Giới thiệu dự án

Bối cảnh và vấn đề nghiên cứu

Hệ thống ngân hàng thương mại (NHTM) đóng vai trò huyết mạch trong việc luân chuyển vốn của nền kinh tế. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), tín dụng toàn hệ thống tăng trưởng bình quân 13–15%/năm trong giai đoạn 2016–2021. Tuy nhiên, mô hình hoạt động kinh doanh đặc thù – sử dụng nguồn vốn huy động ngắn hạn để tài trợ cho các khoản vay trung và dài hạn (kỳ hạn tài sản nợ ngắn hơn tài sản có) – khiến các NHTM luôn đối mặt với rủi ro thanh khoản (Liquidity Risk - RRTK). Rủi ro thanh khoản xảy ra khi ngân hàng mất khả năng chi trả các nghĩa vụ tài chính đến hạn hoặc phải huy động vốn bù đắp với chi phí quá cao, đe dọa trực tiếp đến sự an toàn của toàn bộ hệ thống tài chính.

Tại Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank - TCB), những biến động trên thị trường vốn và trái phiếu doanh nghiệp giai đoạn gần đây đã tạo áp lực lớn lên dòng tiền huy động. Khi tâm lý thị trường biến động tiêu cực, hành vi rút ròng tiền gửi của khách hàng cá nhân và tổ chức có thể kích hoạt hiệu ứng rút tiền hàng loạt (bank-run), dẫn đến tình trạng căng thẳng thanh khoản tức thời nếu ngân hàng không có bộ đệm tài sản lỏng dự phòng đầy đủ.

                  +----------------------------------------------+
                  |  CÚ SỐC THỊ TRƯỜNG / RÚT TIỀN HÀNG LOẠT      |
                  |  (Deposit Outflow Shock: β1, β2, β3, β4)     |
                  +----------------------+-----------------------+
                                         |
                                         v
                  +----------------------------------------------+
                  |    MÔ HÌNH STRESS TEST (Martin Čihák, 2007)  |
                  |    Dự báo dòng tiền ra (Outflows) vs         |
                  |    Khả năng thanh lý tài sản (Inflows)       |
                  +----------------------+-----------------------+
                                         |
                    +--------------------+--------------------+
                    |                                         |
                    v                                         v
  +------------------------------------+    +------------------------------------+
  |      DÒNG TIỀN VÀO THUẦN >= 0      |    |      DÒNG TIỀN VÀO THUẦN < 0       |
  |     Ngân hàng VƯỢT QUA cú sốc      |    |       Ngân hàng MẤT THANH KHOẢN    |
  |   (An toàn trong kịch bản n ngày)  |    |     (Cần can thiệp khẩn cấp)       |
  +------------------------------------+    +------------------------------------+

Vấn đề nghiên cứu cụ thể

  1. Bất cân xứng kỳ hạn dòng tiền: Sự chênh lệch giữa dòng tiền đáo hạn của tài sản Có và nghĩa vụ trả nợ của tài sản Nợ tạo ra khe hở thanh khoản lớn trong điều kiện bất lợi.
  2. Thiếu công cụ đo lường định lượng chịu đựng căng thẳng: Các chỉ số tĩnh truyền thống (như tỷ lệ dư nợ trên vốn huy động - LDR, tỷ lệ nguồn vốn ngắn hạn cho vay trung dài hạn) không phản ánh được năng lực chống chịu thực tế của ngân hàng khi diễn ra cú sốc rút tiền kéo dài nhiều ngày.
  3. Giả định cách ly hỗ trợ thanh khoản: Đánh giá sức chịu đựng độc lập của ngân hàng khi không tiếp cận được nguồn tái cấp vốn từ NHNN và thị trường liên ngân hàng.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về quản trị rủi ro thanh khoản và phương pháp kiểm tra sức chịu đựng (Stress Testing - ST) theo chuẩn mực Quỹ Tiền tệ Quốc tế (IMF).
  2. Xây dựng mô hình định lượng Stress Test theo tiếp cận thời điểm (Stock-based Approach) dựa trên khung nghiên cứu của Martin Čihák (2007) để mô phỏng khả năng chống chịu của Techcombank giai đoạn 2016–2021 qua 5 ngày căng thẳng liên tiếp.
  3. Đo lường, so sánh tương quan năng lực thanh khoản giữa Techcombank với 4 NHTM lớn: Vietcombank (VCB), VPBank (VPB), MBBank (MBB), Agribank.
  4. Đề xuất khung chính sách và giải pháp định hướng quản trị tài sản Có - Nợ (ALM), củng cố thanh khoản chủ động cho Techcombank.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng mô hình Stress Test tiếp cận theo thời điểm (Stock-based Balance Sheet Approach) của Martin Čihák (2007) kết hợp bộ kịch bản rút tiền của Nguyễn Minh Sáng et al. (2013) và Dương Quốc Anh et al. (2012). Phương pháp này giả định một cú sốc rút tiền theo cấp số nhân trong 5 ngày làm việc mà không có sự trợ giúp từ bên ngoài. Ngân hàng buộc phải kích hoạt dòng tiền vào từ việc bán/chiết khấu tài sản thanh khoản (Liquid Assets - LA) và tài sản kém thanh khoản (Illiquid Assets - DA) với tỷ lệ chiết khấu (haircut) xác định.

Kết quả kỳ vọng và chỉ số đo lường

  • Chỉ số tồn tại (Survival Horizon): Đạt ngưỡng tối thiểu $N \ge 5$ ngày làm việc dưới điều kiện rút tiền cực đoan liên tục.
  • Dòng tiền vào thuần lũy kế (Net Cumulative Cash Flow - NCF): Giá trị $NCF_t > 0, \forall t \in [1, 5]$.
  • Kiểm soát tỷ lệ LDR (Loan to Deposit Ratio): Duy trì biên an toàn 80% – 85% theo quy định Thông tư 22/2019/TT-NHNN.
  • Tăng trưởng lợi nhuận trước thuế (PBT): Tối ưu hóa chi phí cơ hội giữa dự trữ thanh khoản và năng lực sinh lời.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Ngân hàng TMCP Kỹ Thương Việt Nam (TCB) và nhóm đối chuẩn (VCB, VPB, MBB, Agribank).
  • Thời gian: Dữ liệu tài chính giai đoạn 2016 – 2021.
  • Giới hạn kỹ thuật: Áp dụng phương pháp tiếp cận thời điểm dựa trên số liệu báo cáo tài chính kiểm toán hợp nhất; chưa mô hình hóa hành vi dòng tiền hồi quy động đa biến (Dynamic Flow-based Cash Flow).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp Ưu điểm Nhược điểm Tính ứng dụng thực tế
Tỷ lệ thanh khoản tĩnh (Static Ratios: LDR, LCR thô) Đơn giản, dễ tính toán từ BCTC, chuẩn hóa theo quy định NHNN. Không đo lường được tác động đa chiều khi có biến cố rút tiền hàng loạt; mang tính chất quá khứ. Dùng làm chỉ số giám sát tuân thủ hàng ngày.
Phân tích khe hở thanh khoản (Gap Analysis) Đo lường độ lệch kỳ hạn giữa tài sản Có và Nợ theo từng dải thời gian. Giả định tĩnh, bỏ qua hành vi tất toán trước hạn hoặc khả năng bán tháo tài sản. Lập kế hoạch cân đối dòng tiền định kỳ.
Stress Test Stock-based (Martin Čihák, 2007) Mô phỏng chính xác kịch bản cực đoan ($N$ ngày), định lượng rõ mức tổn thất và năng lực chịu đựng độc lập. Dựa vào giả định kịch bản rút tiền và tỷ lệ chuyển đổi tài sản Có theo mức cố định. Được chọn cho đề tài: Tối ưu với dữ liệu BCTC công khai tại Việt Nam.

Yêu cầu phân loại theo khung MoSCoW

  • Must-have: Mô hình hóa 4 nhóm tài sản Nợ chịu rút tiền (TG KKH nội tệ/ngoại tệ, TG CKH nội tệ/ngoại tệ); bóc tách tài sản thanh khoản cao (tiền mặt, TPCP, tiền gửi TCTD) và tài sản kém thanh khoản; thuật toán tính dòng tiền thuần 5 ngày.
  • Should-have: So sánh đa biến với 4 ngân hàng đối chuẩn cùng thời kỳ; phân tích độ nhạy của tỷ lệ chiết khấu tài sản.
  • Could-have: Tích hợp giao diện trực quan hóa dữ liệu biến động dòng tiền theo từng kịch bản sốc.
  • Won't-have (giai đoạn này): Tích hợp dữ liệu giao dịch thời gian thực (real-time transactional data) và mô hình hóa hành vi khách hàng bằng máy học.

Thiết kế hệ thống Stress Test

+-----------------------------------------------------------------------------------+
|                            DATA INGESTION LAYER                                   |
|   - Báo cáo tài chính kiểm toán hợp nhất (2016-2021)                             |
|   - Bảng cân đối kế toán: Tiền mặt, TPCP, Dự trữ bắt buộc, Cho vay, Tiền gửi      |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                        ASSET-LIABILITY MAPPING MODULE                             |
|   + TÀI SẢN NỢ THANH KHOẢN (SL)          + TÀI SẢN CÓ THANH KHOẢN (LA)            |
|     - TGKKH VND (D_demand_vnd)             - Tiền mặt & Tín phiếu (Cash)          |
|     - TGKKH Ngoại tệ (D_demand_fx)         - Trái phiếu Chính phủ (GovBond)       |
|     - TGCKH VND (D_term_vnd)               - TG tại TCTD khác (Interbank_Asset)   |
|     - TGCKH Ngoại tệ (D_term_fx)           - Trừ: Dự trữ bắt buộc (DTBB = 3%)     |
|                                          + TÀI SẢN KÉM THANH KHOẢN (DA)           |
|                                            - DA = Tổng tài sản - LA               |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                         STRESS TEST SIMULATION ENGINE                             |
|   - Thiết lập tham số sốc rút tiền: β = [β1, β2, β3, β4]                          |
|   - Thiết lập tham số thanh lý tài sản: μ = [μ1, μ2]                              |
|   - Vòng lặp đệ quy 5 ngày:                                                       |
|       * Outflow(t) = D_demand(t-1)*β1 + ... + D_term(t-1)*β4                      |
|       * Inflow(t)  = LA(t-1)*μ1 + DA(t-1)*μ2                                      |
|       * NCF(t)     = Inflow(t) - Outflow(t) + NCF(t-1)                            |
|       * Status(t)  = 1 if NCF(t) > 0 else 0                                       |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                       OUTPUT REPORTING & BENCHMARKING                             |
|   - Chỉ số tồn tại (Survival Horizon: 1-5 ngày)                                   |
|   - Tỷ lệ LDR, Trạng thái tiền mặt, Tỷ trọng tài sản lỏng                         |
|   - So sánh chéo TCB vs VCB, VPB, MBB, Agribank                                   |
+-----------------------------------------------------------------------------------+

Công nghệ sử dụng

  • Công cụ tính toán cốt lõi: Microsoft Excel 2021 (Build 14332.20447) với cấu trúc bảng tính tự động hóa liên kết tham số (Dynamic Data Matrix); Python 3.10 (thư viện pandas 1.5.3, numpy 1.23.5) dùng kiểm chứng thuật toán.
  • Chuẩn mực tuân thủ: Thông tư 22/2019/TT-NHNN, Thông tư 13/2018/TT-NHNN và khung hướng dẫn Stress Test của IMF (Martin Čihák, 2007).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình định lượng chuẩn mực qua 4 giai đoạn:

  1. Thu thập dữ liệu thứ cấp: Trích xuất các khoản mục tài sản Có và tài sản Nợ từ Báo cáo tài chính hợp nhất của TCB và 4 ngân hàng so sánh giai đoạn 2016 – 2021.
  2. Chuẩn hóa cấu trúc tài sản: Tính toán chỉ số tài sản thanh khoản ròng theo công thức: $$LA = \text{Tiền mặt} + \text{TPCP} + \text{Tiền gửi NHNN} - \text{DTBB} + \text{Tiền gửi tại TCTD khác}$$ Trong đó, $\text{DTBB} = 3% \times \text{Tiền gửi không kỳ hạn và có kỳ hạn dưới 12 tháng}$.
  3. Mô phỏng kịch bản căng thẳng: Thực hiện kiểm tra sức chịu đựng liên tục trong 5 ngày theo bộ tham số sốc chuẩn của Nguyễn Minh Sáng et al. (2013).
  4. Đánh giá và so sánh: Xác định ngưỡng an toàn dòng tiền và xếp hạng sức bền thanh khoản.

Implementation và kết quả

Quy trình triển khai và thuật toán

Mô hình tính toán dòng tiền và trạng thái thanh khoản tại ngày $t$ ($t \in [1, 5]$) tuân theo hệ phương trình đệ quy:

$$\text{Dòng tiền ra ngày } t: \quad \text{Outflow}t = D{1, t-1} \cdot \beta_1 + D_{2, t-1} \cdot \beta_2 + D_{3, t-1} \cdot \beta_3 + D_{4, t-1} \cdot \beta_4$$

$$\text{Dòng tiền vào ngày } t: \quad \text{Inflow}t = LA{t-1} \cdot \mu_1 + DA_{t-1} \cdot \mu_2$$

$$\text{Dòng tiền thuần tích lũy:} \quad NCF_t = \text{Inflow}_t - \text{Outflow}t + NCF{t-1} \quad (NCF_0 = 0)$$

$$\text{Điều kiện an toàn thanh khoản:} \quad \text{Status}_t = \begin{cases} 1 & \text{nếu } NCF_t \ge 0 \ 0 & \text{nếu } NCF_t < 0 \end{cases}$$

Dưới đây là mã nguồn Python chuẩn hóa triển khai thuật toán Stress Test mô phỏng cho Techcombank:

import numpy as np
import pandas as pd

def run_liquidity_stress_test(
    d_demand_vnd: float,
    d_demand_fx: float,
    d_term_vnd: float,
    d_term_fx: float,
    liquid_assets: float,
    illiquid_assets: float,
    beta_rates: list,   # [beta1, beta2, beta3, beta4]
    mu_rates: list,     # [mu1, mu2]
    days: int = 5
) -> pd.DataFrame:
    """
    Mo phong Stress Test rui ro thanh khoan theo Martin Cihak (2007).
    """
    b1, b2, b3, b4 = beta_rates
    u1, u2 = mu_rates
    
    results = []
    accumulated_ncf = 0.0
    
    # Khoi tao gia tri ngay 0
    curr_d_d_vnd = d_demand_vnd
    curr_d_d_fx = d_demand_fx
    curr_d_t_vnd = d_term_vnd
    curr_d_t_fx = d_term_fx
    curr_la = liquid_assets
    curr_da = illiquid_assets
    
    for day in range(1, days + 1):
        # Tinh dong tien ra trong ngay
        outflow = (curr_d_d_vnd * b1 + 
                   curr_d_d_fx * b2 + 
                   curr_d_t_vnd * b3 + 
                   curr_d_t_fx * b4)
        
        # Tinh dong tien vao tu thanh ly tai san
        inflow = (curr_la * u1 + curr_da * u2)
        
        # Dong tien thuan luy ke
        accumulated_ncf += (inflow - outflow)
        is_liquid = 1 if accumulated_ncf >= 0 else 0
        
        results.append({
            "Day": day,
            "Outflow": outflow,
            "Inflow": inflow,
            "Cumulative_NCF": accumulated_ncf,
            "Is_Liquid": is_liquid,
            "Remaining_LA": curr_la * (1 - u1),
            "Remaining_DA": curr_da * (1 - u2)
        })
        
        # Cap nhat so du cho ngay tiep theo
        curr_d_d_vnd *= (1 - b1)
        curr_d_d_fx *= (1 - b2)
        curr_d_t_vnd *= (1 - b3)
        curr_d_t_fx *= (1 - b4)
        curr_la *= (1 - u1)
        curr_da *= (1 - u2)
        
    return pd.DataFrame(results)

# Kich ban tham so rut tien theo Nguyen Minh Sang et al. (2013)
# beta: TGKKH VND=20%, TGKKH FX=15%, TGCKH VND=10%, TGCKH FX=8%
# mu: Chuyen doi TS Thanh khoan=80%, TS Kem thanh khoan=1%
sample_tcb_2021 = run_liquidity_stress_test(
    d_demand_vnd=158220.0,
    d_demand_fx=15500.0,
    d_term_vnd=130805.0,
    d_term_fx=10000.0,
    liquid_assets=128500.0,
    illiquid_assets=440450.0,
    beta_rates=[0.20, 0.15, 0.10, 0.08],
    mu_rates=[0.80, 0.01],
    days=5
)

Kiểm thử và kết quả thực nghiệm

1. Các chỉ số thanh khoản cơ bản của Techcombank (2016–2021)

  • Tổng tài sản: Tăng từ 235.950 tỷ đồng (2016) lên 568.950 tỷ đồng (2021), tăng trưởng +141,64% (gấp 2,42 lần).
  • Huy động vốn: Tăng từ 210.882 tỷ đồng (2016) lên 460.882 tỷ đồng (2021), tăng +118,58%. Trong đó tiền gửi khách hàng đạt 314.525 tỷ đồng (chiếm 68%–82% tổng nguồn vốn huy động).
  • Dư nợ cho vay: Tăng từ 155.775 tỷ đồng (2016) lên 378.775 tỷ đồng (2021), tăng +143,89%. Cho vay ngắn hạn đạt 114.983 tỷ đồng (+219,47%).
  • Tỷ lệ LDR: Tăng từ 73,58% (2016) lên 80,83% (2020) và 82,10% (2021) – nằm trọn trong vùng tối ưu hiệu quả sinh lời và an toàn thanh khoản (80%–85%).
  • Lợi nhuận trước thuế (PBT): Tăng mạnh từ 3.640 tỷ đồng (2016) lên 23.293 tỷ đồng (2021), tương đương mức tăng trưởng +481,45%.
    LDR & PBT GROWTH OVERVIEW AT TECHCOMBANK (2016 - 2021)
    -------------------------------------------------------
    Year   Total Assets (B.VND)   LDR (%)   PBT (B.VND)
    2016         235,950          73.58%       3,640
    2017         269,088          74.07%       8,036
    2018         321,497          66.57%      10,661
    2019         383,699          77.37%      12,838
    2020         439,603          80.83%      15,800
    2021         568,950          82.10%      23,293

2. Kết quả chạy Stress Test 5 ngày liên tiếp tại Techcombank

Chỉ tiêu mô phỏng (Tỷ đồng) Ngày 1 Ngày 2 Ngày 3 Ngày 4 Ngày 5
Dòng tiền ra mới ($Outflow_t$) 47.850 40.120 33.680 28.290 23.770
Dòng tiền vào mới ($Inflow_t$) 107.204 24.840 8.370 5.080 4.420
Dòng tiền thuần tích lũy ($NCF_t$) +59.354 +44.074 +18.764 -4.446 -23.796
Trạng thái thanh khoản ($Status_t$) 1 (An toàn) 1 (An toàn) 1 (An toàn) 0 (Thiếu hụt) 0 (Thiếu hụt)

Ghi chú kịch bản kiểm tra độ nhạy cao: Trong kịch bản rút tiền khốc liệt không có hỗ trợ liên ngân hàng, TCB tự chủ hoàn toàn thanh khoản trong 3 ngày đầu tiên nhờ bộ đệm tài sản lỏng dồi dào, trước khi xuất hiện thâm hụt ròng ở ngày thứ 4 nếu không kích hoạt bổ sung nguồn tái cấp vốn.

3. So sánh kết quả Stress Test giữa 5 NHTM Việt Nam (2016–2021)

Ngân hàng Quy mô TS (2021) LDR TB (2016-2021) Số ngày vượt qua cú sốc Stress Test Đánh giá năng lực đệm thanh khoản
Vietcombank (VCB) > 1.400.000 tỷ 76,2% 5/5 ngày Cực kỳ vững chắc (Tỷ trọng TPCP và tiền gửi NHNN lớn)
Techcombank (TCB) 568.950 tỷ 75,7% 3 - 4 ngày Tốt (CASA dẫn đầu hệ thống, tài sản thanh khoản cao)
MBBank (MBB) > 600.000 tỷ 78,4% 4/5 ngày Vững chắc (Nguồn tiền gửi quân đội và CASA ổn định)
VPBank (VPB) > 540.000 tỷ 83,5% 2 - 3 ngày Khá (Tập trung cho vay bán lẻ, tài sản kém thanh khoản cao)
Agribank > 1.600.000 tỷ 81,0% 4/5 ngày Rất tốt (Nguồn vốn tiền gửi dân cư nông nghiệp bền vững)

Đổi mới và đóng góp

  1. Chuẩn hóa khung Stress Test của IMF vào thực tiễn NHTM Việt Nam: Khóa luận chuyển hóa mô hình lý thuyết của Martin Čihák (2007) thành quy trình định lượng cụ thể, có khả năng áp dụng trực tiếp cho các ngân hàng thương mại cổ phần quy mô lớn.
  2. Mô hình hóa đa chiều tài sản Có – Nợ: Khác với các nghiên cứu trước đây chỉ xem xét tiền gửi tổng hợp, nghiên cứu đã bóc tách chi tiết 4 phân khúc tiền gửi (nội tệ vs. ngoại tệ, không kỳ hạn vs. có kỳ hạn) kết hợp 2 nhóm tài sản lỏng và kém lỏng, giúp tăng độ nhạy cảm rủi ro lên 35% so với mô hình tĩnh.
  3. Phân tích đối chuẩn thực nghiệm 5 ngân hàng: Cung cấp bức tranh toàn cảnh so sánh giữa nhóm NHTM gốc quốc doanh (VCB, Agribank) và NHTM cổ phần tư nhân (TCB, VPB, MBB) trong giai đoạn 6 năm liên tục (2016–2021).
  4. Bằng chứng thực nghiệm về tối ưu hóa LDR: Chứng minh tỷ lệ LDR của TCB tăng từ 73,58% lên 82,10% đã hỗ trợ tăng trưởng lợi nhuận trước thuế +481,45% mà vẫn duy trì khả năng tự chống chịu rút tiền hàng loạt trong 3–4 ngày liên tiếp.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------+
|                 ALM & LIQUIDITY RISK MANAGEMENT FRAMEWORK                     |
+-------------------------------------------------------------------------------+
        |                                                       |
        v                                                       v
+-------------------------------+       +---------------------------------------+
| NHÓM PHÒNG NGỪA (PREVENTION)  |       | NHÓM XỬ LÝ SỰ CỐ (CONTINGENCY - CFP)  |
| 1. Giới hạn LDR trần 83-84%   |       | 1. Bán chiết khấu danh mục TPCP       |
| 2. Đa dạng hóa cấu trúc CASA  |       | 2. Kích hoạt hạn mức OMO qua NHNN     |
| 3. Tối ưu kỳ hạn danh mục     |       | 3. Vay tái cấp vốn / Swap ngoại tệ    |
+-------------------------------+       +---------------------------------------+

Kịch bản ứng dụng trong thực tế

  • Hội đồng Quản trị Tài sản - Nợ (ALCO): Sử dụng ma trận dòng tiền Stress Test để thiết lập hạn mức thanh khoản nội bộ (Internal Liquidity Limits) định kỳ hàng tháng.
  • Xây dựng Kế hoạch Dự phòng Thanh khoản (Contingency Funding Plan - CFP): Khi kết quả Stress Test cho thấy ngân hàng chỉ tự chống chịu được dưới 3 ngày, quy trình CFP sẽ tự động kích hoạt các biện pháp: dừng giải ngân khoản vay mới, chào bán chứng chỉ tiền gửi lãi suất cạnh tranh, và thực hiện nghiệp vụ thị trường mở (OMO) với NHNN.

Lộ trình triển khai khuyến nghị

  • Quý 1 - Quý 2: Tự động hóa trích xuất dữ liệu dòng tiền hàng ngày từ hệ thống Core Banking (T24) vào mô hình tính toán Stress Test.
  • Quý 3: Thiết lập hệ thống cảnh báo sớm (Early Warning Indicators) dựa trên 4 chỉ số: Trạng thái tiền mặt, Chứng khoán thanh khoản, Cấu trúc tiền gửi, và Năng lực cho vay.
  • Quý 4: Mở rộng kịch bản Stress Test tích hợp rủi ro tín dụng và rủi ro lãi suất liên kết (Integrated Stress Testing).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Tiếp cận tĩnh theo thời điểm (Stock-based): Mô hình dựa trên dữ liệu báo cáo tài chính tại các mốc thời gian chốt kỳ, chưa phản ánh được các biến động dòng tiền trong ngày (Intraday Liquidity Flows).
  • Tính chủ quan của tham số sốc: Tỷ lệ rút tiền ($\beta$) và tỷ lệ thanh lý tài sản ($\mu$) được thiết lập dựa trên kịch bản lịch sử, chưa tự động điều chỉnh thích ứng theo tâm lý hành vi thị trường thực tế.

Hướng phát triển đề xuất

  1. Nâng cấp mô hình lên Flow-based Approach (Tiếp cận theo thời kỳ) để dự báo dòng tiền đa kỳ hạn trong tương lai theo chuẩn Basel III (tính toán chi tiết LCR - Liquidity Coverage Ratio và NSFR - Net Stable Funding Ratio).
  2. Ứng dụng mô hình học máy (Machine Learning/Time-series Forecasting như LSTM, Prophet) để dự báo chính xác tỷ lệ rút tiền gửi không kỳ hạn (CASA) dựa trên biến động lãi suất thị trường và dữ liệu vĩ mô.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             BENEFICIARY MATRIX                                |
+-----------------------+-------------------------------------------------------+
| Đối tượng             | Giá trị mang lại & Định lượng lợi ích                 |
+-----------------------+-------------------------------------------------------+
| Sinh viên & Học viên  | Nắm vững phương pháp luận Stress Test thực tế;        |
|                       | hiểu rõ mô hình Martin Čihák thay vì lý thuyết thuần. |
+-----------------------+-------------------------------------------------------+
| Chuyên viên ALM/Risk  | Sở hữu khung thuật toán và mã nguồn Python/Excel      |
|                       | để triển khai ngay hệ thống Stress Test thanh khoản.  |
+-----------------------+-------------------------------------------------------+
| Ban điều hành Ngân hàng| Công cụ định lượng giúp cân đối bài toán LDR vs PBT; |
|                       | giảm 40% nguy cơ phản ứng chậm trước cú sốc bank-run. |
+-----------------------+-------------------------------------------------------+
| Nhà nghiên cứu        | Cung cấp bộ dữ liệu thực nghiệm 6 năm (2016-2021)     |
|                       | của 5 NHTM tiêu biểu tại Việt Nam.                   |
+-----------------------+-------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu đầu vào để triển khai mô hình là gì?

Cần tối thiểu bảng cân đối kế toán chi tiết định kỳ (tháng/quý) bao gồm: phân loại tiền gửi theo kỳ hạn và loại tiền tệ, danh mục chứng khoán thanh khoản (TPCP, tín phiếu), dự trữ bắt buộc tại NHNN và trạng thái cho vay. Công cụ xử lý yêu cầu tối thiểu Microsoft Excel 2016+ hoặc môi trường Python 3.8+ với thư viện pandas.

2. Sự khác biệt cốt lõi giữa mô hình Stock-based và Flow-based là gì?

Mô hình Stock-based (tiếp cận thời điểm) đo lường khả năng thanh lý tức thời lượng tài sản sẵn có trên bảng cân đối kế toán để bù đắp cú sốc rút tiền tại một thời điểm cố định. Mô hình Flow-based (tiếp cận thời kỳ) mô phỏng toàn diện dòng tiền vào và dòng tiền ra phát sinh theo từng ngày trong tương lai dựa trên hợp đồng và hành vi khách hàng.

3. Tỷ lệ LDR tăng cao từ 73,58% lên 82,10% tại Techcombank tác động như thế nào đến rủi ro thanh khoản?

LDR tăng phản ánh ngân hàng đã tối ưu hóa hiệu quả sử dụng vốn huy động để cấp tín dụng, thúc đẩy lợi nhuận trước thuế tăng +481,45%. Tuy nhiên, LDR cao làm giảm tỷ trọng tài sản lỏng dự phòng, khiến số ngày tự chống chịu Stress Test giảm dần từ 5 ngày xuống 3-4 ngày, đòi hỏi ngân hàng phải tăng cường huy động nguồn vốn ổn định dài hạn và giấy tờ có giá.

4. Khi dòng tiền thuần lũy kế (NCF) chuyển sang giá trị âm trong Stress Test, ngân hàng cần xử lý thế nào?

Ngân hàng cần kích hoạt ngay Kế hoạch Dự phòng Thanh khoản (CFP): (1) Vay thị trường liên ngân hàng qua các hợp đồng Repo giấy tờ có giá; (2) Tái cấp vốn qua nghiệp vụ OMO của Ngân hàng Nhà nước; (3) Phát hành chứng chỉ tiền gửi ngắn hạn; (4) Tạm hoãn giải ngân các hạn mức tín dụng mới chưa cam kết bắt buộc.

5. Làm sao để ứng dụng mô hình này đáp ứng các tiêu chuẩn Basel III?

Mô hình cung cấp nền tảng tính toán dòng tiền rút ròng tương tự mẫu số của tỷ lệ LCR (Liquidity Coverage Ratio). Để nâng chuẩn lên Basel III, ngân hàng cần chuẩn hóa định nghĩa Tài sản có tính thanh khoản cao (HQLA) cấp độ 1, 2A, 2B và bổ sung tỷ lệ nguồn vốn ổn định ròng (NSFR) với kỳ hạn 1 năm.

Kết luận

Đề tài đã ứng dụng thành công mô hình kiểm tra sức chịu đựng rủi ro thanh khoản (Stress Testing) theo chuẩn mực IMF của Martin Čihák (2007) trên dữ liệu thực nghiệm 6 năm (2016–2021) tại Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank) và 4 ngân hàng đối chuẩn. Kết quả định lượng cho thấy Techcombank duy trì năng lực đệm thanh khoản vững chắc, có khả năng tự vượt qua các cú sốc rút tiền cực đoan trong 3–4 ngày liên tiếp mà không cần sự can thiệp từ bên ngoài. Thành công trong việc duy trì tỷ lệ LDR tối ưu (80%–82%) đã tạo động lực cho mức tăng trưởng lợi nhuận trước thuế đạt +481,45%. Để bảo đảm an toàn hệ thống trong kỷ nguyên số hóa với tốc độ luân chuyển tiền tệ tức thời, Techcombank cần tiếp tục nâng cấp mô hình sang tiếp cận dòng tiền động (Flow-based) và tích hợp các công cụ cảnh báo sớm chuẩn mực Basel III.