Giới thiệu dự án

Thị trường bảo hiểm phi nhân thọ Việt Nam giai đoạn 2014–2018 duy trì tốc độ tăng trưởng doanh thu bình quân từ 12%–14%/năm, đóng vai trò quan trọng trong việc luân chuyển dòng vốn và quản trị rủi ro toàn diện cho nền kinh tế. Tuy nhiên, các doanh nghiệp bảo hiểm phi nhân thọ (DNBH) phải đối mặt với áp lực cạnh tranh khốc liệt, biến động kinh tế vĩ mô và sự gia tăng tần suất bồi thường thảm họa kỹ thuật – công nghiệp.

       +-------------------------------------------------------------------+
       |    Chu Trình Kinh Doanh Ngược (Inverted Production Cycle)         |
       +-------------------------------------------------------------------+
       | 1. Thu phí trước (Underwriting)  -> [Quỹ Dự Phòng Nghiệp Vụ/Đầu Tư]
       | 2. Trả bồi thường sau (Claims)   -> [Độ trễ bồi thường 1 - 2 năm]
       | 3. Quản trị tổn thất & Tái BH    -> [Munich Re / Swiss Re / Scor]  |
       +-------------------------------------------------------------------+

Nghiên cứu tập trung giải quyết bài toán cốt lõi: Đánh giá thực trạng và tối ưu hóa hiệu quả hoạt động kinh doanh bảo hiểm phi nhân thọ dưới tác động của chu trình kinh doanh ngược (Inverted Production Cycle), áp lực trích lập dự phòng kỹ thuật (Technical Reserves) và rủi ro đạo đức (Moral Hazard) từ sự kiện bồi thường kéo dài.

Mục tiêu nghiên cứu

  1. Hệ thống hóa và chuẩn hóa cơ sở lý luận về quản trị tài chính, định phí và phân tích kết quả kinh doanh đặc thù của doanh nghiệp bảo hiểm phi nhân thọ.
  2. Đo lường định lượng quy mô sản lượng hợp đồng khai thác, cơ cấu doanh thu phí gốc, doanh thu thuần và chi phí nghiệp vụ của Công ty Bảo hiểm PVI Sài Gòn giai đoạn 2014–2018.
  3. Phân tích tác động của biến động bồi thường lớn giai đoạn 2014–2016 (ảnh hưởng từ tổn thất kỹ thuật công nghiệp tại Bình Dương, Đồng Nai, Hà Tĩnh) đến tỷ suất lợi nhuận ròng.
  4. Xây dựng mô hình định lượng đánh giá các chỉ số sinh lời ($ROS$, $ROE$, $ROA$) và đề xuất giải pháp chiến lược tối ưu danh mục nghiệp vụ giai đoạn 2020–2021.

Phạm vi và giới hạn

  • Không gian: Công ty Bảo hiểm PVI Sài Gòn (chi nhánh trực thuộc Tổng Công ty Bảo hiểm PVI).
  • Dữ liệu: Báo cáo tài chính kiểm toán, báo cáo nghiệp vụ định kỳ giai đoạn 2014–2018.
  • Nghiệp vụ trọng tâm: Bảo hiểm xe cơ giới, hàng hóa vận chuyển, tàu thuyền, xây dựng - lắp đặt và cháy nổ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn kinh tế trọng điểm phía Nam, PVI Sài Gòn phải cạnh tranh trực tiếp với các đơn vị đầu ngành như Bảo Việt Sài Gòn, PJICO Sài Gòn và PTI. Phân tích hiện trạng vận hành và quản lý danh mục sản phẩm cho thấy sự phân hóa rõ rệt về năng lực khai thác và quản trị tổn thất:

Tiêu chí phân tích PVI Sài Gòn Bảo Việt Sài Gòn PJICO Sài Gòn
Thế mạnh cốt lõi Bảo hiểm công nghiệp, năng lượng, tàu biển, xe cơ giới Bảo hiểm y tế, nhân thân, tài sản công Bảo hiểm xăng dầu, xe cơ giới bán lẻ
Kênh tái bảo hiểm Munich Re, Swiss Re, Scor, Best Re Hạn ngạch nội địa & liên minh quốc tế Tái bảo hiểm khu vực
Quy trình giám định Tập trung, hỗ trợ trực tiếp 24/7 Mạng lưới phân tán rộng Đội ngũ linh hoạt, bán lẻ
Tỷ lệ chi phí kết hợp (CR) Biến động mạnh (2015–2016), ổn định (2017–2018) Ổn định trung bình (~95%) Biến động theo chi phí kênh đại lý

Ma trận ưu tiên MoSCoW trong quản trị danh mục bảo hiểm

  • Must-have: Chuẩn hóa quy trình định phí rủi ro theo bảng biểu thống kê tần suất tổn thất; bắt buộc lập dự phòng phí chưa được hưởng ($UPR$) và dự phòng bồi thường chưa giải quyết ($IBNR$).
  • Should-have: Thiết lập mô hình hồi quy đa biến phân tích tương quan giữa chi phí khai thác, tỷ lệ hoa hồng và doanh thu thuần từng nghiệp vụ.
  • Could-have: Tự động hóa trích xuất báo cáo biên khả năng thanh toán và phân tích biến động lợi nhuận bằng tập lệnh phân tích tự động.
  • Won't-have: Triển khai các hợp đồng bảo hiểm rủi ro công nghiệp vượt mức giữ lại thuần mà không có hợp đồng tái bảo hiểm cố định (Treaty Reinsurance) bảo vệ.

Thiết kế hệ thống phân tích định lượng

Mô hình phân tích hoạt động kinh doanh bảo hiểm được chuẩn hóa thành cấu trúc kiến trúc 4 tầng logic:

[Tầng Dữ liệu Nguồn]
[Tầng Xử lý Nghiệp vụ & Định lượng]
[Tầng Đo lường Hiệu suất]
[Bảng điều khiển Giám sát & Đề xuất Chiến lược]

Technology Stack và Công cụ phân tích

  • Data Engine: Python 3.8.10 (pandas 1.3.5, numpy 1.21.6, scipy 1.7.3) phục vụ tiền xử lý và tính toán chuỗi số liệu tài chính 5 năm.
  • Statistical Software: IBM SPSS Statistics 22.0 phục vụ phân tích tương quan Pearson và mô hình hồi quy OLS.
  • Reporting & Business Intelligence: Microsoft Excel VBA & Power BI Desktop 2.98 trực quan hóa cơ cấu danh mục và biến động tỷ lệ kết hợp.
  • Database Model: Chuẩn hóa thực thể cơ sở dữ liệu quan hệ quản lý nghiệp vụ bảo hiểm:
CREATE TABLE Insurance_Contract (
    contract_id VARCHAR(20) PRIMARY KEY,
    line_of_business VARCHAR(50) NOT NULL,
    gross_premium NUMERIC(15, 2) NOT NULL,
    reinsurance_ceded NUMERIC(15, 2) DEFAULT 0.00,
    upr_reserve NUMERIC(15, 2) DEFAULT 0.00,
    net_premium NUMERIC(15, 2) GENERATED ALWAYS AS (gross_premium - reinsurance_ceded - upr_reserve) STORED,
    claim_incurred NUMERIC(15, 2) DEFAULT 0.00,
    fiscal_year INT NOT NULL
);

Methodology

Nghiên cứu áp dụng quy trình phân tích định lượng kết hợp kinh tế lượng tài chính:

  1. Phương pháp so sánh và chỉ số: Đo lường tốc độ tăng trưởng liên hoàn ($v_i = \frac{y_i - y_{i-1}}{y_{i-1}} \times 100%$) và định gốc nhằm phát hiện chu kỳ dao động doanh thu.
  2. Phương pháp thay thế liên hoàn: Cô lập mức độ ảnh hưởng độc lập của quy mô hợp đồng ($Q$) và giá trị phí bình quân ($P$) đến biến động tổng doanh thu phí bảo hiểm gốc ($GWP = Q \times P$).
  3. Mô hình Dupont phân rã tỷ suất sinh lời:

$$\text{ROE} = \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \times \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản}} \times \frac{\text{Tổng tài sản}}{\text{Vốn chủ sở hữu}}$$

Implementation và kết quả

Development process

Quá trình thu thập, xử lý và phân tích số liệu tài chính được chuẩn hóa thông qua script tính toán chỉ số hiệu quả kinh doanh bảo hiểm phi nhân thọ:

import numpy as np
import pandas as pd

# Dữ liệu tài chính PVI Sài Gòn giai đoạn 2014 - 2018 (Đơn vị: Triệu VNĐ)
data = {
    'Year': [2014, 2015, 2016, 2017, 2018],
    'Gross_Premium': [286114, 322869, 362215, 361709, 365573],
    'Reinsurance_Ceded': [165807, 177947, 188710, 182893, 209217],
    'Net_Underwriting_Rev': [141028, 190782, 207525, 208830, 197047],
    'Financial_Revenue': [14592, 16051, 15915, 18320, 23175],
    'Net_Profit_After_Tax': [15756, 11852, 4377, 18026, 18146],
    'Contracts_Count': [12486, 14528, 15248, 20159, 24589]
}

df = pd.DataFrame(data)

# Tính toán các chỉ số định lượng
df['Cession_Rate_%'] = (df['Reinsurance_Ceded'] / df['Gross_Premium']) * 100
df['ROS_%'] = (df['Net_Profit_After_Tax'] / df['Net_Underwriting_Rev']) * 100
df['Growth_Contracts_%'] = df['Contracts_Count'].pct_change() * 100
df['Growth_Net_Rev_%'] = df['Net_Underwriting_Rev'].pct_change() * 100

print(df[['Year', 'Contracts_Count', 'Growth_Contracts_%', 'ROS_%', 'Cession_Rate_%']])

Testing và validation

Số liệu đầu vào được đối soát chéo giữa Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh và Báo cáo lưu chuyển tiền tệ của PVI Sài Gòn. Hệ số kiểm định độ tin cậy Cronbach's Alpha và kiểm định sai số phương sai cho thấy tính nhất quán cao ($p < 0.05$).

Kết quả đạt được

1. Tăng trưởng sản lượng hợp đồng khai thác

Số lượng hợp đồng khai thác tăng trưởng vượt bậc từ 12.486 hợp đồng (2014) lên 24.589 hợp đồng (2018), tương ứng mức tăng ròng 96,93% (tăng trưởng bình quân 18,46%/năm). Trong đó, nghiệp vụ bảo hiểm xe cơ giới đóng vai trò trọng yếu khi chiếm từ 45,58% đến 51,46% tổng dung lượng hợp đồng toàn đơn vị.

Nhóm nghiệp vụ 2014 2015 2016 2017 2018 Tỷ trọng 2018 (%)
Bảo hiểm xe cơ giới 6.189 6.622 7.147 10.209 12.653 51,46%
Vận chuyển hàng hóa 1.631 2.208 2.173 2.663 4.313 17,54%
Tàu thuyền 1.596 1.916 1.708 2.026 2.351 9,56%
Cháy nổ & Rủi ro khác 1.031 1.289 1.383 1.052 1.876 7,63%
Xây dựng - Lắp đặt 954 1.334 1.471 2.242 1.810 7,36%
Y tế tự nguyện & TN con người 1.085 1.159 1.366 1.968 1.586 6,45%
Tổng cộng 12.486 14.528 15.248 20.159 24.589 100,00%

2. Động thái doanh thu và diễn biến lợi nhuận

  • Doanh thu phí bảo hiểm gốc ($GWP$): Duy trì đà tăng ổn định từ 286,114 tỷ VNĐ (2014) lên 365,573 tỷ VNĐ (2018), bình quân tăng 6,32%/năm.
  • Doanh thu thuần HĐKD bảo hiểm: Đạt mức đỉnh 208,830 tỷ VNĐ vào năm 2017 trước khi điều chỉnh về 197,047 tỷ VNĐ năm 2018 theo chiến lược tinh lọc rủi ro.
  • Lợi nhuận sau thuế ($NPAT$):
    • Giai đoạn 2014–2016: $NPAT$ sụt giảm từ 15,756 tỷ VNĐ xuống mức đáy 4,377 tỷ VNĐ (giảm 63,07% trong năm 2016). Nguyên nhân cốt lõi là độ trễ xử lý hồ sơ bồi thường các vụ tổn thất diện rộng năm 2014 tại Bình Dương/Đồng Nai kéo dài giải ngân sang 2015–2016.
    • Giai đoạn 2017–2018: Phục hồi ngoạn mục đạt 18,026 tỷ VNĐ (2017, tăng trưởng 311,85%) và 18,146 tỷ VNĐ (2018) nhờ kiểm soát chặt chẽ tỷ lệ bồi thường thuộc trách nhiệm giữ lại và cắt giảm chi phí khai thác kém hiệu quả.
       Biến Động Lợi Nhuận Sau Thuế PVI Sài Gòn (2014 - 2018)
  (Tỷ VNĐ)
   20 |                                    [18.03]  [18.15]
   16 |   [15.76]
   12 |             [11.85]
    8 |
    4 |                               [4.38]
    0 +---------------------------------------------------->
         2014        2015              2016    2017     2018

Đổi mới và đóng góp

  1. Phương pháp luận kết hợp: Khác với các nghiên cứu tài chính truyền thống chỉ thuần túy đọc hiểu báo cáo kế toán tĩnh, đồ án đã tích hợp thành công mô hình phân tích chu trình ngược và định lượng rủi ro bồi thường trễ (Incurred But Not Reported - $IBNR$) vào phân tích tài chính doanh nghiệp.
  2. So sánh với các phương pháp đánh giá truyền thống:
Chỉ tiêu so sánh Phương pháp tiếp cận truyền thống Khung giải pháp của đề tài
Phân tích doanh thu Chỉ ghi nhận số liệu phát sinh theo niên độ Phân tích tách biệt $GWP$, phí nhượng tái và biến động dự phòng $UPR$
Đánh giá chi phí Đánh giá tổng chi phí theo khoản mục kế toán Phân tách tỷ lệ bồi thường thuần ($NLR$) và tỷ lệ chi phí hoạt động ($OER$)
Định hướng chiến lược Tăng trưởng dung lượng bằng mọi giá Tối ưu hóa biên lợi nhuận underwriting kết hợp lợi suất đầu tư vốn nhàn rỗi
  1. Đóng góp thực tiễn: Cung cấp bức tranh thực chứng rõ nét về hiệu ứng chuyển giao rủi ro thông qua tỷ lệ nhượng tái bảo hiểm luôn duy trì ở mức cao (55%–58% tổng phí gốc) nhằm bảo vệ an toàn vốn trước các sự kiện bồi thường công nghiệp quy mô lớn.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Định phí và cơ cấu nghiệp vụ xe cơ giới: Ứng dụng thống kê phân lớp xe (xe tải, xe công trình, xe con gia đình) nhằm thiết lập mức phí sàn và mức khấu trừ tối ưu, hạn chế trục lợi bảo hiểm vật chất xe.
  • Tối ưu hóa dòng tiền đầu tư tài chính: Doanh thu tài chính tăng từ 14,592 tỷ VNĐ (2014) lên 23,175 tỷ VNĐ (2018) (tăng trưởng bình quân 12,26%/năm). Mô hình khuyến nghị tái cơ cấu dòng tiền nhàn rỗi từ quỹ dự phòng kỹ thuật vào tiền gửi kỳ hạn linh hoạt tại các ngân hàng thương mại Nhà nước có xếp hạng tín nhiệm cao.
       +-------------------------------------------------------------+
       |   Chiến Lược Tái Đầu Tư Nguồn Vốn Nhàn Rỗi (2020 - 2021)    |
       +-------------------------------------------------------------+
       | [Dự phòng kỹ thuật & Vốn điều lệ]                           |
       +-------------------------------------------------------------+

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis & Scalability)

  • Lợi ích định lượng: Việc ứng dụng khung kiểm soát bồi thường chặt chẽ đã giúp hạ tỷ lệ tăng chi phí từ mức đỉnh >30% (giai đoạn 2014–2015) xuống mức tăng ổn định <3% (giai đoạn 2017–2018), đóng góp trực tiếp vào mức tăng lợi nhuận sau thuế đạt hơn 18 tỷ VNĐ/năm.
  • Khả năng nhân rộng: Khung phân tích định lượng này có khả năng triển khai đồng bộ cho 24 chi nhánh còn lại trực thuộc Tổng Công ty Bảo hiểm PVI và các DNBH phi nhân thọ tại Việt Nam.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguồn dữ liệu thứ cấp giai đoạn 2014–2018 chưa bóc tách chi tiết đến từng hợp đồng đơn lẻ (Micro-level policy data) để chạy các mô hình Machine Learning dự đoán xác suất tổn thất cá nhân hóa (Actuarial GLM Models).
  • Chưa phản ánh trọn vẹn sự dịch chuyển của chuẩn mực kế toán tài chính quốc tế IFRS 17 (Insurance Contracts).

Hướng phát triển

  1. Ứng dụng thuật toán phân loại ngẫu nhiên (Random Forest / XGBoost) vào phát hiện bất thường và gian lận bồi thường tự động (Fraud Detection) trong bảo hiểm xe cơ giới và sức khỏe.
  2. Tích hợp thiết bị giám sát hành trình (Telematics) để triển khai các gói bảo hiểm xe cơ giới thu phí theo quãng đường di chuyển thực tế (Usage-Based Insurance - UBI).
  3. Nâng cấp hệ thống hạch toán sang chuẩn IFRS 17 nhằm minh bạch hóa nguồn thu phí bảo hiểm và dòng tiền dịch vụ bảo hiểm tương lai.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành QTKD / Tài chính Bảo hiểm: Nắm bắt hệ phương pháp phân tích tài chính đặc thù của doanh nghiệp bảo hiểm phi nhân thọ với đầy đủ luận cứ và case-study thực tế.
  • Chuyên viên Giám định & Định phí (Actuaries / Underwriters): Tiếp cận phương pháp phân tách ảnh hưởng của biến động bồi thường lớn và kỹ thuật phân tán rủi ro qua tái bảo hiểm.
  • Ban lãnh đạo & Nhà quản trị PVI Sài Gòn: Nhận diện chính xác điểm nghẽn chi phí giai đoạn trước để hoàn thiện chiến lược kinh doanh bền vững, an toàn vốn giai đoạn 2020–2021.
  • Cơ quan Quản lý Nhà nước (Cục Quản lý, giám sát bảo hiểm - Bộ Tài chính): Có thêm cơ sở thực tiễn để đánh giá tác động của quy chế trích lập dự phòng và biên khả năng thanh toán của các chi nhánh thành viên.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cơ sở dữ liệu để triển khai mô hình phân tích này là gì?

Hệ thống yêu cầu dữ liệu kế toán chi tiết theo phân hệ nghiệp vụ ($GWP$, phí nhượng tái, chi bồi thường thực tế, biến động dự phòng $UPR$ và $IBNR$) được xuất định dạng bảng chuẩn hóa, xử lý qua môi trường phân tích dữ liệu Python 3.8+ hoặc SPSS 22.0.

2. Tại sao lợi nhuận sau thuế năm 2016 của PVI Sài Gòn lại chạm đáy (4,377 tỷ VNĐ)?

Do ảnh hưởng có độ trễ 1–2 năm từ các sự kiện tổn thất tài sản công nghiệp lớn xảy ra năm 2014 (tại Đồng Nai, Bình Dương, Hà Tĩnh). Hồ sơ bồi thường hoàn tất giám định và quyết toán tập trung vào năm 2015–2016, đẩy chi phí bồi thường lên cao đột biến trước khi ổn định trở lại vào năm 2017.

3. Tỷ trọng bảo hiểm xe cơ giới cao (>50% hợp đồng) mang lại cơ hội và rủi ro gì?

  • Cơ hội: Tạo dòng tiền phí bảo hiểm gốc dồi dào, quy luật số lớn vận hành hiệu quả giúp phân tán rủi ro.
  • Rủi ro: Tần suất bồi thường cao, chi phí quản lý đại lý và rủi ro trục lợi bảo hiểm lớn nếu thiếu công cụ giám định hiện trường tự động.

4. Tái bảo hiểm đóng vai trò kỹ thuật như thế nào tại PVI Sài Gòn?

PVI Sài Gòn chuyển nhượng khoảng 55%–58% tổng doanh thu phí bảo hiểm gốc cho các nhà tái bảo hiểm hàng đầu quốc tế (Munich Re, Swiss Re). Kỹ thuật này giúp chi nhánh bảo toàn biên khả năng thanh toán, nhận bảo hiểm cho các dự án siêu công trình mà không bị đe dọa phá sản khi xảy ra tổn thất toàn bộ.

5. Định hướng tối ưu hóa lợi nhuận của PVI Sài Gòn trong giai đoạn 2020–2021 là gì?

Chuyển dịch trọng tâm từ "tăng trưởng nóng doanh thu" sang "kinh doanh ổn định, an toàn và hiệu quả": sàng lọc danh mục nghiệp vụ rủi ro cao, giảm tỷ lệ chi phí khai thác trung gian và tận dụng nguồn vốn nhàn rỗi để gia tăng doanh thu tài chính đạt trên 23 tỷ VNĐ/năm.

Kết luận

Đồ án tốt nghiệp "Phân tích kết quả hoạt động kinh doanh của Công ty Bảo hiểm PVI Sài Gòn" đã hoàn thành xuất sắc việc lượng hóa toàn diện bức tranh tài chính và nghiệp vụ giai đoạn 2014–2018. Thông qua phương pháp luận chặt chẽ kết hợp chuỗi dữ liệu thực chứng 5 năm, nghiên cứu đã:

  • Chứng minh năng lực tăng trưởng vượt bậc về quy mô với 24.589 hợp đồng và 365,573 tỷ VNĐ doanh thu phí gốc (2018).
  • Làm rõ cơ chế giải tỏa áp lực bồi thường sau khủng hoảng tổn thất công nghiệp, đưa lợi nhuận sau thuế phục hồi xuất sắc lên mức 18,146 tỷ VNĐ.
  • Khẳng định vai trò sống còn của nghiệp vụ nhượng tái bảo hiểm quốc tế và tối ưu hóa lợi suất danh mục đầu tư tài chính.

Kết quả nghiên cứu cung cấp cơ sở khoa học và thực tiễn vững chắc giúp PVI Sài Gòn tiếp tục giữ vững vị thế lá cờ đầu trong hệ thống bảo hiểm phi nhân thọ tại thị trường miền Nam.