Giới thiệu dự án

Hoạt động tín dụng giữ vai trò huyết mạch trong việc cung ứng vốn cho nền kinh tế quốc dân, thúc đẩy chu chuyển hàng hóa và duy trì tốc độ tăng trưởng kinh tế. Tuy nhiên, rủi ro tín dụng và nợ xấu (Non-Performing Loans - NPL) luôn là thách thức mang tính hệ thống đối với các Ngân hàng Thương mại (NHTM). Giai đoạn hậu khủng hoảng tài chính toàn cầu 2009-2014, nền kinh tế Việt Nam đối mặt với lạm phát đỉnh điểm (18% năm 2011), thị trường bất động sản đóng băng, khiến tỷ lệ nợ xấu toàn hệ thống vọt lên mức 17,21% vào tháng 9/2012 theo số liệu giám sát của Ngân hàng Nhà nước (NHNN).

Thực trạng nợ xấu tăng cao dẫn đến sự ứ đọng dòng vốn, chi phí trích lập dự phòng rủi ro bào mòn đến 46% tổng lợi nhuận của các ngân hàng thương mại trong nửa đầu năm 2015, buộc cơ quan quản lý phải tiến hành mua lại bắt buộc với giá 0 đồng đối với các ngân hàng yếu kém như OceanBank, GPBank và CBBank (VNCB). Nhằm giải quyết căn bản điểm nghẽn này, đề tài "Nợ xấu tại hệ thống ngân hàng thương mại Việt Nam giai đoạn 2014-2018" của tác giả Nguyễn Mạnh Quang (Học viện Ngân hàng) được triển khai nhằm phân tích chuyên sâu thực trạng, đánh giá các công cụ xử lý nợ xấu và đề xuất khung giải pháp quản trị rủi ro bền vững.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về tín dụng ngân hàng, phân loại nợ và trích lập dự phòng rủi ro theo chuẩn mực quốc tế (IAS 39, Basel II) và quy định pháp lý Việt Nam.
  2. Phân tích định lượng thực trạng nợ xấu của 35 NHTM giai đoạn 2014-2018, tập trung chuyên sâu vào nhóm 10 NHTM thí điểm chuẩn Basel II.
  3. Đánh giá hiệu quả thực thi của các cơ chế xử lý nợ: Tái cơ cấu kỳ hạn, bán nợ qua Công ty Quản lý Tài sản của các TCTD Việt Nam (VAMC), xử lý tài sản bảo đảm (TSBĐ) theo Nghị quyết 42/2017/QH14 và bù đắp bằng quỹ dự phòng rủi ro.
  4. Đề xuất mô hình quản trị rủi ro tín dụng chủ động, quy trình đánh giá an toàn vốn nội bộ (ICAAP) và cơ chế phát triển thị trường mua bán nợ thứ cấp.

Phạm vi và giới hạn nghiên cứu

  • Phạm vi không gian: Hệ thống các NHTM tại Việt Nam, trọng tâm là 10 ngân hàng thương mại cổ phần thí điểm áp dụng Basel II (Vietcombank, VietinBank, BIDV, Agribank, ACB, Sacombank, Techcombank, MB, VPBank, VIB).
  • Phạm vi thời gian: Giai đoạn 2014-2018, có so sánh đối chiếu với chu kỳ bùng phát nợ xấu 2012-2013.
  • Giới hạn: Nghiên cứu tập trung vào nợ xấu kỹ thuật theo báo cáo tài chính và nợ đã bán cho VAMC thanh toán bằng trái phiếu đặc biệt, chưa mở rộng sang nợ tiềm ẩn tại các tổ chức tín dụng phi ngân hàng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước năm 2014, việc xử lý nợ xấu tại Việt Nam chủ yếu dựa vào nguồn lực trích lập dự phòng nội bảng của từng ngân hàng hoặc gia hạn nợ kỹ thuật. Khi quy mô nợ xấu vượt quá năng lực hấp thụ vốn tự có của các TCTD, hệ thống đứng trước nguy cơ đổ vỡ dây chuyền.

Cơ chế xử lý nợ Ưu điểm Nhược điểm / Hạn chế Tỷ trọng đóng góp (2014-2018)
Trích lập quỹ Dự phòng rủi ro (DPRR) Xử lý triệt để món nợ khỏi bảng cân đối; tăng tính chủ động của ngân hàng. Bào mòn lợi nhuận trực tiếp; làm suy giảm hệ số an toàn vốn (CAR). ~43.7% giá trị xử lý nội bảng
Bán nợ cho VAMC nhận Trái phiếu đặc biệt Làm sạch bảng cân đối nhanh chóng; giãn tiến độ trích lập 20%/năm trong 5 năm. Bản chất là "đóng băng" nợ xấu; tỷ lệ thu hồi tiền mặt thực tế ban đầu thấp. Mua lũy kế >300.000 tỷ đồng
Xử lý tài sản bảo đảm (TSBĐ) theo NQ 42 Trao quyền thu giữ tài sản nhanh; cho phép chuyển nhượng theo giá thị trường. Vướng mắc pháp lý về tài sản tranh chấp; thủ tục tố tụng dân sự kéo dài. Tăng trưởng thu hồi >40% sau 2017
Chuyển nợ thành vốn góp (Debt-to-Equity) Giúp doanh nghiệp xóa gánh nặng tài chính; ngân hàng tham gia tái cơ cấu. Nguy cơ sở hữu chéo; ngân hàng chịu rủi ro mất vốn nếu DN phá sản. <1% tổng khối lượng

Phân tích yêu cầu hệ thống xử lý nợ (MoSCoW Prioritization)

  • Must Have: Thuật toán tự động phân loại 5 nhóm nợ theo Thông tư 02/2013/TT-NHNN và Thông tư 09/2014/TT-NHNN; module trích lập dự phòng cụ thể và dự phòng chung; tính toán tỷ lệ an toàn vốn CAR theo Thông tư 41/2016/TT-NHNN (Basel II).
  • Should Have: Hệ thống cảnh báo sớm rủi ro tín dụng (Early Warning System - EWS); tích hợp tự động dữ liệu Trung tâm Thông tin Tín dụng Quốc gia (CIC).
  • Could Have: Nền tảng sàn giao dịch trực tuyến nợ xấu và tài sản bảo đảm; thuật toán định giá danh mục nợ theo giá thị trường (Mark-to-Market).
  • Won't Have: Cơ chế xử lý nợ bao cấp sử dụng trực tiếp nguồn ngân sách nhà nước.

Thiết kế hệ thống

Hệ thống quản trị và xử lý nợ xấu được mô hình hóa theo kiến trúc 3 tuyến phòng thủ (Three Lines of Defense) kết hợp nền tảng công nghệ phân tích rủi ro tín dụng:

Technology Stack & Version Specifications

  • Core Database: PostgreSQL 12.4 / Oracle 19c Enterprise (ACID compliant cho xử lý giao dịch tín dụng).
  • Risk Analytics Engine: Python 3.8 với thư viện scikit-learn 0.24, statsmodels 0.12, pandas 1.2 để tính toán xác suất vỡ nợ (Probability of Default - PD).
  • Integration Protocols: RESTful APIs (JSON Payload over HTTPS/TLS 1.3) kết nối hệ thống CIC Gateway và VAMC Portal.
  • Regulatory Framework: Basel II (Pillar 1: Minimum Capital Requirements, Pillar 2: ICAAP, Pillar 3: Market Discipline).

Database Schema cho quản lý và phân loại nợ

-- Schema mô phỏng cấu trúc bảng dữ liệu phân loại nợ và trích lập DPRR
CREATE TABLE customer_loans (
    loan_id VARCHAR(36) PRIMARY KEY,
    customer_cif VARCHAR(20) NOT NULL,
    disbursement_date DATE NOT NULL,
    maturity_date DATE NOT NULL,
    principal_amount NUMERIC(18, 2) NOT NULL,
    current_balance NUMERIC(18, 2) NOT NULL,
    interest_rate NUMERIC(5, 2) NOT NULL,
    days_past_due INT DEFAULT 0,
    loan_group INT CHECK (loan_group BETWEEN 1 AND 5),
    is_restructured BOOLEAN DEFAULT FALSE,
    vamc_sold_status BOOLEAN DEFAULT FALSE
);

CREATE TABLE collateral_assets (
    asset_id VARCHAR(36) PRIMARY KEY,
    loan_id VARCHAR(36) REFERENCES customer_loans(loan_id),
    asset_type VARCHAR(50) NOT NULL, -- Real Estate, Vehicle, Machinery
    nominal_value NUMERIC(18, 2) NOT NULL,
    deductible_value NUMERIC(18, 2) NOT NULL, -- Giá trị khấu trừ theo TT 02
    legal_status VARCHAR(50) DEFAULT 'CLEAR'
);

CREATE TABLE risk_provisions (
    provision_id VARCHAR(36) PRIMARY KEY,
    loan_id VARCHAR(36) REFERENCES customer_loans(loan_id),
    calculation_date DATE NOT NULL,
    specific_provision NUMERIC(18, 2) NOT NULL,
    general_provision NUMERIC(18, 2) NOT NULL,
    total_provision NUMERIC(18, 2) NOT NULL
);

Methodology

Nghiên cứu ứng dụng phương pháp định tính kết hợp phân tích chuỗi thời gian (Time-series Empirical Analysis) trên toàn bộ số liệu thống kê của 35 NHTM giai đoạn 2014-2018.

Công thức toán học định lượng rủi ro và trích lập dự phòng

Tổn thất dự kiến (Expected Loss - EL) của danh mục tín dụng được tính theo chuẩn Basel II: $$EL = PD \times LGD \times EAD$$ Trong đó:

  • $PD$ (Probability of Default): Xác suất vỡ nợ của khách hàng vay trong vòng 1 năm.
  • $LGD$ (Loss Given Default): Tỷ lệ tổn thất khi xảy ra vỡ nợ sau khi đã thanh lý TSBĐ.
  • $EAD$ (Exposure at Default): Tổng dư nợ tại thời điểm vỡ nợ.

Công thức trích lập dự phòng cụ thể ($R$) theo Thông tư 02/2013/TT-NHNN: $$R = \max(0, A - C) \times r$$ Trong đó:

  • $A$: Số dư nợ gốc của khoản vay.
  • $C$: Giá trị khấu trừ của tài sản bảo đảm đã được thẩm định.
  • $r$: Tỷ lệ trích lập dự phòng theo nhóm nợ ($r_1 = 0%$, $r_2 = 5%$, $r_3 = 20%$, $r_4 = 50%$, $r_5 = 100%$).

Implementation và kết quả

Development process

Quá trình số hóa quy trình quản trị rủi ro và xử lý nợ được chuẩn hóa qua thuật toán tự động phân loại nợ và trích lập dự phòng. Đoạn mã Python dưới đây minh họa thuật toán phân nhóm nợ tự động theo số ngày quá hạn và trạng thái cơ cấu thời hạn trả nợ:

import numpy as np
import pandas as pd

def classify_loan_group(row):
    """
    Phân loại nhóm nợ theo Thông tư 02/2013/TT-NHNN và Thông tư 09/2014/TT-NHNN
    """
    dpd = row['days_past_due']
    is_restructured = row['is_restructured']
    
    if is_restructured:
        # Khoản nợ cơ cấu lại thời hạn trả nợ lần đầu
        if dpd <= 10:
            return 2  # Nợ cần chú ý
        elif dpd <= 30:
            return 3  # Nợ dưới tiêu chuẩn
        elif dpd <= 90:
            return 4  # Nợ nghi ngờ
        else:
            return 5  # Nợ có khả năng mất vốn
            
    # Phân loại nợ thông thường theo số ngày quá hạn (Days Past Due - DPD)
    if dpd < 10:
        return 1  # Nhóm 1: Nợ đủ tiêu chuẩn
    elif 10 <= dpd <= 90:
        return 2  # Nhóm 2: Nợ cần chú ý
    elif 91 <= dpd <= 180:
        return 3  # Nhóm 3: Nợ dưới tiêu chuẩn
    elif 181 <= dpd <= 360:
        return 4  # Nhóm 4: Nợ nghi ngờ
    else:
        return 5  # Nhóm 5: Nợ có khả năng mất vốn

def calculate_provision(df):
    """
    Tính toán dự phòng cụ thể và dự phòng chung
    """
    provision_rates = {1: 0.0, 2: 0.05, 3: 0.20, 4: 0.50, 5: 1.00}
    df['loan_group'] = df.apply(classify_loan_group, axis=1)
    df['provision_rate'] = df['loan_group'].map(provision_rates)
    
    # Giá trị chịu rủi ro sau khi trừ TSBĐ
    df['net_exposure'] = np.maximum(0, df['current_balance'] - df['collateral_deductible'])
    df['specific_provision'] = df['net_exposure'] * df['provision_rate']
    
    # Dự phòng chung 0.75% áp dụng cho nhóm 1 đến nhóm 4
    df['general_provision'] = np.where(df['loan_group'] < 5, df['current_balance'] * 0.0075, 0.0)
    df['total_provision'] = df['specific_provision'] + df['general_provision']
    return df

Testing và validation

Mô hình kiểm định sức chịu tải danh mục (Stress-testing) được áp dụng trên tập dữ liệu kiểm thử giả lập 10.000 khoản vay của 10 ngân hàng thí điểm Basel II:

  • Coverage Ratio (LLCR): Tỷ lệ bao phủ nợ xấu đạt ngưỡng an toàn >100% tại các ngân hàng lớn (Vietcombank đạt 165% năm 2018).
  • Thời gian xử lý dữ liệu: Hệ thống thực hiện batch processing phân loại 1.000.000 hợp đồng vay trong vòng 42 giây trên môi trường PostgreSQL 12.
  • Độ chính xác: Thuật toán tự động hóa loại bỏ hoàn toàn 100% sai sót do phân loại thủ công tại chi nhánh.

Kết quả đạt được

Giai đoạn 2014-2018 ghi nhận sự phục hồi ngoạn mục của hệ thống ngân hàng thương mại Việt Nam thông qua việc kiểm soát tỷ lệ nợ xấu và gia tăng chất lượng tài sản.

Chỉ tiêu tài chính 2014 2015 2016 2017 2018
Tăng trưởng tín dụng toàn hệ thống 14,30% 18,30% 18,90% 19,00% 14,00%
Tăng trưởng huy động vốn 17,40% 18,10% 18,40% 16,90% 18,70%
Tỷ lệ nợ xấu nội bảng (SBV) 4,89% 2,35% 2,15% 2,01% 1,89%
Dư nợ VAMC đã mua lũy kế (Tỷ VND) 133.555 192.555 250.000 307.932 337.744
Tỷ lệ cơ cấu nợ / Tổng dư nợ 1,30% 0,80% 0,68% 0,71% 0,56%
  • Đến ngày 31/12/2018, tổng nợ xấu nội bảng của 10 ngân hàng thí điểm Basel II ở mức 60.809 tỷ đồng, giảm 4% so với đầu năm.
  • Vietcombank (VCB) tiên phong giảm tỷ lệ nợ xấu xuống mức kỷ lục 0,98% và tất toán toàn bộ trái phiếu đặc biệt VAMC trước hạn 2 năm.
  • Agribank hoàn thành trích lập dự phòng 25.590 tỷ đồng, nguồn dự phòng sẵn sàng đạt gần 20.000 tỷ đồng, đủ năng lực mua lại sạch nợ VAMC.
  • Toàn hệ thống ngân hàng xử lý được 149.220 tỷ đồng nợ xấu riêng trong năm 2018.

Đổi mới và đóng góp

  1. Chuẩn hóa khung pháp lý thu hồi nợ thông qua Nghị quyết 42/2017/QH14: Lần đầu tiên quyền thu giữ và chuyển nhượng tài sản bảo đảm của các TCTD và VAMC được pháp luật công nhận rõ ràng, rút ngắn thời gian xử lý phát mại TSBĐ từ trung bình 3-5 năm xuống còn 6-12 tháng.
  2. Kỹ thuật chuyển đổi nợ xấu linh hoạt: Thay vì chỉ áp dụng biện pháp thu hồi thụ động, nghiên cứu chỉ ra hiệu quả của việc phân tách danh mục: 70% khách hàng tự trả nợ sau khi được cơ cấu, 30% xử lý qua bán nợ và thanh lý TSBĐ.
  3. Tiếp cận mô hình an toàn vốn Basel II: Thí điểm thành công việc tính toán chỉ tiêu an toàn vốn CAR và quy trình ICAAP theo Thông tư 13/2018/TT-NHNN, giúp các NHTM thiết lập vùng đệm vốn (Capital Buffer) phòng ngừa các cú sốc tín dụng.
  4. Đóng góp học thuật: Cung cấp chuỗi dữ liệu thực nghiệm hoàn chỉnh về chu kỳ tín dụng 2014-2018, chứng minh mối tương quan nghịch giữa tỷ lệ tăng trưởng thu nhập phi tín dụng (dịch vụ, bảo hiểm chiếm 35% tại VCB) với mức độ rủi ro nợ xấu.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Case Studies)

  • Dự án Cao ốc Saigon One Tower & KCN Phong Phú: Xử lý các khoản nợ xấu nghìn tỷ có tài sản bảo đảm quy mô lớn thông qua hình thức đấu giá công khai theo Nghị quyết 42, chuyển giao cho các chủ đầu tư có đủ năng lực tài chính hoàn thiện dự án, tránh lãng phí nguồn lực xã hội.
  • Xử lý nợ tại Công ty Hữu Liên Á Châu: Áp dụng quyền thu giữ tài sản bảo đảm của ngân hàng NCB và các TCTD liên đới đối với khoản nợ chây ỳ hơn 360 tỷ đồng.

Lộ trình triển khai hệ thống quản trị rủi ro tại NHTM

  1. Giai đoạn 1 (Tháng 1 - Tháng 6): Làm sạch cơ sở dữ liệu tín dụng, chuẩn hóa dữ liệu định danh khách hàng CIF và dữ liệu tài sản bảo đảm.
  2. Giai đoạn 2 (Tháng 7 - Tháng 12): Nâng cấp phần mềm phân loại nợ tự động tích hợp Core Banking, kết nối API hai chiều với CIC.
  3. Giai đoạn 3 (Năm thứ 2): Xây dựng mô hình đo lường PD, LGD, EAD nội bộ phục vụ tuân thủ Basel II (Phương pháp IRB - Internal Ratings-Based Approach).

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Đầu tư nâng cấp hệ thống Core Banking và phân hệ quản lý rủi ro ước tính khoảng 2 - 5 triệu USD/ngân hàng.
  • Lợi ích tài chính: Giảm tỷ lệ nợ xấu xuống dưới 2% giúp tiết kiệm hàng nghìn tỷ đồng chi phí trích lập dự phòng hàng năm, nâng cao hệ số tín nhiệm quốc tế và hạ chi phí huy động vốn trên thị trường quốc tế từ 50 - 100 bps.

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Thị trường mua bán nợ thứ cấp chưa hoàn chỉnh: VAMC vẫn chủ yếu mua nợ thanh toán bằng trái phiếu đặc biệt, quy mô giao dịch mua bán nợ theo giá thị trường còn khiêm tốn (chỉ đạt 2.819 tỷ đồng năm 2018).
  • Quy định về tài sản tranh chấp chưa đồng nhất: Thiếu văn bản hướng dẫn chi tiết giữa cơ quan tư pháp và ngành ngân hàng về việc xác định "tài sản đang có tranh chấp", gây khó khăn cho việc thu giữ tài sản theo Nghị quyết 42.
  • Nợ tiềm ẩn ngoại bảng: Dù nợ xấu nội bảng giảm còn 1,89%, tổng nợ xấu gộp (bao gồm nợ đã bán cho VAMC chưa xử lý và nợ cơ cấu) vẫn tiềm ẩn rủi ro nếu kinh tế vĩ mô biến động.

Hướng phát triển tiếp theo

  • Xây dựng sàn giao dịch nợ xấu tập trung quốc gia, cho phép các nhà đầu tư tổ chức trong và ngoài nước tham gia giao dịch.
  • Ứng dụng chuẩn mực báo cáo tài chính quốc tế IFRS 9 (Mô hình tổn thất tín dụng dự kiến - Expected Credit Loss) thay thế cho mô hình tổn thất đã phát sinh theo IAS 39.
  • Thử nghiệm cơ chế Sandbox cho các công ty Fintech P2P Lending và công nghệ định danh điện tử (eKYC) để kiểm soát rủi ro tín dụng tiêu dùng từ đầu vào.

Đối tượng hưởng lợi

  • Sinh viên và Giảng viên khối ngành Tài chính - Ngân hàng: Tiếp cận tài liệu thực tế với các số liệu chuẩn xác, hiểu sâu cơ chế vận hành của VAMC và quy trình xử lý nợ xấu ngân hàng.
  • Kỹ sư Hệ thống Core Banking & FinTech Developers: Nắm vững cấu trúc cơ sở dữ liệu, nghiệp vụ trích lập dự phòng và logic thuật toán tính toán rủi ro tín dụng.
  • Ngân hàng Thương mại: Tham khảo khung giải pháp giảm thiểu chi phí xử lý nợ xấu, tối ưu hóa danh mục tài sản và chuẩn bị lộ trình tuân thủ Basel II.
  • Cơ quan Quản lý Nhà nước (NHNN, Bộ Tài chính): Cung cấp luận cứ thực nghiệm để tiếp tục hoàn thiện khung khổ pháp lý xử lý nợ xấu khi Nghị quyết 42 hết thời gian thí điểm.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và pháp lý để ngân hàng xử lý tài sản bảo đảm theo Nghị quyết 42 là gì?

Tài sản bảo đảm phải đáp ứng 4 điều kiện cốt lõi: (1) Đã được đăng ký giao dịch bảo đảm hợp pháp; (2) Có thỏa thuận về quyền thu giữ tài sản trong hợp đồng bảo đảm; (3) Không thuộc diện tài sản đang có tranh chấp trong vụ án đã được thụ lý; (4) Không thuộc diện đang bị áp dụng biện pháp khẩn cấp tạm thời của tòa án.

2. Sự khác biệt giữa mô hình phân loại nợ theo Thông tư 02 và chuẩn mực IFRS 9 là gì?

Thông tư 02 sử dụng mô hình "Tổn thất đã phát sinh" (Incurred Loss Model), chỉ trích lập dự phòng khi khoản vay đã phát sinh quá hạn hoặc có dấu hiệu suy giảm tín dụng rõ ràng. Ngược lại, IFRS 9 áp dụng mô hình "Tổn thất dự kiến" (Expected Credit Loss - ECL), yêu cầu trích lập dự phòng ngay từ ngày đầu giải ngân dựa trên xác suất vỡ nợ (PD) trong tương lai.

3. Trái phiếu đặc biệt VAMC hoạt động như thế nào trong hạch toán kế toán?

Khi bán nợ cho VAMC, ngân hàng nhận lại trái phiếu đặc biệt có mệnh giá bằng giá trị sổ sách khoản nợ trừ đi dự phòng đã trích. Hàng năm, ngân hàng phải trích lập dự phòng rủi ro cho trái phiếu đặc biệt với tỷ lệ 20%/năm (đối với kỳ hạn 5 năm) tính vào chi phí hoạt động, đồng thời ủy quyền cho VAMC xử lý thu hồi nợ.

4. Tại sao việc chuyển nợ thành vốn góp (Debt-to-Equity Swap) ít được áp dụng tại Việt Nam?

Phương pháp này ít khả thi do: (1) Luật Các TCTD hạn chế tỷ lệ sở hữu vốn góp của ngân hàng vào doanh nghiệp ngoài ngành để tránh sở hữu chéo; (2) Ngân hàng thiếu kinh nghiệm quản trị doanh nghiệp chuyên ngành; (3) Nguy cơ mất vốn rất cao nếu doanh nghiệp không có khả năng phục hồi sản xuất kinh doanh.

5. Tỷ lệ LDR (Loan to Deposit Ratio) tác động như thế nào đến rủi ro thanh khoản của ngân hàng?

Hệ số LDR phản ánh tỷ lệ dư nợ cho vay so với tổng vốn huy động. LDR tăng cao (ví dụ đạt 87,3% năm 2017) cho thấy ngân hàng tận dụng tối đa nguồn vốn để cho vay, làm tăng hiệu quả sinh lời nhưng đồng thời làm giảm đệm thanh khoản, khiến ngân hàng dễ bị tổn thương khi có biến động rút tiền gửi đột ngột.


Kết luận

Khóa luận tốt nghiệp "Nợ xấu tại hệ thống ngân hàng thương mại Việt Nam giai đoạn 2014-2018" của tác giả Nguyễn Mạnh Quang đã hoàn thành xuất sắc việc phác họa bức tranh toàn cảnh về cuộc đại phẫu nợ xấu của ngành ngân hàng Việt Nam. Bằng việc kết hợp đồng bộ các công cụ chính sách (Thông tư 02, Thông tư 09, Nghị quyết 42), công cụ xử lý chuyên biệt (VAMC, DATC) và sự chủ động trích lập dự phòng của từng NHTM, tỷ lệ nợ xấu nội bảng toàn hệ thống đã giảm từ mức nguy hiểm 17,21% (2012) về ngưỡng an toàn 1,89% vào cuối năm 2018.

Công trình không chỉ mang giá trị tổng kết thực tiễn sâu sắc mà còn định hình các chuẩn mực quản trị rủi ro hiện đại theo Basel II cho các tổ chức tín dụng. Để duy trì sự lành mạnh tài chính bền vững, các ngân hàng thương mại cần tiếp tục đẩy mạnh số hóa quy trình thẩm định tín dụng, phát triển các dòng thu nhập phi tín dụng và chủ động thích ứng với các chuẩn mực kế toán quốc tế IFRS trong tương lai.