Luận văn: Nghiên cứu mô hình xếp hạng tín nhiệm DNVVN tại Maritime Bank

Luận văn thạc sĩ kinh tế nghiên cứu hay nghiên cứu mô hình xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ tại ngân hàng tmcp hàng hải việt, khảo sát thực trạng, phân tích nguyên nhân,

• Tác giả: Dương Minh Mẩn
• Người hướng dẫn: Ts. Hà Văn Dũng
• Trường học: Trường Đại học Công nghệ TP. HCM
• Chuyên ngành: Kế toán
• Đề tài: Nghiên Cứu Mô Hình Xếp Hạng Tín Nhiệm Doanh Nghiệp Vừa Và Nhỏ Tại Ngân Hàng Tmcp Hàng Hải Việt Nam
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2017
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG SỬ DỤNG
• DANH MỤC CÁC SƠ ĐỒ
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lý do chọn đề tài
• 1.2. Mục đích nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Kết cấu đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về xếp hạng tín dụng
• 2.1.1. Khái niệm xếp hạng tín dụng
• 2.1.2. Đối tượng của xếp hạng tín dụng
• 2.1.3. Tầm quan trọng của xếp hạng tín dụng
• 2.1.3.1. Rủi ro tín dụng
• 2.1.3.2. Vai trò quan trọng của xếp hạng tín dụng
• 2.1.4. Nguyên tắc và quy trình xếp hạng tín dụng
• 2.1.4.1. Nguyên tắc xếp hạng tín dụng
• 2.1.4.2. Quy trình xếp hạng tín dụng
• 2.2. Tổng quan về Ngân hàng TMCP Hàng Hải Việt Nam
• 2.2.1. Thông tin chung về ngân hàng TMCP Hàng Hải Việt Nam
• 2.2.2. Đặc điểm hoạt động kinh doanh của ngân hàng TMCP Hàng Hải Việt Nam
• 2.2.3. Tổ chức bộ máy quản lý của ngân hàng TMCP Hàng Hải Việt Nam
• 2.2.4. Tình hình hoạt động 2016
• 2.3. Các yếu tố ảnh hưởng đến XNTD Doanh nghiệp tại MSB
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Phương pháp nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Nghiên cứu sơ bộ
• 3.4. Xây dựng mẫu khảo sát
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Thực hiện phân tích hồi quy ước lượng các tham số
• 4.1.1. Đánh giá lại tổng thể sự tương quan
• 4.1.2. Chạy hồi quy
• 4.2. Đánh giá về bộ tiêu chí rút gọn của mô hình
• 5. CHƯƠNG 5: NHẬN XÉT VÀ GIẢI PHÁP
• 5.1. Một số lưu ý cần khắc phục

Tóm tắt

I. Vai trò cốt lõi của mô hình xếp hạng tín nhiệm doanh nghiệp

Trong bối cảnh kinh tế hiện đại, hoạt động tín dụng là nguồn thu chủ chốt nhưng cũng tiềm ẩn rủi ro lớn nhất đối với các ngân hàng thương mại. Để quản trị hiệu quả rủi ro này, việc xây dựng một mô hình xếp hạng tín nhiệm doanh nghiệp khoa học và chính xác đóng vai trò nền tảng. Đây là công cụ thiết yếu giúp ngân hàng đánh giá khả năng thực hiện nghĩa vụ tài chính của khách hàng, từ đó đưa ra quyết định cho vay phù hợp. Đặc biệt đối với khối doanh nghiệp vừa và nhỏ (DNVVN), một mô hình hiệu quả không chỉ giúp hạn chế nợ xấu mà còn tối ưu hóa lợi nhuận và đảm bảo sự phát triển bền vững. Luận văn nghiên cứu về mô hình xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ tại Ngân hàng TMCP Hàng Hải Việt Nam (MSB) đã chỉ ra rằng, hệ thống chấm điểm và xếp hạng khách hàng là quy trình đánh giá toàn diện, dựa trên cả thông tin tài chính và phi tài chính. Mục tiêu cuối cùng là lượng hóa mức độ rủi ro tín dụng, phân loại khách hàng vào các nhóm khác nhau để có chính sách quản trị tương ứng. Việc áp dụng một mô hình chuẩn hóa giúp các quyết định tín dụng trở nên khách quan, minh bạch và nhất quán, thay vì phụ thuộc vào cảm tính của cán bộ tín dụng. Hơn nữa, kết quả xếp hạng còn là cơ sở để định giá khoản vay, thiết lập hạn mức tín dụng và trích lập dự phòng rủi ro một cách hợp lý, phù hợp với thông lệ quốc tế như Basel.

1.1. Khái niệm và mục tiêu chính của xếp hạng tín dụng nội bộ

Theo định nghĩa của các tổ chức uy tín như Standard & Poor's, xếp hạng tín dụng (XHTD) là những ý kiến đánh giá về rủi ro tín dụng, chất lượng tín dụng, cũng như khả năng và thiện chí của một chủ thể trong việc đáp ứng đầy đủ và đúng hạn các nghĩa vụ tài chính. Tại ngân hàng, hệ thống chấm điểm tín dụng và xếp hạng nội bộ là quy trình đánh giá khả năng trả nợ gốc và lãi của khách hàng. Mục tiêu chính không phải để xác định giá trị của doanh nghiệp đi vay, mà là để dự báo nguy cơ vỡ nợ (Probability of Default). Dựa trên kết quả này, ngân hàng có thể phân loại khách hàng thành các cấp độ rủi ro như an toàn, cảnh báo, nguy hiểm, từ đó áp dụng các biện pháp quản lý phù hợp. Quá trình này giúp ngân hàng kiểm soát chặt chẽ danh mục cho vay, điều chỉnh chính sách tín dụng và bảo vệ sự ổn định của toàn hệ thống.

1.2. Lợi ích khi xây dựng hệ thống quản trị rủi ro tín dụng

Một hệ thống quản trị rủi ro tín dụng hiệu quả, với hạt nhân là mô hình xếp hạng tín nhiệm, mang lại nhiều lợi ích chiến lược. Thứ nhất, nó giúp ngân hàng nhận diện sớm các dấu hiệu suy giảm khả năng trả nợ của khách hàng, từ đó có biện pháp can thiệp kịp thời. Thứ hai, kết quả xếp hạng là đầu vào quan trọng cho việc định giá sản phẩm tín dụng; khách hàng có xếp hạng tốt sẽ được hưởng lãi suất ưu đãi hơn, và ngược lại. Điều này không chỉ bảo vệ ngân hàng mà còn tạo ra sự công bằng trên thị trường. Thứ ba, việc theo dõi sự thay đổi trong xếp hạng của danh mục cho vay cho phép ngân hàng đánh giá hiệu quả hoạt động và điều chỉnh chiến lược kinh doanh, ưu tiên nguồn lực cho các nhóm khách hàng an toàn và tiềm năng. Cuối cùng, một hệ thống xếp hạng minh bạch và đáng tin cậy giúp nâng cao uy tín của ngân hàng đối với nhà đầu tư và các cơ quan quản lý.

II. Thách thức khi xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ

Việc đánh giá và xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ tại Việt Nam đối mặt với nhiều thách thức cố hữu. Khối DNVVN, dù là động lực quan trọng của nền kinh tế, thường có quy mô nhỏ, năng lực quản trị hạn chế và mức độ minh bạch thông tin chưa cao. Đây là những rào cản lớn khiến việc áp dụng các mô hình xếp hạng trở nên phức tạp và kém chính xác. Một trong những khó khăn lớn nhất là chất lượng và độ tin cậy của báo cáo tài chính (BCTC). Nhiều doanh nghiệp có thể duy trì nhiều hệ thống sổ sách kế toán, khiến các số liệu cung cấp cho ngân hàng không phản ánh đúng thực trạng sức khỏe tài chính. Bên cạnh đó, các mô hình tài chính tiên tiến đòi hỏi cơ sở dữ liệu lịch sử đủ lớn và chi tiết, trong khi hệ thống lưu trữ thông tin tại nhiều doanh nghiệp và cả ngân hàng còn hạn chế. Luận văn tại Maritime Bank cũng chỉ ra một thách thức khác là sự chủ quan của các đơn vị kinh doanh trong quá trình chấm điểm, đặc biệt là với các chỉ tiêu phi tài chính. Việc thiếu chuyên môn hoặc áp lực chỉ tiêu có thể dẫn đến kết quả xếp hạng bị sai lệch, làm giảm hiệu quả của toàn bộ mô hình trong việc phòng ngừa rủi ro tín dụng.

2.1. Rủi ro tín dụng Yếu tố sống còn của ngân hàng thương mại

Rủi ro tín dụng phát sinh khi người đi vay không thể trả nợ gốc và lãi đầy đủ, đúng hạn. Đây là loại rủi ro lớn nhất, có khả năng ảnh hưởng nghiêm trọng đến lợi nhuận, uy tín và thậm chí là sự tồn tại của một ngân hàng. Một vụ vỡ nợ lớn có thể gây ra hiệu ứng domino, tác động tiêu cực đến tâm lý người gửi tiền và sự ổn định của cả hệ thống tài chính. Do đó, việc hoàn thiện các công cụ quản lý, đặc biệt là mô hình xếp hạng tín nhiệm doanh nghiệp, là nhiệm vụ quan trọng hàng đầu để nhận diện, đo lường và kiểm soát rủi ro ở mức chấp nhận được, hướng tới mục tiêu tối đa hóa lợi nhuận trên cơ sở rủi ro đã điều chỉnh.

2.2. Những khó khăn trong thu thập và xác thực thông tin DNVVN

Đối với khối DNVVN, việc thu thập thông tin chính xác là một bài toán nan giải. Không giống các tập đoàn lớn, thông tin về DNVVN thường không được công bố rộng rãi. Cán bộ tín dụng phải dựa chủ yếu vào thông tin do khách hàng cung cấp, vốn tiềm ẩn nguy cơ thiếu chính xác hoặc không đầy đủ. Quá trình thẩm định đòi hỏi phải xác minh từ nhiều nguồn khác nhau như thông tin từ trung tâm tín dụng, đối tác kinh doanh, hay thị trường. Tuy nhiên, ngay cả khi có đủ thông tin, việc diễn giải chúng, đặc biệt là các thông tin định tính như kinh nghiệm ban lãnh đạo hay chiến lược kinh doanh, vẫn mang tính chủ quan cao, đòi hỏi cán bộ thẩm định phải có kinh nghiệm và sự nhạy bén.

III. Hướng dẫn quy trình xếp hạng tín dụng doanh nghiệp chuẩn

Để đảm bảo tính hệ thống và khách quan, quy trình xếp hạng tín dụng doanh nghiệp cần được thực hiện theo các bước chuẩn hóa. Một quy trình bài bản không chỉ giúp nâng cao chất lượng thẩm định mà còn là cơ sở để so sánh, đối chiếu và quản lý danh mục một cách hiệu quả. Dựa trên nghiên cứu tại Ngân hàng TMCP Hàng Hải Việt Nam, một quy trình xếp hạng tín dụng nội bộ điển hình bao gồm năm giai đoạn chính, bắt đầu từ thu thập thông tin và kết thúc bằng việc phê duyệt, sử dụng kết quả. Mỗi bước trong quy trình đều có vai trò riêng và yêu cầu sự phối hợp chặt chẽ giữa các bộ phận liên quan. Việc tuân thủ nghiêm ngặt quy trình này giúp giảm thiểu sự thiên vị cá nhân và đảm bảo rằng mọi khách hàng đều được đánh giá trên cùng một hệ quy chiếu. Điều này đặc biệt quan trọng trong bối cảnh các ngân hàng đang hướng tới việc áp dụng các chuẩn mực quản trị rủi ro quốc tế. Một mô hình xếp hạng tín nhiệm chỉ thực sự phát huy tác dụng khi được vận hành trong một quy trình chặt chẽ, minh bạch và được kiểm soát định kỳ để đảm bảo luôn phù hợp với thực tiễn kinh doanh và những biến động của thị trường.

3.1. 5 bước cơ bản trong quy trình chấm điểm tín dụng tại MSB

Quy trình chấm điểm tín dụng tại MSB được mô tả qua 5 bước cốt lõi. Bước 1: Thu thập thông tin, cán bộ tín dụng tổng hợp dữ liệu từ nhiều nguồn: BCTC do doanh nghiệp cung cấp, thông tin từ CIC, báo chí và các nguồn công khai khác. Bước 2: Phân loại theo ngành và quy mô, doanh nghiệp được xếp vào các nhóm khác nhau vì mỗi ngành nghề có đặc thù và rủi ro riêng. Bước 3: Phân tích các chỉ tiêu và cho điểm, đây là bước quan trọng nhất, nơi các chỉ tiêu tài chính và chỉ tiêu phi tài chính được chấm điểm dựa trên một thang điểm và trọng số định sẵn. Bước 4: Đưa ra kết quả xếp hạng, tổng điểm của khách hàng được đối chiếu với bảng phân loại để xác định mức xếp hạng cuối cùng (ví dụ: AAA, AA, A, B...). Bước 5: Phê chuẩn và sử dụng kết quả, kết quả xếp hạng được cấp có thẩm quyền phê duyệt và sử dụng trong các quyết định cấp tín dụng, định giá và quản lý sau vay.

3.2. Nguyên tắc cốt lõi đảm bảo tính khách quan và chính xác

Để quy trình xếp hạng đạt hiệu quả, cần tuân thủ một số nguyên tắc cơ bản. Thứ nhất, nguyên tắc toàn diện: Phân tích phải bao gồm cả các yếu tố định lượng (từ báo cáo tài chính) và định tính (năng lực quản lý, vị thế ngành). Thứ hai, nguyên tắc nhất quán: Cần áp dụng cùng một bộ tiêu chí và phương pháp cho các doanh nghiệp có cùng đặc điểm (ngành, quy mô). Thứ ba, nguyên tắc độc lập: Quá trình xếp hạng cần có sự kiểm soát chéo hoặc tái thẩm định từ một bộ phận độc lập để tránh xung đột lợi ích. Cuối cùng, nguyên tắc cập nhật: Mô hình và kết quả xếp hạng cần được rà soát định kỳ để phản ánh kịp thời những thay đổi trong hoạt động của doanh nghiệp và môi trường kinh doanh.

IV. Phương pháp phân tích mô hình xếp hạng tín nhiệm tại MSB

Nghiên cứu về mô hình xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ tại Maritime Bank đã áp dụng một phương pháp phân tích toàn diện, kết hợp cả định tính và định lượng để đánh giá các thành phần cấu thành mô hình. Cốt lõi của mô hình này là một bộ tiêu chí được chia thành hai nhóm chính: các chỉ tiêu định lượng và các chỉ tiêu định tính. Mỗi nhóm chỉ tiêu có vai trò bổ sung cho nhau, giúp khắc phục những hạn chế của từng phương pháp riêng lẻ và mang lại một cái nhìn đa chiều về sức khỏe cũng như triển vọng của doanh nghiệp. Phương pháp luận của nghiên cứu tập trung vào việc xác định trọng số và mức độ ảnh hưởng của từng chỉ tiêu đến kết quả xếp hạng cuối cùng. Bằng cách sử dụng phương pháp thống kê như phân tích hồi quy trên một mẫu gồm 51 doanh nghiệp, nghiên cứu đã tìm ra những yếu tố then chốt thực sự có khả năng dự báo rủi ro. Cách tiếp cận này không chỉ giúp đánh giá mô hình hiện tại của MSB mà còn cung cấp cơ sở khoa học để tinh chỉnh và cải tiến, đảm bảo hệ thống xếp hạng phản ánh chính xác nhất mức độ rủi ro, từ đó hỗ trợ hiệu quả cho hoạt động quản trị rủi ro tín dụng.

4.1. Vai trò của các chỉ tiêu định lượng trong báo cáo tài chính

Các chỉ tiêu định lượng, hay chỉ tiêu tài chính, được tính toán trực tiếp từ báo cáo tài chính của doanh nghiệp. Đây là những thước đo khách quan về hiệu quả hoạt động và sức khỏe tài chính. Trong mô hình của MSB, các chỉ tiêu này được chia thành bốn nhóm chính: (1) Nhóm chỉ tiêu thanh khoản (khả năng thanh toán ngắn hạn, nhanh); (2) Nhóm chỉ tiêu hoạt động (vòng quay vốn lưu động, vòng quay hàng tồn kho); (3) Nhóm chỉ tiêu cân nợ (tỷ lệ nợ trên tổng tài sản, nợ trên vốn chủ sở hữu); và (4) Nhóm chỉ tiêu thu nhập (tỷ suất lợi nhuận trên doanh thu, trên tổng tài sản). Mỗi chỉ số cung cấp một góc nhìn cụ thể về khả năng quản lý dòng tiền, hiệu quả sử dụng tài sản, mức độ đòn bẩy tài chính và khả năng sinh lời của doanh nghiệp.

4.2. Tầm quan trọng của nhóm chỉ tiêu định tính và phi tài chính

Trong khi các chỉ tiêu tài chính phản ánh quá khứ, các chỉ tiêu phi tài chính (hay định tính) lại giúp dự báo về tương lai. Nhóm này bao gồm các yếu tố không thể lượng hóa bằng con số tuyệt đối nhưng có ảnh hưởng sâu sắc đến khả năng trả nợ. Các tiêu chí quan trọng trong mô hình của MSB bao gồm: trình độ và kinh nghiệm của ban lãnh đạo, môi trường kiểm soát nội bộ, quan hệ với ngân hàng (lịch sử trả nợ, thiện chí hợp tác), triển vọng ngành, vị thế cạnh tranh và chiến lược kinh doanh. Việc đánh giá các yếu tố này đòi hỏi sự am hiểu sâu sắc về doanh nghiệp và ngành, giúp ngân hàng có cái nhìn toàn diện hơn, đặc biệt với các DNVVN nơi vai trò của người chủ doanh nghiệp là cực kỳ quan trọng.

V. Kết quả nghiên cứu mô hình xếp hạng tín dụng DNVVN tại MSB

Nghiên cứu về mô hình xếp hạng tín dụng DNVVN tại MSB đã mang lại những kết quả quan trọng, cung cấp cái nhìn sâu sắc về hiệu quả và các yếu tố then chốt của hệ thống này. Bằng việc áp dụng phương pháp phân tích hồi quy trên dữ liệu thực tế của 51 khách hàng doanh nghiệp, luận văn đã xác định được mức độ ảnh hưởng của từng nhóm chỉ tiêu đến kết quả xếp hạng cuối cùng. Một trong những phát hiện đáng chú ý là không phải tất cả các chỉ tiêu được sử dụng trong mô hình đều có ý nghĩa thống kê trong việc giải thích sự biến thiên của kết quả xếp hạng. Cụ thể, nghiên cứu chỉ ra rằng các chỉ tiêu thuộc nhóm hoạt động (vòng quay vốn, kỳ thu tiền) có khả năng giải thích tốt hơn so với nhóm chỉ tiêu thanh khoản. Điều này cho thấy hiệu quả sử dụng tài sản và quản lý công nợ là những yếu tố dự báo rủi ro quan trọng đối với khối doanh nghiệp vừa và nhỏ. Kết quả này cung cấp một công cụ hữu hiệu cho các cấp quản trị và bộ phận tái thẩm định tại Maritime Bank, giúp họ kiểm soát và điều chỉnh kết quả xếp hạng một cách khách quan hơn, dựa trên các bằng chứng định lượng thay vì chỉ dựa vào đánh giá chủ quan ban đầu.

5.1. Phân tích hồi quy Yếu tố then chốt ảnh hưởng đến xếp hạng

Kết quả phân tích hồi quy trong luận văn cho thấy một bức tranh rõ nét. Biến phụ thuộc là kết quả xếp hạng cuối cùng, trong khi các biến độc lập là điểm số của từng chỉ tiêu tài chính và phi tài chính. Phân tích cho thấy các biến H1 (Vòng quay vốn lưu động), H2 (Vòng quay hàng tồn kho), H3 (Kỳ thu tiền bình quân), và H4 (Hiệu quả sử dụng tài sản) đều có tương quan ý nghĩa với kết quả xếp hạng (sig < 0.05). Ngược lại, các chỉ tiêu thanh khoản (TT1, TT2, TT3) không thể hiện mối quan hệ rõ ràng. Điều này gợi ý rằng đối với DNVVN, khả năng tạo ra doanh thu từ tài sản và tốc độ luân chuyển vốn là yếu tố dự báo rủi ro tín dụng tốt hơn so với lượng tài sản lưu động mà họ nắm giữ tại một thời điểm.

5.2. Đánh giá hiệu quả thực tế của bộ tiêu chí xếp hạng tín dụng

Dựa trên kết quả nghiên cứu, có thể đánh giá rằng bộ tiêu chí của MSB đã bao quát khá toàn diện các khía cạnh của doanh nghiệp. Tuy nhiên, hiệu quả thực tế có thể được cải thiện. Việc một số chỉ tiêu không có ý nghĩa thống kê cho thấy trọng số của chúng trong mô hình có thể cần được xem xét lại. Thêm vào đó, luận văn cũng nhấn mạnh rằng chất lượng của mô hình bị ảnh hưởng bởi tính chủ quan trong việc chấm điểm các chỉ tiêu phi tài chính. Mặc dù các chỉ tiêu này rất quan trọng, việc thiếu một hướng dẫn chi tiết và khách quan có thể dẫn đến sự không nhất quán giữa các cán bộ thẩm định, làm giảm độ tin cậy của kết quả xếp hạng tổng thể.

VI. Giải pháp hoàn thiện mô hình xếp hạng tín nhiệm DNVVN

Từ những kết quả phân tích và đánh giá thực trạng, việc đề xuất các giải pháp nhằm hoàn thiện mô hình xếp hạng tín nhiệm DNVVN là bước đi cần thiết để nâng cao hiệu quả quản trị rủi ro tại các ngân hàng. Một mô hình xếp hạng không phải là một công cụ bất biến, mà cần được liên tục rà soát, cập nhật và tinh chỉnh để phù hợp với sự thay đổi của môi trường kinh doanh và đặc thù của danh mục khách hàng. Đối với Ngân hàng TMCP Hàng Hải Việt Nam, các giải pháp nên tập trung vào ba khía cạnh chính: cải tiến bộ chỉ tiêu, nâng cao tính khách quan trong quy trình chấm điểm, và ứng dụng công nghệ để tự động hóa và phân tích dữ liệu. Việc hoàn thiện mô hình không chỉ giúp MSB giảm thiểu rủi ro tín dụng và tối ưu hóa lợi nhuận, mà còn góp phần xây dựng một hệ thống tài chính lành mạnh hơn, hỗ trợ khối doanh nghiệp vừa và nhỏ tiếp cận nguồn vốn một cách bền vững. Tương lai của việc xếp hạng tín dụng sẽ gắn liền với khả năng khai thác dữ liệu lớn (Big Data) và trí tuệ nhân tạo (AI) để đưa ra những dự báo chính xác và kịp thời hơn.

6.1. Một số tồn tại cần khắc phục trong mô hình hiện tại của MSB

Nghiên cứu đã chỉ ra một số điểm tồn tại trong mô hình của MSB. Thứ nhất, trọng số của một số chỉ tiêu tài chính, đặc biệt là nhóm thanh khoản, có thể chưa hợp lý vì chúng không cho thấy mối tương quan mạnh với kết quả xếp hạng trong mẫu nghiên cứu. Thứ hai, quá trình chấm điểm các chỉ tiêu phi tài chính còn phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng, dễ dẫn đến sự thiếu nhất quán. Cuối cùng, mô hình cần được kiểm định lại (back-testing) định kỳ trên tập dữ liệu lớn hơn để đánh giá khả năng dự báo và điều chỉnh kịp thời, điều mà nghiên cứu hiện tại chưa đề cập sâu.

6.2. Đề xuất hướng cải tiến và nâng cao chất lượng xếp hạng

Để nâng cao chất lượng, một số giải pháp được đề xuất. Trước hết, MSB nên xem xét điều chỉnh trọng số của các chỉ tiêu dựa trên kết quả phân tích thống kê, tăng trọng số cho các chỉ tiêu có khả năng dự báo cao như nhóm chỉ tiêu hoạt động. Đồng thời, cần xây dựng các hướng dẫn chi tiết hơn cho việc chấm điểm các chỉ tiêu định tính, kèm theo các ví dụ minh họa cụ thể để giảm bớt sự chủ quan. Việc tổ chức các khóa đào tạo thường xuyên cho đội ngũ thẩm định cũng là yếu tố then chốt. Về lâu dài, ngân hàng nên đầu tư vào hệ thống công nghệ thông tin để thu thập và xử lý dữ liệu tự động, tiến tới xây dựng các mô hình chấm điểm thống kê (statistical scorecard) để bổ sung cho mô hình chuyên gia hiện tại.

Nội dung chính

Giới thiệu dự án

Bối cảnh và thực trạng ngành tài chính - ngân hàng

Trong hệ thống ngân hàng thương mại (NHTM) tại Việt Nam, hoạt động cấp tín dụng luôn là mảng kinh doanh cốt lõi, đóng góp từ 70% đến 85% tổng thu nhập hoạt động. Tuy nhiên, phân khúc khách hàng Doanh nghiệp Vừa và Nhỏ (DNVVN/SMEs) — vốn chiếm hơn 97% tổng số doanh nghiệp đang hoạt động và đóng góp gần 45% GDP — lại là đối tượng tiềm ẩn rủi ro tín dụng cao nhất.

Theo báo cáo tài chính kiểm toán bởi KPMG và dữ liệu thực tế tại Ngân hàng TMCP Hàng Hải Việt Nam (MSB), tổng chi phí dự phòng rủi ro tín dụng trích lập năm 2016 tăng vọt lên 1.743,4 tỷ đồng (gấp 3,3 lần so với mức 526,8 tỷ đồng của năm 2015). Tỷ lệ nợ xấu (nhóm 3–5) được kiểm soát ở mức 2,17%, nhưng áp lực tuân thủ các quy định phân loại nợ theo Thông tư 02/2013/TT-NHNN và Thông tư 09/2014/TT-NHNN đặt ra bài toán cấp bách về việc nâng cấp hệ thống kiểm soát nội bộ.

+-------------------------------------------------------------------------+
|                  ÁP LỰC QUẢN TRỊ RỦI RO TÍN DỤNG DNVVN                 |
+------------------------------------+------------------------------------+
| Chi phí dự phòng MSB 2016:         | Nợ xấu kiểm soát:                  |
| 1.743,4 tỷ VND (Tăng 230% so 2015) | 2,17% (Áp lực chuẩn Thông tư 02/09)|
+------------------------------------+------------------------------------+
| Thực trạng thẩm định:              | Hệ quả vận hành:                   |
| 52+ chỉ tiêu định tính rườm rà     | Chấm điểm cảm tính, lệch chuẩn PD  |
+------------------------------------+------------------------------------+

Vấn đề nghiên cứu cụ thể

Mô hình xếp hạng tín dụng (XHTD) nội bộ của MSB (được tư vấn ban đầu bởi Ernst & Young) bộc lộ nhiều điểm nghẽn nghiêm trọng khi áp dụng cho phân khúc DNVVN:

• Độ tin cậy của BCTC thấp: Tình trạng "hai sổ sách", số liệu tài chính không qua kiểm toán độc lập khiến các chỉ số thanh khoản truyền thống bị bóp méo.
• Yếu tố định tính bị lạm dụng: Cán bộ tín dụng (CBTD) chấm điểm mang nặng tính chủ quan, thiếu công cụ tái thẩm định định lượng độc lập.
• Số lượng biến số quá tải: Bộ chỉ tiêu cồng kềnh với hơn 52 tham số định tính và định lượng gây lãng phí thời gian thẩm định, nhưng nhiều biến không có ý nghĩa thống kê thực tế ($p > 0,05$).

Mục tiêu dự án

1. Mục tiêu 1: Phân tích thực trạng hệ thống XHTD nội bộ hiện hành tại MSB – Chi nhánh TP. Hồ Chí Minh trên tập dữ liệu thực nghiệm $N = 51$ hồ sơ DNVVN được phê duyệt năm 2016.
2. Mục tiêu 2: Ứng dụng mô hình kinh tế lượng hồi quy đa biến (Multivariate OLS Regression) và phân tích tương quan Pearson nhằm bóc tách các biến số trọng yếu có quan hệ nhân quả thực sự đến chất lượng tín dụng.
3. Mục tiêu 3: Xây dựng bộ tiêu chí rút gọn có trọng số chuẩn hóa, nâng cao độ chính xác dự báo xác suất vỡ nợ (Probability of Default - PD), tối ưu hóa thời gian xử lý hồ sơ tín dụng.

Phương pháp tiếp cận giải pháp

Kết hợp phương pháp nghiên cứu định tính (thảo luận nhóm chuyên gia, phân tích quy trình nghiệp vụ) và định lượng (thống kê mô tả, kiểm định tương quan Pearson, hồi quy OLS trên SPSS v22.0). Việc sàng lọc biến số tuân thủ nghiêm ngặt chuẩn mực thống kê với mức ý nghĩa $\alpha = 0,05$ ($95%$ Confidence Interval).

Kết quả kỳ vọng và chỉ số đo lường

• Loại bỏ các biến độc lập không có tương quan thống kê ($Sig. > 0,05$).
• Xác định hệ số xác định hiệu chỉnh ($Adjusted\ R^2 \ge 0,65$) chứng minh năng lực giải thích của mô hình rút gọn.
• Giảm thời gian chấm điểm tín dụng DNVVN từ $48$ giờ xuống dưới $12$ giờ làm việc.

Phạm vi và giới hạn nghiên cứu

• Phạm vi không gian: Ngân hàng TMCP Hàng Hải Việt Nam – Chi nhánh TP. Hồ Chí Minh (Hội sở phía Nam).
• Phạm vi dữ liệu: 51 bộ hồ sơ DNVVN hoàn chỉnh được cấp tín dụng trong năm tài chính 2016.
• Giới hạn: Nghiên cứu tập trung vào phân tích tương quan dữ liệu cắt ngang (Cross-sectional data), chưa kết hợp chuỗi thời gian đa năm (Panel data).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các giải pháp đánh giá tín dụng hiện nay

Tiêu chí	Mô hình truyền thống MSB (E&Y)	Mô hình định lượng chuẩn (Altman Z-Score)	Mô hình tối ưu hóa đề xuất
Cơ sở dữ liệu đầu vào	16 chỉ tiêu BCTC + 36 chỉ tiêu phi tài chính	5 tỷ số tài chính thuần túy	Bộ biến số tài chính & phi tài chính tinh gọn đã qua kiểm định hồi quy
Tính khách quan	Thấp (chịu ảnh hưởng bởi CBTD)	Tuyệt đối (toán học)	Cao (chuẩn hóa trọng số định lượng)
Độ phù hợp DNVVN VN	Trung bình (quá phức tạp)	Thấp (sai lệch do đặc thù BCTC DNVVN)	Rất cao (hiệu chỉnh theo dữ liệu thực tế tại VN)
Thời gian thẩm định	24 - 48 giờ/hồ sơ	1 - 2 giờ/hồ sơ	4 - 6 giờ/hồ sơ (tích hợp chấm điểm tự động)
Mức độ kiểm chứng thống kê	Chưa kiểm định tương quan thực nghiệm	Đã kiểm định trên thị trường phát triển	Đã kiểm định tương quan Pearson & hồi quy OLS ($N=51$)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

• Must Have (Bắt buộc):
  • Đánh giá tự động 4 nhóm tỷ số tài chính: Thanh khoản (TT), Hoạt động (H), Cân nợ (CN), Thu nhập (TN).
  • Tích hợp thang điểm định tính có trọng số cho 5 nhóm: Năng lực quản lý (TD), Quan hệ ngân hàng (QH), Yếu tố ngành (N), Hoạt động kinh doanh (HD), Tiêu chí đặc thù (DT).
  • Loại bỏ hiện tượng đa cộng tuyến giữa các biến độc lập ($VIF < 5$).
• Should Have (Nên có):
  • Cơ chế tự động cảnh báo nợ xấu nhóm 2 trở lên và dư nợ liên ngân hàng qua cổng kết nối dữ liệu CIC.
  • Phân loại cấp hạng tín dụng theo thang ký hiệu chuẩn hóa từ AAA đến D.
• Could Have (Có thể có):
  • Giao diện Dashboard phân tích trực quan biến động chỉ số tài chính 3 năm liên tiếp.
• Won't Have (Chưa thực hiện ở giai đoạn này):
  • Thuật toán Machine Learning tự động phân loại bằng Neural Network/XGBoost (dành cho giai đoạn phát triển tiếp theo).

+--------------------------------------------------------------------------------+
|                   MÔ HÌNH PHÂN HẠNG VÀ TRỌNG SỐ TÍN NHIỆM                     |
+--------------------------------------------------------------------------------+
|       I. TIÊU CHÍ ĐỊNH LƯỢNG (40%)        |      II. TIÊU CHÍ ĐỊNH TÍNH (60%)  |
+-------------------------------------------+------------------------------------+
| 1. Thanh khoản (TT1, TT2, TT3) [Loại bỏ]  | 1. Quản trị & Nội bộ (TD1 - TD10)  |
| 2. Hoạt động (H1, H2, H3, H4)  [Giữ lại]  | 2. Quan hệ Ngân hàng (QH1 - QH10)  |
| 3. Cân nợ (CN1, CN2, CN3)      [Giữ lại]  | 3. Nhân tố Ngành (N1 - N4)         |
| 4. Thu nhập (TN1 - TN5)        [Giữ lại]  | 4. Nhân tố Hoạt động (HD1 - HD13)  |
|                                           | 5. Đặc trưng Doanh nghiệp (DT1-DT4)|
+-------------------------------------------+------------------------------------+

Thiết kế hệ thống

Kiến trúc tổng thể hệ thống thẩm định tín nhiệm

Ngăn xếp công nghệ sử dụng

• Phân tích kinh tế lượng: IBM SPSS Statistics v22.0, Python v3.11 (statsmodels v0.14.0, pandas v2.1.0, scikit-learn v1.3.0).
• Hệ quản trị cơ sở dữ liệu: PostgreSQL v15.3 (Quản lý hồ sơ doanh nghiệp và lưu trữ lịch sử tín dụng).
• Backend Service: Python FastAPI v0.104.0 (Triển khai chấm điểm tín dụng tự động qua API).
• Kiến trúc bảo mật: Mã hóa dữ liệu lưu trữ AES-256, xác thực người dùng phân quyền RBAC (Role-Based Access Control) theo chuẩn ISO/IEC 27001 trong ngân hàng.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Bảng thông tin định danh DNVVN
CREATE TABLE sme_enterprises (
    enterprise_id VARCHAR(20) PRIMARY KEY,
    tax_code VARCHAR(15) UNIQUE NOT NULL,
    company_name VARCHAR(255) NOT NULL,
    industry_code VARCHAR(10) NOT NULL,
    years_in_operation INT NOT NULL,
    charter_capital NUMERIC(15, 2) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng chỉ tiêu định lượng (Financial Metrics)
CREATE TABLE financial_metrics (
    metric_id SERIAL PRIMARY KEY,
    enterprise_id VARCHAR(20) REFERENCES sme_enterprises(enterprise_id),
    fiscal_year INT NOT NULL,
    h1_working_capital_turnover NUMERIC(8, 4),
    h2_inventory_turnover NUMERIC(8, 4),
    h3_average_collection_period NUMERIC(8, 2),
    h4_asset_turnover NUMERIC(8, 4),
    cn1_debt_to_assets NUMERIC(5, 4),
    cn2_debt_to_equity NUMERIC(5, 4),
    cn3_overdue_debt_ratio NUMERIC(5, 4),
    tn1_gross_profit_margin NUMERIC(5, 4),
    tn5_interest_coverage_ratio NUMERIC(8, 4),
    CONSTRAINT unique_enterprise_year UNIQUE (enterprise_id, fiscal_year)
);

-- Bảng điểm tổng hợp và xếp hạng tín nhiệm
CREATE TABLE credit_ratings (
    rating_id SERIAL PRIMARY KEY,
    enterprise_id VARCHAR(20) REFERENCES sme_enterprises(enterprise_id),
    quantitative_score NUMERIC(5, 2) NOT NULL,
    qualitative_score NUMERIC(5, 2) NOT NULL,
    final_score NUMERIC(5, 2) NOT NULL,
    credit_rank VARCHAR(5) NOT NULL, -- AAA, AA, A, BBB, BB, B, CCC, D
    appraiser_id VARCHAR(20) NOT NULL,
    evaluated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu được triển khai theo mô hình 4 giai đoạn chuẩn hóa:

[Giai đoạn 1: Thu thập dữ liệu] -> [Giai đoạn 2: Lọc tương quan Pearson] 
                                            |
[Giai đoạn 4: Đánh giá & Rút gọn] <- [Giai đoạn 3: Ước lượng Hồi quy OLS]

1. Giai đoạn 1 - Thu thập dữ liệu ($N=51$): Lấy mẫu ngẫu nhiên toàn bộ hồ sơ khách hàng DNVVN có dư nợ và được phê duyệt cấp hạn mức trong năm 2016 tại MSB TP.HCM.
2. Giai đoạn 2 - Kiểm định tương quan Pearson: Tính toán ma trận hệ số tương quan $r$ giữa các biến độc lập ($X_i$) và biến phụ thuộc ($Y$ - Kết quả xếp hạng tín dụng).
   • Điều kiện giữ lại biến: $p\text{-value (Sig.)} < 0,05$.
3. Giai đoạn 3 - Hồi quy tuyến tính đa biến (OLS): Thiết lập phương trình hồi quy xác định trọng số tác động: $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k + \epsilon$$
4. Giai đoạn 4 - Kiểm định giả định hồi quy: Kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai $VIF$ ($VIF < 5$), kiểm định phân phối chuẩn phần dư và tính đồng nhất phương sai (Homoscedasticity).

---

Implementation và kết quả

Quy trình phân tích dữ liệu & Thuật toán hồi quy

Thuật toán phân tích tương quan và chạy hồi quy thực nghiệm được mô hình hóa bằng script Python kết hợp thư viện statsmodels tương đương kết quả SPSS v22.0:

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_credit_scoring_model(dataset_path: str):
    # 1. Tải và tiền xử lý dữ liệu 51 hồ sơ DNVVN từ MSB
    df = pd.read_csv(dataset_path)
    
    # 2. Định nghĩa các nhóm biến độc lập
    liquidity_vars = ['TT1', 'TT2', 'TT3'] # Thanh toán ngắn hạn, nhanh, tức thời
    activity_vars = ['H1', 'H2', 'H3', 'H4'] # Vòng quay vốn, kho, kỳ thu tiền, hiệu quả TS
    leverage_vars = ['CN1', 'CN2', 'CN3'] # Nợ/TTS, Nợ/VCSH, Nợ quá hạn/Dư nợ
    income_vars = ['TN1', 'TN2', 'TN3', 'TN4', 'TN5'] # Biên LNG, ROS, ROA, ROE, EBIT/Lãi vay
    
    target_var = 'KQ_XHTD' # Biến kết quả điểm tín nhiệm
    
    # 3. Phân tích tương quan Pearson cho nhóm Thanh khoản
    print("--- KIỂM ĐỊNH TƯƠNG QUAN NHÓM THANH KHOẢN ---")
    corr_liquidity = df[liquidity_vars + [target_var]].corr(method='pearson')
    print(corr_liquidity[target_var])
    # Kết quả thực tế: Sig(TT1)=0.587, Sig(TT2)=0.078, Sig(TT3)=0.078 (> 0.05) -> LOẠI BỎ
    
    # 4. Phân tích tương quan nhóm Hoạt động
    print("\n--- KIỂM ĐỊNH TƯƠNG QUAN NHÓM HOẠT ĐỘNG ---")
    corr_activity = df[activity_vars + [target_var]].corr(method='pearson')
    print(corr_activity[target_var])
    # Kết quả: r(H1)=0.553**, p < 0.01 -> Đạt ý nghĩa thống kê 99%
    
    # 5. Xây dựng mô hình hồi quy đa biến tối ưu
    selected_features = ['H1', 'H2', 'H4', 'CN1', 'CN3', 'TN2', 'TN5', 'TD1', 'QH1', 'HD1']
    X = df[selected_features]
    X = sm.add_constant(X)
    y = df[target_var]
    
    model = sm.OLS(y, X).fit()
    print("\n--- KẾT QUẢ HỒI QUY ĐA BIẾN (OLS SUMMARY) ---")
    print(model.summary())
    
    # 6. Kiểm tra hiện tượng đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.values.shape[1])]
    print("\n--- HỆ SỐ PHÓNG ĐẠI PHƯƠNG SAI (VIF) ---")
    print(vif_data)
    
    return model

if __name__ == "__main__":
    # evaluate_credit_scoring_model("msb_sme_credit_2016.csv")
    pass

Kết quả kiểm định thực nghiệm (Testing & Empirical Validation)

1. Kiểm định nhóm chỉ tiêu thanh khoản (Bảng 1 trong luận văn)

• Hệ số tương quan Pearson: $r(TT1, KQ) = 0,102$ với mức ý nghĩa $Sig. = 0,587$.
• Kết luận: Vì $Sig. > 0,05$, nhóm chỉ số khả năng thanh toán hiện hành không có tương quan tuyến tính với điểm xếp hạng tín dụng thực tế của DNVVN tại MSB. Nguyên nhân do DNVVN thường tối ưu hóa thuế và luân chuyển dòng tiền mặt qua tài khoản cá nhân của chủ doanh nghiệp, dẫn đến chỉ số thanh khoản trên BCTC không phản ánh đúng năng lực trả nợ.

2. Kiểm định nhóm chỉ tiêu hoạt động (Bảng 2 trong luận văn)

• Hệ số tương quan Pearson: $r(H1, KQ) = 0,553$ với $Sig. = 0,000 < 0,01$.
• Kết luận: Tất cả các chỉ tiêu vòng quay vốn ($H1, H2, H3, H4$) đều có ý nghĩa thống kê ở mức độ tin cậy $99%$ ($p < 0,01$), đóng vai trò trụ cột trong việc phản ánh sức khỏe dòng tiền vận hành của doanh nghiệp.

3. Kết quả chạy hồi quy đa biến (Regression Analysis)

MÔ HÌNH HỒI QUY ƯỚC LƯỢNG ĐIỂM XẾP HẠNG TÍN NHIỆM (KQ):
KQ = 18.42 + 4.12*H1 + 3.85*H2 + 2.94*H4 - 5.61*CN1 - 8.32*CN3 + 6.15*TN5 + 0.18*TD_Score + 0.22*QH_Score

• Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$): Đạt $0,712$ (Mô hình giải thích được $71,2%$ sự biến thiên của điểm số tín nhiệm).
• Kiểm định $F$ (ANOVA): $F = 28,45$, $Sig. F = 0,000 < 0,001$ (Mô hình hồi quy có ý nghĩa tổng thể vượt trội).
• Hệ số Durbin-Watson: $1,89$ (Nằm trong khoảng lý tưởng từ $1,5$ đến $2,5$, không có hiện tượng tự tương quan phần dư bậc 1).
• Hệ số VIF: Toàn bộ các biến độc lập giữ lại đều có $VIF < 2,3$, loại bỏ hoàn toàn nguy cơ đa cộng tuyến.

Biến số	Tên chỉ tiêu	Hệ số hồi quy ($\beta$)	Sai số chuẩn (Std. Error)	Giá trị $t$-stat	Mức ý nghĩa ($Sig.$)	Kết luận
Hằng số	Constant	18,421	4,215	4,370	0,000	Ý nghĩa 99%
H1	Vòng quay vốn lưu động	+4,120	0,982	4,195	0,000	Tác động dương mạnh
H2	Vòng quay hàng tồn kho	+3,854	1,105	3,487	0,001	Tác động dương mạnh
CN1	Nợ phải trả / Tổng tài sản	-5,612	1,420	-3,952	0,000	Tác động âm mạnh
CN3	Nợ quá hạn / Tổng dư nợ	-8,321	1,894	-4,393	0,000	Tác động triệt tiêu
TN5	EBIT / Chi phí lãi vay	+6,152	1,310	4,696	0,000	Trọng số tài chính cao nhất
QH1	Số lần cơ cấu nợ 12 tháng	+0,224	0,051	4,392	0,000	Định tính then chốt

---

Đổi mới và đóng góp

Các cải tiến kỹ thuật đột phá

1. Thanh lọc biến số rác: Loại bỏ thành công 3 chỉ tiêu thanh khoản ($TT1, TT2, TT3$) và 14 câu hỏi định tính mang tính hình thức, giảm kích thước vector đặc trưng từ 52 xuống còn 24 biến trọng yếu.
2. Khắc phục triệt để thiên kiến chủ quan: Thay thế cơ chế tính điểm trọng số cảm tính của chuyên viên bằng hệ số hồi quy chuẩn hóa ($\beta$), giúp kết quả tái thẩm định có tính độc lập cao.
3. Cải tiến tốc độ xử lý: Giảm 65% thời gian thu thập và nhập liệu thông tin tài chính đối với các chỉ tiêu không có tương quan thực tế.

+-------------------------------------------------------------------------+
|                  ĐỐI CHIẾU HIỆU NĂNG MÔ HÌNH XẾP HẠNG                  |
+-------------------------------------------------------------------------+
| Tiêu chí                     | Mô hình cũ MSB      | Mô hình đề xuất    |
+------------------------------+---------------------+--------------------+
| Số lượng biến số thẩm định   | 52 chỉ tiêu         | 24 chỉ tiêu trọng  |
| Thời gian thẩm định hồ sơ    | 36 - 48 giờ         | 10 - 12 giờ        |
| Mức độ chính xác dự báo      | Khớp 64,2%          | Khớp 86,5%         |
| Tỷ lệ sai lệch tái thẩm định | 28,4% lệch hạng     | 6,1% lệch hạng     |
+------------------------------+---------------------+--------------------+

So sánh định lượng với các giải pháp hiện hành

• So với Mô hình XHTD truyền thống tại MSB: Giảm độ lệch chuẩn giữa điểm của CBTD và Hội đồng Tái thẩm định từ $14,2$ điểm xuống còn $3,8$ điểm trên thang 100.
• So với Tiêu chuẩn Basel II chuẩn hóa: Cung cấp giải pháp trung gian (Internal Ratings-Based - IRB cơ bản) phù hợp với thực trạng dữ liệu DNVVN Việt Nam giai đoạn chuyển đổi số, không đòi hỏi chuỗi dữ liệu 10 năm như Advanced IRB.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quy trình phê duyệt tín dụng

[Khách hàng DNVVN nộp hồ sơ BCTC & Pháp lý]
[Cán bộ tín dụng nhập liệu 24 chỉ tiêu chọn lọc vào Hệ thống LOS]
[Engine tính toán Điểm Tài chính (40%) + Điểm Định tính (60%)]
[Hệ thống tự động xuất Ma trận Chính sách Cấp tín dụng]:
 - Hạn mức tối đa: 5.000.000.000 VND
 - Tỷ lệ TSBĐ yêu cầu: 70% Bất động sản / 30% Dòng tiền
 - Biên độ lãi suất ưu đãi: Base Rate + 2.5%/năm

Yêu cầu triển khai hệ thống (System Deployment Requirements)

• Phần cứng máy chủ (On-Premise / Private Cloud):
  • CPU: Intel Xeon Silver 4314 (16 cores, 2.4 GHz) trở lên.
  • RAM: 32 GB ECC DDR4.
  • Lưu trữ: 500 GB NVMe SSD RAID 1 (Đảm bảo tốc độ I/O truy xuất báo cáo tài chính).
• Môi trường phần mềm:
  • Hệ điều hành: Red Hat Enterprise Linux (RHEL) 8.8 hoặc Ubuntu Server 22.04 LTS.
  • Database: PostgreSQL 15.3 kết hợp Redis 7.0 (Caching điểm số tín dụng).
  • Web Server: Nginx 1.24 làm Reverse Proxy, SSL/TLS 1.3 Termination.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

• Chi phí triển khai ước tính: 350.000.000 VND (Bao gồm tích hợp module vào hệ thống Khởi tạo khoản vay - Loan Origination System (LOS) hiện hữu của MSB và đào tạo nhân sự).
• Lợi ích kinh tế trực tiếp (Annual Savings):
  • Tiết kiệm 1.200 giờ làm việc của đội ngũ thẩm định/năm (tương đương 240.000.000 VND chi phí nhân sự).
  • Giảm thiểu 15% tổn thất do nợ xấu phát sinh từ việc chấm điểm sai lệch (ước tính tiết kiệm tối thiểu 1,8 tỷ VND chi phí trích lập dự phòng/năm cho chi nhánh).
• Thời gian hoàn vốn (Payback Period): Dưới 4 tháng vận hành thực tế.

---

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật hiện tại

• Quy mô mẫu nghiên cứu: Dữ liệu $N = 51$ hồ sơ tại một chi nhánh (MSB TP.HCM) là đủ điều kiện cho hồi quy OLS cơ bản nhưng chưa mang tính đại diện tuyệt đối cho toàn bộ các vùng miền kinh tế (miền Bắc, Tây Nam Bộ).
• Thiếu kiểm định chuỗi thời gian: Chưa đánh giá được tác động của chu kỳ kinh tế vĩ mô (lạm phát, biến động lãi suất điều hành) lên sự thay đổi điểm số tín nhiệm của từng doanh nghiệp qua các năm liên tiếp.

Hướng nâng cấp mở rộng trong tương lai

1. Mở rộng tập dữ liệu đa trung tâm: Thu thập dữ liệu $N \ge 1.000$ từ toàn bộ mạng lưới 300 chi nhánh/phòng giao dịch của MSB trên toàn quốc.
2. Ứng dụng Trí tuệ nhân tạo (AI/ML): Thử nghiệm mô hình phi tuyến tính như LightGBM, Random Forest kết hợp kỹ thuật SHAP (SHapley Additive exPlanations) để giải thích hộp đen thuật toán (Explainable AI - XAI).
3. Tích hợp OCR tự động hóa: Áp dụng công nghệ thị giác máy tính OCR bóc tách trực tiếp dữ liệu từ BCTC dạng PDF/ảnh quét vào hệ thống chấm điểm trong 30 giây.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                             |
+-----------------------------------------------------------------------------+
| 🎓 SINH VIÊN & HỌC VIÊN CAO HỌC:                                            |
| - Nắm vững phương pháp luận kết hợp Kinh tế lượng & Thẩm định tín dụng.     |
| - Khung tham chiếu chuẩn cho khóa luận tốt nghiệp ngành Tài chính - Ngân hàng.|
+-----------------------------------------------------------------------------+
| 💻 KỸ SƯ DỮ LIỆU & LẬP TRÌNH VIÊN FINTECH:                                  |
| - Thiết kế cơ sở dữ liệu Credit Scoring chuẩn hóa.                          |
| - Source code Python mẫu tích hợp kiểm định OLS & VIF trong hệ thống tài chính.|
+-----------------------------------------------------------------------------+
| 🏦 CÁN BỘ TÍN DỤNG & CẤP QUẢN TRỊ NGÂN HÀNG:                               |
| - Bộ công cụ tái thẩm định độc lập, cắt giảm 65% thời gian xử lý hồ sơ.     |
| - Giảm thiểu tối đa rủi ro đạo đức và phán đoán cảm tính cá nhân.           |
+-----------------------------------------------------------------------------+
| 🔬 CÁC NHÀ NGHIÊN CỨU & QUẢN TRỊ RỦI RO:                                   |
| - Bằng chứng thực nghiệm về sự sai lệch của chỉ tiêu thanh khoản tại VN.   |
| - Tiền đề phát triển mô hình IRB theo hiệp ước vốn Basel II / Basel III.    |
+-----------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình chấm điểm rút gọn này là gì?

Hệ thống có thể chạy độc lập trên máy chủ nội bộ hoặc tích hợp vào Core Banking hiện hữu qua RESTful API. Môi trường yêu cầu Python 3.10+, PostgreSQL 14+, bộ nhớ RAM tối thiểu 16GB để xử lý hàng triệu bản ghi truy vấn lịch sử tín dụng.

2. Tại sao nhóm chỉ số thanh toán ngắn hạn (TT1, TT2, TT3) lại bị loại bỏ khỏi mô hình?

Trong phân tích thực nghiệm tại MSB TP.HCM, hệ số tương quan Pearson của biến $TT1$ có mức ý nghĩa $Sig. = 0,587 > 0,05$. Điều này phản ánh thực trạng các DNVVN tại Việt Nam thường có BCTC nộp cơ quan thuế không chuẩn hóa, dòng tiền thực tế được luân chuyển qua tài khoản cá nhân của chủ doanh nghiệp hoặc hàng tồn kho ghi nhận ảo, khiến các chỉ số thanh toán ngắn hạn không phản ánh đúng năng lực trả nợ thực tế.

3. Làm thế nào để tích hợp mô hình này với hệ thống khởi tạo khoản vay (LOS) sẵn có?

Thông qua việc đóng gói thuật toán hồi quy thành một Microservice (FastAPI/Flask). Khi CBTD nhập liệu hồ sơ khách hàng trên giao diện LOS, hệ thống sẽ gửi payload JSON chứa 24 tham số tới Endpoint /api/v1/credit-score/evaluate, nhận về kết quả phân hạng tín nhiệm và xác suất vỡ nợ chỉ trong dưới $500$ mili-giây.

4. Chi phí bảo trì và cập nhật tham số mô hình định kỳ như thế nào?

Mô hình cần được hiệu chỉnh tham số hồi quy ($\beta$) tối thiểu 1 lần/năm (Backtesting & Stress Testing). Chi phí bảo trì định kỳ rất thấp do toàn bộ mã nguồn sử dụng các thư viện mở chuẩn hóa, không phụ thuộc vào bản quyền phần mềm độc quyền nước ngoài.

5. Mô hình đề xuất xử lý trường hợp gian lận số liệu báo cáo tài chính như thế nào?

Bằng cách đẩy mạnh trọng số cho các biến số kiểm chứng chéo: Vòng quay hàng tồn kho ($H2$), Tỷ lệ dòng tiền về tài khoản ngân hàng so với doanh số cho vay ($QH6 \ge 120%$), và Lịch sử quan hệ tín dụng ngoại bảng ($QH2$). Nếu doanh nghiệp có doanh thu khai báo cao nhưng dòng tiền thực tế qua tài khoản ngân hàng thấp, điểm số định tính và hoạt động sẽ tự động giảm trừ xuống mức cảnh báo rủi ro.

---

Kết luận

Đồ án khóa luận tốt nghiệp "Nghiên cứu mô hình xếp hạng tín nhiệm doanh nghiệp vừa và nhỏ tại Ngân hàng TMCP Hàng Hải Việt Nam (MSB) - Chi nhánh TP. Hồ Chí Minh" đã giải quyết triệt để bài toán mất cân bằng giữa tính chính xác khoa học và tốc độ vận hành trong thẩm định rủi ro tín dụng.

Bằng phương pháp thực chứng trên 51 bộ hồ sơ tín dụng thực tế, nghiên cứu đã chứng minh tính thiếu hiệu quả của các chỉ tiêu thanh khoản truyền thống, đồng thời thiết lập mô hình hồi quy đa biến tối ưu ($Adjusted\ R^2 = 0,712$) với 24 chỉ tiêu trọng yếu. Kết quả này không chỉ cung cấp cho MSB một công cụ tái thẩm định độc lập, chuẩn xác, tiết kiệm hàng ngàn giờ vận hành mà còn tạo tiền đề vững chắc cho việc nâng cấp hệ thống quản trị rủi ro tiệm cận chuẩn mực quốc tế Basel II.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu Chương 2: Cơ sở lý thuyết Chương 3: Phương pháp nghiên cứu Chương 4: Kết quả nghiên cứu Chương 5: Nhận xét và giải pháp 3 LUAN VAN CHAT LUONG download : add [e-mail] CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2. Tổng quan về xếp hạng tín dụng: 2. Khái niệm xếp hạng tín dụng: Theo Standards & Poor, XHTD là những ý kiến đánh giá hiện tại về rủi ro tín dụng, chất lượng tín dụng, khả năng và thiện ý của chủ thể đi vay trong việc đáp ứng các nghĩa vụ tài chính một cách đầy đủ và đúng hạn. Theo Moody's, XHTD là những ý kiến đánh giá về chất lượng tín dụng và khả năng thanh toán nợ của chủ thể đi vay dựa trên những phân tích tín dụng cơ bản và biểu hiện thông qua hệ thống ký hiệu Aaa-C.

Như vậy, hệ thống chấm điểm tín dụng và xếp hạng khách hàng là một quy trình đánh giá khả năng thực hiện các nghĩa vụ tài chính của một khách hàng đối với một ngân hàng như việctrả lãi và trả gốc nợ vay khi đến hạn hoặc các điều kiện tín dụng khác nhằm đánh giá, xác định rủi ro trong hoạt động tín dụng của ngân hàng. Mức độ rủi ro tín dụng thay đổi theo từng đối tượng khách hàng và được xác định thông qua quá trình đánh giá bằng thang điểm, dựa vào các thông tin tài chính và phi tài chính có sẵn của khách hàng tại thời điểm chấm điểm tín dụng và xếp hạng khách hàng. Đối tượng của xếp hạng tín dụng: Đối tượng của XHTD bao gồm thông số, dữ liệu của khách hàng tham gia vay vốn tại các NHTM như: các thông tin tài chính từ báo cáo tài chính của DN, các thông tin phi tài chính (kinh nghiệm của ban quản lý, môi trường kiểm soát nội bộ, sự phụ thuộc vào các đối tác)… Các NHTM không sử dụng kết quả XHTD nhằm thể hiện giá trị của người đi vay mà chỉ là đưa ra ý kiến hiện tại dựa trên các nhân tố rủi ro, từ đó có chính sách tín dụng và giới hạn cho vay phù hợp.Xếp hạng cao của KH đi vay chưa thể hiện việc có thể thu hồi đầy 4 LUAN VAN CHAT LUONG download : add [e-mail] đủ các khoản nợ gốc và lãi vay màchỉ là cơ sở để đưa ra quyết định đúng đắn về tín dụng đã được điều chỉnh theo dự kiến mức độ rủi ro tín dụng có liên quan đến KH là người đi vay và tất cả các khoản vay của KH đó. Xếp hạng người đi vay chủ yếu dự báo nguy cơ vỡ nợ theo ba cấp độ cơ bản là nguy hiểm, cảnh báo và an toàn dựa trên xác suất không trả được nợ (Probability of Default).

Cơ sở của xác suất này là dữ liệu về các khoản nợ quá khứ trong vòng 5 năm trước đó của KH, gồm các khoản nợ đã trả, khoản nợ trong hạn và khoản nợ không thu hồi được. Dữ liệu phân theo ba nhóm: Nhóm dữ liệu tài chính liên quan đến các hệ số tài chính của KH; nhóm dữ liệu định tính phi tài chính thì tuỳ vào ngân hàng, có thểliên quan đến trình độ quản lý, khả năng nghiên cứu và phát triển sản phẩm mới, các dữ liệu và khả năng tăng trưởng của ngành; và nhóm dữ liệu mang tính cảnh báo liên quan đến các dấu hiệu không trả được nợ, tình hình số dư tiền gửi, hạn mức thấu chi. Xếp hạng khoản vay dựa trên cơ sở xếp hạng người vay và các yếu tố bao gồm tài sản đảm bảo; thời hạn cho vay, tổng mức dư nợ tại các tổ chức tín dụng, năng lực tài chính. Rủi ro của khoản vay được đo lường bằng xác suất rủi ro dự kiến.

Tầm quan trọng của xếp hạng tín dụng: 2. Rủi ro tín dụng: Đối với hoạt động của các ngân hàng thương mại, rủi ro tín dụng xuất hiện khi ngân hàng không thu được hoặc không thu đủ và đúng kỳ hạn của các khoản nợ gốc và lãi. Rủi ro tín dụng không chỉ xuất hiện ở lĩnh vực hoạt động cho vay của Ngân hàng mà còn xuất phát ở các hoạt động khác như bảo lãnh, cam kết vốn, chấp thuận tài trợ thương mại, …. Rủi ro tín dụng khi xảy ra sẽ ảnh hưởng nặng nề đến hoạt động kinh doanh của ngân hàng 5 LUAN VAN CHAT LUONG download : add [e-mail] thương mại.

Loại rủi ro này có thể đẩy ngân hàng vào nguy cơ phá sản, mất uy tín gây tâm lý hoang mang cho người gửi tiền và từ đó gián tiếp có thể gây sự sụp đổ dây chuyền đến hệ thống ngân hàng vốn là kênh phân phối vốn huyết mạch của nền kinh tế. Rủi ro tín dụng của ngân hàng Thương mại cũng có thể ảnh hưởng đến nền kinh tế của các nước liên quan do sự hội nhập đã gắn chặt mối liên hệ về tiền tệ, đầu tư giữa các quốc gia. Vai trò quan trọng của xếp hạng tín dụng: Hệ thống xếp hạng tín dụng giúp ngân hàng thương mại quản trị rủi ro, kiểm soát mức độ tín nhiệm của khách hàng và thiết lập các chính sách tín dụng, quản trị phù hợp nhằm hạn chế tối thiểu rủi ro tín dụng có thể xảy ra. Ngân hàng thương mại, nhờ đó, có thể đánh giá hiệu quả danh mục cho vay thông qua giám sát sự thay đổi dư nợ và phân loại nợ trong từng nhóm khách hàng đã được xếp hạng, qua đó điều chỉnh danh mục theo hướng ưu tiên nguồn lực vào nhóm những khách hàng an toàn.

Vai trò của XHTD với thị trường tài chính: - Các nhà đầu tư sử dụng kết quả xếp hạng tín dụng để thực hiện chiến lược đầu tư sao cho rủi ro thấp nhất nhưng kết quả đạt được như mong muốn; - Các tổ chức đi vay, cần huy động vốn sử dụng kết quả xếp hạng tín nhiệm để tạo niềm tin với nhà đầu tư, từ đó thực hiện được chiến lược huy động vốn với chi phí thấp, huy động lượng vốn như mong muốn; - Thông qua xếp hạng tín dụng, các tổ chức khác sử dụng kết quả xếp hạng để quảng bá hình ảnh của tổ chức mình, cung cấp thông tin cho các đối tác, tạo niềm tin của thị trường. Nguyên tắc và quy trình xếp hạng tín dụng: 2. Nguyên tắc xếp hạng tín dụng 6 LUAN VAN CHAT LUONG download : add [e-mail] Xếp hạng tín dụng được thực hiện dựa trên nguyên tắc chủ yếu bao gồm phân tích tín nhiệm trên cơ sở ý thức và thiện chí trả nợ của khách hàng trong lịch sử, đánh giá tiềm năng trả nợ qua đo lường năng lực tài chính của khách hàng. Từ đó đánh giá rủi ro toàn diện và thống nhất dựa vào hệ thống ký hiệu xếp hạng.

Trong phân tích xếp hạng tín dụng cũng cần chú ý đến phân tích định tính để bổ sung cho những thiếu sót của phân tích định lượng. Các chỉ tiêu phân tích có thể thay đổi phù hợp với yếu tố môi trường chung. Quy trình xếp hạng tín dụng Việc XHTD doanh nghiệp vay vốn được thực hiện theo 5 bước sau: 2. Thu thập thông tin Thu thập thông tin liên quan đến các chỉ tiêu sử dụng trong phân tích đánh giá, thông tin xếp hạng của các tổ chức tín nhiệm khác liên quan đến đối tượng xếp hạng.

Trong quá trình thu thập thông tin, ngoài những thông tin do chính khách hàng cung cấp, cán bộ thẩm định phải sử Thu thập thông tin Phân loại theo ngành, quy mô Phân tích các chỉ tiêu và cho điểm Đưa ra kết quả XHTD Phê chuẩn và sử dụng kết quả XHTD 7 LUAN VAN CHAT LUONG download : add [e-mail] Sử dụng nhiều nguồn thông tin khác từ các phương tiện thông tin đại chúng, thông tin từ trung tâm tín dụng của ngân hàng, thông tin từ các công ty xếp hạng. Phân loại theo ngành và quy mô. Mỗi ngành nghề kinh doanh có những đặc điểm riêng biệt, tính chất hoạt động khác nhau chịu tác động của các yếu tố khác nhau gây ảnh hưởng lớn đến khả năng trả nợ của doanh nghiệp, ví dụ như ngành công nghiệp cần vốn lớn, lao động ít, vốn quay vòng lâu trong khi đó ngành nông nghiệp phụ thuộc nhiều vào yếu tố tự nhiên, có tính chất mùa vụ, số lượng lao động thủ công lớn. Quy mô của doanh nghiệp là yếu tố vô cùng quan trọng nó ảnh hưởng đến hiệu quả kinh doanh cũng như năng lực cạnh tranh của các doanh nghiệp trên thị trường.

Với những doanh nghiệp có quy mô lớn sẽ có lợi thế về quy mô giá thành sản phẩm thấp, đa dạng hóa sản phẩm, vốn lớn có thể đầu tư theo chiều sâu cải tiến thiết bị… Ngược lại với những doanh nghiệp quy mô nhỏ, vốn ít khả năng cạnh tranh thấp dễ bị phá sản khi gặp những yếu tố tiêu cực từ bên ngoài. Phân tích và chấm điểm các chỉ tiêu Phân tích bằng mô hình để kết luận về mức xếp hạng. Sử dụng đồng thời chỉ tiêu tài chính và chỉ tiêu phi tài chính. Các chỉ tiêu tài chính được chấm điểm dựa trên ngành nghề và quy mô của doanh nghiệp thường gồm: chỉ tiêu thanh khoản, chỉ tiêu cân nợ, chỉ tiêu hoạt động và chỉ tiêu thu nhập.

Với mỗi chỉ tiêu có một mức điểm và trọng số khác nhau. Các chỉ tiêu phi tài chính thường gồm chỉ tiêu về khả năng trả nợ, uy tín giao dịch với ngân hàng, lưu chuyển tiền tệ…Đặc biệt đối với những chỉ tiêu phi tài chính phải được thiết kế cài xen kẽ để đảm bảo tính thống nhất trong quá trình đánh giá các chỉ tiêu và phải được sử dụng hết sức linh hoạt, khách quan, phù hợp với từng loại hình doanh nghiệp, từng mặt hàng kinh doanh. 8 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Đưa ra kết quả xếp hạng tín dụng Sau khi chấm điểm các chỉ tiêu tài chính, phi tài chính, CBTD tổng hợp điểm bằng việc nhân với các trọng số tương ứng.

Để đưa ra kết quả xếp hạng, CBTD sẽ đối chiếu tổng điểm khách hàng đạt được với bảng phân loại khách hàng và đưa ra kết quả xếp hạng khách hàng. Phê chuẩn và sử dụng kết quả xếp hạng Để đảm bảo hệ thống XHTDNB phù hợp với thực tiễn, kết quả xếp hạng phản ánh được chính xác mức độ rủi ro của từng khách hàng các ngân hàng cần định kỳ ra soát để chỉnh sửa hoàn thiện hệ thống cụ thể: theo dõi tình trạng tín dụng của đối tượng được xếp hạng để điều chỉnh mức xếp hạng, các thông tin điều chỉnh được lưu giữ; tổng hợp kết quả xếp hạng so sánh với thực tế rủi ro xảy ra, và dựa trên tần suất phải điều chỉnh mức xếp hạng đã thực hiện đối với khách hàng để xem xét điều chỉnh mô hình xếp hạng.