Giới thiệu dự án
Trong cấu trúc của hệ thống tài chính hiện đại, hoạt động tín dụng đóng vai trò huyết mạch mang lại 70% - 80% nguồn thu nhập cho các ngân hàng thương mại (NHTM). Tuy nhiên, đây cũng là phân hệ tiềm ẩn rủi ro cao nhất, đặc biệt trong bối cảnh các định chế tài chính Việt Nam bước vào giai đoạn tái cơ cấu sau sáp nhập và triển khai chuẩn mực an toàn vốn Basel II theo chỉ đạo của Ngân hàng Nhà nước (NHNN). Khóa luận nghiên cứu chuyên sâu về thực trạng và giải pháp hoàn thiện hệ thống quản trị rủi ro tín dụng (RRTD) tại Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) - Chi nhánh Thừa Thiên Huế.
+-----------------------------------------------------------------------------------+
| MÔ HÌNH RỦI RO TÍN DỤNG TỔNG THỂ |
+-----------------------------------------------------------------------------------+
| [Đầu vào: Hồ sơ, CIC, BCTC] -> [Mô hình 6C & Z-Score] -> [Chấm điểm tín dụng] |
| | |
| [Trích lập DP: TT 02/2013] <- [Phân loại nhóm nợ 1-5] <- [Kiểm soát sau vay] |
+-----------------------------------------------------------------------------------+
Vấn đề thực tiễn (Problem Statement)
Sacombank Chi nhánh Thừa Thiên Huế đối mặt với bài toán tối ưu hóa danh mục cho vay trong điều kiện áp lực tăng trưởng quy mô tín dụng song song với việc kiểm soát nợ xấu hậu sáp nhập:
- Áp lực rủi ro bất cân xứng thông tin: Năng lực phân tích báo cáo tài chính (BCTC) của khách hàng doanh nghiệp vừa và nhỏ (SME) gặp khó khăn do dữ liệu kế toán thiếu minh bạch, hóa đơn chứng từ chưa chuẩn hóa.
- Quy trình giám sát sau giải ngân: Kiểm soát dòng tiền sau cho vay chưa bám sát chu kỳ kinh doanh thực tế, dẫn đến nguy cơ sử dụng vốn sai mục đích.
- Rủi ro tác nghiệp và áp lực chỉ tiêu KPI: Cán bộ tín dụng (CBTD) chịu tải khối lượng công việc lớn từ khâu tiếp thị, thẩm định đến đôn đốc thu hồi nợ, tạo ra các lỗ hổng tiềm ẩn trong việc xếp hạng khách hàng.
Mục tiêu nghiên cứu (Project Objectives)
- Hệ thống hóa cơ sở lý luận về tín dụng, các hình thức cấp tín dụng, phân loại rủi ro (rủi ro giao dịch, rủi ro danh mục, rủi ro tác nghiệp) và các mô hình lượng hóa rủi ro chuẩn quốc tế (Mô hình 6C, Điểm số Z của Altman, Xếp hạng Moody's / Standard & Poor's).
- Phân tích định lượng toàn diện hoạt động kinh doanh và chất lượng danh mục tín dụng tại Sacombank Chi nhánh Thừa Thiên Huế giai đoạn 2015 – 2017 dựa trên số liệu thực tế về doanh số giải ngân, doanh số thu nợ, dư nợ quá hạn và nợ xấu theo Thông tư 02/2013/TT-NHNN.
- Đo lường hiệu quả quản trị qua các chỉ tiêu tài chính: Hệ số thu nợ ($H_{tn}$), Hệ số rủi ro tín dụng ($H_{rr}$), Tỷ lệ khả năng bù đắp rủi ro tín dụng ($K_{bd}$).
- Đề xuất hệ thống giải pháp kỹ thuật, mô hình tổ chức thẩm định độc lập và quy trình quản trị rủi ro khép kín nhằm nâng cao năng lực cạnh tranh và đảm bảo an toàn vốn.
Phương pháp tiếp cận và Giới hạn phạm vi
- Phương pháp tiếp cận: Kết hợp định tính (Mô hình 6C) và định lượng (Z-Score, ma trận xác suất vỡ nợ, thống kê chuỗi thời gian 2015-2017), tích hợp kiểm định đối chiếu quy chuẩn Thông tư 02/2013/TT-NHNN và định hướng Basel II.
- Phạm vi nghiên cứu: Toàn bộ hoạt động cấp tín dụng (ngắn hạn, trung - dài hạn cho cá nhân và doanh nghiệp) tại Sacombank Chi nhánh Thừa Thiên Huế (126 Nguyễn Huệ, TP. Huế) và 7 Phòng giao dịch trực thuộc (Phú Xuân, Phú Hội, An Cựu, Phú Bài, Tây Lộc, Phú Vang, Hương Trà). Dữ liệu tài chính thu thập từ 01/01/2015 đến 31/12/2017.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Khảo sát hệ thống quản trị rủi ro tại các NHTM Việt Nam cho thấy sự phân hóa rõ nét giữa các mô hình vận hành và công cụ đo lường:
| Tiêu chí phân tích |
Mô hình Quản lý Rủi ro Phân tán |
Mô hình Quản lý Rủi ro Tập trung |
Mô hình Đề xuất (Lai hóa Chuẩn Basel II) |
| Cơ chế thẩm định |
Chi nhánh thực hiện trọn gói từ bán hàng, thẩm định đến phê duyệt |
Hội sở chính phê duyệt tập trung toàn bộ hồ sơ qua hệ thống số hóa |
Chi nhánh thẩm định sơ bộ, Trung tâm Phê duyệt tín dụng độc lập ra quyết định |
| Phân tách trách nhiệm |
Không tách biệt 3 chức năng (Kinh doanh, Tác nghiệp, Quản trị rủi ro) |
Tách biệt hoàn toàn 3 khối độc lập |
Tách bạch rõ Khối Quan hệ Khách hàng (RM) và Khối Quản lý Rủi ro (RCO) |
| Thời gian xử lý |
Nhanh (1 - 3 ngày), linh hoạt theo địa bàn |
Chậm (5 - 10 ngày), độ trễ truyền dữ liệu |
Tối ưu hóa qua Core Banking & Workflow điện tử (2 - 4 ngày) |
| Kiểm soát rủi ro |
Rủi ro tác nghiệp và xung đột lợi ích cao |
Kiểm soát khách quan, loại bỏ rủi ro đạo đức |
Giám sát đa tầng: Hệ thống cảnh báo sớm (EWS) kết hợp thanh tra chéo |
MA TRẬN ƯU TIÊN YÊU CẦU THEO PHƯƠNG PHÁP MoSCoW
+---------------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc) |
| - Phân loại nợ chính xác 5 nhóm theo TT 02/2013/TT-NHNN. |
| - Tự động hóa trích lập dự phòng cụ thể và dự phòng chung 0.75%. |
| - Tách bạch chức năng bán hàng (Front Office) và thẩm định (Middle Office). |
+---------------------------------------------------------------------------------+
| SHOULD HAVE (Nên có) |
| - Triển khai thuật toán tính điểm Z-Score tích hợp trong phần mềm tín dụng. |
| - Tích hợp tra cứu dữ liệu thời gian thực từ Trung tâm Thông tin Tín dụng (CIC). |
+---------------------------------------------------------------------------------+
| COULD HAVE (Có thể có) |
| - Hệ thống cảnh báo sớm rủi ro dòng tiền tự động qua API kết nối Core Banking. |
| - Thử nghiệm mô hình xác suất vỡ nợ (PD) và tổn thất khi vỡ nợ (LGD) Basel II. |
+---------------------------------------------------------------------------------+
| WON'T HAVE (Chưa ưu tiên) |
| - Tự động hóa giải ngân 100% bằng trí tuệ nhân tạo không cần sự duyệt của CBTD. |
+---------------------------------------------------------------------------------+
Thiết kế hệ thống
Kiến trúc quản trị rủi ro tín dụng hiện đại được thiết kế theo cấu trúc 3 tuyến phòng thủ (Three Lines of Defense), tích hợp engine tính toán rủi ro tự động:
+-----------------------------------------------------------------------------------+
| KIẾN TRÚC HỆ THỐNG QUẢN TRỊ RỦI RO TÍN DỤNG ĐỀ XUẤT |
+-----------------------------------------------------------------------------------+
| [Tuyến 1: Front Office] -> Đơn vị kinh doanh, CBTD tiếp nhận hồ sơ, mô hình 6C |
| │ |
| [Tuyến 2: Middle Office] -> Phòng Kiểm soát Rủi ro, Credit Rating Engine, EWS |
| │ |
| [Tuyến 3: Back Office] -> Kiểm toán nội bộ, Phòng Kế toán & Quỹ, Core Banking |
+-----------------------------------------------------------------------------------+
Công thức toán học và Logic định lượng
-
Dự phòng rủi ro cụ thể ($R$): Được tính toán dựa trên chênh lệch giữa giá trị khoản nợ gốc và giá trị tài sản đảm bảo (TSĐB) đã khấu trừ:
$$R = \max\left(0, A - C\right) \times r$$
Trong đó: $A$ là số dư nợ gốc; $C$ là giá trị khấu trừ của TSĐB theo quy định; $r$ là tỷ lệ trích lập theo nhóm nợ (Nhóm 1: 0%, Nhóm 2: 5%, Nhóm 3: 20%, Nhóm 4: 50%, Nhóm 5: 100%).
-
Dự phòng rủi ro chung ($R_{chung}$): Áp dụng cho các khoản nợ từ nhóm 1 đến nhóm 4:
$$R_{chung} = 0.0075 \times \sum_{i=1}^{4} \text{Dư nợ nhóm } i$$
-
Mô hình chỉ số $Z$-Score của Edward I. Altman (Dành cho DN chưa niêm yết):
$$Z = 0.717 X_1 + 0.847 X_2 + 3.107 X_3 + 0.420 X_4 + 0.998 X_5$$
Trong đó:
- $X_1 = \text{Vốn lưu động} / \text{Tổng tài sản}$
- $X_2 = \text{Lợi nhuận giữ lại} / \text{Tổng tài sản}$
- $X_3 = \text{Lợi nhuận trước thuế và lãi vay (EBIT)} / \text{Tổng tài sản}$
- $X_4 = \text{Giá trị sổ sách vốn CSH} / \text{Tổng nợ phải trả}$
- $X_5 = \text{Doanh thu thuần} / \text{Tổng tài sản}$
Ngưỡng an toàn: $Z > 2.9$ (Vùng an toàn); $1.23 \le Z \le 2.9$ (Vùng cảnh báo); $Z < 1.23$ (Vùng nguy cơ phá sản cao).
Thiết kế cấu trúc dữ liệu lưu trữ (Database Schema)
-- Thiết kế bảng đánh giá xếp hạng tín dụng và trích lập dự phòng
CREATE TABLE Credit_Appraisal (
LoanID VARCHAR(20) PRIMARY KEY,
CustomerID VARCHAR(20) NOT NULL,
DebtGroup INT CHECK (DebtGroup BETWEEN 1 AND 5),
PrincipalAmount DECIMAL(18, 2) NOT NULL,
CollateralValue DECIMAL(18, 2) DEFAULT 0.00,
CollateralDeductionRate DECIMAL(4, 2) DEFAULT 1.00,
SpecificProvisionRate DECIMAL(4, 2) NOT NULL,
SpecificProvisionAmount DECIMAL(18, 2) GENERATED ALWAYS AS (
GREATEST(0, PrincipalAmount - (CollateralValue * CollateralDeductionRate)) * SpecificProvisionRate
) STORED,
ZScore DECIMAL(6, 3),
RiskCategory VARCHAR(30),
CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
Methodology
Phương pháp nghiên cứu áp dụng quy trình phân tích định lượng kết hợp khung quản lý dự án Waterfall có hiệu chỉnh:
- Thu thập dữ liệu: Trích xuất báo cáo tài chính kiểm toán, báo cáo thống kê tín dụng nội bộ, bảng cân đối kế toán từ hệ thống Core Banking Sacombank Huế từ năm 2015 đến 2017.
- Phân tích đối chuẩn (Benchmarking): So sánh các hệ số an toàn vốn, tỷ lệ nợ xấu với mức trần an toàn của NHNN ($< 3%$) và chuẩn Basel II.
- Đánh giá rủi ro (Risk Assessment): Sử dụng ma trận rủi ro 2 chiều (Xác suất xảy ra rủi ro $\times$ Mức độ tổn thất tài chính).
Implementation và kết quả
Development process & Core Algorithm
Thuật toán phân loại nợ và tự động tính toán nghĩa vụ trích lập dự phòng được cụ thể hóa bằng mã nguồn Python:
from dataclasses import dataclass
from typing import Dict, Tuple
@dataclass
class LoanContract:
loan_id: str
customer_name: str
principal: float
collateral_value: float
overdue_days: int
restructured_times: int = 0
class CreditRiskEngine:
PROVISION_RATES: Dict[int, float] = {
1: 0.00, # Nợ đủ tiêu chuẩn
2: 0.05, # Nợ cần chú ý
3: 0.20, # Nợ dưới tiêu chuẩn
4: 0.50, # Nợ nghi ngờ
5: 1.00 # Nợ có khả năng mất vốn
}
@staticmethod
def classify_debt_group(overdue_days: int, restructured: int) -> int:
"""Phân loại nhóm nợ theo Thông tư 02/2013/TT-NHNN"""
if overdue_days < 10 and restructured == 0:
return 1
elif 10 <= overdue_days <= 90 or restructured == 1:
return 2
elif 91 <= overdue_days <= 180:
return 3
elif 181 <= overdue_days <= 360 or restructured == 2:
return 4
else:
return 5
@classmethod
def calculate_provisions(cls, loan: LoanContract) -> Dict[str, float]:
group = cls.classify_debt_group(loan.overdue_days, loan.restructured_times)
rate = cls.PROVISION_RATES[group]
# Công thức R = max(0, A - C) * r
net_exposure = max(0.0, loan.principal - loan.collateral_value)
specific_provision = net_exposure * rate
# Dự phòng chung 0.75% cho nhóm 1-4
general_provision = (loan.principal * 0.0075) if group in [1, 2, 3, 4] else 0.0
return {
"group": group,
"specific_provision": specific_provision,
"general_provision": general_provision,
"total_provision": specific_provision + general_provision
}
# Minh họa thực thi đánh giá một khoản vay
loan = LoanContract(
loan_id="LD1700248",
customer_name="Công ty TNHH TMDV Du lịch Cố Đô",
principal=500_000_000.0,
collateral_value=350_000_000.0,
overdue_days=125,
restructured_times=0
)
result = CreditRiskEngine.calculate_provisions(loan)
# Output: Group 3 (20%), Specific Provision = (500M - 350M) * 20% = 30M VND
Testing và validation
Hiệu quả của mô hình quản trị rủi ro được kiểm chứng trực tiếp qua dữ liệu tăng trưởng quy mô tài sản, doanh số và các chỉ số an toàn của Sacombank Chi nhánh Thừa Thiên Huế qua 3 năm (2015 – 2017).
Bảng tổng hợp các chỉ tiêu tài chính và tín dụng chủ chốt
(Đơn vị tính: Triệu đồng)
| Chỉ tiêu kinh tế |
Năm 2015 |
Năm 2016 |
Năm 2017 |
Tăng trưởng 2016/2015 (%) |
Tăng trưởng 2017/2016 (%) |
| Tổng tài sản |
984,320 |
1,126,660 |
1,312,840 |
+14.46% |
+16.52% |
| Đầu tư và cho vay |
520,092 |
600,131 |
719,245 |
+15.39% |
+19.85% |
| Vốn huy động |
860,176 |
997,410 |
1,170,254 |
+15.95% |
+17.33% |
| Thu lãi cho vay |
78,250 |
84,889 |
98,139 |
+8.48% |
+15.61% |
| Chi phí trả lãi tiền gửi |
82,139 |
74,000 |
73,652 |
-9.91% |
-0.47% |
| Lợi nhuận trước thuế |
25,410 |
29,440 |
38,980 |
+15.86% |
+32.40% |
| Tổng lao động (Người) |
127 |
138 |
152 |
+8.66% |
+10.14% |
Phân tích biến động doanh số giải ngân và thu nợ
(Đơn vị tính: Triệu đồng)
| Phân loại |
Doanh số 2015 |
Doanh số 2016 |
Doanh số 2017 |
Tăng trưởng 2016 (%) |
Tăng trưởng 2017 (%) |
| Doanh số cho vay ngắn hạn |
7,230 |
8,760 |
10,162 |
+21.16% |
+16.00% |
| Doanh số cho vay trung dài hạn |
3,604 |
4,393 |
5,072 |
+21.89% |
+15.46% |
| Tổng doanh số cho vay |
10,834 |
13,153 |
15,234 |
+21.40% |
+15.82% |
| Doanh số thu nợ ngắn hạn |
7,449 |
8,435 |
9,734 |
+13.24% |
+15.40% |
| Doanh số thu nợ trung dài hạn |
3,680 |
4,210 |
4,846 |
+14.40% |
+15.11% |
| Tổng doanh số thu nợ |
11,129 |
12,645 |
14,580 |
+13.62% |
+15.30% |
| Hệ số thu nợ ($H_{tn}$) |
1.09 |
1.02 |
1.02 |
- |
- |
BIẾN ĐỘNG DOANH SỐ CHO VAY VÀ THU NỢ (2015 - 2017)
(Triệu đồng)
16000 ┼───────────────────────────────────────────── 15,234 (Cho vay)
│ 13,153 14,580 (Thu nợ)
14000 ┼ 12,645 ───────▲───────────
│ 11,129 ───────▲───────────┘
12000 ┼ 10,834 ───────▲─────────┘
│ ▲────────┘
10000 ┼──────────┴────────────────────────────────────────
Năm 2015 Năm 2016 Năm 2017
Kết quả đạt được
- Hiệu suất thu hồi nợ tối ưu: Hệ số thu nợ ($H_{tn}$) luôn duy trì trên 1.0 ($1.09$ năm 2015, $1.02$ năm 2016 và 2017). Điều này chứng minh chu chuyển vốn vay diễn ra an toàn, lượng vốn gốc giải ngân được thu hồi đầy đủ và đúng hạn.
- Kiểm soát chi phí vốn (Cost of Funds): Lãi suất tiền gửi giảm mạnh từ mức đỉnh 12.5%/năm (2015) xuống 7.2%/năm (2017) giúp chi phí lãi giảm 10.33% trong khi vốn huy động tăng 36.05%, mở rộng biên lãi ròng (NIM).
- Nâng cao chất lượng nguồn nhân lực: Tỷ lệ cán bộ có trình độ đại học và trên đại học tăng từ 67.72% (2015) lên 70.39% (2017), đáp ứng tốt yêu cầu phân tích rủi ro phức tạp.
Đổi mới và đóng góp
- Đổi mới quy trình thẩm định 6C đa tầng: Bổ sung trọng số định lượng cho từng tiêu chí, xác lập vị trí then chốt của tiêu chí Capacity (Khả năng tạo dòng tiền) thay vì phụ thuộc thái quá vào Collateral (Tài sản thế chấp).
- Áp dụng chuẩn hóa tính điểm Z-Score nội bộ: Khắc phục hạn chế đánh giá cảm tính của CBTD, đưa ra khung ranh giới cảnh báo vỡ nợ sớm với độ chính xác cao.
- Tách biệt chức năng vận hành theo định hướng Basel II: Khắc phục triệt để nhược điểm của mô hình quản trị phân tán cũ, loại bỏ xung đột lợi ích giữa chỉ tiêu doanh số bán hàng và yêu cầu kiểm soát rủi ro.
| Giải pháp truyền thống (Trước 2015) |
Giải pháp đề xuất trong nghiên cứu |
Hiệu quả cải tiến |
| Đánh giá khách hàng chủ yếu dựa vào giá trị TSĐB (Bất động sản) |
Thẩm định dòng tiền kinh doanh (Cash-flow based lending) & Chấm điểm Z-Score |
Giảm thiểu 40% nguy cơ nợ xấu tiềm ẩn do sốt ảo BĐS |
| Phê duyệt hồ sơ tín dụng phân tán tại phòng giao dịch |
Mô hình phê duyệt tập trung có kiểm soát độc lập |
Giảm rủi ro tác nghiệp xuống dưới 0.15% tổng dư nợ |
| Giám sát sau vay định kỳ 6 tháng/lần bằng văn bản |
Giám sát dòng tiền tài khoản thời gian thực + Kiểm tra đột xuất |
Phát hiện sớm sai lệch mục đích vay trước 60 ngày |
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng thực tế (Real-world Use Case)
- Bối cảnh: Doanh nghiệp kinh doanh khách sạn tại TP. Huế nộp hồ sơ xin cấp hạn mức tín dụng 10 tỷ đồng để nâng cấp cơ sở vật chất trước mùa Festival Huế.
- Quy trình triển khai:
- Bước 1 (Front Office): Chuyên viên Quan hệ Khách hàng tiếp nhận hồ sơ, kiểm tra lịch sử CIC (không có nợ nhóm 2 trong 3 năm), chấm điểm 6C sơ bộ.
- Bước 2 (Middle Office): Chuyên viên Kiểm soát Rủi ro chạy mô hình tính điểm Z-Score ($Z = 2.45$ - Vùng an toàn), thẩm định thực địa công suất buồng phòng và dòng tiền POS.
- Bước 3 (Phê duyệt): Hội đồng tín dụng cấp hạn mức giải ngân theo tiến độ hoàn thành xây lắp, giải ngân trực tiếp vào tài khoản nhà thầu thi công để chống đảo nợ.
Lộ trình triển khai hệ thống (Implementation Roadmap)
+───────────────────────────────────────────────────────────────────────────+
| Giai đoạn 1 (Tháng 1-3): Chuẩn hóa cơ sở dữ liệu khách hàng & đào tạo 6C |
+───────────────────────────────────────────────────────────────────────────+
│
+───────────────────────────────────────────────────────────────────────────+
| Giai đoạn 2 (Tháng 4-6): Tách bạch bộ phận RM và RCO tại 7 Phòng Giao dịch|
+───────────────────────────────────────────────────────────────────────────+
│
+───────────────────────────────────────────────────────────────────────────+
| Giai đoạn 3 (Tháng 7-12): Tích hợp Engine chấm điểm Z-Score vào Workflow |
+───────────────────────────────────────────────────────────────────────────+
Hạn chế và hướng phát triển
- Hạn chế kỹ thuật: Mô hình Z-Score của Edward Altman nguyên bản được xây dựng trên dữ liệu doanh nghiệp phương Tây, cần hiệu chỉnh trọng số để phản ánh chính xác đặc thù của doanh nghiệp SME Việt Nam (thói quen dùng tiền mặt, ghi nhận doanh thu chưa tối ưu).
- Rào cản pháp lý khi xử lý TSĐB: Ngân hàng là định chế tài chính, không có quyền lực cưỡng chế tài sản trực tiếp mà phải thông qua thi hành án dân sự hoặc tòa án, khiến thời gian thanh lý tài sản kéo dài từ 12 đến 36 tháng.
- Hướng phát triển: Tích hợp mô hình máy học (Machine Learning: Random Forest, XGBoost) trên nền tảng Big Data để phân tích hành vi thanh toán và xây dựng hệ thống tự động cảnh báo sớm nợ quá hạn.
Đối tượng hưởng lợi
- Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nguồn tài liệu tham khảo chuẩn xác về số liệu phân tích tài chính thực tế, mô hình tính toán dự phòng theo Thông tư 02/2013/TT-NHNN.
- Chuyên viên Tín dụng & Quản trị Rủi ro: Cẩm nang nghiệp vụ về kỹ thuật thẩm định 6C, cách nhận diện dấu hiệu gian lận báo cáo tài chính và phương pháp quản trị danh mục.
- Ban Lãnh đạo Ngân hàng Thương mại: Cung cấp cơ sở thực chứng để chuyển đổi mô hình quản trị rủi ro từ phân tán sang tập trung, chuẩn bị lộ trình đáp ứng Basel II và Basel III.
Câu hỏi thường gặp
1. Sự khác biệt cơ bản giữa nợ quá hạn và nợ xấu theo quy định hiện hành là gì?
Nợ quá hạn là tất cả các khoản nợ có một phần hoặc toàn bộ nợ gốc và/hoặc lãi đã quá hạn thanh toán (bao gồm Nhóm 2, 3, 4, 5). Trong khi đó, nợ xấu là tập con của nợ quá hạn, chỉ bao gồm các khoản nợ thuộc Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ) và Nhóm 5 (Nợ có khả năng mất vốn) theo Thông tư 02/2013/TT-NHNN.
2. Tại sao tiêu chí Năng lực tài chính (Capacity) lại quan trọng hơn Tài sản đảm bảo (Collateral) trong mô hình 6C?
Tài sản đảm bảo chỉ là nguồn thu hồi nợ thứ cấp khi phương án kinh doanh thất bại. Dòng tiền kinh doanh lành mạnh từ năng lực tài chính mới là nguồn hoàn trả nợ gốc và lãi chủ yếu, quyết định sự thành công của khoản tín dụng và bảo toàn thanh khoản cho ngân hàng.
3. Công thức trích lập dự phòng cụ thể được thực thi như thế nào nếu giá trị TSĐB lớn hơn nợ gốc?
Theo công thức $R = \max(0, A - C) \times r$, nếu giá trị khấu trừ của tài sản bảo đảm ($C$) lớn hơn hoặc bằng số dư nợ gốc ($A$), biểu thức $(A - C) \le 0$, dẫn đến số tiền dự phòng cụ thể phải trích bằng $0$ đồng.
4. Mô hình quản lý rủi ro tập trung mang lại lợi ích cốt lõi gì so với mô hình phân tán?
Mô hình tập trung giúp triệt tiêu xung đột lợi ích giữa mục tiêu tăng trưởng doanh số của chi nhánh và yêu cầu an toàn vốn, chuẩn hóa quy trình thẩm định trên toàn hệ thống và nâng cao tính độc lập, khách quan của quyết định cấp tín dụng.
5. Dự phòng rủi ro chung 0.75% được áp dụng cho những nhóm nợ nào?
Theo quy định của NHNN, tỷ lệ trích lập dự phòng chung 0.75% được áp dụng trên tổng số dư nợ của các nhóm nợ từ Nhóm 1 đến Nhóm 4 (không áp dụng đối với nợ Nhóm 5).
Kết luận
Đề tài khóa luận tốt nghiệp của tác giả Lê Minh Huy đã giải quyết thấu đáo bài toán quản trị rủi ro tín dụng tại Sacombank Chi nhánh Thừa Thiên Huế giai đoạn 2015 – 2017. Bằng việc kết hợp chặt chẽ giữa lý thuyết định lượng chuẩn mực (6C, Z-Score, Thông tư 02/2013/TT-NHNN) và số liệu thực chứng chi tiết, nghiên cứu khẳng định tầm quan trọng sống còn của việc hoàn thiện hệ thống đo lường và tách bạch mô hình kiểm soát. Các giải pháp đề xuất không chỉ hỗ trợ Sacombank Huế giữ vững hệ số thu nợ trên 1.02 và tối ưu hóa lợi nhuận kinh doanh, mà còn đóng góp giá trị phương pháp luận sâu sắc cho công tác quản trị rủi ro trong toàn ngành ngân hàng thương mại Việt Nam.