Giới thiệu dự án
Doanh nghiệp nhỏ và vừa (DNNVV/SMEs) đóng vai trò là xương sống của nền kinh tế Việt Nam, chiếm tới hơn 96% tổng số doanh nghiệp, đóng góp khoảng 45% GDP và tạo ra hơn 50% việc làm cho thị trường lao động. Tuy nhiên, theo các báo cáo từ Ngân hàng Nhà nước Việt Nam (NHNN), khả năng tiếp cận vốn tín dụng chính thức của khu vực này vẫn gặp nhiều rào cản lớn do bất cân xứng thông tin, năng lực tài chính hạn chế và thiếu tài sản bảo đảm chuẩn hóa.
+-----------------------------------------------------------------------------------+
| BỐI CẢNH QUẢN TRỊ TÍN DỤNG DNNVV (GIAI ĐOẠN 2019 - 2021) |
+-----------------------------------------------------------------------------------+
| [96% Doanh nghiệp siêu vi mô/SME] ---> [Nhu cầu vốn lưu động & trung dài hạn] |
| | |
| (Áp lực rủi ro) |
| v |
| [Biến động thị trường / Covid-19] ---> [Nguy cơ nợ quá hạn & trích lập DPRR] |
| | |
| (Mục tiêu cốt lõi) |
| v |
| [BIDV Chi nhánh Quảng Bình] ---> [Tối ưu hóa ICRS & Kiểm soát NPL < 3%] |
+-----------------------------------------------------------------------------------+
Tại tỉnh Quảng Bình, thị trường kinh doanh giai đoạn 2019–2021 ghi nhận nhiều biến động phức tạp dưới tác động kép của thiên tai bão lũ miền Trung và đại dịch Covid-19, làm đứt gãy chuỗi cung ứng, suy giảm doanh thu và đe dọa trực tiếp đến khả năng hoàn trả nợ vay của các doanh nghiệp địa phương.
Vấn đề cốt lõi đặt ra đối với Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Quảng Bình (BIDV Quảng Bình) là làm thế nào để vừa duy trì tăng trưởng tín dụng bền vững nhằm tạo động lực phục hồi kinh tế địa phương, vừa kiểm soát chặt chẽ tỷ lệ rủi ro tín dụng (RRTD), hạn chế nợ xấu (NPL) phát sinh và tối ưu hóa chi phí trích lập dự phòng rủi ro (DPRR).
Khóa luận thực hiện các mục tiêu cụ thể sau:
- Hệ thống hóa cơ sở lý luận, các chuẩn mực kỹ thuật và khung quy định pháp lý (Thông tư 02/2013/TT-NHNN, Thông tư 09/2014/TT-NHNN, Thông tư 11/2021/TT-NHNN và chuẩn mực Basel II/III) về quản trị RRTD trong phân khúc cho vay DNNVV.
- Phân tích thực trạng hoạt động huy động vốn, tăng trưởng dư nợ và chất lượng danh mục tín dụng DNNVV tại BIDV Quảng Bình giai đoạn 2019–2021 qua hệ thống chỉ tiêu định tính và định lượng.
- Nhận diện các điểm nghẽn trong quy trình cấp tín dụng, thẩm định phương án kinh doanh, xếp hạng tín nhiệm nội bộ và kiểm soát dòng tiền sau giải ngân.
- Đề xuất hệ thống giải pháp tài chính và mô hình quản trị rủi ro ứng dụng công nghệ dữ liệu nhằm nâng cao chất lượng danh mục tín dụng giai đoạn tiếp theo.
Phương pháp tiếp cận của nghiên cứu kết hợp giữa phân tích số liệu tài chính chuỗi thời gian (Time-series analysis) và khảo sát định tính cán bộ tín dụng nhằm định lượng chính xác các nhân tố rủi ro. Nghiên cứu tập trung vào toàn bộ dư nợ cho vay DNNVV tại BIDV Quảng Bình trong phạm vi 3 năm (2019–2021).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại BIDV Quảng Bình, hoạt động cấp tín dụng cho DNNVV trong giai đoạn 2019–2021 chịu sự chi phối của cả mô hình quản trị truyền thống và các công cụ quản lý rủi ro hiện đại từ Hội sở chính. Phân tích so sánh phương pháp thẩm định hiện hành với các yêu cầu quản trị rủi ro chuẩn hóa:
| Tiêu chí phân tích |
Phương pháp thẩm định truyền thống |
Mô hình chấm điểm định lượng (Scoring Card) |
Mô hình đề xuất kết hợp (Hybrid Credit Model) |
| Cơ sở đánh giá |
Dựa trên hồ sơ tài chính quá khứ và giá trị tài sản đảm bảo (TSĐB). |
Dựa trên thuật toán thống kê xác suất vỡ nợ (Probability of Default - PD). |
Kết hợp dữ liệu tài chính, dữ liệu hành vi dòng tiền và thẩm định thực địa. |
| Ưu điểm |
Dễ triển khai, tuân thủ chặt chẽ danh mục hồ sơ pháp lý. |
Tốc độ xử lý nhanh, giảm thiểu định kiến chủ quan của cán bộ tín dụng. |
Độ chính xác cao, nhận diện sớm rủi ro tiềm ẩn ở doanh nghiệp thiếu TSĐB. |
| Nhược điểm |
Thời gian phê duyệt kéo dài, độ trễ thông tin cao, phụ thuộc TSĐB. |
Đòi hỏi dữ liệu đầu vào chuẩn hóa; khó áp dụng cho doanh nghiệp mới. |
Đòi hỏi hạ tầng công nghệ và năng lực phân tích dữ liệu chuyên sâu. |
| Chi phí vận hành |
Chi phí nhân sự cao, hiệu suất xử lý hồ sơ ở mức trung bình. |
Chi phí đầu tư phần mềm ban đầu lớn, chi phí biến đổi thấp. |
Tối ưu chi phí dài hạn, giảm thiểu tổn thất nợ xấu. |
Khảo sát môi trường cạnh tranh tại địa bàn tỉnh Quảng Bình cho thấy sự cạnh tranh quyết liệt giữa 4 ngân hàng thương mại nhà nước (Big 4: BIDV, Vietcombank, VietinBank, Agribank) và các NHTM cổ phần (MB, Sacombank, VPBank). Các ngân hàng đối thủ liên tục rút ngắn thời gian giải ngân vốn lưu động thông qua các gói vay ưu đãi và số hóa quy trình thẩm định.
Yêu cầu nâng cấp hệ thống quản trị tín dụng được phân loại theo mô hình MoSCoW:
- Must have (Bắt buộc phải có): Cơ chế đối chiếu tự động dữ liệu Trung tâm Thông tin Tín dụng Quốc gia (CIC); công thức xếp hạng tín nhiệm nội bộ theo chuẩn Basel II; phân nhóm nợ tự động theo Thông tư 11/2021/TT-NHNN.
- Should have (Nên có): Hệ thống cảnh báo sớm (Early Warning System - EWS) dựa trên biến động số dư tài khoản thanh toán và tỷ lệ quay vòng hàng tồn kho.
- Could have (Có thể có): Cổng nộp hồ sơ trực tuyến dành riêng cho khách hàng doanh nghiệp để rút ngắn thời gian tiếp nhận.
- Won't have (Chưa thực hiện ở giai đoạn này): Tự động hóa 100% phê duyệt khoản vay không cần phê duyệt của hội đồng tín dụng.
Thiết kế hệ thống
Kiến trúc quản trị rủi ro tín dụng tại chi nhánh được thiết lập trên mô hình "Ba tuyến phòng thủ" (Three Lines of Defense):
- Tuyến 1 (Bộ phận kinh doanh): Khối Quan hệ khách hàng (Phòng KHDN 1, Phòng KHDN 2, Khối PGD) trực tiếp tiếp xúc, thu thập hồ sơ, thẩm định thực tế tư cách khách hàng và phương án kinh doanh.
- Tuyến 2 (Bộ phận quản lý rủi ro & tác nghiệp): Phòng Quản lý rủi ro độc lập tái thẩm định, kiểm tra hạn mức và kiểm soát tính tuân thủ; Phòng Quản trị tín dụng kiểm soát điều kiện giải ngân và lưu trữ chứng từ.
- Tuyến 3 (Kiểm toán & kiểm soát nội bộ): Thực hiện hậu kiểm, giám sát quy trình và đánh giá mức độ an toàn của toàn bộ danh mục cho vay.
Hệ thống cơ sở dữ liệu quản lý tín dụng được thiết kế chuẩn hóa phục vụ công tác phân tích:
-- Schema cấu trúc cơ sở dữ liệu quản trị danh mục tín dụng DNNVV
CREATE TABLE Customer_Profile (
customer_id VARCHAR(20) PRIMARY KEY,
company_name VARCHAR(255) NOT NULL,
tax_code VARCHAR(15) UNIQUE NOT NULL,
industry_sector VARCHAR(100),
established_year INT,
employee_count INT,
charter_capital NUMERIC(15,2)
);
CREATE TABLE Financial_Metrics (
metric_id VARCHAR(20) PRIMARY KEY,
customer_id VARCHAR(20) REFERENCES Customer_Profile(customer_id),
reporting_year INT NOT NULL,
total_assets NUMERIC(15,2),
net_revenue NUMERIC(15,2),
ebit NUMERIC(15,2),
current_assets NUMERIC(15,2),
short_term_debt NUMERIC(15,2),
total_liabilities NUMERIC(15,2),
retained_earnings NUMERIC(15,2)
);
CREATE TABLE Loan_Contract (
contract_id VARCHAR(20) PRIMARY KEY,
customer_id VARCHAR(20) REFERENCES Customer_Profile(customer_id),
loan_amount NUMERIC(15,2) NOT NULL,
interest_rate NUMERIC(5,2) NOT NULL,
loan_term_months INT NOT NULL,
collateral_value NUMERIC(15,2),
disbursement_date DATE,
maturity_date DATE,
debt_group INT CHECK (debt_group BETWEEN 1 AND 5)
);
Ngăn chặn rủi ro dữ liệu và an toàn thông tin được đảm bảo bằng chuẩn phân quyền RBAC (Role-Based Access Control) trên hệ thống Core Banking đa dịch vụ, ghi nhận nhật ký thao tác (Audit logs) và mã hóa đường truyền kết nối máy chủ dữ liệu.
Methodology
Phương pháp nghiên cứu kết hợp giữa định tính và định lượng:
- Xử lý dữ liệu định lượng: Áp dụng phương pháp so sánh số tuyệt đối và số tương đối để đánh giá tốc độ tăng trưởng quy mô huy động vốn, biến động tổng dư nợ và biến động các nhóm nợ từ Nhóm 1 đến Nhóm 5 trong giai đoạn 2019–2021.
- Phương pháp chấm điểm tín dụng: Ứng dụng mô hình hàm Z-Score điều chỉnh cho doanh nghiệp phi sản xuất và doanh nghiệp quy mô nhỏ tại các thị trường mới nổi (Emerging Markets) theo công thức Altman:
$$Z' = 0.717 X_1 + 0.847 X_2 + 3.107 X_3 + 0.420 X_4 + 0.998 X_5$$
Trong đó:
- $X_1 = \frac{\text{Vốn lưu động ròng}}{\text{Tổng tài sản}}$
- $X_2 = \frac{\text{Lợi nhuận giữ lại}}{\text{Tổng tài sản}}$
- $X_3 = \frac{\text{EBIT}}{\text{Tổng tài sản}}$
- $X_4 = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng nợ phải trả}}$
- $X_5 = \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản}}$
Ngưỡng đánh giá: $Z' > 2.90$ (Vùng an toàn); $1.23 \le Z' \le 2.90$ (Vùng cảnh báo); $Z' < 1.23$ (Vùng nguy hiểm - rủi ro vỡ nợ cao).
Implementation và kết quả
Development process
Quá trình thu thập, xử lý số liệu và xây dựng công cụ phân tích rủi ro tín dụng tại BIDV Quảng Bình được chia thành 4 giai đoạn rõ ràng:
[Giai đoạn 1: Trích xuất Data] --> [Giai đoạn 2: Chuẩn hóa & Scoring]
| |
v v
[Bảng CĐKT & Sao kê 2019-2021] [Tính toán Altman Z' & ICRS]
| |
+------------------+-------------------+
|
v
[Giai đoạn 3: Phân loại Nợ]
|
v
[Thông tư 11 & Ma trận tổn thất]
|
v
[Giai đoạn 4: Dashboard EWS]
|
v
[Báo cáo & Khuyến nghị quản trị]
- Giai đoạn 1: Thu thập dữ liệu thứ cấp từ Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh của chi nhánh các năm 2019, 2020 và 2021; dữ liệu CIC của các khách hàng DNNVV vay vốn tại chi nhánh.
- Giai đoạn 2: Chuẩn hóa dữ liệu tài chính doanh nghiệp, làm sạch sai lệch kế toán, loại bỏ các chỉ số dị biệt và đưa vào mô hình chấm điểm tự động.
- Giai đoạn 3: Đo lường các chỉ số an toàn vốn, tỷ lệ nợ xấu, tỷ lệ nợ quá hạn và tỷ lệ dự phòng rủi ro tín dụng theo chuẩn mực của NHNN.
- Giai đoạn 4: Xây dựng dashboard theo dõi và mô hình cảnh báo sớm nguy cơ suy giảm chất lượng tín dụng.
Đoạn mã Python triển khai thuật toán tính toán điểm số tín dụng và phân loại mức độ rủi ro khách hàng:
import numpy as np
import pandas as pd
class CreditRiskAnalyzer:
def __init__(self, financial_data: pd.DataFrame):
self.data = financial_data
def calculate_altman_z_score(self) -> pd.DataFrame:
"""
Tính toán chỉ số Altman Z-Score cải biên cho DNNVV
Z' = 0.717*X1 + 0.847*X2 + 3.107*X3 + 0.420*X4 + 0.998*X5
"""
df = self.data.copy()
# Tránh lỗi chia cho 0
total_assets = np.where(df['total_assets'] == 0, 1e-6, df['total_assets'])
total_liabilities = np.where(df['total_liabilities'] == 0, 1e-6, df['total_liabilities'])
x1 = (df['current_assets'] - df['short_term_debt']) / total_assets
x2 = df['retained_earnings'] / total_assets
x3 = df['ebit'] / total_assets
x4 = df['charter_capital'] / total_liabilities
x5 = df['net_revenue'] / total_assets
df['z_score'] = 0.717 * x1 + 0.847 * x2 + 3.107 * x3 + 0.420 * x4 + 0.998 * x5
# Phân loại rủi ro theo ngưỡng Z-Score
conditions = [
(df['z_score'] >= 2.90),
(df['z_score'] >= 1.23) & (df['z_score'] < 2.90),
(df['z_score'] < 1.23)
]
choices = ['Safe Zone (An toàn)', 'Grey Zone (Cảnh báo)', 'Distress Zone (Rủi ro cao)']
df['risk_category'] = np.select(conditions, choices, default='Unknown')
return df
def compute_portfolio_metrics(self, loan_data: pd.DataFrame) -> dict:
"""
Tính toán các chỉ tiêu định lượng rủi ro tín dụng danh mục
"""
total_loan_outstanding = loan_data['loan_amount'].sum()
overdue_debt = loan_data[loan_data['debt_group'] >= 2]['loan_amount'].sum()
npl_debt = loan_data[loan_data['debt_group'] >= 3]['loan_amount'].sum()
overdue_ratio = (overdue_debt / total_loan_outstanding) * 100 if total_loan_outstanding > 0 else 0
npl_ratio = (npl_debt / total_loan_outstanding) * 100 if total_loan_outstanding > 0 else 0
return {
"Total Outstanding (VND)": total_loan_outstanding,
"Overdue Ratio (%)": round(overdue_ratio, 2),
"NPL Ratio (%)": round(npl_ratio, 2)
}
Testing và validation
Quá trình kiểm định chất lượng tín dụng được thực hiện trên tập dữ liệu tổng dư nợ và kết quả hoạt động kinh doanh giai đoạn 2019–2021 tại BIDV Quảng Bình:
| Năm |
Tổng thu nhập (Tỷ VNĐ) |
Thu từ hoạt động tín dụng (Tỷ VNĐ) |
Tỷ trọng thu tín dụng (%) |
Lợi nhuận trước thuế (Tỷ VNĐ) |
Tốc độ tăng trưởng thu nhập (%) |
| 2019 |
336.15 |
110.76 |
32.95% |
214.57 |
- |
| 2020 |
466.11 |
133.68 |
28.68% |
336.93 |
+38.66% |
| 2021 |
534.79 |
251.06 |
46.16% |
388.47 |
+14.74% |
Kiểm định cấu trúc huy động vốn (yếu tố đầu vào thanh khoản) cho thấy nguồn vốn huy động tăng trưởng bền vững:
- Năm 2019: Đạt 7,495.5 tỷ VNĐ.
- Năm 2020: Tăng 1,341.0 tỷ VNĐ (+15.18% so với năm 2019), trong đó tiền gửi ngắn hạn tăng 25.46%, tiền gửi từ khách hàng cá nhân tăng 1,126.5 tỷ VNĐ (+14.20%).
- Năm 2021: Tiếp tục tăng thêm 1,309.5 tỷ VNĐ (+14.82% so với năm 2020), đạt quy mô trên 8,800 tỷ VNĐ.
Kết quả đạt được
Hoạt động cho vay DNNVV tại BIDV Quảng Bình đã đạt được những kết quả ấn tượng:
- Thu từ hoạt động tín dụng năm 2021 đạt 251.06 tỷ VNĐ, tăng trưởng 45.86% so với năm 2020 (133.68 tỷ VNĐ), vươn lên thành nguồn thu có tỷ trọng lớn nhất (chiếm 46.16% tổng cơ cấu doanh thu).
- Tỷ lệ an toàn thanh khoản được đảm bảo nhờ dòng tiền gửi ngắn hạn dồi dào, tạo nền tảng cấp vốn linh hoạt cho các phương án sản xuất kinh doanh khả thi của doanh nghiệp trên địa bàn.
- Kiểm soát chất lượng tín dụng thông qua kiểm tra chặt chẽ điều kiện giải ngân và giá trị tài sản bảo đảm, duy trì tỷ lệ nợ xấu ở mức an toàn theo chuẩn giám sát của NHNN (< 3%).
Đổi mới và đóng góp
- Đổi mới quy trình thẩm định đa tầng: Khóa luận chứng minh việc chuyển đổi từ cơ chế thẩm định đơn thuần dựa trên tài sản thế chấp (Collateral-backed Lending) sang thẩm định tích hợp dựa trên dòng tiền vận hành thực tế (Cash-flow-based Lending) và hệ thống chỉ số tài chính chuẩn hóa giúp giảm 35% thời gian phê duyệt khoản vay cho các DNNVV có uy tín tín dụng tốt.
- Hệ thống hóa các nhân tố rủi ro nội tại của DNNVV: Nghiên cứu phân định rõ nét 3 nhóm nguyên nhân tác động trực tiếp đến rủi ro:
- Nhóm thuộc về ngân hàng: Năng lực thẩm định chuyên sâu của cán bộ tín dụng, chất lượng hệ thống thông tin nội bộ và mức độ giám sát sau vay.
- Nhóm thuộc về doanh nghiệp: Trình độ quản trị của chủ doanh nghiệp (hầu hết chưa qua đào tạo tài chính bài bản), sự thiếu minh bạch của báo cáo tài chính nội bộ so với báo cáo nộp thuế.
- Nhóm yếu tố vĩ mô và tự nhiên: Biến động giá nguyên nhiên vật liệu, dịch bệnh Covid-19 và rủi ro thiên tai bão lũ tại khu vực miền Trung.
- Mô hình hóa kiểm soát rủi ro danh mục: Ứng dụng kết hợp phân loại nợ theo định tính và định lượng giúp chi nhánh tối ưu hóa tỷ lệ trích lập dự phòng rủi ro cụ thể và dự phòng chung, bảo toàn lợi nhuận kinh doanh ròng (Net Profit).
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế
+-----------------------------------------------------------------------------------+
| WORKFLOW THẨM ĐỊNH VÀ GIÁM SÁT VỐN VAY |
+-----------------------------------------------------------------------------------+
| [DNNVV Thủy sản / Xây dựng] |
| | |
| v (Nộp hồ sơ phương án vay) |
| [Khối Quan hệ Khách hàng (Phòng KHDN)] ---> [Thẩm định thực địa & Phương án KD] |
| | |
| v (Chấm điểm ICRS & Z-Score) |
| [Phòng Quản lý Rủi ro] ---> [Tái thẩm định độc lập & Hạn mức] |
| | |
| v (Phê duyệt cấp tín dụng) |
| [Phòng Quản trị Tín dụng] ---> [Kiểm soát điều kiện & Giải ngân] |
| | |
| v (Theo dõi dòng tiền thu nợ) |
| [Hệ thống EWS & Cán bộ Tín dụng] ---> [Giám sát sau vay & Xử lý thu hồi] |
+-----------------------------------------------------------------------------------+
- Tình huống 1: Doanh nghiệp chế biến thủy hải sản xuất khẩu tại Đồng Hới. Nhu cầu vốn lưu động ngắn hạn theo mùa vụ. Giải pháp: Cấp hạn mức tín dụng tuần hoàn (Revolving Credit Line) kết hợp điều kiện quản lý dòng tiền qua tài khoản thanh toán tại BIDV và thế chấp bằng hợp đồng xuất khẩu + kho lạnh thành phẩm.
- Tình huống 2: Doanh nghiệp xây lắp công trình hạ tầng tại Bố Trạch/Quán Hàu. Vốn vay trung và dài hạn để đầu tư thiết bị cơ giới. Giải pháp: Cho vay theo dự án có thẩm định tiến độ nghiệm thu, phong tỏa tài khoản giải ngân trực tiếp cho bên bán máy móc để loại trừ rủi ro sử dụng vốn sai mục đích.
Lộ trình triển khai giải pháp
| Giai đoạn |
Thời gian |
Hành động trọng tâm |
Kết quả bàn giao (Deliverables) |
| Phase 1 |
Tháng 1 – Tháng 3 |
Rà soát toàn bộ danh mục nợ hiện hữu của DNNVV; phân loại lại theo mức độ biến động dòng tiền. |
Báo cáo kiểm toán danh mục rủi ro tín dụng toàn chi nhánh. |
| Phase 2 |
Tháng 4 – Tháng 6 |
Đào tạo nâng cao kỹ năng phân tích báo cáo tài chính thực tế và kỹ thuật định giá TSĐB cho cán bộ tín dụng. |
100% cán bộ tín dụng vượt qua bài kiểm tra thẩm định chuyên sâu. |
| Phase 3 |
Tháng 7 – Tháng 9 |
Ứng dụng bộ chỉ số Z-Score và cảnh báo sớm EWS vào quy trình thẩm định trước khi trình Hội đồng tín dụng. |
Quy trình thẩm định chuẩn hóa tích hợp công cụ tính điểm. |
| Phase 4 |
Tháng 10 – Tháng 12 |
Định kỳ đánh giá rủi ro danh mục theo ngành nghề; điều chỉnh biên độ lãi suất vay theo xếp hạng tín nhiệm. |
Chính sách lãi suất linh hoạt theo mức độ rủi ro (Risk-based Pricing). |
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Độ tin cậy của dữ liệu đầu vào: Báo cáo tài chính của các DNNVV trên địa bàn hầu hết chưa được kiểm toán độc lập, tồn tại sự sai lệch giữa số liệu kế toán thuế và số liệu quản trị nội bộ.
- Phạm vi thời gian nghiên cứu: Dữ liệu giai đoạn 2019–2021 chịu tác động bất thường bởi dịch Covid-19 và các chính sách cơ cấu lại nợ theo Thông tư 01/2020/TT-NHNN, có thể làm che khuất một phần rủi ro nợ xấu thực tế (nợ tiềm ẩn).
Hướng phát triển tiếp theo
- Tích hợp Machine Learning: Xây dựng mô hình dự báo vỡ nợ (Default Prediction) sử dụng thuật toán Random Forest hoặc XGBoost kết hợp với dữ liệu phi cấu trúc (hành vi thanh toán hóa đơn điện/nước, lịch sử giao dịch trên nền tảng số).
- Mở rộng phạm vi địa bàn: Phát triển nghiên cứu so sánh liên chi nhánh trong toàn khu vực Bắc Trung Bộ nhằm đánh giá tương quan rủi ro tín dụng theo đặc thù kinh tế vùng.
Đối tượng hưởng lợi
+---------------------------------------------------------------------------------+
| ĐỐI TƯỢNG HƯỞNG LỢI |
+---------------------------------------------------------------------------------+
| [Sinh viên / Học viên] ---> Tiếp cận bộ số liệu thực tiễn và case study |
| [Cán bộ Quản trị rủi ro] ---> Khung phương pháp luận chấm điểm Z' & EWS |
| [Doanh nghiệp nhỏ và vừa] ---> Hiểu rõ tiêu chuẩn cấp tín dụng để chuẩn hóa |
| [Nhà nghiên cứu / Giảng dạy] ---> Tài liệu tham khảo cấu trúc tín dụng địa phương |
+---------------------------------------------------------------------------------+
- Sinh viên và học viên chuyên ngành Tài chính - Ngân hàng / Quản trị Kinh doanh: Có được nguồn tài liệu tham khảo thực tế với đầy đủ dữ liệu báo cáo tài chính, phương pháp tính toán định lượng và case study thực tiễn tại một ngân hàng thương mại hàng đầu.
- Cán bộ tín dụng và Chuyên viên Quản trị rủi ro: Ứng dụng trực tiếp quy trình kiểm soát rủi ro 3 bước (Thẩm định trước vay - Kiểm soát giải ngân - Giám sát dòng tiền sau vay) để giảm thiểu tỷ lệ phát sinh nợ quá hạn.
- Chủ doanh nghiệp nhỏ và vừa: Nắm bắt được các tiêu chí đánh giá tín nhiệm của ngân hàng, từ đó chủ động chuẩn hóa hệ thống sổ sách kế toán, minh bạch hóa dòng tiền và nâng cao năng lực đàm phán hạn mức vay.
- Cơ quan quản lý và Nhà nghiên cứu kinh tế: Cung cấp bức tranh thực tế về thực trạng dòng vốn tín dụng tại địa phương, làm cơ sở đề xuất chính sách bảo lãnh tín dụng và hỗ trợ lãi suất cho khu vực kinh tế tư nhân.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật tối thiểu để một DNNVV được phê duyệt cấp tín dụng tại BIDV Quảng Bình là gì?
Doanh nghiệp cần có thời gian hoạt động liên tục tối thiểu 12 tháng, phương án sản xuất kinh doanh minh bạch và có lãi trong năm tài chính gần nhất, không có nợ xấu (Nhóm 3 đến Nhóm 5) trên hệ thống CIC trong vòng 36 tháng, đồng thời có tỷ lệ vốn tự có tham gia vào phương án vay tối thiểu từ 20%–30%.
2. Làm thế nào để giải quyết mâu thuẫn giữa nhu cầu vay vốn lớn của DNNVV và việc thiếu tài sản bảo đảm có giá trị cao?
Ngân hàng áp dụng giải pháp cấp tín dụng từng phần dựa trên uy tín dòng tiền: kết hợp tài sản hình thành từ vốn vay, thế chấp khoản phải thu, cầm cố hợp đồng kinh tế đầu ra có bên thứ ba uy tín thanh toán, hoặc thông qua các chương trình bảo lãnh của Quỹ Bảo lãnh tín dụng DNNVV địa phương.
3. Quy trình xếp hạng tín dụng nội bộ (ICRS) của BIDV chấm điểm doanh nghiệp dựa trên những trọng số nào?
Hệ thống ICRS phân bổ trọng số gồm 2 phần chính: Chỉ tiêu tài chính (khoảng 60% tổng số điểm, bao gồm khả năng thanh toán, đòn bẩy tài chính, hiệu quả hoạt động, khả năng sinh lời) và Chỉ tiêu phi tài chính (khoảng 40% tổng số điểm, gồm uy tín ban lãnh đạo, vị thế ngành, môi trường kinh doanh và quan hệ giao dịch với ngân hàng).
4. Chi nhánh quản lý rủi ro đối với các khoản vay chịu ảnh hưởng bởi thiên tai, bão lũ tại Quảng Bình như thế nào?
BIDV áp dụng cơ chế đánh giá tổn thất hiện trường, xem xét cơ cấu lại thời hạn trả nợ, giữ nguyên nhóm nợ theo quy định của NHNN đối với khách hàng gặp rủi ro bất khả kháng, đồng thời yêu cầu mua bảo hiểm bắt buộc đối với tài sản bảo đảm là công trình xây dựng, nhà xưởng và máy móc thiết bị.
5. Việc áp dụng mô hình phân tích định lượng có làm chậm tiến độ giải ngân hồ sơ vay vốn không?
Không. Ngược lại, việc chuẩn hóa bảng tính Z-Score và tự động hóa trích xuất dữ liệu CIC giúp rút ngắn thời gian lập báo cáo thẩm định từ 3–5 ngày làm việc xuống còn 1–2 ngày, giúp cán bộ tín dụng tập trung thời gian vào khâu kiểm tra thực tế hoạt động kinh doanh của khách hàng.
Kết luận
Khóa luận tốt nghiệp của tác giả Phạm Nguyễn Nhật Linh đã giải quyết một cách toàn diện bài toán quản trị rủi ro tín dụng trong phân khúc cho vay doanh nghiệp nhỏ và vừa tại BIDV Chi nhánh Quảng Bình giai đoạn 2019–2021.
Thông qua nguồn số liệu tài chính xác thực, đề tài đã chứng minh được sự phát triển vượt bậc của hoạt động tín dụng (thu nhập tín dụng năm 2021 tăng 45.86% so với năm 2020, đóng góp 251.06 tỷ VNĐ vào cơ cấu doanh thu) song hành cùng những thách thức lớn trong việc kiểm soát nợ quá hạn trong bối cảnh nền kinh tế chịu tác động tiêu cực của thiên tai và dịch bệnh.
Hệ thống giải pháp được đề xuất—bao gồm nâng cao chất lượng thẩm định phương án kinh doanh, ứng dụng mô hình chấm điểm tín dụng Z-Score, hoàn thiện hệ thống thông tin cảnh báo sớm và siết chặt công tác giám sát dòng tiền sau vay—mang lại giá trị ứng dụng thực tiễn cao cho BIDV Quảng Bình nói riêng và hệ thống ngân hàng thương mại Việt Nam nói chung trên lộ trình hiện đại hóa hoạt động kinh doanh theo chuẩn mực quản trị quốc tế Basel II và Basel III.
