Giới thiệu dự án

Trong bối cảnh hệ thống ngân hàng thương mại Việt Nam đang trải qua giai đoạn cạnh tranh gay gắt và áp lực tăng trưởng tín dụng ngày càng lớn, rủi ro tín dụng (RRTD) nổi lên như một thách thức cốt lõi đe dọa sự bền vững của toàn ngành. Theo Ủy ban Basel về giám sát ngân hàng, RRTD được định nghĩa là khả năng bên đối tác không thực hiện đúng nghĩa vụ cam kết — và đây chính là loại rủi ro chiếm tỷ trọng lớn nhất trong cơ cấu rủi ro của các ngân hàng thương mại (NHTM).

Khóa luận "Phân tích các nhân tố ảnh hưởng đến rủi ro hoạt động tín dụng tại Ngân hàng Thương mại Cổ phần Quân Đội – Chi nhánh Sài Gòn" được thực hiện bởi tác giả Nguyễn Hà Giang dưới sự hướng dẫn của TS. Phan Thị Linh, trường Đại học Ngân hàng TP. Hồ Chí Minh (năm 2021), nhằm lấp đầy khoảng trống nghiên cứu còn tồn tại trong lĩnh vực phân tích định lượng RRTD đối với khách hàng cá nhân (KHCN) tại các NHTM Việt Nam.

Mục tiêu cụ thể của nghiên cứu bao gồm:

  1. Xác định và xây dựng mô hình các nhân tố ảnh hưởng đến RRTD tại MB Bank – Chi nhánh Sài Gòn.
  2. Đo lường và xếp hạng mức độ tác động của từng nhân tố bằng hồi quy tuyến tính bội.
  3. Đề xuất hàm ý quản trị có tính ứng dụng thực tiễn để hạn chế RRTD tại chi nhánh.

Phạm vi nghiên cứu bao gồm dữ liệu thứ cấp giai đoạn 2015–2020 và dữ liệu sơ cấp thu thập năm 2021, tập trung vào nhóm KHCN đang có dư nợ tại MB Bank chi nhánh Sài Gòn. Kết quả nghiên cứu không chỉ có giá trị đối với chi nhánh được khảo sát mà còn cung cấp cơ sở tham chiếu cho các NHTM khác trong quản lý RRTD cá nhân.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phần lớn các nghiên cứu trong nước về RRTD thiên về phân tích định tính hoặc chỉ sử dụng số liệu báo cáo tài chính mà chưa đi sâu vào các nhân tố hành vi và vận hành nội bộ. Tác giả tổng hợp và so sánh một số nghiên cứu tiêu biểu:

Nghiên cứu Phương pháp Số biến Điểm chưa phủ
Trần Thị Thu Quỳnh (2019) Binary Logistic 13 Chỉ đánh giá chung, chưa phân tách nhân tố vận hành
Trần Thị Ngọc Duyên (2019) Logistic Regression 6 Cỡ mẫu nhỏ (200 hồ sơ), thiếu độ tin cậy
Lê Trí Toàn (2019) Kế thừa mô hình cũ 8 Không có điểm mới, chưa kiểm định thói quen giao dịch
Phạm Bích Liên (2019) Thống kê mô tả Chỉ phân tích số liệu tài chính, bỏ qua nhân tố hành vi

Khoảng trống được xác định: Các nhân tố như lịch sử tín dụng (CIC), thói quen giao dịch, chính sách ngân hàngmục đích sử dụng vốn vay chưa được kiểm định đồng thời trong một mô hình định lượng hoàn chỉnh tại bối cảnh NHTM Việt Nam.

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu đề xuất gồm 6 biến độc lập ban đầu tác động đến biến phụ thuộc Rủi ro hoạt động tín dụng (HDTD):

HDTD = β₁·LSTD + β₂·TQ + β₃·TT + β₄·MDSD + β₅·CS + e
Ký hiệu Nhân tố Giả thuyết
MDSD Mục đích sử dụng vốn vay H1: tác động cùng chiều (+)
CS Chính sách ngân hàng H2: tác động cùng chiều (+)
TT Thông tin khách hàng H3: tác động cùng chiều (+)
LSTD Lịch sử tín dụng H4: tác động cùng chiều (+)
TQ Thói quen giao dịch H5: tác động cùng chiều (+)
QT Quy trình thẩm định H6: tác động cùng chiều (+)

Công cụ phân tích: Phần mềm SPSS 16.0 với ba kỹ thuật chính: Cronbach's Alpha, phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và hồi quy đa biến (Multiple Regression).

Phương pháp nghiên cứu

Nghiên cứu kết hợp hai phương pháp bổ sung nhau:

  • Nghiên cứu định tính: Thảo luận nhóm với 5 cán bộ MB Bank (chuyên viên QHKHCN, thẩm định, hỗ trợ tín dụng) và phỏng vấn sâu lãnh đạo chi nhánh trong giai đoạn 15–22/05/2021. Kết quả giúp hiệu chỉnh thang đo từ nghiên cứu quốc tế (Linda Allen, 2003; Marjo Hörkkö, 2010) cho phù hợp với bối cảnh Việt Nam.
  • Nghiên cứu định lượng: Khảo sát 210 chuyên viên đang công tác tại MB Bank chi nhánh Sài Gòn và 6 phòng giao dịch (PGD) trực thuộc, thu về 215 phiếu, loại 15 phiếu không hợp lệ, còn lại n = 200 mẫu phân tích (thực hiện từ tháng 4–6/2021).

Cỡ mẫu n = 200 đáp ứng tiêu chuẩn EFA của Hair & cộng sự (2006): tối thiểu 5 quan sát/biến × 20 biến quan sát = 100 (đạt), và đạt ngưỡng tối thiểu cho hồi quy đa biến theo Tabachnick & Fidell (2007).


Implementation và kết quả

Kiểm định độ tin cậy Cronbach's Alpha

Kết quả kiểm định với phần mềm SPSS 16.0 cho thấy:

Nhân tố Cronbach's Alpha Kết quả
Mục đích sử dụng (MDSD) 0,746 ✅ Đạt (> 0,6)
Chính sách ngân hàng (CS) 0,815 ✅ Đạt
Thông tin khách hàng (TT) 0,746 ✅ Đạt
Lịch sử tín dụng (LSTD) 0,716 ✅ Đạt
Thói quen giao dịch (TQ) 0,813 ✅ Đạt
Quy trình thẩm định (QT) 0,158 ❌ Loại (< 0,6)

Biến QT bị loại khỏi mô hình vì không đạt ngưỡng tin cậy tối thiểu. Hệ số tương quan biến tổng của các chỉ báo QT dao động từ 0,013 đến 0,161 — thấp hơn ngưỡng 0,3 được quy định bởi Nunnally & Bernstein (1994). Quyết định loại biến này đảm bảo tính nhất quán nội bộ của mô hình.

Phân tích nhân tố khám phá EFA

Biến phụ thuộc (HDTD):

  • KMO = 0,717 ≥ 0,5 ✅
  • Sig. của Bartlett's Test = 0,000 ≤ 0,05 ✅
  • Eigenvalues = 3 > 1 ✅
  • Tổng phương sai trích = 223,821% ≥ 50% ✅

Biến độc lập (5 nhân tố):

  • KMO = 0,689 ≥ 0,5 ✅
  • Sig. của Bartlett's Test = 0,000 ✅
  • Eigenvalue = 91 > 1 ✅
  • Tổng phương sai trích = 898,323% ✅

Kết quả ma trận xoay nhân tố (Rotated Component Matrix) xác nhận tất cả 14 biến quan sát còn lại đều có hệ số tải nhân tố (Factor Loading) ≥ 0,5 — đạt tiêu chuẩn để đưa vào hồi quy. Cấu trúc 5 nhân tố rút trích được thể hiện rõ ràng, không có hiện tượng tải chéo (cross-loading) đáng kể.

Kết quả hồi quy đa biến

Mô hình hồi quy tuyến tính bội cuối cùng với phương pháp Enter cho kết quả:

  • R² hiệu chỉnh = 0,632 → Mô hình giải thích 63,2% sự biến thiên của biến phụ thuộc HDTD.
  • Durbin-Watson = 1,651 → Nằm trong khoảng (1;3), không có hiện tượng tự tương quan.
  • F = 69,224, Sig. = 0,000 → Mô hình có ý nghĩa thống kê ở mức p < 0,001.
  • VIF của tất cả 5 biến độc lập đều < 2 → Không có đa cộng tuyến.

Phương trình hồi quy chuẩn hóa:

HDTD = 0,413·LSTD + 0,330·TQ + 0,270·TT + 0,256·MDSD + 0,249·CS

Xếp hạng mức độ tác động (theo hệ số β chuẩn hóa):

Thứ tự Nhân tố β chuẩn hóa Mức độ
1 Lịch sử tín dụng (LSTD) 0,413 Mạnh nhất
2 Thói quen giao dịch (TQ) 0,330 Khá mạnh
3 Thông tin khách hàng (TT) 0,270 Trung bình
4 Mục đích sử dụng vốn (MDSD) 0,256 Trung bình
5 Chính sách ngân hàng (CS) 0,249 Thấp nhất

Đổi mới và đóng góp

Điểm mới về mặt lý luận

Nghiên cứu này là một trong số ít công trình tại Việt Nam kiểm định đồng thời 5 nhân tố hành vi–vận hành (behavioral-operational factors) trong một mô hình hồi quy thống nhất. So với các nghiên cứu quốc tế như Jiménez & Saurina (2003) — tập trung vào tài sản thế chấp và mối quan hệ ngân hàng–khách hàng, hay Das & Ghosh (2007) — thiên về biến vĩ mô (GDP growth, operating costs), nghiên cứu này bổ sung chiều kích vi mô hành vi chưa được khai thác.

So sánh với hai nghiên cứu tiêu biểu

Tiêu chí Nghiên cứu này Trần Thị Thu Quỳnh (2019) Lê Trí Toàn (2019)
Phương pháp OLS + EFA + Cronbach Binary Logistic Kế thừa
Biến hành vi ✅ Có (thói quen, lịch sử TD) ❌ Không ❌ Không
Biến vận hành NH ✅ Có (chính sách, quy trình) Một phần Không
Cỡ mẫu 200 (nhân viên NH) 200 (hồ sơ khách hàng) Không rõ
Phần mềm SPSS 16.0

Cải tiến về mặt phương pháp

Thay vì phân tích hồ sơ khách hàng (document-based), nghiên cứu này thu thập đánh giá trực tiếp từ cán bộ tín dụng — những người hiểu rõ nhất về cơ chế phát sinh rủi ro từ cả hai phía khách hàng và ngân hàng. Đây là góc nhìn cung cấp (supply-side perspective) giúp làm rõ vai trò của quy trình nội bộ trong việc kiểm soát hoặc khuếch đại RRTD.


Ứng dụng thực tế và triển khai

Hàm ý quản trị theo từng nhân tố

1. Lịch sử tín dụng (β = 0,413 — tác động lớn nhất): MB Bank cần tăng cường tích hợp dữ liệu từ CIC (Credit Information Center – Trung tâm Thông tin Tín dụng NHNN) vào quy trình thẩm định tự động. Thiết lập ngưỡng điểm tín dụng tối thiểu cho từng sản phẩm vay KHCN và cập nhật dữ liệu CIC tần suất tháng thay vì quý.

2. Thói quen giao dịch (β = 0,330): Triển khai phân tích hành vi giao dịch (transaction behavior analytics) thông qua hệ thống core banking để nhận diện các mẫu hành vi bất thường — như thay đổi đột ngột trong tần suất rút tiền hoặc sử dụng hạn mức thẻ tín dụng — trước khi rủi ro vỡ nợ xuất hiện.

3. Thông tin khách hàng (β = 0,270): Áp dụng quy trình KYC (Know Your Customer) ba cấp độ: xác minh giấy tờ, đối chiếu dữ liệu thuế, và phỏng vấn trực tiếp. Thông tin không nhất quán giữa các nguồn cần kích hoạt luồng thẩm định tăng cường.

4. Mục đích sử dụng vốn vay (β = 0,256): Thiết lập cơ chế giám sát sau giải ngân (post-disbursement monitoring) qua yêu cầu chứng từ chứng minh sử dụng vốn đúng mục đích trong vòng 30–90 ngày sau giải ngân, đặc biệt với các khoản vay SXKD (sản xuất kinh doanh).

5. Chính sách ngân hàng (β = 0,249): Chuẩn hóa và số hóa toàn bộ quy trình phê duyệt tín dụng để giảm thiểu yếu tố chủ quan của cán bộ. Áp dụng mô hình credit scoring nội bộ, cập nhật theo năm dựa trên dữ liệu lịch sử nợ xấu thực tế của chi nhánh.

Lộ trình triển khai

Giai đoạn Thời gian Hành động ưu tiên
Ngắn hạn 0–6 tháng Chuẩn hóa quy trình KYC, tích hợp CIC tự động
Trung hạn 6–18 tháng Xây dựng credit scoring nội bộ, triển khai transaction analytics
Dài hạn 18–36 tháng Tích hợp AI/ML vào mô hình dự báo RRTD, kết nối với hệ thống Basel III

Hạn chế và hướng phát triển

Hạn chế được thừa nhận

  • Cỡ mẫu giới hạn: n = 200 quan sát tại một chi nhánh duy nhất, ảnh hưởng đến khả năng tổng quát hóa kết quả. Tabachnick & Fidell (2007) khuyến nghị n ≥ 354 cho mô hình 6 biến độc lập.
  • Phạm vi địa lý hẹp: Chỉ khảo sát MB Bank chi nhánh Sài Gòn và 6 PGD trực thuộc — chưa đại diện cho toàn hệ thống.
  • Biến QT bị loại: Quy trình thẩm định (Cronbach's α = 0,158) không đạt yêu cầu, có thể do cách đo lường chưa phù hợp hơn là biến thực sự không có ý nghĩa.
  • Thiếu biến vĩ mô: Chưa tích hợp các yếu tố kinh tế vĩ mô như tăng trưởng GDP, lãi suất thị trường — những yếu tố đã được Das & Ghosh (2007) xác nhận có ý nghĩa.

Hướng nghiên cứu tiếp theo

  • Mở rộng mẫu lên toàn hệ thống MB Bank hoặc so sánh đa ngân hàng (multi-bank comparison).
  • Tích hợp biến vĩ mô và biến ngành vào mô hình hỗn hợp (mixed-effects model).
  • Ứng dụng Machine Learning (Logistic Regression, Random Forest, XGBoost) để cải thiện độ chính xác dự báo so với OLS truyền thống.
  • Kiểm định lại biến Quy trình thẩm định với thang đo được thiết kế lại — đây là khoảng trống lý thú cần lấp đầy.

Đối tượng hưởng lợi

  • Cán bộ tín dụng và lãnh đạo chi nhánh: Có framework định lượng rõ ràng để ưu tiên nguồn lực kiểm soát RRTD theo thứ tự tác động (LSTD → TQ → TT → MDSD → CS).
  • Nhà quản trị rủi ro NHTM: Có cơ sở dữ liệu tham chiếu để xây dựng bộ tiêu chí thẩm định KHCN phù hợp với đặc thù thị trường TP.HCM.
  • Nhà nghiên cứu và học viên ngành Tài chính–Ngân hàng: Có mô hình EFA + hồi quy đa biến hoàn chỉnh làm tài liệu học thuật, đặc biệt về thiết kế thang đo và xử lý dữ liệu bằng SPSS 16.0.
  • Sinh viên khóa luận tốt nghiệp: Quy trình nghiên cứu 3 bước (định tính → EFA → hồi quy) là khuôn mẫu tái sử dụng được cho các đề tài tương tự.

Câu hỏi thường gặp

1. Cần điều kiện gì để triển khai mô hình này tại ngân hàng khác? Cần hệ thống core banking có khả năng xuất dữ liệu giao dịch khách hàng, quyền truy cập CIC, và tối thiểu 150–200 quan sát từ cán bộ có kinh nghiệm thẩm định ≥ 1 năm.

2. Mô hình có thể mở rộng lên quy mô toàn hệ thống không? Có, nhưng cần phân tầng mẫu (stratified sampling) theo vùng địa lý và quy mô chi nhánh. Hệ số β sẽ cần hiệu chỉnh theo từng phân khúc thị trường.

3. Tích hợp mô hình này với hệ thống chấm điểm tín dụng hiện tại như thế nào? Các hệ số β chuẩn hóa có thể chuyển đổi thành trọng số trong bảng scorecard tín dụng, với LSTD nhận trọng số cao nhất (≈ 35–40% tổng điểm).

4. Chi phí và thời gian triển khai? Giai đoạn ngắn hạn (chuẩn hóa quy trình + tích hợp CIC) ước tính 3–6 tháng với chi phí phần lớn là nhân lực. Giai đoạn xây dựng scoring model nội bộ cần thêm 6–12 tháng và ngân sách phần mềm phân tích dữ liệu.

5. Rủi ro của việc loại biến Quy trình thẩm định là gì? Biến QT có thể vẫn có tác động thực tế nhưng thang đo chưa đủ nhạy. Khuyến nghị thiết kế lại với ≥ 5 chỉ báo đo lường riêng biệt cho từng giai đoạn thẩm định (tiếp nhận hồ sơ, thẩm định tài chính, thẩm định tài sản, phê duyệt, giải ngân).


Kết luận

Khóa luận đã đạt được ba đóng góp có giá trị: (1) xây dựng và kiểm định thực nghiệm mô hình 5 nhân tố ảnh hưởng đến RRTD tại MB Bank chi nhánh Sài Gòn với R² hiệu chỉnh = 63,2%; (2) xác lập thứ tự ưu tiên can thiệp rõ ràng — lịch sử tín dụng là nhân tố quyết định hàng đầu (β = 0,413), tiếp theo là thói quen giao dịch và thông tin khách hàng; (3) đề xuất hàm ý quản trị cụ thể, có thể triển khai theo lộ trình 3 giai đoạn trong 36 tháng.

Đối với cán bộ nghiên cứu và nhà quản trị ngân hàng, nghiên cứu này cung cấp một framework định lượng có cơ sở thống kê vững chắc để nhìn nhận RRTD không chỉ là vấn đề của khách hàng mà còn là kết quả của tương tác giữa hành vi khách hàng và cơ chế vận hành nội bộ của ngân hàng. Đây chính là nền tảng để xây dựng chiến lược quản trị rủi ro chủ động, thay vì phản ứng thụ động sau khi nợ xấu phát sinh.