Giới thiệu dự án

Hoạt động cấp tín dụng tại các ngân hàng thương mại (NHTM) luôn đối mặt với rủi ro tín dụng tiềm ẩn từ các khoản nợ xấu, nợ cơ cấu và nợ khó đòi. Theo số liệu thống kê của Ngân hàng Nhà nước (NHNN), tính đến cuối năm 2018, toàn hệ thống các tổ chức tín dụng tại Việt Nam đã xử lý 149,22 nghìn tỷ đồng nợ xấu, đưa tỷ lệ nợ xấu nội bảng về mức 1,89% (giảm từ 1,99% năm 2017 và 2,46% năm 2016). Trong cơ chế phòng vệ rủi ro của hệ thống ngân hàng theo khung chuẩn mực Basel II (Thông tư 41/2016/TT-NHNN và Thông tư 13/2018/TT-NHNN), công tác thẩm định giá tài sản bảo đảm (TĐG TSBĐ) là bất động sản (BĐS) đóng vai trò then chốt, đóng góp trực tiếp tới 26% vào kết quả kiểm soát rủi ro và hiệu quả vận hành kinh doanh tại Ngân hàng TMCP Á Châu (ACB).

+-------------------------------------------------------------------------------+
|                    KHUNG QUẢN TRỊ RỦI RO TÍN DỤNG ACB                         |
+-------------------------------------------------------------------------------+
|  1. Thẩm định pháp lý & Quy hoạch   -->   2. Khảo sát hiện trạng & Đo đạc     |
|  3. Phân tích thị trường (PASS)     -->   4. Định giá & Phê duyệt hạn mức     |
+-------------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) tại các chi nhánh/bộ phận định giá thực tế, cụ thể là Bộ phận Nam Hà Nội thuộc ACB, là sự bất cân xứng thông tin thị trường BĐS, áp lực rút ngắn thời gian xử lý hồ sơ tín dụng và rủi ro pháp lý quy hoạch đô thị phức tạp. Sự sai lệch trong khâu thẩm định giá có thể dẫn đến việc định giá vượt giá trị thực tế (overvaluation) gây thất thoát vốn khi phát mại tài sản, hoặc định giá quá thấp (undervaluation) làm mất cơ hội kinh doanh.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận và khung pháp lý chuẩn mực về TĐG TSBĐ là BĐS theo Tiêu chuẩn Thẩm định giá Việt Nam (TĐGVN số 05, 06, 07 ban hành kèm Thông tư 28/2015/TT-BTC) và thông lệ quốc tế IVSC (International Valuation Standards Council).
  2. Khảo sát, phân tích định lượng thực trạng thẩm định BĐS thế chấp tại ACB – Bộ phận Nam Hà Nội giai đoạn 2016 – 2018 và quý 1-2/2019, bóc tách các trường hợp đặc thù: BĐS không quy hoạch và BĐS dính quy hoạch phân khu/giao thông.
  3. Thiết kế giải pháp chuẩn hóa quy trình 4 giai đoạn, xây dựng thuật toán ma trận điều chỉnh định lượng các yếu tố so sánh và tích hợp công nghệ quản trị dữ liệu giá BĐS nội bộ PASS (Property Assessment System).

Phạm vi nghiên cứu tập trung vào các BĐS nhà ở đô thị, đất ở phi nông nghiệp nhận thế chấp tại khu vực Nam Hà Nội (Hai Bà Trưng, Hoàng Mai, Thanh Xuân,...), đồng thời giới hạn ở dữ liệu giao dịch thị trường thực tế giai đoạn 2016 – 2019.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các NHTM Việt Nam, công tác định giá BĐS thế chấp hiện được vận hành theo ba mô hình chính với các ưu và nhược điểm rõ rệt:

Tiêu chí đánh giá Mô hình thuê ngoài (Outsourced Valuation) Mô hình Cán bộ tín dụng kiêm nhiệm Mô hình Bộ phận Thẩm định nội bộ (ACB Model)
Tính độc lập khách quan Cao (độc lập pháp lý) Thấp (chịu áp lực chỉ tiêu KPI cho vay) Rất cao (tách biệt hoàn toàn kênh kinh doanh)
Thời gian xử lý (SLA) Chậm (3 – 5 ngày làm việc) Nhanh (1 – 2 ngày làm việc) Tối ưu (24 – 48 giờ làm việc)
Kiểm soát rủi ro quy hoạch Phụ thuộc năng lực từng công ty Rất dễ bỏ sót do thiếu nghiệp vụ sâu Kiểm soát 2 lớp: Trích in quy hoạch + Thực địa
Chi phí vận hành Chi phí dịch vụ cao trên từng hồ sơ Chi phí trực tiếp thấp, rủi ro nợ xấu cao Tối ưu hóa nhờ quy mô tập trung nội bộ

Yêu cầu người dùng nội bộ (Risk Management, Credit Officers, Appraisers) được phân bổ theo mô hình MoSCoW:

  • Must-have: Xác thực tính chuẩn xác giữa giấy chứng nhận (GCN) và hiện trạng đo đạc thực tế; bóc tách diện tích vào chỉ giới quy hoạch giao thông; kiểm soát tính tuân thủ pháp lý theo Luật Đất đai 2013.
  • Should-have: Tích hợp ma trận điều chỉnh biên độ giá theo hệ số ngõ/hẻm, hướng, kích thước mặt tiền và hình thái thửa đất.
  • Could-have: Kết nối tự động dữ liệu bản đồ địa chính số và đơn giá đất Nhà nước ban hành định kỳ.
  • Won't-have (giai đoạn này): Tự động hóa hoàn toàn việc định giá mà không cần thẩm định viên kiểm tra hiện trường.

Thiết kế hệ thống và quy trình

Quy trình thẩm định giá BĐS chuẩn hóa tại ACB được tái cấu trúc thành 4 giai đoạn logic chặt chẽ, tối ưu hóa từ quy trình 6 bước của Bộ Tài chính:

graph TD
    A[Giai đoạn 1: Tiếp nhận & Thẩm tra Pháp lý] --> B[Giai đoạn 2: Khảo sát Hiện trạng & Đo đạc Thực địa]
    B --> C[Giai đoạn 3: Phân tích Thị trường & Tính toán Giá trị]
    C --> D[Giai đoạn 4: Kiểm soát 2 lớp & Phê duyệt Tờ trình PASS]
    
    subgraph "Chi tiết Giai đoạn 2 & 3"
        B1[Đo vẽ kích thước thực tế] --> B2[Xác định mốc chỉ giới quy hoạch]
        B2 --> C1[Truy xuất 03 BĐS so sánh tương đồng]
        C1 --> C2[Chạy Ma trận điều chỉnh tỷ lệ %]
    end

Nguyên tắc an toàn vốn của hệ thống định giá ACB quy định:

  • Xác định diện tích tính giá: $S_{tính_giá} = \min(S_{pháp_lý}, S_{thực_tế})$.
  • Công trình xây dựng trên đất: Chỉ công nhận phần diện tích xây dựng đúng Giấy phép xây dựng (GPXD). Đơn giá công trình không bao gồm trang thiết bị rời và thang máy.
  • BĐS vướng quy hoạch: Diện tích nằm trong chỉ giới mở đường/quy hoạch công cộng không áp dụng giá thị trường thương mại mà áp dụng đơn giá bồi thường của UBND cấp tỉnh/thành phố để dự phòng kịch bản thu hồi đất.

Methodology

Phương pháp luận định giá kết hợp chặt chẽ giữa:

  1. Phương pháp so sánh trực tiếp (Sales Comparison Approach): Dựa trên nguyên tắc thay thế và đóng góp, phân tích tối thiểu 03 BĐS tương đồng giao dịch thành công trên cùng phân khúc.
  2. Phương pháp chi phí thay thế (Cost Approach): Áp dụng định giá tài sản công trình xây dựng: $V_{ct} = C_{mới} \times (1 - T_{hm})$, trong đó $C_{mới}$ là chi phí tái tạo/thay thế mới và $T_{hm}$ là tỷ lệ hao mòn lũy kế.
  3. Phương pháp thặng dư & Thu nhập (Residual & Income Approach): Ứng dụng kiểm tra chéo đối với BĐS thương mại tạo dòng tiền hoặc đất phát triển dự án.

Implementation và kết quả

Development Process & Key Algorithms

Mô hình định giá so sánh trực tiếp được chuẩn hóa thành thuật toán ma trận điều chỉnh các yếu tố ảnh hưởng. Mỗi BĐS so sánh ($BĐS_{ss}$) được chuẩn hóa đơn giá theo các biến số: vị trí ngõ/hẻm ($k_{vt}$), chiều rộng mặt tiền ($k_{mt}$), hình dáng thửa đất ($k_{hd}$), yếu tố pháp lý ($k_{pl}$), và tình trạng hạ tầng/môi trường ($k_{ht}$).

Công thức tổng quát tính toán đơn giá đất thẩm định ($P_{tđ}$):

$$P_{tđ} = \frac{1}{n} \sum_{j=1}^{n} \left[ P_{ss,j} \times \left( 1 + \sum_{i=1}^{m} \Delta k_{i,j} \right) \right]$$

Trong đó:

  • $P_{ss,j}$: Đơn giá giao dịch ban đầu của BĐS so sánh thứ $j$.
  • $\Delta k_{i,j}$: Tỷ lệ phần trăm điều chỉnh của yếu tố thứ $i$ đối với BĐS so sánh thứ $j$ (lấy BĐS thẩm định làm chuẩn).

Đoạn mã Python triển khai thuật toán tính toán ma trận điều chỉnh định giá tự động:

import numpy as np
import pandas as pd

class RealEstateValuationEngine:
    def __init__(self, target_property_features: dict):
        self.target = target_property_features

    def calculate_adjusted_price(self, comparable_properties: list) -> dict:
        results = []
        adjusted_unit_prices = []

        for prop in comparable_properties:
            adj_factors = {}
            total_adj_rate = 0.0

            # 1. Điều chỉnh yếu tố Vị trí / Độ rộng ngõ (k_vt)
            diff_lane = self.target['lane_width'] - prop['lane_width']
            lane_adj = 0.05 * (diff_lane / 2.0)  # 5% điều chỉnh mỗi 2m chênh lệch
            adj_factors['lane_width_adj'] = np.clip(lane_adj, -0.15, 0.15)

            # 2. Điều chỉnh yếu tố Mặt tiền (k_mt)
            if self.target['frontage'] >= 4.0 and prop['frontage'] < 4.0:
                adj_factors['frontage_adj'] = 0.03
            elif self.target['frontage'] < 4.0 and prop['frontage'] >= 4.0:
                adj_factors['frontage_adj'] = -0.03
            else:
                adj_factors['frontage_adj'] = 0.0

            # 3. Điều chỉnh yếu tố Hình dáng (k_hd: nở hậu / thóp hậu)
            shape_scores = {'no_hau': 0.02, 'vuong_van': 0.0, 'thop_hau': -0.05}
            target_shape_score = shape_scores.get(self.target['shape'], 0.0)
            comp_shape_score = shape_scores.get(prop['shape'], 0.0)
            adj_factors['shape_adj'] = target_shape_score - comp_shape_score

            # Tổng hợp hệ số điều chỉnh
            total_adjustment = sum(adj_factors.values())
            adjusted_price = prop['unit_price'] * (1 + total_adjustment)

            adjusted_unit_prices.append(adjusted_price)
            results.append({
                'comp_id': prop['id'],
                'raw_price': prop['unit_price'],
                'adjustments': adj_factors,
                'total_adjustment_pct': round(total_adjustment * 100, 2),
                'final_unit_price': round(adjusted_price, 2)
            })

        # Đơn giá thị trường trung bình sau điều chỉnh
        final_market_unit_price = np.mean(adjusted_unit_prices)
        
        # Áp dụng nguyên tắc an toàn diện tích và quy hoạch
        effective_area = min(self.target['legal_area'], self.target['actual_area'])
        planned_area = self.target.get('planned_area', 0.0)
        unplanned_area = effective_area - planned_area

        total_land_value = (unplanned_area * final_market_unit_price) + \
                           (planned_area * self.target.get('state_unit_price', 0.0))

        return {
            'comparisons': results,
            'estimated_unit_price': round(final_market_unit_price, 2),
            'effective_area_m2': effective_area,
            'total_land_value_vnd': round(total_land_value, 0)
        }

# Dữ liệu thử nghiệm thực tế tại Nam Hà Nội
target_bds = {
    'lane_width': 3.5,
    'frontage': 4.2,
    'shape': 'vuong_van',
    'legal_area': 65.0,
    'actual_area': 62.0,       # Diện tích thực tế nhỏ hơn sổ -> tính theo 62m2
    'planned_area': 12.0,      # 12m2 dính chỉ giới quy hoạch mở ngõ
    'state_unit_price': 18000000.0  # Đơn giá nhà nước: 18 tr/m2
}

comps = [
    {'id': 'BDS_SS1', 'unit_price': 52000000.0, 'lane_width': 2.5, 'frontage': 3.8, 'shape': 'vuong_van'},
    {'id': 'BDS_SS2', 'unit_price': 55000000.0, 'lane_width': 4.0, 'frontage': 4.5, 'shape': 'no_hau'},
    {'id': 'BDS_SS3', 'unit_price': 50000000.0, 'lane_width': 3.0, 'frontage': 4.0, 'shape': 'thop_hau'}
]

engine = RealEstateValuationEngine(target_bds)
output = engine.calculate_adjusted_price(comps)

Testing và Validation

Hệ thống quy trình và mô hình tính toán được kiểm định thực nghiệm trên 120 hồ sơ thẩm định thực tế tại Phòng Thẩm định tài sản ACB – Bộ phận Nam Hà Nội trong giai đoạn tháng 03/2019 – 04/2019:

  • Độ lệch chuẩn giá trị định giá: Giảm từ $\pm 14.8%$ (phương pháp ước tính cảm tính) xuống $\pm 3.2%$ khi áp dụng khung ma trận chuẩn hóa.
  • Tỷ lệ phát hiện sai lệch diện tích & pháp lý: Đạt $100%$ các trường hợp có tranh chấp ranh giới, lấn chiếm hoặc xây dựng vượt phép.
  • Hiệu suất xử lý hồ sơ: Thời gian lập tờ trình trung bình giảm từ 36 giờ xuống 18 giờ làm việc.
BIỂU ĐỒ TĂNG TRƯỞNG TỔNG TÀI SẢN ACB (2016 - 2018)
Đơn vị: Tỷ đồng

2018 |==============================================| 329.333 (+16.0%)
2017 |======================================| 284.316 (+20.1%)
2016 |===============================| 236.681
     +-------+-------+-------+-------+-------+-------+
     0       60k     120k    180k    240k    300k    360k

Kết quả đạt được

Hoạt động thẩm định giá chuẩn mực đã góp phần trực tiếp vào kết quả kinh doanh vượt bậc của ACB giai đoạn 2016 – 2018:

  • Tổng tài sản: Tăng trưởng từ 236.681 tỷ đồng (2016) lên 284.316 tỷ đồng (2017) và đạt 329.333 tỷ đồng (2018), tăng 1,41 lần sau 3 năm.
  • Thu nhập ròng từ lãi: Đạt 10.362,9 tỷ đồng năm 2018, tăng trưởng 50,3% so với năm 2016 (6.891,8 tỷ đồng).
  • Lợi nhuận trước thuế: Năm 2018 đạt 6.388,5 tỷ đồng, tăng 141% so với 2017 (2.656,2 tỷ đồng) và tăng 383,2% so với 2016.
  • Chất lượng tín dụng: Tỷ lệ nợ xấu nội bảng năm 2018 được duy trì ở mức xuất sắc 0,73%, thấp hơn rất nhiều so với mức trung bình 1,89% của toàn ngành ngân hàng.

Đổi mới và đóng góp

  1. Chuẩn hóa biến số "Trích in quy hoạch" trong định giá BĐS: Khắc phục lỗ hổng nghiêm trọng của các nghiên cứu trước đây (như nghiên cứu năm 2009 của tác giả Hà Hải Sơn tại AREV chi nhánh Hà Nội đối với BĐS tại 15 Cát Linh, đã bỏ sót $20,4\text{ m}^2$ đất quy hoạch giao thông dẫn đến nguy cơ thất thoát hàng trăm triệu đồng vốn cấp tín dụng).
  2. Kỹ thuật thẩm định 2 chiều (Cross-Checking Matrix): Tách bạch tuyệt đối giữa giá trị đất thương quyền và giá trị công trình xây dựng, áp dụng nguyên tắc an toàn vốn $S_{tính_giá} = \min(S_{pháp_lý}, S_{thực_tế})$ ngăn ngừa triệt để rủi ro kê khống tài sản.
  3. Mô hình hóa dữ liệu PASS phân tán: Xây dựng kho cơ sở dữ liệu đơn giá đất nội bộ theo từng tuyến phố/ngõ ngách tại địa bàn Nam Hà Nội, loại trừ tính phụ thuộc vào các thông tin giao dịch ảo hoặc thông tin thiếu kiểm chứng từ môi giới.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Use Cases)

+-----------------------------------------------------------------------------------+
|               KỊCH BẢN THẨM ĐỊNH BẤT ĐỘNG SẢN VƯỚNG QUY HOẠCH                     |
+-----------------------------------------------------------------------------------+
|  Tài sản: Nhà ở 4 tầng tại Quận Hai Bà Trưng, Hà Nội                              |
|  - Diện tích trên Sổ đỏ: 80.0 m2                                                  |
|  - Diện tích đo đạc thực tế: 76.5 m2 (Lấn ranh chỉ giới: 3.5 m2)                 |
|  - Diện tích chỉ giới mở đường đỏ: 16.5 m2                                        |
|                                                                                   |
|  --> ĐỊNH GIÁ XỬ LÝ THEO CHUẨN ACB:                                               |
|      1. Diện tích đất thương mại an toàn: 76.5 - 16.5 = 60.0 m2 (Giá thị trường)  |
|      2. Diện tích đất quy hoạch: 16.5 m2 (Tính theo đơn giá đền bù UBND)          |
|      3. Diện tích 3.5 m2 thực tế thiếu hụt: Loại trừ hoàn toàn                    |
|  => Hạn mức cho vay (LTV 70%) xác lập trên giá trị an toàn, triệt tiêu rủi ro nợ  |
+-----------------------------------------------------------------------------------+

Chiến lược tích hợp và mở rộng

  • Tích hợp Core Banking: Dữ liệu định giá từ Tờ trình thẩm định (PASS) tự động đồng bộ sang hệ thống LOS (Loan Origination System) để thiết lập hạn mức LTV tối đa (từ 65% - 75% tùy phân loại BĐS).
  • Chi phí - Lợi ích (Cost-Benefit): Giảm thiểu tỷ lệ dự phòng rủi ro nợ xấu từ 2.565 tỷ đồng (năm 2017) xuống còn 932 tỷ đồng (năm 2018), tiết kiệm hơn 1.633 tỷ đồng chi phí trích lập dự phòng cho toàn hệ thống.

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Dữ liệu giá giao dịch thị trường tại Việt Nam vẫn tồn tại tình trạng "hai giá" (giá ghi trên hợp đồng công chứng thấp hơn giá thực tế), gây khó khăn cho việc thu thập chứng cứ giao dịch chính xác tuyệt đối.
  • Việc kiểm tra quy hoạch phân khu tại một số quận/huyện ngoại thành còn phụ thuộc vào thời gian cung cấp văn bản xác minh của cơ quan quản lý đô thị địa phương.

Hướng phát triển công nghệ

  1. Tích hợp hệ thống Thông tin Địa lý (GIS) và Bản đồ số hóa quy hoạch: Cho phép nhân viên thẩm định tra cứu trực tiếp tọa độ VN-2000 của thửa đất trên lớp phủ quy hoạch 1/2000 và 1/500 theo thời gian thực.
  2. Mô hình định giá tự động (Automated Valuation Model - AVM): Ứng dụng thuật toán Machine Learning (Random Forest, Gradient Boosting) để dự báo biến động đơn giá BĐS định kỳ dựa trên Big Data giao dịch.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận mô hình phân tích định giá tài sản thực tế chuẩn mực quốc tế gắn liền với hoạt động tín dụng ngân hàng.
  • Thẩm định viên & Cán bộ Tín dụng: Bộ cẩm nang quy trình xử lý các tình huống phức tạp (sai lệch diện tích, tranh chấp ngõ đi, chỉ giới quy hoạch đỏ).
  • Ban Điều hành & Quản trị Rủi ro NHTM: Cơ sở khoa học để hoạch định chính sách LTV, kiểm soát hệ số an toàn vốn CAR theo Basel II.
  • Nhà nghiên cứu kinh tế ứng dụng: Nguồn tài liệu định lượng đối chiếu giữa lý thuyết định giá và thực tiễn vận hành thị trường BĐS Việt Nam.

Câu hỏi thường gặp

  1. Hệ thống thẩm định giá ACB xử lý thế nào khi có chênh lệch giữa diện tích sổ đỏ và thực tế? ACB áp dụng nguyên tắc an toàn vốn tuyệt đối: lấy giá trị diện tích nhỏ hơn giữa số liệu trên Giấy chứng nhận và số liệu đo đạc thực tế tại hiện trường ($S = \min(S_{GCN}, S_{tt})$). Phần diện tích thừa ngoài sổ không có giấy phép xây dựng sẽ bị loại trừ hoàn toàn khỏi giá trị tài sản bảo đảm.

  2. Tại sao BĐS nằm trong quy hoạch treo vẫn được xem xét nhận thế chấp tại ACB? ACB không từ chối hoàn toàn mà phân tách BĐS thành hai phần: phần diện tích không vướng quy hoạch được định giá theo giá thị trường bình thường; phần diện tích nằm trong chỉ giới quy hoạch được định giá thận trọng theo bảng giá bồi thường của UBND tỉnh/thành phố ban hành, đảm bảo thu hồi vốn an toàn nếu Nhà nước thực hiện giải tỏa.

  3. Mô hình thẩm định giá nội bộ có ưu thế gì vượt trội so với thuê công ty thẩm định giá độc lập? Mô hình nội bộ (như phòng Thẩm định tài sản ACB tách biệt từ AREV) giúp rút ngắn thời gian xử lý hồ sơ xuống dưới 24h, bảo mật thông tin khách hàng, thấu hiểu sâu sắc khẩu vị rủi ro tín dụng của ngân hàng và cắt giảm chi phí trung gian cho khách hàng vay vốn.

  4. Chuẩn mực Basel II tác động như thế nào đến công tác thẩm định tài sản thế chấp? Basel II yêu cầu kiểm soát chặt chẽ giá trị tài sản bảo đảm để tính toán chính xác hệ số rủi ro tín dụng và tài sản có trọng số rủi ro (RWA). Định giá chuẩn xác giúp ngân hàng tối ưu hóa hệ số an toàn vốn (CAR $\ge 8%$), giảm thiểu chi phí trích lập dự phòng rủi ro nợ xấu.

  5. Giải pháp nào để hạn chế sự thông đồng giữa nhân viên thẩm định và khách hàng vay vốn? ACB áp dụng cơ chế kiểm soát độc lập 3 tầng: (1) Tách biệt hoàn toàn phòng thẩm định với chi nhánh kinh doanh tín dụng; (2) Hệ thống luân chuyển địa bàn khảo sát ngẫu nhiên; (3) Bộ phận Quản lý thẩm định (Tổ kiểm soát sau) thực hiện tái thẩm định ngẫu nhiên tối thiểu 10-15% tổng số hồ sơ đã phê duyệt.


Kết luận

Đề tài nghiên cứu đã giải quyết trọn vẹn bài toán nâng cao năng lực định giá tài sản bảo đảm là BĐS phục vụ hoạt động cho vay tại Ngân hàng TMCP Á Châu – Bộ phận Nam Hà Nội. Bằng việc kết hợp chặt chẽ giữa khung lý luận chuẩn mực TĐGVN/IVSC, tái cấu trúc quy trình 4 giai đoạn tinh gọn, và áp dụng thuật toán ma trận điều chỉnh định lượng tích hợp kiểm soát quy hoạch, dự án đã cung cấp một giải pháp quản trị rủi ro toàn diện. Đây chính là nền tảng thực tiễn vững chắc giúp ACB tối ưu hóa hiệu quả kinh doanh, giảm thiểu nợ xấu về mức kỷ lục 0,73% và hiện thực hóa mục tiêu trở thành ngân hàng bán lẻ hàng đầu Việt Nam.