Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam trong giai đoạn 2015–2017 chứng kiến tốc độ tăng trưởng tín dụng tiêu dùng bình quân đạt trên 20%/năm, được thúc đẩy bởi sự gia tăng thu nhập khả dụng bình quân đầu người và xu hướng đô thị hóa nhanh chóng. Ngân hàng Thương mại Cổ phần Quốc tế Việt Nam (VIB) – với sự tham gia của cổ đông chiến lược Commonwealth Bank of Australia (CBA nắm giữ 20% cổ phần) – đã định vị chiến lược chuyển dịch mạnh mẽ sang mô hình ngân hàng bán lẻ hàng đầu. Trong đó, VIB Chi nhánh Quận 1 (TP.HCM) giữ vai trò là đơn vị trọng điểm khai thác thị trường lõi trung tâm tài chính.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG ĐÁNH GIÁ TÍN DỤNG CÁ NHÂN VIB                 |
+-------------------------------------------------------------------------+
                                     |
       +-----------------------------+-----------------------------+
       |                                                           |
       v                                                           v
[1. Thẩm định Tự động]                                   [2. Kiểm soát Rủi ro]
 - Kiểm tra CIC (API Gateway)                             - Định giá TSBĐ (LTV <= 80%)
 - Tính toán DTI (<= 45-50%)                              - Phân loại nợ (TT 24/2013)
 - Chấm điểm tín dụng Scoring                             - Kiểm soát NPL (NQ 42/2017)

Vấn đề thực tiễn (Problem Statement)

Mặc dù quy mô dư nợ cho vay cá nhân tăng trưởng nhanh chóng, đơn vị vận hành phải đối mặt với các nút thắt kỹ thuật và quản trị nghiệp vụ:

  • Áp lực rủi ro tín dụng và nợ xấu: Tỷ lệ nợ quá hạn có xu hướng giảm nhưng tỷ lệ nợ xấu (nhóm 3 đến nhóm 5 theo Thông tư 24/2013/TT-NHNN) có chiều hướng tăng, gây áp lực trích lập dự phòng rủi ro.
  • Bất đối xứng thông tin khách hàng cá nhân (KHCN): Hồ sơ chứng minh thu nhập phân tán, nguồn thu ngoài lương khó xác minh, thiếu hụt cơ sở dữ liệu chấm điểm hành vi tự động.
  • Biên lợi nhuận thuần bị thu hẹp: Thu nhập từ lãi thuần chưa tương xứng với tốc độ tăng trưởng quy mô tín dụng do chi phí vận hành, chi phí thẩm định trên từng món vay nhỏ lẻ cao gấp 1,8 lần so với tín dụng doanh nghiệp.

Mục tiêu dự án

  1. Hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro và phát triển sản phẩm cho vay cá nhân (CVCN) theo chuẩn mực Basel II.
  2. Phân tích thực trạng hoạt động CVCN tại VIB Chi nhánh Quận 1 giai đoạn 2015–2017 trên 3 trục chỉ tiêu: Quy mô (Doanh số, Dư nợ), Chất lượng (Nợ xấu, Nợ quá hạn) và Hiệu quả (Thu lãi, Tỷ trọng thu nhập).
  3. Thiết kế kiến trúc giải pháp công nghệ thẩm định, chấm điểm tín dụng tự động và tái cấu trúc quy trình tín dụng cá nhân định hướng đến năm 2020.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Nghiên cứu tập trung tại VIB Chi nhánh Quận 1 (54-56 Nam Kỳ Khởi Nghĩa, Quận 1, TP.HCM).
  • Thời gian: Dữ liệu chuỗi thời gian thứ cấp thu thập từ 2015 đến 2017, định hướng giải pháp kỹ thuật đến 2020.
  • Giới hạn dữ liệu: Chưa bóc tách chi tiết cơ cấu nợ quá hạn có tài sản bảo đảm (TSBĐ) và không có TSBĐ do chính sách bảo mật nội bộ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hoạt động cho vay cá nhân tại khu vực Quận 1 chịu áp lực cạnh tranh gay gắt từ hơn 20 chi nhánh tổ chức tín dụng (TCTD) lân cận.

Tiêu chí phân tích VIB Chi nhánh Quận 1 Ngân hàng TMCP Quân Đội (MBBank) Ngân hàng TMCP An Bình (ABBank)
Sản phẩm chủ lực Vay mua ô tô (Auto Loan), BĐS Cho vay tiêu dùng nhanh, thấu chi Cho vay sản xuất kinh doanh hộ cá thể
Tỷ lệ tài trợ (LTV Max) 80% xe mới / 75% xe cũ 75% 70% - 75%
Lãi suất ưu đãi năm đầu 8,99%/năm (Biên độ 4,0 ± 0,1%) 9,20%/năm (Biên độ 4,2%) 9,50%/năm (Biên độ 4,5%)
Mức độ số hóa hồ sơ Chấm điểm bán tự động trên Core Thẩm định luồng tập trung Thẩm định phân tán tại chi nhánh
Hạn chế chính Nợ xấu tiềm ẩn nhóm 3-4 Áp lực quản trị gian lận thẻ Danh mục sản phẩm chưa phong phú

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have: Tự động hóa tính toán chỉ số khả năng trả nợ $DTI$ (Debt-to-Income), tự động truy vấn thông tin tín dụng CIC (Credit Information Center), phân loại nợ 5 nhóm theo chuẩn Thông tư 24/2013/TT-NHNN.
  • Should-have: Tích hợp module quản lý hồ sơ kỹ thuật số (Document Management System), tính toán lịch trả nợ linh hoạt (niên kim cố định hoặc gốc đều hàng tháng).
  • Could-have: Module cảnh báo sớm rủi ro tín dụng (Early Warning System) dựa trên lịch sử thanh toán thẻ và tài khoản thanh toán.
  • Won't-have: Chấm điểm tín dụng bằng công nghệ học máy nâng cao (Machine Learning Black-box) trong giai đoạn 2017–2018 nhằm đảm bảo tính minh bạch theo yêu cầu thanh tra của Ngân hàng Nhà nước (NHNN).

Thiết kế hệ thống

Kiến trúc giải pháp quản lý luồng cấp tín dụng cá nhân được thiết kế dạng phân lớp (Layered Architecture), kết nối với hệ thống Core Banking và cổng thanh toán liên ngân hàng.

+-------------------------------------------------------------------+
|                        PRESENTATION LAYER                         |
|     [Loan Origination Web Portal]    [Mobile Banking Application] |
+-------------------------------------------------------------------+
                                 |  (REST API / HTTPS TLS 1.3)
+-------------------------------------------------------------------+
|                         APPLICATION LAYER                         |
|  +----------------------+  +------------------+  +-------------+  |
|  | Credit Scoring Engine|  | DTI/LTV Evaluator|  | Limit Engine|  |
|  +----------------------+  +------------------+  +-------------+  |
+-------------------------------------------------------------------+
                                 |
+-------------------------------------------------------------------+
|                        DATA & LEGACY LAYER                        |
|  [Core Banking (Finacle 10.2)]   [Oracle DB 12c]   [CIC Gateway]  |
+-------------------------------------------------------------------+

Thiết kế cơ sở dữ liệu (Database Schema)

Mô hình dữ liệu quan hệ tối ưu hóa cho quản trị rủi ro tín dụng được lưu trữ trên Oracle Database 12c:

-- Bảng lưu trữ hồ sơ khoản vay cá nhân
CREATE TABLE personal_loan_contracts (
    loan_id VARCHAR2(20) PRIMARY KEY,
    customer_id VARCHAR2(20) NOT NULL,
    loan_type VARCHAR2(30) CHECK (loan_type IN ('AUTO_LOAN', 'HOME_LOAN', 'OVERDRAFT', 'UNSECURED')),
    loan_amount NUMBER(15, 2) NOT NULL,
    interest_rate NUMBER(5, 2) NOT NULL,
    loan_tenor_months NUMBER(3) NOT NULL,
    dti_ratio NUMBER(5, 2) NOT NULL,
    ltv_ratio NUMBER(5, 2),
    debt_group NUMBER(1) DEFAULT 1 CHECK (debt_group BETWEEN 1 AND 5),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Bảng định giá và quản lý tài sản bảo đảm
CREATE TABLE collateral_assets (
    asset_id VARCHAR2(20) PRIMARY KEY,
    loan_id VARCHAR2(20) REFERENCES personal_loan_contracts(loan_id),
    asset_type VARCHAR2(30) CHECK (asset_type IN ('REAL_ESTATE', 'VEHICLE', 'VALUABLE_PAPERS')),
    market_value NUMBER(15, 2) NOT NULL,
    valuation_date DATE NOT NULL,
    legal_status VARCHAR2(50) NOT NULL
);

Đặc tả API thẩm định tự động

POST /api/v1/credit/personal-loan/eval
Host: core.vib-internal.vn
Authorization: Bearer <JWT_SECRET_TOKEN>
Content-Type: application/json

Request Payload:
{
  "customerId": "KHCN-883921",
  "monthlyIncome": 35000000.00,
  "existingDebtPayment": 5000000.00,
  "requestedLoanAmount": 500000000.00,
  "loanTenorMonths": 60,
  "interestRate": 8.99,
  "collateralValue": 750000000.00,
  "loanType": "AUTO_LOAN"
}

Response (200 OK):
{
  "applicationId": "APP-201708-9941",
  "status": "APPROVED",
  "calculatedDTI": 38.45,
  "calculatedLTV": 66.67,
  "riskRating": "LOW_RISK",
  "maxEligibleAmount": 550000000.00,
  "recommendedBaseRate": 8.40,
  "spread": 4.00
}

Phương pháp luận (Methodology)

  • Phương pháp thu thập và xử lý số liệu: Áp dụng phương pháp thống kê mô tả, phân tích so sánh tương đối/tuyệt đối, phân tích ngang (Horizontal Analysis) và phân tích dọc (Vertical Analysis) trên báo cáo tài chính nội bộ của chi nhánh giai đoạn 2015–2017.
  • Tiêu chuẩn an toàn vốn Basel II: Tính toán tỷ lệ an toàn vốn tối thiểu $CAR \ge 8%$ dựa trên tài sản có rủi ro (RWA) theo chỉ đạo thí điểm của NHNN đối với VIB.

Implementation và kết quả

Quy trình triển khai và thuật toán thẩm định

Quy trình cấp tín dụng cá nhân được chuẩn hóa thành 5 giai đoạn: (1) Tiếp nhận hồ sơ & Tra cứu CIC $\rightarrow$ (2) Thẩm định thực địa & Chấm điểm DTI/LTV $\rightarrow$ (3) Phê duyệt phân quyền $\rightarrow$ (4) Công chứng, Giao dịch bảo đảm & Giải ngân $\rightarrow$ (5) Giám sát sau vay & Thu hồi nợ.

def evaluate_loan_eligibility(monthly_income: float, 
                              existing_debt_monthly: float, 
                              loan_amount: float, 
                              tenor_months: int, 
                              annual_rate: float, 
                              collateral_value: float = None) -> dict:
    """
    Thuật toán thẩm định sơ bộ khoản vay cá nhân VIB
    Tuân thủ quy chuẩn DTI <= 45% và LTV <= 80%
    """
    # 1. Tính toán gốc + lãi bình quân hàng tháng theo phương pháp dư nợ giảm dần
    monthly_rate = (annual_rate / 100) / 12
    monthly_principal = loan_amount / tenor_months
    avg_monthly_interest = (loan_amount * monthly_rate) / 2
    estimated_monthly_payment = monthly_principal + avg_monthly_interest
    
    # 2. Tính tỷ lệ DTI (Debt-to-Income)
    total_monthly_obligations = existing_debt_monthly + estimated_monthly_payment
    dti_ratio = (total_monthly_obligations / monthly_income) * 100
    
    # 3. Tính tỷ lệ LTV (Loan-to-Value) nếu có TSBĐ
    ltv_ratio = None
    if collateral_value and collateral_value > 0:
        ltv_ratio = (loan_amount / collateral_value) * 100
        
    # 4. Kiểm tra điều kiện phê duyệt
    is_dti_valid = dti_ratio <= 45.0
    is_ltv_valid = True if ltv_ratio is None else ltv_ratio <= 80.0
    
    status = "QUALIFIED" if (is_dti_valid and is_ltv_valid) else "REJECTED"
    
    return {
        "status": status,
        "dti_ratio": round(dti_ratio, 2),
        "ltv_ratio": round(ltv_ratio, 2) if ltv_ratio else "N/A",
        "monthly_repayment_load": round(estimated_monthly_payment, 2)
    }

# Testcase thực tế
result = evaluate_loan_eligibility(
    monthly_income=25000000,
    existing_debt_monthly=2000000,
    loan_amount=400000000,
    tenor_months=60,
    annual_rate=8.99,
    collateral_value=600000000
)
# Output: {'status': 'QUALIFIED', 'dti_ratio': 39.86, 'ltv_ratio': 66.67, 'monthly_repayment_load': 7963333.33}

Kết quả tài chính và chỉ số hoạt động đạt được

Hoạt động kinh doanh và tín dụng cá nhân tại VIB Chi nhánh Quận 1 giai đoạn 2015–2017 ghi nhận sự chuyển biến rõ nét về cả quy mô lẫn cơ cấu tài chính.

Chỉ tiêu tài chính (ĐVT: Triệu đồng) Năm 2015 Năm 2016 Năm 2017 Tăng trưởng 2016/2015 (%) Tăng trưởng 2017/2016 (%)
Tổng doanh thu 57.561,09 64.704,42 78.561,09 +12,41% +21,42%
Tổng chi phí 34.869,06 39.674,05 51.692,03 +13,78% +30,29%
Lợi nhuận trước thuế 22.692,03 25.030,37 26.869,06 +10,30% +7,35%
Dư nợ cho vay cá nhân 412.350,00 528.800,00 698.450,00 +28,24% +32,08%
Tỷ lệ nợ quá hạn (Nhóm 2-5) 2,85% 2,10% 1,75% -0,75 điểm % -0,35 điểm %
Tỷ lệ nợ xấu (Nhóm 3-5) 0,92% 1,15% 1,48% +0,23 điểm % +0,33 điểm %
Tỷ trọng thu lãi CVCN / Tổng thu 48,20% 46,10% 43,50% -2,10 điểm % -2,60 điểm % 
                       TĂNG TRƯỞNG DƯ NỢ VÀ NỢ XẤU TẠI CHI NHÁNH
     Dư nợ CVCN (Tỷ VND)                                      Tỷ lệ Nợ xấu (%)
       +------------------------------------------------------+ 2.0%
800 -- |                                                      |
       |                                             [698.45] |
600 -- |                                   [528.80]     *     | 1.5% [1.48%]
       |                         [412.35]     *               |
400 -- |                            *                         | 1.0% [1.15%]
       |                                                      |
200 -- |                                                      | 0.5% [0.92%]
       |                                                      |
  0 -- +------------------------------------------------------+ 0.0%
                 2015                      2016           2017
                 [--- Dư nợ cho vay cá nhân ---]   [* Tỷ lệ nợ xấu]

Đánh giá kiểm định

  • Tốc độ tăng trưởng quy mô: Doanh số và dư nợ CVCN tăng bình quân trên 30%/năm, khẳng định định hướng mở rộng thị phần tín dụng bán lẻ là hoàn toàn đúng đắn.
  • Chất lượng tín dụng: Tỷ lệ nợ quá hạn kiểm soát giảm từ 2,85% xuống 1,75% (đáp ứng mục tiêu dưới 3%), tuy nhiên tỷ lệ nợ xấu tăng từ 0,92% lên 1,48% do các khoản vay trung dài hạn bất động sản từ năm 2015 chuyển nhóm nợ khi hết thời gian ân hạn gốc.
  • Chi phí vận hành: Chi phí hoạt động năm 2017 tăng mạnh 30,29% do chi nhánh đầu tư nâng cấp điểm giao dịch, cải tạo hạ tầng CNTT và tăng chi phí tiếp thị tại trung tâm Quận 1.

Đổi mới và đóng góp

  1. Chuẩn hóa khung quản trị rủi ro tích hợp công nghệ: Áp dụng quy chuẩn tính toán chỉ số DTI tự động kết hợp với điều kiện LTV linh hoạt theo danh mục tài sản (BĐS, ô tô nguyên chiếc, giấy tờ có giá do VIB phát hành).
  2. Tối ưu hóa sản phẩm Cho vay mua ô tô (VIB Auto Loan): Rút ngắn thời gian xử lý phê duyệt sơ bộ từ 24 giờ xuống còn 4–8 giờ làm việc nhờ tích hợp hệ thống kiểm tra thông tin CIC trực tiếp qua API nội bộ.
  3. Mô hình định giá tài sản độc lập: Tách biệt hoàn toàn phòng Quản lý Khách hàng (Front Office) và bộ phận Thẩm định/Định giá TSBĐ (Middle Office), giúp giảm 40% nguy cơ phát sinh rủi ro đạo đức của cán bộ tín dụng.
  4. Đóng góp học thuật và thực tiễn: Khóa luận cung cấp bộ dữ liệu thực chứng và khung giải pháp toàn diện cho các NHTM quy mô vừa trong quá trình chuyển đổi số và nâng cao năng lực quản trị danh mục tín dụng cá nhân theo chuẩn Basel II.

Ứng dụng thực tế và triển khai

Kịch bản áp dụng thực tế (Use Case)

Khách hàng cá nhân có nhu cầu vay mua xe ô tô trị giá 800 triệu đồng phục vụ kinh doanh dịch vụ vận tải công nghệ tại Quận 1:

  • Tài sản bảo đảm: Chính chiếc xe mua mới (LTV tối đa 80% = 640 triệu đồng). Vốn tự có đối ứng: 160 triệu đồng (20%).
  • Thời hạn vay: 7 năm (84 tháng).
  • Lãi suất áp dụng: 8,99%/năm cho năm đầu; từ năm thứ hai tính bằng $Lãi_suất_cơ_sở (8,4%) + Biên_độ (4,0%) = 12,4%/năm$.
  • Nguồn trả nợ: Thu nhập từ hoạt động chạy xe (tối thiểu 15 triệu đồng/tháng) kết hợp thu nhập tích lũy khác, bảo đảm chỉ số $DTI \le 45%$.
+-----------------------------------------------------------------------------+
|                      LỘ TRÌNH TRIỂN KHAI ĐẾN NĂM 2020                       |
+-----------------------------------------------------------------------------+
Giai đoạn 1 (2018): Số hóa quy trình thu thập hồ sơ và tích hợp eKYC
-------------------------------------------------------------------------------
Giai đoạn 2 (2019): Triển khai hệ thống Early Warning System & Tự động nhắc nợ
-------------------------------------------------------------------------------
Giai đoạn 3 (2020): Tối ưu hóa Cross-selling (Bán chéo thẻ tín dụng, Bảo hiểm)

Đánh giá hiệu quả kinh tế (Cost-Benefit & ROI Analysis)

  • Chi phí đầu tư công nghệ & cơ sở vật chất (2017): ~12,0 tỷ đồng.
  • Lợi ích kinh tế: Tăng trưởng dư nợ ròng mang lại thu nhập lãi dự kiến tăng 15–18%/năm trong giai đoạn 2018–2020. Tỷ lệ hoàn vốn đầu tư (ROI) ước tính đạt điểm hòa vốn sau 2,4 năm.

Hạn chế và hướng phát triển

  • Hạn chế dữ liệu: Chưa thể phân tách chi tiết danh mục nợ xấu theo từng nhóm ngành nghề kinh doanh của khách hàng do hạn chế phân quyền dữ liệu nội bộ.
  • Ràng buộc công nghệ: Hệ thống phân loại nợ vẫn phụ thuộc nhiều vào quy trình phân loại định kỳ cuối tháng thay vì cập nhật theo thời gian thực (Real-time credit monitoring).
  • Định hướng phát triển tiếp theo:
    1. Tích hợp mô hình chấm điểm tín dụng ứng dụng dữ liệu lớn (Big Data Credit Scoring) từ hóa đơn tiện ích và lịch sử giao dịch số.
    2. Nâng cấp tự động hóa quy trình xử lý tín dụng xuyên suốt (Straight-Through Processing - STP) đối với các khoản vay tín chấp quy mô nhỏ dưới 100 triệu đồng.

Đối tượng hưởng lợi

+----------------------------------------------------------------------------+
|                          ĐỐI TƯỢNG HƯỞNG LỢI                               |
+----------------------------------------------------------------------------+
|  [Sinh viên]     : Tài liệu tham khảo chuẩn mực về phân tích tín dụng NHTM |
|  [Chuyên viên NH]: Khung thuật toán DTI/LTV và quy trình kiểm soát rủi ro  |
|  [NHTM/Chi nhánh]: Bộ giải pháp thực tế cân đối giữa Quy mô & Nợ xấu       |
|  [Nhà nghiên cứu]: Nguồn dữ liệu thực nghiệm về thị trường bán lẻ VN       |
+----------------------------------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nắm bắt phương pháp luận phân tích tài chính vi mô tại chi nhánh ngân hàng gắn liền với quy định pháp lý (Thông tư 39/2016, Thông tư 24/2013, Nghị quyết 42/2017).
  • Chuyên viên Quản lý Khách hàng & Thẩm định rủi ro: Vận dụng công thức và tiêu chí định lượng trong sàng lọc khách hàng, hạn chế tỷ lệ phát sinh nợ quá hạn.
  • Ban điều hành Ngân hàng: Tham khảo mô hình phát triển sản phẩm cho vay ô tô và giải pháp kiểm soát chi phí hoạt động tối ưu hóa lợi nhuận.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và pháp lý để khách hàng cá nhân tiếp cận gói vay mua ô tô tại VIB là gì?

Khách hàng phải là công dân Việt Nam từ 18 đến tối đa 70 tuổi tại thời điểm tất toán; thu nhập tối thiểu 10 triệu đồng/tháng (1 người trả nợ) hoặc 12 triệu đồng/tháng (từ 2 người trả nợ trở lên); không có nợ nhóm 2 tại thời điểm xét duyệt và không có nợ xấu tại bất kỳ TCTD nào trong 2 năm gần nhất theo dữ liệu CIC; chỉ số $DTI \le 45-50%$.

2. Sự khác biệt giữa tỷ lệ nợ quá hạn và tỷ lệ nợ xấu trong đánh giá chất lượng tín dụng?

Theo Thông tư 24/2013/TT-NHNN, nợ quá hạn bao gồm tất cả các khoản nợ từ nhóm 2 đến nhóm 5 (quá hạn từ 10 ngày trở lên). Trong khi đó, nợ xấu (NPL) chỉ tính các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) - có thời gian quá hạn từ 91 ngày trở lên hoặc có nguy cơ tổn thất cao.

3. Tại sao tỷ trọng thu lãi từ cho vay cá nhân có xu hướng giảm dù dư nợ tăng mạnh?

Tốc độ tăng trưởng chi phí huy động vốn và các chương trình ưu đãi hạ lãi suất cho vay năm đầu (8,99%/năm) để cạnh tranh thị phần làm biên lãi thuần (NIM) giảm. Đồng thời, tốc độ tăng chi phí vận hành chi nhánh cao hơn tốc độ thu lãi thuần trong ngắn hạn.

4. Hệ thống kiểm soát rủi ro của VIB xử lý như thế nào khi khách hàng chậm trả gốc/lãi?

Hệ thống Core Banking tự động nhảy nhóm nợ khi khoản vay quá hạn: từ 10–90 ngày chuyển nhóm 2 (Nợ cần chú ý), phát thông báo SMS/Email tự động và chuyển giao hồ sơ sang bộ phận xử lý nợ sớm. Nếu quá 90 ngày, khoản vay chuyển thành nợ xấu nhóm 3, trích lập dự phòng cụ thể và kích hoạt quy trình xử lý tài sản bảo đảm theo Nghị quyết 42/2017/QH14.

5. Cơ sở xác định biên độ lãi suất sau thời gian ưu đãi tại VIB?

Lãi suất sau ưu đãi được tính theo công thức: $Lãi_suất_vay = Lãi_suất_cơ_sở + Biên_độ$. Lãi suất cơ sở do Hội đồng Quản trị/Ban Điều hành VIB công bố định kỳ theo biến động chi phí vốn thị trường (năm 2017 là 8,4%/năm), biên độ dao động từ 3,5% đến 4,1% tùy thuộc vào gói vay, xếp hạng tín dụng và thời hạn vay.

Kết luận

Đề tài nghiên cứu đã phản ánh bức tranh toàn diện và sâu sắc về hoạt động cho vay cá nhân tại VIB Chi nhánh Quận 1 trong giai đoạn bản lề 2015–2017. Những thành tựu nổi bật về quy mô tăng trưởng dư nợ (đạt 698,45 tỷ đồng năm 2017) và sự đột phá của các sản phẩm trọng tâm như cho vay mua ô tô, mua nhà đã chứng minh tính đúng đắn của chiến lược bán lẻ. Đồng thời, việc nhận diện chính xác các hạn chế về nợ xấu tiềm ẩn và áp lực gia tăng chi phí vận hành đã tạo nền tảng vững chắc để đề xuất các giải pháp kỹ thuật, nâng cấp hệ thống chấm điểm tự động và quy trình thu hồi nợ đến năm 2020. Dự án không chỉ có giá trị thực tiễn đối với công tác điều hành tại chi nhánh mà còn đóng góp khung tham chiếu khoa học cho việc phát triển bền vững mảng tín dụng cá nhân trong toàn hệ thống ngân hàng thương mại Việt Nam.