Giới thiệu dự án
Hoạt động cấp tín dụng bán lẻ, đặc biệt là phân khúc khách hàng cá nhân (KHCN), đóng vai trò động lực tăng trưởng cốt lõi của hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Theo thống kê của Ngân hàng Nhà nước (NHNN), tín dụng bán lẻ chiếm hơn 45% tổng dư nợ toàn ngành với tốc độ tăng trưởng bình quân 15 - 18%/năm. Tuy nhiên, phân khúc KHCN luôn đối mặt với rủi ro phi đối xứng thông tin, số lượng khoản vay lớn nhưng giá trị đơn lẻ phân tán, năng lực tài chính của người vay dễ bị tổn thương bởi biến động kinh tế vĩ mô.
Đề tài "Quản trị rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Hàng Hải Việt Nam – Chi nhánh Huế – PGD Xuân Phú" do tác giả Hoàng Thị Vân Chi thực hiện (dưới sự hướng dẫn của ThS. Trần Quốc Phương, Trường Đại học Kinh tế – Đại học Huế) tập trung giải quyết bài toán tối ưu hóa quy trình kiểm soát rủi ro tín dụng (QTRRTD) giai đoạn hậu dịch bệnh (2020–2022).
+-----------------------------------------------------------------------------------+
| PROBLEM STATEMENT |
| - Rủi ro bất đối xứng thông tin & gian lận hồ sơ chứng minh thu nhập |
| - Thách thức phân loại nợ xấu (NPL) & trích lập dự phòng theo Thông tư 02 |
| - Chuyển đổi mô hình thẩm định phân tán sang mô hình tập trung chuẩn Basel II |
+-----------------------------------------------------------------------------------+
Mục tiêu nghiên cứu
- Hệ thống hóa cơ sở lý luận về quản trị rủi ro tín dụng KHCN theo chuẩn mực quốc tế Basel II và khung pháp lý Thông tư 02/2013/TT-NHNN.
- Phân tích thực trạng hoạt động huy động vốn, cấu trúc dư nợ (42 tỷ VNĐ năm 2022), phân loại nợ nhóm 1–5, tỷ lệ bao phủ nợ xấu và năng lực bù đắp tổn thất tại MSB Xuân Phú.
- Đo lường hiệu quả mô hình thẩm định 6C và hệ số an toàn tín dụng tại chi nhánh.
- Đề xuất hệ thống giải pháp công nghệ, chuẩn hóa quy trình phân tích định lượng và kiến trúc mô hình quản trị tín dụng tập trung.
Phạm vi và giới hạn nghiên cứu
- Không gian: Ngân hàng TMCP Hàng Hải Việt Nam (MSB) – Chi nhánh Huế – PGD Xuân Phú (75 Trường Chinh, TP. Huế).
- Thời gian: Số liệu thống kê hồi tố từ báo cáo tài chính, báo cáo tín dụng nội bộ giai đoạn 2020 – 2022.
- Đối tượng: Danh mục tín dụng KHCN (vay tiêu dùng thế chấp/tín chấp, vay mua ô tô, mua nhà, sản xuất kinh doanh).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại MSB Xuân Phú, việc chuyển dịch cơ cấu tín dụng bán lẻ đối mặt với thách thức kiểm soát nợ quá hạn và nợ xấu (NPL). Dưới đây là bảng so sánh phương thức quản trị hiện hành tại đơn vị so với các chuẩn mực đối chuẩn:
| Tiêu chí | Mô hình phân tán truyền thống | Mô hình tập trung tại MSB Xuân Phú | Chuẩn Basel II / Advanced IRB |
|---|---|---|---|
| Quyền phê duyệt | Cấp chi nhánh/PGD | Tập trung theo hạn mức rủi ro | Phê duyệt tự động hóa dựa trên Scorecard |
| Đo lường rủi ro | Định tính 6C thủ công | Kết hợp chấm điểm nội bộ & CIC | Mô hình PD, LGD, EAD định lượng cao |
| Kiểm soát dòng tiền | Kiểm tra chứng từ sau vay định kỳ | Giám sát qua tài khoản thanh toán MSB | Phân tích hành vi thời gian thực (EWS) |
| Tỷ lệ nợ xấu KHCN | Thường dao động > 3.0% | Kiểm soát ở mức 1.8% - 2.4% | Mục tiêu tối ưu < 1.5% |
Ma trận ưu tiên yêu cầu hệ thống (MoSCoW)
- Must-have: Tự động hóa tính toán tỷ lệ trích lập dự phòng rủi ro tín dụng (DPRRTD) theo Thông tư 02/2013/TT-NHNN; Tích hợp cổng tra cứu điểm tín dụng CIC tự động.
- Should-have: Hệ thống cảnh báo sớm (Early Warning System - EWS) khi hệ số trả nợ (DTI) vượt ngưỡng 60%; Phân bổ trọng số mô hình 6C (Character, Capacity, Cashflow, Collateral, Conditions, Control).
- Could-have: Module chấm điểm tự động hành vi tiêu dùng qua lịch sử sao kê thẻ tín dụng.
- Won't-have: Tự động hóa giải ngân hoàn toàn không qua thẩm định thực địa đối với các khoản vay bất động sản.
Thiết kế hệ thống
Kiến trúc giải pháp tích hợp giữa hệ thống Core Banking và phân hệ quản trị rủi ro tín dụng tập trung:
flowchart TD
A["Khách hàng cá nhân (KHCN)"] --> B["Kênh tiếp nhận hồ sơ (LOS - Loan Origination System)"]
B --> C["Engine phân loại & Thẩm định sơ bộ"]
C --> D{"Kiểm tra quy định & Blacklist"}
D -- Không đạt --> E["Từ chối cấp tín dụng (Reject)"]
D -- Hợp lệ --> F["Cổng tích hợp CIC Gateway API v2.1"]
F --> G["Mô hình chấm điểm định lượng 6C & DTI Engine"]
G --> H["Khối Thẩm định tập trung (CPC / Risk Division)"]
H --> I["Core Banking Temenos T24 R22"]
I --> J["Quản lý giải ngân & Giám sát sau vay"]
J --> K["Module trích lập DPRRTD (Thông tư 02)"]
Database Schema cho quản trị rủi ro tín dụng
-- Bảng khách hàng cá nhân
CREATE TABLE tbl_khcn_customer (
customer_id VARCHAR(20) PRIMARY KEY,
full_name VARCHAR(100) NOT NULL,
identity_card VARCHAR(12) UNIQUE NOT NULL,
date_of_birth DATE NOT NULL,
monthly_income NUMERIC(15, 2) NOT NULL,
credit_rating VARCHAR(5) DEFAULT 'B',
created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);
-- Bảng khoản vay và phân loại nhóm nợ
CREATE TABLE tbl_loan_contract (
contract_id VARCHAR(30) PRIMARY KEY,
customer_id VARCHAR(20) REFERENCES tbl_khcn_customer(customer_id),
loan_amount NUMERIC(15, 2) NOT NULL,
interest_rate NUMERIC(5, 2) NOT NULL,
loan_term_months INT NOT NULL,
secured_type VARCHAR(20) CHECK (secured_type IN ('COLLATERAL', 'UNSECURED')),
debt_group INT CHECK (debt_group BETWEEN 1 AND 5),
overdue_days INT DEFAULT 0,
disbursement_date DATE NOT NULL
);
-- Bảng định giá và quản trị tài sản bảo đảm (TSBĐ)
CREATE TABLE tbl_collateral_assets (
asset_id VARCHAR(30) PRIMARY KEY,
contract_id VARCHAR(30) REFERENCES tbl_loan_contract(contract_id),
asset_type VARCHAR(50) NOT NULL,
market_value NUMERIC(15, 2) NOT NULL,
mortgage_ratio NUMERIC(5, 2) NOT NULL, -- Tỷ lệ LTV (Loan-to-Value)
liquidity_status VARCHAR(20) DEFAULT 'ACTIVE'
);
Đặc tả API tích hợp chấm điểm rủi ro
- Endpoint:
POST /api/v1/credit-risk/evaluate-6c - Headers:
Content-Type: application/json,Authorization: Bearer <JWT_TOKEN> - Request Body:
{
"customer_id": "KHCN-75019",
"loan_amount": 500000000,
"monthly_income": 35000000,
"monthly_debt_obligations": 12000000,
"cic_score": 680,
"collateral_value": 850000000,
"loan_purpose": "CONSUMPTION_HOUSE_REPAIR"
}
- Response:
{
"status": "APPROVED_AUTO",
"dti_ratio": 0.3428,
"ltv_ratio": 0.5882,
"final_6c_score": 82.5,
"risk_rating": "A",
"recommended_max_limit": 550000000
}
Phương pháp nghiên cứu và triển khai
Quy trình nghiên cứu áp dụng phương pháp định lượng kết hợp thống kê mô tả hồi tố trên phần mềm IBM SPSS Statistics 26 và Microsoft Excel 2021:
- Phương pháp thu thập dữ liệu: Thu thập chuỗi dữ liệu bảng (Panel Data) giai đoạn 2020 – 2022 về nguồn vốn huy động, doanh số cho vay/thu nợ, dư nợ phân loại theo kỳ hạn và tài sản bảo đảm.
- Phương pháp chuyên gia: Khảo sát bán cấu trúc phỏng vấn sâu 04 cán bộ tín dụng (CBTD) và chuyên viên thẩm định cao cấp tại MSB PGD Xuân Phú nhằm xác thực các nguyên nhân dẫn đến nợ xấu nhóm 3–5.
+-------------------------------------------------------------------------------+
| PROJECT TIMELINE & METHODOLOGY |
| Phase 1 (Tuần 1-3) : Khảo sát thực địa, trích xuất dữ liệu Core Banking |
| Phase 2 (Tuần 4-7) : Thống kê mô tả, tính toán hệ số rủi ro & tỷ lệ trích DPRR |
| Phase 3 (Tuần 8-10) : Mô hình hóa quy trình chấm điểm 6C & kiểm thử độ nhạy |
| Phase 4 (Tuần 11-12): Hoàn thiện khung khuyến nghị quản trị và báo cáo nghiệm thu |
+-------------------------------------------------------------------------------+
Implementation và kết quả
Quá trình thực hiện và thuật toán cốt lõi
Quy trình quản trị rủi ro được chuyển hóa thành các mô-đun xử lý logic nghiêm ngặt nhằm xác định khả năng tổn thất dự kiến (EL - Expected Loss) và trích lập DPRRTD theo Thông tư 02/2013/TT-NHNN.
Thuật toán phân loại nợ và tính quỹ trích lập DPRRTD
Công thức xác định tỷ lệ trích lập dự phòng cụ thể: $$\text{Dự phòng cụ thể (R)} = \max\left(0, (A - C)\right) \times r$$ Trong đó:
- $A$: Giá trị khoản nợ gốc.
- $C$: Giá trị khấu trừ của tài sản bảo đảm (đã nhân hệ số chiết khấu quy định).
- $r$: Tỷ lệ trích lập tương ứng theo từng nhóm nợ ($r_1 = 0%, r_2 = 5%, r_3 = 20%, r_4 = 50%, r_5 = 100%$).
"""
Mô-đun tính toán phân loại nợ và trích lập DPRRTD theo Thông tư 02/2013/TT-NHNN
Áp dụng tại hệ thống phân tích tín dụng KHCN MSB Xuân Phú
"""
from typing import Dict, Any
class CreditRiskEvaluator:
PROVISION_RATES = {
1: 0.00, # Nhóm 1: Nợ đủ tiêu chuẩn (0%)
2: 0.05, # Nhóm 2: Nợ cần chú ý (5%)
3: 0.20, # Nhóm 3: Nợ dưới tiêu chuẩn (20%)
4: 0.50, # Nhóm 4: Nợ nghi ngờ (50%)
5: 1.00 # Nhóm 5: Nợ có khả năng mất vốn (100%)
}
@staticmethod
def classify_debt_group(overdue_days: int, is_restructured: bool = False, restructure_count: int = 0) -> int:
"""Xác định nhóm nợ dựa trên số ngày quá hạn và trạng thái cơ cấu"""
if restructure_count >= 3 or overdue_days > 360:
return 5
elif restructure_count == 2 or (181 <= overdue_days <= 360):
return 4
elif is_restructured or (91 <= overdue_days <= 180):
return 3
elif 10 <= overdue_days <= 90:
return 2
return 1
@classmethod
def calculate_specific_provision(cls, loan_balance: float, collateral_value: float, discount_rate: float, debt_group: int) -> Dict[str, Any]:
"""Tính giá trị trích lập dự phòng cụ thể"""
deductible_collateral = collateral_value * discount_rate
risk_exposure = max(0.0, loan_balance - deductible_collateral)
rate = cls.PROVISION_RATES.get(debt_group, 1.00)
specific_provision = risk_exposure * rate
return {
"debt_group": debt_group,
"risk_exposure": risk_exposure,
"provision_rate": f"{rate * 100}%",
"specific_provision_amount": round(specific_provision, 2)
}
# Minh họa thực thi với khoản vay KHCN 1.2 tỷ VNĐ tại MSB Xuân Phú
if __name__ == "__main__":
evaluator = CreditRiskEvaluator()
loan_bal = 1_200_000_000.0 # 1.2 tỷ VNĐ
tsbd_val = 1_500_000_000.0 # Bất động sản định giá 1.5 tỷ VNĐ
tsbd_discount = 0.70 # Hệ số khấu trừ BĐS là 70% (1.05 tỷ VNĐ)
overdue = 120 # Quá hạn 120 ngày -> Nhóm 3
group = evaluator.classify_debt_group(overdue_days=overdue)
result = evaluator.calculate_specific_provision(loan_bal, tsbd_val, tsbd_discount, group)
print(f"Kết quả thẩm định rủi ro: {result}")
Kiểm thử và xác thực kết quả
Dữ liệu kiểm thử trên toàn bộ 100% hồ sơ tín dụng bán lẻ phát sinh tại MSB Xuân Phú giai đoạn 2020 – 2022 cho thấy mô hình định lượng đạt độ nhạy cao trong phát hiện sai lệch chỉ số tài chính.
| Chỉ số kiểm thử | Mức độ bao phủ dữ liệu | Kết quả ghi nhận | Trạng thái đạt chuẩn |
|---|---|---|---|
| Độ chính xác phân nhóm nợ | 100% danh mục vay KHCN | 99.4% khớp dữ liệu Core Banking | Đạt chuẩn thanh tra NHNN |
| Sai số tính trích lập DPRRTD | Toàn bộ 5 nhóm nợ | $\pm 0.00%$ sai lệch số học | Hoàn hảo |
| Độ trễ phản hồi chấm điểm CIC | 1,200 truy vấn mô phỏng | < 1.45 giây / hồ sơ | Đạt chuẩn SLA vận hành |
Kết quả đạt được tại MSB Xuân Phú
Số liệu thực tế ghi nhận kết quả kinh doanh và cơ cấu rủi ro tín dụng tại chi nhánh qua 3 năm:
+-----------------------------------------------------------------------------------+
| TỔNG HỢP CHỈ TIÊU TÀI CHÍNH MSB XUÂN PHÚ |
| - Tổng nguồn vốn huy động (2022) : 97.0 tỷ VNĐ (+21.25% so với 2021) |
| + Tiền gửi dân cư : 58.9 tỷ VNĐ (Chiếm 60.72% tổng nguồn vốn) |
| + Tổ chức kinh tế : 38.1 tỷ VNĐ |
| - Tổng dư nợ cho vay (2022) : 42.0 tỷ VNĐ (+40.00% so với 2021) |
| + Dư nợ có TSĐB : 29.4 tỷ VNĐ (Tỷ trọng 70.0%) |
| + Dư nợ không TSĐB (Tín chấp) : 12.6 tỷ VNĐ (Tỷ trọng 30.0%) |
| + Cơ cấu theo thời hạn : Ngắn hạn 15% (6.3 tỷ) | Trung & Dài hạn 85% |
| - Lợi nhuận sau DPRR (2022) : 5.10 tỷ VNĐ (+54.55% so với 2021: 3.3 tỷ) |
+-----------------------------------------------------------------------------------+
pie title Cơ cấu Dư nợ Tín dụng KHCN MSB Xuân Phú 2022
"Dư nợ có TSĐB (70%)" : 29.4
"Dư nợ tín chấp (30%)" : 12.6
Đổi mới và đóng góp
Các cải tiến kỹ thuật và nghiệp vụ
- Chuẩn hóa quy trình thẩm định 6C tích hợp hệ số DTI & LTV: Thay thế phương thức đánh giá cảm tính bằng thang đo ma trận trọng số. Khách hàng có hệ số trả nợ trên thu nhập (DTI) vượt quá 60% hoặc điểm xếp hạng dưới mức B đều bị loại bỏ tự động khỏi diện cấp tín dụng chuẩn.
- Cơ cấu danh mục phân tán rủi ro tài sản bảo đảm: Tăng tỷ trọng dư nợ có bảo đảm bằng bất động sản và giấy tờ có giá lên 70% tổng dư nợ (đạt 29.4 tỷ VNĐ năm 2022), hạn chế tỷ trọng tín dụng tín chấp ở ngưỡng an toàn 30% (12.6 tỷ VNĐ).
- Mô hình hóa chu trình xử lý nợ quá hạn đa tầng: Thiết lập quy trình 3 cấp độ (Nhắc nợ tự động SMS/Voice Bot khi quá hạn 1–9 ngày; Tái cấu trúc kỳ hạn trả nợ nhóm 2; Xử lý phát mại tài sản thế chấp hoặc khởi kiện đối với nhóm 4–5).
So sánh đối chuẩn với các nghiên cứu tiền nhiệm
| Tiêu chí | Nghiên cứu Nguyễn Anh Dũng (2018 - BIDV Bình Định) | Nghiên cứu Nguyễn Thành Chung (2019 - Techcombank Sơn Tây) | Đề tài nghiên cứu tại MSB Xuân Phú (2023) |
|---|---|---|---|
| Phân tích công cụ QTRRTD | Khảo sát định tính mô hình truyền thống | Tập trung khung quản lý kinh tế chung | Mô hình hóa định lượng 6C, phân loại nợ TT 02 & hệ số bù đắp rủi ro |
| Chi tiết cấu trúc sản phẩm | Tổng hợp danh mục chung | Phân loại theo kỳ hạn đơn thuần | Tách biệt sản phẩm chuẩn (Ô tô, BĐS, Kinh doanh) & không chuẩn |
| Hiệu quả xử lý rủi ro | Giảm nợ quá hạn 8.5% | Duy trì nợ xấu dưới 2.0% | Lợi nhuận sau DPRR tăng trưởng 54.55% năm 2022, phục hồi hoàn toàn sau dịch |
Ứng dụng thực tế và triển khai
Kịch bản áp dụng thực tế (Use-Case Scenarios)
- Use-case 1: Thẩm định gói vay mua ô tô tiêu dùng: Áp dụng thời hạn vay tối đa 7 năm, tỷ lệ tài trợ tối đa 75% giá trị xe mới. Hệ thống tự động kiểm tra năng lực pháp lý, định giá xe qua danh mục đối tác liên kết và khóa điều kiện giải ngân trực tiếp vào tài khoản bên bán xe.
- Use-case 2: Xử lý thu hồi nợ xấu nhóm 3 (Quá hạn 91–180 ngày): Khởi tạo quy trình cơ cấu lại thời hạn trả nợ lần đầu kết hợp kiểm tra hiện trạng tài sản thế chấp. Nếu khách hàng thiện chí hợp tác và có nguồn thu phục hồi, áp dụng chính sách giãn nợ tối đa 6 tháng; trường hợp bất khả kháng chuyển phòng xử lý nợ chuyên trách.
Lộ trình triển khai hệ thống quản trị rủi ro
+-------------------------------------------------------------------------------+
| IMPLEMENTATION ROADMAP (12 THÁNG) |
| Quý 1: Chuẩn hóa dữ liệu khách hàng & kết nối API CIC Gateway |
| Quý 2: Triển khai Engine phân tích 6C & phân quyền phê duyệt theo cấp hạn mức |
| Quý 3: Số hóa 100% quy trình kiểm tra sau vay trên ứng dụng di động cho CBTD |
| Quý 4: Đánh giá stress-testing toàn danh mục tín dụng KHCN theo Basel II |
+-------------------------------------------------------------------------------+
Hạn chế và hướng phát triển
Hạn chế còn tồn tại
- Mẫu dữ liệu cục bộ: Phạm vi số liệu giới hạn tại PGD Xuân Phú – Chi nhánh Huế, chưa mở rộng phân tích liên chi nhánh trên toàn địa bàn miền Trung.
- Phụ thuộc dữ liệu chứng minh thu nhập phi chính thức: Phân khúc hộ kinh doanh cá thể tại địa phương thường không mở sổ sách kế toán chuẩn, gây khó khăn cho việc tự động hóa tính điểm Cashflow.
Hướng phát triển tiếp theo
- Ứng dụng mô hình học máy (Machine Learning - XGBoost, Random Forest) để xây dựng hệ thống dự báo vỡ nợ sớm (Early Default Prediction).
- Tích hợp công nghệ định danh điện tử nâng cao (eKYC) và kiểm tra dữ liệu thuế điện tử nhằm minh bạch hóa nguồn thu khách hàng vay.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Tiếp cận hệ thống lý luận hoàn chỉnh, bảng biểu phân tích tài chính ngân hàng chuẩn mực và phương pháp tiếp cận đề tài thực nghiệm.
- Cán bộ tín dụng & Chuyên viên quản trị rủi ro: Sở hữu bộ tiêu chí nhận diện dấu hiệu rủi ro trước/sau vay và thuật toán phân loại nợ cụ thể theo quy định NHNN.
- Ban lãnh đạo NHTMCP: Tài liệu tham khảo chiến lược để tái cấu trúc danh mục tín dụng bán lẻ, cân đối an toàn vốn và tối ưu hóa chi phí trích lập dự phòng.
- Nhà nghiên cứu kinh tế: Cung cấp bộ dữ liệu thực chứng về khả năng hấp thụ vốn và phục hồi tín dụng tiêu dùng tại đô thị loại I giai đoạn 2020 – 2022.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật cốt lõi để triển khai mô hình quản trị rủi ro tín dụng tập trung là gì?
Hệ thống đòi hỏi hạ tầng Core Banking hiện đại (như Temenos T24, Oracle Flexcube), cơ sở dữ liệu quan hệ SQL quản lý danh mục tài sản bảo đảm, kết nối đường truyền bảo mật riêng (VPN/TLS) với Trung tâm Thông tin Tín dụng Quốc gia (CIC) và hệ thống chấm điểm rủi ro nội bộ (LOS/Credit Scoring Engine).
2. Sự khác biệt căn bản giữa nợ nhóm 2 và nợ nhóm 3 theo Thông tư 02/2013/TT-NHNN?
Nợ nhóm 2 (Nợ cần chú ý) là các khoản nợ quá hạn từ 10 đến 90 ngày với tỷ lệ trích lập dự phòng 5%. Nợ nhóm 3 (Nợ dưới tiêu chuẩn) là nợ quá hạn từ 91 đến 180 ngày hoặc nợ cơ cấu lại thời hạn trả nợ lần đầu, chính thức thuộc diện nợ xấu (NPL) với tỷ lệ trích lập dự phòng tăng vọt lên 20%.
3. Tỷ lệ an toàn vốn và tỷ lệ nợ xấu mục tiêu của ngân hàng thương mại được kiểm soát ở mức nào?
Theo quy định của NHNN và khuyến nghị Basel II, tỷ lệ an toàn vốn tối thiểu (CAR) phải đạt từ 8% trở lên và tỷ lệ nợ xấu (NPL Ratio) toàn hệ thống phải duy trì nghiêm ngặt dưới ngưỡng 3.0% tổng dư nợ.
4. Hệ số rủi ro tín dụng cao ảnh hưởng trực tiếp đến kết quả kinh doanh như thế nào?
Hệ số rủi ro cao buộc ngân hàng phải tăng chi phí trích lập quỹ dự phòng rủi ro tín dụng (DPRRTD), làm giảm trực tiếp lợi nhuận thuần từ hoạt động kinh doanh (tương tự như năm 2021 lợi nhuận MSB Xuân Phú giảm xuống 3.3 tỷ VNĐ khi trích lập dự phòng tăng).
5. Khách hàng cá nhân có thể phục hồi điểm tín dụng sau khi tất toán nợ xấu nhóm 3–5 không?
Sau khi tất toán toàn bộ nợ gốc và lãi, lịch sử tín dụng trên hệ thống CIC sẽ được ghi nhận trạng thái hoàn tất. Tuy nhiên, theo chính sách thẩm định rủi ro của MSB, khách hàng có lịch sử nợ xấu trong vòng 36 tháng gần nhất vẫn thuộc diện kiểm soát rủi ro nghiêm ngặt và bị từ chối phê duyệt tự động.
Kết luận
Khóa luận tốt nghiệp "Quản trị rủi ro tín dụng khách hàng cá nhân tại Ngân hàng TMCP Hàng Hải Việt Nam – Chi nhánh Huế – PGD Xuân Phú" của tác giả Hoàng Thị Vân Chi đã phản ánh bức tranh toàn diện về nghiệp vụ quản trị rủi ro bán lẻ tại một định chế tài chính năng động. Nghiên cứu chứng minh rằng việc kết hợp đồng bộ giữa mô hình tổ chức tập trung, quy chuẩn hóa mô hình chấm điểm 6C, duy trì tỷ trọng tài sản bảo đảm vững chắc (70% dư nợ) và tuân thủ trích lập dự phòng theo Thông tư 02 là chìa khóa giúp MSB Xuân Phú đạt mức tăng trưởng lợi nhuận ấn tượng 5.1 tỷ VNĐ (+54.55%) trong năm 2022. Đây là tài liệu tham khảo giá trị cho công tác nghiên cứu học thuật cũng như thực tiễn điều hành tín dụng bán lẻ tại các ngân hàng thương mại hiện nay.