Tổng quan nghiên cứu

Hoạt động cấp tín dụng luôn đóng vai trò huyết mạch và là nguồn thu nhập chủ đạo của hệ thống ngân hàng thương mại, trong đó lãi vay cùng các hoạt động bảo lãnh tín dụng thường đóng góp tới 84% tổng thu nhập tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam. Đi đôi với việc mở rộng quy mô giải ngân, rủi ro tín dụng phát sinh từ việc suy giảm khả năng thực hiện nghĩa vụ tài chính của bên vay luôn tiềm ẩn nguy cơ gây tổn thất nặng nề. Điển hình tại chi nhánh Long An, tỷ lệ nợ xấu từng tăng vọt lên mức 4,98% vào năm 2017, khiến chi phí trích lập dự phòng rủi ro gia tăng mạnh và làm lợi nhuận trước thuế năm 2016 suy giảm tới 92% so với năm 2015.

Trước bối cảnh cạnh tranh thị trường gay gắt và biến động kinh tế khó lường, việc xác định chính xác các yếu tố chi phối năng lực tài chính của doanh nghiệp trở thành yêu cầu cấp thiết. Đề tài tập trung phân tích thực trạng và kiểm chứng mức độ tác động của các yếu tố thuộc về doanh nghiệp và khoản vay đến khả năng trả nợ. Nghiên cứu được thực hiện tại chi nhánh Long An trong giai đoạn từ năm 2016 đến năm 2018, khảo sát toàn bộ 106 khách hàng doanh nghiệp đủ điều kiện xếp hạng tín dụng nội bộ với tổng số 318 quan sát định kỳ.

Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn trong việc hỗ trợ cán bộ ngân hàng chuẩn hóa quy trình thẩm định, xóa bỏ tính chủ quan trong phê duyệt tín dụng và nâng cao hiệu quả giám sát sau giải ngân. Qua đó, chi nhánh đã thành công kéo giảm tỷ lệ nợ xấu xuống còn 0,29% vào năm 2018, tạo nền tảng vững chắc để kiểm soát tổn thất kỳ vọng và tối ưu hóa danh mục tín dụng doanh nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên khung quản trị rủi ro tín dụng chuẩn mực của Hiệp ước Basel, kết hợp cùng thuyết bất cân xứng thông tin và thuyết tín hiệu của Flannery ban hành năm 1986. Theo hướng dẫn của Ủy ban Basel, tổn thất tín dụng dự tính được lượng hóa thông qua công thức tích số giữa xác suất khách hàng không trả được nợ, tỷ lệ tổn thất khi vỡ nợ và tổng dư nợ tại thời điểm vi phạm cam kết. Bên cạnh đó, các khái niệm chuyên ngành được chuẩn hóa theo Luật Các tổ chức tín dụng ban hành theo Văn bản hợp nhất số 07/VBHN-VPQH ngày 12/12/2017 và Thông tư 02/2013/TT-NHNN của Ngân hàng Nhà nước.

Trong mô hình phân tích, các khái niệm cốt lõi bao gồm:

  • Cấp tín dụng: Thỏa thuận cho phép tổ chức sử dụng vốn vay theo nguyên tắc hoàn trả đầy đủ cả gốc và lãi sau một khoảng thời gian xác định.
  • Khả năng trả nợ: Năng lực tài chính bảo đảm thanh toán đúng hạn toàn bộ nghĩa vụ nợ gốc và lãi phát sinh mà không cần đến biện pháp xử lý tài sản thế chấp.
  • Nợ xấu: Khoản nợ quá hạn thanh toán từ 91 ngày trở lên hoặc có dấu hiệu suy giảm nghiêm trọng khả năng thu hồi vốn theo quy định của nhóm chuyên gia tư vấn Liên Hợp Quốc và Ngân hàng Nhà nước.
  • Xếp hạng tín dụng nội bộ: Hệ thống chấm điểm chỉ tiêu tài chính kết hợp yếu tố phi tài chính nhằm phân loại mức độ rủi ro khách hàng theo quyết định quản lý tín dụng của ngân hàng.

Phương pháp nghiên cứu

Nguồn dữ liệu sơ cấp và thứ cấp phục vụ nghiên cứu được trích xuất trực tiếp từ hệ thống phần mềm quản lý ngân hàng lõi SIBS, báo cáo tài chính doanh nghiệp đã qua kiểm tra và hệ thống xếp hạng tín dụng nội bộ của ngân hàng trong chu kỳ 3 năm từ 2016 đến 2018. Cỡ mẫu nghiên cứu bao gồm 106 khách hàng doanh nghiệp vay vốn với tổng số 318 lượt quan sát liên tục, đảm bảo tính đại diện cao cho toàn bộ danh mục khách hàng tổ chức kinh tế tại địa bàn.

Phương pháp chọn mẫu toàn bộ được áp dụng cho tất cả các doanh nghiệp có quan hệ tín dụng và đủ dữ liệu xếp hạng nội bộ. Tác giả lựa chọn mô hình hồi quy Binary Logistic thay vì mô hình hồi quy tuyến tính cổ điển, bởi vì biến phụ thuộc là khả năng trả nợ mang tính chất nhị phân nhận giá trị 1 khi khách hàng trả nợ tốt và giá trị 0 khi khách hàng phát sinh nợ quá hạn trên 90 ngày hoặc phải cơ cấu lại thời hạn trả nợ. Mô hình Logistic khắc phục triệt để nhược điểm ước lượng xác suất vượt quá khoảng 0 đến 1 của hàm tuyến tính, giúp phản ánh chính xác quy luật phân phối xác suất vỡ nợ thông qua phần mềm thống kê IBM SPSS Statistics phiên bản 20.0.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên 318 quan sát ghi nhận có 86 quan sát thuộc nhóm suy giảm khả năng thanh toán nợ, chiếm tỷ lệ 27,04% tổng số lượt đánh giá. Kết quả kiểm định hồi quy Binary Logistic đã chỉ ra 3 nhân tố then chốt có ý nghĩa thống kê tác động trực tiếp đến khả năng hoàn trả vốn vay của khách hàng doanh nghiệp:

  • Số năm hoạt động của doanh nghiệp: Hệ số hồi quy mang dấu dương phản ánh mối quan hệ đồng biến với khả năng trả nợ. Doanh nghiệp có thâm niên cao thường sở hữu mạng lưới khách hàng ổn định, tích lũy năng lực quản trị vượt trội và khả năng chống chịu biến động thị trường tốt hơn các cơ sở mới thành lập.
  • Hiệu quả kinh doanh của doanh nghiệp: Hệ số ước lượng mang dấu dương khẳng định tỷ suất sinh lời cao là nguồn bảo đảm thanh khoản vững chắc nhất. Lợi nhuận từ hoạt động kinh doanh tạo ra dòng tiền thuần dồi dào, giúp doanh nghiệp chủ động chi trả gốc và lãi mà không phụ thuộc vào tái cấu trúc nợ.
  • Thời gian vay vốn: Hệ số hồi quy mang dấu âm thể hiện mối tương quan nghịch biến. Các khoản vay trung và dài hạn có thời gian đáo hạn kéo dài thường đối mặt với rủi ro chu kỳ kinh tế và sự thay đổi chính sách vĩ mô, làm giảm mức độ kiểm soát của ngân hàng so với tín dụng ngắn hạn chiếm tỷ trọng 63% đến 67% tổng dư nợ.

Thảo luận kết quả

Thực trạng nợ quá hạn trên 90 ngày tại chi nhánh từng chiếm 18% tổng dư nợ doanh nghiệp vào năm 2016 và 12% vào năm 2017 trước khi được xử lý triệt để về mức 0% trong năm 2018. Nguyên nhân chủ yếu xuất phát từ việc nhiều doanh nghiệp chế biến lúa gạo và kinh doanh bất động sản gặp khó khăn thị trường, đồng thời xuất hiện tình trạng dùng nguồn vốn ngắn hạn tài trợ cho các dự án đầu tư tài sản cố định dài hạn. Kết quả này hoàn toàn đồng nhất với các nghiên cứu thực nghiệm của Coravos năm 2010 về tác động của thời gian vay và nghiên cứu của Fitzpatrick năm 1931 về năng lực dự báo phá sản dựa trên khả năng sinh lời.

Nhằm nâng cao hiệu quả giám sát trực quan, toàn bộ dữ liệu phân loại nợ cần được biểu diễn bằng biểu đồ thanh kết hợp theo dõi tỷ trọng nợ nhóm 3 đến nhóm 5 giữa phân khúc khách hàng doanh nghiệp và khách hàng cá nhân qua từng năm. Đồng thời, ngân hàng nên thiết lập bảng ma trận đối chiếu mức xếp hạng tín dụng nội bộ từ hạng AAA đến nhóm D với số ngày quá hạn thực tế. Cách thức trình bày dữ liệu trực quan này giúp ban lãnh đạo nhanh chóng phát hiện xu hướng dịch chuyển tín nhiệm của 78% dư nợ tập trung tại khối doanh nghiệp vừa và nhỏ, từ đó đưa ra quyết định tái cơ cấu danh mục kịp thời.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu định lượng, hệ thống giải pháp nâng cao khả năng thu hồi nợ vay tại chi nhánh được thiết lập thông qua các chương trình hành động cụ thể:

  • Chuẩn hóa quy trình thẩm định thâm niên và năng lực hoạt động: Phòng Quản lý rủi ro phối hợp với cán bộ tín dụng áp dụng cơ chế chấm điểm ưu tiên đối với các doanh nghiệp có thời gian hoạt động liên tục từ 3 năm trở lên. Thời gian xác thực thông tin đối tác và kiểm tra dữ liệu Trung tâm Thông tin Tín dụng quốc gia cần được rút ngắn trong vòng 24 giờ làm việc nhằm triệt tiêu độ trễ dữ liệu.

  • Kiểm soát chặt chẽ mục đích sử dụng vốn vay theo kỳ hạn: Chuyên viên quản lý khách hàng doanh nghiệp phải thực hiện kiểm tra thực địa định kỳ 30 ngày một lần đối với khoản vay lưu động và 90 ngày một lần đối với dự án trung dài hạn. Biện pháp này ngăn chặn dứt điểm hành vi sử dụng vốn sai mục đích, đặc biệt là tình trạng lấy vốn ngắn hạn đầu tư tài sản dài hạn gây mất cân đối dòng tiền.

  • Tối ưu hóa hệ thống xếp hạng tín dụng nội bộ: Ban Giám đốc chi nhánh cần kiến nghị hội đồng quản trị định kỳ 6 tháng một lần cập nhật trọng số cảnh báo sớm đối với các ngành hàng có độ nhạy cảm cao như lúa gạo và xây dựng. Mục tiêu duy trì tỷ lệ nợ xấu toàn chi nhánh ở mức an toàn dưới 1,0% trong suốt lộ trình hoạt động đến năm 2025.

  • Đào tạo nâng cao kỹ năng phân tích dòng tiền chuyên sâu: Phòng Khách hàng doanh nghiệp tổ chức tối thiểu 2 khóa tập huấn chuyên sâu hàng năm cho 100% cán bộ tín dụng về kỹ thuật đọc hiểu báo cáo tài chính chưa kiểm toán và nhận diện các giao dịch đáng ngờ từ các bên liên quan.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của công trình nghiên cứu mang lại giá trị tham khảo thiết thực cho nhiều nhóm chuyên môn:

  • Cán bộ tín dụng và chuyên viên thẩm định ngân hàng: Nắm vững bộ 3 biến số định lượng quan trọng gồm thâm niên doanh nghiệp, tỷ suất sinh lời và thời hạn khoản vay để nhanh chóng sàng lọc hồ sơ vay vốn, giảm thiểu sai sót chủ quan khi ra quyết định cấp tín dụng.

  • Cán bộ quản trị rủi ro và ban điều hành chi nhánh: Ứng dụng mô hình đánh giá xác suất vỡ nợ để xây dựng chính sách cấp hạn mức tín dụng phù hợp cho phân khúc doanh nghiệp vừa và nhỏ, vốn chiếm tới 78% quy mô dư nợ 1.452 tỷ đồng tại địa bàn.

  • Giảng viên, nhà nghiên cứu và học viên ngành Tài chính - Ngân hàng: Sử dụng luận văn như một tài liệu tham khảo thực nghiệm tiêu biểu về ứng dụng mô hình kinh tế lượng Binary Logistic trong đo lường rủi ro ngân hàng thương mại tại thị trường Việt Nam.

  • Ban giám đốc và kế toán trưởng các doanh nghiệp vay vốn: Hiểu rõ các tiêu chí chấm điểm và xếp hạng tín dụng của ngân hàng, từ đó chủ động cơ cấu kỳ hạn nguồn vốn hợp lý và nâng cao tính minh bạch của báo cáo tài chính doanh nghiệp.

Câu hỏi thường gặp

  • Tại sao mô hình Binary Logistic lại phù hợp hơn hồi quy tuyến tính trong đánh giá rủi ro tín dụng? Hồi quy Binary Logistic được thiết kế chuyên biệt cho biến phụ thuộc nhị phân phản ánh hai trạng thái trả nợ tốt hoặc quá hạn nợ trên 90 ngày. Khác với mô hình tuyến tính có thể đưa ra xác suất ngoài khoảng từ 0 đến 1, hàm Logistic đảm bảo giá trị dự báo luôn nằm trong khoảng xác định và phản ánh chính xác rủi ro vỡ nợ thực tế.

  • Thâm niên hoạt động của doanh nghiệp giúp giảm thiểu rủi ro tín dụng như thế nào? Số năm hoạt động phản ánh bề dày kinh nghiệm vượt qua các chu kỳ suy thoái kinh tế và khả năng duy trì tệp khách hàng thân thiết. Doanh nghiệp hoạt động lâu năm tích lũy nguồn vốn tự có vững vàng hơn, giúp giảm thiểu đáng kể xác suất chậm thực hiện nghĩa vụ tài chính khi thị trường biến động.

  • Vì sao thời hạn cho vay dài lại làm suy giảm khả năng thu hồi nợ của ngân hàng? Khoản vay có thời gian đáo hạn kéo dài trên 12 tháng thường chịu tác động lớn từ biến động lãi suất thị trường, thay đổi chính sách ngành và bất ổn kinh tế vĩ mô. Sự kéo dài thời gian làm gia tăng mức độ bất cân xứng thông tin, khiến công tác giám sát dòng tiền sau giải ngân của ngân hàng gặp nhiều khó khăn.

  • Tiêu chuẩn phân loại nợ xấu theo Thông tư 02/2013/TT-NHNN được quy định ra sao? Thông tư quy định nợ xấu bao gồm toàn bộ các khoản nợ thuộc nhóm 3, nhóm 4 và nhóm 5, tương ứng với các khoản nợ quá hạn từ 91 ngày trở lên hoặc những khoản vay được đánh giá có khả năng tổn thất cao. Đây là căn cứ bắt buộc để các tổ chức tín dụng trích lập dự phòng rủi ro từ nguồn lợi nhuận.

  • Ngân hàng xử lý tình trạng bất cân xứng thông tin đối với doanh nghiệp vừa và nhỏ bằng cách nào? Ngân hàng khắc phục sự thiếu hụt thông tin bằng cách kết hợp thẩm định dòng tiền thực tế qua tài khoản thanh toán, kiểm tra hóa đơn điện tử và khai thác báo cáo lịch sử tín dụng từ hệ thống thông tin quốc gia. Việc kết hợp kiểm tra hiện trường định kỳ giúp cán bộ nắm bắt chính xác tình hình sản xuất trước khi nợ quá hạn phát sinh.

Kết luận

  • Luận văn đã hệ thống hóa toàn diện cơ sở lý luận về quản trị rủi ro tín dụng và xác thực mối quan hệ giữa khả năng trả nợ với các chỉ số hoạt động của khách hàng tổ chức.
  • Mô hình Binary Logistic vận hành trên 318 quan sát thực tế đã chứng minh 3 nhân tố có ảnh hưởng quyết định bao gồm hiệu quả kinh doanh, số năm hoạt động và thời hạn cấp tín dụng.
  • Đóng góp khoa học then chốt của công trình là lượng hóa thành công các tiêu chí rủi ro vi mô, giúp chuyển dịch phương thức thẩm định từ định tính chủ quan sang định lượng chuẩn xác.
  • Hệ thống 4 nhóm giải pháp đồng bộ được đề xuất có tính khả thi cao, góp phần giữ vững tỷ lệ nợ xấu ở mức thấp 0,29% và nâng cao hiệu quả kinh doanh vốn tại chi nhánh.
  • Các tổ chức tín dụng cần nhanh chóng triển khai ứng dụng mô hình phân tích định lượng vào phần mềm xếp hạng tín dụng nội bộ định kỳ hàng quý để chủ động kiểm soát rủi ro danh mục cho vay.