Luận văn Thạc sĩ Kinh tế: hoàn thiện hệ thống xếp hạng tín dụng cá nhân

Luận văn thạc sĩ nghiên cứu giải pháp hoàn thiện hệ thống xếp hạng tín dụng cá nhân tại Ngân hàng TMCP Nam Á, nâng cao hiệu quả quản trị rủi ro.

• Tác giả: Phan Thị Mỹ Hạnh
• Người hướng dẫn: TS. Lê Đình Hạc
• Trường học: Trường Đại học Ngân hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Hoàn Thiện Hệ Thống Xếp Hạng Tín Dụng Cá Nhân Tại Ngân Hàng Thương Mại Cổ Phần Nam Á
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Hướng Dẫn Toàn Diện Về Hệ Thống Xếp Hạng Tín Dụng Cá Nhân

Luận văn thạc sĩ về hoàn thiện hệ thống xếp hạng tín dụng cá nhân tại Ngân hàng Thương mại Cổ phần Nam Á (Nam A Bank) cung cấp một cái nhìn tổng quan và sâu sắc về một công cụ quan trọng trong quản trị rủi ro tín dụng. Hệ thống này không chỉ là một quy trình kỹ thuật mà còn là nền tảng để ngân hàng đưa ra quyết định cho vay chính xác, giảm thiểu nợ xấu khách hàng cá nhân và nâng cao năng lực cạnh tranh cho ngân hàng. Hoạt động tín dụng luôn ẩn chứa rủi ro, và việc hiểu rõ khách hàng là yếu tố then chốt để thành công. Do đó, việc xây dựng và hoàn thiện một mô hình credit scoring hiệu quả là nhiệm vụ cấp thiết đối với mọi ngân hàng thương mại, đặc biệt là các ngân hàng đang trong giai đoạn phát triển như Nam A Bank. Luận văn đi sâu vào cơ sở lý luận về xếp hạng tín dụng, phân tích các mô hình tiên tiến và đối chiếu với thực tiễn tại Việt Nam. Mục tiêu chính là chỉ ra những khoảng trống nghiên cứu và đề xuất các giải pháp khả thi. Theo tác giả Phan Thị Mỹ Hạnh (2016), mặc dù Nam A Bank đã xây dựng hệ thống xếp hạng tín dụng nội bộ từ năm 2010, quá trình triển khai thực tế vẫn còn nhiều khó khăn và vướng mắc. Điều này cho thấy sự cần thiết phải liên tục cập nhật và cải tiến hệ thống để phù hợp với sự thay đổi của thị trường và các tiêu chuẩn quốc tế như Basel II. Một hệ thống xếp hạng tín dụng hiệu quả sẽ giúp ngân hàng phân loại khách hàng chính xác, từ đó xây dựng các chính sách lãi suất, hạn mức và sản phẩm phù hợp. Đây là công cụ không thể thiếu để tối ưu hóa danh mục cho vay, đảm bảo tăng trưởng tín dụng bền vững và an toàn.

1.1. Tìm hiểu cơ sở lý luận về xếp hạng tín dụng cá nhân

Cơ sở lý luận về xếp hạng tín dụng cá nhân là nền tảng cho việc xây dựng bất kỳ mô hình đánh giá nào. Theo các tổ chức uy tín như Standard & Poor's hay Moody's, xếp hạng tín dụng là những ý kiến đánh giá về rủi ro tín dụng, thể hiện khả năng và thiện chí trả nợ của người đi vay. Trong bối cảnh ngân hàng, đây là quá trình lượng hóa mức độ rủi ro của một khách hàng cá nhân thông qua một hệ thống điểm số. Các yếu tố cơ bản trong một mô hình scorecard thường bao gồm thông tin nhân thân (tuổi, nghề nghiệp, trình độ học vấn), năng lực tài chính (thu nhập, chi tiêu, tài sản sở hữu) và lịch sử tín dụng (quan hệ với ngân hàng, tình trạng trả nợ trước đây). Việc xây dựng hệ thống này phải tuân thủ các nguyên tắc như tính khách quan, tính toàn diện và tính nhất quán, đảm bảo mọi khách hàng đều được đánh giá trên cùng một bộ tiêu chí chuẩn hóa. Đây là bước đầu tiên và quan trọng nhất trong quy trình thẩm định tín dụng hiện đại.

1.2. Vai trò của việc chấm điểm tín dụng khách hàng cá nhân

Việc chấm điểm tín dụng khách hàng cá nhân đóng vai trò trung tâm trong hoạt động của ngân hàng thương mại. Thứ nhất, nó là công cụ cốt lõi để quản trị rủi ro tín dụng. Bằng cách định lượng rủi ro, ngân hàng có thể ra quyết định cho vay nhanh chóng và chính xác hơn, hạn chế các khoản vay có nguy cơ trở thành nợ xấu. Thứ hai, kết quả xếp hạng là cơ sở để xây dựng chính sách khách hàng cá nhân hóa, từ lãi suất, kỳ hạn cho đến hạn mức tín dụng. Khách hàng có điểm tín dụng cao sẽ được hưởng những ưu đãi tốt hơn, giúp ngân hàng giữ chân khách hàng tốt và thu hút khách hàng mới. Thứ ba, hệ thống xếp hạng tín dụng giúp tự động hóa và chuẩn hóa quy trình phê duyệt, tiết kiệm thời gian và chi phí vận hành. Cuối cùng, việc áp dụng một hệ thống xếp hạng tín dụng tiên tiến, tiệm cận các chuẩn mực quốc tế như Basel II, giúp nâng cao năng lực cạnh tranh cho ngân hàng trên thị trường tài chính.

II. Phân Tích Thực Trạng Xếp Hạng Tín Dụng Tại Ngân Hàng Nam Á

Việc hoàn thiện hệ thống xếp hạng tín dụng cá nhân tại Ngân hàng Nam Á bắt nguồn từ việc phân tích sâu sắc thực trạng hiện tại. Mặc dù Nam A Bank đã chủ động xây dựng hệ thống xếp hạng tín dụng nội bộ (XHTDNB) từ sớm, luận văn chỉ ra rằng mô hình này vẫn còn những hạn chế nhất định khi áp dụng vào thực tiễn. Nghiên cứu thực tế tại ngân hàng cho thấy thực trạng xếp hạng tín dụng tại NHTM này đối mặt với nhiều thách thức. Các chỉ tiêu đánh giá có thể chưa bao quát hết các yếu tố rủi ro, hoặc trọng số của các chỉ tiêu chưa thực sự tối ưu. Điều này dẫn đến kết quả xếp hạng đôi khi chưa phản ánh chính xác khả năng trả nợ của khách hàng, tiềm ẩn nguy cơ gia tăng nợ xấu khách hàng cá nhân. Luận văn của Phan Thị Mỹ Hạnh (2016) đã sử dụng dữ liệu tín dụng thực tế năm 2015 tại Nam A Bank để đánh giá lại chất lượng của hệ thống. Bằng phương pháp so sánh với các tiêu chuẩn của Basel II và các mô hình của tổ chức uy tín, tác giả đã chỉ ra những điểm cần khắc phục. Một trong những vấn đề là sự phụ thuộc quá nhiều vào các chỉ tiêu định tính hoặc thông tin do khách hàng cung cấp mà thiếu cơ chế kiểm chứng chéo hiệu quả từ các nguồn dữ liệu độc lập như hệ thống thông tin tín dụng CIC. Việc nhận diện đúng những hạn chế này là tiền đề quan trọng để đưa ra các giải pháp cải tiến phù hợp, giúp hệ thống hoạt động hiệu quả và chính xác hơn.

2.1. Đánh giá những hạn chế trong mô hình credit scoring hiện tại

Mô hình credit scoring hiện tại của Nam A Bank, dù đã hỗ trợ tích cực cho công tác thẩm định, vẫn tồn tại một số hạn chế. Thứ nhất, hệ thống chỉ tiêu có thể chưa được cập nhật để phản ánh các rủi ro mới trong môi trường kinh tế biến động. Ví dụ, các yếu tố về hành vi tiêu dùng trực tuyến hay lịch sử giao dịch trên các nền tảng số chưa được tích hợp. Thứ hai, việc tính điểm cho các chỉ tiêu phi tài chính vẫn còn phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng, làm giảm tính khách quan của kết quả. Thứ ba, mô hình có thể chưa phân biệt rõ ràng giữa các nhóm khách hàng với đặc thù khác nhau (vay tiêu dùng, vay kinh doanh nhỏ), dẫn đến việc áp dụng một bộ tiêu chí chung chưa thực sự phù hợp. Những hạn chế này làm giảm khả năng dự báo rủi ro của mô hình, đòi hỏi phải có những điều chỉnh kịp thời.

2.2. Nguyên nhân dẫn đến nợ xấu khách hàng cá nhân gia tăng

Sự gia tăng nợ xấu khách hàng cá nhân là hệ quả của nhiều nguyên nhân, trong đó có những yếu kém từ hệ thống xếp hạng tín dụng. Khi mô hình xếp hạng không đủ nhạy để nhận diện các dấu hiệu rủi ro sớm, ngân hàng có thể phê duyệt các khoản vay cho những khách hàng có khả năng trả nợ thấp. Bên cạnh đó, việc thiếu hụt dữ liệu đầu vào chất lượng cũng là một nguyên nhân lớn. Thông tin không đầy đủ hoặc không chính xác từ khách hàng, kết hợp với việc chưa khai thác triệt để dữ liệu từ hệ thống thông tin tín dụng CIC và các nguồn khác, khiến cho việc phân tích dữ liệu tín dụng trở nên khó khăn. Ngoài ra, quy trình giám sát sau cho vay chưa chặt chẽ cũng góp phần làm gia tăng nợ xấu. Một hệ thống xếp hạng tín dụng hiệu quả không chỉ dùng để phê duyệt khoản vay ban đầu mà còn phải là công cụ để theo dõi và cảnh báo sớm sự suy giảm khả năng trả nợ của khách hàng.

III. Phương Pháp Hoàn Thiện Hệ Thống Xếp Hạng Tín Dụng Cá Nhân

Để hoàn thiện hệ thống xếp hạng tín dụng cá nhân, luận văn đã đề xuất một loạt các giải pháp mang tính hệ thống và thực tiễn, dựa trên việc nghiên cứu kinh nghiệm quốc tế về credit scoring và các tiêu chuẩn của Basel II. Phương pháp tiếp cận không chỉ dừng lại ở việc điều chỉnh các chỉ tiêu mà còn hướng đến việc thay đổi toàn diện quy trình và công nghệ. Trọng tâm của các giải pháp là xây dựng một mô hình scorecard linh hoạt và khoa học hơn. Điều này bao gồm việc rà soát, bổ sung các chỉ tiêu mới có khả năng dự báo rủi ro cao, đồng thời xác định lại trọng số cho từng chỉ tiêu dựa trên phân tích dữ liệu lịch sử. Cụ thể, luận văn đề xuất tách biệt rõ ràng mô hình cho khách hàng vay tiêu dùng và khách hàng vay kinh doanh, vì mỗi nhóm đối tượng có những đặc điểm rủi ro riêng biệt. Bên cạnh đó, việc khai thác hiệu quả các nguồn thông tin là một giải pháp then chốt. Ngân hàng cần tăng cường kết nối và sử dụng dữ liệu từ hệ thống thông tin tín dụng CIC, kết hợp với các dữ liệu phi truyền thống để có cái nhìn 360 độ về khách hàng. Việc áp dụng các kỹ thuật phân tích dữ liệu tín dụng hiện đại sẽ giúp khám phá các mẫu rủi ro ẩn, từ đó nâng cao độ chính xác của mô hình. Đây là một bước tiến quan trọng để hệ thống xếp hạng tín dụng trở thành một công cụ quản trị rủi ro tín dụng chủ động và hiệu quả.

3.1. Nghiên cứu kinh nghiệm quốc tế về credit scoring hiệu quả

Học hỏi kinh nghiệm quốc tế về credit scoring là một bước đi khôn ngoan. Các mô hình như FICO của Mỹ đã chứng minh hiệu quả qua hàng thập kỷ, với việc tập trung vào 5 yếu tố chính: lịch sử thanh toán (35%), tổng dư nợ (30%), độ dài lịch sử tín dụng (15%), các khoản tín dụng mới (10%) và loại tín dụng đã sử dụng (10%). Mặc dù không thể áp dụng máy móc, các nguyên tắc này cung cấp một khuôn khổ quý giá. Các ngân hàng Việt Nam, bao gồm Nam A Bank, có thể học hỏi cách họ lượng hóa các chỉ tiêu và sử dụng dữ liệu lớn để xác định trọng số. Hơn nữa, các quy định của Basel II cũng nhấn mạnh tầm quan trọng của việc xây dựng hệ thống xếp hạng nội bộ (IRB) vững chắc, yêu cầu các ngân hàng phải tự đánh giá xác suất vỡ nợ (PD) và tổn thất khi vỡ nợ (LGD). Việc tham khảo các mô hình này giúp Nam A Bank xây dựng một hệ thống vừa phù hợp với đặc thù Việt Nam, vừa tiệm cận các chuẩn mực quốc tế.

3.2. Đề xuất sửa đổi các tiêu chí trong mô hình scorecard

Luận văn đã đưa ra các đề xuất cụ thể nhằm sửa đổi mô hình scorecard tại Nam A Bank. Đối với nhóm chỉ tiêu nhân thân, đề xuất bổ sung các yếu tố về sự ổn định trong công việc và nơi cư trú, vì đây là những chỉ báo quan trọng về khả năng trả nợ dài hạn. Đối với nhóm chỉ tiêu tài chính, cần chi tiết hóa cách đánh giá nguồn thu nhập, đặc biệt là các nguồn thu nhập ngoài lương, và xem xét tỷ lệ nợ trên thu nhập (DTI) như một chỉ tiêu bắt buộc. Một đề xuất quan trọng khác là tích hợp các chỉ tiêu về hành vi tài chính, chẳng hạn như lịch sử trả nợ các khoản vay trước đây (từ CIC), số lượng thẻ tín dụng đang hoạt động và hành vi sử dụng các dịch vụ khác của ngân hàng. Việc điều chỉnh này giúp mô hình trở nên đa chiều và phản ánh chính xác hơn hồ sơ rủi ro của khách hàng.

IV. Top Giải Pháp Nâng Cao Hệ Thống Xếp Hạng Tín Dụng Cá Nhân

Các giải pháp nâng cao hệ thống xếp hạng tín dụng không chỉ giới hạn ở mô hình chấm điểm mà còn bao trùm cả quy trình và công nghệ. Luận văn nhấn mạnh tầm quan trọng của việc xây dựng một quy trình vận hành khách quan và minh bạch. Một trong những giải pháp hàng đầu là tổ chức lại quy trình thẩm định tín dụng để giảm thiểu sự can thiệp chủ quan. Điều này có thể đạt được bằng cách tự động hóa tối đa quá trình chấm điểm và thiết lập các quy tắc phê duyệt dựa trên điểm số một cách rõ ràng. Hơn nữa, việc ứng dụng công nghệ mới là một yếu tố đột phá. Các kỹ thuật machine learning trong xếp hạng tín dụng đang mở ra những khả năng to lớn. Các thuật toán học máy có thể phân tích các bộ dữ liệu phức tạp để tìm ra các mối tương quan mà con người khó nhận thấy, từ đó xây dựng các mô hình dự báo chính xác hơn. Việc áp dụng công nghệ không chỉ giúp nâng cao chất lượng xếp hạng mà còn tăng tốc độ xử lý hồ sơ, cải thiện trải nghiệm khách hàng. Cuối cùng, một giải pháp không thể thiếu là đào tạo và nâng cao năng lực cho đội ngũ cán bộ. Họ cần được trang bị kiến thức về các mô hình mới, kỹ năng phân tích dữ liệu tín dụng, và hiểu rõ vai trò của mình trong việc đảm bảo tính chính xác của dữ liệu đầu vào. Sự kết hợp đồng bộ giữa mô hình, quy trình, công nghệ và con người sẽ tạo ra một hệ thống xếp hạng tín dụng thực sự hiệu quả.

4.1. Ứng dụng machine learning trong xếp hạng tín dụng cá nhân

Ứng dụng machine learning trong xếp hạng tín dụng là xu hướng tất yếu của ngành ngân hàng hiện đại. Khác với các mô hình hồi quy logistic truyền thống, các thuật toán như Random Forest, Gradient Boosting hay mạng nơ-ron nhân tạo có thể xử lý các mối quan hệ phi tuyến tính phức tạp trong dữ liệu. Chúng có khả năng phân tích hàng trăm, thậm chí hàng nghìn biến số khác nhau, bao gồm cả dữ liệu phi cấu trúc (như hành vi lướt web, hoạt động trên mạng xã hội) để đưa ra dự báo về khả năng vỡ nợ. Việc triển khai các mô hình này đòi hỏi một nền tảng dữ liệu lớn và đội ngũ khoa học dữ liệu có chuyên môn. Tuy nhiên, lợi ích mang lại là rất lớn: độ chính xác của mô hình tăng lên đáng kể, giúp ngân hàng giảm thiểu rủi ro và tối ưu hóa lợi nhuận. Đây là một trong những giải pháp chiến lược giúp Nam A Bank tạo ra lợi thế cạnh tranh bền vững.

4.2. Tối ưu hóa quy trình thẩm định tín dụng tại ngân hàng

Để hệ thống xếp hạng phát huy tối đa hiệu quả, việc tối ưu hóa quy trình thẩm định tín dụng là bắt buộc. Quy trình cần được thiết kế lại theo hướng tinh gọn, tự động và chuẩn hóa. Bước thu thập thông tin cần được số hóa tối đa, cho phép khách hàng cung cấp hồ sơ trực tuyến và tự động kết nối với các cơ sở dữ liệu như CIC để xác thực thông tin. Giai đoạn chấm điểm cần được thực hiện tự động bởi hệ thống, kết quả được chuyển đến cấp phê duyệt có thẩm quyền cùng với các khuyến nghị rõ ràng. Vai trò của cán bộ tín dụng sẽ chuyển từ việc chấm điểm thủ công sang kiểm tra, giám sát tính hợp lệ của thông tin và xử lý các trường hợp ngoại lệ. Một quy trình được tối ưu hóa không chỉ giúp giảm thời gian phê duyệt từ vài ngày xuống còn vài giờ, mà còn đảm bảo tính nhất quán và khách quan trong mọi quyết định tín dụng.

V. Kiểm Chứng Hiệu Quả Mô Hình Xếp Hạng Tín Dụng Đề Xuất

Một luận văn mang tính ứng dụng cao không thể thiếu bước kiểm chứng thực tiễn. Tác giả Phan Thị Mỹ Hạnh đã thực hiện kiểm định mô hình đề xuất bằng cách chấm điểm lại các hồ sơ khách hàng cá nhân thực tế tại Nam A Bank. Đây là một bước quan trọng để chứng minh tính thuyết phục của các giải pháp hoàn thiện hệ thống xếp hạng tín dụng cá nhân. Cụ thể, luận văn đã chọn lọc các trường hợp điển hình, bao gồm cả khách hàng vay tiêu dùng và khách hàng vay kinh doanh, những người đã được chấm điểm bằng mô hình cũ. Sau đó, tác giả áp dụng mô hình scorecard đã được cải tiến để chấm điểm lại. Kết quả so sánh giữa hai lần chấm điểm đã cho thấy sự khác biệt rõ rệt. Mô hình mới có khả năng phân loại rủi ro tốt hơn, nhận diện được những khách hàng có tiềm ẩn nguy cơ mà mô hình cũ bỏ sót, hoặc đánh giá chính xác hơn những khách hàng có năng lực tài chính tốt. Việc kiểm chứng này không chỉ là một phần của luận văn mẫu ngành tài chính ngân hàng mà còn cung cấp những bằng chứng cụ thể để Nam A Bank có thể tự tin xem xét áp dụng các đề xuất vào thực tế. Kết quả này khẳng định rằng các giải pháp đưa ra không chỉ dừng lại ở lý thuyết mà hoàn toàn có khả năng áp dụng và mang lại hiệu quả thiết thực, giúp ngân hàng quản trị rủi ro tín dụng tốt hơn và ra quyết định cho vay sáng suốt hơn.

5.1. Nghiên cứu tình huống Chấm điểm lại khách hàng vay tiêu dùng

Trong luận văn, trường hợp khách hàng A vay tiêu dùng được sử dụng làm một nghiên cứu tình huống điển hình. Theo mô hình cũ, khách hàng A có thể được xếp hạng ở mức chấp nhận được. Tuy nhiên, khi áp dụng mô hình mới với các chỉ tiêu chặt chẽ hơn về tỷ lệ nợ trên thu nhập và lịch sử tín dụng chi tiết từ CIC, điểm số của khách hàng này có sự thay đổi. Mô hình mới có thể đã phát hiện ra các khoản nợ nhỏ khác mà khách hàng không kê khai, hoặc đánh giá yếu tố công việc không ổn định có trọng số rủi ro cao hơn. Kết quả là khách hàng A có thể bị hạ bậc xếp hạng, phản ánh chính xác hơn mức độ rủi ro. Điều này cho thấy mô hình đề xuất giúp ngân hàng có cái nhìn sâu sắc và cẩn trọng hơn, tránh phê duyệt các khoản vay có nguy cơ cao dưới vỏ bọc an toàn.

5.2. Phân tích kết quả sau khi áp dụng giải pháp thực tiễn

Kết quả tổng hợp từ việc kiểm chứng trên nhiều hồ sơ cho thấy các giải pháp nâng cao hệ thống xếp hạng tín dụng đã mang lại hiệu quả rõ rệt. Tỷ lệ phân loại đúng các khách hàng có lịch sử nợ xấu hoặc nợ chú ý trong quá khứ đã tăng lên. Mô hình mới giúp giảm thiểu các trường hợp "dương tính giả" (đánh giá khách hàng tốt thành xấu) và "âm tính giả" (đánh giá khách hàng xấu thành tốt). Việc áp dụng ma trận kết hợp giữa kết quả xếp hạng tín dụng và đánh giá tình hình trả nợ (thay vì chỉ dựa vào tài sản đảm bảo) đã tạo ra một khung đánh giá rủi ro toàn diện hơn. Những kết quả này cung cấp cơ sở vững chắc để Nam A Bank tin tưởng vào việc triển khai hệ thống mới, qua đó kỳ vọng sẽ giảm tỷ lệ nợ xấu và nâng cao năng lực cạnh tranh cho ngân hàng trong phân khúc cho vay bán lẻ.

Nội dung chính

Tổng quan nghiên cứu

Trong xu thế phát triển mạnh mẽ của hoạt động bán lẻ tại hệ thống ngân hàng thương mại Việt Nam, tín dụng cá nhân đóng vai trò là động lực tăng trưởng doanh thu chủ đạo nhưng đồng thời cũng tiềm ẩn nhiều rủi ro nợ xấu. Tại Ngân hàng Thương mại Cổ phần Nam Á (Nam A Bank), quy mô dư nợ cho vay đã ghi nhận sự bứt phá mạnh mẽ từ mức 11.570 tỷ đồng năm 2013 lên 20.866 tỷ đồng vào cuối năm 2015, tương ứng với tốc độ tăng trưởng hơn 80,35%. Trong cơ cấu đó, phân khúc khách hàng cá nhân luôn duy trì tỷ trọng ổn định khoảng 25% đến 26,82% tổng dư nợ tín dụng toàn hệ thống. Mặc dù ngân hàng kiểm soát tỷ lệ nợ quá hạn ở mức khả quan với 1,91% năm 2013 và giảm xuống dưới 1% vào năm 2015 (thấp hơn đáng kể so với mức trần quy định 3% của Ngân hàng Nhà nước), việc gia tăng các khoản vay trung và dài hạn đang đặt ra thách thức lớn đối với công tác quản trị an toàn vốn.

Vấn đề cốt lõi được đặt ra là hệ thống xếp hạng tín dụng nội bộ dành cho khách hàng cá nhân của Nam A Bank – vốn được xây dựng và vận hành từ năm 2010 theo Quyết định số 494/2010/QĐQT-NHNA – đã bắt đầu bộc lộ nhiều điểm nghẽn mang tính định tính, chưa phân hóa triệt để mức độ rủi ro giữa các nhóm đối tượng vay tiêu dùng và vay sản xuất kinh doanh. Nghiên cứu này tập trung phân tích thực trạng hệ thống xếp hạng tín dụng cá nhân tại Nam A Bank trong giai đoạn 2013 - 2015, đối chiếu với các chuẩn mực quốc tế như Hiệp ước Basel II và mô hình FICO, từ đó đề xuất mô hình chấm điểm cải tiến gắn liền với ma trận đánh giá năng lực trả nợ. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn sâu sắc, cung cấp công cụ định lượng hỗ trợ phê duyệt khoản vay chuẩn xác, tối ưu hóa trích lập dự phòng rủi ro và nâng cao năng lực cạnh tranh cho ngân hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết quản trị rủi ro tín dụng hiện đại, kết hợp các khung đánh giá quốc tế và quy định pháp lý chuyên ngành:

• Hiệp ước vốn Basel II và phương pháp xếp hạng nội bộ (IRB): Cung cấp khung chuẩn hóa trong việc đo lường rủi ro thông qua ba tham số nền tảng gồm xác suất vỡ nợ (PD), tỷ lệ tổn thất khi vỡ nợ (LGD), và quy mô rủi ro tại thời điểm vỡ nợ (EAD). Khung Basel II phân chia rõ ranh giới danh mục rủi ro bán lẻ thành các nhóm: rủi ro có bảo đảm bằng bất động sản nhà ở, rủi ro bán lẻ quay vòng đủ điều kiện và các rủi ro bán lẻ khác, yêu cầu hệ thống chấm điểm phải có tính nhất quán và khả năng dự báo tổn thất chính xác.
• Mô hình điểm số tín dụng FICO (Mỹ): Thiết lập thang đo từ 300 đến 850 điểm dựa trên 5 trọng số thành phần cấu thành: lịch sử trả nợ (35%), quy mô dư nợ (30%), độ dài lịch sử tín dụng (15%), tín dụng mới (10%) và cơ cấu loại hình tín dụng sử dụng (10%). Mô hình chứng minh vai trò chi phối của lịch sử thanh toán đối với hành vi hoàn trả của người vay.
• Mô hình điểm số tín dụng cho ngân hàng bán lẻ Việt Nam của Stefanie Kleimeier và cộng sự (2006): Phân tích 22 biến số định lượng và định tính về nhân thân, năng lực tài chính và quan hệ ngân hàng để xếp hạng khách hàng qua thang điểm từ 0 đến trên 400 điểm, tương ứng 10 bậc xếp hạng từ Aaa đến D.
• Khung pháp lý Ngân hàng Nhà nước Việt Nam: Căn cứ theo Thông tư số 02/2013/TT-NHNN và Thông tư số 36/2014/TT-NHNN quy định về phân loại nợ, trích lập dự phòng rủi ro và các tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thứ cấp được trích xuất từ báo cáo tài chính kiểm toán thường niên giai đoạn 2013 - 2015 của Nam A Bank và hồ sơ xếp hạng tín dụng thực tế năm 2015 của nhóm khách hàng cá nhân còn dư nợ. Cỡ mẫu nghiên cứu chuyên sâu bao gồm 2 hồ sơ case study điển hình đại diện cho hai phân khúc cốt lõi: hồ sơ khách hàng A (vay tiêu dùng thế chấp bất động sản) và hồ sơ khách hàng B (hộ kinh doanh cá thể vay bổ sung vốn lưu động). Phương pháp chọn mẫu có chủ đích được áp dụng nhằm kiểm chứng trực tiếp sự sai biệt về điểm số giữa hệ thống hiện hành và mô hình đề xuất cải tiến.

Về phương pháp phân tích, đề tài kết hợp phương pháp thống kê mô tả để lượng hóa tăng trưởng dư nợ và biến động nợ quá hạn; phương pháp so sánh đối chiếu giữa quy trình của Nam A Bank với mô hình của các định chế như BIDV (áp dụng trọng số 40% nhân thân - 60% quan hệ ngân hàng kết hợp ma trận tài sản bảo đảm), Vietinbank (sử dụng cơ chế điểm trừ rủi ro) và Ernst & Young (áp dụng 10 bậc xếp hạng gắn liền phân loại nợ). Lý do lựa chọn phương pháp phân tích hỗn hợp định tính kết hợp định lượng là nhằm khắc phục hạn chế thiếu hụt dữ liệu vĩ mô của phân khúc khách hàng cá nhân tại Việt Nam, đồng thời tạo cơ sở kiểm định thực tế mô hình mới một cách chuẩn xác.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình khảo sát và phân tích thực trạng hoạt động xếp hạng tín dụng tại Nam A Bank đã chỉ ra các kết quả trọng yếu sau:

• Tăng trưởng quy mô đi đôi với tái cơ cấu danh mục: Tổng tài sản của ngân hàng mở rộng từ 28.781 tỷ đồng năm 2013 lên 35.469 tỷ đồng năm 2015, trong đó vốn điều lệ đạt 3.258 tỷ đồng, mở rộng mạng lưới lên 60 điểm giao dịch trên toàn quốc. Dư nợ cho vay ngắn hạn năm 2013 đạt 7.806 tỷ đồng (chiếm 67,16% tổng dư nợ), nợ nhóm 1 chiếm tỷ lệ áp đảo 98,42% (tương đương 11.358 tỷ đồng), phản ánh danh mục tín dụng có chất lượng bề nổi tương đối tốt.
• Sự thiếu cân bằng trong cấu trúc chỉ tiêu chấm điểm: Hệ thống xếp hạng nội bộ của Nam A Bank chia thành 10 mức xếp hạng (AAA đến D) nhưng còn bộc lộ lỗ hổng khi các chỉ tiêu phi tài chính mang tính phán đoán chủ quan của cán bộ thẩm định chiếm tỷ trọng cao. Điểm số nhân thân chưa phản ánh sâu sát độ ổn định thu nhập thực tế, đặc biệt đối với phân khúc cá nhân kinh doanh tự do.
• Thiên lệch về định giá tài sản đảm bảo thay vì năng lực trả nợ: Phân tích hồ sơ thực tế cho thấy ngân hàng có xu hướng xem tài sản thế chấp là chốt chặn an toàn tuyệt đối. Cụ thể, trong case study khách hàng A (vay tiêu dùng mua nhà), dù thu nhập tích lũy hàng tháng có biến động nhưng nhờ bất động sản định giá cao nên vẫn được xếp hạng tối ưu. Tương tự, case study khách hàng B (vay kinh doanh) dù đối mặt với biến động dòng tiền theo mùa vụ nhưng điểm số xếp hạng chưa phản ánh đầy đủ nguy cơ suy giảm thanh khoản khi thị trường chuyển biến xấu.

Thảo luận kết quả

Hạn chế lớn nhất trong hệ thống xếp hạng tín dụng cá nhân của Nam A Bank bắt nguồn từ việc thiếu vắng một ma trận tích hợp giữa điểm số tín dụng nội bộ và lịch sử trả nợ thực tế của khách hàng. Trong khi BIDV vận hành ma trận phối hợp giữa xếp hạng rủi ro và đánh giá tài sản bảo đảm với 3 cấp độ (A - Mạnh, B - Trung bình, C - Thấp), hệ thống của Nam A Bank lại tách rời các yếu tố này, dẫn đến nguy cơ sai lệch trong việc gán xác suất vỡ nợ (PD).

Nguyên nhân của tình trạng trên xuất phát từ cơ sở dữ liệu khách hàng chưa được tích hợp tự động hóa với hệ thống CIC, quy trình nhập liệu thủ công tại các chi nhánh còn phụ thuộc vào kinh nghiệm cá nhân của cán bộ tín dụng. Khi đối chiếu với chuẩn mực Basel II, việc không lượng hóa được rủi ro vỡ nợ theo từng rổ tài sản tương đồng khiến ngân hàng gặp khó khăn trong việc định giá lãi suất theo mức độ rủi ro và tính toán vốn yêu cầu cho tổn thất không kỳ vọng. Dữ liệu xếp hạng hoàn toàn có thể được tối ưu hóa nếu được trình bày trực quan thông qua bảng ma trận 2 chiều kết hợp giữa thứ hạng tín nhiệm (AAA đến D) và mức độ chấp hành nghĩa vụ thanh toán (Nhóm 1 đến Nhóm 3), giúp cấp quản trị nắm bắt tức thời trạng thái rủi ro của toàn bộ danh mục cho vay cá nhân.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, đề tài đưa ra 4 nhóm giải pháp cụ thể nhằm hoàn thiện hệ thống xếp hạng tín dụng cá nhân tại Nam A Bank:

• Tái cấu trúc thang điểm và phân bổ lại trọng số đánh giá: Hội đồng Quản trị và Khối Quản trị Rủi ro Nam A Bank cần ban hành quy định mới thay thế Quyết định 494/2010/QĐQT-NHNA trong vòng 6 tháng. Cần điều chỉnh tỷ trọng nhóm chỉ tiêu năng lực tài chính và dòng tiền trả nợ lên mức 60%, giảm nhóm chỉ tiêu nhân thân xuống 40% đối với vay tiêu dùng; đồng thời bổ sung các tiêu chí định lượng về tỷ lệ nợ trên thu nhập (DTI) và tỷ lệ khoản vay trên giá trị tài sản bảo đảm (LTV), hướng tới mục tiêu giảm sai lệch xếp hạng xuống dưới 5%.
• Xây dựng ma trận kết hợp giữa kết quả xếp hạng và lịch sử trả nợ: Khối Khách hàng Cá nhân phối hợp cùng Phòng Phê duyệt Tín dụng thiết lập ma trận kiểm soát 2 chiều trong thời hạn 9 tháng. Ma trận này phân định rõ các hành vi trả nợ đúng hạn, trễ hạn dưới 10 ngày và trễ hạn trên 30 ngày để tự động điều chỉnh hạ bậc tín nhiệm, mục tiêu duy trì tỷ lệ nợ xấu cá nhân toàn hệ thống dưới mức 1,2%.
• Tự động hóa hệ thống phần mềm và tích hợp dữ liệu CIC: Khối Công nghệ Thông tin triển khai nâng cấp phần mềm chấm điểm tín dụng tự động, kết nối trực tiếp cổng dữ liệu CIC và lịch sử giao dịch tài khoản thanh toán của khách hàng trong lộ trình 12 tháng. Giải pháp này giúp rút ngắn 40% thời gian thẩm định hồ sơ vay và loại bỏ hoàn toàn yếu tố cảm tính của cán bộ tín dụng.
• Tăng cường kiểm soát nội bộ và đào tạo định kỳ nhân sự: Khối Kiểm toán Nội bộ tổ chức thanh tra chéo định kỳ hàng quý việc thực hiện chấm điểm tại 60 điểm giao dịch; triển khai đào tạo chuẩn hóa kỹ năng phân tích dòng tiền cho 100% cán bộ tín dụng nhằm đảm bảo tính khách quan và tuân thủ nghiêm ngặt quy trình xếp hạng.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị tham khảo thiết thực cho nhiều nhóm đối tượng trong ngành tài chính - ngân hàng:

• Ban điều hành và chuyên viên quản trị rủi ro tại các ngân hàng thương mại: Cung cấp phương pháp luận và mô hình mẫu trong việc thiết kế lại bảng chấm điểm tín dụng bán lẻ, giúp các định chế quy mô vừa và nhỏ từng bước chuyển đổi đáp ứng khung tiêu chuẩn Basel II.
• Cán bộ tín dụng và thẩm định phê duyệt khoản vay: Trang bị góc nhìn thực tế về cách kết hợp giữa phân tích hồ sơ pháp lý, đánh giá nguồn thu nhập và sử dụng ma trận lịch sử thanh toán nhằm giảm thiểu rủi ro phê duyệt sai đối tượng.
• Học viên cao học, giảng viên và nhà nghiên cứu tài chính: Là nguồn tài liệu học thuật giá trị về ứng dụng các mô hình chấm điểm nổi tiếng (FICO, Kleimeier, Basel II) vào thị trường ngân hàng bán lẻ tại Việt Nam, cung cấp hệ thống số liệu thực chứng chi tiết.
• Cơ quan quản lý và thanh tra giám sát ngân hàng: Tham khảo thực tiễn triển khai hệ thống xếp hạng nội bộ tại các ngân hàng cổ phần, hỗ trợ công tác xây dựng chính sách và hoàn thiện khung pháp lý về an toàn hoạt động tín dụng vi mô.

Câu hỏi thường gặp

Hệ thống xếp hạng tín dụng nội bộ đóng vai trò gì trong việc kiểm soát nợ quá hạn tại ngân hàng? Hệ thống xếp hạng tín dụng nội bộ giúp định lượng hóa mức độ rủi ro của từng khách hàng trước khi cấp tín dụng. Tại Nam A Bank, việc chấm điểm chuẩn xác giúp ngân hàng kiểm soát tỷ lệ nợ quá hạn duy trì dưới 1% năm 2015 thông qua việc sàng lọc khách hàng xấu, định giá lãi suất phù hợp và phân loại nợ chính xác để trích lập dự phòng rủi ro đầy đủ theo quy định của Ngân hàng Nhà nước.

Tại sao mô hình FICO rất phổ biến ở Mỹ nhưng khó áp dụng nguyên bản tại Việt Nam? Mô hình FICO đòi hỏi cơ sở dữ liệu tín dụng tập trung toàn diện và minh bạch về lịch sử chi tiêu, trả nợ thẻ và hóa đơn tiện ích của người dân. Tại Việt Nam, thói quen sử dụng tiền mặt còn phổ biến và hệ thống dữ liệu cá nhân chưa đồng bộ hóa hoàn toàn, khiến các ngân hàng thương mại phải điều chỉnh bằng cách bổ sung nhiều chỉ tiêu định tính và khảo sát thực địa.

Mô hình đề xuất trong luận văn có điểm gì vượt trội so với hệ thống cũ của Nam A Bank? Mô hình cải tiến khắc phục triệt để tính cảm tính bằng cách phân bổ lại trọng số khoa học hơn, giảm thiểu sự phụ thuộc quá mức vào tài sản đảm bảo. Đồng thời, mô hình tích hợp ma trận đánh giá lịch sử trả nợ 2 chiều, giúp phản ánh trung thực năng lực tài chính và thiện chí trả nợ của người vay tương tự chuẩn mực Basel II.

Hiệp ước Basel II yêu cầu những điều kiện tiên quyết nào đối với phương pháp xếp hạng nội bộ (IRB)? Basel II yêu cầu ngân hàng phải thu thập chuỗi dữ liệu lịch sử tối thiểu từ 5 đến 7 năm để ước lượng chính xác xác suất vỡ nợ (PD) và tổn thất khi vỡ nợ (LGD). Đồng thời, hệ thống xếp hạng phải được phân định thành các mảng rủi ro bán lẻ riêng biệt, có quy trình kiểm định độc lập và được sự phê chuẩn chính thức của cơ quan giám sát ngân hàng trung ương.

Làm cách nào để triệt tiêu tính chủ quan của cán bộ tín dụng khi chấm điểm các chỉ tiêu phi tài chính? Ngân hàng cần chuẩn hóa định nghĩa và tiêu chí chấm điểm chi tiết bằng văn bản hướng dẫn cụ thể, chuyển đổi tối đa các tiêu chí định tính sang thang đo lượng hóa. Bên cạnh đó, việc áp dụng cơ chế phê duyệt tập trung, kiểm tra chéo độc lập từ bộ phận quản trị rủi ro và tự động hóa phần mềm nhập liệu sẽ ngăn ngừa hiệu quả các tác động chủ quan.

Kết luận

• Hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro và các mô hình chấm điểm tín dụng cá nhân hiện đại (Basel II, FICO, Kleimeier) trong hoạt động ngân hàng thương mại.
• Phân tích sâu sắc thực trạng tăng trưởng tín dụng tại Nam A Bank giai đoạn 2013 - 2015, làm rõ các thành tựu về quy mô tổng tài sản (35.469 tỷ đồng) cũng như hạn chế mang tính định tính của Quyết định 494/2010/QĐQT-NHNA.
• Đối chiếu kinh nghiệm thực tế từ các ngân hàng lớn (BIDV, Vietinbank) để rút ra bài học cốt lõi về việc xây dựng ma trận kết hợp rủi ro khách hàng và lịch sử thanh toán nợ.
• Đề xuất mô hình chấm điểm cải tiến với cơ cấu trọng số khoa học, được kiểm chứng thực tế thành công trên hồ sơ khách hàng vay tiêu dùng và kinh doanh năm 2015.
• Đưa ra lộ trình 4 nhóm giải pháp đồng bộ về chính sách, công nghệ tích hợp CIC, quy trình phê duyệt và kiểm soát nội bộ cần thực hiện trong thời hạn từ 6 đến 12 tháng.

Công trình là tài liệu nghiên cứu chuyên sâu, đóng góp giá trị thiết thực cho quá trình hoàn thiện công tác quản trị rủi ro tín dụng bán lẻ tại các ngân hàng thương mại. Quý độc giả, chuyên gia và các nhà nghiên cứu quan tâm có thể khai thác chi tiết các phụ lục bảng điểm và ma trận tính toán trong toàn văn luận văn để ứng dụng hiệu quả vào thực tiễn quản trị.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về xếp hạng tín dụng cá nhân tại các NHTM. Chương 2: Thực trạng hoạt động xếp hạng tín dụng cá nhân tại Namabank. Chương 3: Giải pháp hoàn thiện hệ thống xếp hạng tín dụng cá nhân tại Namabank 5 CHƢƠNG 1 TỔNG QUAN VỀ HOẠT ĐỘNG XẾP HẠNG TÍN DỤNG CÁ NHÂN TẠI CÁC NHTM Để tiếp cận những cơ sở lý luận hiện đại trong lĩnh vực XHTD cá nhân, đề tài nghiên cứu sẽ lần lượt giới thiệu công trình khoa học có liên quan của các tác giả trong và ngoài nước. Tiếp đó tác giả tập trung trình bày một số cơ sở lý luận về hoạt động tín dụng cá nhân và hệ thống xếp hạng tín dụng nội bộ tại NHTM.

Để khái quát các vấn đề cơ bản về hoạt động tín dụng cá nhân của NHTM, tác giả trình bày các khái niệm, đặc điểm và vai trò của tín dụng cá nhân. Bên cạnh đó, tác giả nêu ra một số sản phẩm tín dụng cá nhân cơ bản của các NHTM để có cơ sở đánh giá khi xếp hạng tín dụng. Tiếp đó, tác giả trình bày cơ sở lý luận về xếp hạng tín dụng tại NHTM, bao gồm khái niệm, đối tượng, sự cần thiết, nguyên tắc, mô hình, phương pháp và quy trình xếp hạng tín dụng tập trung vào đối tượng khách hàng cá nhân. Cuối cùng tác giả trình bày một số mô hình XHTD cá nhân đang được áp dụng tại một số NHTM tại Việt Nam.

Tổng quan về vấn đề nghiên cứu 1. Nghiên cứu của Stefanie Kleimeier về mô hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ Việt Nam Đinh Thị Huyền Thanh & Stefanie Kleimeier đã tiến hành nghiên cứu nguồn số liệu chi tiết được tổng hợp từ các NHTM tại Việt Nam theo 22 biến số bao gồm: độ tuổi, thu nhập, trình độ học vấn, nghề nghiệp, thời gian công tác, tình trạng cư trú, giới tính, … để xác định mức ảnh hưởng của các biến số này đến rủi ro tín dụng. Từ đó tiến hành thiết lập một mô hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ tại Việt Nam. Nghiên cứu này đã xây dựng mô hình chấm điểm tín dụng cá nhân bao gồm hai phần: chấm điểm nhân thân và năng lực trả nợ, chấm điểm quan hệ với ngân hàng như trình bày trong Phụ lục 1.

6 Căn cứ vào tổng điểm đạt được trong Phụ lục 1 để tiến hành xếp hạng theo 10 mức giảm dần từ Aaa đến D như trình bày trong Bảng 1.1 – Ký hiệu XHTD cá nhân theo Stefanie Kleimeier Điểm Xếp hàng Ý nghĩa xếp hạng >=400 Aaa 351 – 400 Aa Cho vay tối đa theo đề nghị của người vay 301 – 350 A 251 – 300 Bbb Cho vay theo tài sản đảm bảo 201 – 250 Bb Cho vay theo tài sản đảm bảo và đánh giá đơn vay vốn 151 – 200 B Yêu cầu đánh giá thận trọng đơn vay vốn và có tài sản đảm bảo đầy đủ 101 – 150 Ccc 51 – 100 Cc 0 – 50 C Từ chối cho vay 0 D Nguồn: Dinh Thi Huyen Thanh & Stefanie Kleimeier (2006), Credit Scoring for Vietnam’s Retail Banking Market. Công trình nghiên cứu này tuy đã xây dựng được mô hình chấm điểm tín dụng cho khách hàng cá nhân, tuy nhiên lại không đưa ra cách tính điểm cụ thể cho từng chỉ tiêu. Do đó, để vận dụng được mô hình này đòi hỏi các NHTM phải thiết lập thang điểm cụ thể cho từng chỉ tiêu đánh giá để phù hợp với tình hình thực tế và hệ thống cơ sở dữ liệu cá nhân tại mỗi ngân hàng. Mô hình điểm số tín dụng cá nhân của FICO Điểm số tín dụng cá nhân của FICO lần đầu tiên được giới thiệu vào năm 1989, khoảng hơn 90% những quyết định cho vay cá nhân tại Mỹ hiện nay được 7 đưa ra dựa trên kết quả của mô hình này, do các thông tin liên quan đến tình trạng tín dụng có thể được ngân hàng tra soát dễ dàng qua các công ty dữ liệu tín dụng.

Điểm số tín dụng FICO càng thấp thì mức độ rủi ro của người cho vay càng cao. Fair Asaac Corp đã xây dựng mô hình điểm số tín dụng FICO thấp nhất là 300 điểm và cao nhất là 850 điểm áp dụng cho cá nhân dựa vào tỷ trọng của 5 chỉ số được trình bày trong Bảng 1.2 - Tỷ trọng các tiêu chí đánh giá trong mô hình điểm số tín dụng FICO Tỷ trọng Tiêu chí đánh giá 35 % Lịch sử trả nợ (Payment History): Người vay đã trả những khoản nợ trong quá khứ đúng hạn, trễ hạn hay không trả. Thời gian trễ hạn càng dài, số tiền trễ hạn càng cao thì điểm số tín dụng càng thấp. Đây được xem là yếu tố quan trọng nhất để chấm điểm của FICO.

30 % Dư nợ tại các tổ chức tín dụng (Amount of Debt): Tổng dư nợ hiện tại của người vay bao gồm bao nhiêu tài khoản có số dư, bao nhiêu khoản vay sẵn có. Những người vay có dư nợ quá nhiều so với mức cho phép, đặc biệt đối với thẻ tín dụng sẽ làm điểm tín dụng bị giảm. Đây được xem là yếu tố cụ thể để chấm điểm của FICO. 15 % Độ dài của lịch sử tín dụng (Length of Credit History): FICO xem xét những khoản tín dụng của khách hàng đã được thiết lập bao lâu, những người vay có thông tin về lịch sử tín dụng càng nhiều năm càng đáng tin cậy và điểm số tín dụng sẽ càng cao.

10 % Số lần vay nợ mới (New Credit): Khách hàng có một khoản vay mới trong một khoảng thời gian ngắn cho thấy rủi ro tín dụng lớn hơn. Vay nợ thường xuyên bị xem là dấu hiệu khó khăn về tài chính, do đó điểm số tín dụng càng thấp. 10 % Các loại tín dụng được sử dụng (Credit Mix): Các loại nợ khác 8 nhau sẽ được tính điểm tín dụng khác nhau như: thẻ tín dụng, cho vay trả góp và các khoản vay thế chấp,… Nguồn: Fair Isaac Corporation (1989), Understanding your FICO Scores, truy cập tại <https://www.org/media/13401/understanding_your_fico_score_bookle t_english. Tại Việt Nam các NHTM rất khó tiếp cận được các thông tin dữ liệu chính xác của người vay, hệ thống dữ liệu khách hàng vay thường bị che dấu hoặc thiếu chính xác nếu được đăng tải trên các phương tiện thông tin.

Do đó, việc áp dụng mô hình điểm số tín dụng FICO tại các NHTM tại Việt Nam là rất khó thực hiện. Một số công trình nghiên cứu trong nƣớc liên quan đến XHTD Ngoài một số phương pháp và mô hình XHTD đã được áp dụng trên thế giới nêu trên, đã có nhiều công trình nghiên cứu trong nước về XHTDNB. Các công trình này có thể được xem là cơ sở tham khảo trong việc nhìn nhận, đánh giá và giải pháp về những vấn đề còn vướng mắc, tồn tại của hệ thống XHTDNB.  Luận án Tiến sĩ “Hoàn thiện phƣơng pháp xếp hạng tín nhiệm trong phân tích tín dụng của các NHTM Việt Nam“ Với luận án này, tác giả Trần Thị Kỳ (2003) đã giải quyết được một số vấn đề liên quan đến việc XHTD tại các NHTM.

Thông qua hệ thống số liệu thực tế, tác giả đã chứng minh vai trò quan trọng của tín dụng ngân hàng cũng như rủi ro tín dụng tồn tại một cách tất yếu khách quan. Do vậy, để nâng cao được chất lượng, hiệu quả của công cụ XHTD cần dựa trên việc phân tích các rủi ro tín dụng tại các NHTM.  Luận án Tiến sĩ “Xây dựng mô hình XHTD đối với doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi“ Tiến sĩ Nguyễn Trọng Hòa (2009), tác giả của luận án đã nghiên cứu sâu về các mô hình XHTD trên thế giới và tại Việt Nam, nghiên cứu về sự chuyển đổi của 9 nền kinh tế trong giai đoạn khủng hoảng và giải quyết các vấn đề mang tính vĩ mô của nên kinh tế Việt Nam. Tác giả đã xây dựng mô hình XHTD cho các doanh nghiệp Việt Nam.

Trên cơ sở kế thừa những mô hình XHTD hiện hành trên thế giới, tác giả đã đưa ra một mô hình XHTD rất chi tiết, mang tính thực tiễn cao dành cho các doanh nghiệp với những đặc thù của nền kinh tế Việt Nam. Tuy nhiên, việc áp dụng mô hình này vào các NHTM vẫn còn gặp nhiều khó khăn do sự phức tạp của mô hình và sự thiếu phù hợp đối với một số doanh nghiệp sản xuất kinh doanh ở các khu vực nông nghiệp nông thôn. Khoảng trống nghiên cứu Nghiên cứu tổng quan về thực hiện XHTD hiện nay cho thấy còn tồn tại một số khoảng trống sau:  Việc sử dụng phương pháp XHTD và xây dựng hệ thống chỉ tiêu, thang điểm, cách tính điểm số ở mỗi NHTM có sự khác biệt dẫn đến việc cùng một đối tượng được xếp hạng nhưng lại cho những kết quả khác nhau.  Hệ thống chỉ tiêu xếp hạng không được xây dựng riêng cho từng nhóm đối tượng có những đặc điểm kinh tế, sinh sống khác nhau, dẫn đến việc đánh giá xếp hạng chưa thực sự sát với khả năng sử dụng vốn, khả năng trả nợ của đối tượng được chấm điểm.

 Các chỉ tiêu ảnh hưởng đến rủi ro tín dụng chưa có cách tính điểm cụ thể mà thường được xác định bằng phương pháp chuyên gia, dẫn đến kết quả chấm điểm còn hạn chế.  Chưa đi sâu vào nghiên cứu XHTD đối với khách hàng cá nhân – khách hàng có hệ thống thông tin nhân thân rất khó xác định một cách chính xác. Đây là trở ngại lớn cho các NHTM trong hoạt động XHTDNB cho đối tượng khách hàng này. Các công trình nghiên cứu thường tập trung giải quyết các vấn đề còn tồn tại đối với hệ thống chỉ tiêu định lượng trong hệ thống XHTD doanh nghiệp mà chưa quan tâm nhiều đến nghiên cứu cho đối tượng khách hàng cá nhân.

Tại nghiên cứu về mô hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ tại Việt 10 Nam của Stefanie Kleimeier và Đinh Thị Thanh Huyền đã đề cập đến mức ảnh hưởng của các biến số đến rủi ro tín dụng và qua đó thiết lập một mô hình điểm số tín dụng cá nhân áp dụng cho các ngân hàng bán lẻ tại Việt Nam. Tuy nhiên công trình nghiên cứu này không đưa ra cách tính điểm cụ thể cho từng chỉ tiêu, để vận dụng được mô hình này đòi hỏi các NHTM phải tự thiết lập thang điểm cho từng chỉ tiêu phù hợp với thực trạng và hệ thống cơ sở dữ liệu cá nhân trong ngân hàng mình. Tác giả sẽ tiếp tục nghiên cứu các khoảng trống nêu trên để hoàn thiện mô hình XHTDNB.