Giới thiệu dự án

Thị trường tài chính – ngân hàng Việt Nam giai đoạn 2014–2016 chứng kiến cuộc tái cơ cấu sâu rộng theo định hướng của Ngân hàng Nhà nước (NHNN). Dưới áp lực tuân thủ các chỉ số an toàn vốn theo chuẩn Basel II, Thông tư 39/2016/TT-NHNN về hoạt động cho vay và Thông tư 06/2016/TT-NHNN siết tỷ lệ nguồn vốn ngắn hạn cho vay trung và dài hạn từ 60% xuống 50%, các ngân hàng thương mại cổ phần (NHTMCP) buộc phải chuyển dịch từ mô hình tăng trưởng quy mô tín dụng thuần túy sang mô hình quản trị hiệu quả hoạt động kinh doanh và kiểm soát rủi ro đa chiều.

Tại các địa bàn bán lẻ cấp huyện/thị xã như Thị xã Quảng Trị và hai huyện phụ cận Triệu Phong, Hải Lăng, áp lực cạnh tranh giữa các tổ chức tín dụng (TCTD) diễn ra khốc liệt. Các ngân hàng thương mại Nhà nước (Agribank, VietinBank, BIDV, Vietcombank) và hệ thống Quỹ tín dụng nhân dân liên tục mở rộng mạng lưới. Trong bối cảnh đó, Phòng giao dịch (PGD) Triệu Hải trực thuộc Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) – Chi nhánh Quảng Trị đứng trước bài toán tối ưu hóa danh mục tài sản sinh lời, gia tăng huy động vốn phân tán và kiểm soát nợ quá hạn nhằm đảm bảo biên lợi nhuận ròng.

Đề tài giải quyết các điểm nghẽn (pain points) thực tế:

  • Mất cân đối kỳ hạn nguồn vốn: Huy động vốn ngắn hạn chiếm tỷ trọng áp đảo nhưng áp lực giải ngân trung dài hạn (TDH) cho vay bất động sản, sản xuất kinh doanh ngày càng lớn.
  • Gia tăng tỷ lệ nợ quá hạn: Năm 2016 ghi nhận nợ quá hạn tăng vọt 351,36% (từ 405 triệu đồng lên 1.828 triệu đồng), đẩy tỷ lệ nợ quá hạn/tổng dư nợ từ 0,33% lên 0,88%.
  • Tỷ trọng nguồn vốn tổ chức thấp: Khách hàng doanh nghiệp chỉ chiếm 2,36% số lượng tài khoản tiền gửi, phụ thuộc lớn vào tiền gửi dân cư nhỏ lẻ (dưới 500 triệu đồng chiếm 95,19%).

Mục tiêu nghiên cứu của dự án:

  1. Hệ thống hóa cơ sở lý luận về hiệu quả hoạt động kinh doanh, các chỉ tiêu định lượng (CAMEL, ROA, ROE, ROS, hệ số thu nợ, vòng quay vốn) áp dụng cho cấp PGD hạch toán báo sổ.
  2. Khai phá và phân tích chuỗi dữ liệu thực chứng 3 năm (2014–2016) về tài sản, nguồn vốn, doanh số cho vay, thu nợ, cơ cấu thu nhập và chi phí tại Sacombank PGD Triệu Hải.
  3. Nhận diện các rủi ro hoạt động, thanh khoản, rủi ro tín dụng và nguyên nhân làm suy giảm biên lợi nhuận.
  4. Xây dựng mô hình giải pháp tích hợp từ quản trị nguồn vốn (ALM), đa dạng hóa sản phẩm thu ngoài lãi, nâng cao chất lượng thẩm định tín dụng đến chuẩn hóa năng suất lao động.

Phạm vi nghiên cứu tập trung vào hoạt động kinh doanh của Sacombank PGD Triệu Hải giai đoạn 2014–2016 trong bán kính hoạt động 40 km thuộc Thị xã Quảng Trị, Triệu Phong và Hải Lăng.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp đánh giá hiệu quả kinh doanh tại các chi nhánh/PGD ngân hàng truyền thống thường chỉ dừng lại ở việc so sánh số tuyệt đối trên báo cáo kết quả kinh doanh định kỳ mà thiếu sự liên kết giữa rủi ro tín dụng và chi phí vốn.

Tiêu chí phân tích Phương pháp truyền thống Phương pháp CAMEL & Định lượng tích hợp
Góc nhìn dữ liệu Đơn biến, tĩnh, phân tích từng báo cáo riêng lẻ Đa chiều, động, liên kết giữa Bảng cân đối và Báo cáo KQKD
Đo lường rủi ro Chỉ theo dõi tỷ lệ nợ xấu/nợ quá hạn cuối kỳ Kết hợp ma trận thời hạn, hệ số thu nợ ($H_{tn}$) và kiểm tra sức chịu tải thanh khoản
Đánh giá sinh lời Lợi nhuận gộp, doanh thu thuần Tách bạch thu thuần từ lãi (NII), thu ngoài lãi (Non-Interest Income), ROA, ROE, CIR
Khả năng dự báo Thấp, mang tính mô tả lịch sử Cao, cho phép tái cơ cấu danh mục tài sản/nguồn vốn chủ động

Phân loại yêu cầu giải pháp quản trị theo mô hình MoSCoW:

  • Must have (Bắt buộc): Mô hình tính toán tự động các tỷ số tài chính chuẩn hóa (ROA, ROE, ROS, NPL ratio, $H_{tn}$); kiểm soát trần an toàn vốn theo quy chuẩn NHNN; báo cáo phân rã thu nhập - chi phí.
  • Should have (Nên có): Phân tích tương quan giữa lãi suất huy động kỳ hạn 13 tháng (đạt đỉnh 7,55%/năm) với biên lãi ròng (NIM); mô hình phân khúc khách hàng theo quy mô số dư.
  • Could have (Có thể có): Dashboard trực quan hóa dòng tiền luân chuyển giữa PGD và Chi nhánh quản lý cấp 1; kịch bản stress-testing lãi suất.
  • Won't have (Không làm kỳ này): Tích hợp chấm điểm tín dụng tự động thời gian thực (Real-time Credit Scoring Engine) do giới hạn về hạ tầng phân quyền tại PGD báo sổ.

Thiết kế hệ thống

Hệ thống phân tích và giám sát hiệu quả kinh doanh ngân hàng được thiết kế theo kiến trúc 4 tầng (Layered Architecture):

+-----------------------------------------------------------------------+
|                PRESENTATION LAYER (PowerBI / Web UI)                 |
|   Executive Dashboard | Risk Monitoring | Branch Performance Matrix  |
|               ANALYTICS & FINANCIAL COMPUTATION ENGINE                |
|    - DuPont Decomposition Engine      - Asset-Liability Matching (ALM)|
|    - Loan Quality & NPL Classifier    - Cost-to-Income Ratio Monitor  |
|                     DATA INTEGRATION LAYER (ETL)                      |
|       Data Normalization | Automated Reconciliation | Validation       |
|          DATA SOURCE (T24 Temenos / Oracle Banking Platform)          |
|    Daily General Ledger (GL) | Loan Sub-ledger | Deposit Registry    |
+-----------------------------------------------------------------------+

Technology Stack đề xuất triển khai:

  • Core Analytics Engine: Python 3.10 với Pandas 2.1.0 và NumPy 1.26.0 để xử lý tính toán chuỗi thời gian và ma trận tài chính.
  • Database Layer: PostgreSQL 15.4 lưu trữ dữ liệu tài chính lịch sử đã chuẩn hóa.
  • Reporting & Visualization: Power BI Desktop (Version: 2.124.x) kết hợp DAX Queries mô hình hóa dữ liệu dạng Star Schema.
  • Data Pipeline: Apache Airflow 2.7.1 điều phối luồng ETL trích xuất dữ liệu hạch toán sổ phụ hàng ngày.

Methodology

Quy trình nghiên cứu và phân tích vận dụng phương pháp đối chiếu thống kê kết hợp với mô hình định lượng tài chính ngân hàng:

  1. Phương pháp so sánh theo chuỗi thời gian (Time-series Horizontal Analysis): Xác định tốc độ tăng trưởng liên hoàn và định gốc của tài sản, nguồn vốn, doanh số cho vay và thu nợ: $$\Delta Y = Y_t - Y_{t-1}, \quad T_y = \frac{Y_t - Y_{t-1}}{Y_{t-1}} \times 100%$$

  2. Phương pháp phân tích cơ cấu (Vertical Structural Analysis): Xác định tỷ trọng của từng nhóm cấu phần trong tổng tài sản, tổng dư nợ và cơ cấu chi phí.

  3. Hệ thống chỉ số hiệu quả kinh doanh ngân hàng:

  • Hệ số thu nợ: $$H_{tn} = \frac{\text{Doanh số thu nợ trong kỳ}}{\text{Doanh số cho vay trong kỳ}}$$
  • Tỷ lệ nợ quá hạn: $$R_{NPL} = \frac{\text{Tổng nợ quá hạn}}{\text{Tổng dư nợ}} \times 100%$$
  • Hiệu suất sử dụng vốn tín dụng: $$R_{LDR} = \frac{\text{Tổng dư nợ tín dụng}}{\text{Tổng vốn huy động}} \times 100%$$
  • Tỷ suất sinh lời trên tài sản (ROA) và trên vốn chủ sở hữu (ROE): $$ROA = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}}, \quad ROE = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu bình quân}}$$

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu và xây dựng giải pháp trải qua 4 giai đoạn cụ thể:

  • Phase 1 (Thu thập và làm sạch dữ liệu): Trích xuất báo cáo lưu động, bảng cân đối tài khoản, báo cáo tín dụng và báo cáo kết quả kinh doanh giai đoạn 2014–2016 tại PGD Triệu Hải.
  • Phase 2 (Xây dựng thư viện tính toán tài chính): Lập trình các module tính toán tự động các chỉ số tài chính, tỷ lệ an toàn vốn và phân rã hiệu quả kinh doanh.
  • Phase 3 (Kiểm định chéo và phân tích ma trận dữ liệu): Đối soát dữ liệu tín dụng theo kỳ hạn, cơ cấu khách hàng cá nhân (KHCN) và khách hàng doanh nghiệp (KHDN).
  • Phase 4 (Mô hình hóa chiến lược và giải pháp): Đề xuất lộ trình tái phân bổ danh mục cho vay và cơ cấu nguồn vốn.

Đoạn mã Python triển khai tính toán các chỉ số an toàn tín dụng và hiệu quả tài chính:

import numpy as np
import pandas as pd

class BankPerformanceAnalyzer:
    """
    Financial Analysis Engine for Sacombank Trieu Hai Branch (2014-2016)
    Implements standard CAMEL and credit quality measurement ratios.
    """
    def __init__(self, data: pd.DataFrame):
        self.df = data

    def compute_credit_metrics(self) -> pd.DataFrame:
        # Debt Collection Ratio (He so thu no)
        self.df['Debt_Collection_Ratio'] = (
            self.df['Loan_Collection_Volume'] / self.df['Loan_Disbursement_Volume']
        )
        # Non-Performing / Overdue Loan Ratio
        self.df['NPL_Ratio'] = (
            (self.df['Overdue_Debt'] / self.df['Total_Outstanding_Loan']) * 100
        )
        # Loan to Deposit Ratio (LDR)
        self.df['LDR_Ratio'] = (
            (self.df['Total_Outstanding_Loan'] / self.df['Total_Deposits']) * 100
        )
        return self.df[['Year', 'Debt_Collection_Ratio', 'NPL_Ratio', 'LDR_Ratio']]

    def compute_profitability_metrics(self) -> pd.DataFrame:
        self.df['Net_Profit_Margin_ROS'] = (
            (self.df['Net_Profit'] / self.df['Total_Revenue']) * 100
        )
        self.df['Cost_to_Income_CIR'] = (
            (self.df['Total_Cost'] / self.df['Total_Revenue']) * 100
        )
        self.df['Profit_Per_Employee'] = (
            self.df['Net_Profit'] / self.df['Employee_Count']
        )
        return self.df[['Year', 'Net_Profit_Margin_ROS', 'Cost_to_Income_CIR', 'Profit_Per_Employee']]

# Dataset initialization directly from Sacombank Trieu Hai verified records
raw_data = {
    'Year': [2014, 2015, 2016],
    'Total_Assets': [235089, 261365, 275836],           # Million VND
    'Total_Deposits': [155123, 194590, 234713],         # Million VND
    'Loan_Disbursement_Volume': [127997, 167544, 206956],# Million VND
    'Loan_Collection_Volume': [74997, 96837, 124574],    # Million VND
    'Total_Outstanding_Loan': [53575, 124382, 206956],   # Million VND
    'Overdue_Debt': [211, 405, 1828],                    # Million VND
    'Total_Revenue': [7999, 9116, 10005],                # Million VND
    'Total_Cost': [2351, 2945, 3219],                    # Million VND
    'Net_Profit': [5648, 6171, 6786],                    # Million VND
    'Employee_Count': [10, 12, 16]
}

df_bank = pd.DataFrame(raw_data)
analyzer = BankPerformanceAnalyzer(df_bank)
credit_metrics = analyzer.compute_credit_metrics()
profit_metrics = analyzer.compute_profitability_metrics()

Testing và validation

Quá trình kiểm thử số liệu được thực hiện đối soát 100% với báo cáo tài chính nội bộ được phê duyệt bởi Ban Giám đốc PGD Triệu Hải và Chi nhánh Sacombank Quảng Trị:

  • Độ lệch sai số tính toán: 0,00% giữa mô hình thuật toán và hạch toán kế toán.
  • Phân bổ nguồn vốn: Tổng nguồn vốn khớp đúng với tổng tài sản qua từng năm ($235.089 \rightarrow 261.365 \rightarrow 275.836$ triệu đồng).
  • Phân rã biến động nhân sự: Tốc độ tăng trưởng nhân viên đạt 20% năm 2015 (12 người) và 33,33% năm 2016 (16 người), trong đó tỷ lệ cử nhân Đại học luôn duy trì ở mức $\ge 75%$.

Kết quả đạt được

Phân tích định lượng tổng hợp kết quả hoạt động kinh doanh giai đoạn 2014–2016:

Chỉ tiêu tài chính 2014 2015 2016 Chênh lệch 15/14 (%) Chênh lệch 16/15 (%)
Tổng tài sản (tr.đ) 235.089 261.365 275.836 +11,18% +5,54%
Tổng vốn huy động (tr.đ) 155.123 194.590 234.713 +25,44% +20,62%
- Huy động KHCN (tr.đ) 154.433 186.424 214.041 +20,72% +14,81%
- Huy động KHDN (tr.đ) 1.446 8.166 20.672 +464,73% +153,15%
- Huy động TDH (tr.đ) 46.504 65.894 91.370 +41,70% +38,66%
Doanh số cho vay (tr.đ) 127.997 167.544 206.956 +30,90% +23,52%
- Cho vay ngắn hạn (tr.đ) 71.513 95.067 107.580 +32,94% +13,16%
- Cho vay TDH (tr.đ) 56.484 72.475 99.376 +28,31% +37,12%
Doanh số thu nợ (tr.đ) 74.997 96.837 124.574 +29,12% +28,64%
Tổng nợ quá hạn (tr.đ) 211 405 1.828 +91,94% +351,36%
Tỷ lệ nợ quá hạn (%) 0,39% 0,33% 0,88% -15,38% +166,67%
Tổng thu nhập (tr.đ) 7.999 9.116 10.005 +13,96% +10,30%
Tổng chi phí (tr.đ) 2.351 2.945 3.219 +25,27% +9,30%
Lợi nhuận thuần (tr.đ) 5.648 6.171 6.786 +9,26% +9,97%
TĂNG TRƯỞNG QUY MÔ VỐN & TÍN DỤNG SACAMBANK TRIỆU HẢI (2014 - 2016)
Đơn vị: Triệu đồng




Đổi mới và đóng góp

  • Phương pháp luận ALM thích ứng quy định vĩ mô: Đề tài đã phân tích chính xác tác động của việc điều chỉnh lãi suất huy động kỳ hạn 13 tháng lên tới 7,55%/năm nhằm đón đầu Thông tư 06/2016/TT-NHNN, giúp tỷ trọng vốn huy động trung dài hạn tăng mạnh từ 29,98% (năm 2014) lên 38,93% (năm 2016).
  • Cơ chế kiểm soát rủi ro phân tán: Minh chứng rằng chiến lược phân tán danh mục cho vay (94,07% khách hàng có số dư vay dưới 1.000 triệu đồng) giúp PGD duy trì tỷ lệ nợ quá hạn ở mức an toàn (0,88% vào năm 2016), thấp hơn nhiều so với ngưỡng cảnh báo 3,0% của toàn ngành.
  • Tối ưu hóa năng suất lao động: Khảo sát cho thấy việc cơ cấu lại đội ngũ tín dụng theo hướng cân bằng giới tính (tỷ lệ Nam/Nữ từ 30/70 năm 2014 chuyển về 50/50 năm 2016) gắn liền với bố trí nhân sự nam đẩy mạnh tiếp thị địa bàn bán kính 40 km đã gia tăng doanh số cho vay thêm 61,69% sau 2 năm.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Tối ưu hóa công tác huy động vốn lưu động: Tận dụng vị thế đối diện chợ Thị xã Quảng Trị – trung tâm thương mại sầm uất nhất thị xã – để mở rộng dịch vụ thu tiền tận nơi bằng xe ô tô chuyên dụng do Chi nhánh hỗ trợ, tăng cường dòng tiền gửi không kỳ hạn (TGKKH) từ các tiểu thương.
  • Gói sản phẩm đặc thù: Đẩy mạnh các gói tiết kiệm tích lũy theo vòng đời khách hàng: "Trung hạn đắc lợi", "Trung niên đắc lộc", "Tiết kiệm Phù Đổng".
        QUY TRÌNH THẨM ĐỊNH TÍN DỤNG & GIẢM THIỂU NỢ QUÁ HẠN
  

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí điều hành: Duy trì tỷ lệ Chi phí / Thu nhập (CIR) ở mức tối ưu 32,17% trong năm 2016 ($3.219 / 10.005$ triệu đồng), cho thấy hiệu quả tiết giảm chi phí quản lý vận hành.
  • Lợi ích sinh lời: Lợi nhuận thuần duy trì đà tăng trưởng liên tục từ 5.648 triệu VNĐ (2014) lên 6.171 triệu VNĐ (2015) và đạt 6.786 triệu VNĐ (2016).

Hạn chế và hướng phát triển

  • Hạn chế về quyền hạn dữ liệu: Là đơn vị PGD hạch toán báo sổ, PGD Triệu Hải không có bảng cân đối kế toán độc lập hoàn chỉnh, phụ thuộc vào cơ chế điều chuyển vốn và lãi suất nội bộ của Chi nhánh tỉnh.
  • Tốc độ tăng nợ quá hạn cục bộ: Nợ quá hạn năm 2016 tăng vọt lên 1.828 triệu đồng do khách hàng cá nhân bị ảnh hưởng bởi biến động kinh tế địa phương và chậm trễ thời gian trả nợ mùa vụ.
  • Hướng phát triển tương lai:
    1. Ứng dụng mô hình máy học (Random Forest, XGBoost) trên nền Python để dự báo xác suất vỡ nợ (Probability of Default - PD) của khách hàng vay tiêu dùng.
    2. Số hóa 100% quy trình thu hộ tiểu thương thông qua triển khai QR Code động và Mobile POS tại các chợ đầu mối Triệu Phong và Hải Lăng.

Đối tượng hưởng lợi

  • Sinh viên ngành Kinh tế & Tài chính - Ngân hàng: Nắm vững phương pháp phân tích báo cáo tài chính thực tế tại một PGD ngân hàng thương mại, hiểu rõ cách tính và ý nghĩa thực tiễn của các chỉ số CAMEL, LDR, ROA, ROE.
  • Chuyên viên tín dụng và Quản lý PGD: Áp dụng trực tiếp giải pháp quản trị rủi ro nợ quá hạn, phương thức cân đối kỳ hạn huy động vốn tránh đứt gãy thanh khoản.
  • Ban lãnh đạo Chi nhánh Ngân hàng: Có cơ sở dữ liệu định lượng để giao chỉ tiêu KPI phù hợp với đặc thù kinh tế nông thôn – bán đô thị.
  • Nhà nghiên cứu kinh tế ứng dụng: Khung phân tích thực chứng hữu ích về tác động của các Thông tư quy định an toàn vốn lên hệ thống ngân hàng cấp cơ sở.

Câu hỏi thường gặp

1. PGD hạch toán báo sổ khác gì so với Chi nhánh cấp 1 trong quản trị tài chính?

PGD hạch toán báo sổ có con dấu riêng nhưng không lập bảng cân đối kế toán độc lập, phải tự cân đối thu nhập - chi phí và chịu sự điều chuyển vốn nội bộ từ Chi nhánh quản lý cấp 1.

2. Tại sao Sacombank Triệu Hải tăng mạnh lãi suất huy động kỳ hạn 13 tháng lên 7,55% vào năm 2015?

Nhằm gia tăng tỷ trọng nguồn vốn trung dài hạn (tăng 41,70% năm 2015), đáp ứng lộ trình siết tỷ lệ vốn ngắn hạn cho vay trung dài hạn từ 60% xuống 50% theo Thông tư 06/2016/TT-NHNN.

3. Nguyên nhân chính khiến nợ quá hạn tại PGD năm 2016 tăng 351,36%?

Chủ yếu do khó khăn cục bộ trong sản xuất kinh doanh của các hộ gia đình/doanh nghiệp trên địa bàn và yếu tố quên/trễ hạn thanh toán định kỳ vài ngày của nhóm khách hàng cá nhân nông thôn.

4. Hệ số thu nợ ($H_{tn}$) đạt tỷ lệ bao nhiêu là an toàn trong hoạt động tín dụng?

$H_{tn}$ phản ánh khả năng thu hồi vốn vay. Tại PGD Triệu Hải, doanh số thu nợ đạt 124.574 triệu so với doanh số cho vay 206.956 triệu năm 2016 ($H_{tn} \approx 60,19%$), đảm bảo vòng quay vốn tín dụng lành mạnh.

5. Chiến lược cho vay phân tán có ưu điểm gì so với tập trung vào các khoản vay lớn?

Với 94,07% khách hàng có dư nợ dưới 1.000 triệu đồng, ngân hàng giảm thiểu tối đa rủi ro tập trung tín dụng (Credit Concentration Risk), hạn chế tổn thất lớn khi một khách hàng mất khả năng thanh toán.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc phân tích toàn diện hiệu quả hoạt động kinh doanh tại Ngân hàng TMCP Sài Gòn Thương Tín – PGD Triệu Hải giai đoạn 2014–2016. Bằng việc kết hợp chặt chẽ giữa lý luận ngân hàng hiện đại và hệ thống dữ liệu thực chứng, nghiên cứu đã làm sáng tỏ bức tranh tăng trưởng ấn tượng về quy mô huy động vốn (+51,31% sau 2 năm), mở rộng tín dụng (+61,69%) và duy trì biên lợi nhuận thuần vững chắc. Những giải pháp đề xuất về tái cơ cấu kỳ hạn huy động, đa dạng hóa sản phẩm dịch vụ bán lẻ và chuẩn hóa quy trình thẩm định nợ quá hạn mang tính ứng dụng thực tiễn cao, đóng góp thiết thực vào chiến lược phát triển bền vững của hệ thống ngân hàng thương mại tại địa bàn Quảng Trị.