Giới thiệu dự án
Hoạt động cấp tín dụng đóng vai trò là "xương sống" và là nguồn sinh lời trọng yếu nhất của hệ thống Ngân hàng Thương mại (NHTM) Việt Nam, đóng góp trên 76% tổng thu nhập hoạt động thuần của các tổ chức tín dụng. Tuy nhiên, hoạt động này cũng tiềm ẩn rủi ro hệ thống phức tạp, đặc biệt trong bối cảnh cạnh tranh gay gắt từ các ngân hàng ngoại và áp lực chuẩn hóa an toàn vốn theo tiêu chuẩn quốc tế.
Nghiên cứu "Giải pháp nâng cao chất lượng tín dụng tại NHTMCP Quốc tế - VIB" do tác giả Mai Thị Thanh thực hiện (dưới sự hướng dẫn của TS. Nguyễn Thị Thái Hưng, Học viện Ngân hàng) giải quyết bài toán cốt lõi: Nâng cao chất lượng danh mục cho vay, tối ưu hóa công tác quản trị rủi ro tín dụng trong giai đoạn chuyển dịch sang mô hình ngân hàng bán lẻ quy mô lớn.
+-------------------------------------------------------------------------+
| BÀI TOÁN QUẢN TRỊ TÍN DỤNG TẠI VIB |
+-------------------------------------------------------------------------+
| 1. Mất cân đối kỳ hạn: Vốn trung-dài hạn chiếm 82,32% tổng dư nợ |
| 2. Rủi ro tập trung: Tín dụng cá nhân chiếm 81,29% (Ô tô + Nhà ở >60%) |
| 3. Áp lực pháp lý: Thông tư 22/2019/TT-NHNN giảm trần vốn ngắn hạn |
| 4. Yêu cầu Basel II: Quản trị an toàn vốn (CAR > 8%) qua 3 trụ cột |
+-------------------------------------------------------------------------+
Mục tiêu cụ thể của dự án nghiên cứu:
- Đánh giá thực trạng tín dụng và đo lường các chỉ tiêu an toàn nợ tại Ngân hàng TMCP Quốc tế Việt Nam (VIB) giai đoạn 2017–2019.
- Phân tích tác động của việc mất cân đối kỳ hạn khi tỷ trọng cho vay trung và dài hạn chạm mức 82,32% tổng dư nợ trong mối tương quan với Thông tư 22/2019/TT-NHNN.
- Đo lường hiệu quả mô hình chấm điểm tín dụng nội bộ và quy trình quản trị nợ xấu theo Nghị quyết 42/2017/QH14 và Thông tư 02/2013/TT-NHNN.
- Đề xuất hệ thống giải pháp nâng cao năng lực thẩm định, tối ưu hóa hệ thống cảnh báo sớm (Early Warning System - EWS) và cơ cấu lại danh mục cho vay giai đoạn 2020–2025.
Phạm vi nghiên cứu tập trung vào toàn bộ danh mục cấp tín dụng của hệ thống VIB (163 đơn vị kinh doanh gồm 1 hội sở chính, 50 chi nhánh, 112 phòng giao dịch) giai đoạn 2017–2019, đồng thời đối sánh với các ngân hàng thương mại quy mô lớn (Vietcombank, VietinBank, Agribank).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Giai đoạn 2017–2019 chứng kiến sự tái cơ cấu mạnh mẽ của ngành ngân hàng Việt Nam. Bảng so sánh dưới đây phân tích các chỉ số quản trị chất lượng tín dụng giữa VIB và các ngân hàng đối chuẩn hàng đầu:
| Chỉ tiêu phân tích |
NHTMCP Quốc tế (VIB) |
NHTMCP Ngoại thương (VCB) |
Ngân hàng Nông nghiệp (Agribank) |
NHTMCP Công thương (CTG) |
| Tỷ lệ nợ xấu (NPL - 2019) |
Kiểm soát < 2,0% |
0,77% (Chuẩn quốc tế) |
1,40% |
1,16% |
| Xử lý nợ VAMC |
Hoàn tất mua lại nợ VAMC |
Tất toán trước hạn 3 năm |
Thu hồi 60.105 tỷ (NQ42) |
Trích lập >54% mệnh giá TP |
| Tỷ trọng nợ trung - dài hạn |
82,32% (Cao nhất ngành) |
~45,0% - 48,0% |
~35,0% - 40,0% |
~50,0% |
| Phân khúc cốt lõi |
Bán lẻ (Cá nhân chiếm 81,29%) |
Đa dạng hóa (KHDN + Bán lẻ) |
Nông nghiệp & Nông thôn |
Doanh nghiệp lớn + Bán lẻ |
| Chuẩn mực quản trị vốn |
Hoàn thành 3 trụ cột Basel II |
Đạt Basel II Pillar 1 & 3 |
Lộ trình tái cơ cấu vốn |
Đạt chuẩn Basel II |
Yêu cầu cải tiến quy trình nghiệp vụ tín dụng theo mô hình MoSCoW:
- Must Have (Bắt buộc): Hệ thống phân loại nợ tự động 5 nhóm theo Điều 10 Thông tư 02/2013/TT-NHNN; kiểm soát tỷ lệ an toàn vốn (Capital Adequacy Ratio - CAR) $\ge 8%$; tích hợp tra cứu tức thời dữ liệu Trung tâm Thông tin Tín dụng Quốc gia (CIC).
- Should Have (Nên có): Thuật toán chấm điểm tín dụng hành vi khách hàng cá nhân; cơ chế cảnh báo tỷ lệ tài sản bảo đảm (Loan-to-Value - LTV) theo thời gian thực; giảm tỷ lệ sử dụng vốn ngắn hạn cho vay trung dài hạn theo lộ trình Thông tư 22/2019/TT-NHNN.
- Could Have (Có thể có): Nền tảng số hóa phê duyệt khoản vay trực tuyến tích hợp eKYC trên ứng dụng MyVIB; mô hình định giá tự động tài sản bảo đảm bất động sản.
- Won't Have (Chưa ưu tiên): Cấp hạn mức tín dụng tự động không có tài sản bảo đảm cho phân khúc khách hàng doanh nghiệp quy mô lớn.
Thiết kế hệ thống
Kiến trúc quản trị rủi ro tín dụng được tái thiết kế theo quy trình khép kín 7 bước với cơ chế kiểm soát 3 tuyến phòng thủ (Three Lines of Defense):
+-----------------------------------------------------------------------------------+
| QUY TRÌNH QUẢN TRỊ TÍN DỤNG ĐA LỚP TẠI HỆ THỐNG VIB |
+-----------------------------------------------------------------------------------+
| [Bước 1: Tiếp nhận] -> Khách hàng nộp hồ sơ vay vốn |
| | |
| [Bước 2: Sàng lọc] -> Tra cứu CIC tự động + Kiểm tra tính pháp lý sơ bộ |
| | |
| [Bước 3: Định giá] -> Thẩm định thực tế + Định giá Tài sản bảo đảm (TSBĐ) |
| | |
| [Bước 4: Chấm điểm] -> Credit Scoring Engine tính toán PD/LGD/EAD |
| | |
| [Bước 5: Phê duyệt] -> Hội đồng tín dụng cơ sở / Cấp thẩm quyền tập trung |
| | |
| [Bước 6: Giải ngân] -> Kiểm tra khế ước nhận nợ + Đăng ký giao dịch bảo đảm |
| | |
| [Bước 7: Giám sát] -> Early Warning System (EWS) theo dõi dòng tiền & nợ quá hạn |
+-----------------------------------------------------------------------------------+
Hệ thống công thức định lượng tiêu chuẩn được tích hợp:
-
Tỷ lệ nợ quá hạn (Overdue Loan Ratio - OLR):
$$\text{OLR} = \frac{\text{Tổng nợ quá hạn (Nhóm 2 đến 5)}}{\text{Tổng dư nợ}} \times 100%$$
-
Tỷ lệ nợ xấu (Non-Performing Loans - NPL):
$$\text{NPL} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ}} \times 100%$$
-
Mô hình trích lập dự phòng rủi ro tín dụng cụ thể ($R_i$):
$$R_i = \max(0, A_i - C_i) \times r_i$$
Trong đó: $A_i$ là dư nợ gốc khoản vay $i$; $C_i$ là giá trị khấu trừ của tài sản bảo đảm hợp lệ; $r_i$ là tỷ lệ trích lập tương ứng: Nhóm 1 ($0%$), Nhóm 2 ($5%$), Nhóm 3 ($20%$), Nhóm 4 ($50%$), Nhóm 5 ($100%$).
-
Dự phòng chung ($R_{\text{chung}}$):
$$R_{\text{chung}} = 0,75% \times \sum_{k=1}^{4} \text{Dư nợ nhóm } k$$
Tech Stack triển khai:
- Core Banking: Temenos T24 Platform kết hợp kiến trúc Microservices.
- Credit Scoring Engine: Python 3.8, thư viện Scikit-learn, XGBoost, Pandas.
- Database Layer: Oracle Database 19c Enterprise, Redis Cache cho truy vấn nhanh.
- Integration Layer: RESTful API Gateway kết nối với Cổng dữ liệu CIC Việt Nam.
Methodology
Dự án áp dụng phương pháp định lượng kết hợp phân tích chuỗi thời gian (Time-series Analysis) và phương pháp định chuẩn (Benchmarking).
Kế hoạch thực hiện theo 3 mốc trọng tâm:
- Khảo sát & Tổng hợp dữ liệu (M1): Thu thập và chuẩn hóa chuỗi số liệu tài chính giai đoạn 2017–2019 từ Báo cáo tài chính hợp nhất kiểm toán của VIB, VCB, CTG, Agribank.
- Kiểm định mô hình & Phân tích cấu trúc nợ (M2): Đo lường biến động cơ cấu dư nợ theo đối tượng, kỳ hạn, ngành nghề và xác định tương quan giữa tăng trưởng dư nợ với tỷ lệ trích lập dự phòng.
- Thiết kế giải pháp & Đánh giá mức độ khả thi (M3): Xây dựng khung chính sách tín dụng mới, mô phỏng tác động của Thông tư 22/2019/TT-NHNN lên thanh khoản ngân hàng giai đoạn 2020–2025.
Implementation và kết quả
Development process
Thuật toán tự động hóa quy trình phân loại nhóm nợ và tính toán nghĩa vụ trích lập dự phòng rủi ro tín dụng định kỳ theo quy định của Ngân hàng Nhà nước được thiết kế như sau:
from dataclasses import dataclass
from typing import Dict, List
@dataclass
class LoanContract:
loan_id: str
principal: float
collateral_value: float
haircut_rate: float
days_past_due: int
restructured: bool = False
class CreditRiskClassifier:
"""
Thuật toán phân loại nhóm nợ và trích lập DPRRTD
Tuân thủ Thông tư 02/2013/TT-NHNN và Basel II
"""
PROVISION_RATES = {1: 0.00, 2: 0.05, 3: 0.20, 4: 0.50, 5: 1.00}
GENERAL_PROVISION_RATE = 0.0075
def classify_loan(self, loan: LoanContract) -> int:
dpd = loan.days_past_due
if dpd <= 10 and not loan.restructured:
return 1 # Nợ đủ tiêu chuẩn
elif 10 < dpd <= 90 or (loan.restructured and dpd <= 10):
return 2 # Nợ cần chú ý
elif 90 < dpd <= 180:
return 3 # Nợ dưới tiêu chuẩn
elif 180 < dpd <= 360:
return 4 # Nợ nghi ngờ
else:
return 5 # Nợ có khả năng mất vốn
def calculate_provisions(self, loans: List[LoanContract]) -> Dict[str, float]:
total_specific_provision = 0.0
eligible_for_general = 0.0
for loan in loans:
group = self.classify_loan(loan)
deductible_collateral = loan.collateral_value * (1.0 - loan.haircut_rate)
net_exposure = max(0.0, loan.principal - deductible_collateral)
specific_prov = net_exposure * self.PROVISION_RATES[group]
total_specific_provision += specific_prov
if group in [1, 2, 3, 4]:
eligible_for_general += loan.principal
general_provision = eligible_for_general * self.GENERAL_PROVISION_RATE
return {
"total_specific_provision": round(total_specific_provision, 2),
"general_provision": round(general_provision, 2),
"total_provision": round(total_specific_provision + general_provision, 2)
}
Testing và validation
Dữ liệu thực nghiệm từ hoạt động tín dụng VIB giai đoạn 2017–2019 được phân tích và kiểm chứng:
TĂNG TRƯỞNG DƯ NỢ TÍN DỤNG VIB (2017 - 2019)
Đơn vị: Tỷ đồng
2017: |████████████████████████ 79.199,8 (Tăng 32,71%)
2018: |█████████████████████████████ 95.341,0 (Tăng 20,38%)
2019: |███████████████████████████████████████ 129.199,0 (Tăng 34,39%)
- Quy mô tín dụng: Tổng dư nợ cho vay khách hàng tăng trưởng bình quân 25,67%/năm, đạt 129.199 tỷ đồng vào năm 2019.
- Tái cơ cấu nhóm khách hàng: Dư nợ khách hàng cá nhân tăng mạnh từ 63,49% (2017) lên 73,97% (2018) và đạt 81,29% (2019). Ngược lại, dư nợ KHDN thu hẹp từ 36,51% xuống còn 18,71%.
- Sản phẩm dẫn đầu: Cho vay mua ô tô chiếm hơn 23% thị phần toàn quốc, chiếm trên 40% danh mục bán lẻ; cho vay mua nhà ở (LTV lên đến 90%, thời hạn 30 năm) chiếm khoảng 21% tổng dư nợ.
Kết quả đạt được
KẾT QUẢ KINH DOANH VÀ CHẤT LƯỢNG DANH MỤC VIB
+-------------------------------------------------------------+
| Chỉ tiêu tài chính | Năm 2017 | Năm 2018 | Năm 2019 |
+-------------------------------------------------------------+
| Thu nhập lãi thuần (Tỷ VNĐ) | 3.213,2 | 4.887,6 | 6.405,1 |
| Tăng trưởng thu nhập thuần | - | +52,1% | +31,0% |
| Tỷ trọng nợ dài hạn | 49,62% | 59,70% | 62,92% |
| Tổng nợ trung - dài hạn | 77,21% | 80,15% | 82,32% |
| Chuẩn an toàn vốn | Basel I | Pilot B2 | 3 Trụ cột|
+-------------------------------------------------------------+
- Hoàn thành 3 trụ cột Basel II: Tháng 12/2019, VIB trở thành ngân hàng đầu tiên tại Việt Nam hoàn thành toàn diện 3 trụ cột Basel II trước thời hạn quy định 1 năm.
- Tối ưu hóa khả năng sinh lời: Tổng thu nhập tăng trưởng 99,34% (đạt 8.152,1 tỷ đồng năm 2019), trong đó thu nhập lãi thuần duy trì đóng góp chủ đạo ở mức 76,2% - 78,5%.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp mang tính thực tiễn và học thuật sâu sắc:
- Tiên phong giải quyết xung đột kỳ hạn vốn: Chỉ ra rủi ro thanh khoản khi tỷ lệ cho vay trung dài hạn đạt 82,32% trong khi tiền gửi có kỳ hạn ngắn chiếm ưu thế. Đưa ra mô hình cân đối thanh khoản thích ứng với lộ trình siết trần vốn ngắn hạn cho vay trung dài hạn từ 40% xuống 30% theo Thông tư 22/2019/TT-NHNN.
- Hệ sinh thái đối tác số (Ecosystem Lending): Phân tích mô hình hợp tác độc quyền giữa VIB và các hãng sản xuất xe ô tô hàng đầu (Thaco, Toyota, Mitsubishi...), rút ngắn thời gian phê duyệt xuống còn 4 giờ làm việc.
- Bộ chỉ số đo lường toàn diện: Kết hợp giữa chỉ tiêu định lượng (NPL, OLR, Provision Coverage Ratio) và chỉ tiêu định tính (Mức độ tuân thủ quy chế, trải nghiệm khách hàng với ứng dụng MyVIB) để đánh giá sức khỏe tín dụng.
Ứng dụng thực tế và triển khai
Kịch bản triển khai tại mạng lưới kinh doanh
Quy trình cải tiến được áp dụng đồng bộ tại 163 chi nhánh/PGD của VIB với lộ trình chi tiết:
LỘ TRÌNH TRIỂN KHAI VÀ TỐI ƯU HÓA TÍN DỤNG (2020 - 2025)
+--------------------------------------------------------------------------------+
| Giai đoạn 2020 - 2021: Chuẩn hóa dữ liệu & Nâng cao năng lực thẩm định |
| - Phân loại danh mục nợ theo mức độ nhạy cảm rủi ro. |
| - Tái đào tạo 100% cán bộ tín dụng (CBTD) và chuyên viên định giá TSBĐ. |
+--------------------------------------------------------------------------------+
| Giai đoạn 2022 - 2023: Tái cơ cấu tỷ trọng kỳ hạn |
| - Giảm tỷ lệ vốn ngắn hạn cho vay trung dài hạn về dưới 30% (Tuân thủ TT22). |
| - Tăng tỷ trọng cho vay ngắn hạn lưu động phục vụ chuỗi cung ứng KHDN vừa & nhỏ.|
+--------------------------------------------------------------------------------+
| Giai đoạn 2024 - 2025: Số hóa toàn diện và Tự động hóa cảnh báo sớm |
| - Vận hành hệ thống EWS Machine Learning dự báo nguy cơ trễ hạn trước 60 ngày. |
| - Đạt tỷ lệ tự động hóa thẩm định hồ sơ tiêu dùng lên trên 70%. |
+--------------------------------------------------------------------------------+
Phân tích Hiệu quả đầu tư (Cost-Benefit Analysis)
- Chi phí triển khai: Đầu tư nâng cấp Core Banking T24, hệ sinh thái chấm điểm tín dụng và đào tạo nhân sự ước tính tương đương 1,5% - 2,0% tổng chi phí hoạt động hàng năm.
- Lợi ích kinh tế thu được:
- Giảm tỷ lệ chi phí trích lập dự phòng rủi ro tín dụng từ 15% - 20% thông qua việc sàng lọc khách hàng chất lượng cao.
- Rút ngắn thời gian xử lý hồ sơ từ 3 ngày xuống 8 giờ làm việc, tăng năng suất xử lý hồ sơ vay của mỗi chuyên viên quan hệ khách hàng (RM) lên 250%.
- Tối ưu hóa hệ số CAR, giúp VIB duy trì hạn mức tăng trưởng tín dụng cao từ Ngân hàng Nhà nước.
Hạn chế và hướng phát triển
Hạn chế nội tại
- Rủi ro tập trung ngành và phân khúc: Dư nợ bán lẻ chiếm 81,29%, trong đó tập trung vào bất động sản và xe hơi – hai phân khúc có độ nhạy cảm rất cao với chu kỳ suy thoái kinh tế và biến động lãi suất.
- Áp lực chênh lệch kỳ hạn (Maturity Mismatch): Tỷ trọng nợ dài hạn chiếm 62,92% tổng dư nợ tạo sức ép lớn lên chi phí huy động vốn dài hạn trong bối cảnh tiền gửi dân cư chủ yếu có kỳ hạn dưới 12 tháng.
- Tính độc lập trong thẩm định: Tại một số chi nhánh, sự phối hợp giữa bộ phận kinh doanh và bộ phận quản trị rủi ro độc lập đôi khi còn phát sinh độ trễ tác nghiệp.
Hướng nghiên cứu tiếp theo
- Xây dựng mô hình chấm điểm tín dụng dựa trên dữ liệu phi cấu trúc (Alternative Data) như hành vi thanh toán hóa đơn tiện ích, dữ liệu thương mại điện tử.
- Ứng dụng thuật toán Deep Learning (Mạng nơ-ron LSTM) để dự báo dòng tiền và khả năng trả nợ của khách hàng cá nhân trong các kịch bản kinh tế vĩ mô bất lợi (Stress Testing).
Đối tượng hưởng lợi
+------------------------------------------------------------------------------------+
| ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN |
+------------------------------------------------------------------------------------+
| 1. Sinh viên / Học viên cao học ngành Tài chính - Ngân hàng: |
| Cung cấp bộ khung phương pháp luận nghiên cứu định lượng chuẩn mực, số liệu thực|
| chứng từ BCTC kiểm toán và mô hình áp dụng Basel II thực tế. |
+------------------------------------------------------------------------------------+
| 2. Chuyên viên Tín dụng & Quản trị Rủi ro tại các NHTM: |
| Nắm bắt quy trình phân loại nợ, công thức trích lập dự phòng theo Thông tư 02 |
| và kỹ năng kiểm soát rủi ro cho vay tiêu dùng (Auto/Home Loans). |
+------------------------------------------------------------------------------------+
| 3. Ban Lãnh đạo & Nhà hoạch định chính sách Ngân hàng: |
| Tham khảo chiến lược chuyển dịch bán lẻ, phương án tái cân bằng cơ cấu kỳ hạn |
| và giải pháp thích ứng với Thông tư 22/2019/TT-NHNN. |
+------------------------------------------------------------------------------------+
| 4. Chuyên gia Nghiên cứu & Giảng viên: |
| Tài liệu tham khảo chuyên sâu về kinh nghiệm xử lý nợ xấu theo Nghị quyết 42 |
| và bài học đối sánh giữa các định chế tài chính tại Việt Nam. |
+------------------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Điều kiện kỹ thuật và hạ tầng cần thiết để triển khai hệ thống quản trị rủi ro tín dụng theo Basel II là gì?
Ngân hàng cần tích hợp hệ thống Core Banking thế hệ mới hỗ trợ trích xuất dữ liệu tập trung, cơ sở dữ liệu định lượng về tổn thất lịch sử (Loss Given Default - LGD, Probability of Default - PD) tối thiểu từ 5–7 năm, và công cụ tự động hóa tính toán tài sản có trọng số rủi ro (RWA).
2. Tỷ lệ cho vay trung và dài hạn chiếm 82,32% tại VIB gây ra những thách thức gì về thanh khoản?
Tỷ trọng này tạo ra rủi ro chênh lệch kỳ hạn nghiêm trọng giữa nguồn vốn huy động (chủ yếu ngắn hạn) và tài sản sinh lời (dài hạn). Khi lãi suất thị trường biến động tăng, chi phí trả lãi huy động tăng nhanh hơn nguồn thu từ các khoản vay dài hạn cố định, làm suy giảm biên lãi ròng (NIM) và vi phạm giới hạn tỷ lệ vốn ngắn hạn cho vay trung dài hạn theo Thông tư 22/2019/TT-NHNN.
3. Quy trình trích lập dự phòng rủi ro tín dụng theo Thông tư 02/2013/TT-NHNN khác gì so với chuẩn quốc tế IFRS 9?
Thông tư 02 trích lập dựa trên mô hình tổn thất đã phát sinh (Incurred Loss Model) căn cứ theo số ngày quá hạn của khoản vay. Trong khi đó, IFRS 9 áp dụng mô hình tổn thất tín dụng kỳ vọng (Expected Credit Loss - ECL) xuyên suốt vòng đời khoản vay dựa trên các kịch bản kinh tế vĩ mô tương lai.
4. VIB đã áp dụng giải pháp nào để duy trì vị thế số 1 về thị phần cho vay mua ô tô tại Việt Nam?
VIB thiết lập quy trình cấp tín dụng chuyên biệt cho sản phẩm ô tô, hợp tác trực tiếp với mạng lưới đại lý trên toàn quốc, áp dụng chính sách cho vay lên tới 80%–85% giá trị xe trong thời gian tối đa 8 năm với cơ chế thẩm định sơ bộ siêu tốc.
5. Nghị quyết 42/2017/QH14 đã hỗ trợ các NHTM xử lý nợ xấu như thế nào?
Nghị quyết 42 tạo hành lang pháp lý cho phép các TCTD thực hiện quyền thu giữ tài sản bảo đảm, mua bán nợ xấu theo giá trị thị trường, và phân bổ số tiền thu hồi từ xử lý tài sản bảo đảm ưu tiên cho nghĩa vụ nợ ngân hàng trước các nghĩa vụ tài chính khác.
Kết luận
Đồ án khóa luận tốt nghiệp của tác giả Mai Thị Thanh đã giải quyết thấu đáo và toàn diện bài toán nâng cao chất lượng tín dụng tại NHTMCP Quốc tế Việt Nam (VIB). Thông qua hệ thống dữ liệu thực nghiệm giai đoạn 2017–2019, nghiên cứu đã chứng minh hiệu quả của chiến lược chuyển dịch mạnh mẽ sang phân khúc bán lẻ (chiếm 81,29% dư nợ), đồng thời cảnh báo rủi ro chênh lệch kỳ hạn khi tỷ trọng cho vay trung dài hạn lên tới 82,32%.
Các giải pháp đề xuất về chuẩn hóa quy trình thẩm định, hoàn thiện hệ thống chấm điểm tín dụng nội bộ, tuân thủ nghiêm ngặt 3 trụ cột Basel II và lộ trình Thông tư 22/2019/TT-NHNN là cơ sở vững chắc giúp VIB duy trì tăng trưởng an toàn, hiệu quả và bền vững giai đoạn 2020–2025.
