Giới thiệu dự án

Trong cấu trúc hoạt động của hệ thống Ngân hàng Thương mại (NHTM), hoạt động cấp tín dụng đóng vai trò là nghiệp vụ tạo lập doanh thu và lợi nhuận cốt lõi, thường chiếm tới 70% tổng quy mô tài sản Có. Tuy nhiên, đi kèm với tỷ suất sinh lời là rủi ro tiềm ẩn rất lớn: theo các thống kê ngành ngân hàng, rủi ro tín dụng chiếm khoảng 70% tổng các loại rủi ro phát sinh trong hoạt động tài chính ngân hàng. Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh với đề tài "Phân tích rủi ro tín dụng trong hoạt động cho vay tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) - Chi nhánh Bến Ngự Huế" tập trung giải quyết bài toán kiểm soát, nhận dạng và tối ưu hóa danh mục cho vay bán lẻ và doanh nghiệp nhỏ tại địa bàn miền Trung giai đoạn 2015 – 2017.

Vấn đề thực tiễn và bài toán đặt ra

Trong bối cảnh VPBank định hướng chuyển đổi mạnh mẽ sang mô hình ngân hàng bán lẻ hàng đầu Việt Nam, số lượng hồ sơ vay vốn cá nhân và hộ kinh doanh tăng vọt với các đặc thù:

  • Khoản vay có quy mô nhỏ lẻ, số lượng hợp đồng phát sinh lớn, phân tán địa lý phức tạp.
  • Khách hàng thiếu hệ thống kế toán chuẩn mực, gây hiện tượng bất cân xứng thông tin (information asymmetry) trong khâu thẩm định.
  • Sự biến động của chu kỳ kinh tế nông sản - dịch vụ theo mùa vụ tại Thừa Thiên Huế dẫn đến nguy cơ đọng vốn, nợ quá hạn và nợ xấu (NPL) nếu quy trình kiểm soát 3 giai đoạn (trước - trong - sau giải ngân) không được thực thi chặt chẽ.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Chuẩn hóa khung kiểm soát rủi ro tín dụng theo chuẩn mực NHTM và Quyết định 493/2005/QĐ-NHNN của Ngân hàng Nhà nước (NHNN).
  2. Định lượng thực trạng hoạt động: Phân tích toàn diện nguồn vốn, doanh số cho vay, doanh số thu nợ, dư nợ và biến động nợ quá hạn tại VPBank Bến Ngự qua 3 năm (2015 - 2017).
  3. Mô hình hóa quy trình kiểm soát: Đánh giá chi tiết 7 bước cấp tín dụng và cơ chế kiểm soát tại 3 điểm mấu chốt: trước giải ngân, trong giải ngân và sau giải ngân.
  4. Đề xuất gói giải pháp khả thi: Thiết lập hệ thống thẩm định 5C, phân tán rủi ro danh mục và lộ trình nâng cao năng lực giám sát sau giải ngân.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Ngân hàng TMCP Việt Nam Thịnh Vượng - Chi nhánh Bến Ngự Huế (66 Trần Thúc Nhẫn, TP. Huế).
  • Thời gian: Dữ liệu tài chính và hoạt động tín dụng thứ cấp từ năm 2015 đến năm 2017.
  • Giới hạn nghiệp vụ: Tập trung vào tín dụng ngắn hạn, trung - dài hạn cho khách hàng cá nhân và doanh nghiệp nhỏ, gắn liền hệ thống Core Banking Temenos T24 và hệ thống IPCAS.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm nghiên cứu, hoạt động quản trị tín dụng tại các chi nhánh NHTM cấp cơ sở bộc lộ nhiều khoảng trống giữa quy chuẩn lý thuyết và thực thi tác nghiệp:

Tiêu chí Mô hình truyền thống (Cảm quan) Mô hình Basel II / Chấm điểm tín dụng Mô hình kiểm soát 3 giai đoạn tại VPBank
Cơ chế thẩm định Dựa trên kinh nghiệm của Cán bộ Tín dụng (CBTD) Tự động hóa qua Credit Scoring Engine Kết hợp thẩm định 5C + Phán duyệt phân tầng
Kiểm soát giải ngân Kiểm tra chứng từ thủ công tại quầy Tự động đối soát dữ liệu qua API Kiểm tra chéo giữa Chuyên viên QHKH & Kế toán trên T24
Giám sát sau vay Kiểm tra định kỳ thụ động (khi quá hạn) Giám sát dòng tiền tài khoản thời gian thực Kiểm tra hiện trường định kỳ 3/6/12 tháng + Tự động phân loại nợ
Ưu điểm Linh hoạt với khách hàng địa phương Tốc độ cao, tính khách quan tuyệt đối Cân bằng giữa am hiểu địa phương và kiểm soát tuân thủ
Nhược điểm Rủi ro đạo đức, dễ bỏ sót sai phạm Đòi hỏi dữ liệu lớn (Big Data) chuẩn hóa Chi phí vận hành và nhân sự kiểm tra hiện trường cao

Ma trận ưu tiên yêu cầu nghiệp vụ (MoSCoW)

  • Must have (Bắt buộc): Tuân thủ tỷ lệ an toàn vốn, phân loại nợ 5 nhóm theo Quyết định 493/2005/QĐ-NHNN, kiểm soát định giá và đăng ký giao dịch bảo đảm cho 100% tài sản thế chấp.
  • Should have (Nên có): Tự động hóa cảnh báo nợ đến hạn trên hệ thống Core Banking, phân tầng hạn mức duyệt vay theo cấp quản lý (Giám đốc CN, Trưởng phòng QHKH).
  • Could have (Có thể có): Xây dựng ma trận tính điểm tín dụng nội bộ riêng biệt cho nhóm khách hàng kinh doanh nông sản thời vụ.
  • Won't have (Chưa thực hiện): Triển khai thuật toán AI phê duyệt tín dụng tức thì (Instant Approval) hoàn toàn không qua con người trong phạm vi nghiên cứu 2015 - 2017.

Thiết kế hệ thống

Kiến trúc kiểm soát rủi ro tín dụng tại VPBank Bến Ngự được xây dựng theo mô hình phòng vệ 3 lớp khép kín, tích hợp trực tiếp với hệ sinh thái công nghệ thông tin ngân hàng.

flowchart TD
    subgraph PreDisbursement["Giai đoạn 1: Kiểm soát trước giải ngân"]
        A[Tiếp nhận hồ sơ & Tư vấn KH] --> B[Thẩm định nguyên tắc 5C]
        B --> C[Kiểm tra CIC & Định giá TSĐB]
        C --> D{Phê duyệt tín dụng}
        D -- Từ chối --> E[Thông báo từ chối]
        D -- Chấp thuận --> F[Soạn thảo HĐTD & ĐK Giao dịch ĐB]
    end

    subgraph DuringDisbursement["Giai đoạn 2: Kiểm soát trong giải ngân"]
        F --> G[Kiểm tra điều kiện tiên quyết]
        G --> H[Nhập dữ liệu vào Core Banking T24 / IPCAS]
        H --> I[Kế toán sàn & Ngân quỹ giải ngân tiền mặt/CK]
    end

    subgraph PostDisbursement["Giai đoạn 3: Kiểm soát sau giải ngân"]
        I --> J[Kiểm tra mục đích sử dụng vốn vay 30 ngày]
        J --> K[Tái định giá TSĐB định kỳ 3/6/12 tháng]
        K --> L{Theo dõi thu nợ trên T24}
        L -- Đúng hạn --> M[Tất toán & Giải chấp]
        L -- Quá hạn --> N[Chuyển nhóm nợ & Xử lý thu hồi/Phát mại]
    end

Công nghệ và hạ tầng vận hành

  • Hệ thống ngân hàng lõi: Temenos T24 (Release R14+), quản lý tập trung tài khoản, hạch toán khế ước nhận nợ, tự động trích nợ tự động và phân loại nhóm nợ cuối ngày (EOD - End of Day processing).
  • Hệ thống giao dịch phụ trợ: IPCAS (Hệ thống thanh toán và kế toán khách hàng), xử lý lệnh chuyển tiền, giải ngân giải tỏa theo tiến độ dự án.
  • Hệ cơ sở dữ liệu: Oracle Database Enterprise Edition, đảm bảo tính toàn vẹn dữ liệu giao dịch ACID và bảo mật phân quyền theo vai trò (RBAC - Role-Based Access Control).
  • Hạ tầng kiểm tra thông tin tín dụng: Kết nối cổng thông tin Trung tâm Thông tin Tín dụng Quốc gia Việt Nam (CIC - Credit Information Center).

Phương pháp luận quản trị rủi ro

Quy trình quản lý kết hợp chặt chẽ giữa phân tích định lượng (Quantitative metrics) và thẩm định định tính (Qualitative framework):

Implementation và kết quả

Quy trình nghiệp vụ và công thức tính toán chỉ số

Hoạt động giám sát rủi ro tín dụng tại chi nhánh được lượng hóa thông qua hệ thống chỉ tiêu tài chính và phân loại nợ theo quy định:

1. Hệ số thu nợ ($H_{tn}$)

$$H_{tn} = \left( \frac{\text{Doanh số thu nợ}}{\text{Doanh số cho vay}} \right) \times 100%$$ Ý nghĩa: Phản ánh hiệu quả thu hồi nợ; $H_{tn}$ càng cao chứng tỏ vòng quay vốn an toàn và khách hàng trả nợ tốt.

2. Tỷ lệ nợ quá hạn ($R_{qh}$)

$$R_{qh} = \left( \frac{\text{Dư nợ quá hạn}}{\text{Tổng dư nợ cho vay}} \right) \times 100% \quad (\text{Ngưỡng chuẩn an toàn: } R_{qh} \le 5%)$$

3. Tỷ lệ rủi ro tín dụng ($R_{td}$)

$$R_{td} = \left( \frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tài sản Có}} \right) \times 100%$$

4. Phân loại 5 nhóm nợ theo Quyết định 493/2005/QĐ-NHNN

  • Nhóm 1 (Nợ đủ tiêu chuẩn): Quá hạn dưới 10 ngày (khả năng thu hồi 100%).
  • Nhóm 2 (Nợ cần chú ý): Quá hạn từ 10 đến 90 ngày.
  • Nhóm 3 (Nợ dưới tiêu chuẩn): Quá hạn từ 91 đến 180 ngày (Trích lập dự phòng cụ thể 20%).
  • Nhóm 4 (Nợ nghi ngờ): Quá hạn từ 181 đến 360 ngày (Trích lập dự phòng cụ thể 50%).
  • Nhóm 5 (Nợ có khả năng mất vốn): Quá hạn trên 360 ngày (Trích lập dự phòng cụ thể 100%).

Mã nguồn thuật toán kiểm tra và phân loại rủi ro tín dụng tự động (Python Simulation)

from dataclasses import dataclass
from datetime import datetime, timedelta
from typing import List, Dict

@dataclass
class LoanContract:
    contract_id: str
    customer_name: str
    principal_amount: float
    current_balance: float
    due_date: datetime
    last_payment_date: datetime
    collateral_value: float
    interest_rate: float

class CreditRiskEngine:
    def __init__(self, provisioning_rates: Dict[int, float] = None):
        # Tỷ lệ trích lập dự phòng cụ thể theo Quyết định 493/2005/QĐ-NHNN
        self.provisioning_rates = provisioning_rates or {
            1: 0.00,  # Nhóm 1: 0%
            2: 0.05,  # Nhóm 2: 5%
            3: 0.20,  # Nhóm 3: 20%
            4: 0.50,  # Nhóm 4: 50%
            5: 1.00   # Nhóm 5: 100%
        }

    def evaluate_loan_status(self, loan: LoanContract, current_date: datetime) -> Dict:
        days_overdue = (current_date - loan.due_date).days if current_date > loan.due_date else 0
        
        if days_overdue <= 10:
            bucket = 1
            status = "Nợ đủ tiêu chuẩn"
        elif 11 <= days_overdue <= 90:
            bucket = 2
            status = "Nợ cần chú ý"
        elif 91 <= days_overdue <= 180:
            bucket = 3
            status = "Nợ dưới tiêu chuẩn"
        elif 181 <= days_overdue <= 360:
            bucket = 4
            status = "Nợ nghi ngờ"
        else:
            bucket = 5
            status = "Nợ có khả năng mất vốn"

        # Tính toán giá trị khấu trừ TSĐB và trích lập dự phòng rủi ro (DPRR)
        risk_exposure = max(0.0, loan.current_balance - loan.collateral_value)
        specific_provision = loan.current_balance * self.provisioning_rates[bucket]
        ltv_ratio = (loan.current_balance / loan.collateral_value * 100) if loan.collateral_value > 0 else 999.0

        return {
            "contract_id": loan.contract_id,
            "days_overdue": days_overdue,
            "debt_group": bucket,
            "status_label": status,
            "ltv_ratio": round(ltv_ratio, 2),
            "specific_provision": round(specific_provision, 2),
            "requires_action": bucket >= 2
        }

# Khởi tạo mô phỏng phân tích danh mục tại chi nhánh
if __name__ == "__main__":
    engine = CreditRiskEngine()
    today = datetime(2017, 12, 31)
    
    sample_loan = LoanContract(
        contract_id="VPB-BN-2017-089",
        customer_name="Công ty TNHH MTV Chế biến Nông sản Huế",
        principal_amount=500_000_000,
        current_balance=450_000_000,
        due_date=datetime(2017, 10, 15),
        last_payment_date=datetime(2017, 9, 15),
        collateral_value=600_000_000,
        interest_rate=0.105
    )
    
    result = engine.evaluate_loan_status(sample_loan, today)
    print(f"Kết quả phân loại khoản vay {result['contract_id']}:")
    print(f"- Số ngày quá hạn: {result['days_overdue']} ngày -> {result['status_label']} (Nhóm {result['debt_group']})")
    print(f"- Tỷ lệ LTV: {result['ltv_ratio']}% | Trích lập DPRR: {result['specific_provision']:,.0f} VNĐ")

Kết quả định lượng đạt được tại VPBank Bến Ngự (2015 – 2017)

Dữ liệu khảo sát thực tế tại VPBank Chi nhánh Bến Ngự phản ánh các bước tiến vượt bậc trong quy mô tài sản, huy động vốn và tái cơ cấu danh mục cho vay:

1. Quy mô nguồn vốn và cơ cấu vốn huy động

Chỉ tiêu tài chính Năm 2015 (Trđ) Năm 2016 (Trđ) Năm 2017 (Trđ) Tăng trưởng 16/15 (%) Tăng trưởng 17/16 (%)
Vốn huy động tại địa phương 143.959 171.540 205.538 +19,96% +19,82%
Trong đó: Tiền gửi dân cư 90.039 114.154 166.193 +26,84% +45,59%
Tiền gửi tổ chức kinh tế 53.920 57.386 39.345 +6,43% -31,44%
Vốn điều hòa từ Hội sở 155.430 180.145 152.106 +15,90% -15,56%
Tổng nguồn vốn 298.420 351.685 357.644 +17,85% +1,69%

Nhận định: Tỷ trọng vốn huy động nội bảng tại địa phương tăng từ 48,24% (2015) lên 57,47% (2017), cho thấy chi nhánh giảm dần sự phụ thuộc vào nguồn vốn điều hòa từ Hội sở (+45,59% tiền gửi dân cư năm 2017).

2. Doanh số cho vay phân theo kỳ hạn

Phân loại kỳ hạn Năm 2015 (Trđ) Năm 2016 (Trđ) Năm 2017 (Trđ) Tăng trưởng 16/15 (%) Tăng trưởng 17/16 (%)
Cho vay ngắn hạn 322.165 (93,26%) 428.064 (90,52%) 597.239 (95,62%) +32,87% +39,52%
Cho vay trung & dài hạn 23.591 (6,74%) 45.319 (9,48%) 27.388 (4,38%) +92,35% -38,88%
Tổng doanh số cho vay 345.756 473.383 624.627 +36,91% +31,95%

3. Kết quả kinh doanh và hiệu quả tài chính

Chỉ tiêu hiệu quả Năm 2015 (Trđ) Năm 2016 (Trđ) Năm 2017 (Trđ) So sánh 16/15 So sánh 17/16
Tổng thu nhập 39.720 50.114 64.530 +26,17% +28,77%
Thu lãi từ hoạt động cho vay 38.752 49.002 60.120 +26,45% +22,69%
Tổng chi phí 30.600 39.526 55.944 +29,17% +41,54%
Lợi nhuận trước thuế 9.120 10.588 8.586 +16,10% -18,91%

Phân tích biên lợi nhuận: Năm 2017 tổng thu nhập đạt đỉnh 64,53 tỷ đồng (+28,77%), nhưng lợi nhuận trước thuế giảm 18,91% do chi nhánh chủ động tăng chi phí trích lập dự phòng rủi ro tín dụng cho các khoản nợ tiềm ẩn và chi phí huy động cạnh tranh.

4. Cơ cấu nhân lực phục vụ kiểm soát tín dụng

Năm 2015: 27 nhân sự  [ĐH & Trên ĐH: 92.6% (25) | Cao đẳng/TC: 3.7% (1) | Phổ thông: 3.7% (1)]
Năm 2016: 33 nhân sự  [ĐH & Trên ĐH: 96.9% (32) | Cao đẳng/TC: 3.1% (1) | Phổ thông: 0.0% (0)]
Năm 2017: 31 nhân sự  [ĐH & Trên ĐH: 93.5% (29) | Cao đẳng/TC: 3.25% (1)| Phổ thông: 3.25% (1)]

Chất lượng đội ngũ chuyên môn hóa cao (tỷ lệ đại học và trên đại học duy trì trên 93% qua các năm) là nền tảng cốt lõi giúp tỷ lệ nợ quá hạn của chi nhánh duy trì ở ngưỡng an toàn theo quy định NHNN.

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình kiểm soát 3 chặng khép kín: Thay thế phương thức kiểm tra phân tán bằng quy trình chuẩn hóa: Phân tích 5C trước giải ngân $\rightarrow$ Kiểm tra chéo chứng từ trên T24 trong giải ngân $\rightarrow$ Tái thẩm định hiện trường định kỳ 3/6/12 tháng sau giải ngân.
  2. Chiến lược tín dụng chu kỳ ngắn hạn linh hoạt: Tập trung tỷ trọng cho vay ngắn hạn lên tới 95,62% năm 2017 (doanh số đạt 597,239 tỷ đồng). Chiến lược này thích ứng hoàn hảo với đặc thù kinh tế Thừa Thiên Huế (chu kỳ quay vòng vốn dịch vụ - nông sản dưới 12 tháng), giảm thiểu đáng kể rủi ro đọng vốn dài hạn so với các khoản vay trung dài hạn vốn sụt giảm 38,88% trong cùng kỳ.
  3. Mô hình hóa liên kết dữ liệu giữa QHKH và Kế toán giao dịch: Xóa bỏ tình trạng giải ngân khống hoặc vượt thẩm quyền thông qua cơ chế phân quyền "Maker - Checker" trên hệ thống phần mềm ngân hàng lõi.
Chỉ số đánh giá Phương pháp truyền thống Giải pháp chuẩn hóa tại VPBank Bến Ngự Mức độ cải thiện (%)
Tốc độ tăng trưởng DS cho vay Tăng trưởng bình quân 15%/năm Đạt 624,627 tỷ đồng năm 2017 +36,91% (2016) & +31,95% (2017)
Huy động tiền gửi dân cư Tăng trưởng chậm do cạnh tranh Đạt 166,193 tỷ đồng năm 2017 +45,59% (Tăng mạnh tính tự chủ nguồn vốn)
Kiểm soát rủi ro thao tác Kiểm tra chứng từ giấy sau ngày Kiểm soát đa tầng trên hệ thống Core T24 Triệt tiêu lỗi vượt hạn mức giải ngân

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng điển hình (Use Cases)

[Khách hàng Cá nhân / Hộ kinh doanh]
[Trưởng phòng QHKH & Giám đốc Chi nhánh ký duyệt]

Yêu cầu triển khai và lộ trình nhân rộng

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Sụt giảm huy động từ tổ chức kinh tế: Năm 2017 tiền gửi từ khối doanh nghiệp giảm mạnh 31,44% (đạt 39,345 tỷ đồng so với 57,386 tỷ đồng năm 2016) do sức ép cạnh tranh lãi suất và ưu đãi từ các ngân hàng thương mại quốc doanh.
  • Chi phí vận hành tăng cao: Chi phí hoạt động và trích lập dự phòng rủi ro năm 2017 tăng 41,54%, làm lợi nhuận trước thuế giảm 18,91%.
  • Quy trình giám sát sau giải ngân: Vẫn phụ thuộc nhiều vào việc kiểm tra hiện trường thủ công của chuyên viên quan hệ khách hàng, tiềm ẩn nguy cơ chậm trễ thông tin khi địa bàn mở rộng.

Hướng phát triển trong tương lai

  1. Ứng dụng Machine Learning & AI vào Credit Scoring: Tích hợp các thuật toán học máy (XGBoost, Random Forest) để phân tích hành vi chi tiêu và dòng tiền của khách hàng bán lẻ trong thời gian thực.
  2. Tự động hóa tái định giá tài sản đảm bảo: Kết nối dữ liệu địa chính và biểu giá thị trường bất động sản Thừa Thiên Huế vào hệ thống định giá tự động (Automated Valuation Model - AVM).
  3. Mở rộng sản phẩm tín dụng số (Digital Lending): Tích hợp định danh điện tử (eKYC) và giải ngân tức thì trên nền tảng ứng dụng di động VPBank Online.

Đối tượng hưởng lợi

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống quản trị rủi ro tín dụng phân tầng là gì?

Hệ thống yêu cầu nền tảng ngân hàng lõi (như Temenos T24 hoặc tương đương) có khả năng phân tách module quản lý hạn mức (Limit Management), phân loại nợ tự động theo chu kỳ EOD, phân quyền người dùng theo nguyên tắc 4 mắt (Four-eyes principle), cùng cổng kết nối trực tuyến hai chiều tới cơ sở dữ liệu CIC.

2. Tại sao chi nhánh lại chuyển hướng tập trung tỷ trọng cho vay ngắn hạn lên tới hơn 95%?

Do nguồn vốn huy động của chi nhánh chủ yếu là tiền gửi ngắn hạn từ dân cư (166,193 tỷ đồng năm 2017). Việc đẩy mạnh tín dụng ngắn hạn giúp đảm bảo nguyên tắc cân đối kỳ hạn (Maturity Matching), hạn chế rủi ro thanh khoản, đồng thời phù hợp với chu kỳ vốn lưu động nhanh của các hộ kinh doanh và doanh nghiệp nhỏ tại TP. Huế.

3. Làm thế nào để giải quyết tình trạng khách hàng sử dụng vốn sai mục đích sau khi giải ngân?

Áp dụng quy trình kiểm soát sau vay 3 bước:

  1. Giải ngân phong tỏa trực tiếp sang tài khoản bên thụ hưởng (bên bán hàng hóa/dịch vụ).
  2. Kiểm tra hiện trường đột xuất trong vòng 30 ngày kể từ ngày nhận nợ để kiểm tra hóa đơn, chứng từ và thực tế kho bãi/mục đích tiêu dùng.
  3. Thu thập sao kê tài khoản thanh toán để đánh giá lưu chuyển dòng tiền định kỳ.

4. Chi phí trích lập dự phòng rủi ro tín dụng ảnh hưởng như thế nào đến kết quả kinh doanh của chi nhánh?

Theo Quyết định 493/2005/QĐ-NHNN, khi một khoản vay bị chuyển nhóm nợ (từ nhóm 2 đến nhóm 5), ngân hàng bắt buộc phải trích lập dự phòng cụ thể từ 5% đến 100% giá trị rủi ro. Khoản trích lập này được hạch toán trực tiếp vào chi phí hoạt động trong kỳ, làm giảm lợi nhuận trước thuế nhưng đảm bảo bộ đệm an toàn tài chính bảo vệ ngân hàng khi xảy ra mất vốn thực tế.

5. Khóa luận này có thể ứng dụng cho các mô hình tài chính công nghệ (Fintech) hiện đại không?

Hoàn toàn có thể. Khung lý thuyết thẩm định 5C, các chỉ tiêu vòng quay vốn tín dụng và nguyên tắc phân nhóm nợ là nền tảng cốt lõi để xây dựng các thuật toán chấm điểm tín dụng tự động (Credit Scoring API) và thiết kế sản phẩm cho vay ngang hàng (P2P Lending) hoặc dịch vụ Mua trước trả sau (BNPL) hiện nay.

Kết luận

Khóa luận tốt nghiệp "Phân tích rủi ro tín dụng trong hoạt động cho vay tại Ngân hàng TMCP Việt Nam Thịnh Vượng VPBank Chi nhánh Bến Ngự Huế" của sinh viên Đặng Thị Thành Ý (Khoa Quản trị Kinh doanh - Đại học Kinh tế Huế) đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Đề tài không chỉ hệ thống hóa vững chắc các luận cứ khoa học về kiểm soát rủi ro ngân hàng mà còn cung cấp một bức tranh định lượng chi tiết, khách quan về thực trạng hoạt động tín dụng trong giai đoạn 2015 – 2017.

Bằng việc chỉ rõ mối quan hệ tương hỗ giữa cơ cấu nguồn vốn, chất lượng nhân lực chuyên môn cao (>93% trình độ đại học) và chiến lược tập trung tín dụng ngắn hạn (chiếm 95,62% tổng doanh số), công trình đã đề xuất hệ thống giải pháp kiểm soát 3 giai đoạn mang tính ứng dụng thực tiễn cao. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn sâu sắc cho các nhà quản trị ngân hàng, chuyên viên thẩm định rủi ro và sinh viên chuyên ngành kinh tế - tài chính.