Bối cảnh và vấn đề nghiên cứu

Trong nền kinh tế thị trường, hệ thống ngân hàng thương mại (NHTM) giữ vai trò là định chế tài chính trung gian quan trọng, điều hòa và cung ứng nguồn vốn phục vụ cho quá trình sản xuất và kinh doanh. Trong các mảng hoạt động của NHTM, hoạt động cấp tín dụng mang lại nguồn thu nhập chủ yếu nhưng cũng tiềm ẩn rủi ro cao nhất. Rủi ro tín dụng phát sinh khi khách hàng vay vốn không thực hiện hoặc không có khả năng thực hiện đầy đủ nghĩa vụ trả nợ gốc và lãi đúng hạn, gây suy giảm nguồn vốn tự có và đe dọa sự an toàn của toàn hệ thống ngân hàng.

Để kiểm soát và hạn chế tổn thất, việc xây dựng và áp dụng hệ thống xếp hạng tín dụng nội bộ (XHTDNB) là công cụ quản trị rủi ro thiết yếu. Tuy nhiên, thực tế tại Việt Nam cho thấy đa số NHTM tự thiết lập và vận hành hệ thống xếp hạng nội bộ của riêng mình. Cơ chế tự đánh giá này tiềm ẩn nguy cơ thiếu tính khách quan, dễ chịu ảnh hưởng bởi các tiêu chí chủ quan của cán bộ tín dụng và chính sách của từng ngân hàng, dẫn đến nhận định quá lạc quan về sức khỏe tài chính của khách hàng và làm gia tăng nợ xấu. Xuất phát từ yêu cầu chuẩn hóa nội dung phân tích và nâng cao độ chính xác của hệ thống chỉ tiêu chấm điểm tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam - Chi nhánh Thăng Long, tác giả Hoàng Thị Diệu Quỳnh đã thực hiện khóa luận tốt nghiệp chuyên ngành Phân tích Dữ liệu Lớn trong Kinh tế và Kinh doanh.

Mục tiêu nghiên cứu:

  • Mục tiêu chung: Phân tích thực trạng và đề xuất các giải pháp nhằm hoàn thiện hệ thống xếp hạng tín dụng nội bộ đối với khách hàng doanh nghiệp tại BIDV Thăng Long.
  • Mục tiêu cụ thể:
    1. Góp phần hệ thống hóa cơ sở lý luận cơ bản về hệ thống xếp hạng tín dụng nội bộ với khách hàng doanh nghiệp của ngân hàng thương mại.
    2. Đánh giá thực trạng hệ thống xếp hạng tín dụng nội bộ với khách hàng doanh nghiệp tại BIDV Thăng Long; làm rõ các kết quả đạt được, những mặt hạn chế và nguyên nhân của các hạn chế đó.
    3. Đề xuất một số giải pháp và kiến nghị nhằm hoàn thiện hệ thống xếp hạng tín dụng với khách hàng doanh nghiệp tại BIDV Thăng Long trong giai đoạn tiếp theo.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Lý luận và thực tiễn về hệ thống xếp hạng tín dụng nội bộ đối với khách hàng doanh nghiệp tại BIDV Thăng Long.
  • Phạm vi nội dung: Hệ thống xếp hạng tín dụng nội bộ áp dụng cho đối tượng khách hàng doanh nghiệp (KHDN).
  • Phạm vi không gian: Ngân hàng TMCP Đầu tư và Phát triển Việt Nam - Chi nhánh Thăng Long.
  • Phạm vi thời gian: Thu thập và phân tích dữ liệu hoạt động kinh doanh, hoạt động tín dụng của chi nhánh giai đoạn 2020–2022.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng nền tảng nghiên cứu dựa trên các văn bản quy phạm pháp luật, chuẩn mực ngân hàng và các mô hình đánh giá rủi ro tín dụng hiện hành:

  • Khung pháp lý và chuẩn mực: Luật các Tổ chức tín dụng số 47/2010/QH12 ngày 16/06/2010 (Điều 3, mục 12); Thông tư số 02/2013/TT-NHNN ngày 21/01/2013 của Ngân hàng Nhà nước Việt Nam quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro; Quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 của Thống đốc NHNN (Điều 4, Điều 7) về xây dựng hệ thống XHTD nội bộ; các nguyên tắc quản trị rủi ro theo hiệp ước Basel II (mô hình xác suất vỡ nợ PD và hệ thống xếp hạng tín dụng CR).
  • Lý thuyết về xếp hạng tín dụng: Lịch sử hình thành hệ thống xếp hạng từ năm 1909 của John Moody; định nghĩa và phương pháp luận của các tổ chức xếp hạng quốc tế (Standard & Poor's, Moody's, Fitch Group, Viện nghiên cứu Nomura); hai cách tiếp cận chính gồm phương pháp chuyên gia (analyst-driven ratings) và mô hình toán học (model-driven ratings).
  • Mô hình định lượng ứng dụng: Mô hình điểm số Z-score của Edward Altman và các thuật toán trí tuệ nhân tạo (AI/Machine Learning) trong phân loại và dự báo rủi ro khách hàng.

Phương pháp nghiên cứu:

  • Phương pháp định tính: Nghiên cứu, tổng hợp các quy định pháp lý, quy trình nghiệp vụ tín dụng; phân tích các tiêu chí phi tài chính trong mô hình chấm điểm (năng lực quản lý, uy tín giao dịch, vị thế ngành, môi trường kinh doanh).
  • Phương pháp định lượng: Thống kê mô tả, tính toán các chỉ số tài chính (thanh khoản, hiệu quả hoạt động, đòn bẩy tài chính, khả năng sinh lời); xử lý dữ liệu tiền lâm sàng, chuẩn hóa dữ liệu, cân bằng tập dữ liệu và chạy mô hình phân loại khách hàng.
  • Phương pháp nghiên cứu tình huống và so sánh: Thực hiện chấm điểm thực nghiệm một doanh nghiệp cụ thể (Doanh nghiệp X) theo hai mô hình của BIDV Thăng Long và Vietcombank; đối chiếu sự khác biệt về cấu trúc bộ chỉ tiêu, thang điểm và trọng số.
  • Nguồn dữ liệu:
    • Dữ liệu thứ cấp: Cung cấp bởi Phòng Khách hàng Doanh nghiệp và Phòng Khách hàng Cá nhân BIDV Thăng Long, bao gồm quy trình tín dụng nội bộ, bảng chấm điểm, biểu mẫu xếp hạng và báo cáo hoạt động kinh doanh giai đoạn 2020–2022.
    • Dữ liệu sơ cấp: Thu thập báo cáo tài chính và thông tin hoạt động của mẫu 100 doanh nghiệp niêm yết trên thị trường chứng khoán thông qua cổng dữ liệu Vietstock để phục vụ thực nghiệm mô hình Z-score và thuật toán AI.

Nội dung chính theo từng chương

Chương 1: Hệ thống hóa cơ sở lý luận và thực tiễn về xếp hạng tín dụng khách hàng doanh nghiệp

Chương 1 thiết lập khung lý thuyết toàn diện về tín dụng ngân hàng và hệ thống XHTDNB. Tác giả phân tích quy trình tín dụng cơ bản 6 bước gồm: (1) Phân tích tín dụng và chấm điểm XHTD, (2) Lập hồ sơ đề nghị cấp tín dụng, (3) Quyết định và ký hợp đồng tín dụng, (4) Giải ngân, (5) Giám sát tín dụng, và (6) Thanh lý hợp đồng tín dụng.

Khóa luận làm rõ 5 vai trò cốt lõi của hệ thống XHTDNB: làm cơ sở lựa chọn khách hàng cho vay; đánh giá mức độ thực hiện cam kết hợp đồng; xây dựng chính sách khách hàng và điều kiện tín dụng; định hình danh mục tín dụng; phân loại nợ và trích lập dự phòng rủi ro theo Quyết định 493/2005/QĐ-NHNN.

Quy trình XHTDNB đối với KHDN được hệ thống hóa qua 5 bước tiêu chuẩn:

  1. Xác định ngành nghề kinh tế: Phân loại doanh nghiệp vào 5 nhóm ngành (Nông - lâm - ngư nghiệp; Thương mại và dịch vụ; Xây dựng và vật liệu xây dựng; Sản xuất công nghiệp; Ngành khác).
  2. Xác định quy mô doanh nghiệp: Phân định quy mô lớn, vừa, nhỏ dựa trên vốn kinh doanh, số lượng lao động, doanh thu thuần và nghĩa vụ thuế.
  3. Đánh giá các chỉ tiêu tài chính: Đo lường 4 nhóm chỉ số gồm thanh khoản (thanh toán hiện hành, thanh toán nhanh, thanh toán tức thời); hiệu quả hoạt động (vòng quay vốn lưu động, vòng quay hàng tồn kho, vòng quay các khoản phải thu, hiệu suất sử dụng TSCĐ); cân nợ (nợ phải trả/tổng tài sản, nợ dài hạn/vốn chủ sở hữu); mức sinh lời (LNG/doanh thu thuần, LN hoạt động/doanh thu thuần, ROE, ROA, EBIT/chi phí lãi vay).
  4. Đánh giá các chỉ tiêu phi tài chính: Đánh giá lưu chuyển tiền tệ, năng lực quản trị, quan hệ với ngân hàng, môi trường kinh doanh và các rủi ro đặc thù ngành.
  5. Tổng hợp điểm và xếp hạng: Tính toán điểm tổng hợp có trọng số, quy đổi sang hệ thống ký hiệu xếp hạng (từ nhóm an toàn cao đến nhóm rủi ro cao).

Chương 1 cũng tổng kết kinh nghiệm thực tiễn từ VietinBank (sử dụng 4 nhóm ngành, 3 nhóm quy mô, thang đo 10 bậc từ AA+ đến C) và Vietcombank (áp dụng chuẩn mực Basel II, kết hợp mô hình CR và mô hình xác suất vỡ nợ PD).

Chương 2: Phân tích và đánh giá thực trạng hệ thống xếp hạng tín dụng nội bộ với khách hàng doanh nghiệp tại BIDV Thăng Long

Chương 2 trình bày quá trình phát triển của BIDV Thăng Long từ tiền thân là phòng cấp phát thanh toán vốn công trình xây dựng cầu Thăng Long (thành lập theo Quyết định số 103/TC-QĐ-TCCB ngày 03/01/1974), chuyển đổi thành Chi nhánh Ngân hàng Đầu tư Xây dựng cầu Thăng Long năm 1981 (Quyết định số 75 NH/QĐ), đổi tên thành Ngân hàng Đầu tư và Phát triển Thăng Long năm 1991 (Quyết định số 38 NH/QĐ) và hoàn thiện chức năng NHTM đa năng từ năm 1995 (Quyết định số 193 NH/QĐ). Cơ cấu tổ chức của chi nhánh bao gồm 5 khối chức năng chính: Khối Quản lý rủi ro, Khối Tác nghiệp, Khối Quản lý khách hàng (gồm 3 Phòng Khách hàng doanh nghiệp, 2 Phòng Khách hàng cá nhân, Phòng Khách hàng ưu tiên), Khối Quản lý nội bộ và Khối các Phòng giao dịch trực thuộc.

Tác giả đi sâu phân tích hệ thống chấm điểm và quy trình XHTDNB đang vận hành tại chi nhánh:

  • Bộ chỉ tiêu kết hợp giữa điểm tài chính và điểm phi tài chính, có sự phân bổ trọng số tùy theo loại hình doanh nghiệp, quy mô và ngành nghề hoạt động. Thang ký hiệu xếp hạng gồm các nhóm AA, A, BB, B, CC, C.
  • Nghiên cứu thực nghiệm tình huống: Chấm điểm Doanh nghiệp X bằng cả hệ thống của BIDV Thăng Long và hệ thống của Vietcombank để đối chiếu. Kết quả cho thấy có sự chênh lệch nhất định về điểm thành phần và thứ hạng do sự khác biệt trong việc phân bổ tỷ trọng giữa yếu tố định lượng và định tính, cũng như phương pháp gán trọng số cho từng chỉ tiêu tài chính.

Khóa luận chỉ ra các hạn chế lớn trong hệ thống XHTDNB của BIDV Thăng Long:

  1. Dữ liệu đầu vào: Báo cáo tài chính của các doanh nghiệp vừa và nhỏ (SME) cung cấp nhiều khi chưa qua kiểm toán độc lập, độ minh bạch thấp, thiếu tính xác thực; việc thu thập thông tin định tính phụ thuộc vào sự hợp tác của doanh nghiệp.
  2. Phân loại ngành và quy mô: Tiêu chí xác định ngành kinh doanh chính còn cứng nhắc, chưa phản ánh đúng đặc thù của các doanh nghiệp kinh doanh đa ngành hoặc doanh nghiệp công nghệ mới; cách xác định quy mô theo vốn và lao động bộc lộ bất cập khi áp dụng cho các mô hình kinh doanh tinh gọn.
  3. Bộ chỉ tiêu đánh giá: Một số chỉ tiêu phi tài chính mang tính trừu tượng, thang điểm đánh giá định tính phụ thuộc lớn vào cảm quan chủ quan của cán bộ tín dụng (CBTD), dễ nảy sinh rủi ro đạo đức hoặc đánh giá sai lệch.
  4. Đối tượng áp dụng: Chưa có khung chấm điểm và xếp hạng riêng biệt dành cho các doanh nghiệp mới thành lập hoặc các dự án khởi nghiệp chưa có lịch sử báo cáo tài chính tối thiểu 2–3 năm.

Chương 3: Đề xuất một số giải pháp hoàn thiện hệ thống xếp hạng tín dụng nội bộ với khách hàng doanh nghiệp tại BIDV Thăng Long

Dựa trên định hướng phát triển tín dụng của chi nhánh theo phân khúc khách hàng, ngành nghề ưu tiên và công tác quản trị rủi ro hiện đại, Chương 3 đưa ra các nhóm giải pháp và thực nghiệm khoa học:

Nhóm giải pháp Nội dung chi tiết
1. Nâng cao chất lượng dữ liệu Thiết lập cơ chế kiểm tra chéo thông tin BCTC với dữ liệu nộp thuế, tài khoản thanh toán và thông tin từ CIC; yêu cầu bắt buộc kiểm toán đối với doanh nghiệp vay quy mô lớn.
2. Tinh chỉnh bộ chỉ tiêu và trọng số Tăng tỷ trọng của các chỉ số dòng tiền tự do; chuẩn hóa thang đo các chỉ tiêu phi tài chính thành các bảng tiêu chí định lượng chi tiết nhằm giảm thiểu tính chủ quan của CBTD.
3. Bổ sung đối tượng xếp hạng Thiết kế bộ tiêu chí chuyên biệt dành riêng cho nhóm doanh nghiệp mới thành lập (start-up), chú trọng vào năng lực chủ doanh nghiệp, phương án kinh doanh khả thi và tài sản bảo đảm.
4. Đào tạo cán bộ và nâng cấp CNTT Tổ chức tập huấn định kỳ nâng cao năng lực phân tích BCTC và đạo đức nghề nghiệp; tự động hóa quy trình nhập liệu và chấm điểm trên phần mềm lõi để loại trừ can thiệp thủ công.
5. Kết hợp mô hình định lượng và AI Kết hợp mô hình chấm điểm Altman Z-score; ứng dụng các thuật toán học máy (AI) trên tập dữ liệu mẫu 100 doanh nghiệp (xử lý trường CustomerId, chuẩn hóa, cân bằng dữ liệu) để tự động phân nhóm và dự báo rủi ro vỡ nợ.

Khóa luận cũng trình bày các kiến nghị cụ thể đối với Ngân hàng Nhà nước (hoàn thiện hành lang pháp lý về xếp hạng tín dụng nội bộ), Trung tâm Thông tin Tín dụng Quốc gia (CIC - tăng cường độ bao phủ và tốc độ cập nhật thông tin) và các cơ quan quản lý Nhà nước (chuẩn hóa chế độ kế toán và tính minh bạch thông tin doanh nghiệp).


Kết quả và đóng góp

  • Hệ thống hóa toàn diện cơ sở lý luận: Phân định rõ ràng các khái niệm, quy trình 6 bước trong hoạt động cấp tín dụng và quy trình 5 bước trong công tác XHTDNB KHDN theo chuẩn mực của Ngân hàng Nhà nước và thông lệ Basel II.
  • Phân tích thực trạng thực nghiệm chuyên sâu: Đánh giá hoạt động kinh doanh của BIDV Thăng Long giai đoạn 2020–2022, phân tích chi tiết quy trình xếp hạng qua nghiên cứu tình huống cụ thể (Doanh nghiệp X) và so sánh trực tiếp với hệ thống của Vietcombank.
  • Ứng dụng phương pháp định lượng và kỹ thuật khoa học dữ liệu: Điểm mới của đề tài nằm ở việc tích hợp phân tích dữ liệu lớn vào chuyên ngành ngân hàng. Tác giả đã thu thập dữ liệu 100 doanh nghiệp từ Vietstock, tiến hành tiền xử lý, chuẩn hóa, cân bằng dữ liệu, sau đó thực nghiệm đồng thời mô hình điểm số Z-score và mô hình phân loại bằng trí tuệ nhân tạo (AI), tạo cơ sở khoa học để đối chiếu và bổ trợ cho mô hình chấm điểm truyền thống của BIDV.
  • Hệ thống giải pháp mang tính ứng dụng thực tế: Đề xuất lộ trình 6 giải pháp nội bộ và 3 nhóm kiến nghị vĩ mô nhằm giảm thiểu sự thiên lệch chủ quan, nâng cao tính chính xác trong thẩm định tín dụng doanh nghiệp tại chi nhánh.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế về phạm vi nghiên cứu: Khóa luận tập trung nghiên cứu thực trạng và dữ liệu nội bộ tại phạm vi một chi nhánh (BIDV Thăng Long), do đó một số đặc thù về cơ cấu khách hàng và danh mục tín dụng chưa đại diện hoàn toàn cho toàn bộ hệ thống NHTM tại Việt Nam.
  • Hạn chế về mẫu dữ liệu thực nghiệm: Tập dữ liệu 100 doanh nghiệp thu thập từ cổng Vietstock chủ yếu là các công ty cổ phần niêm yết trên thị trường chứng khoán – vốn có tính minh bạch và quy mô lớn hơn so với mặt bằng chung các khách hàng doanh nghiệp vừa và nhỏ (SME) vay vốn tại chi nhánh ngân hàng.
  • Hướng nghiên cứu tiếp theo: Mở rộng việc thu thập và phân tích dữ liệu trên tập mẫu lớn hơn bao gồm cả các doanh nghiệp ngoài sàn niêm yết; nghiên cứu phát triển sâu hơn các thuật toán học máy chuyên biệt (như Random Forest, XGBoost, Neural Networks) phục vụ xây dựng mô hình xác suất vỡ nợ (PD) theo chuẩn mực Basel III.

Giá trị tham khảo

Khóa luận tốt nghiệp của tác giả Hoàng Thị Diệu Quỳnh là tài liệu học thuật và thực tiễn hữu ích cho nhiều đối tượng:

  • Sinh viên và học viên: Chuyên ngành Tài chính - Ngân hàng, Kinh tế số, Phân tích Dữ liệu trong Kinh doanh có thể tham khảo cấu trúc nghiên cứu, phương pháp kết hợp giữa nghiệp vụ ngân hàng truyền thống với các công cụ phân tích dữ liệu hiện đại.
  • Cán bộ tín dụng và cán bộ quản lý rủi ro: Có thể sử dụng bảng đối chiếu chỉ tiêu giữa BIDV và Vietcombank, cùng các bảng tiêu chí đánh giá phi tài chính làm tài liệu tham khảo trong công tác thẩm định và xếp hạng tín dụng doanh nghiệp hàng ngày.
  • Phần giá trị nhất: Nghiên cứu tình huống chấm điểm Doanh nghiệp X ở Chương 2 và phương pháp thực nghiệm kết hợp mô hình Z-score cùng kỹ thuật tiền xử lý dữ liệu AI ở Chương 3.

Câu hỏi thường gặp

1. Hệ thống xếp hạng tín dụng nội bộ tại BIDV Thăng Long phân loại khách hàng doanh nghiệp thành những nhóm nào?
Hệ thống xếp hạng của BIDV Thăng Long phân loại doanh nghiệp theo 5 nhóm ngành kinh tế (Nông lâm ngư nghiệp, Thương mại & dịch vụ, Xây dựng & VLXD, Sản xuất công nghiệp, Ngành khác), 3 nhóm quy mô (Lớn, Vừa, Nhỏ) và sử dụng thang ký hiệu xếp hạng gồm các bậc: AA, A, BB, B, CC, C để phân định mức độ rủi ro tín dụng.

2. Điểm khác biệt cơ bản giữa hệ thống xếp hạng tín dụng của BIDV Thăng Long và Vietcombank được phân tích trong khóa luận là gì?
Hệ thống của Vietcombank được xây dựng theo định hướng Basel II, ứng dụng mô hình xác suất vỡ nợ (PD) kết hợp với hệ thống CR công nghệ mới từ năm 2018, trong khi mô hình của BIDV Thăng Long tập trung chủ yếu vào mô hình chấm điểm kết hợp chỉ tiêu tài chính và phi tài chính theo trọng số truyền thống, có sự khác biệt về cách phân bổ tỷ trọng giữa các yếu tố định tính và định lượng.

3. Khóa luận đã sử dụng nguồn dữ liệu nào để thực hiện các nghiên cứu thực nghiệm?
Tác giả sử dụng nguồn dữ liệu thứ cấp gồm báo cáo kinh doanh 2020–2022 và quy chế nội bộ do BIDV Thăng Long cung cấp, kết hợp với nguồn dữ liệu sơ cấp thu thập từ cổng Vietstock gồm thông tin và báo cáo tài chính của 100 doanh nghiệp để chạy mô hình Z-score và mô hình phân loại AI.

4. Khóa luận chỉ ra những hạn chế chính nào trong công tác xếp hạng tín dụng tại BIDV Thăng Long?
Các hạn chế lớn bao gồm: chất lượng dữ liệu đầu vào của các doanh nghiệp SME chưa được kiểm toán minh bạch; tiêu chí phân loại ngành và quy mô còn cứng nhắc; việc đánh giá các chỉ tiêu phi tài chính còn mang tính chủ quan của cán bộ tín dụng; và chưa có hệ thống chấm điểm riêng cho các doanh nghiệp mới thành lập.


Kết luận

Khóa luận tốt nghiệp của tác giả Hoàng Thị Diệu Quỳnh đã giải quyết một cách logic và khoa học vấn đề hoàn thiện hệ thống xếp hạng tín dụng nội bộ đối với khách hàng doanh nghiệp tại BIDV Thăng Long. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận quản trị rủi ro ngân hàng, thực trạng hoạt động giai đoạn 2020–2022 và các công cụ phân tích dữ liệu định lượng, tác giả đã làm rõ các nguyên nhân tồn tại của hệ thống chấm điểm hiện hành. Các giải pháp đề xuất—đặc biệt là việc kết hợp mô hình điểm số Z-score và ứng dụng AI trong phân loại khách hàng—mang tính thực tiễn cao, đóng góp thiết thực cho công tác kiểm soát rủi ro và nâng cao chất lượng tín dụng tại chi nhánh.