Tổng quan nghiên cứu

Trong hoạt động kinh doanh của các ngân hàng thương mại, tín dụng luôn là nghiệp vụ nền tảng, đóng góp từ 70% đến 80% tổng tài sản sinh lời và mang lại nguồn thu nhập chủ yếu. Tuy nhiên, đây cũng là lĩnh vực tiềm ẩn mức độ rủi ro cao nhất, có khả năng đe dọa trực tiếp đến sự an toàn vốn và sự tồn vong của toàn hệ thống ngân hàng. Đối với Ngân hàng Thương mại TNHH Một thành viên Đại Dương (OceanBank), giai đoạn tái cơ cấu 2015 - 2018 sau những biến cố lớn đặt ra yêu cầu sống còn là phải kiểm soát chặt chẽ nợ xấu và tái thiết lập hệ thống quản trị rủi ro tín dụng.

Vấn đề cốt lõi đặt ra là hệ thống đánh giá tín dụng doanh nghiệp hiện hữu tại OceanBank còn mang tính định tính, phụ thuộc nhiều vào nhận định chủ quan của cán bộ tín dụng và chưa đáp ứng kịp tốc độ tăng trưởng của hồ sơ vay vốn. Mục tiêu cụ thể của luận văn là hệ thống hóa cơ sở lý luận, phân tích toàn diện thực trạng quy trình chấm điểm tín dụng giai đoạn 2015 - 2018, từ đó xây dựng hệ thống xếp hạng tín dụng khách hàng doanh nghiệp chuẩn hóa, khách quan và tiệm cận tiêu chuẩn quốc tế.

Nghiên cứu tập trung vào phạm vi khách hàng doanh nghiệp có quan hệ tín dụng tại OceanBank trong giai đoạn 4 năm từ 2015 đến 2018. Ý nghĩa thực tiễn của công trình thể hiện qua việc cung cấp công cụ định lượng hỗ trợ ngân hàng kiểm soát tỷ lệ nợ xấu duy trì dưới ngưỡng 3,0%, chủ động trích lập quỹ dự phòng rủi ro chính xác và xây dựng chính sách lãi suất phù hợp với mức tổn thất kỳ vọng của từng phân khúc khách hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng kết hợp giữa các lý thuyết tài chính hiện đại và quy định quản trị rủi ro ngân hàng. Trọng tâm là mô hình chỉ số Z-Score của Edward Altman (1968) dùng để dự báo xác suất phá sản thông qua 5 chỉ số tài chính then chốt, với các ngưỡng phân loại cụ thể như chỉ số Z trên 2,99 thuộc vùng an toàn và chỉ số Z dưới 1,81 rơi vào vùng nguy cơ phá sản cao. Bên cạnh đó, luận văn tích hợp mô hình cấu trúc KMV dựa trên lý thuyết định giá quyền chọn của Robert Merton, đo lường khoảng cách đến điểm vỡ nợ và tính toán tần suất vỡ nợ kỳ vọng trong khoảng thời gian 12 tháng.

Khung lý thuyết của Hiệp ước Basel II được vận dụng triệt để nhằm định nghĩa và lượng hóa rủi ro tín dụng qua 3 cấu phần cốt lõi: xác suất khách hàng không trả được nợ (PD), tỷ lệ tổn thất dự kiến khi vỡ nợ (LGD) và tổng dư nợ chịu rủi ro tại thời điểm vỡ nợ (EAD). Từ đó, tổn thất kỳ vọng (EL) và tổn thất ngoài dự kiến (UL) được tính toán để làm căn cứ trích lập dự phòng và quản lý vốn kinh tế. Các khái niệm pháp lý nền tảng được chuẩn hóa theo Thông tư 02/2013/TT-NHNN và Thông tư 13/2018/TT-NHNN của Ngân hàng Nhà nước Việt Nam.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thứ cấp thu thập từ báo cáo tài chính kiểm toán, báo cáo thường niên, số liệu thống kê nội bộ của Khối Quản trị rủi ro và Khối Kế toán tài chính tại OceanBank giai đoạn 2015 - 2018, kết hợp thông tin lịch sử trả nợ từ Trung tâm Thông tin Tín dụng Quốc gia Việt Nam (CIC).

Cỡ mẫu nghiên cứu gồm 250 hồ sơ khách hàng doanh nghiệp được lựa chọn theo phương pháp chọn mẫu ngẫu nhiên phân tầng đại diện cho các ngành nghề chính: thương mại chiếm 40%, sản xuất công nghiệp chiếm 30%, xây dựng lắp máy chiếm 20% và dịch vụ chiếm 10%.

Lý do lựa chọn phương pháp phân tích thống kê kết hợp phương pháp chuyên gia nhằm kiểm định tính phân tách khách hàng tốt và khách hàng xấu. Các công cụ kiểm định định lượng bao gồm hệ số GINI (chuẩn tối ưu đạt trên 0,40), chỉ số ổn định dân số PSI (ngưỡng an toàn dưới 0,25) và kiểm định phân vị Kolmogorov-Smirnov (K-S đạt tối thiểu từ 20% trở lên). Phương pháp này giúp khắc phục triệt để tính thiên vị cá nhân và kiểm chứng độ tin cậy của mô hình trên dữ liệu thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích thực trạng hệ thống xếp hạng tín dụng tại OceanBank trong giai đoạn 2015 - 2018 đã chỉ ra 4 phát hiện quan trọng:

Thứ nhất, quy trình chấm điểm còn phụ thuộc lớn vào yếu tố cảm tính khi các tiêu chí phi tài chính chiếm tỷ trọng tới 40% nhưng không có thang đo lượng hóa chi tiết, dẫn đến độ sai lệch kết quả xếp hạng giữa các chi nhánh lên đến 28%.

Thứ hai, cơ cấu chỉ tiêu tài chính chiếm 60% tổng điểm nhưng tập trung chủ yếu vào các số liệu lịch sử như quy mô tổng tài sản và doanh thu, trong khi các chỉ số dòng tiền tự do và khả năng trả nợ gốc lãi chỉ chiếm dưới 15% tổng trọng số.

Thứ ba, tần suất rà soát định kỳ 12 tháng một lần bộc lộ độ trễ lớn, khiến khoảng 35% khoản vay phát sinh suy giảm chất lượng tín dụng không được cảnh báo sớm, làm tăng áp lực trích lập dự phòng cụ thể thêm khoảng 18% đến 22% vào cuối mỗi năm tài chính.

Thứ tư, hệ thống chưa thiết lập cơ chế tự động chuyển nhóm nợ xấu khi doanh nghiệp xuất hiện các biến cố trọng yếu, khiến thời gian ghi nhận tài khoản có vấn đề bị chậm trễ từ 30 đến 60 ngày so với thực tế phát sinh nợ quá hạn tại CIC.

Thảo luận kết quả

Nguyên nhân chính của các hạn chế trên xuất phát từ việc hạ tầng công nghệ xếp hạng tín dụng của OceanBank thời kỳ này vận hành bán tự động, chưa được tích hợp hoàn toàn vào hệ thống phần mềm ngân hàng lõi. Thêm vào đó, hơn 50% doanh nghiệp vừa và nhỏ nộp báo cáo tài chính nội bộ chưa qua kiểm toán độc lập, làm suy giảm độ tin cậy của dữ liệu đầu vào.

Để minh họa rõ nét sự phân hóa chất lượng tín dụng, dữ liệu xếp hạng khách hàng có thể được trực quan hóa qua Biểu đồ đường cong GINI nhằm đánh giá năng lực phân loại rủi ro và Bảng ma trận chuyển dịch hạng nợ qua các kỳ đánh giá. So sánh với các nghiên cứu thực nghiệm của Lawrence (1992) và Altman (1968), kết quả phân tích tại OceanBank xác nhận rằng lịch sử thanh toán nợ và lưu chuyển tiền tệ thuần có hệ số tương quan tuyến tính rất cao (hệ số r trên 0,72) đối với khả năng vỡ nợ của khách hàng doanh nghiệp, đòi hỏi ngân hàng phải tái cấu trúc toàn diện trọng số chỉ tiêu.

Đề xuất và khuyến nghị

Nhằm nâng cao năng lực quản trị rủi ro tín dụng tại OceanBank, nghiên cứu đề xuất 4 nhóm giải pháp trọng tâm gắn với lộ trình triển khai chi tiết:

Thứ nhất, tái thiết lập quy trình phê duyệt xếp hạng tín dụng độc lập 3 cấp, tách rời hoàn toàn giữa bộ phận kinh doanh và bộ phận thẩm định rủi ro. Mục tiêu rút ngắn thời gian xử lý hồ sơ từ 7 ngày xuống còn dưới 3 ngày làm việc, thực hiện hoàn thành trong 6 tháng do Khối Quản trị rủi ro chủ trì.

Thứ hai, hoàn thiện mô hình chấm điểm bằng cách chuẩn hóa các biến số tài chính theo ngành nghề, nâng tỷ trọng nhóm chỉ số dòng tiền lên 35% và thiết lập bộ câu hỏi định tính có thang đo rõ ràng. Mục tiêu kiểm soát hệ số GINI của mô hình đạt trên 0,55 và tỷ lệ phân tách K-S vượt mức 25%, triển khai trong 9 tháng do Phòng Mô hình rủi ro thực hiện.

Thứ ba, đầu tư nâng cấp hệ thống phần mềm xếp hạng tín dụng trên nền tảng Web-based, tích hợp trực tiếp dữ liệu tự động với Core Banking và cổng thông tin CIC, giảm 90% thao tác nhập liệu thủ công nhằm triệt tiêu gian lận tác nghiệp, hoàn thành trong Quý 4/2020 do Khối Công nghệ thông tin phụ trách.

Thứ tư, áp dụng cơ chế giám sát định kỳ 6 tháng một lần đối với chỉ số ổn định mô hình PSI duy trì dưới 0,20 và tổ chức đào tạo chuyên sâu về kỹ năng thẩm định báo cáo tài chính cho 100% cán bộ tín dụng toàn hệ thống trước Quý 3/2020 do Trung tâm Đào tạo phối hợp Khối Nhân sự thực hiện.

Về mặt chính sách vĩ mô, nghiên cứu khuyến nghị Ngân hàng Nhà nước đẩy mạnh việc mở rộng cơ sở dữ liệu tín dụng tập trung tại CIC và kiến nghị Bộ Tài chính siết chặt chuẩn mực minh bạch thông tin tài chính đối với khối doanh nghiệp ngoài quốc doanh.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng cụ thể:

Thứ nhất, Ban điều hành và chuyên viên Khối Quản trị rủi ro tại các ngân hàng thương mại: Tham khảo phương pháp xây dựng khung chỉ tiêu đo lường tổn thất kỳ vọng (EL), xác suất vỡ nợ (PD) và kỹ thuật kiểm định mô hình định lượng phục vụ lộ trình tuân thủ Basel II.

Thứ hai, Giám đốc chi nhánh và cán bộ thẩm định tín dụng: Nắm vững quy trình đánh giá toàn diện khách hàng doanh nghiệp, nhận diện các dấu hiệu cảnh báo sớm dòng tiền suy yếu để đưa ra quyết định cấp hạn mức tín dụng chuẩn xác.

Thứ ba, Giám đốc tài chính (CFO) và Kế toán trưởng doanh nghiệp: Hiểu rõ cơ chế chấm điểm và phân hạng của ngân hàng thương mại, từ đó chủ động cơ cấu tỷ lệ đòn bẩy tài chính dưới mức 2,5 lần và duy trì hệ số thanh toán hiện hành trên 1,2 lần nhằm tiếp cận nguồn vốn vay với chi phí lãi suất ưu đãi.

Thứ tư, Giảng viên, học viên cao học và nghiên cứu sinh chuyên ngành Tài chính - Ngân hàng: Sử dụng luận văn như một tài liệu nghiên cứu ca điển hình (case study) về tái cấu trúc hệ thống xếp hạng tín dụng nội bộ trong bối cảnh ngân hàng thương mại đang thực hiện tái cơ cấu.

Câu hỏi thường gặp

Hệ thống xếp hạng tín dụng nội bộ đóng vai trò gì trong quản trị rủi ro ngân hàng? Hệ thống xếp hạng tín dụng nội bộ là công cụ định lượng đo lường xác suất vỡ nợ của khách hàng vay vốn. Dựa trên kết quả phân hạng từ AAA đến D, ngân hàng có cơ sở khoa học để quyết định cấp tín dụng, phê duyệt hạn mức, xác định mức lãi suất bù đắp rủi ro và trích lập quỹ dự phòng rủi ro chính xác theo quy định của Ngân hàng Nhà nước.

Tại sao mô hình Z-Score của Altman vẫn được ứng dụng rộng rãi trong phân tích tín dụng? Mô hình Z-Score của Altman chứng minh tính chuẩn xác cao trong việc dự báo nguy cơ phá sản của doanh nghiệp trước từ 12 đến 24 tháng. Bằng việc lượng hóa 5 tỷ số tài chính cốt lõi về thanh khoản, hiệu quả sử dụng tài sản và khả năng sinh lời, mô hình giúp các tổ chức tín dụng nhanh chóng phát hiện các doanh nghiệp có chỉ số Z dưới 1,81 để hạn chế giải ngân.

Hiệp ước Basel II yêu cầu những cấu phần cốt lõi nào trong đo lường rủi ro tín dụng? Basel II quy định hệ thống xếp hạng nội bộ phải tính toán được 3 tham số định lượng: xác suất khách hàng không trả được nợ (PD), tỷ lệ tổn thất thực tế khi xảy ra vỡ nợ (LGD) và tổng mức dư nợ tại thời điểm vỡ nợ (EAD). Các chỉ số này là tiền đề trực tiếp để tính mức vốn tự có tối thiểu bảo đảm an toàn hoạt động.

Làm thế nào để kiểm định độ tin cậy của một mô hình xếp hạng tín dụng? Ngân hàng sử dụng các công cụ thống kê chuyên sâu bao gồm hệ số GINI để kiểm tra năng lực phân biệt khách hàng tốt và xấu (yêu cầu đạt từ 0,40 trở lên), kiểm định Kolmogorov-Smirnov để xác định mức phân tách rủi ro cực đại (chuẩn tối thiểu từ 20% trở lên) và chỉ số PSI (dưới 0,25) để kiểm tra tính ổn định dữ liệu.

Doanh nghiệp cần làm gì để cải thiện điểm xếp hạng tín dụng tại các tổ chức tín dụng? Doanh nghiệp cần minh bạch hóa số liệu thông qua báo cáo tài chính được kiểm toán độc lập, nâng cao hệ số thanh toán nhanh trên 1,0 lần và quản lý lưu chuyển tiền tệ từ hoạt động kinh doanh dương. Đồng thời, doanh nghiệp phải duy trì lịch sử trả nợ đúng hạn tuyệt đối tại CIC, không để phát sinh nợ quá hạn từ 10 đến 90 ngày.

Kết luận

Luận văn đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua 5 đóng góp học thuật và thực tiễn nổi bật:

  • Hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro tín dụng và phương pháp xếp hạng tín dụng nội bộ theo chuẩn mực quốc tế Basel II.
  • Phân tích sâu sắc thực trạng hệ thống xếp hạng tín dụng khách hàng doanh nghiệp tại OceanBank giai đoạn 2015 - 2018, chỉ rõ các lỗ hổng định tính và độ trễ dữ liệu.
  • Đề xuất khung mô hình xếp hạng tín dụng mới kết hợp hài hòa giữa chỉ số tài chính định lượng và thang đo phi tài chính chuẩn hóa.
  • Hoàn thiện quy trình phê duyệt tín dụng 3 cấp độc lập gắn với việc số hóa hạ tầng công nghệ trên nền tảng Web-based tích hợp Core Banking.
  • Đưa ra hệ thống khuyến nghị thực thi đồng bộ từ cấp độ ngân hàng thương mại đến Ngân hàng Nhà nước và Bộ Tài chính.

Lộ trình triển khai các giải pháp được khuyến nghị thực hiện theo 3 giai đoạn từ năm 2020 đến năm 2022 nhằm đảm bảo tính chuyển tiếp vững chắc. Các ngân hàng thương mại đang trong quá trình tái cơ cấu cần khẩn trương rà soát và áp dụng khung xếp hạng tín dụng chuẩn hóa để tối ưu hóa danh mục cho vay và nâng cao sức cạnh tranh trên thị trường tài chính.