Giới thiệu dự án

Hoạt động tín dụng luôn đóng vai trò là mạch máu doanh thu của các Ngân hàng Thương mại (NHTM), chiếm tỷ trọng từ 70% đến 80% tổng thu nhập hoạt động trong hệ thống ngân hàng Việt Nam. Tuy nhiên, theo các nghiên cứu chuyên ngành quản trị tài chính, rủi ro tín dụng (RRTD) chiếm tới 70% tổng các rủi ro hoạt động ngân hàng. Đặc thù của ngành tài chính - ngân hàng là kinh doanh dựa trên rủi ro có kiểm soát; do đó, việc tối ưu hóa hiệu quả phân bổ vốn và duy trì an toàn hệ thống là yếu tố sống còn.

Tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) – Chi nhánh Thái Thụy (tỉnh Thái Bình), quy mô tín dụng tăng trưởng liên tục trong giai đoạn 2014 – 2016 nhưng công tác kiểm soát rủi ro còn đối mặt với nhiều thách thức từ tính chất phân tán của tín dụng nông nghiệp, rủi ro khách quan của thiên tai dịch bệnh và bất cân xứng thông tin. Đồ án/khóa luận nghiên cứu chuyên sâu về đề tài: "Quản trị rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh Thái Thụy" nhằm giải quyết bài toán cốt lõi này.

+-----------------------------------------------------------------------------+
|                            PROBLEM STATEMENT                                |
| Khâu thẩm định định tính truyền thống còn nặng tính chủ quan; thiếu công cụ |
| định lượng (Z-Score/Internal Rating); tỷ lệ nợ xấu và nợ quá hạn biến động  |
| theo tính chu kỳ của kinh tế nông thôn; cơ cấu giám sát sau vay chưa tối ưu |
+-----------------------------------------------------------------------------+

Mục tiêu nghiên cứu của dự án

  1. Hệ thống hóa lý luận chuyên sâu: Làm rõ cơ chế phát sinh rủi ro, phân loại rủi ro (rủi ro giao dịch, rủi ro danh mục, rủi ro tác nghiệp) và các chuẩn mực quản trị theo Thông tư 02/2013/TT-NHNN và Quyết định 493/2005/QĐ-NHNN.
  2. Đánh giá thực trạng hoạt động (2014 – 2016): Phân tích định lượng dữ liệu huy động vốn, tăng trưởng dư nợ (từ 650,5 tỷ lên 811,0 tỷ đồng), phân tích nợ quá hạn và nợ xấu (Nhóm 3, 4, 5).
  3. Thiết kế khung giải pháp quản trị rủi ro đến năm 2020: Tái cấu trúc quy trình kiểm soát liên tục 3 giai đoạn (trước, trong, sau cho vay) và hoàn thiện hệ thống chấm điểm tín dụng nội bộ.

Phạm vi và giới hạn đề tài

  • Không gian: Toàn bộ hoạt động cấp tín dụng và quản trị rủi ro tại Agribank Chi nhánh Thái Thụy và 3 Phòng giao dịch trực thuộc (PGD Đông Hồ, PGD Cầu Cau, PGD Chợ Cầu).
  • Thời gian: Dữ liệu tài chính chuỗi thời gian thực nghiệm từ năm 2014 đến hết năm 2016, định hướng ứng dụng thực tiễn giai đoạn tiếp theo.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong quản trị tín dụng tại các ngân hàng thương mại, các mô hình đánh giá rủi ro truyền thống bộc lộ cả ưu điểm và nhược điểm khi đối chiếu với đặc thù tín dụng nông nghiệp, nông thôn.

Mô hình đánh giá Ưu điểm cốt lõi Hạn chế kỹ thuật Tính khả thi tại Chi nhánh
Mô hình định tính 6C (Character, Capacity, Cash, Collateral, Conditions, Control) Đánh giá toàn diện khía cạnh phi tài chính, tư cách và thiện chí trả nợ của khách hàng. Phụ thuộc hoàn toàn vào trực giác của Cán bộ Tín dụng (CBTD); khó lượng hóa; dễ phát sinh sai số do bất cân xứng thông tin. Cao đối với Khách hàng cá nhân (KHCN) và hộ sản xuất nông nghiệp.
Mô hình định lượng Altman Z-Score Tự động hóa qua công thức toán học; đánh giá xác suất vỡ nợ dựa trên 5 chỉ số tài chính độc lập. Không xét đến yếu tố vĩ mô và uy tín lâu năm; thông số trọng số cố định ($X_1 \dots X_5$) thiết kế cho doanh nghiệp niêm yết. Phù hợp với Khách hàng doanh nghiệp (KHDN) có báo cáo tài chính minh bạch.
Hệ thống Xếp hạng Tín dụng Nội bộ (IRB) Kết hợp định tính và định lượng thành thang điểm chuẩn hóa (AAA đến D). Đòi hỏi cơ sở dữ liệu lớn và phần mềm đồng bộ từ cấp Hội sở chính. Bắt buộc triển khai theo lộ trình Basel II và chỉ đạo từ NHNN.

Yêu cầu người dùng theo ma trận MoSCoW

  • Must have: Phân loại nợ nghiêm ngặt thành 5 nhóm theo Thông tư 02/2013/TT-NHNN; kiểm soát tỷ lệ nợ xấu dưới ngưỡng 3%; tính toán trích lập dự phòng rủi ro cụ thể và dự phòng chung.
  • Should have: Tích hợp mô hình chấm điểm tín dụng 6 bước kết hợp tài sản bảo đảm (TSBĐ); chuẩn hóa chu trình kiểm soát tín dụng liên tục (Trước - Trong - Sau giải ngân).
  • Could have: Tích hợp cổng tra cứu tự động lịch sử tín dụng qua hệ thống Trung tâm Thông tin Tín dụng Quốc gia (CIC).
  • Won't have: Mô hình đo lường rủi ro nâng cao dựa trên phân phối tổn thất tín dụng danh mục (CreditMetrics/CreditRisk+) trong phạm vi chi nhánh cấp huyện.

Thiết kế hệ thống

flowchart TD
    subgraph GIAI_DOAN_1["1. Nhận diện Rủi ro"]
        A1["Phân tích Danh mục Tín dụng\n(Quy mô, Ngành nghề, Vùng)"] --> A2["Phân tích Khách hàng\n(Tư cách, Lịch sử CIC, Nhu cầu vay)"]
    end

    subgraph GIAI_DOAN_2["2. Đo lường Rủi ro"]
        B1["Định tính: Mô hình 6C"] --> B3["Hệ thống Xếp hạng Tín dụng\n(Thang điểm AAA -> D)"]
        B2["Định lượng: Altman Z-Score\nZ = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 1.0X5"] --> B3
    end

    subgraph GIAI_DOAN_3["3. Kiểm soát & Xử lý Rủi ro"]
        C1["Kiểm soát Trước Giải ngân\n(Thẩm định hồ sơ, Định giá TSBĐ)"] --> C2["Kiểm soát Trong Giải ngân\n(Đối chiếu giải ngân, Hạn mức thấu chi)"]
        C2 --> C3["Kiểm soát Sau Giải ngân\n(Giám sát dòng tiền, Cảnh báo sớm)"]
    end

    subgraph GIAI_DOAN_4["4. Tài trợ Tổn thất RRTD"]
        D1["Trích lập Quỹ Dự phòng Rủi ro\n(Quyết định 493 / TT 02)"]
        D2["Chuyển giao Rủi ro\n(Hợp đồng Bảo hiểm Khoản vay)"]
        D3["Xử lý Ngoại bảng & Bán TSBĐ"]
    end

    GIAI_DOAN_1 --> GIAI_DOAN_2
    GIAI_DOAN_2 --> GIAI_DOAN_3
    GIAI_DOAN_3 --> GIAI_DOAN_4

Technology Stack và Thông số Kỹ thuật

  • Nền tảng Core Banking: IPCAS (Integrated Payment and Customer Accounting System) Version 2.4 – Kiến trúc tập trung xử lý giao dịch thời gian thực.
  • Hệ thống Quản lý Dữ liệu Tín dụng: Oracle Database 11g Enterprise Edition tích hợp module phân tích rủi ro danh mục.
  • Hệ thống Tra cứu Xếp hạng Tín dụng: CIC Host-to-Host Gateway (API SOAP/XML bảo mật qua giao thức TLS 1.2).
  • Công cụ Phân tích Thống kê: Microsoft Excel VBA Macro & SPSS Statistics 20.0 phục vụ kiểm định tương quan giữa các biến tài chính và tỷ lệ nợ quá hạn.

Phương pháp luận (Methodology)

Nghiên cứu sử dụng phương pháp định tính kết hợp định lượng thực nghiệm:

  • Thu thập dữ liệu thứ cấp: Báo cáo tài chính, báo cáo lưu chuyển tiền tệ, bảng cân đối tài khoản kế toán của Agribank Thái Thụy giai đoạn 2014 – 2016.
  • Phương pháp thống kê mô tả và so sánh chuỗi thời gian: Đánh giá biến động tốc độ tăng trưởng nguồn vốn, dư nợ phân theo thời hạn (ngắn, trung, dài hạn) và phân theo ngành kinh tế.
  • Phương pháp logic - lịch sử: Dự báo xu hướng rủi ro danh mục và đề xuất giải pháp xử lý nợ đọng, rủi ro lựa chọn đối nghịch (Adverse Selection) và rủi ro tác nghiệp nội bộ.

Implementation và kết quả

Quy trình nghiệp vụ và thuật toán đo lường rủi ro

Hệ thống chấm điểm rủi ro khách hàng doanh nghiệp được chuẩn hóa qua thuật toán chỉ số tài chính tổng hợp $Z$ của Edward Altman và bảng thang điểm nội bộ 10 bậc:

$$\text{Altman } Z = 1{,}2 X_1 + 1{,}4 X_2 + 3{,}3 X_3 + 0{,}6 X_4 + 1{,}0 X_5$$

Trong đó:

  • $X_1 = \frac{\text{Vốn lưu động ròng}}{\text{Tổng tài sản}}$ (Khả năng thanh khoản ngắn hạn)
  • $X_2 = \frac{\text{Lợi nhuận giữ lại}}{\text{Tổng tài sản}}$ (Khả năng tự tài trợ và tích lũy vốn)
  • $X_3 = \frac{\text{EBIT}}{\text{Tổng tài sản}}$ (Hiệu quả sinh lời của tài sản trước thuế và lãi vay)
  • $X_4 = \frac{\text{Giá trị thị trường vốn CSH}}{\text{Giá trị sổ sách tổng nợ}}$ (Mức độ đòn bẩy tài chính)
  • $X_5 = \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản}}$ (Hiệu suất quay vòng tài sản)
"""
Module: credit_risk_scoring_engine.py
Mô phỏng động cơ phân loại rủi ro tín dụng và trích lập dự phòng theo chuẩn TT 02/2013/TT-NHNN
"""

from dataclasses import dataclass
from typing import Literal

@dataclass
class EnterpriseFinancialData:
    working_capital: float
    retained_earnings: float
    ebit: float
    equity_market_val: float
    total_liabilities: float
    revenue: float
    total_assets: float

class CreditRiskScoringEngine:
    def __init__(self, data: EnterpriseFinancialData):
        self.data = data

    def calculate_altman_z(self) -> float:
        if self.data.total_assets <= 0 or self.data.total_liabilities <= 0:
            raise ValueError("Tổng tài sản và Tổng nợ phải có giá trị dương hợp lệ.")
            
        x1 = self.data.working_capital / self.data.total_assets
        x2 = self.data.retained_earnings / self.data.total_assets
        x3 = self.data.ebit / self.data.total_assets
        x4 = self.data.equity_market_val / self.data.total_liabilities
        x5 = self.data.revenue / self.data.total_assets
        
        z_score = 1.2 * x1 + 1.4 * x2 + 3.3 * x3 + 0.6 * x4 + 1.0 * x5
        return round(z_score, 4)

    def classify_risk_group(self, overdue_days: int, restructured_times: int = 0) -> dict:
        """
        Phân loại 5 nhóm nợ theo Thông tư 02/2013/TT-NHNN
        """
        if overdue_days < 10 and restructured_times == 0:
            return {"group": 1, "status": "Nợ đủ tiêu chuẩn", "general_provision_rate": 0.0075, "specific_provision_rate": 0.0}
        elif (10 <= overdue_days <= 90) or (restructured_times == 1 and overdue_days == 0):
            return {"group": 2, "status": "Nợ cần chú ý", "general_provision_rate": 0.0075, "specific_provision_rate": 0.05}
        elif (91 <= overdue_days <= 180) or (restructured_times == 1 and overdue_days < 30):
            return {"group": 3, "status": "Nợ dưới tiêu chuẩn (Nợ xấu)", "general_provision_rate": 0.0075, "specific_provision_rate": 0.20}
        elif (181 <= overdue_days <= 360) or (restructured_times == 2 and overdue_days == 0):
            return {"group": 4, "status": "Nợ có nghi ngờ (Nợ xấu)", "general_provision_rate": 0.0075, "specific_provision_rate": 0.50}
        else:
            return {"group": 5, "status": "Nợ có khả năng mất vốn (Nợ xấu)", "general_provision_rate": 0.0075, "specific_provision_rate": 1.00}

Phân tích kết quả thực nghiệm tại Agribank Thái Thụy (2014 – 2016)

1. Động thái nguồn vốn huy động

Nguồn vốn huy động của Agribank Thái Thụy thể hiện tốc độ tăng trưởng liên tục, củng cố tính thanh khoản cho hoạt động cấp tín dụng.

TỔNG NGUỒN VỐN HUY ĐỘNG (Tỷ đồng):
2014: [======== 1,125.0 ========]
2015: [=========== 1,419.4 ===========] (+26.17%)
2016: [============== 1,710.0 ==============] (+20.47%)
  • Vốn nội tệ (VND): Năm 2014 đạt 1.100,1 tỷ đồng; năm 2015 đạt 1.390,0 tỷ đồng (+26,35%); năm 2016 đạt 1.693,0 tỷ đồng (+21,80%), chiếm tỷ trọng áp đảo 99,01% tổng nguồn vốn.
  • Cơ cấu theo thành phần kinh tế: Tiền gửi tiết kiệm từ dân cư là trụ cột vững chắc nhất, đạt 989,7 tỷ (năm 2014, 90%), tăng lên 1.237,6 tỷ (năm 2015, 89%) và chạm mốc 1.599,2 tỷ đồng (năm 2016, chiếm 94,5% tổng nguồn huy động).

2. Thực trạng sử dụng vốn và tăng trưởng dư nợ

Chỉ tiêu nghiệp vụ Năm 2014 (Tỷ đồng) Năm 2015 (Tỷ đồng) Năm 2016 (Tỷ đồng) Tăng trưởng 2015/2014 (%) Tăng trưởng 2016/2015 (%)
Doanh số cho vay 873,5 893,2 984,3 +2,26% +10,20%
Doanh số thu nợ 876,2 823,3 897,5 -6,04% +9,01%
Tổng dư nợ tín dụng 650,5 720,3 811,0 +10,73% +12,59%
  • Đánh giá hiệu suất: Tỷ lệ tăng trưởng dư nợ duy trì ở mức ổn định (>10%/năm), phản ánh năng lực hấp thụ vốn của nền kinh tế địa phương. Tuy nhiên, doanh số thu nợ năm 2015 giảm 6,04% đã phát đi tín hiệu cảnh báo về nguy cơ đọng vốn và gia tăng chu kỳ quay vòng khoản vay, đòi hỏi phải siết chặt quy trình giám sát dòng tiền sau giải ngân.

Đổi mới và đóng góp

  1. Chuẩn hóa khung kiểm soát rủi ro 4 giai đoạn: Tích hợp đồng bộ giữa Nhận diện $\rightarrow$ Đo lường $\rightarrow$ Kiểm soát/Xử lý $\rightarrow$ Tài trợ tổn thất, thay thế quy trình kiểm tra rời rạc trước đây.
  2. Thiết lập chu trình kiểm soát liên tục: Đưa việc giám sát sau cho vay thành quy chuẩn bắt buộc định kỳ 30 - 90 ngày/lần đối với KHDN và hộ vay quy mô lớn, giúp giảm 15% - 20% các sai phạm trong sử dụng vốn vay sai mục đích.
  3. Phát triển thang điểm xếp hạng tín dụng kết hợp TSBĐ: Xác định rõ giá trị thanh lý thực tế của tài sản thế chấp (bất động sản, máy móc sản xuất) theo hệ số chiết khấu thanh khoản, loại bỏ rủi ro định giá quá cao (Overvaluation) khi xét duyệt hạn mức tín dụng.
SO SÁNH CƠ CHẾ QUẢN TRỊ RỦI RO:

MÔ HÌNH CŨ (Phân tán):
[Hồ sơ vay] -> [Phòng Tín dụng duyệt & giải ngân] -> (Kiểm tra thụ động khi quá hạn)

MÔ HÌNH CẢI TIẾN (Tập trung & Liên tục):
[Thẩm định 6C + Z-Score] -> [Tách bạch Tác nghiệp - Phê duyệt] -> [Kiểm soát dòng tiền liên tục] -> [Trích lập dự phòng tự động]

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thực tiễn (Use Cases)

  • Kịch bản 1: Cấp hạn mức tín dụng tài trợ vốn lưu động cho Doanh nghiệp thu mua thủy hải sản tại thị trấn Diêm Điền:
    • Bước 1: Nhập dữ liệu báo cáo tài chính 3 năm liên tiếp vào mô hình Altman Z-Score. Nếu $Z \ge 2{,}99$, doanh nghiệp nằm trong vùng an toàn (Safe Zone); nếu $1{,}81 < Z < 2{,}99$, đưa vào diện giám sát đặc biệt.
    • Bước 2: Đánh giá 6C về tư cách pháp nhân, dòng tiền quay vòng và kiểm định thực địa kho bãi hàng tồn kho.
    • Bước 3: Thiết lập điều kiện giải ngân gắn liền với hóa đơn GTGT đầu vào và dòng tiền bán hàng chuyển về tài khoản mở tại Agribank.
  • Kịch bản 2: Cho vay phát triển kinh tế trang trại / Hộ sản xuất cá thể:
    • Áp dụng phương thức cho vay từng lần kết hợp bảo lãnh của chính quyền địa phương / hội đoàn thể; thẩm định chu kỳ sinh trưởng của vật nuôi/cây trồng để thiết lập kỳ hạn trả nợ gốc và lãi trùng khớp với chu kỳ thu hoạch.

Kế hoạch và Lộ trình Triển khai (Roadmap 2018 - 2020)

Giai đoạn 1 (Q3/2018 - Q4/2018):
+ Hoàn thiện cơ sở dữ liệu khách hàng và lịch sử tín dụng
+ Đào tạo lại 100% cán bộ tín dụng về chấm điểm rủi ro

Giai đoạn 2 (Q1/2019 - Q4/2019):
+ Áp dụng quy trình kiểm soát liên tục 3 bước
+ Giảm tỷ lệ nợ xấu chi nhánh xuống dưới 2.0%

Giai đoạn 3 (2020):
+ Tự động hóa phân loại nợ 5 nhóm trên phần mềm IPCAS
+ Hoàn thiện phương án bán nợ xấu và thanh lý TSBĐ tồn đọng

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Độ chính xác của báo cáo tài chính: Doanh nghiệp vừa và nhỏ (SME) tại địa phương thường duy trì hai hệ thống sổ sách kế toán, khiến việc trích xuất chỉ số phục vụ mô hình Altman Z-Score có thể phát sinh sai lệch.
  • Rủi ro môi trường tự nhiên: Địa bàn ven biển Thái Thụy chịu ảnh hưởng trực tiếp của bão lũ, dịch bệnh nuôi trồng thủy sản; các mô hình toán học thuần túy chưa tích hợp biến số ngoại cảnh bất khả kháng này.

Hướng phát triển trong tương lai

  • Tích hợp công nghệ học máy (Machine Learning - Random Forest, XGBoost) trong dự báo xác suất vỡ nợ (Probability of Default - PD).
  • Kết nối dữ liệu thời gian thực (Real-time telemetry / IoT) trong giám sát hàng tồn kho và tiến độ thi công dự án vay vốn.
  • Áp dụng toàn diện khung quản trị thanh khoản và an toàn vốn theo tiêu chuẩn Basel II (Pillar 1, Pillar 2, Pillar 3).

Đối tượng hưởng lợi

+-------------------+---------------------------------------------------------+
| NHÓM ĐỐI TƯỢNG    | GIÁ TRỊ VÀ LỢI ÍCH ĐẠT ĐƯỢC                             |
+-------------------+---------------------------------------------------------+
| Sinh viên /       | Nắm vững phương pháp luận kết hợp lý thuyết tài chính   |
| Học viên          | với số liệu thực tế tại NHTM; tài liệu tham khảo chuẩn. |
+-------------------+---------------------------------------------------------+
| Chuyên viên QTRR  | Công cụ checklist thẩm định 6C, thuật toán Z-Score      |
| & CBTD            | và quy trình kiểm soát khoản vay giảm thiểu sai phạm.   |
+-------------------+---------------------------------------------------------+
| Ban Giám đốc      | Cơ sở dữ liệu và giải pháp chiến lược tối ưu hóa danh   |
| Ngân hàng         | mục tín dụng, kiểm soát nợ xấu <2% và nâng cao ROI.     |
+-------------------+---------------------------------------------------------+
| Khách hàng Doanh  | Hiểu rõ tiêu chí đánh giá tín nhiệm để nâng cao năng    |
| nghiệp / Cá nhân  | lực tài chính, tối ưu hóa điểm số tín dụng và lãi suất. |
+-------------------+---------------------------------------------------------+

Câu hỏi thường gặp

1. Sự khác nhau căn bản giữa nợ quá hạn và nợ xấu là gì?

Nợ quá hạn là khoản nợ mà người vay không trả được gốc và/hoặc lãi đúng kỳ hạn cam kết (tính từ ngày chậm trả đầu tiên). Trong khi đó, Nợ xấu theo Thông tư 02/2013/TT-NHNN là các khoản nợ có mức độ rủi ro cao, rơi vào Nhóm 3 (Nợ dưới tiêu chuẩn - quá hạn từ 91 đến 180 ngày), Nhóm 4 (Nợ có nghi ngờ - quá hạn từ 181 đến 360 ngày)Nhóm 5 (Nợ có khả năng mất vốn - quá hạn trên 360 ngày).

2. Tỷ lệ nợ xấu tối đa mà Ngân hàng Nhà nước cho phép là bao nhiêu?

Theo quy định an toàn hệ thống của Ngân hàng Nhà nước Việt Nam, tỷ lệ nợ xấu trên tổng dư nợ của mỗi tổ chức tín dụng phải được duy trì nghiêm ngặt dưới mức 3,0%.

3. Tại sao trích lập dự phòng rủi ro lại làm giảm lợi nhuận của ngân hàng?

Theo Quyết định 493/2005/QĐ-NHNN, các khoản trích lập dự phòng rủi ro (bao gồm dự phòng cụ thể và dự phòng chung 0,75%) được tính trực tiếp vào chi phí hoạt động của ngân hàng trong kỳ. Khi nợ xấu gia tăng, chi phí trích lập tăng tương ứng, làm giảm trực tiếp lợi nhuận trước thuế của ngân hàng.

4. Khi khách hàng vỡ nợ, nguồn tài trợ tổn thất nào được sử dụng đầu tiên?

Ngân hàng sẽ sử dụng Quỹ dự phòng rủi ro tín dụng đã trích lập để bù đắp tổn thất, sau đó chuyển khoản nợ sang theo dõi ngoại bảng và thực hiện các biện pháp thu hồi nợ (như khởi kiện, phát mại tài sản bảo đảm).

5. Làm thế nào để giải quyết tình trạng thông tin bất cân xứng giữa ngân hàng và hộ vay vốn?

Ngân hàng cần kết hợp tra cứu chéo qua hệ thống CIC, phối hợp chặt chẽ với chính quyền và các tổ chức đoàn thể địa phương (Hội Nông dân, Hội Phụ nữ), đồng thời tăng cường tần suất kiểm tra thực tế mô hình sản xuất kinh doanh trước và sau khi giải ngân.


Kết luận

Đề tài "Quản trị rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh Thái Thụy" đã phân tích một cách toàn diện và sâu sắc bức tranh thực trạng hoạt động tín dụng trong giai đoạn then chốt 2014 – 2016. Thông qua việc phân tích dữ liệu thực nghiệm về nguồn vốn huy động (đạt 1.710 tỷ đồng năm 2016) và tăng trưởng dư nợ (đạt 811 tỷ đồng năm 2016), nghiên cứu đã xác lập các luận cứ khoa học vững chắc cho việc tái cơ cấu quy trình kiểm soát rủi ro.

Việc ứng dụng các công cụ đo lường hiện đại (kết hợp mô hình định lượng Altman Z-Score và định tính 6C), xây dựng chu trình kiểm soát liên tục 3 giai đoạn và thực hiện nghiêm ngặt các chuẩn mực phân loại nợ theo Thông tư 02/2013/TT-NHNN chính là chìa khóa then chốt giúp Agribank Thái Thụy nâng cao chất lượng tín dụng, bảo toàn vốn kinh doanh và đóng góp tích cực vào công cuộc hiện đại hóa kinh tế - xã hội địa phương.