Luận văn thạc sĩ cải thiện hệ thống xếp hạng tín dụng cá nhân của ngân hàng thương mại cổ phần đầu tư và phát triển việt nam

Luận văn thạc sĩ nghiên cứu cải thiện hệ thống xếp hạng tín dụng cá nhân của ngân hàng thương mại cổ phần đầu tư và phát, khảo sát thực trạng, phân tích nguyên nhân, đề xuất

• Tác giả: Nguyễn Mạnh Hùng
• Người hướng dẫn: TS. Nguyễn Xuân Quang
• Trường học: Trường Đại Học Kinh Tế - Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Tài Chính - Ngân Hàng
• Đề tài: Cải Thiện Hệ Thống Xếp Hạng Tín Dụng Cá Nhân Của Ngân Hàng Thương Mại Cổ Phần Đầu Tư Và Phát Triển Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC HÌNH
• DANH MỤC BẰNG
• DANH MỤC CÁC TỪ VIẾT TẮT
• 1. PHẦN MỞ ĐẦU
• 1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
• 1.2. MỤC ĐÍCH VÀ NHIỆM VỤ NGHIÊN CỨU
• 1.3. NHIỆM VỤ NGHIÊN CỨU
• 1.4. CÂU HỎI NGHIÊN CỨU
• 1.5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.6. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.7. Phương pháp thu thập dữ liệu, tài liệu
• 1.8. Phương pháp phân tích dữ liệu, tài liệu
• 1.9. KẾT CẤU CỦA LUẬN VĂN
• 2. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN CHUNG VỀ HỆ THỐNG XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI
• 2.1. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 2.2. CƠ SỞ LÝ LUẬN VỀ XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI
• 2.2.1. Tổng quan về xếp hạng tín dụng
• 2.2.2. Khái niệm xếp hạng tín dụng
• 2.2.3. Phương pháp xếp hạng tín dụng cá nhân
• 2.2.4. Sự cần thiết của chấm điểm và xếp hạng tín dụng đối với ngân hàng. Tầm quan trọng của xếp hạng tín dụng cá nhân
• 2.2.5. Quy trình xếp hạng tín dụng
• 2.2.6. Nguyên tắc xếp hạng tín dụng
• 2.2.7. Một số nghiên cứu về xếp hạng tín dụng
• 2.2.8. Nghiên cứu của Stefame Kleimeier và Đình Thị Huyền Thanh về mô hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ tại Việt Nam
• 2.2.9. Nghiên cứu của Vương Quân Hoàng về Phương pháp thống kê xây dựng mô hình định mức tín nhiệm thể nhân
• 2.2.10. Các yếu tố ảnh hưởng đến kết quả xếp hạng tín dụng cá nhân
• 2.2.11. Một số mô hình xếp hạng tín dụng
• 2.2.12. Mô hình điểm số Z của Edward I
• 2.2.13. Mô hình Logistic - phương pháp chuyên gia
• 2.3. KINH NGHIỆM XẾP HẠNG TÍN DỤNG CÁ NHÂN CỦA MỘT SỐ TỔ CHỨC TÀI CHÍNH
• 2.3.1. Mô hình xếp hạng tín dụng cá nhân của Vietcombank
• 2.3.2. Mô hình xếp hạng tín dụng cá nhân của VP Bank
• 2.3.3. Mô hình xếp hạng tín dụng cá nhân của KEB Hana Bank
• 3. PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. CÁC PHƯƠNG PHÁP NGHIÊN CỨU
• 3.2.1. Phương pháp phân tích định tính
• 3.2.2. Phương pháp xử lý dữ liệu, tài liệu
• 3.3. KẾT LUẬN CHƯƠNG 2
• 4. THỰC TRẠNG HỆ THỐNG XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 4.1. TỔNG QUAN VỀ NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 4.1.1. Quá trình hình thành và phát triển của BIDV
• 4.1.2. Cơ cấu tổ chức và quản lý của BIDV
• 4.1.3. Kết quả hoạt động kinh doanh của BIDV giai đoạn 2015 - 2019
• 4.1.4. Một số chỉ tiêu tài chính cơ bản của BIDV
• 4.1.5. Dư nợ phân theo thành phần kinh tế của BIDV
• 4.1.6. Cơ cấu tín dụng của BIDV
• 4.1.7. Dư nợ theo mục đích vay vốn của BIDV
• 4.1.8. Chất lượng tín dụng của BIDV
• 4.1.9. Sơ lược về quá trình phát triển của mảng Ngân hàng bán lẻ tại BIDV
• 4.2. THỰC TRẠNG HỆ THỐNG XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 4.2.1. Chính sách tín dụng cá nhân hiện hành của BIDV
• 4.2.2. Mô hình chấm điểm tín dụng cá nhân của BIDV
• 4.2.3. Nguyên tắc chấm điểm và xếp hạng tín dụng cá nhân tại BIDV
• 4.2.4. Quy trình chấm điểm và xếp hạng tín dụng cá nhân tại BIDV
• 4.2.5. Kết quả triển khai hệ thống Xếp hạng tín dụng cá nhân tại BIDV
• 4.2.6. So sánh mô hình xếp hạng tín dụng cá nhân của BIDV với các mô hình của các tổ chức xếp hạng khác
• 4.2.7. Đánh giá hệ thống xếp hạng tín dụng cá nhân của BIDV
• 4.2.8. Những ưu điểm
• 4.2.9. Những hạn chế tồn tại cần khắc phục
• 4.2.10. Nguyên nhân của những hạn chế
• 4.2.11. Nguyên nhân từ ngân hàng
• 4.2.12. Nguyên nhân từ khách hàng
• 4.2.13. Nguyên nhân từ NHNN
• 4.3. KẾT LUẬN CHƯƠNG 3
• 5. GIẢI PHÁP CẢI THIỆN HỆ THỐNG XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 5.1. ĐỊNH HƯỚNG PHÁT TRIỂN CỦA NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 5.2. MỤC TIÊU HOÀN THIỆN HỆ THỐNG XẾP HẠNG TÍN DỤNG CÁ NHÂN CỦA NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
• 5.3. Nội dung hoàn thiện hệ thống xếp hạng tín dụng tại BIDV
• 5.4. Định hướng điều chỉnh mô hình xếp hạng tín dụng cá nhân của BIDV
• 5.5. MỘT SỐ KIẾN NGHỊ, ĐỀ XUẤT
• 5.5.1. Cải thiện phương pháp chấm điểm, chỉ tiêu chấm điểm của hệ thống XHTD
• 5.5.2. Nâng cấp nguồn cơ sở dữ liệu, hệ thống công nghệ thông tin, thông tin tín dụng cho hệ thống XHTD cá nhân
• 5.5.3. Nâng cao chất lượng của công tác thu thập và xử lý thông tin
• 5.6. KẾT LUẬN CHƯƠNG 4
• KẾT LUẬN
• DANH MỤC TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan luận văn cải thiện hệ thống xếp hạng tín dụng

Luận văn thạc sĩ về cải thiện hệ thống xếp hạng tín dụng cá nhân của ngân hàng thương mại cổ phần đầu tư và phát triển việt nam (BIDV) là một công trình nghiên cứu khoa học, có hệ thống. Đề tài tập trung vào việc hệ thống hóa cơ sở lý luận về tín dụng và xếp hạng tín dụng (XHTD). Luận văn nhấn mạnh sự cần thiết của việc xây dựng một hệ thống xếp hạng tín dụng nội bộ vững chắc, đặc biệt trong bối cảnh phân khúc khách hàng cá nhân ngày càng mở rộng. Hoạt động tín dụng, dù là nguồn thu nhập chính, luôn tiềm ẩn rủi ro. Việc quản lý và phòng ngừa rủi ro tín dụng khách hàng cá nhân là một thách thức lớn. Một hệ thống XHTD hiệu quả giúp ngân hàng lượng hóa rủi ro, từ đó đưa ra quyết định cấp tín dụng chính xác, nhanh chóng và công bằng. Nghiên cứu của Nguyễn Mạnh Hùng (2021) chỉ ra rằng, kết quả XHTD ảnh hưởng trực tiếp đến việc phê duyệt khoản vay, lãi suất, và các biện pháp bảo đảm tiền vay. Do đó, việc hoàn thiện mô hình xếp hạng tín dụng không chỉ giúp giảm thiểu rủi ro tín dụng mà còn nâng cao năng lực cạnh tranh cho ngân hàng BIDV. Đề tài này có ý nghĩa thực tiễn cao, khi mà công tác quản trị rủi ro đang là ưu tiên hàng đầu của các ngân hàng thương mại Việt Nam, trong bối cảnh cần tuân thủ các chuẩn mực Basel II và nâng cao hệ số an toàn vốn (CAR).

1.1. Khái niệm và vai trò của mô hình credit scoring

Một mô hình credit scoring là công cụ cốt lõi của hệ thống XHTD, sử dụng các phương pháp thống kê để lượng hóa khả năng vỡ nợ của khách hàng. Về bản chất, đây là việc đánh giá và gán một điểm số cho khách hàng dựa trên các thông tin tài chính và phi tài chính. Các mô hình phổ biến bao gồm mô hình scorecard và hồi quy logistic trong xếp hạng tín dụng. Vai trò của nó là cực kỳ quan trọng: cung cấp một thước đo khách quan về mức độ rủi ro, giúp tự động hóa quy trình thẩm định tín dụng, giảm thiểu sự phụ thuộc vào yếu tố cảm tính của chuyên viên. Điều này không chỉ tiết kiệm thời gian, chi phí mà còn đảm bảo tính nhất quán trong chính sách tín dụng trên toàn hệ thống.

1.2. Sự cần thiết của việc hoàn thiện mô hình xếp hạng tín dụng

Trong bối cảnh cạnh tranh và rủi ro gia tăng, việc liên tục hoàn thiện mô hình xếp hạng tín dụng là yêu cầu bắt buộc. Một mô hình lỗi thời có thể dẫn đến những quyết định sai lầm, hoặc bỏ lỡ khách hàng tốt, hoặc chấp nhận khách hàng rủi ro cao, gia tăng tỷ lệ nợ xấu ngân hàng. Việc cải thiện mô hình bao gồm việc cập nhật các biến số đầu vào, tinh chỉnh trọng số, và ứng dụng các kỹ thuật mới như ứng dụng machine learning trong tài chính. Mục tiêu cuối cùng là tạo ra một hệ thống dự báo chính xác hơn về năng lực trả nợ của khách hàng, từ đó nâng cao hiệu quả quản trị rủi ro và tối ưu hóa lợi nhuận cho ngân hàng.

II. Phân tích thực trạng hệ thống xếp hạng tín dụng tại BIDV

Luận văn đã tiến hành phân tích sâu thực trạng hoạt động của hệ thống xếp hạng tín dụng cá nhân tại ngân hàng BIDV trong giai đoạn 2015-2019. Về cơ bản, BIDV đã xây dựng được một hệ thống XHTD nội bộ và áp dụng vào quy trình cấp tín dụng. Hệ thống này đã góp phần chuẩn hóa quy trình, giúp ngân hàng xử lý một lượng lớn hồ sơ vay vốn từ khách hàng cá nhân. Tuy nhiên, nghiên cứu cũng chỉ ra nhiều điểm hạn chế tồn tại. Quy trình chấm điểm tín dụng cá nhân vẫn còn những chỉ tiêu mang tính định tính cao, phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng. Điều này làm giảm tính khách quan và nhất quán của kết quả xếp hạng. Hơn nữa, việc cập nhật thông tin khách hàng chưa được thực hiện thường xuyên, dẫn đến dữ liệu đầu vào cho mô hình có thể không phản ánh chính xác tình hình tài chính hiện tại của người vay. Những hạn chế này là nguyên nhân sâu xa dẫn đến những rủi ro tiềm ẩn, ảnh hưởng đến chất lượng danh mục tín dụng và mục tiêu kiểm soát nợ xấu ngân hàng của ngân hàng BIDV.

2.1. Đánh giá mô hình chấm điểm tín dụng cá nhân hiện hành

Mô hình chấm điểm tín dụng cá nhân của BIDV, theo tài liệu nghiên cứu, được xây dựng dựa trên sự kết hợp giữa các chỉ tiêu nhân thân, thông tin tài chính, và lịch sử quan hệ với ngân hàng. Mặc dù đã có sự phân chia trọng số cho các nhóm chỉ tiêu, nhưng mô hình vẫn chưa thực sự năng động. Việc xác định trọng số chủ yếu dựa trên phương pháp chuyên gia, thiếu sự kiểm định bằng các mô hình thống kê mạnh. Các chỉ tiêu tài chính chủ yếu dựa trên số liệu do khách hàng cung cấp mà chưa có cơ chế đối chiếu, xác thực hiệu quả từ các nguồn độc lập như dữ liệu từ CIC (Trung tâm Thông tin Tín dụng). Điều này tạo ra một "khoảng trống" trong việc đánh giá toàn diện năng lực trả nợ của khách hàng.

2.2. Hạn chế và nguyên nhân trong quản lý rủi ro tín dụng

Những hạn chế của hệ thống XHTD đã dẫn đến các thách thức trong công tác quản lý rủi ro tín dụng. Nguyên nhân chính được chỉ ra bao gồm: (1) Nguyên nhân từ ngân hàng: Phần mềm hệ thống còn cho phép cán bộ tín dụng điều chỉnh kết quả, quy trình thiếu bước kiểm tra, đối chiếu chéo kết quả xếp hạng. (2) Nguyên nhân từ khách hàng: Thông tin cung cấp thiếu trung thực. (3) Nguyên nhân từ hệ thống: Nguồn dữ liệu chưa được chuẩn hóa, thiếu tính liên kết và cập nhật. Tất cả những yếu tố này làm cho việc phát hiện sớm rủi ro trở nên khó khăn, ảnh hưởng trực tiếp đến việc thực thi hiệu quả chính sách tín dụng BIDV và mục tiêu giảm thiểu rủi ro tín dụng.

III. Giải pháp cải thiện mô hình chấm điểm tín dụng cá nhân

Để khắc phục các hạn chế, luận văn đề xuất một hệ thống giải pháp toàn diện nhằm cải thiện hệ thống xếp hạng tín dụng cá nhân tại BIDV, tập trung vào cốt lõi là mô hình chấm điểm. Giải pháp trọng tâm là xây dựng lại mô hình theo hướng định lượng hóa và khách quan hóa. Thay vì phụ thuộc quá nhiều vào ý kiến chuyên gia, mô hình mới cần được xây dựng dựa trên phân tích dữ liệu lịch sử quy mô lớn. Việc này giúp xác định các yếu tố thực sự có ảnh hưởng đến khả năng vỡ nợ và gán trọng số một cách khoa học. Các chỉ tiêu cần được định nghĩa lại một cách rõ ràng, giảm thiểu các yếu tố định tính, cảm tính. Chẳng hạn, thay vì đánh giá chung chung về "nghề nghiệp ổn định", mô hình có thể phân tích dựa trên các biến số cụ thể như thời gian công tác, loại hình doanh nghiệp, lĩnh vực hoạt động. Việc áp dụng các kỹ thuật thống kê hiện đại sẽ giúp mô hình credit scoring của BIDV trở nên mạnh mẽ, chính xác và đáng tin cậy hơn, là nền tảng cho việc nâng cao hiệu quả quản trị rủi ro.

3.1. Tối ưu hóa các chỉ tiêu trong mô hình scorecard

Một mô hình scorecard hiệu quả đòi hỏi các chỉ tiêu phải có sức mạnh phân loại cao. Giải pháp đề xuất là rà soát lại toàn bộ các chỉ tiêu đang sử dụng, loại bỏ những chỉ tiêu không có ý nghĩa thống kê và bổ sung các chỉ tiêu mới tiềm năng hơn. Các chỉ tiêu mới có thể bao gồm lịch sử thanh toán hóa đơn tiện ích, thông tin từ các công ty fintech, hoặc dữ liệu giao dịch phi tiền mặt. Quá trình lựa chọn và sàng lọc biến số cần dựa trên các kỹ thuật thống kê như Information Value (IV) và Weight of Evidence (WOE) để đảm bảo tính khách quan. Việc tối ưu hóa này giúp scorecard phản ánh chính xác hơn bức tranh rủi ro của từng khách hàng.

3.2. Ứng dụng hồi quy logistic và machine learning tiên tiến

Phương pháp hồi quy logistic trong xếp hạng tín dụng là một công cụ chuẩn mực và mạnh mẽ để xây dựng scorecard. Luận văn khuyến nghị BIDV cần áp dụng triệt để phương pháp này để xây dựng mô hình dựa trên xác suất vỡ nợ (Probability of Default). Xa hơn nữa, việc nghiên cứu ứng dụng machine learning trong tài chính như các thuật toán Random Forest, Gradient Boosting có thể mang lại bước đột phá. Các mô hình này có khả năng phát hiện các mối quan hệ phi tuyến tính phức tạp trong dữ liệu mà các mô hình truyền thống có thể bỏ qua, từ đó nâng cao đáng kể độ chính xác trong việc dự báo rủi ro.

IV. Hướng dẫn nâng cấp cơ sở dữ liệu và công nghệ XHTD

Một mô hình xuất sắc sẽ trở nên vô dụng nếu không có dữ liệu chất lượng và nền tảng công nghệ đủ mạnh. Do đó, việc cải thiện hệ thống xếp hạng tín dụng cá nhân phải đi đôi với việc nâng cấp toàn diện cơ sở dữ liệu và hạ tầng công nghệ. Luận văn nhấn mạnh sự cần thiết của việc xây dựng một kho dữ liệu (Data Warehouse) tập trung, lưu trữ thông tin khách hàng một cách có hệ thống và nhất quán. Dữ liệu cần được làm sạch, chuẩn hóa và cập nhật thường xuyên. Quy trình thu thập thông tin phải được tự động hóa tối đa để giảm thiểu sai sót do con người. Việc đầu tư vào công nghệ không chỉ giúp mô hình hoạt động hiệu quả mà còn là điều kiện tiên quyết để áp dụng các chuẩn mực Basel II trong quản lý rủi ro tín dụng. Một hệ thống công nghệ thông tin hiện đại sẽ giúp BIDV không chỉ đánh giá rủi ro chính xác mà còn giám sát danh mục tín dụng một cách chủ động, đưa ra các cảnh báo sớm và có hành động kịp thời.

4.1. Tầm quan trọng của dữ liệu từ CIC và nguồn nội bộ

Chất lượng của hệ thống XHTD phụ thuộc lớn vào chất lượng dữ liệu đầu vào. Luận văn đề xuất BIDV cần tích hợp và khai thác triệt để dữ liệu từ CIC. Đây là nguồn thông tin khách quan và toàn diện về lịch sử tín dụng của khách hàng tại các tổ chức tín dụng khác. Bên cạnh đó, dữ liệu nội bộ như lịch sử giao dịch, số dư tiền gửi, hành vi thanh toán thẻ cũng cần được số hóa và tận dụng. Việc kết hợp hai nguồn dữ liệu này sẽ tạo ra một cái nhìn 360 độ về khách hàng, giúp việc thẩm định tín dụng trở nên sâu sắc và chính xác hơn.

4.2. Nâng cao hiệu quả quản trị rủi ro theo chuẩn Basel II

Việc hoàn thiện hệ thống XHTD nội bộ là một yêu cầu cốt lõi để đáp ứng chuẩn mực Basel II, đặc biệt là phương pháp tiếp cận dựa trên xếp hạng nội bộ (IRB). Một hệ thống XHTD mạnh mẽ, đã được kiểm định (validate) sẽ giúp ngân hàng tính toán tài sản có rủi ro (RWA) một cách chính xác hơn, từ đó tối ưu hóa hệ số an toàn vốn (CAR). Đây là bước đi chiến lược để nâng cao hiệu quả quản trị rủi ro, giúp ngân hàng hoạt động an toàn, bền vững và đáp ứng các tiêu chuẩn quốc tế.

V. Bài học kinh nghiệm từ các mô hình xếp hạng tín dụng khác

Nghiên cứu không chỉ tập trung vào nội tại ngân hàng BIDV mà còn phân tích, so sánh với các mô hình của các ngân hàng thương mại hàng đầu khác tại Việt Nam và đối tác chiến lược quốc tế. Việc học hỏi kinh nghiệm này là vô cùng quý giá, giúp BIDV có cái nhìn đa chiều và lựa chọn hướng đi phù hợp để cải thiện hệ thống xếp hạng tín dụng cá nhân. Các mô hình này cho thấy xu hướng chung là tăng cường ứng dụng công nghệ, đa dạng hóa nguồn dữ liệu và tự động hóa quy trình. Ví dụ, một số ngân hàng đã bắt đầu sử dụng dữ liệu thay thế (alternative data) như hành vi trực tuyến hay lịch sử mua sắm để làm giàu thêm thông tin về khách hàng. Rõ ràng, việc xây dựng một hệ thống xếp hạng tín dụng nội bộ hiệu quả không phải là một công việc làm một lần mà là một quá trình cải tiến liên tục, đòi hỏi sự đầu tư nghiêm túc và tầm nhìn chiến lược dài hạn. Các bài học này cung cấp những gợi ý thực tế cho việc hoàn thiện mô hình xếp hạng tín dụng tại BIDV.

5.1. Phân tích mô hình XHTD của Vietcombank và VPBank

Luận văn chỉ ra rằng, Vietcombank đã triển khai hệ thống chấm điểm từ rất sớm với các bộ chỉ tiêu chi tiết, trong khi VPBank lại rất mạnh trong việc áp dụng mô hình thống kê để tính toán xác suất nợ xấu cho từng hạng khách hàng. Cả hai đều nhấn mạnh tầm quan trọng của việc cập nhật thông tin định kỳ và sử dụng kết quả XHTD làm cơ sở để đưa ra các quyết định cho vay một cách khoa học. Điểm chung là sự nỗ lực giảm thiểu yếu tố chủ quan trong quá trình thẩm định tín dụng.

5.2. Kinh nghiệm từ đối tác chiến lược KEB Hana Bank

Mô hình của KEB Hana Bank (Hàn Quốc) mang đến một góc nhìn hiện đại hơn. Họ sử dụng hai mô hình riêng biệt: Mô hình chấm điểm đăng ký (Application Scoring) cho khách hàng mới và Mô hình chấm điểm hành vi (Behavior Scoring) cho khách hàng hiện hữu. Cách tiếp cận này giúp đánh giá rủi ro phù hợp với từng giai đoạn trong vòng đời của khách hàng. Đặc biệt, hệ thống cảnh báo sớm của họ là một công cụ quản lý rủi ro tín dụng cực kỳ hiệu quả, giúp nhận diện các khách hàng có dấu hiệu suy giảm khả năng trả nợ để có biện pháp can thiệp kịp thời.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TONG QUAN TINH HINH NGHIEN CUU VA CO SO LY LUẬN CHUNG VE HE THONG XEP HANG TIN DUNG CA NHAN TAI NGAN HANG THUONG MAI 1. TONG QUAN TINH HINH NGHIEN CUU Để quản trị rủi ro tín dụng các ngân hàng thương mai can phải xây dựng. được hệ thống quản trị rũi ro xuyên suốt từ quy trình cấp tín dụng lành mạnh. đến hệ thống đo lưởng, theo dõi tín dụng phủ hợp và kiểm soát được rủi ro tin dụng.

Việc xây dựng hè thông xếp hang tin dụng khách hãng là việc cân thiết, từ kết quá đánh giả của hệ thẳng XHTD khách hàng giúp các NHTM có đánh giá và đưa ra mức cấp tin dụng phủ hợp với tửng khách hàng. Dựa trên kết quả xếp hạng tin dụng của khách hàng, ngân hàng có thể từ chối những khách hàng có mức điểm thấp. Do đó, sử dụng hệ thống xếp hạng tín dụng nội bộ sẽ giúp tiết kiệm được thời gian, giảm bớt sự can thiệp từ con người và mang lại lợi ích cho cá ngân hàng và khách hàng. Bên cạnh đó, xếp hạng tín dung nội bộ còn là căn cử để ngân hàng đưa ra quyết đỉnh cấp tín dụng với khách hàng như cấp mới, bổ sung vốn tín dung hay có sự cảnh báo sớm để có biên pháp kịp thời đối với những khách hàng có mức xếp hạng tín dụng thấp.

Bên cạnh đó, XHTD nội bô còn là một căn cứ độc lâp để ngân hảng. đảnh giá quả trình quán trị rủi ro tin dụng của các bộ phân liên quan, đám bảo chức năng cấp tín dụng được quản lý phù hợp, hỗ trợ phát hiên sớm các khoản tin dung xu va các khoản tín đụng cỏ vẫn đề Xuất phát từ thực tiền trên, việc sử dụng vả nâng cấp hè thống XHTD. nôi bộ của các NHTM đã được rất nhiều tác giả lựa chọn để làm đề tài nghiên cứu trong một số nghiên cứu hay thão luận khoa học và một số bài bình luân trên các tạp trí khoa học như sau: Nam 1988, Ủy ban Basel đã ban hành Basel I đã dé cập đến các mô hình thiết lầp quy trinh quản lý rủi ro trong hoạt động của ngân hàng, và được hoàn thiện thêm bằng Basel II (năm 2004). Trước sự diễn biển phức tap tử khủng hoảng tải chính toàn cầu, Ủy ban Basel một lẫn nữa dự thảo và thông qua phiên ban thir 3 (Basel ITI) vao nam 2010 về các tiêu chuẩn an toàn vốn tối thiểu và 'Basel cũng đưa ra các nguyên tắc về rủi ro và an toàn trong hoạt động tin dụng, Nhìn nhân việc kiểm soát rủi ro tin đụng một cách chuẩn mực theo thông.

lẽ quốc tế, tác giả Lê Thị Hạnh (2017) đã chỉ ra rằng: hiện tại các NHTM Việt Nam đang phải đổi mặt với rất nhiều những rủi ro gây tổn thất nghiêm trong, đặc biệt là rủi ro tin dung. Cac NHTM Việt Nam đang dẫn tiếp cân tới các chuẩn mực quốc tế đưa vào quản lý rủi ro của mình, tiêu biểu lả việc áp đụng Hiệp ước. Basel II trong quan tri RRTD đã đạt được những kết quả tích cực. Tuy nhiên việc áp dụng Hiệp óc Basel II trong quản trị RRTD tại các NHTM Việt Nam còn nhiễu hạn chế như: Quy trình cắp tin dung còn bắt cập, Hệ thông đo lưởng RRTD chưa đồng bộ.

Bài viết cũng đã chỉ ra căn nguyên của những hạn chế và tir do dua ra một số giải pháp nhằm tăng cường hoạt động quản trị rủi ro tin dung trong kinh doanh và dẫn áp đụng các chuẩn mực quản tr rủi ro theo Hiệp vớc quốc tế Basel II tại các NHTM Việt Nam. Tác giả Lê Thị Thanh Tân và Đăng Thị Việt Đức (2016) đã đánh giá thực trạng hoạt đông xếp hang tin dụng thể nhân tại Trung tâm Thông tin Tỉn dụng Quốc gia Việt Nam, tử đó đưa ra đề xuất liên quan tới mô hình xếp hạng. và quy trình thu thập, trao đổi và đổi chiếu thông tin đầu vào của mô hình nhằm hoàn thiện hoạt động xếp hạng tin dụng thể nhân tại tổ chức nảy. Tác giả Trương Thị Hồng và Lẻ Thì Minh Ngọc (2014) cho rằng xếp hạng tín dụng khách hàng cá nhân để có cơ sở cấp tin dụng là một hoạt động thưởng xuyên của các NHTM.

Dù ở mỗi NHTM khác nhan, các tiếu chỉ chấm điểm, phân loại khách hàng cỏ thể không giống nhau hoàn toàn nhưng vẻ bản chất là như nhau. Mục đích cuối cùng các NHTM mong muốn là cấp tin đụng đúng đối tương và thu hồi được vốn và lãi khi đến hạn. Trong phạm vi bải viết nay nhóm tác giả mong muốn chỉ ra những han chế, những chỗ chưa hoàn thiện trên cơ sở đựa vào thực trang việc xếp han tin dung tại một số NHTM Việt Nam. Mặc dù có nhiều nghiên cửu về chú đề này, nhưng hầu như chura cỏ để tải nào đi sâu nghiên cửu về hoạt động chẩm điểm, xếp hạng tin dụng khách hàng cá nhân phủ hợp với những thay đối trong hoạt động kiểm soát nợ xâu và cung cấp, bảo cáo thông tin cho NHNN theo Thông tư 03/2013/TT-NHNN và “Thông tư 03/2013/TT-NHNN.

Đây là đề tải thực sự có ý nghĩa trong giai đoạn hiện nay, khi mã công tác quản trị rủi ro tin dụng trở thành một mỗi quan tâm. hãng đầu của các NHTM. 'Tử khi hinh thành đến nay, đã có nhiễn phương pháp và mô hình XHTD. được xây dựng và vận hành tứ những phương pháp cổ điển đánh giá bằng phương pháp định tính đến những phương pháp hiện đại như phương pháp thống kê hay phương pháp chuyên gia.

Tại Việt Nam, hệ thống XHTD nôi bộ tai các NHTM chỉ mới được sử dụng trong 10 năm trở lại đầy vả do còn tương. đổi mới mẻ nên các hệ thông XHTD cần được bổ sung và hoản thiện hơn để phủ hợp với điều kiện thực tế tại các NHTM tại Việt Nam Trên cơ sở khảo sát các công trỉnh nghiên cửu liên quan, các khoảng trồng chưa được nghiên cứu bao gồm: ~ Chưa có công trình nào đánh giá hoạt đông XHTD cá nhân tại BIDV, cập nhật đến 31/12/2019. ~ Chưa có công trỉnh não để xuất hè thổng giải pháp và kiển nghị một cách cỏ hệ thống để hoạt động XHTD cả nhân tại BIDV đạt mục tiêu và định hướng hoạt đông BIDV. CƠ SỞ LÝ LUẬN VE XEP HẠNG TÍN DỤNG CẢ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI 1.

Tổng quan về xếp hang tin dung 1. Khải niệm xếp hang tin dung Xếp hạng tín nhiệm (eredit ratings) là thuật ngữ bắt nguồn từ tiếng Anh (credit: sw tín nhiệm, ratings: sự xếp hạng) do John Moody đưa ra vào năm 1909 trong cuồn "cẩm nang chứng khoản đường sắt” khi tiên hành nghiên cứu, phân tịch và công bố bảng xếp hạng tin nhiệm lần đầu tiên cho 1.500 loại trải phiếu của 250 công ty theo một hệ thống ký hiệu gồm 3 chữ cải ABC được xếp lần lượt là Aaa đến C (hiên nay những ký hiệu này đã trở thành chuẩn mực quốc tê). Tuy nhiên xếp hạng tin nhiệm chỉ phát triển nhanh ở Mỹ sau cuộc khủng hoảng kinh tế năm 1929 - 1933 khi hàng loạt các công ty vay nơ bị phả sản, vỡ nợ. “Thời kỷ nảy chính phủ Hoa Kỷ đã cỏ nhiều quy định về việc cẩm các định chế đầu tư (các quỹ hưu trí, các quỹ bảo hiểm, ngân hàng dự trữ) bỏ vốn đầu tư mua trải phiến cỏ độ tin cậy thấp đưới mức an toàn trong bảng xếp hạng tín nhiêm.

Những quy định nảy đã lâm cho uy tin của các công ty xếp hạng tin nhiêm ngày một lên cao. Song trong suốt hơn 50 năm, việc xếp hạng tín nhiệm chỉ được phổ. biển ở Mỹ, chỉ từ những nãm 1970 đến nay, dịch vụ xếp hang tín nhiễm mới được mở rộng và phát triển khá mạnh ở nhiều nước. Ở Việt Nam thuật ngữ Credit Ratings được địch ra với nhiều nghĩa như xếp hang tín nhiêm, xếp hang tin dụng, đảnh giá tín nhiêm, định mức tin nhiệm.

Trong phạm vi khóa luận này được sử dụng với tên gọi *xếp hạng tin dụng”. XHTD được nhin nhận đưới nhiên góc độ khác nhau: Theo Standards & Poor p hạng tín dụng là những ý kiến đánh giá hiện tại về rủi ro tín dụng, chất lượng tin dung, kha nang va thién ý của chủ thé đi vay trong việc đáp ứng các nghữa vụ tài chính một cách đây đủ vả đúng hạn”. Theo Moody's: “Xép hang tin dụng là những ÿ kiến đảnh giá về chất lượng tin dụng và khả năng thanh toản nợ của chú thể đi vay dựa trên những. phân tích tín dụng cơ bản và biểu hiện thông qua hệ thông ký hiệu từ Aaa cho đến CP.

“Theo viên nghiên cửu Nomura: *XHTD là sự đảnh giả hiện thời về mức độ sẵn sảng và khá năng chỉ trả gốc vả lãi đối với chứng khoán nợ của một nhà phát hành trong suốt thởi gian tôn tại của chứng khoán đỏ”. “Theo công ty chứng khoản Menill Lynch: *XHTD là đánh giả hiện thởi của công ty xếp hạng tín nhiệm về chất lượng tín dụng của mét nha phat hành. chứng khoán nợ, về một khoản nợ nhất định" Các khái niêm trên mặc dù nội dung không hoàn toản đồng nhất, song cỏ thể thấy đều có những điểm chung cơ bản: (1) Mục tiêu xếp hang: tin dụng là đảnh giá khả năng và thiên chi trong việc đáp ứng các nghĩa vụ tài chỉnh của đối tượng được xếp hang: (2) về nội dung xếp hạng: tổ chức xếp hạng sử dụng các thông tin cần thiết của khách hàng để phân tích, đánh giả khả năng dap img nghĩa vụ tài chính và xếp hang khách hàng. Như vậy có thể hiểu XHTD cỏ nghĩa là việc phân loại, sắp xếp một đổi tượng vào các nhóm khách hàng trên cơ sở đo lưởng rủi ro tín dụng.

Hệ thống XHTD dùng để đánh giá mức đô tín nhiệm đổi với trách nhiệm tải chỉnh của cả hai nhóm khách hàng doanh nghiệp và khách hàng cá nhãn. Để thực hiện XHTD khách hàng, các tổ chức xếp hạng thực hiên chấm điểm tín dụng khách hàng, trên cơ sở mức điểm khách hàng để phân loại khách hàng vào hạng phù hợp. Bản chất của việc xếp hạng tín dụng lả đảnh giá, lượng hóa rủi ro tín dụng của khách hàng vay nợ. Mức độ RRTD sẽ thay đổi theo từng đối tợng khách hãng và được xác định thông qua quá trình đánh giá bằng các thang điểm, dựa vào các thông tin tải chính và phi tài chỉnh có sẵn của khách hảng tại thời điểm chấm điểm tín dụng và xếp hạng khách hàng.

Trong phạm vi luận văn tác giả tập trung phân tích vả nghiên cửu hé thông XHTD dành cho nhỏm khách hàng cá nhân.