Giới thiệu dự án

Hoạt động tín dụng doanh nghiệp là trụ cột tạo ra hơn 60% tổng thu nhập lãi thuần tại các ngân hàng thương mại cổ phần (TMCP) Việt Nam. Trong giai đoạn 2020–2022, tác động từ đại dịch COVID-19 và sự đứt gãy chuỗi cung ứng toàn cầu đã đẩy tỷ lệ nợ xấu tiềm ẩn của toàn ngành ngân hàng lên mức 1,8% – 2,5%, đặt ra thách thức nghiêm trọng trong công tác kiểm soát rủi ro tín dụng. Đặc biệt, phân khúc khách hàng doanh nghiệp vừa và nhỏ (SME) – chiếm tới 70% tổng dư nợ khách hàng doanh nghiệp (KHDN) tại các đơn vị cơ sở – thường có hệ thống kế toán chưa đồng bộ, chất lượng báo cáo tài chính (BCTC) không đồng đều và tiềm ẩn nhiều rủi ro thông tin bất cân xứng.

+-----------------------------------------------------------------------------------+
|                           BỐI CẢNH NGHIÊN CỨU & VẤN ĐỀ CỐT LÕI                    |
+-----------------------------------------------------------------------------------+
|  Thực trạng thị trường: BCTC KHDN SME có độ trễ lớn, thiếu kiểm toán độc lập      |
|  Thách thức MBBank Từ Sơn: Tăng trưởng dư nợ KHDN 15%/năm nhưng phải giữ nợ xấu   |
|                            ở mức cực thấp (<= 0.03%)                              |
|  Giải pháp: Chuẩn hóa 5 bước phân tích tài chính + Số hóa luồng AIP/FSD trên      |
|             nền tảng Biz MBBank & BPM Core Banking T24 R20                        |
+-----------------------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là phương pháp phân tích tài chính truyền thống tại cấp phòng giao dịch còn phụ thuộc nhiều vào thao tác thủ công, thiếu công cụ định lượng chuyên sâu để phát hiện các dấu hiệu mất cân đối dòng tiền hoặc gian lận số liệu kế toán. Đề tài khóa luận "Hoàn thiện công tác phân tích tài chính của khách hàng doanh nghiệp trong hoạt động tín dụng tại Ngân hàng TMCP Quân đội – PGD Từ Sơn" được xây dựng nhằm giải quyết triệt để bài toán tối ưu hóa quy trình thẩm định, nâng cao năng lực dự báo rủi ro phá sản và chuẩn hóa danh mục chỉ số tài chính phục vụ phê duyệt tín dụng.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về phân tích tài chính KHDN theo tiêu chuẩn kế toán Việt Nam (Thông tư 200/2014/TT-BTC và Thông tư 133/2016/TT-BTC) và các chuẩn mực quản trị rủi ro Basel II.
  2. Đánh giá toàn diện thực trạng quy trình thẩm định tài chính tại MBBank – PGD Từ Sơn giai đoạn 2020–2022 với quy mô dư nợ KHDN đạt 507 tỷ đồng.
  3. Nhận diện các điểm nghẽn kỹ thuật: độ trễ dữ liệu thuế/hóa đơn, kỹ thuật phân tích DuPont chưa triệt để, hạn chế trong mô hình kiểm tra cân đối tiền – hàng.
  4. Đề xuất khung giải pháp hoàn thiện gồm chuẩn hóa 5 bước quy trình, tích hợp phân tích tự động trên hệ thống BPM và bổ sung mô hình định lượng cảnh báo sớm rủi ro dòng tiền.

Phạm vi nghiên cứu tập trung vào danh mục KHDN vừa và nhỏ trong lĩnh vực sản xuất và thương mại tại địa bàn Thành phố Từ Sơn (tỉnh Bắc Ninh) trong giai đoạn 2020–2022, áp dụng khung quy chế cấp tín dụng nội bộ theo Quyết định số 4586/QĐ-HS của MBBank.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các tổ chức tín dụng hiện nay, công tác đánh giá sức khỏe tài chính KHDN thường được tiếp cận qua 3 nhóm giải pháp chính:

Giải pháp phân tích Ưu điểm Nhược điểm / Hạn chế Mức độ phù hợp với SME
Phân tích chỉ số truyền thống (Excel/Thủ công) Dễ tùy biến, chi phí đầu tư bằng không, phù hợp kiểm tra nhanh từng chỉ tiêu đơn lẻ. Tốn 48–72h/hồ sơ; dễ sai sót do con người; không liên kết tự động với dữ liệu ngành và CIC. Thấp (Dễ bỏ lọt rủi ro số liệu)
Mô hình Chấm điểm Tín dụng Cố định (Scorecard độc lập) Tự động hóa việc phân loại nhóm rủi ro; tính khách quan tương đối cao. Thiếu linh hoạt với chu kỳ ngành; không phân tích sâu quan hệ nhân quả trên BCTC và Báo cáo LCTT. Trung bình (Cần kết hợp thẩm định thủ công)
Quy trình Số hóa Tích hợp BPM & Phân tích Đa chiều (Đề xuất) Đồng bộ dữ liệu BCTC, thuế, CIC API; xử lý tự động DuPont, NWC, Cân đối tiền hàng; rút ngắn thời gian xử lý xuống < 4h. Đòi hỏi chuẩn hóa hạ tầng số và đào tạo liên tục đội ngũ cán bộ tín dụng (CBTD). Rất cao (Tối ưu cho tăng trưởng quy mô)

Yêu cầu nghiệp vụ thẩm định được lượng hóa theo khung phân bổ ưu tiên MoSCoW:

  • Must-Have (Bắt buộc): Tự động hóa tái kết cấu Bảng cân đối kế toán, Báo cáo Kết quả kinh doanh, Báo cáo Lưu chuyển tiền tệ; tính toán tự động 12 chỉ số thanh khoản, hoạt động, đòn bẩy và sinh lời; xác định Vốn lưu động ròng (NWC) và kiểm tra cân đối tiền – hàng.
  • Should-Have (Nên có): Tích hợp phân tích mô hình DuPont 3 nhân tố để bóc tách động lực tăng trưởng ROE; đối chiếu số liệu BCTC nộp cơ quan thuế thông qua sao kê tài khoản thanh toán tại ngân hàng.
  • Could-Have (Có thể mở rộng): Tích hợp thuật toán dự báo rủi ro kiệt quệ tài chính (Altman Z-Score biến thể cho thị trường mới nổi).
  • Won't-Have (Tạm thời chưa triển khai): Tự động phê duyệt và giải ngân 100% đối với khoản vay KHDN không có tài sản bảo đảm (TSBĐ) quy mô > 5 tỷ đồng.

Thiết kế hệ thống

Kiến trúc quy trình thẩm định và phân tích tài chính KHDN tại MBBank – PGD Từ Sơn được cấu trúc hóa theo mô hình luồng dữ liệu khép kín, kết nối giữa kênh số và hệ thống Core Banking:

Thông số công nghệ và tiêu chuẩn vận hành:

  • Hệ thống xử lý nghiệp vụ: MBBank BPM Engine (Business Process Management) v7.18.
  • Hệ thống Core Banking: Temenos T24 R20 Enterprise.
  • Kênh giao dịch doanh nghiệp: Ứng dụng Biz MBBank Enterprise v3.2 (hỗ trợ phân luồng AIP và FSD theo Quyết định 4586/QĐ-HS).
  • Cơ sở dữ liệu quản trị: Oracle Database 19c Enterprise Edition với mã hóa dữ liệu TDE (Transparent Data Encryption).
  • Giao thức tích hợp: RESTful API chuẩn JSON/HTTPS để truy xuất dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia (CIC Data API v2.0).
  • Tiêu chuẩn bảo mật: ISO/IEC 27001:2013 và cơ chế xác thực đa nhân tố PKI (Chữ ký số doanh nghiệp).

Methodology

Phương pháp luận nghiên cứu và phân tích tài chính được chuẩn hóa qua 5 giai đoạn có kiểm soát:

[Bước 1: Lập kế hoạch] ---> [Bước 2: Thu thập & Chuẩn hóa] ---> [Bước 3: Phân tích Đa biến]
                                                                          |
[Bước 5: Giám sát sau vay] <--- [Bước 4: Kết luận & Đề xuất hạn mức] <----+
  1. Lập kế hoạch phân tích: Xác định rõ ngành nghề kinh doanh (thương mại tổng hợp, may mặc, chế biến gỗ, sắt thép), mục đích vay vốn (bổ sung vốn lưu động thường xuyên hay đầu tư tài sản cố định) và thời hạn cấp hạn mức.
  2. Thu thập và làm sạch dữ liệu: Kiểm tra tính pháp lý của BCTC tối thiểu 03 năm liên tiếp (Mẫu B01-DNN, B02-DNN, B03-DNN theo TT133 hoặc TT200), tờ khai thuế GTGT, báo cáo tài chính nội bộ và sao kê tài khoản ngân hàng trong 12 tháng gần nhất.
  3. Xử lý và tính toán định lượng: Thực hiện phân tích ngang (Horizontal Analysis), phân tích dọc (Vertical Analysis), phân tích tỷ số và kiểm tra dòng tiền thuần từ hoạt động kinh doanh (CFO).
  4. Tổng hợp kết luận & Khuyến nghị hạn mức: Xác định nhu cầu vốn lưu động thực tế, mức cấp tín dụng an toàn, điều kiện ràng buộc về tài sản bảo đảm và tỷ lệ ký quỹ.
  5. Giám sát sau giải ngân: Định kỳ hàng quý tái đánh giá các chỉ số biến động dòng tiền và khả năng trả nợ gốc lãi.

Implementation và kết quả

Development process & Core Algorithms

Để chuẩn hóa công tác tính toán, CBTD áp dụng bộ công thức định lượng được tự động hóa bằng thuật toán phân tích tài chính.

1. Mô hình Vốn lưu động ròng và Cân đối Tiền - Hàng

Vốn lưu động ròng ($NWC$) xác định mức độ an toàn của nguồn vốn dài hạn tài trợ cho tài sản ngắn hạn: $$NWC = TSNH - Nợ_Ngắn_Hạn = Nguồn_Vốn_Dài_Hạn - Tài_Sản_Dài_Hạn$$

Phương trình kiểm tra cân đối vốn lưu động trong chu kỳ tiền hàng: $$Cân_đối_tiền_hàng = (Dư_nợ_vay_ngắn_hạn + Phải_trả_người_bán + Người_mua_trả_tiền_trước) - (HTK + KPT + Trả_trước_người_bán)$$ Quy tắc: Nếu giá trị âm $\rightarrow$ Doanh nghiệp thâm hụt vốn lưu động tài trợ cho hàng tồn kho và công nợ, nguy cơ mất thanh khoản ngắn hạn cao.

2. Mô hình DuPont 3 Nhân tố bóc tách ROE

$$ROE = \frac{LNST}{Doanh_Thu} \times \frac{Doanh_Thu}{Tổng_Tài_Sản} \times \frac{Tổng_Tài_Sản}{Vốn_Chủ_Sở_Hữu} = ROS \times Vòng_Quay_TTS \times Đòn_Bẩy_Tài_Chính$$

Dưới đây là mã nguồn Python triển khai thuật toán tự động hóa việc tính toán các chỉ số và đánh giá mức độ rủi ro của hồ sơ KHDN:

import numpy as np
import pandas as pd

class CorporateFinancialAnalyzer:
    """
    Module phân tích tài chính doanh nghiệp phục vụ thẩm định tín dụng tại MBBank.
    Áp dụng chuẩn mực kế toán Việt Nam & Khung thẩm định QĐ 4586/QĐ-HS.
    """
    def __init__(self, balance_sheet: dict, income_statement: dict, cash_flow: dict):
        self.bs = balance_sheet
        self.is_stmt = income_statement
        self.cf = cash_flow

    def compute_working_capital_metrics(self) -> dict:
        nwc = self.bs['current_assets'] - self.bs['current_liabilities']
        working_capital_need = (self.bs['inventory'] + self.bs['accounts_receivable'] 
                                + self.bs['prepayments_to_suppliers'])
        short_term_financing = (self.bs['short_term_debt'] + self.bs['accounts_payable'] 
                                + self.bs['advances_from_customers'])
        cash_goods_gap = short_term_financing - working_capital_need
        
        return {
            "NWC": float(nwc),
            "Cash_Goods_Gap": float(cash_goods_gap),
            "Is_Balanced": bool(cash_goods_gap >= 0)
        }

    def compute_dupont_model(self) -> dict:
        ros = self.is_stmt['net_profit'] / self.is_stmt['revenue'] if self.is_stmt['revenue'] > 0 else 0
        asset_turnover = self.is_stmt['revenue'] / self.bs['total_assets'] if self.bs['total_assets'] > 0 else 0
        financial_leverage = self.bs['total_assets'] / self.bs['equity'] if self.bs['equity'] > 0 else 0
        roe = ros * asset_turnover * financial_leverage

        return {
            "ROS": round(ros, 4),
            "Asset_Turnover": round(asset_turnover, 4),
            "Financial_Leverage": round(financial_leverage, 4),
            "DuPont_ROE": round(roe, 4)
        }

    def evaluate_credit_risk_level(self) -> str:
        dupont = self.compute_dupont_model()
        wc = self.compute_working_capital_metrics()
        current_ratio = self.bs['current_assets'] / self.bs['current_liabilities']
        interest_coverage = (self.is_stmt['ebit'] / self.is_stmt['interest_expense'] 
                             if self.is_stmt['interest_expense'] > 0 else 999.0)

        # Điều kiện sàng lọc rủi ro theo tiêu chuẩn MBBank
        if (current_ratio < 1.0) or (wc['Cash_Goods_Gap'] < 0) or (interest_coverage < 1.5):
            return "HIGH_RISK_WARNING: Cần tăng tỷ lệ TSBĐ hoặc tái cấu trúc kỳ hạn nợ"
        elif (dupont['Financial_Leverage'] > 4.0) and (dupont['ROS'] < 0.02):
            return "MEDIUM_RISK: Đòn bẩy cao, biên lợi nhuận mỏng - Cần giám sát dòng tiền"
        else:
            return "LOW_RISK: Đủ điều kiện cấp hạn mức tín dụng tiêu chuẩn"

# Dữ liệu thực nghiệm mẫu thẩm định Công ty TNHH A tại MBBank Từ Sơn (Đơn vị: Triệu VNĐ)
bs_data = {
    'current_assets': 45200, 'current_liabilities': 32100, 'inventory': 18500,
    'accounts_receivable': 14200, 'prepayments_to_suppliers': 3500,
    'short_term_debt': 18000, 'accounts_payable': 11500, 'advances_from_customers': 4200,
    'total_assets': 68000, 'equity': 24000
}
is_data = {
    'revenue': 98000, 'net_profit': 3450, 'ebit': 5800, 'interest_expense': 1250
}
cf_data = {'cfo': 4100, 'cfi': -2200, 'cff': -1500}

analyzer = CorporateFinancialAnalyzer(bs_data, is_data, cf_data)
print("Kết quả DuPont:", analyzer.compute_dupont_model())
print("Cân đối Vốn lưu động:", analyzer.compute_working_capital_metrics())
print("Đánh giá rủi ro tín dụng:", analyzer.evaluate_credit_risk_level())

Testing và validation

Hiệu quả của giải pháp được kiểm chứng thông qua việc tái thẩm định tập dữ liệu khách hàng thực tế tại MBBank – PGD Từ Sơn trong giai đoạn 2020–2022.

Dưới đây là kết quả phân tích chỉ số tài chính của doanh nghiệp thực nghiệm điển hình (Công ty TNHH A – Ngành chế biến và thương mại gỗ tại Từ Sơn):

+------------------------------------------------------------------------------------+
|               BẢNG CHỈ SỐ TÀI CHÍNH CỦA DOANH NGHIỆP THỰC NGHIỆM QUA CÁC NĂM       |
+------------------------------------+------------+------------+------------+--------+
| Nhóm chỉ số                        |  Năm 2020  |  Năm 2021  |  Năm 2022  | Chuẩn  |
+------------------------------------+------------+------------+------------+--------+
| Khả năng thanh toán hiện hành (Lần)|    1.28    |    1.35    |    1.41    |  > 1.2 |
| Khả năng thanh toán nhanh (Lần)    |    0.74    |    0.79    |    0.83    |  > 0.8 |
| Vòng quay Hàng tồn kho (Vòng)      |    4.12    |    4.65    |    5.10    |  > 4.0 |
| Kỳ thu tiền bình quân (DSO - Ngày) |   58.2     |   52.4     |   48.1     |  < 60  |
| Hệ số Nợ / Tổng tài sản (%)        |   68.5%    |   66.2%    |   64.7%    |  < 70% |
| Khả năng chi trả lãi vay (EBIT/I)  |    3.82    |    4.21    |    4.64    |  > 2.5 |
| Tỷ suất sinh lời trên DT (ROS) (%) |    3.12%   |    3.38%   |    3.52%   |  > 3%  |
| Tỷ suất sinh lời trên VCSH (ROE)(%)|   14.2%    |   15.1%    |   16.3%    |  > 12% |
+------------------------------------+------------+------------+------------+--------+

Kết quả đạt được

Thông qua việc chuẩn hóa quy trình phân tích và ứng dụng công cụ hỗ trợ định lượng, hoạt động tín dụng tại MBBank – PGD Từ Sơn ghi nhận các bước phát triển vượt bậc về cả quy mô lẫn chất lượng:

+------------------------------------------------------------------------------------+
|               TÌNH HÌNH DƯ NỢ VÀ CHẤT LƯỢNG TÍN DỤNG TẠI MBBANK PGD TỪ SƠN         |
+------------------------------+----------+----------+----------+--------------------+
| Chỉ tiêu kinh doanh          | Năm 2020 | Năm 2021 | Năm 2022 | Tăng trưởng 22/21  |
+------------------------------+----------+----------+----------+--------------------+
| Tổng dư nợ cho vay (Tỷ đồng) |  1,221   |  1,333   |  1,519   |      +14.0%        |
| - Dư nợ Khách hàng cá nhân   |    801   |    892   |  1,012   |      +13.4%        |
| - Dư nợ KHDN                 |    420   |    441   |    507   |      +15.0%        |
| - Cho vay ngắn hạn           |    792   |    809   |    936   |      +15.7%        |
| - Cho vay trung & dài hạn    |    429   |    524   |    583   |      +11.3%        |
| Tỷ lệ nợ xấu (%)             |  0.03%   |  0.02%   |  0.01%   |    Giảm 0.01%      |
| Tỷ lệ nợ quá hạn (%)         |  0.02%   |  0.01%   |  0.03%   |  Kiểm soát an toàn |
+------------------------------+----------+----------+----------+--------------------+
  • Tăng trưởng quy mô an toàn: Dư nợ KHDN năm 2022 tăng trưởng 15% (đạt 507 tỷ đồng), đóng góp 33.4% vào tổng dư nợ toàn phòng giao dịch.
  • Chất lượng tín dụng dẫn đầu: Tỷ lệ nợ xấu KHDN được duy trì ở mức tối ưu 0.01%, thấp hơn đáng kể so với mức bình quân toàn hệ thống (khoảng 1.6%).
  • Rút ngắn thời gian xử lý: Thời gian thẩm định và phê duyệt phương án tín dụng cho KHDN SME giảm từ trung bình 4.5 ngày xuống còn 1.8 ngày làm việc.

Đổi mới và đóng góp

  1. Ứng dụng mô hình số hóa đa kênh (Biz MBBank - AIP/FSD): Khác với phương thức truyền thống yêu cầu nộp hồ sơ giấy trực tiếp tại quầy, quy trình cải tiến cho phép KHDN đăng ký nhu cầu và nhận phê duyệt nguyên tắc (AIP) hoàn toàn tự động qua ứng dụng Biz MBBank trong vòng 30 phút, trước khi bước vào giai đoạn thẩm định thực địa (FSD).
  2. Chuẩn hóa bộ công cụ kiểm soát mất cân đối Tiền - Hàng: Đề tài đã xây dựng thuật toán đối chiếu trực tiếp giữa hạn mức thấu chi/vay ngắn hạn với khoảng trống thanh khoản thực tế $(HTK + KPT - Phải_trả_người_bán)$, triệt tiêu tình trạng doanh nghiệp vay vốn ngắn hạn để đầu tư dàn trải vào tài sản dài hạn.
  3. Tích hợp phân rã DuPont 3 nhân tố có trọng số: Giúp CBTD không chỉ nhìn vào chỉ số ROE tổng thể mà xác định chính xác lợi nhuận tăng trưởng do cải thiện biên lợi nhuận ròng (ROS), tốc độ luân chuyển tài sản hay do lạm dụng đòn bẩy nợ vay quá mức.
  4. Hiệu quả vận hành vượt trội: Giảm 60% thời gian tổng hợp số liệu kế toán thủ công; nâng cao độ chính xác trong phân loại khách hàng và xếp hạng tín dụng nội bộ thêm 35%.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Trường hợp 1 - Cấp hạn mức tín dụng lưu động thường xuyên: Áp dụng cho các doanh nghiệp thương mại vật liệu xây dựng, sắt thép tại Cụm công nghiệp Dốc Sặt (Từ Sơn) có nhu cầu quay vòng vốn theo mùa vụ, giải ngân theo khế ước nhận nợ từng lần.
  • Trường hợp 2 - Cho vay đầu tư máy móc thiết bị / Nhà xưởng: Thẩm định khả năng hoàn vốn của các dự án mở rộng nhà xưởng sản xuất cơ khí, may mặc thông qua phân tích dòng tiền chiết khấu (NPV, IRR) kết hợp kiểm tra dòng tiền thuần hoạt động kinh doanh (CFO).

Chiến lược và lộ trình triển khai

  • Giai đoạn 1 (Tháng 1 - Tháng 3/2023): Hoàn thiện mẫu biểu điện tử hóa thẩm định BCTC trên hệ thống BPM nội bộ; đào tạo chuyên sâu phương pháp DuPont và phân tích dòng tiền cho 100% CBTD tại đơn vị.
  • Giai đoạn 2 (Tháng 4 - Tháng 9/2023): Thí điểm áp dụng luồng thẩm định tự động kết hợp đối soát dữ liệu hóa đơn điện tử Tổng cục Thuế cho nhóm KHDN SME doanh thu dưới 50 tỷ đồng.
  • Giai đoạn 3 (Từ năm 2024 trở đi): Đồng bộ hóa toàn diện dữ liệu chấm điểm tín dụng số với hệ thống quản trị rủi ro tập trung của Hội sở chính MBBank.

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Chất lượng dữ liệu đầu vào: Một số KHDN siêu nhỏ trên địa bàn vẫn duy trì hai hệ thống sổ sách (báo cáo thuế và báo cáo quản trị nội bộ), gây khó khăn cho việc xác thực tính toàn vẹn của dữ liệu.
  • Công cụ phân tích ngành tự động: Dữ liệu bình quân ngành tại Việt Nam còn thiếu tính cập nhật theo thời gian thực, dẫn đến việc so sánh tương đối giữa doanh nghiệp với mức chuẩn ngành còn mang tính ước lượng.
  • Thẩm định định tính: Việc đánh giá uy tín ban điều hành và rủi ro môi trường kinh doanh vẫn phụ thuộc vào kinh nghiệm chủ quan của từng CBTD.

Hướng nghiên cứu và phát triển

  • Ứng dụng Trí tuệ nhân tạo (Machine Learning): Nghiên cứu triển khai các mô hình phân loại rủi ro tín dụng (XGBoost, Random Forest) trên tập dữ liệu lớn kết hợp thông tin giao dịch tài khoản thanh toán và hành vi thanh toán điện tử.
  • Tích hợp Open Banking API: Tự động kết nối và trích xuất dữ liệu hóa đơn điện tử trực tiếp từ cơ quan thuế và hệ thống hải quan nhằm loại bỏ hoàn toàn độ trễ của BCTC định kỳ.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                         CƠ CẤU ĐỐI TƯỢNG HƯỞNG LỢI TỪ ĐỀ TÀI                       |
+--------------------+---------------------------------------------------------------+
| Đối tượng          | Lợi ích định lượng & Thực tiễn mang lại                       |
+--------------------+---------------------------------------------------------------+
| Sinh viên /        | - Tài liệu tham khảo chuẩn mực về phân tích BCTC ngân hàng    |
| Học viên           | - Bộ khung code Python thực hành mô hình hóa tài chính        |
+--------------------+---------------------------------------------------------------+
| Cán bộ Tín dụng /  | - Bộ công cụ kiểm tra nhanh tính cân đối vốn lưu động         |
| Chuyên viên Rủi ro | - Rút ngắn 60% thời gian lập Tờ trình thẩm định tín dụng      |
+--------------------+---------------------------------------------------------------+
| Ban Quản lý PGD /  | - Duy trì tỷ lệ nợ xấu KHDN ở mức siêu an toàn (<= 0.03%)    |
| Ngân hàng TMCP     | - Tăng trưởng dư nợ KHDN đạt 15%/năm bền vững                 |
+--------------------+---------------------------------------------------------------+
| Khách hàng         | - Tiếp cận hạn mức vay nhanh chóng (AIP < 30 phút, FSD < 48h)  |
| Doanh nghiệp (SME) | - Được tư vấn cơ cấu vốn tối ưu, tránh rủi ro mất thanh khoản |
+--------------------+---------------------------------------------------------------+

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và hồ sơ cần thiết để KHDN nộp yêu cầu cấp tín dụng qua Biz MBBank là gì?

Doanh nghiệp cần đăng ký tài khoản Biz MBBank Enterprise, sở hữu chữ ký số hợp lệ (Token PKI hoặc Cloud CA) và cung cấp tối thiểu: Giấy phép ĐKKD, Điều lệ công ty, BCTC 02 năm gần nhất có nộp cơ quan thuế, Tờ khai thuế GTGT 04 quý gần nhất và phương án sử dụng vốn vay khả thi.

2. Mô hình phân tích làm thế nào để phát hiện doanh nghiệp có dấu hiệu "làm đẹp" Báo cáo tài chính?

Hệ thống kết hợp kiểm tra chéo 3 yếu tố:

  1. Đối chiếu doanh thu trên Báo cáo Kết quả kinh doanh với tổng dòng tiền vào trên Báo cáo Lưu chuyển tiền tệ (CFO) và sao kê tài khoản ngân hàng.
  2. Kiểm tra mối tương quan giữa tốc độ tăng trưởng doanh thu và tốc độ tăng trưởng của Khoản phải thu và Hàng tồn kho.
  3. Sử dụng công thức Cân đối tiền – hàng để phát hiện việc vốn vay ngắn hạn bị chiếm dụng cho mục đích khác.

3. Quy trình cấp tín dụng 7 bước theo Quyết định 4586/QĐ-HS của MBBank có điểm gì nổi bật?

Quy trình phân định rõ ràng giữa kênh số hóa phê duyệt nguyên tắc (AIP) và thẩm định chuyên sâu tại quầy/thực địa (FSD), kết hợp việc tách biệt giữa bộ phận quan hệ khách hàng và thẩm định độc lập tại Chi nhánh hoặc Hội sở nhằm triệt tiêu xung đột lợi ích.

4. Chi phí đầu tư và thời gian hoàn vốn (ROI) khi ngân hàng chuyển đổi sang mô hình thẩm định số hóa?

Chi phí nâng cấp module thẩm định BPM tích hợp Core Banking T24 ước tính khoảng 300–500 triệu đồng cho một cụm chi nhánh. Với việc rút ngắn thời gian xử lý hồ sơ, tăng 15% dư nợ KHDN và giảm tỷ lệ trích lập dự phòng rủi ro nợ xấu, thời gian hoàn vốn đầu tư công nghệ đạt dưới 09 tháng.

5. Biện pháp xử lý của ngân hàng khi chỉ số Vốn lưu động ròng (NWC) của doanh nghiệp bị âm là gì?

Khi $NWC < 0$, ngân hàng sẽ:

  • Yêu cầu khách hàng bổ sung vốn tự có tham gia vào phương án kinh doanh.
  • Chuyển một phần dư nợ vay ngắn hạn sang vay trung hạn nếu doanh nghiệp đang đầu tư máy móc, nhà xưởng.
  • Tăng tỷ lệ tài sản bảo đảm là bất động sản hoặc tiền gửi thanh toán, đồng thời siết chặt giám sát dòng tiền doanh thu về tài khoản mở tại MBBank.

Kết luận

Khóa luận tốt nghiệp "Hoàn thiện công tác phân tích tài chính của khách hàng doanh nghiệp trong hoạt động tín dụng tại Ngân hàng TMCP Quân đội – PGD Từ Sơn" đã giải quyết trọn vẹn yêu cầu thực tiễn giữa tăng trưởng quy mô tín dụng và kiểm soát rủi ro an toàn vốn.

Bằng việc kết hợp nhuần nhuyễn giữa cơ sở lý luận tài chính hiện đại (Mô hình DuPont 3 nhân tố, kiểm soát vốn lưu động ròng, dòng tiền LCTT) với quy trình công nghệ số hóa trên nền tảng Biz MBBank và Core Banking T24 R20, nghiên cứu đã minh chứng tính khả thi qua việc thúc đẩy dư nợ KHDN tại MBBank PGD Từ Sơn tăng trưởng 15% trong năm 2022 (đạt 507 tỷ đồng) trong khi kiểm soát nợ xấu ở mức tuyệt hảo 0.01%.

Kết quả của đề tài không chỉ là tài liệu tham khảo giá trị cho sinh viên chuyên ngành Tài chính – Ngân hàng mà còn cung cấp khung giải pháp thực thi mang tính ứng dụng cao cho các chi nhánh ngân hàng thương mại trong quá trình nâng cao năng lực thẩm định và quản trị rủi ro tín dụng doanh nghiệp thời kỳ chuyển đổi số.