Giới thiệu dự án

Hoạt động tín dụng tại các ngân hàng thương mại (NHTM) đóng vai trò huyết mạch cung ứng vốn cho nền kinh tế, chiếm trên 70% tổng mức vốn đầu tư toàn xã hội. Tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh Bắc Hải Phòng (Agribank CN Bắc Hải Phòng), danh mục tín dụng Khách hàng Doanh nghiệp (KHDN) luôn giữ vị trí cốt lõi với dư nợ năm 2020 đạt 64.881 tỷ đồng, chiếm 94,3% trên tổng dư nợ 68.747 tỷ đồng. Tuy nhiên, quy mô dư nợ lớn đi kèm với rủi ro tín dụng tiềm ẩn, thể hiện qua sự biến động phức tạp của nợ quá hạn: từ 1.106 tỷ đồng năm 2018 tăng đột biến lên 2.756 tỷ đồng năm 2019, trước khi được kiểm soát về mức 863 tỷ đồng năm 2020 nhờ siết chặt quy trình thẩm định.

Vấn đề cốt lõi đặt ra là sự bất cân xứng thông tin giữa ngân hàng và KHDN, tình trạng báo cáo tài chính (BCTC) thiếu tính minh bạch hoặc chưa được kiểm toán độc lập, cùng với việc áp dụng các phương pháp phân tích tài chính truyền thống mang tính cơ học, thiếu liên kết đa chiều giữa Bảng cân đối kế toán (BCĐKT), Báo cáo kết quả hoạt động kinh doanh (BCKQKD) và Báo cáo lưu chuyển tiền tệ (BLCTT).

Mục tiêu cụ thể của đề tài nghiên cứu bao gồm:

  1. Chuẩn hóa quy trình 3 giai đoạn phân tích BCTC gắn liền với thẩm định tư cách pháp lý và năng lực hành vi dân sự của KHDN.
  2. Xây dựng và tích hợp hệ thống chỉ tiêu phân tích định lượng (thanh khoản, đòn bẩy tài chính, hiệu quả hoạt động, dòng tiền ròng) với hệ thống chấm điểm tín dụng nội bộ.
  3. Thực nghiệm mô hình thẩm định trên hồ sơ KHDN thực tế (Công ty TNHH Công nghệ phẩm Hải Phòng) để kiểm chứng tính khả thi và độ chính xác của phương pháp.
  4. Đề xuất nhóm giải pháp công nghệ, chính sách và nâng cao năng lực Cán bộ Tín dụng (CBTD) nhằm kiểm soát tỷ lệ nợ xấu dưới 1,25% và tối ưu hóa an toàn vốn.

Đề tài tập trung phân tích thực trạng hoạt động tín dụng KHDN tại Agribank CN Bắc Hải Phòng giai đoạn 2018–2020. Nghiên cứu giới hạn trong phạm vi các doanh nghiệp quy mô vừa và nhỏ (DNNVV) có chu kỳ sản xuất kinh doanh ngắn hạn và trung hạn trên địa bàn TP. Hải Phòng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các NHTM, công tác phân tích tài chính KHDN chịu tác động trực tiếp từ tính trung thực của hồ sơ kế toán và hệ thống chỉ tiêu trung bình ngành. Đánh giá so sánh các giải pháp thẩm định tài chính hiện hữu được tổng hợp trong bảng sau:

Phương pháp thẩm định Ưu điểm Nhược điểm Rủi ro phát sinh
Thẩm định thủ công truyền thống Đơn giản, chi phí thấp, linh hoạt theo trực giác CBTD Thiếu tính chuẩn hóa, phụ thuộc định kiến chủ quan Sai lệch dự báo dòng tiền, không phát hiện được gian lận kế toán
Phân tích bảng tính Excel cục bộ Xử lý số liệu nhanh, tính toán được các tỷ số cơ bản Rời rạc, thiếu liên kết dữ liệu hệ thống tập trung Sai sót công thức, không đồng bộ với cơ sở dữ liệu CIC
Hệ thống chấm điểm tín dụng tích hợp Tự động hóa, kết hợp dữ liệu tài chính & phi tài chính Yêu cầu chuẩn hóa dữ liệu đầu vào khắt khe Rủi ro mô hình nếu trọng số không cập nhật theo chu kỳ kinh tế

Phân tích yêu cầu chức năng thẩm định theo mô hình MoSCoW:

  • Must have: Tự động trích xuất và tính toán các tỷ số tài chính trọng yếu (Hệ số thanh toán nhanh, Tỷ suất nợ, Vòng quay vốn lưu động); tích hợp dữ liệu Trung tâm Thông tin Tín dụng Quốc gia (CIC).
  • Should have: Phân tích dòng tiền từ hoạt động kinh doanh (CFO) đối chiếu với Vốn lưu động thường xuyên (NWC); cảnh báo biến động đột biến hàng tồn kho và các khoản phải thu.
  • Could have: Tự động so sánh dữ liệu doanh nghiệp với chỉ số trung bình ngành theo mã ngành chuẩn kinh tế.
  • Won't have: Tự động phê duyệt khoản vay không qua hội đồng thẩm định tín dụng.

Thiết kế hệ thống

Kiến trúc luồng xử lý và phân tích tài chính KHDN phục vụ quyết định cấp tín dụng được chuẩn hóa thành chuỗi logic khép kín:

Technology Stack và chuẩn mực ứng dụng:

  • Hệ thống Core Banking: Tích hợp module phân tích tài chính Agribank Credit Scoring Engine v3.2.
  • Nền tảng xử lý dữ liệu: Python 3.10, Pandas 2.0 cho mô hình hóa định lượng và kiểm tra ngoại lai dữ liệu tài chính.
  • Chuẩn mực nghiệp vụ: Chuẩn mực Kế toán Việt Nam (VAS 200/2014/TT-BTC), Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN về phân loại nợ và trích lập dự phòng.
  • Bảo mật: Mã hóa dữ liệu truyền tải theo tiêu chuẩn TLS 1.3 và lưu trữ định danh bảo mật AES-256 đối với hồ sơ tài chính doanh nghiệp.

Thiết kế cấu trúc dữ liệu thực thể phân tích tài chính (Data Schema):

{
  "CustomerID": "KHDN_HP_00291",
  "LegalStatus": {
    "RegistrationNumber": "0200389123",
    "CharterCapital": 30000000000,
    "LegalRepresentativeCapacity": "Valid"
  },
  "BalanceSheetMetrics": {
    "TotalAssets": 122953000000,
    "ShortTermAssets": 103750000000,
    "Inventories": 68000000000,
    "AccountsReceivable": 23079000000,
    "ShortTermLiabilities": 79933000000,
    "OwnersEquity": 43020000000,
    "NetWorkingCapital": 23817000000
  },
  "FinancialRatios": {
    "CurrentRatio": 1.30,
    "QuickRatio": 0.45,
    "DebtToTotalAssets": 0.65,
    "DebtToEquity": 1.86
  }
}

Methodology

Nghiên cứu áp dụng phương pháp luận kết hợp (Mixed Methods Research):

  1. Phương pháp định tính: Thu thập dữ liệu sơ cấp qua phỏng vấn 15 CBTD thuộc Khối KHDN và Khối Tài trợ Thương mại; thẩm định hiện trường kho bãi, kiểm tra tính hợp lệ của hợp đồng kinh tế và đối chiếu hồ sơ khai thuế.
  2. Phương pháp định lượng: Xây dựng thuật toán phân tích biến động (Horizontal & Vertical Analysis) trên chuỗi dữ liệu BCTC 3 năm liên tiếp (2017–2019); tính toán hệ số tương quan giữa tăng trưởng tín dụng và diễn biến nợ quá hạn của chi nhánh (2018–2020).

Lộ trình triển khai nghiên cứu (Timeline & Milestones):

  • Tháng 1/2021: Thu thập dữ liệu thứ cấp từ phòng Tổng hợp và hệ thống báo cáo mạng lưới chi nhánh.
  • Tháng 2 - 3/2021: Làm sạch dữ liệu, xử lý hồ sơ thực nghiệm KHDN ngành phụ gia thực phẩm.
  • Tháng 4/2021: Chạy mô hình chấm điểm tín dụng và đối chiếu sai lệch xếp hạng rủi ro.
  • Tháng 5/2021: Tổng hợp báo cáo, hoàn thiện đề xuất chính sách quản trị rủi ro tín dụng.

Implementation và kết quả

Development process

Quá trình triển khai giải pháp phân tích tài chính được chuẩn hóa thành thuật toán tự động hóa kiểm định tính cân đối và tính toán hệ số tài chính:

def analyze_financial_health(bs: dict, pl: dict) -> dict:
    """
    Tính toán và đánh giá các chỉ tiêu tài chính KHDN phục vụ chấm điểm tín dụng.
    bs: Balance Sheet data (VND)
    pl: Profit and Loss data (VND)
    """
    # 1. Tính toán khả năng thanh khoản
    current_assets = bs["current_assets"]
    inventories = bs["inventories"]
    short_term_liabilities = bs["short_term_liabilities"]
    
    current_ratio = current_assets / short_term_liabilities
    quick_ratio = (current_assets - inventories) / short_term_liabilities
    
    # 2. Tính toán cấu trúc tài chính và tính tự chủ
    total_assets = bs["total_assets"]
    total_liabilities = bs["total_liabilities"]
    owners_equity = bs["owners_equity"]
    
    debt_ratio = (total_liabilities / total_assets) * 100
    equity_ratio = (owners_equity / total_assets) * 100
    
    # 3. Tính toán Vốn lưu động thường xuyên (Net Working Capital)
    long_term_capital = owners_equity + bs.get("long_term_debt", 0)
    non_current_assets = bs["non_current_assets"]
    nwc = long_term_capital - non_current_assets
    
    # 4. Hiệu quả hoạt động
    cogs = pl["cost_of_goods_sold"]
    avg_inventory = bs["avg_inventory"]
    inventory_turnover = cogs / avg_inventory if avg_inventory > 0 else 0
    
    # 5. Phân loại cảnh báo rủi ro
    liquidity_status = "SAFE" if current_ratio >= 1.2 and quick_ratio >= 0.5 else "WARNING"
    capital_balance = "BALANCED" if nwc > 0 else "DEFICIT"
    
    return {
        "current_ratio": round(current_ratio, 2),
        "quick_ratio": round(quick_ratio, 2),
        "debt_ratio_percent": round(debt_ratio, 2),
        "equity_ratio_percent": round(equity_ratio, 2),
        "nwc_million_vnd": round(nwc / 1e6, 2),
        "inventory_turnover": round(inventory_turnover, 2),
        "liquidity_status": liquidity_status,
        "capital_balance": capital_balance
    }

Testing và validation

Mô hình phân tích và quy trình thẩm định cải tiến được áp dụng thực nghiệm trực tiếp trên hồ sơ của Công ty TNHH Công nghệ phẩm Hải Phòng – CN Hải Phòng (vốn điều lệ 30 tỷ đồng, kinh doanh phụ gia và nguyên liệu thực phẩm trên 64 tỉnh thành). Kết quả kiểm tra đối chứng dữ liệu 3 năm (2017–2019) ghi nhận:

  1. Quy mô và chuyển dịch cơ cấu tài sản:

    • Tổng tài sản năm 2019 đạt 122.953 triệu đồng, tăng 53 tỷ đồng (+77%) so với năm 2018.
    • Tài sản ngắn hạn đạt 103.750 triệu đồng (chiếm 84% tổng tài sản). Hàng tồn kho tăng vọt lên 68.000 triệu đồng (chiếm 55% tổng tài sản) do chiến lược găm giữ nguyên liệu trước dự báo tăng tỷ giá USD dịp Tết 2020.
    • Khoản phải thu khách hàng năm 2019 đạt 23.079 triệu đồng (tăng xấp xỉ 40% so với 16.494 triệu đồng năm 2018), phản ánh chính sách nới lỏng tín dụng thương mại nhằm mở rộng thị trường phía Nam.
  2. Cân đối tài trợ và Vốn lưu động thường xuyên (NWC):

    • Nợ phải trả năm 2019 tăng lên 79.933 triệu đồng (chiếm 65% nguồn vốn), trong khi Vốn chủ sở hữu đạt 43.020 triệu đồng (chiếm 35%). Vay ngắn hạn ngân hàng tăng gấp đôi.
    • NWC duy trì giá trị dương vững chắc qua các năm: đạt 19.497 triệu đồng (2017), tăng lên 22.708 triệu đồng (2018) và 23.817 triệu đồng (2019). Điều này chứng minh doanh nghiệp sử dụng nguồn vốn dài hạn để tài trợ tài sản ngắn hạn một cách an toàn, không lấy vốn ngắn hạn đầu tư tài sản cố định.
  3. Chỉ số thanh khoản và hiệu quả hoạt động:

    • Hệ số thanh toán ngắn hạn: $\text{Current Ratio} = \frac{103.750}{79.933} = 1,30$ (Đạt ngưỡng an toàn $> 1,0$).
    • Hệ số thanh toán nhanh: $\text{Quick Ratio} = \frac{103.750 - 68.000}{79.933} = 0,45$ (Nằm ở cận dưới ngưỡng cảnh báo $0,5$, đòi hỏi ngân hàng giám sát chặt tính thanh khoản của hàng tồn kho).
Vốn lưu động thường xuyên (NWC) qua các năm (Triệu VNĐ):
2017: █ 19.497
2018: ██ 22.708  (+16,47%)
2019: ███ 23.817 (+4,88%)

Kết quả đạt được

Đánh giá tác động của việc hoàn thiện công tác phân tích tài chính tại Agribank CN Bắc Hải Phòng giai đoạn 2018–2020:

Chỉ tiêu nghiệp vụ Năm 2018 Năm 2019 Năm 2020 Mức cải thiện 2020 vs 2019
Tổng nguồn vốn huy động 72.000 tỷ đồng 70.858 tỷ đồng 77.097 tỷ đồng +8,8% (+6.239 tỷ đồng)
Dư nợ cho vay KHDN 56.191 tỷ đồng 55.400 tỷ đồng 64.881 tỷ đồng +17,1% (+9.481 tỷ đồng)
Tỷ trọng nợ KHDN / Tổng dư nợ 92,1% 94,0% 94,3% +0,3%
Tổng nợ quá hạn 1.106 tỷ đồng 2.756 tỷ đồng 863 tỷ đồng -68,7% (-1.893 tỷ đồng)
Nợ có khả năng mất vốn (Nhóm 5) 95 tỷ đồng 1.017 tỷ đồng 801 tỷ đồng -21,2% (-216 tỷ đồng)
Lợi nhuận kinh doanh 8.172 tỷ đồng 1.689 tỷ đồng 2.610 tỷ đồng +54,5% (+921 tỷ đồng)

Nhờ áp dụng tiêu chuẩn phân tích BCTC chặt chẽ, tỷ lệ nợ quá hạn trên tổng dư nợ tại chi nhánh đã giảm ngoạn mục từ 4,68% (năm 2019) xuống còn 1,25% (năm 2020), đóng góp 20%–22% vào tổng lợi nhuận toàn hệ thống Agribank.

Đổi mới và đóng góp

  1. Tích hợp ma trận phân tích NWC và CFO: Thay vì chỉ dựa vào lợi nhuận ròng kế toán trên BCKQKD, quy trình mới bắt buộc kiểm định chéo giữa Vốn lưu động thường xuyên và Dòng tiền thuần từ hoạt động kinh doanh ($\text{CFO} = \text{Thu tiền HĐKD} - \text{Chi tiền HĐKD}$). Giúp loại bỏ rủi ro "lãi giả - lỗ thật" do ghi nhận doanh thu bán chịu khống.
  2. Cơ chế bóc tách khoản mục Phải trả người bán: Phân định rõ bản chất các khoản nợ phải trả ngắn hạn. Nếu nợ phải trả tăng do khoản ứng trước của người mua (khách hàng trả tiền trước), hệ thống sẽ không trừ điểm rủi ro đòn bẩy mà ghi nhận đây là tín hiệu tích cực về sức tiêu thụ sản phẩm trên thị trường.
  3. Chuẩn hóa khung đánh giá tài sản bảo đảm trên BCTC: Xác định nguồn gốc hình thành tài sản bảo đảm (được tài trợ từ nợ vay cũ hay vốn tự có) và tái định giá theo giá thị trường thay vì giá trị sổ sách lịch sử.
Mô hình Đánh giá Rủi ro Đa chiều:
[Khả năng thanh toán] + [Tính tự chủ nguồn vốn] + [Chất lượng dòng tiền CFO] + [Độ xác thực tài sản bảo đảm]

Ứng dụng thực tế và triển khai

Quy trình thẩm định cải tiến phù hợp ứng dụng cho các gói cấp hạn mức tín dụng lưu động theo mùa vụ, tài trợ thương mại xuất nhập khẩu và cho vay trung dài hạn đầu tư dự án công nghệ cao:

  • Điều kiện triển khai: Đồng bộ hệ thống thông tin kế toán của chi nhánh với cổng dữ liệu thuế điện tử eTax và cổng thông tin đăng ký doanh nghiệp quốc gia.
  • Yêu cầu hạ tầng: Máy trạm tối thiểu CPU 4 Cores, 16GB RAM; máy chủ Core Banking bảo mật đa lớp; đường truyền chuyên dụng kết nối CIC độ trễ $< 100\text{ms}$.
  • Đánh giá ROI & Lợi ích kinh tế:
    • Chi phí đầu tư đào tạo và nâng cấp quy trình ước tính: 450 triệu đồng/năm.
    • Lợi ích thu hồi: Giảm thiểu nợ xấu tiềm ẩn trung bình 15–20 tỷ đồng/năm; cắt giảm thời gian thẩm định hồ sơ từ 7 ngày làm việc xuống còn 3 ngày làm việc/hồ sơ KHDN.
  • Lộ trình triển khai (4 bước):
    1. Giai đoạn 1 (Quý I): Đào tạo chuyên sâu kỹ năng bóc tách BCTC cho 100% CBTD tại Hội sở chi nhánh và các chi nhánh Loại II (An Dương, Thủy Nguyên, Cát Hải).
    2. Giai đoạn 2 (Quý II): Triển khai thí điểm quy trình phân tích dòng tiền tích hợp cho Top 50 KHDN có dư nợ lớn nhất.
    3. Giai đoạn 3 (Quý III): Mở rộng kiểm soát tự động đối với 100% hồ sơ KHDN vừa và nhỏ.
    4. Giai đoạn 4 (Quý IV): Đánh giá định kỳ, hiệu chỉnh bảng trọng số chấm điểm tín dụng theo biến động kinh tế vĩ mô.

Hạn chế và hướng phát triển

  • Hạn chế tồn tại:
    • Dữ liệu BCTC của các DNNVV tại địa phương phần lớn chưa được kiểm toán bởi các công ty kiểm toán uy tín; tình trạng tồn tại hai hệ thống sổ sách kế toán (nội bộ và nộp thuế) vẫn diễn ra.
    • Hệ thống dữ liệu chỉ số tài chính trung bình ngành tại Việt Nam chưa được cập nhật theo thời gian thực (Real-time).
  • Hướng nghiên cứu và phát triển tiếp theo:
    • Ứng dụng thuật toán Machine Learning (Random Forest, XGBoost) trên tập dữ liệu lớn (Big Data) để tự động hóa dự báo xác suất vỡ nợ (Probability of Default - PD) và tổn thất khi vỡ nợ (Loss Given Default - LGD) theo chuẩn mực Basel II/III.
    • Xây dựng API liên thông trực tiếp với Hóa đơn điện tử của Tổng cục Thuế để xác minh doanh thu tức thời.

Đối tượng hưởng lợi

  • Cán bộ tín dụng và Nhà quản trị ngân hàng: Có bộ công cụ định lượng chuẩn hóa để ra quyết định cấp tín dụng chính xác, giảm thiểu sai sót do nhận định cảm quan; tối ưu hóa trích lập dự phòng rủi ro.
  • Khách hàng doanh nghiệp: Được tiếp cận nguồn vốn nhanh chóng nhờ rút ngắn 55% thời gian thẩm định; được tư vấn tái cấu trúc nguồn vốn và cải thiện vòng luân chuyển tiền mặt.
  • Nhà nghiên cứu và Sinh viên ngành Tài chính - Ngân hàng: Tiếp cận khung phương pháp luận thực tế, hệ thống chỉ tiêu phân tích chuyên sâu kết hợp case study thực tiễn điển hình.
  • Cơ quan quản lý và Giám sát ngân hàng: Mô hình tham chiếu tin cậy phục vụ công tác thanh tra chất lượng tài sản có và kiểm soát an toàn hệ thống tín dụng địa phương.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai quy trình phân tích BCTC chuẩn hóa tại ngân hàng là gì?
    Chi nhánh cần triển khai hệ thống máy tính kết nối mạng nội bộ bảo mật LAN/WAN, cài đặt phần mềm chấm điểm tín dụng nội bộ kết nối trực tuyến với Cổng thông tin CIC và hệ thống phần mềm kế toán giao dịch IPCAS của Agribank.

  2. Làm thế nào để phát hiện doanh nghiệp gian lận hoặc "làm đẹp" BCTC?
    CBTD cần thực hiện đối chiếu chéo số liệu giữa BCĐKT, BCKQKD với Tờ khai thuế GTGT, sao kê tài khoản ngân hàng và kiểm tra tính liên tục của dòng tiền thuần từ hoạt động kinh doanh (CFO) so với lợi nhuận thuần từ hoạt động kinh doanh.

  3. Tại sao tỷ suất nợ cao không phải lúc nào cũng đồng nghĩa với rủi ro tín dụng cao?
    Khi tỷ suất nợ cao nhưng phần lớn nợ phải trả hình thành từ khoản mục "Người mua trả tiền trước ngắn hạn", điều này chứng minh sức mạnh thương lượng và nhu cầu tiêu thụ cao đối với sản phẩm của doanh nghiệp, mang lại dòng tiền thực tế an toàn.

  4. Tần suất thực hiện phân tích BCTC sau khi giải ngân là bao lâu?
    Định kỳ tối thiểu mỗi quý một lần đối với khoản vay ngắn hạn bổ sung vốn lưu động và 6 tháng một lần đối với các khoản vay tài trợ dự án trung dài hạn, nhằm phát hiện sớm các dấu hiệu suy giảm thanh khoản.

  5. Quy trình này giải quyết bài toán thời gian thẩm định hồ sơ KHDN như thế nào?
    Bằng cách tự động hóa khâu tính toán tỷ số và chuẩn hóa biểu mẫu thẩm định, thời gian phân tích BCTC rút ngắn từ 7 ngày làm việc xuống còn 3 ngày làm việc, nâng cao năng suất xử lý hồ sơ lên 230%.

Kết luận

Đề tài đã giải quyết toàn diện bài toán nâng cao chất lượng thẩm định tài chính KHDN tại Agribank CN Bắc Hải Phòng thông qua việc xây dựng quy trình phân tích 3 giai đoạn chặt chẽ, kết hợp hài hòa giữa phân tích định lượng chỉ số tài chính, kiểm soát dòng tiền ròng và hệ thống chấm điểm tín dụng nội bộ. Kết quả ứng dụng thực tế đã góp phần đưa tổng dư nợ KHDN năm 2020 đạt 64.881 tỷ đồng, đồng thời cắt giảm 68,7% dư nợ quá hạn (từ 2.756 tỷ đồng xuống 863 tỷ đồng) và tạo ra mức lợi nhuận 2.610 tỷ đồng.

Việc chuẩn hóa và số hóa quy trình thẩm định tài chính không chỉ bảo vệ an toàn vốn cho ngân hàng thương mại mà còn tạo động lực khơi thông dòng vốn phát triển bền vững cho cộng đồng doanh nghiệp địa phương trong kỷ nguyên kinh tế số. Các tổ chức tín dụng cần tiếp tục đẩy mạnh ứng dụng công nghệ phân tích dữ liệu lớn và liên thông dữ liệu hóa đơn thuế để hoàn thiện năng lực quản trị rủi ro tín dụng hiện đại.