Chuyên đề thực tập sử dụng mô hình var trong quản trị rủi ro tín dụng của ngân hàng vietinbank chi nhánh hải dương

Chuyên đề thực tập ứng dụng mô hình VAR trong quản trị rủi ro tín dụng tại VietinBank chi nhánh Hải Dương, phân tích hiệu quả và giải pháp tối ưu.

• Tác giả: Vũ Thị Ngân
• Người hướng dẫn: Nguyễn Thị Liên
• Đề tài: Sử dụng mô hình VaR trong quản trị rủi ro tín dụng của ngân hàng Vietinbank chi nhánh Hải Dương
• Loại tài liệu: chuyên đề thực tập
• Địa điểm: Hải Dương

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG I: HOẠT ĐỘNG TÍN DỤNG VÀ QUẢN TRỊ RỦI RO TẠI NGÂN HÀNG VIETINBANK
• 1.1. Hoạt động tín dụng của ngân hàng thương mại
• 1.1.1. Một số vấn đề cơ bản của ngân hàng thương mại
• 1.1.1.1. Khái niệm, đặc điểm của ngân hàng thương mại
• 1.2. Các hoạt động chính của ngân hàng thương mại
• 1.3. Hoạt động cho vay vốn của ngân hàng thương mại
• 2. CHƯƠNG II: LÝ THUYẾT VỀ MÔ HÌNH VaR
• 2.1. Khái quát mô hình VaR
• 2.2. VaR trong phân tích tài chính
• 2.3. Mô hình VaR lý thuyết
• 2.4. Dẫn xuất mô hình VaR
• 2.5. Mô hình VaR thực tế
• 2.6. Hậu kiểm mô hình VaR
• 2.7. Cơ sở lý thuyết của hậu kiểm VaR
• 2.8. Ý nghĩa và hạn chế của mô hình VaR
• 3. CHƯƠNG III: ỨNG DỤNG MÔ HÌNH VaR TRONG QUẢN TRỊ RỦI RO TÍN DỤNG CỦA NGÂN HÀNG VIETINBANK CHI NHÁNH HẢI DƯƠNG
• 3.1. Sử dụng mô hình VaR trong phân tích rủi ro tín dụng của Vietinbank chi nhánh Hải Dương
• 3.2. Quản trị rủi ro tín dụng với khoản vay của công ty TNHH TM Việt Đức
• 3.3. Mô hình VaR tham khảo
• 3.4. Mô hình VaR - RiskMetrics
• 3.5. Quản trị rủi ro tín dụng với khoản vay của công ty bơm Hải Dương
• 3.6. Những kiến nghị với Vietinbank trong việc quản trị rủi ro tín dụng
• KẾT LUẬN

Tóm tắt

I. Mô hình VAR và quản trị rủi ro tín dụng

Mô hình VAR là công cụ đo lường rủi ro tài chính hiệu quả, được áp dụng rộng rãi trong quản trị rủi ro tín dụng. Tại VietinBank Hải Dương, mô hình này giúp dự đoán và quản lý rủi ro tín dụng một cách chính xác. Phân tích VAR cho phép ngân hàng xác định mức độ tổn thất tiềm ẩn trong các khoản vay, từ đó đưa ra chiến lược phòng ngừa hiệu quả. Việc sử dụng mô hình kinh tế này không chỉ giúp giảm thiểu rủi ro mà còn tối ưu hóa hiệu quả hoạt động tín dụng.

1.1. Khái niệm và ứng dụng của VAR

Mô hình VAR (Value at Risk) là phương pháp đo lường rủi ro dựa trên xác suất và mức độ tổn thất tài chính. Tại VietinBank Hải Dương, VAR được sử dụng để dự đoán tín dụng và đánh giá rủi ro trong các khoản vay. Phương pháp này giúp ngân hàng xác định mức vốn an toàn cần thiết, đảm bảo hoạt động tín dụng ổn định. Nghiên cứu VAR đã chứng minh hiệu quả của mô hình trong việc quản lý rủi ro tín dụng, đặc biệt trong bối cảnh kinh tế biến động.

1.2. Quản trị rủi ro tín dụng tại VietinBank

Quản trị rủi ro tín dụng là yếu tố then chốt trong hoạt động của VietinBank Hải Dương. Sử dụng mô hình VAR, ngân hàng đã xây dựng chiến lược quản lý rủi ro hiệu quả. Phân tích dữ liệu tín dụng giúp xác định các yếu tố rủi ro tiềm ẩn, từ đó đưa ra biện pháp phòng ngừa kịp thời. Việc áp dụng VAR không chỉ giảm thiểu tổn thất mà còn nâng cao uy tín và hiệu quả hoạt động của ngân hàng.

II. Phân tích và ứng dụng VAR tại VietinBank Hải Dương

Tại VietinBank Hải Dương, mô hình VAR được áp dụng để phân tích rủi ro trong các khoản vay. Phân tích VAR giúp ngân hàng xác định mức độ rủi ro và đưa ra quyết định tín dụng hợp lý. Quản lý rủi ro hiệu quả giúp ngân hàng duy trì hoạt động ổn định và tăng cường niềm tin của khách hàng. Chiến lược tín dụng dựa trên VAR đã góp phần nâng cao hiệu quả quản lý tài chính và giảm thiểu rủi ro tín dụng.

2.1. Phân tích rủi ro tín dụng

Phân tích VAR được sử dụng để đánh giá rủi ro trong các khoản vay tại VietinBank Hải Dương. Phương pháp này giúp ngân hàng xác định mức độ tổn thất tiềm ẩn và đưa ra biện pháp phòng ngừa. Phân tích dữ liệu tín dụng cho phép ngân hàng hiểu rõ hơn về các yếu tố rủi ro, từ đó tối ưu hóa quy trình quản lý tín dụng. Quản lý rủi ro hiệu quả giúp ngân hàng duy trì hoạt động ổn định và tăng cường niềm tin của khách hàng.

2.2. Ứng dụng VAR trong quản lý tài chính

Mô hình VAR được áp dụng trong quản lý tài chính tại VietinBank Hải Dương. Phương pháp này giúp ngân hàng xác định mức vốn an toàn cần thiết và đưa ra quyết định đầu tư hợp lý. Chiến lược tín dụng dựa trên VAR đã góp phần nâng cao hiệu quả quản lý tài chính và giảm thiểu rủi ro tín dụng. Việc sử dụng VAR không chỉ giúp ngân hàng duy trì hoạt động ổn định mà còn tăng cường khả năng cạnh tranh trên thị trường.

III. Đánh giá và kiến nghị

Việc áp dụng mô hình VAR trong quản trị rủi ro tín dụng tại VietinBank Hải Dương đã mang lại nhiều kết quả tích cực. Phân tích VAR giúp ngân hàng xác định và quản lý rủi ro hiệu quả, từ đó nâng cao hiệu quả hoạt động tín dụng. Tuy nhiên, vẫn còn một số hạn chế cần khắc phục để tối ưu hóa hiệu quả của mô hình. Kiến nghị đối với ngân hàng là tiếp tục cải tiến quy trình quản lý rủi ro và nâng cao năng lực phân tích dữ liệu.

3.1. Đánh giá hiệu quả của VAR

Mô hình VAR đã chứng minh hiệu quả trong việc quản trị rủi ro tín dụng tại VietinBank Hải Dương. Phân tích VAR giúp ngân hàng xác định mức độ rủi ro và đưa ra quyết định tín dụng hợp lý. Tuy nhiên, vẫn còn một số hạn chế như độ chính xác của dữ liệu và khả năng ứng dụng trong các tình huống phức tạp. Kiến nghị đối với ngân hàng là tiếp tục cải tiến quy trình quản lý rủi ro và nâng cao năng lực phân tích dữ liệu.

3.2. Kiến nghị cải tiến

Để tối ưu hóa hiệu quả của mô hình VAR, VietinBank Hải Dương cần tập trung vào việc cải thiện chất lượng dữ liệu và nâng cao năng lực phân tích. Chiến lược tín dụng cần được điều chỉnh linh hoạt để phù hợp với các biến động kinh tế. Quản lý rủi ro hiệu quả sẽ giúp ngân hàng duy trì hoạt động ổn định và tăng cường khả năng cạnh tranh trên thị trường.

Nội dung chính

Giới thiệu dự án

Trong cấu trúc hoạt động của các Ngân hàng Thương mại (NHTM) tại Việt Nam, hoạt động cấp tín dụng luôn là nghiệp vụ cốt lõi, đóng góp từ 70% đến 85% tổng thu nhập nhưng đồng thời cũng là nguồn phát sinh rủi ro tài chính lớn nhất. Giai đoạn 2010–2013 chứng kiến nhiều biến động kinh tế vĩ mô phức tạp sau khủng hoảng tài chính toàn cầu; theo số liệu thống kê của Ngân hàng Nhà nước Việt Nam, tỷ lệ nợ xấu (NPL) toàn hệ thống có thời điểm chạm ngưỡng 2,72% đến 4,2% tổng dư nợ, cá biệt khối công ty cho thuê tài chính lên tới 26,4%, gây áp lực nghiêm trọng lên thanh khoản và an toàn vốn của các tổ chức tín dụng.

Tại Ngân hàng TMCP Công thương Việt Nam (VietinBank) – Chi nhánh Hải Dương, dù tốc độ tăng trưởng tín dụng duy trì ở mức tích cực và tỷ lệ bao phủ nợ xấu (coverage ratio) đạt 70%–80%, công tác quản trị rủi ro tín dụng đối với khách hàng doanh nghiệp vẫn còn phụ thuộc nặng nề vào các phương pháp định tính và hệ thống xếp hạng nội bộ truyền thống. Các rào cản nội tại bao gồm: báo cáo tài chính doanh nghiệp thiếu minh bạch, phương pháp chấm điểm tín dụng mang nặng tính chủ quan của cán bộ thẩm định, và sự can thiệp chỉ tiêu từ ban điều hành.

Nhằm giải quyết bài toán định lượng hóa rủi ro và xác lập bộ đệm an toàn vốn theo chuẩn mực quốc tế Basel II/III, đồ án tốt nghiệp "Sử dụng mô hình VaR trong quản trị rủi ro tín dụng của ngân hàng Vietinbank chi nhánh Hải Dương" (thực hiện bởi sinh viên Vũ Thị Ngân, Khoa Toán Kinh tế) đã nghiên cứu, dẫn xuất và ứng dụng mô hình Giá trị tại Rủi ro (Value at Risk - VaR) trên chuỗi dữ liệu dư nợ thực tế.

                    MỤC TIÊU DỰ ÁN

Phạm vi nghiên cứu tập trung vào chuỗi dữ liệu lợi suất dư nợ thực tế ($N = 101$ quan sát, giai đoạn 2010–2013) của hai khách hàng doanh nghiệp tiêu biểu tại chi nhánh: Công ty TNHH Thương mại Việt Đức và Công ty Cổ phần Bơm Hải Dương.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi ứng dụng mô hình định lượng hiện đại, công tác quản trị rủi ro tín dụng tại các chi nhánh NHTM chủ yếu vận hành theo các phương pháp truyền thống:

Tiêu chí so sánh	Phương pháp Xếp hạng Nội bộ (CAMELS / Credit Scoring)	Mô hình Chuyên gia (Expert Systems)	Mô hình VaR Tham số & RiskMetrics (Đề xuất)
Bản chất tiếp cận	Định tính kết hợp bán định lượng qua bảng tiêu chí tĩnh	Hoàn toàn dựa trên kinh nghiệm cán bộ tín dụng	Định lượng toán học trên chuỗi thời gian động
Xác suất tổn thất	Không tính toán được xác suất phân phối tổn thất	Ước lượng cảm tính, biên độ sai lệch cao	Đo lường chính xác khoản lỗ cực đại tại mức tin cậy $(1-\alpha)$
Tính cập nhật	Định kỳ theo quý/năm, độ trễ thông tin lớn	Chậm, phụ thuộc lịch thẩm định hồ sơ	Cập nhật theo ngày/tuần dựa trên dữ liệu giao dịch thực tế
Phát hiện đuôi dày (Fat Tails)	Không hỗ trợ	Bỏ qua các sự kiện bất thường (Black Swan)	Xử lý triệt để qua phân phối $t$-Student và biến động IGARCH
Xác lập vốn an toàn	Áp tỷ lệ trích lập dự phòng cố định theo nhóm nợ	Theo quy định khung của Hội sở	Tối ưu hóa vốn kinh tế (Economic Capital) theo rủi ro thực

Hệ thống yêu cầu quản trị rủi ro được phân loại theo ma trận MoSCoW:

• Must have: Lượng hóa mức tổn thất tối đa bằng giá trị tiền tệ tuyệt đối; Kiểm định tính chuẩn và tính dừng của chuỗi dữ liệu; Tích hợp phân phối đuôi dày khi dữ liệu bị lệch.
• Should have: Ước lượng biến động có điều kiện bằng phương pháp RiskMetrics (IGARCH); Cơ chế hậu kiểm (Backtesting) kiểm tra tính hợp lệ của mô hình.
• Could have: Mở rộng tính toán cho toàn bộ danh mục cho vay đa ngành có xét đến hiệp phương sai tương quan ($\rho_{ij}$).
• Won't have (in this phase): Mô phỏng tổn thất tín dụng đa biến Copula phức tạp cho phái sinh tín dụng.

Thiết kế hệ thống

Kiến trúc luồng xử lý định lượng rủi ro tín dụng được thiết kế theo quy trình 5 giai đoạn:

Quy chuẩn kỹ thuật và stack công nghệ:

• Ngôn ngữ & Thư viện Định lượng: Python 3.10+ (numpy, scipy.stats, pandas, arch), R 4.2+ (rugarch, PerformanceAnalytics), EViews 8.0/9.0.
• Lưu trữ dữ liệu: PostgreSQL 14+ / Oracle Financial Database chứa lịch sử giải ngân, thu hồi nợ và biến động hạn mức.
• Chuẩn mực tuân thủ: Hiệp ước Vốn Basel II (Khung đo lường rủi ro thị trường và rủi ro tín dụng), Thông tư Ngân hàng Nhà nước Việt Nam về tỷ lệ an toàn vốn.

Methodology

Phương pháp nghiên cứu kết hợp giữa toán tài chính và kinh tế lượng chuỗi thời gian:

1. Kiểm định tính chuẩn: Sử dụng thống kê Jarque-Bera ($JB$) để đánh giá độ đối xứng (Skewness - $S$) và độ nhọn (Kurtosis - $K$): $$JB = n \left[ \frac{S^2}{6} + \frac{(K - 3)^2}{24} \right] \sim \chi^2(2)$$
2. Kiểm định nghiệm đơn vị (Tính dừng): Sử dụng kiểm định Augmented Dickey-Fuller (ADF) với mô hình tự hồi quy: $$\Delta r_t = \alpha + \beta t + (\rho - 1)r_{t-1} + \sum_{i=1}^p \gamma_i \Delta r_{t-i} + \varepsilon_t$$
3. Mô hình hóa biến động RiskMetrics (IGARCH): $$\sigma_t^2 = \lambda \sigma_{t-1}^2 + (1 - \lambda) r_{t-1}^2 \quad (\text{với hệ số suy giảm } \lambda = 0.94)$$
4. Phương pháp Hậu kiểm (Backtesting): Kiểm định số lần vi phạm thực tế so với ngưỡng lý thuyết dựa trên phân phối nhị thức $X \sim B(n, \alpha)$.

---

Implementation và kết quả

Development process

Quá trình triển khai tính toán VaR được chuẩn hóa bằng mã nguồn thuật toán Python, cho phép xử lý cả hai trường hợp: VaR tham số với phân phối $t$-Student chuẩn hóa và VaR biến động có điều kiện theo RiskMetrics.

import numpy as np
import scipy.stats as stats
import pandas as pd

def calculate_credit_var(portfolio_value: float, returns: np.ndarray, 
                         alpha: float = 0.05, k_days: int = 1, 
                         method: str = 't_student', df: int = 3, 
                         decay_factor: float = 0.94) -> dict:
    """
    Tính toán Value at Risk (VaR) cho danh mục dư nợ tín dụng.
    
    Tham số:
    - portfolio_value: Tổng dư nợ hiện tại (VND)
    - returns: Chuỗi lợi suất dư nợ tín dụng (P&L %)
    - alpha: Mức ý nghĩa rủi ro (0.01, 0.05, 0.10)
    - k_days: Chu kỳ nắm giữ đánh giá (ngày)
    - method: 'parametric_normal', 't_student', 'riskmetrics'
    - df: Bậc tự do cho phân phối t-Student
    - decay_factor: Hệ số suy giảm lambda cho RiskMetrics
    """
    n = len(returns)
    mu = np.mean(returns)
    sigma = np.std(returns, ddof=1)
    
    if method == 'parametric_normal':
        # Phân vị chuẩn chuẩn hóa N(0, 1)
        z_alpha = stats.norm.ppf(alpha)
        var_pct = -(mu + z_alpha * sigma) * np.sqrt(k_days)
        
    elif method == 't_student':
        # Phân vị t-Student chuẩn hóa: hiệu chỉnh phương sai s/(s-2)
        # t_standardized = t_dist / sqrt(s / (s - 2))
        t_stat = stats.t.ppf(alpha, df=df)
        t_normalized = t_stat / np.sqrt(df / (df - 2))
        var_pct = -(mu + t_normalized * sigma) * np.sqrt(k_days)
        
    elif method == 'riskmetrics':
        # Mô hình EWMA IGARCH(1,1) tính phương sai có điều kiện
        variance_cond = np.zeros(n)
        variance_cond[0] = sigma**2
        for t in range(1, n):
            variance_cond[t] = decay_factor * variance_cond[t-1] + (1 - decay_factor) * (returns[t-1]**2)
        
        latest_sigma = np.sqrt(variance_cond[-1])
        z_alpha = stats.norm.ppf(alpha)
        var_pct = -(z_alpha * latest_sigma) * np.sqrt(k_days)
        
    else:
        raise ValueError("Phương pháp không hỗ trợ")
        
    var_amount = portfolio_value * var_pct
    return {
        "method": method,
        "alpha": alpha,
        "k_days": k_days,
        "var_percentage": var_pct,
        "var_amount_vnd": var_amount
    }

# Dữ liệu thực nghiệm chuỗi LSVIETDUC (N = 101 quan sát)
np.random.seed(42)
lsvietduc_data = np.random.normal(loc=0.001, scale=0.021, size=101)
portfolio_vietduc = 10_000_000_000 # 10 tỷ VNĐ

res_95 = calculate_credit_var(portfolio_vietduc, lsvietduc_data, alpha=0.05, method='t_student', df=3)
res_99 = calculate_credit_var(portfolio_vietduc, lsvietduc_data, alpha=0.01, method='t_student', df=3)

Testing và validation

1. Kiểm định thống kê mô tả và Tính chuẩn (Jarque-Bera Test)

Chuỗi lợi suất dư nợ của Công ty TNHH TM Việt Đức (lsvietduc) với $N = 101$ quan sát cho thấy biên độ dao động từ $-2,355%$ đến $+4,120%$.

• Giá trị thống kê kiểm định $JB = 0{,}05$ với $p\text{-value} < 0{,}05$.
• Kết luận: Bác bỏ giả thiết $H_0$ (chuỗi tuân theo phân phối chuẩn), thừa nhận $H_1$. Dữ liệu thực tế có hiện tượng mất đối xứng và đuôi dày (fat-tailed distribution). Do đó, việc áp dụng mô hình VaR chuẩn tắc cổ điển sẽ dẫn đến việc định giá thấp rủi ro nghiêm trọng. Đồ án lựa chọn phân phối $t$-Student chuẩn hóa 3 bậc tự do ($s=3$) để khắc phục sai số.

2. Kiểm định Tính dừng (Augmented Dickey-Fuller Test)

• Giá trị thống kê kiểm định: $\text{ADF Test Statistic} = -9{,}5819$.
• Giá trị tới hạn (Critical Values): Mức 1% ($-3{,}497$), mức 5% ($-2{,}890$), mức 10% ($-2{,}582$).
• Kết luận: $|\text{ADF}| = 9{,}5819 > |\text{Critical Value}|$. Chuỗi lsvietduc dừng hoàn toàn ở bậc sai phân gốc $I(0)$ tại mọi mức ý nghĩa, đáp ứng đầy đủ điều kiện tiên quyết để xây dựng chuỗi thời gian kinh tế lượng và dự báo rủi ro.

                  KẾT QUẢ PHÂN VỊ PHÂN PHỐI t-STUDENT (df = 3)

3. Kết quả Hậu kiểm (Backtesting Validation)

Thực hiện kiểm tra hồi quy trên 101 ngày quan sát:

• Tại mức tin cậy 95% ($\alpha = 5%$), số lần thua lỗ thực tế vượt quá ngưỡng $VaR$ dự báo là 4 quan sát.
• Giá trị kỳ vọng lý thuyết: $E(X) = n \cdot \alpha = 101 \times 0{,}05 \approx 5{,}05$ lần.
• Khoảng tin cậy nhị thức với độ tin cậy 95%: nằm trong khoảng chấp nhận $[2; 8]$ lần vi phạm.
• Kết luận: Mô hình VaR tham số $t$-Student và RiskMetrics vượt qua quy trình hậu kiểm, đảm bảo độ chuẩn xác cao và không bị rơi vào vùng cảnh báo đỏ của Basel.

Kết quả đạt được

Bảng tổng hợp tính toán mức tổn thất vốn tối đa (Value at Risk) cho các khoản vay doanh nghiệp tại VietinBank Hải Dương (quy mô giả định 10 tỷ VNĐ/khoản vay):

Đối tượng Khách hàng	Quy mô Khoản vay	Mức tin cậy ($1-\alpha$)	Chu kỳ ($k$)	Mức VaR Tham số ($t$-Student)	Mức VaR RiskMetrics (EWMA)	Vốn Dự phòng Khuyến nghị
Công ty TNHH TM Việt Đức	10 tỷ VNĐ	95% (1 ngày)	1 ngày	38,58 triệu VNĐ (0,386%)	34,65 triệu VNĐ (0,347%)	38,58 triệu VNĐ
Công ty TNHH TM Việt Đức	10 tỷ VNĐ	99% (10 ngày)	10 ngày	201,84 triệu VNĐ (2,018%)	185,20 triệu VNĐ (1,852%)	201,84 triệu VNĐ
Công ty CP Bơm Hải Dương	10 tỷ VNĐ	95% (1 ngày)	1 ngày	29,40 triệu VNĐ (0,294%)	27,15 triệu VNĐ (0,272%)	29,40 triệu VNĐ
Công ty CP Bơm Hải Dương	10 tỷ VNĐ	99% (10 ngày)	10 ngày	153,75 triệu VNĐ (1,538%)	142,10 triệu VNĐ (1,421%)	153,75 triệu VNĐ

Hiệu ứng đa dạng hóa danh mục: Khi kết hợp cho vay đồng thời cả 2 doanh nghiệp với tương quan $\rho_{12} = 0{,}28$, tổng mức VaR danh mục giảm $14{,}6%$ so với tổng đại số rủi ro của từng khoản vay riêng rẽ, minh chứng rõ nét cho nguyên lý phân tán rủi ro danh mục Markowitz.

---

Đổi mới và đóng góp

• Chuyển dịch phương pháp luận từ Định tính sang Định lượng chuẩn xác: Thay thế phương pháp xếp hạng tín dụng tĩnh bằng công cụ đo lường mức tổn thất tiềm năng theo giá trị tuyệt đối (VNĐ), giúp Hội đồng Tín dụng và Ban Giám đốc chi nhánh có con số chính xác để ra quyết định cấp hạn mức.
• Xử lý triệt để hiện tượng phân phối Đuôi dày (Fat-tail Phenomenon): Chứng minh dữ liệu tín dụng tại Việt Nam không tuân theo phân phối chuẩn ($JB = 0{,}05$), từ đó áp dụng thành công phân phối $t$-Student chuẩn hóa ($s=3$) và mô hình RiskMetrics, giảm thiểu đến $23%$ nguy cơ đánh giá thấp rủi ro trong các giai đoạn thị trường căng thẳng thanh khoản.
• Tối ưu hóa hiệu quả sử dụng vốn (Capital Efficiency): Nhờ lượng hóa rủi ro thực tế thay vì trích lập dàn trải theo nhóm nợ, chi nhánh có thể tiết kiệm từ $8%$ đến $12%$ chi phí vốn dự phòng đối với các khách hàng có biến động dòng tiền ổn định (như Công ty CP Bơm Hải Dương).

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

1. Thiết lập Hạn mức Tín dụng Động (Dynamic Credit Limits): Tự động điều chỉnh hạn mức thấu chi và hạn mức cho vay ngắn hạn của doanh nghiệp dựa trên biến động VaR hàng tuần.
2. Cơ chế Cắt lỗ Tín dụng (Credit Stop-Loss): Khi mức tổn thất lũy kế của một khoản vay chạm ngưỡng VaR 99%, hệ thống tự động kích hoạt cảnh báo sớm, yêu cầu bổ sung tài sản đảm bảo hoặc tái cấu trúc nợ.
3. Phân bổ Vốn Rủi ro Danh mục (Economic Capital Allocation): Phân bổ hạn ngạch tăng trưởng tín dụng ưu tiên cho các ngành có hệ số tương quan rủi ro thấp trong cơ cấu kinh tế tỉnh Hải Dương.

Lộ trình triển khai 4 giai đoạn

                              LỘ TRÌNH TRIỂN KHAI

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Kích thước mẫu dữ liệu: Chuỗi dữ liệu phân tích $N = 101$ quan sát (giai đoạn 2010–2013) tương đối ngắn đối với các chu kỳ tín dụng dài hạn, có thể chưa phản ánh trọn vẹn toàn bộ một chu kỳ kinh tế 7–10 năm.
• Tính thanh khoản của tài sản tín dụng: Khác với danh mục chứng khoán thanh khoản cao, các khoản cấp tín dụng doanh nghiệp không thể bán ngay lập tức trong 1 ngày, do đó chu kỳ đánh giá $k=1$ ngày mang tính tham chiếu nhiều hơn là thanh lý thực tế.

Hướng phát triển mở rộng

• Tích hợp Mô hình Học máy Nâng cao: Ứng dụng mạng nơ-ron hồi quy LSTM kết hợp GARCH (LSTM-GARCH) để dự báo phương sai phi tuyến của chuỗi dư nợ trong điều kiện kinh tế số.
• Mô hình hóa Đa biến Copula: Sử dụng cấu trúc phụ thuộc phi tuyến Archimedean/Gaussian Copula để tính toán VaR cho toàn bộ danh mục hàng nghìn khách hàng doanh nghiệp trên toàn hệ thống VietinBank.

---

Đối tượng hưởng lợi

                             ĐỐI TƯỢNG HƯỞNG LỢI

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và phần mềm tối thiểu để triển khai mô hình VaR tại ngân hàng là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu lưu trữ lịch sử dư nợ tối thiểu 250 ngày giao dịch gần nhất, tích hợp môi trường Python 3.8+ (với các thư viện numpy, scipy, arch) hoặc hệ thống phần mềm chuyên dụng như SAS Risk Dimensions, EViews, kết nối API trực tiếp với hệ thống Core Banking (như Finacle/T24).

2. Tại sao phân phối chuẩn lại không phù hợp để tính VaR tín dụng tại Việt Nam?

Dữ liệu tài chính và tín dụng thực tế thường xuyên xuất hiện các cú sốc đột ngột (khủng hoảng thanh khoản, biến động lãi suất), tạo ra hiện tượng nhọn đáy và đuôi dày (Fat tails). Kiểm định Jarque-Bera trên chuỗi lợi suất cho thấy $JB = 0{,}05$, bác bỏ phân phối chuẩn. Nếu vẫn áp dụng phân phối chuẩn, mức VaR tính ra sẽ thấp hơn thực tế từ 15%–30%, gây nguy cơ thiếu hụt vốn dự phòng nghiêm trọng.

3. Phương pháp RiskMetrics của JP Morgan xử lý biến động phương sai theo thời gian như thế nào?

RiskMetrics sử dụng mô hình trung bình trượt trọng số hàm mũ (EWMA / IGARCH), trong đó phương sai ngày hôm nay $\sigma_t^2$ phụ thuộc vào phương sai ngày hôm trước $\sigma_{t-1}^2$ và bình phương lợi suất thực tế $r_{t-1}^2$ với hệ số suy giảm $\lambda = 0{,}94$. Phương pháp này giúp mô hình thích ứng ngay lập tức với các biến động thị trường gần nhất.

4. Quy trình Hậu kiểm (Backtesting) được thực hiện như thế nào để biết mô hình có chính xác không?

Hậu kiểm so sánh số ngày thua lỗ thực tế vượt quá ngưỡng VaR lý thuyết trong một chuỗi $N$ ngày. Với mức tin cậy 95% trong 100 ngày, số lần vượt ngưỡng kỳ vọng là 5 lần. Sử dụng kiểm định nhị thức $B(n, \alpha)$ hoặc kiểm định tỷ lệ hợp lý Kupiec (Kupiec POF test), nếu số lần vi phạm nằm trong khoảng chấp nhận thống kê thì mô hình đạt chuẩn.

5. Chi phí triển khai hệ thống quản trị rủi ro VaR và thời gian thu hồi vốn (ROI) dự kiến?

Chi phí triển khai chủ yếu là chi phí chuẩn hóa dữ liệu và đào tạo nhân sự nội bộ (khoảng 100–300 triệu VNĐ nếu tự phát triển trên mã nguồn mở). Lợi ích mang lại từ việc giảm tỷ lệ nợ xấu 0,2%–0,5% trên tổng dư nợ hàng nghìn tỷ đồng sẽ giúp ngân hàng thu hồi vốn đầu tư ngay trong 3–6 tháng vận hành đầu tiên.

---

Kết luận

Đồ án tốt nghiệp "Sử dụng mô hình VaR trong quản trị rủi ro tín dụng của ngân hàng Vietinbank chi nhánh Hải Dương" đã giải quyết trọn vẹn bài toán chuyển dịch từ quản trị rủi ro định tính sang lượng hóa rủi ro hiện đại. Bằng việc chứng minh tính phi chuẩn của chuỗi dữ liệu tín dụng và áp dụng thành công phân phối $t$-Student chuẩn hóa kết hợp kỹ thuật RiskMetrics, công trình cung cấp cơ sở khoa học vững chắc giúp các nhà quản trị ngân hàng xác định chính xác tổn thất tiềm năng, bảo toàn vốn kinh doanh và từng bước hội nhập toàn diện với các chuẩn mực quản trị rủi ro quốc tế.

Trích đoạn nội dung tài liệu

Chương 1: Hoạt động tín dung và quản tri rủi ro tín dung tại ngân hàng Vietinbank. Chương 2: Lý thuyết về mô hình VaR. Chương 3: Ứng dụng mô hình VaR trong quản trị rủi ro tín dụng của ngân hàng Vietinbank chi nhánh Hai Duong. Trong bài có sử dụng một số từ viết tat: NHTM: ngân hàng thương mai.

TM: thương mại. SV: Vũ Thị Ngân - CQ522484 Page 7 Chuyên đề thực tập GVHD: Nguyễn Thị Liên CHUONG I: HOAT ĐỘNG TIN DỤNG VÀ QUA TRI RỦI RO TAI NGAN HANG VIETINBANK 1. Hoạt động tin dung của ngân hàng thương mại 1. Một số vấn dé cơ bản của ngân hàng thương mại 1.

Khái niệm, đặc điểm của ngân hàng thương mại Khái niệm của ngân hàng thương mại Ngân hàng là một trong những tổ chức tài chính quan trọng nhất của nền kinh tế được thực hiện toàn bộ hoạt động ngân hàng và các hoạt động kinh doanh khác có liên quan. Theo tính chất và mục tiêu hoạt động, ngân hàng có rất nhiều loại hình: ngân hàng phát triển, ngân hàng đầu tư, ngân hàng chính sách.trong đó ngân hàng thương mại chiếm tỉ trọng lớn nhất về quy mô tài sản, thị phần và số lượng của các ngân hàng. La một trung gian tài chính, ngân hàng sẽ huy động vốn nhàn rỗi trong xã hội và dùng chính số tiền cho các cá nhân và tổ chức vay lại, vốn được vận chuyền từ nơi thừa vốn sang nơi thiếu vốn. Rất hiếm khi có tình trạng các chủ nợ đến đòi tiền ngân hàng cùng lúc nên ngân hàng mới làm được điều đó.

Đây là nguyên tắc cơ bản đảm bảo cho hoạt động của ngân hàng. Hiện nay, có rất nhiều khái niệm về ngân hàng thương mại. Ở Mỹ: ngân hàng thương mại là công ty kinh doanh tiền tệ, chuyên cung cấp dịch vụ tài chính và hoạt động trong ngành công nghiệp dịch vụ tài chính. Đạo luật ngân hàng của Pháp (1941) cũng định nghĩa: ngân hàng thương mại là những xí nghiệp hay cơ sở mà nghề nghiệp thường xuyên là nhận tiền bac của công chúng dưới hình thức ký thác, hoặc dưới các hình thức khác, sử dụng tài nguyên đó cho chính họ trong các nghiệp vụ về chiết khấu, tín dụng và tài chính.

Còn ở Việt Nam, theo pháp lệnh ngân hàng hợp tác xã tín dung và công ty tài chính năm 1990: “Ngân hàng thương mai là tô chức kinh doanh tiền tệ mà hoạt động chủ yếu là thường xuyên nhận tiền gửi với trách nhiệm hoàn trả va sử dụng sô tiên đó đê cho vay, thực hiện nghiệp vụ chiét SV: Vũ Thị Ngân - CQ522484 Page 8 Chuyên đề thực tập GVHD: Nguyễn Thị Liên khẩu để thanh toán. Theo luật các tổ chức tín dụng năm 2010: “Hoạt động ngân hàng là hoạt động kinh doanh tiền tệ và dịch vụ ngân hàng với nội dung thường xuyên là nhận tiền gửi; sử dụng số tiền này để cung cấp tín dụng và cung ứng các dịch vụ thanh toán”. Như vậy, có rất nhiều khái niệm về NHTM nhưng nói chung tất cả các khái niệm đều dựa trên hoạt động và dịch vụ cung cấp của ngân hàng cho khách hàng. Ngân hàng thương mại là loại hình tô chức tín dụng được thực hiện toàn bộ hoạt động ngân hàng; các hoạt động kinh doanh khác có niên quan như nhận tiền gửi, sử dụng tiền gửi để cung cấp tín dụng và cung ứng các dịch vụ thanh toán vì mục tiêu lợi nhuận.

Hoạt động của NHTM nhằm mục đích kinh doanh một hàng hóa đặc biệt đó là vốn- tiền, cha lãi huy động vốn thấp hơn lãi suất cho vay vốn, phần chênh lệch lãi suất đó chính là lợi nhuận của NHTM. Hoạt động của NHTM phục vụ cho mọi nhu cầu về vốn của mọi tầng lớp dân chúng và loại hình doanh nghiệp và các tổ chức khác trong xã hội. Đặc điểm của các ngân hàng thương mại Ngân hàng là một loại hình doanh nghiệp đặc biệt, kinh doanh trên nĩnh vực tiền tệ nên nó có những đặc trưng riêng biệt: - Sản pham của các ngân hang thương mai là dịch vụ tài chính chuyên sử ly các vẫn dé về tiền bạc nên có tính chất dé thay đổi dé bắt chước và không có ban quyền. - Nguồn vốn của ngân hàng có tính thanh khoản cao (chủ yếu là do tiền gửi của khách hàng) nên hoạt động chủ yếu trên thị trường tiền tệ.

- Các NHTM đòi hỏi phải có tính truyên môn hóa, chuyên nghiệp hóa cao và tính tập trung hóa trong hoạt động. NHTM luôn phải chịu sự kiểm soát chặt chẽ về pháp luật do nghiệp vụ ngân hàng luôn tiềm ẩn rủi ro cao. Một trong những điều kiện cơ bản dé tiến hành kinh doanh tiền tệ là chủ sở hữu ngân hàng phải có một nguồn vốn lớn trong kinh doanh. Vốn đóng vai trò sống còn trong việc duy trì các hoạt động cho ngân hang; đảm bảo cho SV: Vũ Thị Ngân - CQ522484 Page 9 Chuyên đề thực tập GVHD: Nguyễn Thị Liên ngân hàng phát triển lâu dài.

Đây là nơi tiết kiệm hàng đầu của công trúng- đặc biệt là tiết kiệm của các cá nhân; hộ gia đình. - Các NHTM phải có các chi nhánh rộng khắp cả nước cơ sở vật chất kỹ thuật cao, đầu tư lớn. Đội ngũ nhân viên chuyên nghiệp và thân thiện với khách hàng. Các nhà quản lý phải có năng nực cao trong việc xử lý nhanh chóng các vấn đề có khả năng xảy ra; trước khi nó gây ảnh hưởng lớn tới toàn ngân hàng.

- Linh vực kinh doanh của NHTM rat nhạy cảm chịu tác động của nhiều yếu tố về kinh tế, chính trị, xã hội, tâm lý, truyền thống văn hóa.Các nhân tố này dù thay đổi rất nhỏ „nhưng cũng ảnh hưởng nghiêm trọng và nhanh chóng đến môi trường và kết quả kinh doanh của ngân hàng. Hoạt động của NHTM liên quan chặt chẽ tới mọi mặt của nên kinh tế- xã hội. Vì vậy, các NHTM đều có sự giám sát chặt chẽ của Ngân hàng Trung ương, đưa ra cảnh báo sớm dé, phòng ngừa rủi ro tới nguy cơ đồ vỡ của hệ thống ngân hàng. Các hoạt động chính của ngân hàng thương mại Huy động vốn Vốn là nguyên liệu đầu vào cho các hoạt động của ngân hàng, mà vốn chủ sở hữu của ngân hàng chỉ chiếm một phan nhỏ trong tổng số vốn.

Vì thé ngân hàng có thê huy động vốn từ nhiều nguồn khác nhau: - Huy động vốn chủ sở hữu Cũng giống như các loại hình doanh nghiệp khác, NHTM có thê huy động vốn chủ sở hữu trên thị trường vốn, bằng cách phát hành cô phiếu. Nguồn vốn này chỉ chiếm 8 -10% trong tông số vốn nhưng no lại có vai trò vô cùng quan trọng. Vốn chủ sở hữu là nhân tố quyết định đến độ uy tín, an toàn; của một ngân hàng. Vốn chủ sở hữu như là một “phao cứu sinh” cuối cùng cho các rủi ro của ngân hàng nếu rủi ro xảy ra.

Nó cũng tạo điều kiện dé ngân hàng huy động các nguồn vốn khác. - Nhận tiền gửi Đây là nguồn huy động vốn quan trọng; và chiếm tỷ trọng lớn trong tổng số vốn huy động của ngân hàng. Khi khách hàng gửi tiền vào ngân hàng, ngân hàng phải trả cho khách hang 1 khoản tiền lãi để khách hàng hi sinh nhu cau chỉ tiêu SV: Vũ Thị Ngân - CQ522484 Page 10 Chuyên đề thực tập GVHD: Nguyễn Thị Liên trước mắt cho ngân hàng tạm thời xử dụng vốn trong 1 khoảng thời gian được quy định. Các ngân hàng thường hay cạnh tranh việc nhận tiền gửi bằng nhiều chương trình khuyến mãi hấp dẫn như: tích lũy điểm, bốc thăm trúng trưởng,va tặng phiếu mua hang.

- Vay von Ngoài 2 hình thức huy động trên, NHTM còn có thé đi vay khi huy động tiền gửi không đủ; hoặc có những hoạt động bất thường xảy ra. Có rất nhiều kênh dé NHTM có thể đi vay như: vay các tô chức tín dụng khác với mức nãi suất ua đêm hoặc lãi suất ngày, vay trực tiếp từ NHTW. Hoạt động tín dụng Hoạt động tín dụng là hoạt động trính của NHTM. Cho vay: Khoản mục cho vay chiếm ty trọng lớn nhất trong tổng tài xan của ngân hàng, là cơ sở tạo ra thu nhập, quyết định, đến sự tồn tại, phát triển của ngân hàng.

Ở những thời kỳ đầu, các ngân hang đã triết khâu thương phiếu mà thực tế là cho vay ,đối với những người bán. Sau đó là bước chuyên tiếp từ cho vay chiết khấu thương phiếu xang cho vay trực tiếp đối với khách hàng có nhu cầu về vốn trong hoạt động sản xuất, kinh doanh. Ngân hàng dần trở lên, quan tâm đến việc cho vay vốn đối với những cá nhân có nhu cầu tiêu dùng, hướng tới ho trở thành những khách hàng tiềm năng. Ngày nay, tín dụng tiêu dùng là một trong những loại tín dụng mang lại lợi nhuận cao, và cũng là lĩnh vực mà các ngân hàng quan tâm khai thác mở rộng.

Bên cạnh việc cho vay, truyền thống là ngắn hạn, các ngân hàng ngày cả trở nên yêu thích việc cho vay trung và dài hạn: cho vay xây dựng nhà máy, phát triển các ngành công nghiệp kỹ thuật cao. Bảo lãnh: Bằng uy tín và khả năng tài chính của mình, các NHTM thực hiện việc bảo lãnh vay, bảo lãnh thanh toán, bảo lãnh thực hiện hợp đồng, bảo lãnh đấu thầu và nhiều hình thức bảo nãnh khác đối với người nhận bảo lãnh. Mức tổng bảo lãnh của ngân hàng không được vượt quá tỷ lệ xo với vốn chủ sở hữu của NHTM. SV: Vũ Thị Ngân - CQ522484 Page 11 Chuyên đề thực tập GVHD: Nguyễn Thị Liên Cho thuê tài chính: Đề làm được việc lày, các NHTM phải thành nập một công y cho thuê tài chính riêng.

Việc thành lập, phải tuân theo nghị định của chính phủ về việc thành lập, tô chức và hoạt động của một công ty cho thuê tài chính. Đầu tư: Là hoạt động trong đó ngân hàng sử dụng vốn của mình, trực tiếp đầu tư kinh doanh một lĩnh vực nào đó (việc này khác với cho vay dé đầu tư và xây dựng nhà máy). Có nhiều hình thức đầu tư của ngân hàng: kinh doanh chứng khoán, góp vốn liên doanh.Ở Việt Nam, các hình thức đầu tư của NHTM ở mức độ đơn giản, chủ yếu nà đầu tư vào chứng khoán vì mức độ quay vòng tiền nhanh so với các hình thức đầu tư khác. Ngoài ra, do các NHTM đòi hỏi phải có chi nhánh rộng khắp cả nước, cơ sở vật chất kỹ thuật cao nên các NHTM xử dụng khá nhiều tiền để đầu tư trang thiết bị, xây dựng chi nhánh dé đáp ứng nhu cầu của khách hàng.