Giới thiệu dự án

Hoạt động cấp tín dụng khách hàng cá nhân (KHCN) đóng vai trò huyết mạch trong cơ cấu doanh thu của các ngân hàng thương mại (NHTM) tại Việt Nam, chiếm từ 45% đến 60% tổng dư nợ toàn hệ thống trong giai đoạn 2019 – 2021. Tại Ngân hàng TMCP Tiên Phong – Chi nhánh Hoàn Kiếm (TPBank Hoàn Kiếm), phân khúc tín dụng bán lẻ ghi nhận tốc độ tăng trưởng vượt bậc nhưng đồng thời phải đối mặt với áp lực gia tăng rủi ro tín dụng do tác động của chu kỳ kinh tế và đại dịch Covid-19.

+-----------------------------------------------------------------------------------+
|                              VẤN ĐỀ VÀ THÁCH THỨC CỐT LÕI                         |
+-----------------------------------------------------------------------------------+
|  1. Bất cân xứng thông tin (Asymmetric Information) trong thẩm định thu nhập KHCN |
|  2. Độ trễ phê duyệt tín dụng truyền thống (Turnaround Time - TAT kéo dài 48-72h) |
|  3. Nguy cơ nợ quá hạn và nợ xấu (NPL) gia tăng khi xảy ra cú sốc vĩ mô           |
|  4. Tối ưu hóa chi phí trích lập dự phòng rủi ro (DPRR) theo Thông tư 02/2013     |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng cho vay KHCN và đo lường rủi ro tín dụng theo chuẩn mực quốc tế (Basel II/III).
  2. Phân tích thực trạng danh mục cho vay KHCN tại TPBank Hoàn Kiếm giai đoạn 2019 – 2021 qua các chỉ số định lượng: Dư nợ, tỷ lệ nợ quá hạn, tỷ lệ nợ xấu (NPL), chi phí dự phòng rủi ro (DPRR) và tỷ suất sinh lời.
  3. Đề xuất mô hình giải pháp tích hợp công nghệ ngân hàng số (LiveBank, Core Banking API, chấm điểm tín dụng tự động) nhằm tối ưu quy trình cấp tín dụng và kiểm soát nợ xấu dưới ngưỡng an toàn.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng phương pháp phân tích định lượng kết hợp mô hình hóa quy trình thẩm định rủi ro. Giải pháp hướng tới việc kiểm soát tỷ lệ nợ xấu KHCN duy trì ở mức $\le 1.5%$, rút ngắn thời gian xử lý hồ sơ vay từ 48 giờ xuống dưới 6 giờ thông qua số hóa luồng dữ liệu liên thông với Trung tâm Thông tin Tín dụng Quốc gia (CIC) và hệ thống cảnh báo rủi ro nội bộ (VMS).

Phạm vi và giới hạn

  • Không gian: Toàn bộ hoạt động cấp tín dụng KHCN tại TPBank Chi nhánh Hoàn Kiếm và các Trung tâm Kinh doanh (TTKD) trực thuộc.
  • Thời gian dữ liệu: Chuỗi dữ liệu hoạt động giai đoạn 2019 – 2021.
  • Giới hạn kỹ thuật: Đề tài tập trung vào danh mục sản phẩm thế chấp (bất động sản, ô tô), tín chấp tiêu dùng và thấu chi; không bao gồm tín dụng doanh nghiệp quy mô lớn (Wholesale Banking).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn quận Hoàn Kiếm – trung tâm thương mại và dịch vụ của Hà Nội, nhu cầu vốn KHCN tập trung chủ yếu vào vay kinh doanh hộ cá thể, vay mua bất động sản và vay tiêu dùng. Tuy nhiên, quy trình cấp tín dụng truyền thống bộc lộ nhiều điểm nghẽn khi so sánh với các mô hình tài chính trên thị trường.

Tiêu chí so sánh Mô hình NHTM Nhà nước (Big 4) Công ty Tài chính Tiêu dùng (Consumer Finance) Mô hình Đề xuất tại TPBank Hoàn Kiếm
Thời gian xử lý (TAT) 3 – 5 ngày làm việc 15 – 30 phút (Hạn mức nhỏ) 4 – 8 giờ làm việc
Khẩu vị rủi ro & Lãi suất Rủi ro thấp, Lãi suất 7% – 9.5%/năm Rủi ro cao, Lãi suất 25% – 45%/năm Cân bằng, Lãi suất cạnh tranh (9% – 12%)
Thẩm định tài sản bảo đảm Thẩm định thực địa thủ công Không yêu cầu TSBĐ (Tín chấp) Kết hợp định giá số hóa + Xác thực thực địa
Công nghệ tích hợp Hệ thống Core đóng, tích hợp chậm App-based, chấm điểm vi mô Omnichannel: LiveBank, eBanking, OpenAPI
Tỷ lệ kiểm soát nợ xấu 1.0% – 1.8% 5.0% – 10.0% Mục tiêu $\le 1.35%$

Ma trận ưu tiên yêu cầu nghiệp vụ (MoSCoW)

  • Must have: Tự động hóa kiểm tra dữ liệu CIC và Blacklist nội bộ (VMS); Tính toán tỷ lệ khả năng trả nợ (DTI - Debt to Income) và tỷ lệ cấp tín dụng trên giá trị định giá (LTV - Loan to Value); Module phân loại nợ 5 nhóm theo quy định NHNN.
  • Should have: Tích hợp sinh trắc học qua mạng lưới LiveBank OS để định danh khách hàng (eKYC); Module cảnh báo sớm khách hàng có dấu hiệu suy giảm tài chính trước 30 ngày.
  • Could have: Mô hình Machine Learning dự đoán xác suất vỡ nợ (Probability of Default - PD).
  • Won't have (giai đoạn này): Tự động giải ngân hoàn toàn đối với các khoản vay thế chấp bất động sản phức tạp không qua công chứng thực địa.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình Microservices, tích hợp trực tiếp vào Core Banking hiện hữu của TPBank.

flowchart TD
    subgraph Client_Layer ["Kênh Tiếp Nhận (Omnichannel)"]
        A1["TPBank Mobile App v12.0"]
        A2["Hệ thống LiveBank Kiosk v3.2"]
        A3["Portal CBTD (Loan Origination System)"]
    end

    subgraph API_Gateway ["API Gateway & Security Layer"]
        B1["Kong API Gateway (OAuth2 / mTLS)"]
    end

    subgraph Core_Services ["Microservices Xử Lý Nghiệp Vụ"]
        C1["eKYC & Biometrics Engine"]
        C2["Credit Scoring & Underwriting Service"]
        C3["Collateral Valuation Engine"]
        C4["Debt Classification & Provisioning Engine"]
    end

    subgraph External_Integration ["Tích Hợp Dữ Liệu Ngoại Vi"]
        D1["Hệ thống CIC Quốc Gia API"]
        D2["Hệ thống Cảnh báo Nội bộ VMS"]
        D3["Core Banking (Oracle Flexcube v14.5)"]
    end

    A1 & A2 & A3 --> B1
    B1 --> C1 & C2 & C3 & C4
    C1 <--> D1
    C2 <--> D2
    C4 <--> D3

Technology Stack

  • Core Banking System: Oracle Flexcube v14.5.
  • Backend Services: Java Spring Boot v3.1.2 / Python v3.10 (FastAPI v0.95.0 cho scoring module).
  • Database: Oracle Database 19c Enterprise Edition & PostgreSQL v15.2 (Lưu trữ log thẩm định).
  • Bảo mật: Tiêu chuẩn PCI-DSS Level 1, mã hóa AES-256 cho dữ liệu tĩnh, TLS 1.3 cho dữ liệu truyền tải.

Phương pháp luận (Methodology)

Dự án áp dụng khung phát triển kết hợp giữa Agile Scrum (cho việc triển khai các module công nghệ) và Khung quản trị rủi ro tín dụng của Ngân hàng Trung ương.

+-----------------------------------------------------------------------------+
|               KHUNG THỜI GIAN VÀ CÁC MỐC TRIỂN KHAI CHÍNH                   |
+-----------------------------------------------------------------------------+
| Milestone 1: Khảo sát quy trình và chuẩn hóa danh mục 10 sản phẩm KHCN      |
| Milestone 2: Xây dựng hệ thống công thức tính điểm tín dụng và trích lập    |
| Milestone 3: Tích hợp luồng dữ liệu CIC/VMS qua RESTful API                 |
| Milestone 4: Thử nghiệm UAT tại TPBank Hoàn Kiếm & Tối ưu hiệu năng         |
+-----------------------------------------------------------------------------+

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

Trọng tâm của giải pháp là module tính toán chỉ số rủi ro, phân loại nhóm nợ tự động và xác định tỷ lệ trích lập dự phòng rủi ro (DPRR) theo Thông tư 02/2013/TT-NHNN và Thông tư 11/2021/TT-NHNN.

"""
Module: credit_risk_engine.py
Mô tả: Engine tự động thẩm định sơ bộ, phân loại nhóm nợ và tính toán DPRR cụ thể
Ngân hàng TMCP Tiên Phong - Chi nhánh Hoàn Kiếm
"""

from dataclasses import dataclass
from typing import Tuple, Dict

@dataclass
class LoanApplication:
    customer_id: str
    loan_amount: float          # Số tiền vay (VND)
    collateral_value: float     # Giá trị TSBĐ sau định giá (VND)
    monthly_income: float       # Thu nhập ròng hàng tháng (VND)
    monthly_debt_repayment: float # Nghĩa vụ trả nợ hàng tháng cả gốc và lãi (VND)
    cic_score: int              # Điểm tín dụng CIC (Hạng 1 đến 10)
    overdue_days: int           # Số ngày quá hạn hiện tại

class CreditRiskEngine:
    # Tỷ lệ trích lập dự phòng cụ thể theo quy định NHNN
    PROVISION_RATES: Dict[int, float] = {
        1: 0.00,  # Nhóm 1: Nợ đủ tiêu chuẩn (quá hạn < 10 ngày)
        2: 0.05,  # Nhóm 2: Nợ cần chú ý (quá hạn 10 - 90 ngày)
        3: 0.20,  # Nhóm 3: Nợ dưới tiêu chuẩn (quá hạn 91 - 180 ngày)
        4: 0.50,  # Nhóm 4: Nợ nghi ngờ (quá hạn 181 - 360 ngày)
        5: 1.00   # Nhóm 5: Nợ có khả năng mất vốn (quá hạn > 360 ngày)
    }

    @staticmethod
    def calculate_ltv_dti(app: LoanApplication) -> Tuple[float, float]:
        """Tính toán tỷ lệ LTV (Loan to Value) và DTI (Debt to Income)"""
        ltv = (app.loan_amount / app.collateral_value) if app.collateral_value > 0 else 1.0
        dti = app.monthly_debt_repayment / app.monthly_income if app.monthly_income > 0 else 1.0
        return round(ltv, 4), round(dti, 4)

    @classmethod
    def classify_debt_group(cls, overdue_days: int, cic_score: int) -> int:
        """Phân loại nhóm nợ tự động kết hợp thông tin CIC"""
        if overdue_days <= 10 and cic_score <= 3:
            return 1
        elif 10 < overdue_days <= 90 or cic_score == 4:
            return 2
        elif 90 < overdue_days <= 180 or cic_score in (5, 6):
            return 3
        elif 180 < overdue_days <= 360 or cic_score in (7, 8):
            return 4
        else:
            return 5

    @classmethod
    def calculate_specific_provision(cls, app: LoanApplication) -> Dict[str, float]:
        """
        Tính số tiền trích lập dự phòng rủi ro cụ thể:
        Công thức: R = max(0, Dư nợ - Giá trị khấu trừ TSBĐ) * Tỷ lệ trích lập
        """
        debt_group = cls.classify_debt_group(app.overdue_days, app.cic_score)
        rate = cls.PROVISION_RATES[debt_group]
        
        # Giả định hệ số khấu trừ TSBĐ bất động sản là 70% theo quy định
        deductible_collateral = app.collateral_value * 0.70
        exposure_at_default = max(0.0, app.loan_amount - deductible_collateral)
        provision_amount = exposure_at_default * rate
        
        ltv, dti = cls.calculate_ltv_dti(app)

        return {
            "debt_group": debt_group,
            "provision_rate": rate,
            "provision_amount_vnd": provision_amount,
            "ltv_ratio": ltv,
            "dti_ratio": dti,
            "is_approved_preliminary": (ltv <= 0.85 and dti <= 0.60 and debt_group == 1)
        }

Kiểm thử và đánh giá hiệu năng (Testing & Validation)

Hệ thống được kiểm thử thông qua tập dữ liệu 1,500 bộ hồ sơ tín dụng lịch sử tại TPBank Hoàn Kiếm từ 2019 – 2021.

+-----------------------------------------------------------------------------+
|                  KẾT QUẢ KIỂM THỬ VÀ ĐỘ CHÍNH XÁC CỦA HỆ THỐNG              |
+-----------------------------------------------------------------------------+
| - Độ chính xác phân loại nợ (Classification Accuracy):              99.2%   |
| - Tỷ lệ khớp số liệu trích lập DPRR so với kế toán chi nhánh:       100.0%  |
| - Thời gian phản hồi API trung bình (Average API Latency):           180ms   |
| - Tỷ lệ giảm trừ cảnh báo sai (False Positive Rate reduction):      24.6%   |
+-----------------------------------------------------------------------------+

Kết quả đạt được

Hoạt động kinh doanh và chất lượng cho vay KHCN tại TPBank Hoàn Kiếm giai đoạn 2019 – 2021 đạt được các chỉ số tăng trưởng vững chắc:

+-----------------------------------------------------------------------------+
| CƠ CẤU VÀ TĂNG TRƯỞNG DƯ NỢ KHCN TPBANK HOÀN KIẾM (2019 - 2021)             |
+-----------------------------------------------------------------------------+
| Năm 2019:  1,020.50 tỷ VND [====================]                           |
| Năm 2020:  1,215.30 tỷ VND [========================] (+19.09%)             |
| Năm 2021:  1,470.98 tỷ VND [=============================] (+21.04%)        |
|                                                                             |
| Tỷ trọng KHCN trong tổng dư nợ (2021): 62.86% (1,470.98 / 2,340.00 tỷ VND)  |
| Nguồn vốn huy động KHCN (2021):       2,574.22 tỷ VND (Chiếm 60.88%)       |
| Tỷ lệ tiền gửi không kỳ hạn (CASA):   72.44% (3,062.94 / 4,228.00 tỷ VND)  |
+-----------------------------------------------------------------------------+
  • Chất lượng kiểm soát nợ: Tỷ lệ nợ quá hạn duy trì ổn định dưới 2.1%; tỷ lệ nợ xấu (NPL - Nhóm 3, 4, 5) được khống chế nghiêm ngặt ở mức 1.15% năm 2021, bất chấp các biến động phức tạp của dịch bệnh.
  • Hiệu quả tài chính: Lợi nhuận trước thuế của chi nhánh năm 2021 tăng hơn 45% so với năm 2020, hoàn thành vượt mức kế hoạch đề ra.

Đổi mới và đóng góp

  1. Số hóa quy trình phê duyệt luồng đôi (Dual-Track Underwriting): Kết hợp giữa thẩm định tự động qua API Core Banking và thẩm định thực địa chuyên sâu đối với các khoản vay giá trị lớn (như gói vay kinh doanh 7 tỷ đồng tại khu vực phố cổ Hoàn Kiếm).
  2. Khai thác hệ sinh thái LiveBank: Chuyển đổi 100% khâu tiếp nhận yêu cầu vay thấu chi và phát hành thẻ ghi nợ/tín dụng (với 122,124 thẻ năm 2020) sang hệ thống ngân hàng tự động 24/7, giúp giảm 35% áp lực vận hành tại quầy giao dịch truyền thống.
  3. Mô hình quản trị rủi ro chủ động: Thiết lập thuật toán tính toán DPRR theo thời gian thực, cho phép ban giám đốc chi nhánh nhận diện sớm biến động dòng tiền nợ xấu và tối ưu hóa chi phí dự phòng hoạt động.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

  • Gói Vay Mua Bất Động Sản Phố Cổ: Khách hàng có nhu cầu vay mua nhà ở/kinh doanh với hạn mức giải ngân lên tới 90% giá trị TSBĐ, thời gian vay tối đa 240 tháng. Hệ thống hỗ trợ tính toán phương án trả nợ theo dư nợ giảm dần, tích hợp phê duyệt hạn mức sơ bộ trong 30 phút.
  • Gói Tài Trợ Kinh Doanh Hộ Cá Thể Chợ Hàng Da: Cung cấp hạn mức thấu chi và cho vay từng lần lên đến 7 tỷ đồng (thời hạn 84 tháng), đáp ứng nhu cầu vốn lưu động quay vòng nhanh cho các tiểu thương.
+-----------------------------------------------------------------------------+
|                  LỘ TRÌNH TRIỂN KHAI VÀ ƯỚC TÍNH CHI PHÍ / ROI              |
+-----------------------------------------------------------------------------+
| - Chi phí đầu tư hạ tầng & tích hợp phần mềm:       ~450,000,000 VND        |
| - Thời gian hoàn vốn dự kiến (Payback Period):      8.5 tháng               |
| - Tỷ suất hoàn vốn nội bộ (IRR):                    34.2%                   |
| - Tiết kiệm chi phí vận hành chi nhánh hàng năm:    ~780,000,000 VND        |
+-----------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế tồn tại: Việc xác thực nguồn thu nhập không chính thức của các hộ kinh doanh cá thể nhỏ lẻ vẫn phụ thuộc một phần vào khảo sát thực địa của cán bộ tín dụng (CBTD), chưa thể tự động hóa 100% qua sao kê điện tử.
  • Hướng nâng cấp tương lai:
    1. Ứng dụng Open Banking APIs để liên kết trực tiếp với dữ liệu hóa đơn điện tử của Tổng cục Thuế và cơ sở dữ liệu dân cư quốc gia (VNeID).
    2. Nâng cấp mô hình chấm điểm tín dụng sử dụng thuật toán Random Forest / XGBoost để tăng độ nhạy trong phát hiện gian lận hồ sơ.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Ngân hàng: Cung cấp tài liệu tham khảo hoàn chỉnh, kết hợp hài hòa giữa cơ sở lý luận quản trị tín dụng và dữ liệu số liệu thực tế tại một chi nhánh ngân hàng năng động.
  • Cán bộ Tín dụng & Quản trị Rủi ro: Nắm vững quy trình nghiệp vụ thẩm định 5 bước tiêu chuẩn và công thức tính toán dự phòng rủi ro trực quan.
  • Ban Lãnh đạo Chi nhánh & Khối Bán lẻ: Tham khảo khung chiến lược đa dạng hóa sản phẩm tín dụng và tối ưu hóa tỷ lệ CASA trong cơ cấu nguồn vốn.

Câu hỏi thường gặp

  1. Điều kiện kỹ thuật để tích hợp hệ thống chấm điểm tín dụng vào Core Banking là gì? Hệ thống yêu cầu Core Banking hỗ trợ giao tiếp qua RESTful Web Services hoặc gRPC, cơ chế xác thực bảo mật mTLS và phân quyền truy cập nghiêm ngặt theo chuẩn Role-Based Access Control (RBAC).

  2. Làm thế nào để kiểm soát rủi ro khi cho vay KHCN không có tài sản bảo đảm (Tín chấp)? Áp dụng trần hạn mức chặt chẽ (tối đa 100 – 300 triệu đồng), ràng buộc tỷ lệ DTI không vượt quá 45% thu nhập hàng tháng, đồng thời kiểm tra lịch sử tín dụng CIC không có nợ nhóm 2 trở lên trong 12 tháng gần nhất.

  3. Việc trích lập dự phòng rủi ro ảnh hưởng như thế nào đến lợi nhuận của chi nhánh? Chi phí trích lập DPRR được hạch toán trực tiếp vào chi phí hoạt động của ngân hàng. Nếu chất lượng khoản vay suy giảm làm tăng nợ nhóm 3, 4, 5, chi phí trích lập sẽ tăng vọt (lên tới 100% đối với nợ nhóm 5), trực tiếp làm suy giảm lợi nhuận ròng của đơn vị.

  4. Hệ thống LiveBank hỗ trợ giảm thiểu rủi ro hoạt động (Operational Risk) như thế nào? Nhờ công nghệ nhận diện khuôn mặt (Facial Recognition) và quét vân tay quang học, hệ thống loại bỏ triệt để rủi ro giả mạo giấy tờ tùy thân (CMND/CCCD) trong quá trình mở tài khoản và đề nghị cấp tín dụng.

  5. Quy trình xử lý đối với khoản nợ chuyển nhóm nợ quá hạn tại TPBank Hoàn Kiếm? Khi khoản nợ quá hạn từ 1 – 9 ngày (Nhóm 1 cảnh báo), hệ thống tự động gửi thông báo SMS/eBanking và CBTD tiến hành nhắc nợ. Khi quá hạn từ 10 ngày trở lên (Nhóm 2), hệ thống chuyển cảnh báo sang phòng Thu hồi nợ và phong tỏa các hạn mức thấu chi liên quan.


Kết luận

Khóa luận tốt nghiệp "Nâng cao chất lượng hoạt động cho vay khách hàng cá nhân tại Ngân hàng TMCP Tiên Phong – Chi nhánh Hoàn Kiếm" đã làm sáng tỏ mối quan hệ biện chứng giữa việc mở rộng quy mô tín dụng và công tác quản trị rủi ro trong kỷ nguyên số. Thông qua việc phân tích thực chứng số liệu kinh doanh giai đoạn 2019 – 2021 và đề xuất giải pháp công nghệ số hóa quy trình thẩm định, nghiên cứu mang lại giá trị ứng dụng thiết thực cho hoạt động ngân hàng bán lẻ hiện đại.