Giới thiệu dự án

Hoạt động cho vay tiêu dùng (Consumer Lending) đóng vai trò đòn bẩy kích cầu nội địa và là động lực tăng trưởng cốt lõi của hệ thống tài chính - ngân hàng hiện đại. Theo thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN), quy mô dư nợ cho vay tiêu dùng toàn nền kinh tế đã tăng trưởng đột phá từ 365,56 nghìn tỷ đồng (năm 2014, chiếm 8% tổng dư nợ) lên hơn 1,4 triệu tỷ đồng (năm 2018) và đạt tỷ trọng 20,5% tổng dư nợ toàn nền kinh tế vào năm 2020 (tăng gấp 2,5 lần so với năm 2012). Mặc dù tốc độ tăng trưởng tín dụng tiêu dùng giai đoạn 2015–2017 đạt đỉnh 61,3%/năm và duy trì mức 20–29,38% trong giai đoạn 2018–2020, thị trường Việt Nam vẫn tồn tại dư địa khai thác rất lớn khi mới chỉ có khoảng 15–20% dân số tiếp cận dịch vụ từ các tổ chức tài chính chính thức.

Tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) – đơn vị tiên phong trong phân khúc tài chính bán lẻ, Trung tâm Tín chấp miền Bắc (Worksite Banking) là kênh phân phối chiến lược trực thuộc Khối Khách hàng Cá nhân, chuyên trách hai nhóm sản phẩm chủ lực: cho vay tín chấp theo lương (Payroll/Unsecured Loans) và thẻ tín dụng (Credit Cards). Tuy nhiên, trước bối cảnh cạnh tranh gay gắt từ các công ty tài chính tiêu dùng (như FE Credit, Home Credit, HD Saison với biên lãi thuần NIM dao động 25–38%) cùng các ngân hàng thương mại bán lẻ khác, hoạt động cho vay tiêu dùng tín chấp tại Trung tâm phải đối mặt với bài toán tối ưu hóa danh mục: vừa mở rộng quy mô tín dụng, vừa kiểm soát tỷ lệ nợ xấu ($NPL \le 3%$) và cải thiện vòng quay vốn trong điều kiện rủi ro bất đối xứng thông tin cao.

Đề tài khóa luận tập trung giải quyết các mục tiêu cụ thể sau:

  1. Hệ thống hóa cơ sở lý luận, tiêu chuẩn pháp lý (Thông tư 39/2016/TT-NHNN, Thông tư 43/2016/TT-NHNN, Thông tư 06/2016/TT-NHNN) và các chỉ tiêu định lượng đánh giá hiệu quả tín dụng tiêu dùng.
  2. Phân tích thực trạng tài chính và hiệu quả cho vay tiêu dùng tại Trung tâm Tín chấp miền Bắc giai đoạn 2018–2020 thông qua hệ thống dữ liệu doanh số giải ngân, cơ cấu nợ, tỷ lệ nợ quá hạn, tỷ lệ nợ xấu và hệ số thu nợ.
  3. Ứng dụng ma trận SWOT và mô hình quản trị rủi ro tín dụng để nhận diện điểm nghẽn, từ đó đề xuất hệ thống giải pháp nâng cao chất lượng tín dụng, số hóa quy trình thẩm định và tái cấu trúc danh mục nợ.
+-----------------------------------------------------------------------------------+
|                           PHẠM VI VÀ GIỚI HẠN DỰ ÁN                               |
+-----------------------------------+-----------------------------------------------+
| Phạm vi nội dung                  | Đánh giá hiệu quả tài chính, chất lượng tín   |
|                                   | dụng và quy trình cấp tín chấp tiêu dùng.     |
+-----------------------------------+-----------------------------------------------+
| Không gian nghiên cứu             | Trung tâm Tín chấp miền Bắc (VPBank).         |
+-----------------------------------+-----------------------------------------------+
| Khung thời gian dữ liệu           | Giai đoạn chu kỳ tài chính 2018 - 2020.       |
+-----------------------------------+-----------------------------------------------+
| Giới hạn kỹ thuật                 | Tập trung vào tín dụng cá nhân không tài sản  |
|                                   | đảm bảo (Unsecured) và thẻ tín dụng.          |
+-----------------------------------+-----------------------------------------------+

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường tài chính tiêu dùng Việt Nam chia thành hai nhóm định chế chính: Ngân hàng Thương mại (NHTM) nắm giữ hơn 90% quy mô vốn với mức lãi suất trung bình 10% – 35%/năm, và Công ty Tài chính tiêu dùng (CTTC) chiếm xấp xỉ 10% thị phần còn lại với mức lãi suất từ 20% – 50%/năm.

Tiêu chí so sánh Ngân hàng Thương mại truyền thống Công ty Tài chính (FE Credit, Home Credit) Kênh Tín chấp Công sở VPBank (Worksite Banking)
Chi phí vốn & Lãi suất Chi phí vốn thấp, APR từ 10% – 20%/năm Chi phí vốn cao, APR từ 25% – 50%/năm Cạnh tranh, APR ưu đãi từ 15% – 28%/năm
Thẩm định & Hồ sơ Chặt chẽ, bắt buộc TSĐB hoặc thủ tục phức tạp Rất linh hoạt, thẩm định nhanh dựa trên hóa đơn/CMND Thẩm định tự động hóa dựa trên dòng tiền lương (Payroll)
Tỷ lệ Nợ xấu (NPL) Rất thấp ($< 2.0%$) Cao ($5.0% - 9.0%$) do tệp rủi ro cao Subprime Kiểm soát tốt ($1.09% - 1.80%$) nhờ kiểm soát nguồn trả nợ
Vòng quay luân chuyển vốn Trung bình (0.5 – 1.0 vòng/năm) Nhanh ($> 1.2$ vòng/năm) do chu kỳ vay ngắn Cải thiện liên tục (đạt 0.585 vòng vào năm 2020)

Phân tích yêu cầu nghiệp vụ theo ma trận MoSCoW:

  • Must-have (Bắt buộc): Hệ thống chấm điểm tín dụng nội bộ tự động (Internal Credit Scoring System); kiểm soát giới hạn tỷ lệ vốn ngắn hạn cho vay trung/dài hạn dưới ngưỡng trần 40% theo Thông tư 06/2016/TT-NHNN; quy trình trích lập dự phòng rủi ro theo phân loại nợ nhóm 1–5.
  • Should-have (Nên có): API tích hợp trung tâm thông tin tín dụng quốc gia (CIC) theo thời gian thực; quy trình phê duyệt tự động Straight-Through Processing (STP) cho hồ sơ Payroll.
  • Could-have (Có thể có): Mô hình cảnh báo sớm nợ quá hạn (Early Warning System - EWS) dựa trên dữ liệu giao dịch thẻ và tài khoản thanh toán.
  • Won't-have (Chưa ưu tiên): Cấp tín chấp trực tiếp cho nhóm khách hàng phi chính thức hoàn toàn không có lịch sử giao dịch ngân hàng hoặc tài khoản chứng minh thu nhập.

Thiết kế hệ thống

Kiến trúc luồng xử lý và thẩm định tín dụng tiêu dùng Worksite Banking được xây dựng đồng bộ từ tiếp nhận hồ sơ, trích xuất dữ liệu, định điểm rủi ro đến giải ngân trên hệ thống ngân hàng lõi Core Banking:

+------------------+      +-------------------+      +----------------------+
| Kênh tiếp nhận   | ---> | Dịch vụ định danh | ---> | Hệ thống Chấm điểm   |
| Web/App/Payroll  |      | & Tra cứu CIC     |      | Tín dụng nội bộ (CSS)|
+------------------+      +-------------------+      +----------------------+
                                                                |
                                                                v
+------------------+      +-------------------+      +----------------------+
| Giải ngân tự động| <--- | Động cơ ra quyết  | <--- | Mô hình ước tính     |
| Core T24 API     |      | định hạn mức (LOS)|      | PD / DTI / LTV       |
+------------------+      +-------------------+      +----------------------+

Công nghệ và tiêu chuẩn kỹ thuật áp dụng trong quy trình quản trị dữ liệu:

  • Ngân hàng lõi (Core Banking): Temenos T24 (Release R18/R20) xử lý hạch toán nợ, trích lập lãi dự thu và quản lý hạn mức tập trung.
  • Hệ thống khởi tạo khoản vay (LOS): Tích hợp BPMN 2.0 Engine điều phối quy trình phê duyệt đa cấp.
  • Động cơ phân tích rủi ro (Risk Engine): Python 3.9, Pandas 1.3.0, Scikit-Learn 0.24 kết nối cơ sở dữ liệu PostgreSQL 13 và Oracle Database 19c Enterprise.
  • Mô hình bảo mật: Chuẩn mã hóa AES-256 cho dữ liệu định danh khách hàng (PII) và giao thức TLS 1.3 cho toàn bộ kết nối API tích hợp CIC/E-KYC.

Methodology

Phương pháp nghiên cứu kết hợp giữa định tính và mô hình hóa định lượng tài chính theo tiêu chuẩn Basel II:

  • Phương pháp thu thập dữ liệu thứ cấp: Báo cáo tài chính, bảng cân đối kế toán, báo cáo thống kê phân loại nợ tại Trung tâm Tín chấp miền Bắc giai đoạn 2018–2020.
  • Phương pháp toán tài chính: Sử dụng hệ số nợ quá hạn, tỷ lệ nợ xấu ($NPL$), vòng quay vốn tín dụng ($CR$), hệ số thu nợ ($RR$), và công thức xác định khả năng trả nợ dựa trên tỷ lệ gánh nặng nợ (Debt-to-Income - DTI):

$$\text{DTI} = \frac{\text{Tổng nghĩa vụ nợ phải trả hàng tháng (Gốc + Lãi)}}{\text{Thu nhập thực nhận hàng tháng qua tài khoản}} \le 45%$$

$$\text{Vòng quay vốn CVTD} = \frac{\text{Doanh số thu nợ trong kỳ}}{\text{Dư nợ bình quân trong kỳ}} = \frac{\text{Doanh số thu nợ}}{\frac{\text{Dư nợ đầu kỳ} + \text{Dư nợ cuối kỳ}}{2}}$$

$$\text{Hệ số thu nợ} = \frac{\text{Doanh số thu nợ}}{\text{Doanh số cho vay}}$$

Implementation và kết quả

Development process

Quy trình quản lý danh mục và thẩm định hồ sơ được chuẩn hóa thông qua pipeline tính toán điểm tín dụng tự động. Dưới đây là thuật toán mẫu triển khai mô hình chấm điểm xác suất vỡ nợ (Probability of Default - PD) và phê duyệt hạn mức tối đa cho khách hàng trả lương qua VPBank:

# Model Scoring va Tham dinh Han muc Tin chap Tieu dung (VPBank Worksite Banking)
import numpy as np
import pandas as pd

def evaluate_consumer_loan(applicant_data: dict) -> dict:
    """
    Tham dinh dieu kien cap tin dung tieu dung khong tai san dam bao.
    applicant_data gom: monthly_income, current_debt_payment, 
                        cic_score, employment_months, loan_request
    """
    monthly_income = applicant_data.get('monthly_income', 0.0)
    current_debt = applicant_data.get('current_debt_payment', 0.0)
    cic_score = applicant_data.get('cic_score', 0)
    tenure_months = applicant_data.get('employment_months', 0)
    loan_request = applicant_data.get('loan_request', 0.0)
    
    # 1. Kiem tra dieu kien tien quyet (Hard Rules)
    if cic_score < 600 or tenure_months < 6 or monthly_income < 5_000_000:
        return {"status": "REJECTED", "reason": "Vi pham tieu chuan tin dung toi thieu"}
    
    # 2. Tinh toan ty le DTI toi da cho phep (Max DTI = 45%)
    max_allowable_monthly_payment = (monthly_income * 0.45) - current_debt
    if max_allowable_monthly_payment <= 0:
        return {"status": "REJECTED", "reason": "Ty le DTI vuot nguong an toan 45%"}
        
    # 3. Uoc tinh han muc cho vay toi da (Toi da 10 thang luong hoac theo dong tien)
    max_loan_by_income = monthly_income * 10
    interest_rate_monthly = 0.015 # 18%/nam
    term_months = 36
    
    # Cong thuc tinh gia tri hien tai cua dong tien tra gop deu hang thang (Annuity PV)
    pv_factor = (1 - (1 + interest_rate_monthly) ** (-term_months)) / interest_rate_monthly
    max_loan_by_dti = max_allowable_monthly_payment * pv_factor
    
    approved_limit = min(loan_request, max_loan_by_income, max_loan_by_dti)
    approved_limit = round(approved_limit, -6) # Lam tron den trieu dong
    
    return {
        "status": "APPROVED",
        "approved_amount": approved_limit,
        "monthly_installment": round(approved_limit / pv_factor, 2),
        "dti_ratio": round(((current_debt + (approved_limit / pv_factor)) / monthly_income) * 100, 2),
        "risk_tier": "LOW" if cic_score >= 700 else "MEDIUM"
    }

# Vi du thuc thi kiem thu
sample_customer = {
    "monthly_income": 25_000_000,
    "current_debt_payment": 2_000_000,
    "cic_score": 685,
    "employment_months": 24,
    "loan_request": 150_000_000
}
result = evaluate_consumer_loan(sample_customer)
# Output: APPROVED | Hạn mức được duyệt: 150,000,000 VND | DTI: 24.8%

Testing và validation

Hiệu quả mô hình quản trị tín dụng và chính sách cho vay tiêu dùng được kiểm thử qua các kịch bản áp lực (Stress Testing) và đánh giá độ nhạy trước các cú sốc vĩ mô (điển hình là đại dịch COVID-19 trong năm 2020):

  • Kiểm thử khả năng hấp thụ rủi ro: Gói hỗ trợ giãn nợ, giảm lãi suất APR từ 2% – 3% cho khách hàng cá nhân bị sụt giảm thu nhập giúp kìm giữ tỷ lệ nợ xấu không vượt mốc 2.0%.
  • Độ chính xác thẩm định: Tỷ lệ hồ sơ gian lận thông tin thu nhập phát hiện qua vòng kiểm soát nội bộ và đối soát chéo BHXH/thuế đạt độ chính xác $98,4%$.
+-----------------------------------------------------------------------------------+
|               KẾT QUẢ KIỂM THỬ VẬN HÀNH THẺ TÍN DỤNG (2018 - 2020)                |
+---------------------+-------------------+-------------------+---------------------+
| Chỉ tiêu            | Năm 2018          | Năm 2019          | Năm 2020            |
+---------------------+-------------------+-------------------+---------------------+
| Thẻ mở mới (chiếc)  | 28.167 (tổng 28.798) | 37.912 (+34,59%) | 41.798 (+10,25%)    |
| Thẻ kích hoạt       | 19.283 (67,0%)    | 26.150 (69,0%)    | 29.680 (71,0%)      |
| Thẻ phát sinh chi tiêu | 16.023 (55,6%) | 22.370 (59,0%)    | 25.910 (62,0%)      |
+---------------------+-------------------+-------------------+---------------------+

Kết quả đạt được

Giai đoạn 2018–2020 ghi nhận sự tăng trưởng vượt bậc về quy mô tài chính và hiệu quả vận hành tại Trung tâm Tín chấp miền Bắc.

+-----------------------------------------------------------------------------------+
|             BẢNG TỔNG HỢP CÁC CHỈ TIÊU TÀI CHÍNH VÀ HIỆU QUẢ TÍN DỤNG             |
+--------------------------------------+------------+------------+------------------+
| Chỉ tiêu tài chính                   | Năm 2018   | Năm 2019   | Năm 2020         |
+--------------------------------------+------------+------------+------------------+
| Tổng thu nhập hoạt động (Tỷ đồng)    | 95,060     | 83,744     | 114,412 (+36,6%) |
| Thu nhập từ hoạt động tín dụng (Tỷ)  | 83,296     | 70,456     | 96,972           |
| Lãi thuần từ dịch vụ (Tỷ đồng)       | 12,820     | 11,992     | 16,348           |
| Tổng chi phí trước thuế (Tỷ đồng)    | 62,728     | 48,328     | 61,852           |
| Lợi nhuận trước thuế (Tỷ đồng)       | 32,332     | 35,328     | 52,560 (+48,78%) |
| Tổng nguồn vốn huy động (Tỷ đồng)    | 714,370    | 913,120    | 1.095,500        |
| Dư nợ cho vay tiêu dùng (Tỷ đồng)    | 400,630    | 440,726    | 650,759 (+47,65%)|
| Tỷ trọng dư nợ ngắn hạn (%)          | 59,08%     | 54,66%     | 56,57%           |
| Tỷ lệ nợ quá hạn (%)                 | 2,99%      | 3,09%      | 1,99%            |
| Tỷ lệ nợ xấu NPL (%)                 | 1,39%      | 1,09%      | 1,80%            |
| Vòng quay vốn CVTD (vòng)            | 0,2885     | 0,3500     | 0,5850           |
| Doanh số cho vay (Tỷ đồng)           | 985,700    | 1.014,000  | 1.301,500        |
| Doanh số thu nợ (Tỷ đồng)            | 115,600    | 154,400    | 380,800          |
| Hệ số thu nợ (Doanh số thu/phát sinh)| 0,117      | 0,152      | 0,293 (+92,7%)   |
+--------------------------------------+------------+------------+------------------+

Đánh giá định lượng hiệu quả kinh doanh:

  • Tăng trưởng lợi nhuận: Lợi nhuận trước thuế năm 2020 đạt 52,56 tỷ đồng, tăng 48,78% so với năm 2019 (35,328 tỷ đồng) và tăng 62,56% so với năm 2018 (32,332 tỷ đồng).
  • Mở rộng quy mô dư nợ: Dư nợ cho vay tiêu dùng năm 2020 đạt 650,759 tỷ đồng (tăng 47,65% so với 2019), trong đó cơ cấu cho vay ngắn hạn chiếm tỷ trọng chủ đạo (56,57%), tuân thủ tuyệt đối quy định an toàn vốn ngắn hạn cho vay trung/dài hạn theo Thông tư 06/2016/TT-NHNN.
  • Cải thiện tốc độ luân chuyển vốn: Vòng quay vốn tín dụng tăng mạnh từ 0,2885 vòng (2018) lên 0,5850 vòng (2020), song song với hệ số thu nợ tăng từ 0,117 lên 0,293, phản ánh năng lực thu hồi nợ gốc và lãi cải thiện rõ nét.

Đổi mới và đóng góp

  1. Mô hình tài trợ khép kín Worksite Banking (Payroll Lending): Thay thế phương thức thẩm định tín chấp truyền thống bằng giải pháp trích nợ tự động trực tiếp từ tài khoản nhận lương của cán bộ công nhân viên tại các doanh nghiệp liên kết, giảm thiểu tối đa rủi ro đạo đức và rủi ro chậm trả.
  2. Tối ưu hóa quản trị rủi ro đa tầng: Kết hợp giữa sàng lọc CIC thời gian thực và mô hình tính toán gánh nặng nợ DTI chuẩn hóa, giúp giữ vững tỷ lệ nợ xấu ở mức 1,8% trong năm 2020 dù thị trường chịu tác động nặng nề từ dịch bệnh.
  3. Hiệu quả dịch chuyển danh mục nợ: Áp dụng cơ chế tái cơ cấu kỳ hạn nợ và điều chỉnh lãi suất APR linh hoạt (giảm 2%–3% cho nhóm chịu ảnh hưởng), giúp doanh số thu nợ năm 2020 bứt phá lên 380,8 tỷ đồng (tăng gấp 2,46 lần so với năm 2019).

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  • Gói vay tiêu dùng công sở: Cấp hạn mức tín chấp tối đa lên tới 10 lần lương (trần 500 triệu đồng) với kỳ hạn 12–60 tháng dành cho nhân sự thuộc khối hành chính sự nghiệp và doanh nghiệp top VNR500.
  • Khai thác chéo sản phẩm thẻ tín dụng: Phát hành dòng thẻ hoàn tiền (Cashback) và miễn lãi 45 ngày cho tệp khách hàng vay tín chấp, nâng tỷ lệ kích hoạt thẻ lên 71% trong năm 2020.

Kế hoạch và lộ trình nâng cấp (Roadmap)

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

Giai đoạn 2: Tự động hóa phê duyệt (Quý 3 - Quý 4)

Giai đoạn 3: Giám sát danh mục & Xử lý nợ (Liên tục)

Hạn chế và hướng phát triển

  • Hạn chế: Tốc độ quay vòng vốn tín dụng mặc dù đã cải thiện lên 0,585 vòng (năm 2020) nhưng vẫn ở mức dưới 1 vòng/năm, cho thấy tỷ trọng các khoản vay có kỳ hạn trung bình 24–36 tháng còn tương đối lớn làm chậm chu chuyển dòng tiền. Ngoài ra, nguồn dữ liệu thẩm định vẫn phụ thuộc nhiều vào bảng lương sao kê truyền thống.
  • Hướng phát triển: Mở rộng tích hợp nguồn dữ liệu thay thế (Alternative Data) như lịch sử thanh toán hóa đơn tiện ích (điện, nước, viễn thông), dữ liệu thương mại điện tử; ứng dụng mô hình Machine Learning (XGBoost/LightGBM) trong phân loại rủi ro tín dụng cá nhân.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng / Đầu tư: Cung cấp tài liệu tham khảo thực tiễn với hệ thống số liệu kiểm chứng đầy đủ về phương pháp phân tích hiệu quả tín dụng tiêu dùng tại ngân hàng thương mại.
  • Chuyên viên Tín dụng & Quản trị Rủi ro (Bankers): Nắm bắt các chỉ tiêu định lượng (DTI, CR, RR, NPL) và quy trình kiểm soát rủi ro trong phân khúc Worksite Banking.
  • Nhà quản trị ngân hàng & Doanh nghiệp: Tham khảo chiến lược phát triển sản phẩm tín chấp gắn liền tài khoản lương doanh nghiệp nhằm gia tăng thu nhập ngoài lãi và tối ưu hóa hệ số an toàn vốn.
  • Người tiêu dùng cá nhân: Tiếp cận các giải pháp tài chính minh bạch, lãi suất cạnh tranh và tránh các bẫy tín dụng đen trên thị trường.

Câu hỏi thường gặp

  1. Điều kiện kỹ thuật và pháp lý để khách hàng được cấp tín dụng tại Worksite Banking là gì? Khách hàng cần là công dân Việt Nam trong độ tuổi lao động (18–60 tuổi), có hợp đồng lao động chính thức từ 12 tháng trở lên, thời gian làm việc tại đơn vị hiện tại tối thiểu 6 tháng, nhận lương qua tài khoản ngân hàng với thu nhập tối thiểu 5 triệu đồng/tháng và có điểm tín dụng CIC đạt chuẩn nhóm 1.

  2. Làm thế nào để Trung tâm kiểm soát tỷ lệ nợ xấu dưới ngưỡng 2% trong bối cảnh rủi ro dịch bệnh? Trung tâm áp dụng đồng bộ chính sách cơ cấu lại thời hạn trả nợ, miễn giảm lãi suất APR từ 2%–3% theo chỉ đạo của NHNN, kết hợp cơ chế trích nợ tự động ngay khi lương về tài khoản và hệ thống nhắc nợ đa kênh tự động trước ngày đáo hạn.

  3. Hệ số thu nợ tăng mạnh từ 0,117 (2018) lên 0,293 (2020) phản ánh điều gì về mặt quản trị? Hệ số thu nợ tăng 150% phản ánh hiệu quả vượt bậc trong công tác quản lý và thu hồi dòng tiền cho vay. Trung tâm không chỉ mở rộng giải ngân mới mà còn kiểm soát chặt chẽ việc hoàn trả gốc/lãi đúng hạn, giúp dòng vốn tín dụng tái đầu tư nhanh hơn.

  4. Sự khác biệt cốt lõi về biên lãi giữa cho vay tiêu dùng NHTM và Công ty Tài chính là gì? Công ty tài chính chấp nhận tệp khách hàng có rủi ro cao hơn (dưới chuẩn) nên áp dụng lãi suất APR từ 20%–50%/năm để đạt biên lãi NIM từ 25%–38%. Ngược lại, NHTM như VPBank tập trung vào tệp khách hàng có thu nhập ổn định với APR từ 10%–35%/năm, bù đắp bằng quy mô lớn và tỷ lệ nợ xấu thấp ($< 2%$).

  5. Giới hạn tỷ lệ nguồn vốn ngắn hạn cho vay trung và dài hạn ảnh hưởng như thế nào đến cơ cấu nợ? Theo Thông tư 06/2016/TT-NHNN, tỷ lệ tối đa nguồn vốn ngắn hạn cho vay trung và dài hạn bị khống chế ở mức 40%. Do đó, Trung tâm duy trì tỷ trọng cho vay ngắn hạn luôn chiếm trên 54%–59% tổng dư nợ để tối ưu hóa an toàn thanh khoản và tuân thủ chuẩn mực giám sát của NHNN.

Kết luận

Đề tài khóa luận đã hoàn thành xuất sắc việc phân tích toàn diện hiệu quả hoạt động cho vay tiêu dùng tại Trung tâm Tín chấp miền Bắc - Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) giai đoạn 2018–2020. Kết quả nghiên cứu chứng minh tính đúng đắn của chiến lược tập trung vào phân khúc bán lẻ Worksite Banking: lợi nhuận trước thuế năm 2020 đạt 52,56 tỷ đồng (tăng trưởng 48,78%), quy mô dư nợ đạt 650,759 tỷ đồng trong khi tỷ lệ nợ xấu được kiểm soát an toàn ở mức 1,80% và hệ số thu nợ đạt 0,293. Các giải pháp đề xuất về số hóa quy trình thẩm định, áp dụng mô hình chấm điểm tín dụng tự động và đa dạng hóa sản phẩm thẻ sẽ là tiền đề quan trọng giúp VPBank củng cố vị thế dẫn đầu trong thị trường tài chính tiêu dùng bền vững tại Việt Nam.