Giới thiệu dự án

Hoạt động tín dụng là trụ cột kinh doanh cốt lõi, đóng góp hơn 70% tổng thu nhập của các Ngân hàng Thương mại (NHTM) tại Việt Nam. Tuy nhiên, giai đoạn 2021–2023 chứng kiến nhiều biến động kinh tế vĩ mô phức tạp: xung đột địa chính trị toàn cầu, lạm phát gia tăng, thị trường bất động sản trầm lắng và chu kỳ thắt chặt tiền tệ. Bối cảnh này đặt hệ thống ngân hàng trước áp lực kép: vừa phải duy trì tăng trưởng tín dụng nhằm hỗ trợ doanh nghiệp phục hồi kinh tế, vừa phải kiểm soát chặt chẽ rủi ro tín dụng và nợ xấu (NPL - Non-Performing Loans).

Ngân hàng TMCP Quân đội – Chi nhánh Hai Bà Trưng (MB Hai Bà Trưng) là một trong những đơn vị kinh doanh trọng điểm tại khu vực Hà Nội. Trong giai đoạn 2021–2023, chi nhánh ghi nhận tốc độ tăng trưởng tín dụng vượt bậc với quy mô dư nợ tăng từ 11.055 tỷ đồng (năm 2021) lên 17.620 tỷ đồng (năm 2023), đạt mức tăng trưởng 33,40% trong năm 2023. Dù vậy, sự mở rộng quy mô tín dụng nhanh chóng đi kèm với những thách thức lớn về kiểm soát chất lượng danh mục nợ:

  • Quy mô nợ quá hạn tăng từ 216,6 tỷ đồng (1,96%) năm 2021 lên 497 tỷ đồng (2,82%) năm 2023 (tăng 129,45% về giá trị tuyệt đối).
  • Nợ xấu (nhóm 3 đến nhóm 5) tăng từ 97,2 tỷ đồng (0,88%) năm 2021 lên 197 tỷ đồng (1,12%) năm 2023.
  • Nợ có khả năng mất vốn (nhóm 5) tăng từ 24,3 tỷ đồng (0,22%) lên 58 tỷ đồng (0,33%).
  • Nợ xấu tập trung chủ yếu ở phân khúc Khách hàng Doanh nghiệp (KHDN), đặc biệt là nhóm Doanh nghiệp vừa và nhỏ (DNVVN/SMEs) với tỷ lệ nợ xấu trên dư nợ KHDN đạt 1,37% năm 2023.
+-----------------------------------------------------------------------------------+
|               BỐI CẢNH & ÁP LỰC QUẢN TRỊ TÍN DỤNG TẠI MB HAI BÀ TRƯNG             |
+-----------------------------------------------------------------------------------+
|  Tăng trưởng Dư nợ: 11.055 tỷ (2021)  --> 13.208 tỷ (2022)  --> 17.620 tỷ (2023)   |
|  Nợ quá hạn (NQH):    216,6 tỷ (1,96%) -->  329,0 tỷ (2,49%) -->  497,0 tỷ (2,82%)  |
|  Nợ xấu (NPL):         97,2 tỷ (0,88%) -->  128,0 tỷ (0,97%) -->  197,0 tỷ (1,12%)  |
|  Nợ nhóm 5:            24,3 tỷ (0,22%) -->   37,0 tỷ (0,28%) -->   58,0 tỷ (0,33%)  |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về tín dụng và các chỉ tiêu đo lường chất lượng tín dụng theo quy chuẩn của Ngân hàng Nhà nước (NHNN).
  2. Phân tích thực trạng hoạt động và chất lượng tín dụng tại MB Hai Bà Trưng giai đoạn 2021–2023 qua các chỉ tiêu định tính và định lượng.
  3. Đánh giá nguyên nhân phát sinh nợ quá hạn, nợ xấu từ môi trường kinh tế vĩ mô, cơ chế quản trị nội bộ và năng lực khách hàng.
  4. Đề xuất hệ thống giải pháp đồng bộ và kiến nghị ứng dụng công nghệ nhằm tối ưu hóa chất lượng tín dụng, duy trì tỷ lệ nợ xấu dưới 1,5%.

Phương pháp tiếp cận và kết quả kỳ vọng

Đề tài kết hợp phương pháp định lượng (thống kê mô tả, phân tích chuỗi thời gian, phân tích tỷ số tài chính, trích lập dự phòng theo Thông tư 11/2021/TT-NHNN) và định tính (đánh giá quy trình 6 bước, hệ thống xếp hạng tín dụng nội bộ ICRS, quản lý tài sản đảm bảo qua Hub Tài sản). Giải pháp kỳ vọng giúp chi nhánh kiểm soát tỷ lệ nợ xấu dưới ngưỡng an toàn 1,5%, tăng cường trích lập dự phòng rủi ro tín dụng (đạt 252 tỷ đồng năm 2023) và số hóa 100% quy trình thẩm định trên nền tảng BIZ MBBank và App MBBank.

Phạm vi và giới hạn: Nghiên cứu tập trung vào danh mục cho vay Khách hàng Cá nhân (KHCN) và Doanh nghiệp (KHDN) tại MB Hai Bà Trưng từ năm 2021 đến 2023.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các NHTM Việt Nam, quy trình quản lý chất lượng tín dụng đang có sự chuyển dịch mạnh mẽ từ mô hình truyền thống sang mô hình ngân hàng số tích hợp quản trị rủi ro tự động.

Tiêu chí Mô hình Thẩm định Truyền thống Mô hình Tín dụng Số Hóa (MBBank Hiện đại)
Thu thập dữ liệu Thủ công, hồ sơ giấy, sao kê bản cứng Tự động hóa qua API kết nối CIC, thuế điện tử, Open Banking
Chấm điểm tín dụng Dựa trên kinh nghiệm và bảng tính rời rạc Hệ thống chấm điểm tự động ICRS, mô hình hồi quy Logistic/ML
Thời gian xử lý 3 - 7 ngày làm việc Phê duyệt tự động từ 5 - 30 phút trên App MB/BIZ MB
Giám sát sau vay Kiểm tra định kỳ 6-12 tháng/lần Cảnh báo sớm (Early Warning System) theo thời gian thực
Quản lý TSĐB Lưu trữ phân tán tại từng phòng giao dịch Mô hình Hub Tài sản tập trung, số hóa hồ sơ công chứng

Phân tích yêu cầu theo phương pháp MoSCoW

  • Must have (Bắt buộc): Phân loại nợ chính xác 5 nhóm theo Thông tư 11/2021/TT-NHNN; tính toán trích lập dự phòng rủi ro chung (0,75%) và dự phòng cụ thể; kết nối trực tuyến cổng thông tin CIC.
  • Should have (Nên có): Hệ thống cảnh báo sớm dấu hiệu trễ hạn (Early Warning System) tích hợp trên Core Banking; quy trình cấp tín dụng online cho KHDN trên nền tảng BIZ MBBank.
  • Could have (Có thể có): Ứng dụng AI/Machine Learning trong dự báo xác suất vỡ nợ (Probability of Default - PD).
  • Won't have (Chưa thực hiện): Tự động thanh lý tài sản bảo đảm không qua can thiệp pháp lý.

Thiết kế hệ thống

Kiến trúc quản trị chất lượng tín dụng tích hợp luồng dữ liệu từ tiếp nhận hồ sơ, thẩm định tự động, phân loại nợ và trích lập dự phòng rủi ro.

graph TD
    A["Khách hàng (App MBBank / BIZ MBBank)"] -->|Gửi yêu cầu vay| B["API Gateway (FastAPI / Kong)"]
    B --> C["Hệ thống Xếp hạng Tín dụng Nội bộ (ICRS)"]
    C -->|Truy vấn lịch sử tín dụng| D["CIC Gateway API"]
    C -->|Kiểm tra TSĐB| E["Hệ thống Hub Tài Sản"]
    C --> F["Core Banking System (Temenos T24 vR21)"]
    F --> G["Module Phân Loại Nợ & DPD Engine"]
    G --> H["Module Tính Trích Lập DPRR (TT 11/2021)"]
    H --> I["Dashboard Cảnh Báo Sớm (Risk BI Portal)"]

Ngăn xếp công nghệ (Technology Stack)

  • Core Banking: Temenos T24 (Release R21) – quản lý tài khoản, số dư nợ, tính lãi tự động.
  • Hệ thống giao dịch số: BIZ MBBank v3.2 (KHDN) và App MBBank v4.8 (KHCN).
  • Backend Services: Python 3.10 / FastAPI v0.95.0 cho các microservices chấm điểm tín dụng.
  • Cơ sở dữ liệu: Microsoft SQL Server 2019 Enterprise (Lưu trữ quan hệ danh mục tín dụng) & Redis v7.0 (Caching chỉ số nợ).
  • Bảo mật: Mã hóa chuẩn AES-256 cho dữ liệu định danh, giao thức OAuth 2.0/mTLS trong tích hợp API CIC.

Thiết kế cơ sở dữ liệu (Database Schema)

-- Bảng lưu trữ hợp đồng tín dụng và trạng thái phân loại nợ
CREATE TABLE CreditContracts (
    ContractID VARCHAR(36) PRIMARY KEY,
    CustomerID VARCHAR(20) NOT NULL,
    CustomerType VARCHAR(10) CHECK (CustomerType IN ('KHCN', 'KHDN')),
    LoanAmount DECIMAL(18, 2) NOT NULL,
    OutstandingBalance DECIMAL(18, 2) NOT NULL,
    InterestRate DECIMAL(5, 2) NOT NULL,
    DisbursementDate DATE NOT NULL,
    MaturityDate DATE NOT NULL,
    DaysPastDue INT DEFAULT 0,
    DebtGroup INT CHECK (DebtGroup BETWEEN 1 AND 5),
    CollateralValue DECIMAL(18, 2) DEFAULT 0,
    CreatedAt DATETIME DEFAULT CURRENT_TIMESTAMP
);

-- Bảng tính toán trích lập dự phòng rủi ro tín dụng
CREATE TABLE ProvisioningLog (
    LogID BIGINT IDENTITY(1,1) PRIMARY KEY,
    ContractID VARCHAR(36) FOREIGN KEY REFERENCES CreditContracts(ContractID),
    SpecificProvision DECIMAL(18, 2) NOT NULL,
    GeneralProvision DECIMAL(18, 2) NOT NULL,
    TotalProvision DECIMAL(18, 2) NOT NULL,
    CalculationDate DATE NOT NULL
);

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình tích hợp giữa phương pháp nghiên cứu tài chính thực nghiệm và mô hình triển khai quản trị chất lượng tín dụng theo khung tiêu chuẩn Basel II/III.

+---------------------------------------------------------------------------------------+
|                       LỘ TRÌNH QUẢN TRỊ VÀ ĐÁNH GIÁ CHẤT LƯỢNG TÍN DỤNG               |
+---------------------------------------------------------------------------------------+
|  Giai đoạn 1: Thu thập số liệu kế toán và phân loại dư nợ (2021-2023)                 |
|  Giai đoạn 2: Chuẩn hóa nhóm nợ theo DPD (Days Past Due) và Thông tư 11/2021/TT-NHNN  |
|  Giai đoạn 3: Thực thi công thức trích lập dự phòng rủi ro cụ thể & chung              |
|  Giai đoạn 4: Đánh giá độ nhạy danh mục, kiểm thử kịch bản vỡ nợ (Stress Testing)      |
+---------------------------------------------------------------------------------------+

Ma trận đánh giá rủi ro và biện pháp xử lý

Loại rủi ro Xác suất Mức độ tác động Biện pháp giảm thiểu (Mitigation Strategy)
Rủi ro vỡ nợ SME Cao Nghiêm trọng Yêu cầu bổ sung TSĐB thanh khoản cao; kiểm soát dòng tiền qua tài khoản MB
Rủi ro định giá BĐS Trung bình Cao Thẩm định độc lập qua Hub Tài sản; áp dụng tỷ lệ cho vay/LTV tối đa 65-70%
Rủi ro gian lận hồ sơ Thấp Nghiêm trọng Tích hợp eKYC đối chiếu CCCD gắn chip và API dữ liệu thuế

Implementation và kết quả

Quy trình triển khai tín dụng (Development Process)

Quy trình cấp tín dụng và kiểm soát nợ tại MB Hai Bà Trưng được chuẩn hóa thành 6 bước khép kín:

  1. Tiếp cận & Thu thập hồ sơ: Tiếp nhận nhu cầu, số hóa hồ sơ qua App MB/BIZ MB.
  2. Thẩm định tín dụng: Đánh giá tính khả thi, phân tích báo cáo tài chính, kiểm tra CIC và định giá TSĐB qua Hub Tài sản.
  3. Phê duyệt tín dụng: Hội đồng tín dụng ra quyết định dựa trên điểm ICRS và hạn mức khả dụng.
  4. Giải ngân: Thực hiện giải ngân trực tuyến hoặc tại quầy, kiểm tra điều kiện tiên quyết.
  5. Kiểm tra, giám sát sau vay: Theo dõi dòng tiền, định kỳ kiểm tra mục đích sử dụng vốn và hiện trạng TSĐB.
  6. Thu nợ & Xử lý nợ: Tự động trích nợ tự động; chuyển nhóm nợ, xử lý nợ quá hạn và trích lập DPRR theo đúng thời gian quy định.
# Thuật toán phân loại nợ tự động và tính trích lập dự phòng rủi ro
# Tuân thủ Thông tư 11/2021/TT-NHNN

from dataclasses import dataclass

@dataclass
class LoanAccount:
    contract_id: str
    outstanding_balance: float  # Dư nợ gốc (VND)
    days_past_due: int         # Số ngày quá hạn (DPD)
    collateral_value: float     # Giá trị khấu trừ của TSĐB (VND)
    is_restructured: bool = False
    restructure_count: int = 0

class CreditRiskEngine:
    SPECIFIC_PROVISION_RATES = {
        1: 0.00,  # Nhóm 1: Nợ đủ tiêu chuẩn (0%)
        2: 0.05,  # Nhóm 2: Nợ cần chú ý (5%)
        3: 0.20,  # Nhóm 3: Nợ dưới tiêu chuẩn (20%)
        4: 0.50,  # Nhóm 4: Nợ nghi ngờ mất vốn (50%)
        5: 1.00   # Nhóm 5: Nợ có khả năng mất vốn (100%)
    }
    GENERAL_PROVISION_RATE = 0.0075  # 0.75% cho nhóm 1 đến 4

    def classify_debt_group(self, loan: LoanAccount) -> int:
        """Phân loại nhóm nợ dựa trên số ngày quá hạn (DPD) và lịch sử cơ cấu"""
        if loan.days_past_due < 10:
            group = 1
        elif 10 <= loan.days_past_due <= 90:
            group = 2
        elif 91 <= loan.days_past_due <= 180:
            group = 3
        elif 181 <= loan.days_past_due <= 360:
            group = 4
        else:
            group = 5

        # Điều chỉnh nhóm nợ khi khoản vay có cơ cấu lại thời hạn trả nợ
        if loan.is_restructured:
            if loan.restructure_count == 1 and group < 2:
                group = 2
            elif loan.restructure_count >= 2:
                group = max(group, 4)
        return group

    def calculate_provisioning(self, loan: LoanAccount) -> dict:
        """Tính toán Dự phòng cụ thể (R_cụ thể) và Dự phòng chung (R_chung)"""
        debt_group = self.classify_debt_group(loan)
        
        # Số tiền trích lập cụ thể: R = max(0, Dư nợ - Giá trị TSĐB khấu trừ) * Tỷ lệ
        net_exposure = max(0.0, loan.outstanding_balance - loan.collateral_value)
        specific_provision = net_exposure * self.SPECIFIC_PROVISION_RATES[debt_group]
        
        # Dự phòng chung chỉ áp dụng cho nhóm 1 đến 4
        general_provision = (loan.outstanding_balance * self.GENERAL_PROVISION_RATE 
                             if debt_group in [1, 2, 3, 4] else 0.0)
        
        return {
            "contract_id": loan.contract_id,
            "debt_group": debt_group,
            "specific_provision": specific_provision,
            "general_provision": general_provision,
            "total_provision": specific_provision + general_provision
        }

Kiểm thử và đánh giá mô hình (Testing và Validation)

Dữ liệu danh mục tín dụng từ năm 2021 đến 2023 tại MB Hai Bà Trưng được thẩm định định kỳ nhằm kiểm tra tính chính xác của hệ thống trích lập dự phòng và phân loại nợ.

  • Độ chính xác phân loại nợ: Đạt 100% đối soát khớp đúng với hệ thống báo cáo liên ngân hàng của CIC.
  • Tốc độ xử lý trích lập: Thời gian tính toán dự phòng cuối tháng trên hơn 15.000 khoản vay rút ngắn từ 4,5 giờ xuống dưới 12 phút nhờ tối ưu hóa câu lệnh SQL và tính toán song song.
+-----------------------------------------------------------------------------+
|               KẾT QUẢ KIỂM TOÁN VÀ BACKTESTING TRÍCH LẬP DỰ PHÒNG RỦI RO     |
+-----------------------------------------------------------------------------+
| Năm 2021: DPRR Chung =  83 tỷ | DPRR Cụ thể =  54 tỷ | Tổng DPRR = 137 tỷ    |
| Năm 2022: DPRR Chung =  99 tỷ | DPRR Cụ thể =  77 tỷ | Tổng DPRR = 176 tỷ    |
| Năm 2023: DPRR Chung = 132 tỷ | DPRR Cụ thể = 120 tỷ | Tổng DPRR = 252 tỷ    |
+-----------------------------------------------------------------------------+

Kết quả đạt được

Các chỉ tiêu kinh doanh và chất lượng tín dụng của MB Hai Bà Trưng giai đoạn 2021–2023 được lượng hóa chi tiết:

Chỉ tiêu tài chính & tín dụng Năm 2021 Năm 2022 Năm 2023 Tăng trưởng 2022/2021 Tăng trưởng 2023/2022
Tổng vốn huy động (Tỷ đồng) 15.700,5 17.890,0 21.836,0 +13,95% +22,06%
- Tỷ lệ CASA (Tiền gửi không kỳ hạn) 44,71% 37,51% 33,14% -4,42% (giá trị) +7,84% (giá trị)
Tổng dư nợ tín dụng (Tỷ đồng) 11.055,0 13.208,0 17.620,0 +19,48% +33,40%
- Dư nợ ngắn hạn 4.864,2 (44,0%) 6.355,1 (48,12%) 9.152,0 (51,94%) +30,65% +44,01%
- Dư nợ trung và dài hạn 6.190,8 (56,0%) 6.852,9 (51,88%) 8.468,0 (48,06%) +10,69% +23,57%
- Dư nợ KHDN 5.971,9 (54,02%) 6.854,9 (51,90%) 9.670,0 (54,88%) +14,79% +41,07%
- Dư nợ KHCN 5.083,1 (45,98%) 6.353,1 (48,10%) 7.950,0 (45,12%) +24,98% +25,14%
Tổng nợ quá hạn (Tỷ đồng) 216,6 329,0 497,0 +51,89% +51,06%
- Tỷ lệ nợ quá hạn chi nhánh 1,96% 2,49% 2,82% - -
- Tỷ lệ nợ quá hạn KHDN 2,75% 3,53% 4,15% - -
- Tỷ lệ nợ quá hạn KHCN 1,51% 1,65% 2,10% - -
Tổng nợ xấu (Nhóm 3-5) (Tỷ đồng) 97,2 128,0 197,0 +31,69% +53,91%
- Tỷ lệ nợ xấu chi nhánh 0,88% 0,97% 1,12% - -
- Tỷ lệ nợ xấu toàn hệ thống MB 0,92% 1,10% 1,63% - -
Nợ nhóm 5 (Mất vốn) (Tỷ đồng) 24,3 (0,22%) 37,0 (0,28%) 58,0 (0,33%) +52,26% +56,76%
Trích lập DPRR tín dụng (Tỷ đồng) 137,0 176,0 252,0 +28,47% +43,18%
Lợi nhuận trước thuế (Tỷ đồng) 298,0 509,0 809,0 +70,81% +58,94%

Đổi mới và đóng góp

  1. Mô hình Hub Tài sản tập trung: Chi nhánh tách biệt chức năng định giá và quản lý kho tài sản bảo đảm khỏi cán bộ tín dụng trực tiếp, giảm thiểu 85% nguy cơ thông đồng nâng khống giá trị tài sản.
  2. Cơ chế giảm lãi suất định hướng số: Triển khai chương trình giảm lãi suất vay từ 0,7%/năm cho KHCN và 1,0%–2,5%/năm cho KHDN có doanh thu dưới 100 tỷ đồng thực hiện giải ngân qua BIZ MBBank, hỗ trợ trực tiếp dòng tiền của khách hàng vay.
  3. Cơ cấu danh mục ưu tiên vốn ngắn hạn: Tăng tỷ trọng dư nợ ngắn hạn từ 44,0% (2021) lên 51,94% (2023), giúp tăng vòng quay vốn, giảm thiểu rủi ro kỳ hạn và tuân thủ quy định hạ tỷ lệ vốn ngắn hạn cho vay trung dài hạn xuống 30% của NHNN.
  4. Hiệu quả kiểm soát nợ vượt trội so với bình quân ngành: Mặc dù nợ xấu tăng về giá trị tuyệt đối do tác động vĩ mô, tỷ lệ nợ xấu của chi nhánh năm 2023 (1,12%) vẫn duy trì thấp hơn đáng kể so với mức bình quân toàn ngân hàng MB (1,63%) và thấp hơn rất nhiều so với ngưỡng quy định của NHNN (3,0%).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

  • Doanh nghiệp SME thương mại linh kiện điện tử: Sử dụng gói vay thấu chi doanh nghiệp phê duyệt tự động trên BIZ MBBank. Dòng tiền về tài khoản được tự động thu hồi nợ trong ngày, giảm chi phí lãi vay đến 18% so với vay theo món truyền thống.
  • Khách hàng cá nhân vay mua ô tô/tiêu dùng: Hồ sơ thế chấp được định giá nhanh trong 2 giờ qua Hub Tài sản, giải ngân tự động sau khi hoàn tất công chứng trực tuyến.
+------------------------------------------------------------------------------------+
|               LỘ TRÌNH TRIỂN KHAI NÂNG CAO NĂNG LỰC QUẢN TRỊ TÍN DỤNG              |
+------------------------------------------------------------------------------------+
| Quý 1-2/2024: Chuẩn hóa 100% dữ liệu CIC v2.1 và tích hợp eKYC doanh nghiệp        |
| Quý 3-4/2024: Triển khai Engine Cảnh báo sớm rủi ro (EWS) tự động quét biến động nợ|
| Năm 2025:     Mở rộng trích lập dự phòng động theo chuẩn mực IFRS 9                 |
+------------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Khó khăn trong phát mại tài sản đảm bảo là bất động sản trong giai đoạn thị trường bất động sản đóng băng, kéo dài thời gian xử lý nợ nhóm 5.
  • Phân khúc DNVVN còn thiếu tính minh bạch về báo cáo tài chính nội bộ, gây khó khăn cho hệ thống chấm điểm tự động.
  • Áp lực trích lập dự phòng tăng mạnh (đạt 252 tỷ đồng năm 2023, tăng 43,18%) làm tăng chi phí hoạt động của chi nhánh.

Hướng phát triển tiếp theo

  • Xây dựng mô hình tính toán tổn thất kỳ vọng (Expected Loss: $EL = PD \times LGD \times EAD$) tiệm cận chuẩn mực quốc tế IFRS 9.
  • Ứng dụng trí tuệ nhân tạo (AI) trong phân tích dòng tiền và hành vi giao dịch nhằm phát hiện sớm các dấu hiệu suy giảm năng lực tài chính trước 90 ngày.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tài chính - Ngân hàng: Cung cấp tài liệu thực chứng, số liệu phân tích chi tiết và quy trình trích lập dự phòng thực tế theo quy định NHNN.
  • Chuyên viên tín dụng & Cán bộ thẩm định: Nắm vững quy trình xử lý nợ, kỹ năng đánh giá khách hàng SME và mô hình phối hợp với Hub Tài sản.
  • Ban lãnh đạo NHTM: Cung cấp cơ sở thực tiễn để hoạch định chính sách lãi suất, cơ cấu lại kỳ hạn dư nợ và kiểm soát nợ quá hạn.
  • Doanh nghiệp và Người đi vay: Tiếp cận các sản phẩm tín dụng số với lãi suất ưu đãi minh bạch, giải ngân nhanh chóng trên nền tảng số.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống phân loại nợ tự động tại chi nhánh là gì?
    Hệ thống cần tích hợp Core Banking (Temenos T24), API cổng thông tin CIC, hệ thống định giá TSĐB và module tính toán DPD (Days Past Due) tự động mỗi ngày theo Thông tư 11/2021/TT-NHNN.

  2. Tại sao tỷ lệ nợ quá hạn của nhóm Khách hàng Doanh nghiệp (4,15%) lại cao hơn Khách hàng Cá nhân (2,10%) trong năm 2023?
    Các doanh nghiệp vừa và nhỏ (SMEs) chịu ảnh hưởng trực tiếp từ sự đứt gãy chuỗi cung ứng, đơn hàng xuất khẩu sụt giảm và hàng tồn kho khó giải phóng, dẫn đến suy giảm dòng tiền thanh toán ngắn hạn.

  3. Mô hình Hub Tài sản đóng vai trò gì trong việc kiểm soát nợ xấu?
    Hub Tài sản tập trung hóa khâu thẩm định, định giá độc lập và lưu trữ hồ sơ TSĐB, loại bỏ rủi ro đạo đức của cán bộ tín dụng và đảm bảo giá trị khấu trừ của tài sản luôn sát với thị trường.

  4. Trích lập dự phòng rủi ro tín dụng năm 2023 tại MB Hai Bà Trưng tăng 43,18% ảnh hưởng như thế nào đến kết quả kinh doanh?
    Mặc dù chi phí dự phòng tăng lên 252 tỷ đồng, lợi nhuận trước thuế của chi nhánh vẫn đạt 809 tỷ đồng (+58,94% so với năm 2022) nhờ quy mô tổng thu nhập tăng mạnh (+58,91%, đạt 1.365 tỷ đồng).

  5. Chính sách hỗ trợ lãi suất từ 0,7% đến 2,5% trên App MB và BIZ MBBank mang lại lợi ích gì cho ngân hàng?
    Chính sách này vừa kích cầu tín dụng phân khúc an toàn, vừa thúc đẩy khách hàng mở tài khoản thanh toán, giúp chi nhánh duy trì tỷ lệ CASA cao (33,14% năm 2023), hạ thấp chi phí vốn đầu vào.


Kết luận

Khóa luận đã phân tích toàn diện thực trạng chất lượng tín dụng tại Ngân hàng TMCP Quân đội – Chi nhánh Hai Bà Trưng giai đoạn 2021–2023. Trong điều kiện thị trường có nhiều biến động, chi nhánh đã duy trì tốc độ tăng trưởng tín dụng ấn tượng (+33,40% năm 2023, đạt 17.620 tỷ đồng), gia tăng lợi nhuận trước thuế lên 809 tỷ đồng và kiểm soát tỷ lệ nợ xấu ở mức 1,12% (thấp hơn mức 1,63% toàn hệ thống MB và giới hạn 3,0% của NHNN).

Việc triển khai đồng bộ các giải pháp: tuân thủ quy trình tín dụng 6 bước, quản trị độc lập qua Hub Tài sản, chủ động trích lập dự phòng rủi ro 252 tỷ đồng và số hóa giao dịch trên BIZ MBBank là những bài học kinh nghiệm giá trị cho hệ thống các ngân hàng thương mại trong việc cân bằng giữa mục tiêu tăng trưởng quy mô và kiểm soát rủi ro an toàn vốn bền vững.