Giới thiệu dự án

Trong hệ thống tài chính - ngân hàng hiện đại, hoạt động cấp tín dụng cho khách hàng doanh nghiệp (KHDN) luôn là mảng kinh doanh mang lại tỷ trọng thu nhập lãi thuần lớn nhất cho các ngân hàng thương mại (NHTM), chiếm từ 60% đến 75% tổng dư nợ toàn ngành theo thống kê của Ngân hàng Nhà nước Việt Nam (NHNN). Tuy nhiên, rủi ro tín dụng đối với phân khúc doanh nghiệp vừa và nhỏ (SME) luôn tiềm ẩn phức tạp với tỷ lệ nợ xấu (NPL) có xu hướng biến động mạnh trong các chu kỳ kinh tế bất ổn.

Đề tài khóa luận tốt nghiệp "Hoàn thiện công tác phân tích báo cáo tài chính doanh nghiệp phục vụ hoạt động cho vay tại Ngân hàng TMCP Quốc Tế Việt Nam – CN Thanh Hóa – PGD Bà Triệu" do sinh viên Nguyễn Thị Linh (Khoa Tài chính, Chương trình Chất lượng cao, Học viện Ngân hàng) thực hiện dưới sự hướng dẫn của TS. Nguyễn Quỳnh Thơ đã giải quyết bài toán cốt lõi trong quy trình quản trị rủi ro tín dụng tại đơn vị cơ sở.

+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU & GIẢI PHÁP ĐỀ TÀI                                 |
+------------------------------------+----------------------------------------------+
| 1. Chuẩn hóa nguồn dữ liệu đầu vào | Đối chiếu BCTC, thuyết minh, tờ khai thuế    |
| 2. Đa tầng hóa phương pháp thẩm định| Kết hợp DuPont, CFO/FCFE, Stress-testing     |
| 3. Xây dựng ma trận cảnh báo sớm  | Phát hiện Window Dressing & mất cân đối vốn  |
| 4. Tối ưu thời gian xử lý hồ sơ    | Rút ngắn SLA thẩm định từ 5 ngày xuống 3 ngày |
+------------------------------------+----------------------------------------------+

Vấn đề nghiên cứu thực tế (Problem Statement)

Tại Ngân hàng TMCP Quốc Tế Việt Nam (VIB) – Chi nhánh Thanh Hóa – Phòng giao dịch (PGD) Bà Triệu, công tác phân tích báo cáo tài chính (BCTC) của KHDN vay vốn đang đối mặt với các rào cản mang tính kỹ thuật:

  • Hiện tượng làm đẹp BCTC (Window Dressing): Doanh nghiệp xây lắp và thương mại thường ghi nhận doanh thu dồn tích chưa thực thu, che giấu nợ vay ngoài sổ sách và định giá tồn kho sai lệch.
  • Sự phụ thuộc vào số liệu tĩnh: Thẩm định viên chủ yếu dựa vào Bảng cân đối kế toán (BCĐKT) và Báo cáo kết quả hoạt động kinh doanh (BCKQHĐKD) mà xem nhẹ Báo cáo lưu chuyển tiền tệ (BCLCTT), dẫn đến việc cấp tín dụng cho các doanh nghiệp có lãi trên sổ sách nhưng thâm hụt dòng tiền thanh toán thực tế ($CFO < 0$).
  • Thiếu chuẩn hóa chỉ số ngành: Chưa có hệ thống cơ sở dữ liệu đối chuẩn (benchmarking) chuyên biệt theo ngành nghề đặc thù (như xây lắp, sản xuất vật liệu xây dựng) tại địa bàn tỉnh Thanh Hóa.

Mục tiêu dự án

  1. Hệ thống hóa khung lý luận: Tổng hợp các quy định pháp lý (Luật Các TCTD 2010, Thông tư 39/2016/TT-NHNN, Thông tư 200/2014/TT-BTC, chuẩn mực VAS 24 / IAS 07) về thẩm định tài chính doanh nghiệp vay vốn.
  2. Khảo sát thực trạng quy trình thẩm định: Đánh giá dữ liệu hoạt động tín dụng, dư nợ và quy trình phân tích BCTC tại VIB PGD Bà Triệu giai đoạn 2021–2023.
  3. Thực nghiệm chuyên sâu qua Case Study: Ứng dụng bộ công cụ phân tích trên hồ sơ vay vốn thực tế của Công ty TNHH Xây lắp Duy Thịnh Phát giai đoạn 2020–2022.
  4. Xây dựng giải pháp hoàn thiện: Thiết lập mô hình thẩm định định lượng kết hợp kiểm tra tính trung thực của dòng tiền và dự báo rủi ro vỡ nợ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các PGD của NHTM, công tác phân tích tài chính thường bị giới hạn bởi áp lực chỉ tiêu tăng trưởng tín dụng và thời gian xử lý hồ sơ.

Tiêu chí Phương pháp truyền thống tại PGD Phương pháp đề xuất hoàn thiện
Nguồn dữ liệu BCTC do khách hàng cung cấp (thường là báo cáo nộp thuế) BCTC kiểm toán + Báo cáo thuế + Sao kê dòng tiền thực tế + Dữ liệu CIC
Phương pháp chính Phân tích tỷ số đơn lẻ (Tỷ số nợ, Current Ratio) Mô hình DuPont 3-5 nhân tố + Phân tích cấu trúc dòng tiền thuần ($CFO, FCFE$)
Độ bao phủ rủi ro Đánh giá khả năng sinh lời sổ sách ($ROS, ROE$) Kiểm tra tính bền vững của lợi nhuận và chất lượng các khoản phải thu
Thời gian thẩm định 4 – 5 ngày làm việc / bộ hồ sơ doanh nghiệp 2 – 3 ngày làm việc thông qua bảng tính tự động hóa và ma trận tính điểm

Ma trận yêu cầu giải pháp (MoSCoW Prioritization)

  • Must have (Bắt buộc): Tích hợp công thức kiểm tra tính nhất quán giữa BCLCTT và BCĐKT; chuẩn hóa công thức tính Hệ số khả năng thanh toán lãi vay ($ICR = EBIT / I$).
  • Should have (Nên có): Bóc tách các khoản phải thu khó đòi và hàng tồn kho luân chuyển chậm ra khỏi tài sản ngắn hạn có tính thanh khoản cao.
  • Could have (Có thể mở rộng): Tự động hóa tính toán chỉ số trung bình ngành dựa trên dữ liệu tổng hợp tại địa phương.
  • Won't have (Chưa thực hiện): Chấm điểm tín dụng bằng Machine Learning thời gian thực (real-time credit scoring) do hạn chế hạ tầng tại cấp PGD.

Thiết kế hệ thống phân tích tài chính đa tầng

Hệ thống thẩm định BCTC đề xuất được cấu trúc thành 4 lớp độc lập nhằm phát hiện sai lệch và đo lường rủi ro:

[Lớp 1: Kiểm định tính hợp lý của dữ liệu]
[Lớp 2: Phân tích cơ cấu & Tỷ số tài chính]
[Lớp 3: Bóc tách chất lượng Lợi nhuận & Vận hành (DuPont)]
[Lớp 4: Kiểm soát dòng tiền chuyên sâu & Cảnh báo rủi ro]

Thuật toán kiểm tra bất thường báo cáo tài chính (Financial Anomaly Detection)

Dưới đây là mã giả thuật toán phát hiện rủi ro "làm đẹp số liệu" và mất cân đối dòng tiền được xây dựng cho quy trình thẩm định:

def verify_financial_health(balance_sheet, income_stmt, cash_flow_stmt):
    """
    Kiem tra tinh toan ven va phat hien dau hieu rui ro BCTC cua KHDN
    """
    alerts = []
    
    # 1. Kiem tra can doi co ban
    total_assets = balance_sheet['current_assets'] + balance_sheet['non_current_assets']
    total_liabilities_equity = balance_sheet['liabilities'] + balance_sheet['equity']
    
    if abs(total_assets - total_liabilities_equity) > 1e-3:
        alerts.append("CRITICAL: Bang can doi ke toan khong can bang!")
        
    # 2. Danh gia he so thanh toan lai vay (ICR)
    ebit = income_stmt['operating_profit'] + income_stmt['interest_expense']
    interest_expense = income_stmt['interest_expense']
    icr = ebit / interest_expense if interest_expense > 0 else float('inf')
    
    if icr < 1.5:
        alerts.append(f"WARNING: He so ICR thap ({icr:.2f} < 1.5), nguy co vo no cao.")
        
    # 3. Kiem tra chat luong loi nhuan qua Dòng tien thuan tu HDKD (CFO)
    net_profit = income_stmt['net_profit']
    cfo = cash_flow_stmt['cfo']
    
    if net_profit > 0 and cfo < 0:
        alerts.append("HIGH RISK: Doanh nghiep co lai tren so sach nhung CFO am (Loi nhuan ao/Dong tien bi chiem dung).")
        
    # 4. Kiem tra vong quay khoang phai thu va ton kho
    receivables_turnover = income_stmt['revenue'] / balance_sheet['avg_receivables']
    days_sales_outstanding = 360 / receivables_turnover if receivables_turnover > 0 else 0
    
    if days_sales_outstanding > 120:
        alerts.append(f"WARNING: Ky thu tien binh quan keo dai ({days_sales_outstanding:.1f} ngay).")
        
    return {
        "ICR": icr,
        "CFO": cfo,
        "DSO": days_sales_outstanding,
        "Risk_Alerts": alerts
    }

Methodology

Phương pháp nghiên cứu kết hợp giữa định tính và định lượng theo quy trình khép kín:

  1. Phương pháp thống kê mô tả & so sánh: Áp dụng phân tích số tuyệt đối, số tương đối và số bình quân trên chuỗi dữ liệu 3 năm liên tiếp (2021–2023) của PGD Bà Triệu và khách hàng vay vốn.
  2. Phương pháp phân rã Dupont (DuPont Analysis): Tách biệt các động lực thúc đẩy ROE thành 3 thành tố: Biên lợi nhuận ròng ($ROS$), Hiệu suất sử dụng tài sản (Vòng quay tổng tài sản), và Đòn bẩy tài chính ($EM = Total\ Assets / Equity$).
  3. Phương pháp phân tích luồng tiền (Cash Flow Dynamic Analysis): Bóc tách các mối quan hệ giữa kế toán dồn tích (Accrual Accounting) và kế toán tiền mặt (Cash Accounting) theo VAS 24.
  4. Phương pháp điều tra khảo sát: Thu thập ý kiến đánh giá từ các cán bộ Quan hệ Khách hàng Doanh nghiệp (QHKHDN) và bộ phận Thẩm định tại VIB Thanh Hóa.

Implementation và kết quả

Development process

Quá trình triển khai giải pháp được thực hiện qua các giai đoạn cụ thể:

Giai đoạn 1: Chuẩn hóa dữ liệu (Tuần 1 - 2)

Giai đoạn 2: Tính toán & Chuẩn hóa chỉ số (Tuần 3 - 4)

Giai đoạn 3: Stress-test & Thẩm định case study (Tuần 5 - 6)

Giai đoạn 4: Đề xuất giải pháp & Báo cáo hoàn thiện (Tuần 7 - 8)

Testing và validation: Phân tích thực nghiệm Case Study

Nghiên cứu tiến hành kiểm chứng phương pháp phân tích mới trên hồ sơ của Công ty TNHH Xây lắp Duy Thịnh Phát (giai đoạn 2020 – 2022) vay vốn tại VIB PGD Bà Triệu.

                  CHỈ SỐ TÀI CHÍNH CÔNG TY DUY THỊNH PHÁT (2020 - 2022)

Đánh giá kết quả kiểm chứng:

  1. Khả năng thanh toán suy giảm rõ rệt: Hệ số thanh toán hiện hành giảm từ $1.38$ lần (2020) xuống $1.15$ lần (2022); hệ số thanh toán nhanh chỉ còn $0.49$ lần (rất thấp so với mức khuyến nghị $0.80$). Phần lớn tài sản ngắn hạn bị ứ đọng ở hàng tồn kho xây lắp dở dang và các khoản phải thu khách hàng.
  2. Kỳ thu tiền bình quân kéo dài nghiêm trọng: Tăng từ $104.3$ ngày lên $167.4$ ngày, phản ánh hiện tượng doanh nghiệp bị các chủ đầu tư chiếm dụng vốn lớn, gia tăng rủi ro nợ khó đòi.
  3. Cảnh báo chất lượng dòng tiền: Năm 2021 và 2022, doanh nghiệp vẫn báo cáo lợi nhuận sau thuế dương nhưng dòng tiền thuần $CFO$ bị âm sâu ($-8.3%$ doanh thu năm 2022). Doanh nghiệp phải liên tục bù đắp thiếu hụt tiền mặt bằng cách tăng vay nợ ngắn hạn ngân hàng, đẩy tỷ số nợ lên $78.6%$.

Kết quả đạt được

Việc ứng dụng phương pháp phân tích toàn diện đã mang lại những kết quả đo lường rõ rệt trong quản trị tín dụng:

  • Giảm tỷ lệ phát sinh nợ quá hạn: Nhận diện chính xác rủi ro của doanh nghiệp xây lắp trước khi giải ngân các gói vay trung dài hạn, giúp PGD tránh được các khoản nợ tiềm ẩn rủi ro nhóm 2 và nhóm 3.
  • Tối ưu hóa thời gian thẩm định: Giảm thời gian tổng hợp và phân tích chỉ số BCTC từ 12 giờ xuống còn 4.5 giờ trên một bộ hồ sơ thông qua chuẩn hóa biểu mẫu tính toán.
  • Nâng cao chất lượng cơ cấu khoản vay: Đề xuất chuyển đổi phương thức từ cho vay hạn mức không có tài sản bảo đảm sang cho vay từng lần theo tiến độ giải ngân của từng hợp đồng thi công có tài sản bảo đảm thanh khoản cao.

Đổi mới và đóng góp

  1. Kết hợp phân tích dòng tiền thực tế với chuẩn mực VAS 24: Khóa luận không chỉ dừng lại ở các chỉ số kế toán tĩnh mà xây dựng cơ chế đối chiếu giữa BCLCTT và biến động vốn lưu động ròng ($NWC$), giúp bóc tách các khoản lợi nhuận danh nghĩa.
  2. Xây dựng bộ chỉ số tham chiếu đặc thù ngành địa phương: Đề tài thiết lập ngưỡng an toàn cho nhóm doanh nghiệp xây lắp, vật liệu xây dựng trên địa bàn Thanh Hóa (vốn có chu kỳ thi công dài và phụ thuộc vào giải ngân vốn đầu tư công).
  3. Mô hình hóa tác động lãi suất bằng Stress-testing: Bổ sung kịch bản kiểm tra sức chịu đựng của doanh nghiệp khi lãi suất cho vay biến động từ $+100\ bps$ đến $+250\ bps$, hỗ trợ cán bộ tín dụng ra quyết định cấp hạn mức an toàn.

Ứng dụng thực tế và triển khai

Kịch bản triển khai tại PGD ngân hàng thương mại

[Bước 1: Tiếp nhận hồ sơ] 
[Bước 2: Chuẩn hóa & Đối chiếu chéo (Cross-check)]
[Bước 3: Chạy mô hình phân tích tự động]
[Bước 4: Lập Báo cáo thẩm định tín dụng]

Yêu cầu triển khai hệ thống

  • Nhân sự: Cán bộ QHKHDN và cán bộ thẩm định rủi ro cần được đào tạo chuyên sâu về kỹ thuật bóc tách BCLCTT gián tiếp và phương pháp nhận diện gian lận BCTC.
  • Dữ liệu: Kết nối hệ thống dữ liệu nội bộ với hệ thống thông tin tín dụng quốc gia (CIC) và cơ sở dữ liệu đăng ký giao dịch bảo đảm.
  • Hiệu quả kinh tế (Cost-Benefit): Với chi phí triển khai chuẩn hóa quy trình gần như bằng không (sử dụng tài nguyên nhân sự và hệ thống tính toán nội bộ), mô hình giúp giảm thiểu chi phí trích lập dự phòng rủi ro tín dụng hàng tỷ đồng mỗi năm cho chi nhánh.

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Mẫu dữ liệu thực nghiệm: Case study tập trung chủ yếu vào nhóm doanh nghiệp xây dựng dân dụng và công nghiệp; chưa mở rộng sang nhóm doanh nghiệp thương mại điện tử hoặc dịch vụ công nghệ cao.
  • Phụ thuộc vào tính trung thực của doanh nghiệp SME: Nhiều doanh nghiệp SME chưa bắt buộc phải kiểm toán BCTC độc lập, dẫn đến độ tin cậy của dữ liệu gốc chưa tuyệt đối.

Hướng nghiên cứu mở rộng

  • Tích hợp OCR và AI: Ứng dụng công nghệ nhận diện ký tự quang học (OCR) để tự động trích xuất dữ liệu từ các bản scan BCTC và hóa đơn điện tử.
  • Ứng dụng Machine Learning vào Credit Scoring: Xây dựng mô hình chấm điểm tín dụng dựa trên thuật toán Random Forest hoặc XGBoost, tích hợp dữ liệu phi tài chính (uy tín người đại diện pháp luật, dữ liệu mạng xã hội, lịch sử thanh toán hóa đơn tiện ích).

Đối tượng hưởng lợi

| Nhóm đối tượng           | Giá trị ứng dụng thực tế                               |
| Sinh viên / Học viên     | Cẩm nang học thuật mẫu mực về phương pháp phân tích     |
| Tài chính - Ngân hàng    | BCTC gắn liền với nghiệp vụ cho vay thực tế tại NHTM.   |
| Cán bộ Tín dụng (RM/UWR) | Bộ công cụ và quy trình kiểm tra chéo (Cross-check)     |
| tại các NHTM             | giúp phát hiện thủ thuật "làm đẹp" BCTC của KHDN.      |
| Lãnh đạo PGD / Chi nhánh | Khung quản trị rủi ro giúp cân bằng giữa chỉ tiêu tăng |
| Ngân hàng                | trưởng dư nợ và kiểm soát nợ xấu bền vững.             |
| Doanh nghiệp vay vốn     | Hiểu rõ các tiêu chí đánh giá của ngân hàng để tái     |
| (KHDN / SME)             | cấu trúc tài chính, tối ưu hóa dòng tiền và uy tín.   |

Câu hỏi thường gặp

1. Tại sao doanh nghiệp có lợi nhuận sau thuế cao nhưng ngân hàng vẫn từ chối cho vay?

Lợi nhuận trên BCKQHĐKD được ghi nhận theo nguyên tắc kế toán dồn tích (Accrual Basis), phản ánh doanh thu đã phát sinh nhưng có thể chưa thu được tiền thực tế. Nếu doanh nghiệp có doanh thu lớn nhưng nằm toàn bộ ở các khoản phải thu khó đòi, dòng tiền thuần từ hoạt động kinh doanh ($CFO$) sẽ bị âm. Ngân hàng thu nợ gốc và lãi bằng tiền mặt thực tế chứ không thu bằng lợi nhuận sổ sách, do đó doanh nghiệp thâm hụt dòng tiền nghiêm trọng sẽ đối mặt với nguy cơ vỡ nợ ngắn hạn.

2. Mô hình phân tích DuPont giúp ích gì cho cán bộ thẩm định tín dụng?

Mô hình DuPont phân rã chỉ số $ROE$ thành 3 yếu tố: Biên lợi nhuận ròng ($ROS$), Vòng quay tổng tài sản, và Đòn bẩy tài chính ($EM$). Giúp cán bộ tín dụng nhận biết được sự tăng trưởng $ROE$ của doanh nghiệp là do nâng cao hiệu quả kinh doanh thực chất, quản lý chi phí tốt hay chỉ đơn thuần là do lạm dụng đòn bẩy vay nợ quá mức.

3. Tỷ số thanh toán lãi vay (ICR) ở mức bao nhiêu là an toàn cho khoản vay doanh nghiệp?

Theo chuẩn mực thẩm định tín dụng chung, hệ số $ICR = EBIT / I$ an toàn tối thiểu phải đạt từ $1.5$ đến $2.0$ lần trở lên. Nếu $ICR < 1.0$, toàn bộ lợi nhuận từ hoạt động kinh doanh không đủ để trả chi phí lãi vay, doanh nghiệp bắt buộc phải thanh lý tài sản hoặc vay mới để trả nợ cũ.

4. Cán bộ tín dụng kiểm tra tính xác thực của BCTC khách hàng bằng cách nào?

Cán bộ tín dụng thực hiện đối chiếu chéo (Cross-checking) giữa BCTC với:

  • Tờ khai thuế GTGT và thuế TNDN nộp cho Tổng cục Thuế.
  • Báo cáo tài chính kiểm toán độc lập của các đơn vị kiểm toán uy tín.
  • Sao kê dòng tiền tài khoản ngân hàng trong 6 - 12 tháng gần nhất.
  • Hóa đơn đầu vào, đầu ra lớn và xác minh thực tế kho hàng, công trường thi công.

5. Sự khác biệt giữa dòng tiền CFO và FCFE trong đánh giá khả năng trả nợ?

$CFO$ (Cash Flow from Operations) phản ánh dòng tiền thuần sinh ra từ các hoạt động sản xuất kinh doanh cốt lõi. Trong khi đó, $FCFE$ (Free Cash Flow to Equity) là dòng tiền tự do còn lại cho chủ sở hữu sau khi đã chi trả các chi phí đầu tư tài sản cố định ($CAPEX$) và thực hiện các nghĩa vụ nợ gốc. $FCFE$ dương và ổn định là minh chứng vững chắc nhất cho thấy doanh nghiệp có nguồn lực tự thân để chi trả cổ tức và hoàn trả nợ vay ngân hàng.


Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Linh đã giải quyết một vấn đề nghiệp vụ mang tính thời sự và cấp thiết trong bối cảnh tái cấu trúc hệ thống tín dụng ngân hàng hiện nay. Bằng việc kết hợp chặt chẽ giữa nền tảng lý luận chuẩn mực (Thông tư 200/2014/TT-BTC, Thông tư 39/2016/TT-NHNN) với thực tiễn hoạt động tại VIB PGD Bà Triệu, đề tài đã chứng minh rằng: Phân tích BCTC không thể dừng lại ở việc tính toán các tỷ số tĩnh mà phải tiến tới phân tích động thái dòng tiền thực tế ($CFO/FCFE$) và kiểm tra chéo đa nguồn dữ liệu.

Giải pháp đề xuất trong khóa luận không chỉ mang lại giá trị ứng dụng trực tiếp cho Ngân hàng TMCP Quốc Tế Việt Nam – Chi nhánh Thanh Hóa trong việc nâng cao chất lượng tín dụng và phòng ngừa nợ xấu, mà còn là tài liệu tham khảo giá trị cho các nhà nghiên cứu, sinh viên chuyên ngành Tài chính - Ngân hàng và các nhà quản trị doanh nghiệp SME đang tìm kiếm giải pháp tối ưu hóa năng lực tiếp cận nguồn vốn ngân hàng.