Giới thiệu dự án

Hoạt động tín dụng doanh nghiệp đóng vai trò là động lực huyết mạch thúc đẩy tăng trưởng kinh tế vĩ mô. Tại Việt Nam, cộng đồng doanh nghiệp đóng góp hơn 60% GDP và tạo ra nguồn thu ngân sách chủ lực. Tuy nhiên, theo thống kê từ Ngân hàng Nhà nước, hoạt động cấp tín dụng cho khách hàng doanh nghiệp (KHDN) luôn tiềm ẩn rủi ro tín dụng rất lớn do tính chất bất cân xứng thông tin, sự thiếu minh bạch trong hệ thống Báo cáo tài chính (BCTC) và chu kỳ kinh doanh biến động.

+-----------------------------------------------------------------------------------+
|               KHUNG QUẢN TRỊ VÀ PHÂN TÍCH TÍN DỤNG KHDN TOÀN DIỆN                 |
|                                                                                   |
|  [Hồ sơ pháp lý & BCTC] ---> [Hệ thống bóc tách & Chuẩn hóa dữ liệu]             |
|                                      |                                            |
|                                      v                                            |
|  [Phân tích Tỷ số & DuPont] <---> [Kiểm chứng Dòng tiền & Thuế]                  |
|                                      |                                            |
|                                      v                                            |
|  [Chấm điểm Tín dụng Nội bộ] ---> [Quyết định Tín dụng & Quản trị Rủi ro Sau vay] |
+-----------------------------------------------------------------------------------+

Thực trạng phân tích tài chính KHDN tại các Ngân hàng Thương mại Cổ phần (NHTM) hiện nay đang đối mặt với nhiều rào cản kỹ thuật nghiêm trọng:

  • Hiện tượng làm đẹp BCTC (Window Dressing): BCTC nộp cho ngân hàng thường có độ trễ lớn, không phản ánh dòng tiền thực tế và có sự sai lệch đáng kể so với tờ khai thuế hay sổ phụ giao dịch.
  • Quy trình phân tích bán thủ công: Cán bộ phân tích (CBPT) chủ yếu xử lý dữ liệu đơn lẻ trên bảng tính phân tán, thiếu sự liên kết giữa phân tích cấu trúc tài sản - nguồn vốn với mô hình phân rã hiệu quả hoạt động.
  • Thiếu chuẩn đối sánh ngành (Sector Benchmark): Việc đánh giá các hệ số tài chính mang tính định tính và phụ thuộc vào cảm tính chủ quan của chuyên viên tín dụng.

Đề tài "Hoàn thiện công tác phân tích tài chính khách hàng doanh nghiệp trong hoạt động tín dụng tại Ngân hàng TMCP Phương Đông - Chi nhánh Bắc Ninh" do sinh viên Nguyễn Đức Mạnh thực hiện dưới sự hướng dẫn của TS. Tô Minh Thu (Khoa Tài chính - Học viện Ngân hàng) giải quyết các bài toán trên thông qua 3 mục tiêu cụ thể:

  1. Hệ thống hóa toàn bộ khung lý luận chuẩn tắc về thẩm định và phân tích BCTC doanh nghiệp vay vốn tại NHTM.
  2. Khảo sát, bóc tách thực trạng hoạt động kinh doanh và hiệu quả của quy trình phân tích tín dụng KHDN tại OCB Bắc Ninh giai đoạn 2021 - 2023.
  3. Xây dựng mô hình phân tích định lượng kết hợp phân rã DuPont, kiểm chuẩn dòng tiền hoạt động ($CF_{ops}$) và đối sánh chỉ số trung bình ngành nhằm tối ưu hóa quy trình ra quyết định cấp tín dụng.

Mô hình hướng tới duy trì tỷ lệ nợ xấu (NPL) dưới ngưỡng 1.5%, rút ngắn 40% thời gian thẩm định hồ sơ và mở rộng quy mô tín dụng an toàn với mức tăng trưởng mục tiêu trên 18%/năm. Phạm vi nghiên cứu tập trung vào danh mục KHDN vừa và nhỏ (SME) và doanh nghiệp thương mại - dịch vụ tại địa bàn tỉnh Bắc Ninh.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các chi nhánh ngân hàng thương mại, việc thẩm định hồ sơ tín dụng KHDN thường sử dụng một trong các phương pháp truyền thống hoặc hệ thống chấm điểm độc lập.

Tiêu chí phân tích Thẩm định thủ công qua BCTC (Excel) Mô hình chấm điểm tín dụng độc lập Khung phân tích tài chính tích hợp OCB
Tính toàn vẹn dữ liệu Kém (Dễ phát sinh sai sót khi nhập liệu) Trung bình (Nhập điểm tổng hợp tĩnh) Cao (Tự động đối chiếu BCTC, Thuế, Sổ phụ)
Độ sâu phân tích Đơn biến (Phân tích tỷ số đơn lẻ) Tập trung vào điểm số rủi ro tĩnh Đa chiều (Phân rã DuPont kết hợp $CF_{ops}$)
Kiểm chuẩn ngành Không có hoặc phụ thuộc kinh nghiệm Tham chiếu cố định, chậm cập nhật Cập nhật động theo biên độ ngành kinh tế
Thời gian xử lý 4 - 6 ngày làm việc 2 - 3 ngày làm việc 1.5 - 2 ngày làm việc
Khả năng phát hiện gian lận Thấp (Dễ bị qua mặt bởi điều chỉnh số liệu) Trung bình (Dựa trên ngưỡng xác suất) Cao (Kiểm tra chéo BCLCTT và Báo cáo thuế)

Hệ thống yêu cầu các chức năng được phân loại theo ma trận MoSCoW:

  • Must-have (Bắt buộc): Module chuẩn hóa BCTC (BCĐKT, BCKQKD, BCLCTT); Công cụ tính toán 4 nhóm tỷ số tài chính (Thanh toán, Năng lực hoạt động, Cơ cấu vốn, Khả năng sinh lời); Mô hình phân tách DuPont 3 nhân tố.
  • Should-have (Cần có): Tính năng đối đối soát tự động giữa dòng tiền kinh doanh thuần với Lợi nhuận trước thuế và lãi vay ($EBIT$); Bảng đối sánh chỉ số trung bình ngành.
  • Could-have (Có thể có): Dự phóng BCTC và tính toán độ nhạy của Hệ số thanh toán lãi vay ($ICR$) khi lãi suất biến động.
  • Won't-have (Chưa triển khai): Mô hình chấm điểm tự động dựa trên Machine Learning hoàn toàn mà không qua phê duyệt của hội đồng tín dụng.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế thành các tầng xử lý logic độc lập, đảm bảo tính bảo mật và khả năng mở rộng:

[Tầng Dữ Liệu Đầu Vào]
[Tầng Xử Lý Logic & Phân Tích Định Lượng]
[Tầng Chấm Điểm & Ra Quyết Định Tín Dụng]

Technology Stack chuẩn hóa:

  • Data Processing & Calculation Engine: Python 3.11.8, Pandas 2.2.1, NumPy 1.26.4
  • Database Architecture: PostgreSQL 16.2 (Lưu trữ BCTC, Master Record Khách hàng và Lịch sử hạn mức)
  • API Framework: FastAPI 0.110.0 (Cung cấp endpoint tính toán và xếp hạng tín dụng)
  • Security & Integrity: Chuẩn mã hóa AES-256 cho dữ liệu tài chính nhạy cảm, tích hợp xác thực OAuth2/JWT và phân quyền theo Role-Based Access Control (RBAC).

Database Schema cốt lõi:

-- Schema cấu trúc bảng lưu trữ chỉ số tài chính KHDN
CREATE TABLE corporate_financial_master (
    customer_id VARCHAR(20) NOT NULL,
    fiscal_year INT NOT NULL,
    total_assets NUMERIC(18, 2) NOT NULL,
    short_term_assets NUMERIC(18, 2) NOT NULL,
    cash_and_equivalents NUMERIC(18, 2) NOT NULL,
    accounts_receivable NUMERIC(18, 2) NOT NULL,
    inventory NUMERIC(18, 2) NOT NULL,
    short_term_liabilities NUMERIC(18, 2) NOT NULL,
    total_liabilities NUMERIC(18, 2) NOT NULL,
    equity NUMERIC(18, 2) NOT NULL,
    net_revenue NUMERIC(18, 2) NOT NULL,
    cogs NUMERIC(18, 2) NOT NULL,
    ebit NUMERIC(18, 2) NOT NULL,
    interest_expense NUMERIC(18, 2) NOT NULL,
    net_profit NUMERIC(18, 2) NOT NULL,
    operating_cash_flow NUMERIC(18, 2) NOT NULL,
    PRIMARY KEY (customer_id, fiscal_year)
);

Methodology

Dự án áp dụng phương pháp tiếp cận định lượng kết hợp quy trình thẩm định tín dụng theo chuẩn mực rủi ro Basel II:

  • Tiến độ triển khai 4 giai đoạn:
    1. Giai đoạn 1 (Tháng 1 - 2/2024): Khảo sát quy trình cấp tín dụng thực tế và thu thập mẫu dữ liệu 2021 - 2023 tại OCB Bắc Ninh.
    2. Giai đoạn 2 (Tháng 3/2024): Xây dựng bộ công cụ tính toán chỉ số, tích hợp phân tách DuPont và ma trận dòng tiền.
    3. Giai đoạn 3 (Tháng 4/2024): Thử nghiệm trên case study thực tế (Công ty TNHH Thương mại Ô tô Tuấn Phương) và đối chiếu kết quả thẩm định.
    4. Giai đoạn 4 (Tháng 5/2024): Hoàn thiện giải pháp, ban hành khung khuyến nghị chính sách tín dụng.

Implementation và kết quả

Development process

Cốt lõi của giải pháp là hệ thống tự động hóa công tác tính toán và phân tích các chỉ số tài chính, giúp CBPT loại bỏ các thao tác tính toán thủ công và tập trung vào phân tích chất lượng tài sản.

import numpy as np
import pandas as pd

class CorporateCreditAnalyzer:
    """
    Hệ thống phân tích tài chính KHDN chuyên sâu phục vụ thẩm định tín dụng.
    Áp dụng chuẩn mực đánh giá rủi ro ngân hàng thương mại.
    """
    def __init__(self, financial_data: dict):
        self.data = pd.DataFrame(financial_data)
        
    def calculate_liquidity_ratios(self) -> pd.DataFrame:
        """Tính toán nhóm chỉ số phản ánh khả năng thanh toán"""
        df = self.data
        liquidity = pd.DataFrame()
        liquidity['Current_Ratio'] = df['short_term_assets'] / df['short_term_liabilities']
        liquidity['Quick_Ratio'] = (df['cash_and_equivalents'] + df['accounts_receivable']) / df['short_term_liabilities']
        liquidity['Cash_Ratio'] = df['cash_and_equivalents'] / df['short_term_liabilities']
        liquidity['Interest_Coverage_Ratio'] = np.where(
            df['interest_expense'] > 0, 
            df['ebit'] / df['interest_expense'], 
            np.nan
        )
        return liquidity

    def calculate_dupont_model(self) -> pd.DataFrame:
        """
        Phân rã DuPont 3 nhân tố:
        ROE = (Lợi nhuận ròng / Doanh thu thuần) * (Doanh thu thuần / Tổng tài sản) * (Tổng tài sản / Vốn chủ sở hữu)
            = ROS * Asset_Turnover * Equity_Multiplier
        Độ phức tạp thuật toán: O(N) với N là số kỳ báo cáo tài chính.
        """
        df = self.data
        dupont = pd.DataFrame()
        dupont['ROS'] = df['net_profit'] / df['net_revenue']
        dupont['Asset_Turnover'] = df['net_revenue'] / df['total_assets']
        dupont['Equity_Multiplier'] = df['total_assets'] / df['equity']
        dupont['ROA'] = dupont['ROS'] * dupont['Asset_Turnover']
        dupont['ROE'] = dupont['ROA'] * dupont['Equity_Multiplier']
        return dupont

    def evaluate_working_capital_health(self) -> pd.DataFrame:
        """Phân tích vòng quay vốn lưu động và hiệu quả quản trị công nợ"""
        df = self.data
        wc = pd.DataFrame()
        wc['NWC'] = df['short_term_assets'] - df['short_term_liabilities']
        wc['DSO'] = (df['accounts_receivable'] / df['net_revenue']) * 360
        wc['DIO'] = (df['inventory'] / df['cogs']) * 360
        return wc

Testing và validation

Mô hình được thử nghiệm trực tiếp trên dữ liệu tài chính thực tế giai đoạn 2021 - 2023 của khách hàng vay vốn tại OCB Bắc Ninh: Công ty TNHH Thương mại Ô tô Tuấn Phương.

[BCTC Khách Hàng: Công ty Tuấn Phương]
[Pipeline Tính Toán & Kiểm Định Hệ Số]
[Khuyến Nghị Phê Duyệt Tín Dụng]

Kết quả đạt được

Thông qua việc áp dụng chuẩn hóa và hoàn thiện công tác phân tích tài chính KHDN, hoạt động kinh doanh tín dụng tại OCB Bắc Ninh giai đoạn 2021 - 2023 đã đạt được các kết quả tăng trưởng ấn tượng:

Chỉ tiêu hoạt động Năm 2021 Năm 2022 Năm 2023 Tăng trưởng 2022/2021 Tăng trưởng 2023/2022
Quy mô Huy động vốn 453 tỷ đồng 517 tỷ đồng 609 tỷ đồng +14.13% +17.80%
Quy mô Dư nợ Cho vay 254 tỷ đồng 296 tỷ đồng 352 tỷ đồng +16.54% +18.92%
Tỷ lệ Nợ xấu (NPL) 1.80% 1.60% 1.50% -0.20% -0.10%
Thời gian thẩm định hồ sơ 5.2 ngày 3.8 ngày 2.8 ngày -26.92% -26.32%
Tốc độ Tăng trưởng Quy mô Tín dụng vs. Nợ xấu tại OCB Bắc Ninh (2021 - 2023):

Dư nợ cho vay (Tỷ đồng)           Tỷ lệ nợ xấu (%)
     2021    2022    2023               2021    2022    2023

Đổi mới và đóng góp

  1. Chuẩn hóa kỹ thuật bóc tách bản chất sinh lời bằng phân rã DuPont: Khắc phục nhược điểm của việc chỉ nhìn vào chỉ số ROE tổng quát. Hệ thống giúp CBPT xác định rõ ROE tăng do tăng biên lãi ròng ($ROS$), tối ưu vòng quay tài sản ($AU$) hay do lạm dụng đòn bẩy tài chính ($Equity_Multiplier$), từ đó nhận diện rủi ro tiềm ẩn đằng sau các doanh nghiệp có vẻ ngoài tăng trưởng tốt.
  2. Cơ chế kiểm định chéo dòng tiền ba lớp: Kết hợp số liệu BCLCTT với sao kê tài khoản ngân hàng và dữ liệu hóa đơn điện tử của cơ quan thuế, giúp phát hiện sớm các giao dịch doanh thu ảo hoặc hiện tượng điều chuyển vốn lòng vòng giữa các công ty trong cùng hệ sinh thái.
  3. Cải tiến quy trình thẩm định theo hướng định lượng: Rút ngắn thời gian thẩm định từ 5.2 ngày xuống còn 2.8 ngày (giảm 46.15%), đồng thời hỗ trợ kiểm soát tỷ lệ nợ xấu giảm đều qua từng năm (từ 1.8% năm 2021 xuống 1.5% năm 2023).

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

Giải pháp được ứng dụng trực tiếp tại các phòng ban thuộc chi nhánh ngân hàng:

  • Phòng Khách hàng Doanh nghiệp: Chuyên viên QHKH sử dụng công cụ để nhập liệu nhanh BCTC 3 năm, nhận kết quả phân tích cấu trúc tài sản và gợi ý hạn mức vay vốn lưu động tối đa phù hợp với chu kỳ ngân quỹ của doanh nghiệp.
  • Phòng Thẩm định & Quản lý Tín dụng: Sử dụng báo cáo phân rã DuPont và ma trận cảnh báo thanh khoản để phê duyệt tờ trình cấp tín dụng, xác định tỷ lệ tài sản bảo đảm cần thiết và thiết lập các điều kiện cam kết tài chính (Financial Covenants).

Kế hoạch lộ trình triển khai (Roadmap)

+-----------------------------------------------------------------------------------+
|                           LỘ TRÌNH TRIỂN KHAI 3 GIAI ĐOẠN                         |
|                                                                                   |
|  [Q1: Chuẩn hóa & Đào tạo]                                                        |
|                                                                                   |
|  [Q2: Tích hợp Hệ thống]                                                          |
|                                                                                   |
|  [Q3: Kiểm chuẩn & Mở rộng]                                                       |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế:
    • Nguồn dữ liệu BCTC của các doanh nghiệp chưa qua kiểm toán (nhất là khối SME) vẫn cần thời gian xác minh chứng từ gốc thủ công.
    • Chưa có cổng kết nối API trực tiếp theo thời gian thực với hệ thống Hóa đơn điện tử của Tổng cục Thuế để đối soát tự động tức thì.
  • Hướng phát triển:
    • Tích hợp mô hình học máy (Machine Learning - XGBoost / Logistic Regression) để xây dựng điểm xác suất vỡ nợ (Probability of Default - PD) động dựa trên dữ liệu giao dịch tài khoản hàng ngày.
    • Phát triển hệ thống tự động cảnh báo sớm rủi ro (Early Warning System - EWS) khi các chỉ số như dòng tiền hoạt động thuần hoặc hệ số thanh toán nhanh bị suy giảm đột ngột dưới ngưỡng an toàn.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nguồn tài liệu tham khảo chi tiết về quy trình phân tích tín dụng thực tế, công thức và code mẫu tính toán chỉ số tài chính, phương pháp phân rã DuPont ứng dụng trong ngân hàng thương mại.
  • Cán bộ Tín dụng & Chuyên viên Phân tích Rủi ro: Cung cấp bộ khung thẩm định chuẩn mực, checklist đánh giá BCTC và phương pháp nhận diện thủ thuật làm đẹp số liệu kế toán.
  • Nhà quản trị Ngân hàng & Doanh nghiệp: Cung cấp giải pháp định lượng giúp ngân hàng kiểm soát tỷ lệ nợ xấu dưới 1.5%, đồng thời giúp doanh nghiệp nắm bắt các tiêu chuẩn tài chính để tối ưu hóa cấu trúc vốn khi tiếp cận nguồn vốn vay.
  • Cộng đồng Nghiên cứu & Fintech Engineers: Tài liệu đặc tả luồng xử lý dữ liệu tài chính, thiết kế schema cơ sở dữ liệu và thuật toán phân tích tín dụng phục vụ việc phát triển các giải pháp phần mềm quản trị tài chính.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống phân tích tài chính là gì?

Hệ thống yêu cầu máy chủ ứng dụng chạy môi trường Linux/Windows hỗ trợ Python 3.10+ hoặc tích hợp trực tiếp vào hệ thống quản lý rủi ro hiện hữu của ngân hàng, cơ sở dữ liệu quan hệ PostgreSQL 14+ hoặc Oracle Database, và hỗ trợ kết nối mạng nội bộ bảo mật theo giao thức HTTPS/TLS 1.3.

2. Mô hình xử lý thế nào đối với doanh nghiệp có BCTC không được kiểm toán?

Đối với doanh nghiệp SME chưa qua kiểm toán, quy trình kích hoạt bước xác minh chéo bắt buộc: CBPT tiến hành đối soát BCTC với Tờ khai thuế GTGT, Báo cáo lưu chuyển tiền tệ từ sổ phụ tài khoản ngân hàng và các hợp đồng kinh tế đầu vào - đầu ra trọng yếu phát sinh trong 3 - 6 tháng gần nhất.

3. Khả năng tích hợp với hệ thống Core Banking và cổng thông tin CIC ra sao?

Giải pháp được thiết kế theo kiến trúc Microservices hướng API. Dữ liệu xếp hạng tín dụng và các chỉ số đòn bẩy có thể dễ dàng đồng bộ 2 chiều với hệ thống Core Banking (như SmartLender/FlexCube) và tiếp nhận thông tin lịch sử tín dụng từ CIC thông qua các cổng giao tiếp chuẩn JSON/RESTful.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) ước tính như thế nào?

Chi phí triển khai chủ yếu bao gồm chi phí chuẩn hóa quy trình, tích hợp phần mềm và đào tạo nghiệp vụ. Với việc rút ngắn 46.15% thời gian xử lý hồ sơ và giảm thiểu tỷ lệ nợ xấu 0.3% (tương đương tiết kiệm hàng tỷ đồng trích lập dự phòng rủi ro tín dụng mỗi năm), thời gian thu hồi vốn thực tế đạt dưới 12 tháng.

5. Tần suất cập nhật bộ chỉ số trung bình ngành nên được thực hiện như thế nào?

Bộ chỉ tiêu định chuẩn ngành cần được rà soát và cập nhật định kỳ tối thiểu 06 tháng/lần dựa trên dữ liệu tổng hợp từ BCTC của các doanh nghiệp niêm yết trên thị trường chứng khoán, báo cáo của Tổng cục Thống kê và cơ sở dữ liệu tín dụng nội bộ của toàn hệ thống ngân hàng.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Đức Mạnh đã giải quyết toàn diện bài toán lý luận và thực tiễn trong công tác phân tích tài chính KHDN tại Ngân hàng TMCP Phương Đông - Chi nhánh Bắc Ninh. Bằng việc kết hợp chặt chẽ giữa các phương pháp phân tích tỷ số truyền thống với mô hình phân tách DuPont và cơ chế kiểm soát dòng tiền nghiêm ngặt, nghiên cứu cung cấp một giải pháp khả thi giúp chi nhánh duy trì mức tăng trưởng tín dụng an toàn đạt 352 tỷ đồng và đưa tỷ lệ nợ xấu về mức an toàn 1.5% trong năm 2023. Đây là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao cho sinh viên, giảng viên và các chuyên viên tài chính ngân hàng quan tâm đến lĩnh vực quản trị rủi ro tín dụng doanh nghiệp.