Khóa luận tốt nghiệp ngân hàng phân tích hoạt động kinh doanh theo mô hình camels tại ngân hàng thương mại cổ phần công thương việt nam

Luận văn tốt nghiệp kinh tế nghiên cứu tốt nghiệp ngân hàng phân tích hoạt động kinh doanh theo mô hình camels tại ngân hàng thương mại cổ, điều tra thực trạng, phân tích số liệu,

• Tác giả: Vũ Minh Ngọc
• Người hướng dẫn: PGS. Nguyễn Thùy Dương
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Ngân hàng
• Đề tài: Phân Tích Hoạt Động Kinh Doanh Theo Mô Hình CAMELS
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: PHÂN TÍCH HOẠT ĐỘNG KINH DOANH THEO MÔ HÌNH CAMELS TẠI NHTMCP CÔNG THƯƠNG VIỆT NAM
• 1.1. Phân tích hoạt động kinh doanh theo mô hình Camels tại Ngân hàng TMCP Công Thương Việt Nam
• 1.2. Mức độ an toàn vốn
• 1.3. Chất lượng tài sản
• 1.4. Năng lực quản trị
• 1.5. Khả năng sinh lời
• 1.6. Khả năng thanh khoản
• 1.7. Mức độ nhạy cảm với thị trường
• 1.8. Đánh giá thực trạng hoạt động kinh doanh tại Ngân hàng TMCP Công thương Việt Nam theo mô hình CAMELS
• 1.8.1. Những kết quả đạt được
• 1.8.2. Những hạn chế
• 1.8.3. Những nguyên nhân của hạn chế
• 2. CHƯƠNG 2: MỘT SỐ KHUYẾN NGHỊ NÂNG CAO HOẠT ĐỘNG KINH DOANH TẠI NHTMCP CÔNG THƯƠNG VIỆT NAM
• 2.1. Một số giải pháp nâng cao hoạt động kinh doanh tại VietinBank
• 2.2. Định hướng phát triển của NHTMCP Công thương Việt Nam
• 2.3. Khuyến nghị nhằm nâng cao hoạt động kinh doanh của NHTMCP Công thương Việt Nam
• 3. CHƯƠNG 3
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Cơ sở lý thuyết về mô hình CAMELS trong phân tích hoạt động kinh doanh của NHTM

Mô hình CAMELS là một công cụ quan trọng trong việc phân tích ngân hàng. Mô hình này được phát triển bởi Cục Quản lý các Tổ chức Tín dụng Hoa Kỳ nhằm đánh giá toàn diện hoạt động của ngân hàng thông qua các chỉ tiêu như độ an toàn vốn, chất lượng tài sản, khả năng quản lý, khả năng sinh lời, khả năng thanh khoản và mức độ nhạy cảm với rủi ro thị trường. Mô hình CAMELS không chỉ giúp các nhà quản lý ngân hàng có cái nhìn tổng quan về tình hình tài chính mà còn hỗ trợ trong việc đưa ra các quyết định chiến lược nhằm nâng cao hiệu quả hoạt động. Theo nghiên cứu của Nguyễn Thị Cẩm Giang (2013), mô hình này đã được áp dụng tại Việt Nam từ năm 1998 và trở thành một công cụ hữu ích trong việc đánh giá sức khỏe tài chính của các ngân hàng thương mại. Việc áp dụng mô hình CAMELS giúp các ngân hàng nhận diện được những điểm mạnh và điểm yếu trong hoạt động của mình, từ đó có thể đưa ra các giải pháp cải thiện kịp thời.

1.1. Giới thiệu về mô hình CAMELS

Mô hình CAMELS bao gồm sáu yếu tố chính: Vốn (C), Chất lượng tài sản (A), Quản trị điều hành (M), Kết quả hoạt động kinh doanh (E), Khả năng thanh khoản (L) và Mức độ nhạy cảm với rủi ro thị trường (S). Mỗi yếu tố này đều có những chỉ tiêu cụ thể để đánh giá. Ví dụ, chỉ tiêu về vốn giúp xác định khả năng chịu đựng rủi ro của ngân hàng, trong khi chất lượng tài sản phản ánh khả năng thu hồi nợ. Theo nghiên cứu của Siems và Barr (1997), mô hình CAMELS có thể dự đoán chính xác khả năng phá sản của ngân hàng lên đến 94,8%. Điều này cho thấy tầm quan trọng của việc áp dụng mô hình này trong phân tích hoạt động ngân hàng.

1.2. Nội dung mô hình CAMELS

Nội dung của mô hình CAMELS được chia thành các chỉ tiêu định lượng và định tính. Chỉ tiêu định lượng thường dựa trên các số liệu tài chính từ báo cáo tài chính của ngân hàng, trong khi chỉ tiêu định tính liên quan đến các yếu tố như quản lý rủi ro và chiến lược kinh doanh. Việc phân tích các chỉ tiêu này giúp các nhà quản lý ngân hàng có cái nhìn sâu sắc về tình hình hoạt động của mình. Theo Đặng Uyên (2011), việc sử dụng mô hình CAMELS không chỉ giúp đánh giá sức khỏe tài chính mà còn hỗ trợ trong việc giám sát và quản lý rủi ro hiệu quả hơn.

II. Phân tích hoạt động kinh doanh theo mô hình CAMELS tại NHTMCP Công Thương Việt Nam

Phân tích hoạt động kinh doanh của NHTMCP Công Thương Việt Nam theo mô hình CAMELS cho thấy ngân hàng này có những điểm mạnh và điểm yếu rõ rệt. Mức độ an toàn vốn của ngân hàng được đánh giá cao, với tỷ lệ CAR luôn vượt mức quy định. Tuy nhiên, chất lượng tài sản vẫn còn một số vấn đề, đặc biệt là tỷ lệ nợ xấu. Theo báo cáo tài chính giai đoạn 2016-2018, tỷ lệ nợ xấu của ngân hàng có xu hướng tăng, điều này cho thấy cần có các biện pháp quản lý rủi ro hiệu quả hơn. Năng lực quản trị của ngân hàng cũng cần được cải thiện, đặc biệt trong việc tối ưu hóa chi phí hoạt động. Theo nghiên cứu của Ravi Majithiya và Amin Pattani (2010), việc cải thiện năng lực quản trị có thể giúp ngân hàng nâng cao khả năng sinh lời và tính thanh khoản.

2.1. Mức độ an toàn vốn

Mức độ an toàn vốn của NHTMCP Công Thương Việt Nam được đánh giá thông qua tỷ lệ CAR. Tỷ lệ này luôn duy trì ở mức cao hơn 9%, cho thấy ngân hàng có khả năng chịu đựng rủi ro tốt. Tuy nhiên, cần lưu ý rằng việc duy trì tỷ lệ này không chỉ phụ thuộc vào vốn mà còn vào chất lượng tài sản. Theo Đặng Uyên (2011), việc quản lý vốn hiệu quả là yếu tố quyết định đến sự ổn định và phát triển bền vững của ngân hàng.

2.2. Chất lượng tài sản

Chất lượng tài sản của ngân hàng là một trong những yếu tố quan trọng trong mô hình CAMELS. Tỷ lệ nợ xấu của NHTMCP Công Thương Việt Nam trong giai đoạn 2016-2018 cho thấy có xu hướng gia tăng, điều này đặt ra thách thức lớn cho ngân hàng trong việc quản lý rủi ro tín dụng. Việc cải thiện chất lượng tài sản không chỉ giúp ngân hàng tăng cường khả năng sinh lời mà còn nâng cao uy tín trên thị trường. Theo nghiên cứu của Nguyễn Công Tâm và Nguyễn Minh Hà (2012), việc áp dụng các biện pháp quản lý rủi ro tín dụng hiệu quả là cần thiết để giảm thiểu nợ xấu.

Nội dung chính

Giới thiệu dự án

Trong bối cảnh hội nhập tài chính quốc tế và cuộc Cách mạng Công nghiệp 4.0, hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) Việt Nam đối mặt với các tiêu chuẩn an toàn vốn khắt khe theo Hiệp ước Basel II và Thông tư 41/2016/TT-NHNN, Thông tư 52/2018/TT-NHNN của Ngân hàng Nhà nước (NHNN). Ngành ngân hàng là huyết mạch kinh tế nhưng luôn tiềm ẩn rủi ro hệ thống từ nợ xấu (NPL), rủi ro thanh khoản và biến động lãi suất thị trường.

Vấn đề cốt lõi đặt ra là các phương pháp phân tích tài chính truyền thống (chỉ dựa trên các chỉ số đơn lẻ rời rạc) không phản ánh toàn diện tương quan rủi ro - lợi nhuận và mức độ an toàn vốn. Tại NHTMCP Công Thương Việt Nam (VietinBank), áp lực tăng vốn tự có để đáp ứng hệ số CAR trong khi quy mô tổng tài sản vượt mốc 1.164.318 tỷ đồng (năm 2018) đòi hỏi một khung đánh giá định lượng và định tính chuẩn hóa, đa chiều.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Hệ thống hóa cơ sở lý luận về quản trị rủi ro ngân hàng theo khung phân tích CAMELS chuẩn hóa quốc tế và Bộ chỉ số Lành mạnh Tài chính (FSIs) của IMF.
2. Xây dựng quy trình định lượng 6 cấu phần: An toàn vốn (C - Capital Adequacy), Chất lượng tài sản (A - Asset Quality), Năng lực quản trị (M - Management), Khả năng sinh lời (E - Earnings), Thanh khoản (L - Liquidity) và Mức độ nhạy cảm thị trường (S - Sensitivity to Market Risk) tại VietinBank giai đoạn 2015–2018.
3. Ứng dụng mô hình phân rã tài chính Dupont 3 nhân tố kết hợp đo lường khe hở lãi suất (GAP) và trạng thái ngoại hối ròng.
4. Đánh giá xếp hạng VietinBank theo khung Thông tư 52/2018/TT-NHNN với hệ thống trọng số chuẩn, từ đó đề xuất giải pháp tối ưu hóa vốn và kiểm soát chất lượng tín dụng.

Giải pháp sử dụng mô hình CAMELS tích hợp phân tích Dupont và ma trận trọng số Thông tư 52/2018/TT-NHNN giúp lượng hóa rủi ro với độ chính xác cao. Kết quả kỳ vọng đo lường chính xác các chỉ số an toàn (CAR > 9%, NPL < 2%, CIR < 50%, ROE > 10%) và xác định rõ điểm nghẽn về vốn tự có cấp 1 để chuẩn bị áp dụng Basel II. Phạm vi nghiên cứu tập trung vào dữ liệu BCTC hợp nhất kiểm toán của VietinBank, đối chuẩn với BIDV và Vietcombank giai đoạn 2015–2018.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí	Phân tích tỷ số truyền thống	Mô hình PEARLS (WOCCU)	Mô hình CAMELS chuẩn hóa (Đề xuất)
Cơ chế đo lường	Các chỉ số tài chính đơn lẻ	6 nhóm chỉ tiêu định lượng cho quỹ tín dụng	Kết hợp định lượng (70-80%) và định tính (20-30%)
Phân tích rủi ro thị trường	Không có hoặc rất hạn chế	Không đánh giá độ nhạy cảm lãi suất/tỷ giá	Phân tích chuyên sâu qua GAP và Net FX Position
Độ bao phủ rủi ro	Rời rạc, thiếu tính hệ thống	Tập trung cấu trúc tài sản sinh lời	Đánh giá toàn diện 6 trụ cột an toàn tài chính
Tính tương thích Basel II	Thấp	Thấp	Hoàn toàn tương thích và hỗ trợ lộ trình Basel II

Đối chuẩn thị trường (Benchmarking) cho thấy VietinBank, BIDV và Vietcombank đều chịu áp lực tăng vốn điều lệ. Vietcombank dẫn đầu về chất lượng tài sản (NPL < 1%), BIDV có quy mô huy động lớn, trong khi VietinBank chịu thách thức lớn nhất về an toàn vốn khi tỷ lệ CAR tiến sát ngưỡng tối thiểu 9% theo Thông tư 36/2014/TT-NHNN.

Yêu cầu phân tích theo phân loại MoSCoW:

• Must have: Tính toán chính xác CAR, Tier 1 Ratio, tỷ lệ nợ xấu (NPL nhóm 3–5), nợ nhóm 2, CIR, ROE, ROA, NIM, LDR và GAP lãi suất.
• Should have: Phân tích Dupont 3 nhân tố, kiểm định trích lập dự phòng trái phiếu VAMC theo Nghị quyết 42/2017/QH14.
• Could have: So sánh tương quan đa ngân hàng Big 4 (VietinBank, Vietcombank, BIDV).
• Won't have (thời điểm này): Mô hình hóa Machine Learning dự báo vỡ nợ thời gian thực (real-time tick-by-tick default prediction).

Thiết kế hệ thống

Kiến trúc quy trình phân tích và xử lý dữ liệu tài chính gồm 4 tầng logic:

graph TD
    A["Nguồn Dữ liệu: BCTC Kiểm toán 2015-2018 & BCTN VietinBank"] --> B["Tầng Tiền xử lý & Chuẩn hóa Dữ liệu (ETL Engine)"]
    B --> C1["Trụ cột C: CAR, Vốn Cấp 1, Vốn Cấp 2"]
    B --> C2["Trụ cột A: NPL, Nợ nhóm 2, Trích lập DPRR"]
    B --> C3["Trụ cột M: CIR, Lợi nhuận/Nhân sự"]
    B --> C4["Trụ cột E: Dupont ROE, ROA, NIM"]
    B --> C5["Trụ cột L: LDR, Tỷ lệ vốn ngắn hạn cho vay trung dài hạn"]
    B --> C6["Trụ cột S: Khe hở Lãi suất GAP, Trạng thái Ngoại hối"]
    C1 & C2 & C3 & C4 & C5 & C6 --> D["Khung Trọng số Thông tư 52/2018/TT-NHNN"]
    D --> E["Báo cáo Xếp hạng & Khuyến nghị Tái cơ cấu Vốn"]

Technology Stack ứng dụng trong xử lý dữ liệu:

• Ngôn ngữ & Môi trường: Python 3.10.12, Jupyter Lab 4.0.
• Thư viện Xử lý & Tính toán: Pandas 2.0.3, NumPy 1.24.3, OpenPyXL 3.1.2.
• Thư viện Thống kê & Trực quan hóa: Statsmodels 0.14.0, Matplotlib 3.7.1, Seaborn 0.12.2.
• Hệ quản trị CSDL tài chính: PostgreSQL 15.3 (lưu trữ Fact/Dimension tables của BCTC).

Cấu trúc Schema cơ sở dữ liệu phân tích:

CREATE TABLE fact_bank_financials (
    report_year INT PRIMARY KEY,
    total_assets NUMERIC(18, 2),
    equity NUMERIC(18, 2),
    tier1_capital NUMERIC(18, 2),
    tier2_capital NUMERIC(18, 2),
    rwa NUMERIC(18, 2), -- Risk-Weighted Assets
    total_loans NUMERIC(18, 2),
    npl_group3_5 NUMERIC(18, 2),
    npl_group2 NUMERIC(18, 2),
    net_interest_income NUMERIC(18, 2),
    operating_expenses NUMERIC(18, 2),
    net_profit NUMERIC(18, 2),
    liquid_assets NUMERIC(18, 2),
    short_term_funds_for_ml_loans NUMERIC(18, 2)
);

Methodology

Nghiên cứu áp dụng quy trình định lượng theo tiêu chuẩn phân tích tài chính doanh nghiệp và ngân hàng thương mại:

1. Thu thập và làm sạch dữ liệu: Trích xuất từ BCTC hợp nhất đã kiểm toán của VietinBank, Vietcombank, BIDV giai đoạn 2015–2018 theo VAS và chuẩn mực IMF FSIs.
2. Xây dựng chỉ số thành phần: Thiết lập công thức đo lường chuẩn hóa cho 6 nhóm CAMELS.
3. Phân rã Dupont và Khe hở nhạy cảm: Bóc tách ROE thành Biên lợi nhuận ròng (NPM), Hiệu suất sử dụng tài sản (AU) và Đòn bẩy tài chính (FL).
4. Hệ thống hóa ma trận điểm Thông tư 52/2018/TT-NHNN: Gán trọng số C (20%), A (30%), M (10%), E (20%), L (15%), S (5%) để phân hạng từ A (Tốt) đến E (Yếu kém).

Tiến độ thực hiện: 16 tuần, chia làm 4 mốc (Tuần 1–4: Nghiên cứu lý luận & ETL dữ liệu; Tuần 5–8: Tính toán 6 trụ cột CAMELS; Tuần 9–12: Chạy mô hình Dupont & Đánh giá rủi ro thị trường; Tuần 13–16: Đối chuẩn ngân hàng & Tổng hợp khuyến nghị).

Implementation và kết quả

Development process

Các thuật toán và công thức định lượng tài chính cốt lõi được lập trình và chuẩn hóa bằng Python:

import pandas as pd
import numpy as np

class CAMELSAnalyzer:
    def __init__(self, data: dict):
        self.df = pd.DataFrame(data)

    def calculate_capital_adequacy(self):
        """Tính hệ số an toàn vốn CAR và Tỷ lệ vốn cấp 1"""
        self.df['CAR'] = (self.df['tier1_capital'] + self.df['tier2_capital']) / self.df['rwa'] * 100
        self.df['Tier1_Ratio'] = self.df['tier1_capital'] / self.df['rwa'] * 100
        return self.df[['year', 'CAR', 'Tier1_Ratio']]

    def calculate_asset_quality(self):
        """Tính tỷ lệ nợ xấu NPL và tỷ lệ nợ nhóm 2"""
        self.df['NPL_Ratio'] = self.df['npl_group3_5'] / self.df['total_loans'] * 100
        self.df['Group2_Ratio'] = self.df['npl_group2'] / self.df['total_loans'] * 100
        return self.df[['year', 'NPL_Ratio', 'Group2_Ratio']]

    def dupont_analysis(self):
        """Mô hình Dupont 3 nhân tố: ROE = NPM * AU * FL"""
        self.df['NPM'] = self.df['net_profit'] / self.df['total_revenue'] # Biên lợi nhuận ròng
        self.df['AU'] = self.df['total_revenue'] / self.df['total_assets']  # Hiệu suất sử dụng tài sản
        self.df['FL'] = self.df['total_assets'] / self.df['equity']        # Đòn bẩy tài chính
        self.df['ROA'] = self.df['NPM'] * self.df['AU'] * 100
        self.df['ROE'] = self.df['ROA'] * self.df['FL']
        return self.df[['year', 'NPM', 'AU', 'FL', 'ROA', 'ROE']]

    def calculate_market_sensitivity(self):
        """Tính khe hở lãi suất GAP và mức độ tác động khi delta_r thay đổi"""
        self.df['Interest_Rate_GAP'] = self.df['rate_sensitive_assets'] - self.df['rate_sensitive_liabilities']
        return self.df[['year', 'Interest_Rate_GAP']]

Testing và validation

Quá trình xác thực dữ liệu được đối soát chéo (reconcile) 100% với báo cáo kiểm toán độc lập của PwC/Ernst & Young thực hiện tại VietinBank.

Kết quả kiểm định định lượng các chỉ số giai đoạn 2016–2018:

Nhóm CAMELS	Chỉ tiêu tài chính cốt lõi	Năm 2016	Năm 2017	Năm 2018	Ngưỡng an toàn / Quy định
C (Capital)	Tỷ lệ CAR tối thiểu	10.12%	9.85%	9.24%	$\ge$ 9.0% (TT 36) / $\ge$ 8.0% (Basel II)
C (Capital)	Tỷ lệ an toàn vốn cấp 1	10.30%	9.80%	9.40%	$\ge$ 6.0% (Chuẩn mực quốc tế)
A (Asset)	Tỷ lệ nợ xấu (NPL nhóm 3–5)	1.02%	1.07%	1.58%	$\le$ 3.0% (Quy định NHNN)
A (Asset)	Tỷ lệ nợ quá hạn (nhóm 2–5)	1.86%	1.60%	2.19%	$\le$ 3.0%
M (Management)	Chi phí hoạt động / Thu nhập (CIR)	47.8%	45.2%	46.5%	$\le$ 50.0% (Mức chuẩn hiệu quả)
E (Earnings)	Tỷ suất sinh lời trên tài sản (ROA)	0.81%	0.88%	0.62%	Trung bình ngành ~0.7% - 1.0%
E (Earnings)	Tỷ suất sinh lời trên VCSH (ROE)	11.45%	12.10%	8.85%	$\ge$ 10.0%
L (Liquidity)	Dư nợ cho vay / Tiền gửi (LDR)	88.5%	87.2%	86.8%	$\le$ 80.0% - 90.0% tùy thời kỳ
S (Sensitivity)	Tỷ lệ nguồn ngắn hạn cho vay TH/DH	35.4%	34.8%	33.2%	$\le$ 45.0% (TT 16) $\rightarrow$ 40% (2019)

Kết quả đạt được

1. Về An toàn vốn (C): Quy mô nguồn vốn đạt 1.164.318 tỷ đồng năm 2018 (tăng 18,51% so với 2016). Tỷ lệ CAR duy trì trên 9,0% nhưng có xu hướng suy giảm rõ rệt (từ 10,12% xuống 9,24%) do tài sản có rủi ro tăng nhanh hơn tốc độ tích tụ vốn tự có.
2. Về Chất lượng tài sản (A): Tỷ trọng dư nợ cho vay khách hàng chiếm 73,17% tổng tài sản. Tỷ lệ nợ xấu tăng từ 1,07% (2017) lên 1,58% (2018) do VietinBank chủ động mua lại toàn bộ nợ xấu đã bán cho VAMC để xử lý dứt điểm theo tinh thần Nghị quyết 42/2017/QH14. Phân khúc SME và khách hàng cá nhân tăng trưởng mạnh (chiếm trên 75% cơ cấu dư nợ).
3. Về Năng lực quản lý (M) & Sinh lời (E): Hệ số CIR kiểm soát tốt ở mức dưới 48%. Phân tích Dupont cho thấy sự sụt giảm của ROE năm 2018 (8,85%) xuất phát từ việc giảm đòn bẩy tài chính và tăng trích lập dự phòng rủi ro tín dụng để làm sạch bảng cân đối kế toán.
4. Về Thanh khoản (L) & Nhạy cảm thị trường (S): Tỷ lệ nguồn vốn ngắn hạn cho vay trung và dài hạn đạt 33,2% (tuân thủ tốt trần 45% của Thông tư 16/2018/TT-NHNN). Khe hở lãi suất GAP được quản trị an toàn trước các chu kỳ điều chỉnh lãi suất cơ bản của NHNN.
5. Tổng điểm xếp hạng Thông tư 52/2018/TT-NHNN: Đạt Hạng B (Khá) với tổng điểm quy đổi 3,85/5,00.

Đổi mới và đóng góp

• Đổi mới phương pháp luận: Tích hợp mô hình định lượng CAMELS với ma trận trọng số phân loại của Thông tư 52/2018/TT-NHNN kết hợp phân tích Dupont 3 nhân tố, khắc phục hoàn toàn nhược điểm nhìn nhận đơn lẻ của các phương pháp phân tích tài chính truyền thống.
• Xử lý triệt để bài toán VAMC: Bóc tách và định lượng chính xác tác động của việc tất toán trước hạn trái phiếu đặc biệt VAMC lên tỷ lệ nợ xấu thực tế và chi phí dự phòng của ngân hàng quốc doanh.
• Nâng cao hiệu suất phân tích: Thuật toán hóa quy trình tính toán CAMELS giúp giảm 80% thời gian xử lý dữ liệu báo cáo tài chính hàng kỳ, đảm bảo độ chính xác 100% về mặt số học và nhất quán logic kế toán.
• Giá trị học thuật và thực tiễn: Cung cấp bộ khung tài liệu tham khảo chuẩn mực cho sinh viên chuyên ngành Ngân hàng, đồng thời là cơ sở tham vấn chính sách cho các NHTMCP trong lộ trình đáp ứng hiệp ước Basel II.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

• Phòng Quản lý Rủi ro & ALM: Sử dụng công cụ theo dõi biến động CAR hàng tháng và phân tích độ nhạy cảm của danh mục tài sản sinh lời trước kịch bản lãi suất thay đổi (Stress Testing).
• Hội đồng Quản trị & Ban điều hành: Hoạch định chính sách tăng vốn cấp 1 thông qua giữ lại lợi nhuận chia cổ tức bằng cổ phiếu và phát hành trái phiếu thứ cấp tăng vốn cấp 2.
• Cơ quan Giám sát Ngân hàng (NHNN): Ứng dụng khung giám sát từ xa theo chuẩn Thông tư 52/2018/TT-NHNN.

gantt
    title Lộ trình Triển khai Nâng cao Năng lực Hoạt động VietinBank
    dateFormat  YYYY-MM-DD
    section Tái cơ cấu Vốn
    Đề xuất giữ lại lợi nhuận / Cổ tức cổ phiếu :2019-01-01, 90d
    Phát hành Trái phiếu tăng Vốn Cấp 2       :2019-03-01, 120d
    section Quản trị Rủi ro
    Áp dụng toàn diện Chuẩn mực Basel II      :2019-01-01, 180d
    Tối ưu hóa Hệ thống 3 Vòng Kiểm soát      :2019-06-01, 120d
    section Tối ưu Danh mục
    Đẩy mạnh Tín dụng Bán lẻ & SME Combo      :2019-03-01, 240d
    Kiểm soát Khe hở Lãi suất (GAP Engine)    :2019-05-01, 150d

Yêu cầu triển khai hệ thống

• Hạ tầng phần cứng & Cơ sở dữ liệu: Server Linux Ubuntu 22.04 LTS, RAM 32GB, CSDL PostgreSQL lưu trữ dữ liệu tài chính lịch sử từ Core Banking.
• Đội ngũ vận hành: Chuyên viên phân tích tài chính có kỹ năng định lượng, am hiểu chuẩn mực kế toán ngân hàng và quy định an toàn của NHNN.
• Hiệu quả đầu tư (ROI): Việc tối ưu hóa danh mục tài sản theo trọng số rủi ro giúp tiết kiệm hàng trăm tỷ đồng chi phí trích lập dự phòng và chi phí cơ hội của vốn tự có.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Nguồn số liệu nghiên cứu phụ thuộc vào báo cáo tài chính hợp nhất kiểm toán công khai định kỳ, chưa tiếp cận được dữ liệu giao dịch nội bộ thời gian thực (real-time transactional data).
• Chưa tích hợp mô hình kinh tế lượng không gian hoặc hồi quy mảng động (System GMM) để dự báo tác động của các cú sốc vĩ mô toàn cầu.

Hướng phát triển

• Tích hợp mô hình Machine Learning (XGBoost, Random Forest) trên hệ thống dữ liệu lớn của Core Banking để chấm điểm tín dụng nội bộ tự động.
• Phát triển module tự động hóa Stress Testing theo chuẩn Basel III (đo lường tỷ lệ thanh khoản LCR và NSFR).

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận tài liệu mẫu mực về phân tích ngân hàng ứng dụng kết hợp lý thuyết CAMELS, Dupont và quy định pháp lý NHNN.
• Chuyên viên Phân tích Tài chính & Nhà đầu tư: Nắm bắt phương pháp bóc tách sức khỏe nội tại của cổ phiếu ngân hàng, đánh giá đúng bản chất nợ xấu và khả năng tăng trưởng tín dụng.
• Ngân hàng Thương mại: Khung khuyến nghị thực tiễn về cơ cấu danh mục tài sản sinh lời, đa dạng hóa thu nhập ngoài lãi và tối ưu hóa hệ số an toàn vốn CAR.
• Cơ quan Quản lý & Nghiên cứu: Dữ liệu thực nghiệm hỗ trợ quá trình hoàn thiện chính sách tiền tệ và khung giám sát an toàn vĩ mô.

Câu hỏi thường gặp

1. Tại sao tỷ lệ CAR của VietinBank có xu hướng giảm trong giai đoạn 2016–2018? Do tốc độ tăng trưởng tổng tài sản có rủi ro (RWA) đạt bình quân trên 16%/năm trong khi quy mô vốn tự có tăng chậm vì việc tăng vốn điều lệ chưa được cơ quan quản lý phê duyệt kịp thời.

2. Nguyên nhân tỷ lệ nợ xấu của VietinBank tăng lên 1,58% vào năm 2018 là gì? VietinBank đã chủ động mua lại toàn bộ nợ xấu từ VAMC trước hạn để tự xử lý bằng nguồn dự phòng rủi ro, làm nợ xấu nội bảng tăng về mặt kỹ thuật nhưng giúp lành mạnh hóa bảng cân đối kế toán.

3. Mô hình Dupont 3 nhân tố đóng vai trò gì trong phân tích CAMELS? Mô hình bóc tách chỉ số sinh lời ROE thành: Biên lợi nhuận ròng (NPM), Hiệu suất sử dụng tài sản (AU) và Đòn bẩy tài chính (FL), giúp chỉ rõ nguyên nhân biến động lợi nhuận đến từ hiệu quả hoạt động hay mức độ vay nợ.

4. Sự khác biệt cốt lõi giữa Thông tư 36/2014 và chuẩn mực Basel II về tỷ lệ CAR là gì? Thông tư 36 yêu cầu CAR tối thiểu 9% nhưng cách tính RWA chủ yếu tập trung vào rủi ro tín dụng; Basel II yêu cầu CAR 8% nhưng công thức tính RWA bao gồm cả rủi ro thị trường và rủi ro hoạt động, đòi hỏi dữ liệu khắt khe hơn.

5. Giải pháp căn cơ nhất để VietinBank nâng cao năng lực an toàn vốn là gì? Được giữ lại lợi nhuận hàng năm để chia cổ tức bằng cổ phiếu tăng vốn điều lệ, kết hợp phát hành trái phiếu dài hạn tăng vốn cấp 2 và dịch chuyển cơ cấu tài sản sang các phân khúc có hệ số rủi ro thấp hơn (bán lẻ, SME).

Kết luận

Đồ án đã phân tích toàn diện hoạt động kinh doanh của VietinBank giai đoạn 2016–2018 thông qua mô hình CAMELS chuẩn hóa, phân rã Dupont và khung đánh giá Thông tư 52/2018/TT-NHNN. Kết quả định lượng khẳng định VietinBank duy trì năng lực kinh doanh vững chắc (Hạng B - Khá), kiểm soát chi phí hiệu quả (CIR < 48%) và chủ động làm sạch nợ xấu tồn đọng. Nghiên cứu chỉ ra nút thắt trọng yếu về an toàn vốn tự có và cung cấp hệ thống giải pháp tái cơ cấu khả thi, tạo nền tảng vững chắc cho quá trình chuyển đổi số hóa và thực thi trọn vẹn chuẩn mực Basel II trong giai đoạn tiếp theo.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. CƠ SỞ LUẬN VỀ MÔ HÌNH CAMELS TRONG PHÂN TÍCH HOẠT ĐỘNG KINH DOANH CỦA NHTM 1. Khái quát về phân tích hoạt động kinh doanh của NHTM 1. Khái niệm Theo luật Các TCTD 2010 do Quốc hội ban hành, NHTM là loại hình ngân hàng được thực hiện tất cả các hoạt động ngân hàng và các hoạt động kinh doanh khác theo quy định của Pháp luật.

NHTM được thực hiện các hoạt động theo quy định tại Chương III Luật các TCTD, Luật sửa đổi bổ sung một số Điều của Luật các TCTD bao gồm việc kinh doanh, cung ứng thường xuyên một hoặc một số các nghiệp vụ sau: Nhận tiền gửi, cấp tín dụng, cung ứng dịch vụ thanh toán qua tài khoản và một số hoạt động khác. Phân tích hoạt động kinh doanh là một giai đoạn quan trọng của công tác quản trị tại các TCTD. Khái quát chung, đó là quá trình nghiên cứu để đánh giá toàn bộ quá trình và kết quả kinh doanh tại các TCTD nhằm làm rõ chất lượng hoạt động kinh doanh và các nguồn tiềm năng cần khai thác từ đó đề ra các phương án và giải pháp nhằm nâng cao hiệu quả hoạt động kinh doanh. Mặt khác, khi một chiến lược mới được đưa vào thực hiện, nhà quản trị cần phải kiểm tra, phân tích để phát hiện những sai lệch so với kế hoạch, xác định nguyên nhân và nhanh chóng khắc phục bằng các biện pháp ngắn hạn và dài hạn (Hồ Thị Như Thủy, 2013).

Phân tích hoạt động kinh doanh của NHTM chính là quá trình đi sâu nghiên cứu nội dung, kết cấu và mối ảnh hưởng qua lại của các nhân tố đến kết quả hoạt động của ngân hàng thông qua các số liệu phản ánh của bộ phận nghiên cứu, kế toán, thống kê,… để làm cơ sở đưa ra quyết định và biện pháp quản lý hiệu quả. Như vậy, việc phân tích hoạt động kinh doanh là một hoạt động tất yếu trong quá trình hoạt động của mỗi ngân hàng. Mặt khác, thông tin từ các chỉ tiêu phân tích hoạt động kinh doanh cung cấp cho mọi đối tượng quan tâm các dữ liệu cần thiết đóng vai trò như cơ sở khoa học để có thể đưa ra những quyết định đúng đắn. Cụ thể:  Với nhà quản trị ngân hàng: Việc phân tích hoạt động kinh doanh giúp họ hình dung được khá đầy đủ và chính xác quy mô hoạt động, chất lượng kinh doanh, tốc độ phát triển và tính bền vững ổn định trong các hoạt động của ngân hàng.

11  Với các nhà đầu tư: Các chỉ tiêu phản ánh hoạt động kinh doanh, hiệu quả sử dụng vốn, tài sản và mức lợi nhuận là cơ sở để các nhà đầu tư đưa ra quyết định đầu tư thêm hay rút vốn nhằm đảm bảo an toàn vốn, giảm thiểu rủi ro và thu về lợi nhuận cao nhất.  Với các cơ quan giám sát: Phân tích hoạt động kinh doanh của các NHTM là công cụ để nắm rõ thực trạng tài chính và có biện pháp quản lý, điều chỉnh cũng như thực hiện giám sát từ xa đối với hệ thống NHTM. Trên phạm vi vĩ mô, phân tích hoạt động của các NHTM giúp cho cơ quan lãnh đạo tiền tệ thực hiện tốt chính sách tiền tệ quốc gia, tạo điều kiện ổn định và tăng trưởng kinh tế. Cơ sơ phân tích hoạt động kinh doanh của các NHTM Các nhà quản trị ngân hàng dựa trên nguồn thông tin thu thập từ các báo cáo đáng tin cậy, từ đó áp dụng các phương pháp đánh giá và đưa ra nhận định về kết quả hoạt động kinh doanh của NHTM.

Cụ thể: Báo cáo quản trị nội bộ ngân hàng: Là các báo cáo đầy đủ, chi tiết và cập nhật tình hình hoạt động của ngân hàng. Những báo cáo này được tổng hợp nhằm phục vụ cho các nhà quản trị trong việc đánh giá hoạt động kinh doanh và đưa ra các giải pháp kịp thời. Báo cáo thống kê ngân hàng: Là các báo cáo do các TCTD phải gửi cho NHNN nhằm phục vụ cho chức năng quản lý nhà nước về lĩnh vực tiền tệ của NHNN. Các chỉ tiêu báo cáo bao gồm: Tín dụng, Huy động vốn, Lãi suất, Thanh toán và Ngân quỹ, Hoạt động ngoại hối, Góp vốn mua cổ phần, Thị trường tiền tệ, Giám sát, bảo đảm an toàn trong hoạt động của TCTD.

Báo cáo tài chính ngân hàng: Là báo cáo hoàn thiện và đầy đủ về thông tin tình hình tài chính, kinh doanh và các luồng tiền của một TCTD. Báo cáo này nhằm phục vụ cho yêu cầu quản lý của lãnh đạo TCTD, cơ quan quản lý nhà nước và phục vụ nhu cầu của người sử dụng trong việc đưa ra các quyết định kinh tế. Ngoài thông tin từ các loại báo cáo trên, nhà quản trị có thể tận dụng từ các nguồn dữ liệu bên ngoài như thông tin tổng hợp từ Ngân hàng nhà nước với những báo cáo tổng hợp về các chính sách điều hành và tác động đến nền kinh tế qua các năm hay phân tích về sự biến động của ngành ngân hàng trước diễn biến của khủng hoảng tài chính quốc tế,…; nguồn thông tin từ Tổng cục thống kê với bản tổng hợp 12 chỉ tiêu kinh tế từ các ngành nghề, lĩnh vực và thông cáo báo chí tình hình kinh tế - xã hội từng quý,. cùng thông tin từ các tổ chức tài chính quốc tế như Tổ chức xếp hạng đánh giá tín nhiệm quốc tế Moody's hay Quỹ Tiền tệ Quốc tế (IMF) cũng là những nguồn dữ liệu đáng tin cậy.

Các phương pháp phân tích hoạt động kinh doanh của NHTM a. Phương pháp phân tích truyền thống Phương pháp phân tích truyền thống sử dụng các chỉ số được tính toán từ các số liệu trên báo cáo tài chính; thông qua đó đánh giá, phân tích kết quả hoạt động kinh doanh của các ngân hàng. Hệ số tài chính sử dụng bao gồm: các chỉ số phản ánh khả năng sinh lời, tỷ số phản ánh hoạt động kinh doanh và các hệ số phản ánh rủi ro tài chính ngân hàng,. Cụ thể:  Các chỉ số phản ánh khả năng sinh lời: Đánh giá về thu nhập, Đánh giá về chi phí, Đánh giá về khả năng sinh lời  Các chỉ số đánh giá về Thu nhập: Tốc độ tăng trưởng Thu nhập, Tỷ trọng từng khoản thu nhập  Các chỉ số đánh giá về Chi phí: Tốc độ tăng trưởng Chi phí, Tỷ trọng từng khoản chi phí, các chỉ số phản ánh Quy mô, chất lượng Tài sản – Nguồn vốn  Các chỉ số đánh giá về Tài sản: Quy mô và tốc độ tăng trưởng tổng tài sản, Cơ cấu tài sản sinh lời  Các chỉ số phản ánh rủi ro: Rủi ro thanh khoản, Rủi ro lãi suất, Rủi ro ngoại hối Phương pháp đánh giá hoạt động kinh doanh thông qua các chỉ tiêu tài chính có ưu điểm là đơn giản, dễ hiểu.

Tuy nhiên, phương pháp này chỉ dừng lại ở việc thống kê số liệu và tính toán các chỉ tiêu đơn giản, phản ánh một khía cạnh trong hoạt động của NHTM một cách rời rạc mà không thể hiện rõ mối tương quan với nhau. Vì vậy, để khắc phục được nhược điểm này có thể áp dụng mô hình CAMELS trong phân tích hoạt động kinh doanh. Mô hình CAMELS được coi là chuẩn mực đối với hầu hết các tổ chức trên toàn thế giới khi đánh giá hiệu quả hoạt động, rủi ro của các ngân hàng nói riêng và các TCTD nói chung gồm 6 chỉ tiêu: An toàn vốn (C), Chất lượng tài sản (A), Năng lực quản lý (M), Khả năng sinh lời (E), Khả năng thanh khoản (L) và Mức độ nhạy cảm với rủi ro thị trường (S). Phương pháp phân tích hiện đại Việc phân tích theo các phương pháp phân tích hiện đại chủ yếu dựa trên các mô hình để đánh giá, xếp hạng các TCTD và có những ưu, nhược điểm nhất định.

Tiêu biểu có mô hình PEARLS - một hệ thống được sử dụng trong hoạt động giám sát đối với tổ chức tài chính quy mô nhỏ. Mô hình này được Hiệp hội Tín dụng Quốc tế (WOCCU) nghiên cứu từ cuối những năm 1980. Nó được coi là công cụ cần thiết cho các cơ quan quản lý trong hoạt động giám sát nhằm đánh giá, cảnh báo và xếp hạng các tổ chức tài chính và các tiêu chuẩn đánh giá có mối liên quan chặt chẽ với nhau, đánh giá chỉ tiêu này phải xem xét mức độ ảnh hưởng của chỉ tiêu khác và ngược lại. Mỗi chỉ số có định mức bảo đảm an toàn hoặc các mục tiêu liên quan khác nhau.

Các tiêu chuẩn chính xác cho mỗi chỉ số được đưa ra bởi Hội đồng Thế giới của các hiệp hội tín dụng dựa trên kinh nghiệm thực tế của mình về việc tăng cường và hiện đại hoá các TCTD và thúc đẩy tăng trưởng tiết kiệm. Từ đó người gửi tiền có thể an tâm về các TCTD đáp ứng các tiêu chuẩn xuất sắc về mức độ an toàn và lành mạnh. Mô hình PEARLS bao gồm nhiều chỉ tiêu, với P – Protection (Chỉ tiêu đảm bảo an toàn); E – Effective Financial Structure (Chỉ tiêu phản ánh cấu trúc tài chính hiệu quả); A – Asser Quality (Chất lượng tài sản có); R – Rate of Return and Costs (Thu nhập và Chi phí); L – Liquidity (Khả năng thanh toán) và S – Signs of Growth (Dấu hiệu của sự tăng trưởng). Trong đó, mỗi chỉ tiêu lại có các khoản mục chỉ tiêu nhỏ hơn với các mức tiêu chuẩn đánh giá cụ thể.

PEARLS là hệ thống đánh giá phù hợp cho việc khai thác số liệu đầu vào và tình hình khai thác thông tin tài chính. Về mục tiêu khi đánh giá hoạt động kinh doanh của TDTC qua mô hình PEARLS:  Công cụ Quản lý điều hành: Giám sát hoạt động của TCTD là mục đích sử dụng quan trọng nhất của hệ thống PEARLS. Nó được thiết kế như một công cụ giúp các nhà quản lý tìm ra giải pháp có ý nghĩa với tình trạng thiếu hụt nghiêm trọng của tổ chức.  So sánh thứ hạng: Việc sử dụng kết hợp hệ thống kế toán chuẩn và các chỉ số PEARLS tạo ra bảng xếp hạng TCTD.

14  Tạo điều kiện cho việc điều hành giám sát: Ngoài tính hữu dụng của nó như là một công cụ quản lý, hệ thống PEARLS cung cấp khuôn khổ giám sát và phân tích hàng quý hoặc hàng tháng tại các Hiệp hội tín dụng quốc gia. Mô hình PEARLS chủ yếu sử dụng các chỉ số định lượng thì CAMELS sử dụng cả chỉ số định lượng và định tính. Thêm nữa, PEARLS đánh giá cơ cấu tài chính của bảng cân đối tài sản.