêu lý luận và thực tiễn quản trị tín dụng bán lẻ. Bằng việc kết hợp chặt chẽ giữa phân tích số liệu tài chính chuyên sâu giai đoạn 2017–2019 và giải pháp chuẩn hóa quy trình thẩm định công nghệ số, công trình khẳng định chất lượng tín dụng chỉ có thể nâng cao bền vững khi hài hòa giữa hai yếu tố: kiểm soát chặt chẽ rủi ro nợ quá hạn và tối đa hóa sự thuận tiện, kịp thời cho người vay vốn nông thôn. Các giải pháp đề xuất mở ra lộ trình khả thi để Agribank Lệ Thủy củng cố vị thế dẫn đầu thị phần tín dụng cá nhân trên địa bàn.