Bối cảnh và vấn đề nghiên cứu
Trong xu thế hội nhập kinh tế quốc tế, mức độ cạnh tranh giữa các doanh nghiệp trên thị trường ngày càng gia tăng, dẫn đến tình trạng nhiều doanh nghiệp phải thu hẹp quy mô hoạt động hoặc phá sản. Thực trạng này khiến khả năng tiếp cận vốn tín dụng của các doanh nghiệp, đặc biệt là nhóm doanh nghiệp vừa và nhỏ, gặp nhiều khó khăn, gián tiếp gây ra hiện tượng ứ đọng vốn tại các ngân hàng thương mại. Trước bối cảnh đó, các ngân hàng thương mại tại Việt Nam đã chuyển hướng chiến lược sang phân khúc khách hàng cá nhân. Tín dụng bán lẻ được xác định là mảng hoạt động mang lại tỷ suất sinh lời cao và giàu tiềm năng khai thác.
Tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV), mảng cho vay khách hàng cá nhân ghi nhận sự tăng trưởng mạnh mẽ thông qua việc triển khai liên tục các gói tín dụng ưu đãi và chính sách mở rộng mạng lưới khách hàng. Tuy nhiên, sự tăng trưởng nhanh chóng của quy mô dư nợ luôn đi kèm với rủi ro tín dụng và nợ xấu gia tăng. Số liệu thống kê từ 22 ngân hàng thương mại công bố báo cáo tài chính tính đến ngày 31/12/2019 cho thấy có đến 16 ngân hàng ghi nhận nợ xấu tăng so với đầu năm, trong đó BIDV có tỷ lệ nợ xấu tăng 3,45%. Đến cuối tháng 9/2020, tỷ lệ trích lập dự phòng nợ xấu của BIDV đã chạm mức 87,1%, phản ánh áp lực rủi ro tín dụng hiện hữu đối với bảng cân đối tài sản của ngân hàng.
Thực tiễn thẩm định tín dụng khách hàng cá nhân tại BIDV phần lớn vẫn phụ thuộc vào kinh nghiệm chủ quan của cán bộ tín dụng và các thao tác phân tích hồ sơ thủ công. Quy trình này không chỉ làm phát sinh độ trễ về mặt thời gian, tiêu tốn chi phí quản lý mà còn tiềm ẩn nguy cơ sai lệch trong việc nhận định chất lượng khách hàng, dẫn đến rủi ro cấp tín dụng sai đối tượng. Do đó, việc xây dựng một mô hình lượng hóa các nhân tố tác động đến khả năng trả nợ của khách hàng cá nhân là yêu cầu cấp thiết nhằm hỗ trợ ngân hàng ra quyết định cấp tín dụng chính xác, kiểm soát nợ xấu và tối ưu hóa quy trình quản trị rủi ro danh mục tín dụng bán lẻ.
Khóa luận xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể như sau:
- Xác định các yếu tố ảnh hưởng đến khả năng trả nợ vay của khách hàng cá nhân.
- Đánh giá thực trạng của hoạt động cho vay đối với đối tượng khách hàng cá nhân tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
- Định lượng mức độ ảnh hưởng của các nhân tố đến khả năng trả nợ vay của khách hàng cá nhân thông qua mô hình kinh tế lượng.
- Đề xuất các giải pháp và khuyến nghị thực tiễn nhằm nâng cao hiệu quả quản trị rủi ro tín dụng khách hàng cá nhân tại BIDV.
Đối tượng và phạm vi nghiên cứu của đề tài được giới hạn rõ ràng:
- Đối tượng nghiên cứu: Các nhân tố tác động đến khả năng trả nợ của khách hàng cá nhân.
- Phạm vi không gian: Khách hàng cá nhân có quan hệ tín dụng và hồ sơ vay vốn tại một số chi nhánh thuộc hệ thống Ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
- Phạm vi thời gian: Số liệu khảo sát hồ sơ khách hàng cá nhân và số liệu tài chính của BIDV được thu thập trong giai đoạn từ năm 2016 đến năm 2020.
Cơ sở lý thuyết và phương pháp
Khóa luận xây dựng nền tảng lý luận dựa trên các văn bản quy phạm pháp luật và các công trình nghiên cứu kinh tế - ngân hàng đã được công bố:
- Cơ sở pháp lý và khái niệm: Hoạt động cho vay được xác định theo Khoản 16 Điều 4 Luật các tổ chức tín dụng năm 2010. Khái niệm cho vay thương mại được tham chiếu từ Giáo trình Quản trị ngân hàng thương mại của Phan Thị Thu Hà (2009). Khái niệm rủi ro tín dụng được tiếp cận theo định nghĩa của Lange (1995) và Thông tư số 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và sử dụng dự phòng để xử lý rủi ro. Khái niệm khả năng trả nợ được tham chiếu từ định nghĩa của Alex White (2008) và hướng dẫn của Ủy ban Basel về Giám sát Ngân hàng (Basel Committee on Banking Supervision, 2006). Tiêu chuẩn phân loại nợ dựa trên Quyết định 49/2005/QĐ-NHNN, Quyết định 18/2007/QĐ-NHNN và Thông tư 02/2013/TT-NHNN.
- Khung lý thuyết phân tích tín dụng: Mô hình 5C bao gồm 5 tiêu chí cốt lõi: Tư cách người vay (Character), Vốn tự có (Capital), Năng lực hoàn trả (Capacity to repay), Điều kiện kinh tế - môi trường (Conditions), và Bảo đảm tín dụng (Collateral). Cùng với đó là lý thuyết về hệ thống xếp hạng tín dụng nội bộ của các ngân hàng thương mại thông qua ba phương pháp tiếp cận: phương pháp chuyên gia, phương pháp mô hình và phương pháp hỗn hợp.
- Tổng quan nghiên cứu thực nghiệm: Đề tài kế thừa và tổng hợp các biến số từ các nghiên cứu trước đây như John M. Chapman (1940, 1990), Zeller (1996), Black và Morgan (1998), Crook (2001), Scott (2006), Kohansal và Mansoori (2009), Trương Đông Lộc và Nguyễn Thanh Bình (2011), Kenneth Ogol Ochung (2011), Miler (2012), Sileshi và ctg (2015), Antwi và ctg (2015), Nguyễn Quốc Huy (2016), và Trần Thế Sao (2017).
| STT |
Nhân tố tác động |
Tác giả tiêu biểu |
Kết quả kỳ vọng |
| 1 |
Độ tuổi ($X_1$) |
Miler (2012), Kenneth Ogol Ochung (2011), Crook (2001) |
Dương (+) |
| 2 |
Trình độ học vấn ($X_2$) |
Sileshi và ctg (2015), Trương Đông Lộc và Nguyễn Thanh Bình (2011) |
Dương (+) |
| 3 |
Số người phụ thuộc trong gia đình ($X_3$) |
Black và Morgan (1998), Zeller (1996), Trần Thế Sao (2017) |
Âm (-) |
| 4 |
Thu nhập của người đi vay ($X_4$) |
Chapman (1990), Sileshi và ctg (2015), Trương Đông Lộc và Nguyễn Thanh Bình (2011) |
Dương (+) |
| 5 |
Đặc điểm nghề nghiệp ($X_5$) |
John M. Chapman (1940) |
Dương (+) |
| 6 |
Quy mô khoản vay ($X_6$) |
Chapman (1990), Trần Thế Sao (2017) |
Âm (-) |
| 7 |
Lãi suất cho vay ($X_7$) |
Trương Đông Lộc và Nguyễn Thanh Bình (2011) |
Âm (-) |
| 8 |
Kinh nghiệm của cán bộ tín dụng ($X_8$) |
Scott (2006) |
Dương (+) |
| 9 |
Mục đích sử dụng vốn ($X_9$) |
Trương Đông Lộc và Nguyễn Thanh Bình (2011) |
Dương (+) |
Phương pháp nghiên cứu kết hợp giữa định tính và định lượng:
- Phương pháp định tính: Thống kê mô tả, tổng hợp dữ liệu, so sánh và phân tích thực trạng hoạt động tín dụng, tình hình tài chính của BIDV giai đoạn 2016 - 2020.
- Phương pháp định lượng: Sử dụng mô hình hồi quy Binary Logistic (Logit) ước lượng theo phương pháp hợp lý cực đại (Maximum Likelihood - ML), xử lý dữ liệu chéo trên phần mềm SPSS.
- Mô hình hồi quy tổng quát:
$$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \beta_7 X_7 + \beta_8 X_8 + \beta_9 X_9 + \varepsilon_i$$
Trong đó:
- Biến phụ thuộc $Y$: Khả năng trả nợ vay đúng hạn của khách hàng cá nhân, nhận giá trị nhị phân ($Y = 1$ khi khách hàng có khả năng trả được nợ đúng hạn, thuộc nhóm 1 theo phân loại nợ của NHNN hoặc hoàn trả đầy đủ gốc và lãi; $Y = 0$ khi khách hàng không có khả năng trả nợ đúng hạn, phát sinh nợ từ nhóm 2 đến nhóm 5 hoặc chậm trả gốc, lãi).
- Các biến độc lập từ $X_1$ đến $X_9$ lần lượt đại diện cho các yếu tố nhân thái học, năng lực người vay, đặc điểm khoản vay và phía ngân hàng.
- Nguồn dữ liệu và mẫu nghiên cứu: Dữ liệu nghiên cứu định lượng được thu thập từ mẫu khảo sát ngẫu nhiên gồm 250 hồ sơ khách hàng cá nhân có quan hệ tín dụng (đang có dư nợ hoặc đã tất toán) tại một số chi nhánh chính của hệ thống BIDV trong giai đoạn 2016 - 2020. Dữ liệu tài chính thứ cấp được trích xuất từ báo cáo tài chính hợp nhất và báo cáo thường niên của BIDV giai đoạn 2016 - 2020.
Nội dung chính theo từng chương
CHƯƠNG 1: GIỚI THIỆU CHUNG
Chương 1 thiết lập khung nghiên cứu tổng thể của đề tài. Tác giả chỉ rõ sự chuyển dịch tất yếu của hệ thống ngân hàng thương mại Việt Nam sang mảng tín dụng cá nhân trong điều kiện thị trường doanh nghiệp gặp nhiều rào cản. Tác giả nhấn mạnh áp lực gia tăng rủi ro tín dụng và nợ xấu tại BIDV, khi tỷ lệ nợ xấu của ngân hàng tăng 3,45% trong năm 2019 và trích lập dự phòng rủi ro nợ xấu lên đến 87,1% vào cuối tháng 9/2020. Chương này xác định mục tiêu tổng quát, 4 mục tiêu nghiên cứu cụ thể, đối tượng nghiên cứu, phạm vi không gian và thời gian (giai đoạn 2016 - 2020), phương pháp nghiên cứu kết hợp định tính - định lượng với mô hình Binary Logistic, nguồn dữ liệu khảo sát 250 hồ sơ khách hàng, ý nghĩa đóng góp về học thuật và thực tiễn của khóa luận, cùng kết cấu 5 chương.
CHƯƠNG 2: CƠ SỞ LÝ LUẬN VÀ LÝ THUYẾT NỀN TẢNG ĐÁNH GIÁ KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Chương 2 tập trung phân tích hệ thống lý luận về tín dụng cá nhân và rủi ro tín dụng:
- Làm rõ bản chất tín dụng cá nhân qua 3 đặc điểm chung (dựa trên cơ sở lòng tin, đảm bảo tính hoàn trả cả về thời gian và giá trị, là sự chuyển nhượng tạm thời quyền sử dụng tài sản có gốc và lãi) và 3 đặc điểm riêng biệt (quy mô mỗi khoản vay nhỏ nhưng số lượng khoản vay lớn; lãi suất cho vay cá nhân thường cao hơn cho vay doanh nghiệp do chi phí quản lý trên từng đơn vị vốn cao và mức độ nhạy cảm lãi suất thấp hơn; tiềm ẩn rủi ro tín dụng cao do sức khỏe, công việc, khả năng quản lý tài chính của cá nhân dễ biến động).
- Phân tích rủi ro tín dụng theo định nghĩa của Lange (1995) và quy định phân loại nợ 5 nhóm (theo phương pháp định lượng và định tính) quy định tại Thông tư 02/2013/TT-NHNN: Nhóm 1 (Nợ đủ tiêu chuẩn), Nhóm 2 (Nợ cần chú ý), Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ), Nhóm 5 (Nợ có khả năng mất vốn).
- Trình bày 2 nhóm yếu tố ảnh hưởng đến khả năng trả nợ vay: nhóm liên quan đến khách hàng (quy mô khoản vay, thu nhập, đặc điểm nghề nghiệp, số người phụ thuộc, độ tuổi, trình độ học vấn, mục đích sử dụng vốn) và nhóm liên quan đến ngân hàng (lãi suất cho vay, kinh nghiệm của cán bộ tín dụng).
- Tổng hợp các công trình nghiên cứu thực nghiệm trong và ngoài nước, từ đó rút ra khoảng trống nghiên cứu: chưa có đề tài nào kiểm định định lượng các yếu tố tác động đến khả năng trả nợ của khách hàng cá nhân áp dụng riêng cho trường hợp Ngân hàng TMCP Đầu tư và Phát triển Việt Nam.
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
Chương 3 trình bày chi tiết thiết kế nghiên cứu và quy trình xử lý dữ liệu:
- Phân tích khung lý thuyết 5C (Character, Capital, Capacity, Conditions, Collateral) và hệ thống xếp hạng tín dụng nội bộ của ngân hàng thương mại theo 3 phương pháp (chuyên gia, mô hình, hỗn hợp).
- Xây dựng mô hình hồi quy Binary Logistic đánh giá xác suất trả nợ đúng hạn với biến phụ thuộc $Y$ ($Y = 1$ nếu nợ nhóm 1 hoặc thanh toán đúng hạn gốc và lãi; $Y = 0$ nếu nợ nhóm 2 đến 5 hoặc trễ hạn).
- Thiết lập hệ thống 9 biến độc lập cùng các giả thuyết nghiên cứu cụ thể:
- $H_1$: Độ tuổi ($X_1$, chia 4 nhóm: 18-25, 26-40, 41-60, trên 60 tuổi) tác động thuận chiều (+).
- $H_2$: Trình độ học vấn ($X_2$) tác động thuận chiều (+).
- $H_3$: Số người phụ thuộc trong gia đình ($X_3$) tác động nghịch chiều (-).
- $H_4$: Thu nhập hàng tháng ($X_4$) tác động thuận chiều (+).
- $H_5$: Đặc điểm nghề nghiệp ($X_5$, nhận giá trị 1 nếu có việc làm, 0 nếu không việc làm) tác động thuận chiều (+).
- $H_6$: Quy mô khoản vay ($X_6$) tác động nghịch chiều (-).
- $H_7$: Lãi suất cho vay ($X_7$) tác động nghịch chiều (-).
- $H_8$: Kinh nghiệm của cán bộ tín dụng ($X_8$, tính theo số năm công tác) tác động thuận chiều (+).
- $H_9$: Mục đích sử dụng vốn ($X_9$, nhận giá trị 1 nếu dùng đúng mục đích, 0 nếu sai mục đích) tác động thuận chiều (+).
- Trình bày kỹ thuật ước lượng hợp lý cực đại (ML) áp dụng cho mẫu lớn với các đặc tính: xấp xỉ không chệch, vững, xấp xỉ hiệu quả và có phân phối chuẩn. Quy mô mẫu nghiên cứu chính thức được xác lập là 250 khách hàng cá nhân tại một số chi nhánh chính của BIDV giai đoạn 2016 - 2020.
CHƯƠNG 4: THỰC TRẠNG CHO VAY KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM VÀ KẾT QUẢ NGHIÊN CỨU
Chương 4 cung cấp bức tranh toàn diện về tổ chức, tài chính và kết quả xử lý số liệu thực nghiệm:
- Lược sử hình thành và phát triển của BIDV qua 4 giai đoạn: 1957 - 1981 (Ngân hàng Kiến thiết Việt Nam), 1981 - 1990 (Ngân hàng Đầu tư và Xây dựng Việt Nam), 1990 - 2012 (Ngân hàng Đầu tư và Phát triển Việt Nam, hoạt động theo mô hình NHTM nhà nước), 2012 đến nay (cổ phần hóa ngày 27/4/2012, niêm yết mã BID trên sàn chứng khoán ngày 24/01/2014).
- Cơ cấu tổ chức của BIDV gồm 4 khối chính: Khối Công ty con (LaoViet Bank, BSC, BIC, LVI, BIDV-SuMi Trust Leasing, BAMC, BIDC); Khối Ngân hàng (các ban/trung tâm tại Hội sở chính, các chi nhánh, văn phòng đại diện, Trung tâm CNTT, Trường Đào tạo Cán bộ, Ban Xử lý Nợ Nam Đô); Khối Liên doanh (VRB, BIDV Tower, BIDV MetLife); Khối Góp vốn (VALC). Quy mô nhân sự đạt 25.000 người, mạng lưới 190 chi nhánh trên 63 tỉnh thành và 6 quốc gia.
- Đánh giá thực trạng xử lý nợ xấu: Tỷ lệ trích lập dự phòng nợ xấu tăng lên 87,1% vào cuối tháng 9/2020. Công tác phát mãi tài sản bảo đảm gặp nhiều trở ngại, có tài sản giảm giá hơn 30 lần vẫn chưa thanh lý được.
- Đánh giá kết quả kinh doanh và chỉ tiêu tài chính hợp nhất BIDV giai đoạn 2016 - 2020 thông qua hệ thống bảng biểu trích xuất từ báo cáo tài chính:
| Chỉ tiêu tài chính (ĐVT: Tỷ đồng) |
2016 |
2017 |
2018 |
2019 |
2020 |
| Tổng tài sản |
1.006.380 |
1.202.283 |
1.313.038 |
1.451.598 |
1.477.278 |
| Vốn và các quỹ |
44.114 |
48.834 |
54.551 |
72.636 |
74.235 |
| Vốn điều lệ |
34.187 |
34.187 |
34.187 |
40.220 |
40.220 |
| Tổng dư nợ cho vay |
723.696 |
866.884 |
988.738 |
1.116.998 |
1.214.296 |
| Thu nhập lãi thuần |
23.394 |
30.955 |
34.956 |
24.677 |
34.249 |
| Tổng thu nhập hoạt động |
30.399 |
39.016 |
44.483 |
46.047 |
47.539 |
| Lợi nhuận trước dự phòng |
16.867 |
23.512 |
28.366 |
30.006 |
31.194 |
| Lợi nhuận trước thuế |
7.667 |
8.665 |
9.473 |
10.308 |
8.330 |
| Lợi nhuận sau thuế |
6.196 |
6.945 |
7.542 |
8.291 |
6.690 |
| Kết quả hoạt động kinh doanh (ĐVT: Tỷ đồng) |
2017 |
2018 |
2019 |
2020 |
| Tổng thu nhập |
86.749 |
97.651 |
117.653 |
121.180 |
| Tổng chi phí |
59.961 |
69.300 |
86.789 |
88.836 |
| Chênh lệch thu chi |
26.788 |
28.351 |
30.864 |
32.344 |
| Tốc độ tăng chênh lệch thu chi (%) |
- |
5,80% |
8,86% |
4,80% |
- Tác giả giải thích nguyên nhân chênh lệch thu chi năm 2020 tăng trưởng chậm lại (chỉ tăng 4,8%) và lợi nhuận trước thuế giảm từ 10.308 tỷ đồng (năm 2019) xuống 8.330 tỷ đồng (năm 2020) là do BIDV đã chủ động giảm thu nhập hơn 6.400 tỷ đồng để hạ lãi suất, giảm phí và cơ cấu nợ hỗ trợ khách hàng chịu ảnh hưởng bởi dịch Covid-19, đồng thời nộp ngân sách gần 6.200 tỷ đồng.
- Trình bày kết quả nghiên cứu định lượng trên mẫu 250 khách hàng cá nhân thông qua thống kê mô tả đặc điểm nhân thái học (giới tính, độ tuổi, học vấn, số người phụ thuộc, thu nhập, tình trạng việc làm), đặc điểm khoản vay (quy mô, phương thức trả nợ), kiểm định tương quan và kiểm định mô hình hồi quy Binary Logistic (Model Summary, Hosmer and Lemeshow Test, Variables in the Equation).
CHƯƠNG 5: KẾT LUẬN VÀ MỘT SỐ KIẾN NGHỊ
Chương 5 tổng kết các kết quả nghiên cứu chính và đối chiếu với định hướng phát triển tín dụng cá nhân của BIDV đến năm 2021. Trên cơ sở kết quả hồi quy và thực trạng hoạt động, tác giả đề xuất hệ thống giải pháp nhằm hạn chế rủi ro tín dụng, tập trung vào việc hoàn thiện quy trình thẩm định tín dụng cá nhân, chuẩn hóa việc kiểm soát mục đích sử dụng vốn vay, nâng cao trình độ và đạo đức nghề nghiệp của cán bộ tín dụng, đồng thời cải tiến cơ chế xử lý nợ và phát mãi tài sản bảo đảm.
Kết quả và đóng góp
Khóa luận đưa ra các kết quả nghiên cứu thực nghiệm và số liệu cụ thể gắn liền với hoạt động tín dụng cá nhân tại BIDV:
- Quy mô và tốc độ tăng trưởng tín dụng bán lẻ: Tính đến 31/12/2019, tổng dư nợ tín dụng của BIDV đạt 1.116.998 tỷ đồng, trong đó quy mô dư nợ tín dụng bán lẻ đạt 374.526 tỷ đồng, chiếm tỷ trọng 34,1% tổng dư nợ tín dụng và ghi nhận mức tăng trưởng 21,5% so với năm 2018, giúp BIDV giữ vị thế dẫn đầu thị trường về tín dụng bán lẻ.
- Thực trạng tài chính và hiệu quả kinh doanh giai đoạn 2016 - 2020: Tổng tài sản của BIDV tăng trưởng liên tục từ 1.006.380 tỷ đồng năm 2016 lên mức 1.477.278 tỷ đồng năm 2020; tổng dư nợ cho vay tăng từ 723.696 tỷ đồng lên 1.214.296 tỷ đồng. Chênh lệch thu chi năm 2020 đạt 32.344 tỷ đồng. Dưới tác động của đại dịch Covid-19, BIDV đã giảm thu nhập hơn 6.400 tỷ đồng để tái cơ cấu nợ và miễn giảm lãi cho khách hàng, dẫn đến lợi nhuận trước thuế năm 2020 giảm về 8.330 tỷ đồng so với mức 10.308 tỷ đồng của năm 2019.
- Áp lực rủi ro nợ xấu: Tỷ lệ trích lập dự phòng nợ xấu tăng cao, đạt 87,1% vào cuối tháng 9/2020. Hoạt động xử lý tài sản bảo đảm gặp trở ngại lớn về thanh khoản, nhiều tài sản bảo đảm phát mãi bị hạ giá trên 30 lần nhưng vẫn không tìm được bên mua phù hợp.
- Hệ thống giải pháp và kiến nghị của tác giả:
- Nâng cao năng lực thẩm định tín dụng cá nhân: Chuyển đổi từ quy trình thẩm định thủ công mang nặng tính cảm tính sang ứng dụng mô hình định lượng xác suất trả nợ, hỗ trợ cán bộ tín dụng rút ngắn thời gian xử lý hồ sơ và nâng cao tính chuẩn xác.
- Kiểm soát chặt chẽ mục đích vay vốn và phương thức hoàn trả: Tăng cường kiểm tra, giám sát sau giải ngân nhằm phát hiện sớm các trường hợp khách hàng sử dụng vốn sai mục đích cam kết.
- Đào tạo và phát triển đội ngũ cán bộ tín dụng: Nâng cao năng lực chuyên môn, kỹ năng đánh giá định tính (yếu tố tư cách và thiện chí trả nợ của khách hàng) và đạo đức nghề nghiệp nhằm hạn chế rủi ro tác nghiệp.
- Đổi mới quy trình xử lý nợ xấu: Hoàn thiện các kênh phát mãi tài sản bảo đảm, thiết lập cơ chế định giá linh hoạt để giải quyết triệt để các khoản nợ tồn đọng.
- Đóng góp của đề tài:
- Về mặt học thuật: Khóa luận xây dựng mô hình nghiên cứu định lượng kiểm định mối quan hệ giữa các nhân tố (nhân thái học, năng lực tài chính, đặc điểm khoản vay, yếu tố ngân hàng) với khả năng trả nợ đúng hạn của khách hàng cá nhân tại BIDV, đóng góp thêm bằng chứng thực nghiệm về đo lường rủi ro tín dụng bán lẻ tại các ngân hàng thương mại nhà nước chi phối.
- Về mặt thực tiễn: Đề tài cung cấp cơ sở để BIDV xây dựng công cụ dự báo xác suất trả nợ của khách hàng, tích hợp vào hệ thống xếp hạng tín dụng nội bộ, giúp tối ưu hóa thời gian xét duyệt tín dụng và định hướng cán bộ tín dụng tập trung vào phát triển khách hàng và quản lý rủi ro danh mục.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận tự chỉ ra các hạn chế nghiên cứu xuất phát từ điều kiện thực hiện:
- Giới hạn về dữ liệu và cỡ mẫu: Quy mô mẫu khảo sát chỉ dừng lại ở 250 hồ sơ khách hàng cá nhân và dữ liệu mới chỉ được thu thập tại một số chi nhánh chính của BIDV, chưa bao quát được toàn bộ mạng lưới 190 chi nhánh trên phạm vi cả nước.
- Giới hạn về nguồn lực và thời gian: Thời gian thực hiện khóa luận hạn chế nên việc khảo sát chưa mở rộng được cho các nhóm sản phẩm tín dụng đặc thù khác nhau của phân khúc bán lẻ.
- Kinh nghiệm thực tiễn của tác giả: Trình độ lý luận và kinh nghiệm thực tế về hoạt động nghiệp vụ ngân hàng của tác giả còn ở mức ban đầu, do đó các phân tích định tính tại một số khâu chưa đạt độ bao quát tuyệt đối.
Hướng nghiên cứu tiếp theo: Tác giả gợi ý các nghiên cứu sau này cần mở rộng quy mô mẫu khảo sát, thu thập dữ liệu trên diện rộng tại nhiều vùng kinh tế khác nhau của hệ thống BIDV, đồng thời xem xét tích hợp thêm các biến số vĩ mô hoặc các chỉ tiêu phi tài chính chuyên sâu để nâng cao năng lực giải thích và độ tin cậy của mô hình lượng hóa xác suất trả nợ.
Giá trị tham khảo
Công trình mang lại giá trị tham khảo rõ ràng cho các nhóm đối tượng:
- Sinh viên và học viên chuyên ngành Tài chính - Ngân hàng: Là tài liệu tham khảo bổ ích về quy trình xây dựng khóa luận thực nghiệm, phương pháp kết hợp khung lý thuyết (mô hình 5C, xếp hạng tín dụng nội bộ, phân loại nợ theo Thông tư 02/2013/TT-NHNN) với mô hình kinh tế lượng nhị phân (Binary Logistic) trên phần mềm SPSS.
- Cán bộ tín dụng và nhân sự quản trị rủi ro tại ngân hàng thương mại: Cung cấp tài liệu tham khảo có giá trị về cách nhận diện và đo lường rủi ro từ hồ sơ khách hàng cá nhân, các chiều kích biến số tác động đến khả năng thanh toán nợ đúng hạn và các gợi ý thực tế về kiểm soát chất lượng tín dụng bán lẻ.
- Phần đáng tham khảo nhất trong văn bản: Chương 2 (phần tổng hợp các nghiên cứu trước đây và bảng hệ thống hóa biến số) và Chương 3 kết hợp Chương 4 (khung mô hình hồi quy Logit, cách mã hóa các biến giả và hệ thống bảng biểu phản ánh tình hình kinh doanh, tài chính hợp nhất của BIDV giai đoạn 2016 - 2020).
Câu hỏi thường gặp
1. Khóa luận sử dụng mô hình kinh tế lượng nào và kích thước mẫu khảo sát thực tế là bao nhiêu?
Tác giả sử dụng mô hình hồi quy Binary Logistic (Logit) ước lượng theo phương pháp hợp lý cực đại (Maximum Likelihood - ML), xử lý dữ liệu thông qua phần mềm SPSS. Kích thước mẫu khảo sát thực tế là 250 khách hàng cá nhân có quan hệ tín dụng (đang có dư nợ hoặc đã tất toán) tại một số chi nhánh chính của hệ thống BIDV trong giai đoạn 2016 - 2020.
2. Biến phụ thuộc Y trong mô hình hồi quy được xác định và gán giá trị như thế nào?
Biến phụ thuộc $Y$ đại diện cho khả năng trả nợ vay đúng hạn của khách hàng cá nhân và nhận giá trị nhị phân:
- $Y = 1$: Khách hàng có khả năng trả nợ đúng hạn (các khoản nợ thuộc nhóm 1 - Nợ đủ tiêu chuẩn theo quy định phân loại nợ của NHNN, hoặc khách hàng tất toán đầy đủ cả nợ gốc và nợ lãi đúng cam kết trong hợp đồng).
- $Y = 0$: Khách hàng không có khả năng trả nợ đúng hạn (khoản nợ bị phân loại vào nhóm 2, 3, 4, 5 hoặc khách hàng phát sinh tình trạng chậm trả gốc hoặc chậm trả lãi).
3. Khung lý thuyết 5C được tác giả vận dụng gồm những thành tố nào?
Khung lý thuyết 5C được tác giả vận dụng trong phân tích tín dụng cá nhân gồm 5 tiêu chuẩn:
- Character (Tư cách): Đánh giá thiện chí trả nợ, uy tín, tính trung thực và lịch sử quan hệ tín dụng của khách hàng.
- Capital (Vốn tự có): Đánh giá sức mạnh tài chính và khả năng tự chủ của người vay thông qua nguồn vốn tự có tham gia vào phương án vay.
- Capacity to repay (Năng lực hoàn trả): Yếu tố trung tâm, phân tích dòng tiền và nguồn thu nhập (từ lương hoặc sản xuất kinh doanh) để thực hiện nghĩa vụ trả nợ.
- Conditions (Điều kiện): Đánh giá môi trường kinh tế, xu hướng ngành nghề kinh doanh, thị trường lao động và các yếu tố xã hội ảnh hưởng đến khách hàng.
- Collateral (Bảo đảm tín dụng): Tài sản bảo đảm hoặc sự bảo lãnh của bên thứ ba đóng vai trò là nguồn trả nợ thay thế thứ hai khi khách hàng mất khả năng thanh toán.
4. Tình hình tài chính và kết quả kinh doanh của BIDV trong năm 2020 biến động như thế nào theo số liệu báo cáo trong khóa luận?
Năm 2020, tổng tài sản của BIDV đạt 1.477.278 tỷ đồng; tổng dư nợ cho vay khách hàng đạt 1.214.296 tỷ đồng. Tổng thu nhập đạt 121.180 tỷ đồng, tổng chi phí đạt 88.836 tỷ đồng, chênh lệch thu chi đạt 32.344 tỷ đồng (tăng 4,8% so với năm 2019). Lợi nhuận trước thuế năm 2020 đạt 8.330 tỷ đồng, giảm so với mức 10.308 tỷ đồng năm 2019 do ngân hàng chủ động giảm hơn 6.400 tỷ đồng thu nhập để cơ cấu lại nợ, giảm lãi suất và phí hỗ trợ người dân, doanh nghiệp khắc phục hậu quả dịch bệnh Covid-19, đồng thời nộp ngân sách gần 6.200 tỷ đồng.
5. Văn bản ghi nhận những trở ngại cụ thể nào trong công tác xử lý nợ xấu và tài sản bảo đảm tại BIDV?
Tỷ lệ trích lập dự phòng nợ xấu của BIDV tăng cao lên mức 87,1% vào cuối tháng 9/2020. Công tác phát mãi tài sản bảo đảm để thu hồi nợ gặp nhiều khó khăn do thanh khoản thị trường thấp; nhiều tài sản bảo đảm dù có giá trị pháp lý rõ ràng nhưng không tìm được người mua, có trường hợp tài sản đã rao bán và hạ giá hơn 30 lần vẫn chưa thanh lý thành công.
Kết luận
Khóa luận tốt nghiệp của tác giả Phan Trần Thảo Hiền đã hệ thống hóa toàn diện cơ sở lý luận về tín dụng cá nhân, mô hình 5C và các quy định pháp lý hiện hành về phân loại nợ, trích lập dự phòng rủi ro tín dụng tại Việt Nam. Nghiên cứu kết hợp phương pháp phân tích thực trạng tài chính của BIDV giai đoạn 2016 - 2020 với mô hình thực nghiệm hồi quy Binary Logistic trên mẫu 250 hồ sơ khách hàng nhằm lượng hóa tác động của các nhân tố đến khả năng trả nợ đúng hạn. Các phát hiện thực nghiệm và hệ thống số liệu trích xuất từ báo cáo tài chính là cơ sở thực tiễn vững chắc giúp BIDV hoàn thiện công tác chấm điểm tín dụng nội bộ, nâng cao năng lực cán bộ thẩm định và kiểm soát hiệu quả rủi ro danh mục cho vay cá nhân.