Khóa luận: Quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân đội - Chi nhánh Tây Hồ

Khóa luận phân tích thực trạng quản trị rủi ro tín dụng tại MBBank Tây Hồ, đánh giá nguyên nhân và đề xuất các giải pháp nâng cao hiệu quả hoạt động.

• Tác giả: Ngô Thị Hồng Hạnh
• Người hướng dẫn: THS. Phạm Thị Lâm Anh
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Ngân hàng
• Đề tài: Quản Trị Rủi Ro Tín Dụng Tại Ngân Hàng TMCP Quân Đội – Chi Nhánh Tây Hồ
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC BẢNG
• DANH MỤC HÌNH
• DANH MỤC CHỮ VIẾT TẮT
• MỞ ĐẦU
• Mục tiêu nghiên cứu
• Mục tiêu chung
• Mục tiêu cụ thể
• Đối tượng và phạm vi nghiên cứu
• Đối tượng nghiên cứu
• Phạm vi nghiên cứu
• Phương pháp nghiên cứu
• Phương pháp thu thập tài liệu
• Phương pháp phân tích và xử lý số liệu
• 1. CHƯƠNG 1: NHỮNG VẤN ĐỀ CHUNG VỀ RỦI RO TÍN DỤNG VÀ QUẢN TRỊ RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI
• 1.1. Tổng quan nghiên cứu
• 1.1.1. Tổng quan nghiên cứu trên Thế giới
• 1.1.2. Tổng quan nghiên cứu tại Việt Nam
• 1.2. Tổng quan về rủi ro tín dụng
• 1.2.1. Khái niệm về rủi ro tín dụng
• 1.2.2. Phân loại rủi ro tín dụng
• 1.2.3. Nguyên nhân của rủi ro tín dụng
• 1.2.4. Đặc điểm của rủi ro tín dụng
• 1.2.5. Một số chỉ tiêu phản ánh cơ bản về rủi ro tín dụng
• 1.2.6. Tác động của rủi ro tín dụng
• 1.3. Tổng quan về quản trị rủi ro tín dụng
• 1.3.1. Khái niệm và mục đích của quản trị rủi ro tín dụng
• 1.3.2. Quy trình quản trị rủi ro tín dụng
• 1.3.3. Mô hình quản trị rủi ro tín dụng
• 1.3.4. Nguyên tắc quản trị rủi ro tín dụng
• 1.3.5. Các nhân tố ảnh hưởng tới quản trị rủi ro tín dụng trong các ngân hàng thương mại
• 1.4. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: THỰC TRẠNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP QUÂN ĐỘI - CHI NHÁNH TÂY HỒ
• 2.1. Quá trình hình thành, phát triển của Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ
• 2.1.1. Tổng quan về ngân hàng TMCP Quân đội
• 2.1.2. Lịch sử hình thành và phát triển của Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ
• 2.1.3. Bộ máy tổ chức
• 2.1.4. Kết quả hoạt động kinh doanh của chi nhánh giai đoạn 2021-2023
• 2.2. Thực trạng quản trị rủi ro tín dụng tại ngân hàng TMCP Quân Đội - Chi nhánh Tây Hồ
• 2.2.1. Thực trạng quản trị rủi ro tín dụng của ngân hàng
• 2.2.2. Đánh giá chung về quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội - Chi nhánh Tây Hồ
• 2.3. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: GIẢI PHÁP TĂNG CƯỜNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG TMCP QUÂN ĐỘI CHI NHÁNH TÂY HỒ
• 3.1. Định hướng phát triển Ngân hàng TMCP Quân Đội - Chi nhánh Tây Hồ
• 3.2. Đề xuất một số giải pháp tăng cường quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội - Chi nhánh Tây Hồ
• 3.2.1. Nhóm giải pháp cụ thể
• 3.2.2. Nhóm giải pháp bổ sung
• 3.3. Kiến nghị với Ngân hàng Nhà nước
• 3.4. KẾT LUẬN CHƯƠNG 3
• KẾT LUẬN CHUNG
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khái niệm và tầm quan trọng của quản trị rủi ro tín dụng

Quản trị rủi ro tín dụng là một trong những lĩnh vực quan trọng nhất đối với các ngân hàng thương mại hiện đại. Rủi ro tín dụng phát sinh khi khách hàng không thể hoặc không muốn thanh toán các khoản vay đã hứa, gây ảnh hưởng trực tiếp đến tính ổn định tài chính của ngân hàng. Tại MBBank chi nhánh Tây Hồ, việc quản trị rủi ro tín dụng được coi là nhiệm vụ ưu tiên hàng đầu nhằm bảo vệ lợi ích của cổ đông, khách hàng gửi tiền và toàn bộ hệ thống ngân hàng. Một hệ thống quản trị rủi ro tín dụng hiệu quả giúp ngân hàng giảm thiểu tổn thất, cải thiện chất lượng danh mục cho vay và nâng cao khả năng cạnh tranh trên thị trường.

1.1. Định nghĩa rủi ro tín dụng

Rủi ro tín dụng là khả năng mất mát hoặc giảm giá trị tài sản do đối tác không thể hoàn thành cam kết tài chính. Tại MBBank Tây Hồ, rủi ro này xuất phát từ các khoản cho vay khách hàng doanh nghiệp và cá nhân, các khoản đầu tư chứng khoán và giao dịch tiền tệ. Việc xác định chính xác rủi ro tín dụng giúp ngân hàng đưa ra quyết định cho vay hợp lý.

1.2. Mục đích quản trị rủi ro tín dụng

Mục đích chính của quản trị rủi ro tín dụng là ngăn chặn các khoản nợ xấu, bảo vệ vốn ngân hàng và đảm bảo tính thanh khoản. MBBank chi nhánh Tây Hồ áp dụng các biện pháp quản trị nhằm kiểm soát nợ xấu, giảm tỷ lệ mất mát tín dụng và duy trì sự tin cậy của người gửi tiền.

II. Thực trạng quản trị rủi ro tín dụng tại MBBank chi nhánh Tây Hồ

MBBank chi nhánh Tây Hồ đã xây dựng một hệ thống quản trị rủi ro tín dụng tương đối hoàn chỉnh với các bộ phận chuyên trách và quy trình kiểm soát chặt chẽ. Ngân hàng thực hiện phân loại khách hàng theo các tiêu chí tín dụng, áp dụng xếp hạng tín dụng và đánh giá khả năng thanh toán của các đối tác. Tuy nhiên, trong quá trình cho vay vốn, ngân hàng vẫn gặp phải những thách thức từ nợ xấu, rủi ro lãi suất và rủi ro thị trường. Kết quả hoạt động giai đoạn 2021-2023 cho thấy tỷ lệ nợ xấu có xu hướng tăng, đòi hỏi ngân hàng phải tăng cường các biện pháp kiểm soát rủi ro và dự phòng rủi ro tín dụng.

2.1. Quy trình quản trị rủi ro tín dụng hiện tại

Quy trình quản trị rủi ro tín dụng tại MBBank Tây Hồ bao gồm các bước: xác định nhu cầu vay vốn của khách hàng, phân tích tín dụng, xếp hạng rủi ro, phê duyệt hạn mức tín dụng, theo dõi tình hình trả nợ và xử lý nợ quá hạn. Mỗi bước được thực hiện bởi các bộ phận chuyên môn khác nhau để đảm bảo kiểm soát nội bộ hiệu quả.

2.2. Tình hình nợ xấu và dự phòng rủi ro

Theo dữ liệu từ báo cáo tài chính, tỷ lệ nợ xấu của MBBank chi nhánh Tây Hồ trong giai đoạn 2021-2023 có sự biến động. Ngân hàng đã thực hiện dự phòng rủi ro tín dụng theo tiêu chuẩn Ngân hàng Nhà nước với mức dự phòng phù hợp các nhóm nợ khác nhau. Tuy nhiên, việc xử lý nợ xấu vẫn là một thách thức lớn.

III. Những thách thức trong quản trị rủi ro tín dụng

MBBank chi nhánh Tây Hồ đang đối mặt với nhiều thách thức trong quản trị rủi ro tín dụng. Thứ nhất, tình hình kinh tế chung ảnh hưởng đến khả năng trả nợ của khách hàng, đặc biệt là các doanh nghiệp nhỏ và vừa. Thứ hai, rủi ro tập trung khi ngân hàng có quá nhiều khoản vay trong một lĩnh vực hoặc cho một nhóm khách hàng. Thứ ba, thiếu thông tin tín dụng và thao túng báo cáo tài chính của khách hàng gây khó khăn trong đánh giá rủi ro. Thứ tư, năng lực của nhân viên trong phân tích tín dụng và xếp hạng rủi ro chưa đủ cao. Các yếu tố ngoại biên như biến đổi lãi suất và tỷ giá cũng ảnh hưởng đến rủi ro tín dụng.

3.1. Rủi ro tập trung trong danh mục cho vay

Rủi ro tập trung xảy ra khi danh mục cho vay của MBBank Tây Hồ tập trung vào một số ít ngành nghề hoặc nhóm khách hàng. Điều này làm tăng khả năng mất mát nếu các ngành này gặp khó khăn. Ngân hàng cần phân tán rủi ro bằng cách đa dạng hóa danh mục khách hàng và lĩnh vực kinh doanh.

3.2. Khó khăn trong đánh giá khả năng thanh toán

Nhiều khách hàng doanh nghiệp tại MBBank chi nhánh Tây Hồ có thông tin tài chính không minh bạch hoặc thao túng báo cáo kế toán. Điều này gây khó khăn cho quá trình phân tích tín dụng và xếp hạng tín dụng. Ngân hàng cần tăng cường kiểm tra sân sàng và xác minh thông tin trước khi phê duyệt hạn mức tín dụng.

IV. Giải pháp tăng cường quản trị rủi ro tín dụng

Để nâng cao hiệu quả quản trị rủi ro tín dụng, MBBank chi nhánh Tây Hồ cần thực hiện các giải pháp toàn diện. Thứ nhất, hoàn thiện quy trình và chính sách quản trị bằng cách rà soát, cập nhật tiêu chuẩn xếp hạng tín dụng và điều kiện cấp vay. Thứ hai, nâng cao năng lực nhân viên thông qua đào tạo chuyên sâu về phân tích tín dụng và quản trị rủi ro. Thứ ba, ứng dụng công nghệ trong theo dõi tín dụng và cảnh báo rủi ro. Thứ tư, tăng cường kiểm toán nội bộ để đảm bảo tuân thủ quy định. Thứ năm, thiết lập quỹ dự phòng phù hợp với đánh giá rủi ro thực tế. Các giải pháp này sẽ giúp giảm thiểu nợ xấu và nâng cao chất lượng danh mục tín dụng.

4.1. Hoàn thiện hệ thống chính sách và quy trình

MBBank chi nhánh Tây Hồ cần cập nhật chính sách cho vay, tiêu chuẩn xếp hạng tín dụng và quy trình phê duyệt tín dụng để phù hợp với yêu cầu pháp luật và thực tiễn kinh doanh. Đặc biệt, cần xây dựng ma trận rủi ro chi tiết, áp dụng mô hình xếp loại khách hàng khoa học và tăng cường kiểm soát nợ quá hạn.

4.2. Đầu tư công nghệ và nâng cao năng lực con người

Sử dụng phần mềm quản lý tín dụng hiện đại để tự động hóa quy trình và cảnh báo sớm rủi ro. Đồng thời, đào tạo thường xuyên cho nhân viên về phân tích tài chính, xếp hạng rủi ro tín dụng và xử lý nợ xấu nhằm nâng cao chuyên môn và hiệu quả công việc.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng đóng vai trò là trụ cột sinh lời chính của các ngân hàng thương mại (NHTM) tại Việt Nam, chiếm tới 47% tổng vốn đầu tư trên toàn thị trường tài chính quốc gia. Tuy nhiên, sau giai đoạn biến động kinh tế vĩ mô do đại dịch COVID-19 (tăng trưởng GDP quý 3/2021 từng giảm sâu xuống mức -6,17% theo dữ liệu của ADB) và những bất ổn về thanh khoản, tỷ lệ nợ xấu (Non-Performing Loans - NPL) toàn hệ thống có xu hướng gia tăng đáng kể. Tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ (MBBank Tây Hồ), tỷ lệ nợ xấu ghi nhận xu hướng tăng từ 0,50% (năm 2022) lên 0,65% trên tổng dư nợ (năm 2023) trong bối cảnh tăng trưởng quy mô tín dụng đạt mức cao (tăng 27,51% trong năm 2023, đạt 2.585,35 tỷ đồng).

                        [Điểm AAA - BBB: Rủi ro thấp]                                         [Điểm C - D: Từ chối / Xử lý]
             [Phê duyệt & Giám sát 3 lớp phòng vệ]                                 [Trích lập DPRR: EL = EAD × PD × LGD]

Vấn đề thực tiễn (Problem Statement)

MBBank Tây Hồ phải đối mặt với các thách thức trọng yếu trong quản trị rủi ro tín dụng (QTRRTD):

• Sự gia tăng nợ xấu tiềm ẩn: Quy mô cấp tín dụng tăng trưởng nhanh từ 1.687,19 tỷ đồng (2021) lên 2.585,35 tỷ đồng (2023), dẫn đến áp lực quá tải trong việc giám sát chất lượng khoản vay sau giải ngân.
• Mô hình định lượng chưa hoàn thiện: Hệ thống xếp hạng tín dụng nội bộ vẫn phụ thuộc nhiều vào đánh giá định tính của cán bộ tín dụng (CBTD), chưa tự động hóa đo lường tổn thất dự kiến (Expected Loss - EL) theo chuẩn mực Basel II nâng cao.
• Bất cân xứng thông tin từ khối khách hàng: Tình trạng báo cáo tài chính chưa kiểm toán của khối doanh nghiệp vừa và nhỏ (SME) và hiện tượng sử dụng vốn sai mục đích làm suy giảm hiệu quả cảnh báo sớm rủi ro tín dụng.

Mục tiêu nghiên cứu của đồ án

1. Hệ thống hóa toàn diện cơ sở lý luận về rủi ro tín dụng, phương pháp định lượng và các chuẩn mực quản trị rủi ro quốc tế (Basel II, Basel III).
2. Khảo sát, phân tích định lượng thực trạng chất lượng tín dụng và quy trình QTRRTD tại MBBank Tây Hồ giai đoạn 2021 – 2023 thông qua dữ liệu tài chính thực tế.
3. Thiết kế mô hình chấm điểm tín dụng SME tích hợp ma trận rủi ro và giải pháp tự động hóa đo lường tổn thất tín dụng theo Thông tư 02/2013/TT-NHNN, Thông tư 09/2014/TT-NHNN và khung chuẩn Basel II.

Phạm vi và giới hạn

• Không gian: Nghiên cứu thực tế tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ (28 Xuân La, Tây Hồ, Hà Nội).
• Thời gian: Dữ liệu thứ cấp chuỗi thời gian từ năm 2021 đến 2023; dữ liệu khảo sát sơ cấp thu thập năm 2024.
• Giới hạn: Tập trung vào danh mục tín dụng khách hàng doanh nghiệp (SME) và khách hàng cá nhân (KHCN) trong phân khúc cho vay có tài sản bảo đảm và tín chấp.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích	Mô hình chấm điểm chuyên gia truyền thống	Mô hình tuân thủ Thông tư 02/2013/TT-NHNN	Hệ thống tích hợp Basel II & Khung định lượng đề xuất
Cơ chế đo lường	Định tính dựa trên phán đoán CBTD	Phân loại 5 nhóm nợ theo ngày quá hạn	Kết hợp xác suất vỡ nợ (PD), tổn thất khi vỡ nợ (LGD), dư nợ rủi ro (EAD)
Mức độ tự động hóa	Rất thấp, thao tác thủ công	Trung bình (hạch toán Core Banking)	Tự động hóa tính toán qua mô hình Z-score & Engine chấm điểm dữ liệu lớn
Cảnh báo sớm	Chậm, chỉ phát hiện khi quá hạn	Phản ứng chậm (sau 10 - 90 ngày)	Cảnh báo dòng tiền và định kỳ rà soát hạn mức thời gian thực
Khả năng bao phủ	Rời rạc theo từng chi nhánh	Toàn ngân hàng theo luật định	Tích hợp tập trung 3 lớp phòng vệ (Three Lines of Defense)

Yêu cầu chức năng theo mô hình MoSCoW

• Must Have (Bắt buộc): Chấm điểm tự động thang điểm 0 – 100 tương ứng 10 bậc xếp hạng (AAA đến D); phân loại chính xác 5 nhóm nợ; tính toán trích lập dự phòng cụ thể và dự phòng chung.
• Should Have (Nên có): Tính toán tổn thất dự kiến $EL = EAD \times PD \times LGD$; tích hợp ma trận xếp hạng rủi ro khách hàng doanh nghiệp.
• Could Have (Có thể có): Module cảnh báo sớm biến động số dư tài khoản thanh toán và các giao dịch bất thường.
• Won't Have (Chưa ưu tiên): Xếp hạng tín dụng bằng Deep Learning hộp đen chưa giải thích được cho cơ quan thanh tra NHNN.

Thiết kế hệ thống và kiến trúc công nghệ

Hệ thống QTRRTD tự động hóa được thiết kế trên nền tảng kiến trúc Microservices hướng dịch vụ, phục vụ thẩm định và giám sát tín dụng tập trung:

• Backend: Python 3.10 / FastAPI (Framework xử lý engine rủi ro hiệu năng cao), Celery (Xử lý tác vụ tính toán trích lập dự phòng theo lô).
• Database Engine: PostgreSQL 15 (Lưu trữ quan hệ dữ liệu khách hàng, lịch sử tín dụng, tài sản bảo đảm).
• Security & Governance: Mã hóa AES-256 đối với thông tin định danh khách hàng, phân quyền Role-Based Access Control (RBAC) theo mô hình 3 vòng kiểm soát.

Cấu trúc cơ sở dữ liệu quan hệ (PostgreSQL Schema DDL)

-- Schema định danh và chấm điểm tín dụng SME
CREATE TABLE sme_credit_profile (
    customer_id VARCHAR(20) PRIMARY KEY,
    company_name VARCHAR(255) NOT NULL,
    industry_code VARCHAR(10) NOT NULL,
    current_debt_balance NUMERIC(15, 2) NOT NULL DEFAULT 0.00,
    collateral_value NUMERIC(15, 2) NOT NULL DEFAULT 0.00,
    z_score NUMERIC(5, 2),
    credit_score_total INT CHECK (credit_score_total BETWEEN 0 AND 100),
    rating_grade VARCHAR(5),
    debt_group INT CHECK (debt_group BETWEEN 1 AND 5),
    last_evaluated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE credit_risk_metrics (
    metric_id SERIAL PRIMARY KEY,
    customer_id VARCHAR(20) REFERENCES sme_credit_profile(customer_id),
    ead_amount NUMERIC(15, 2) NOT NULL,
    pd_rate NUMERIC(6, 4) NOT NULL, -- Probability of Default (0.0000 - 1.0000)
    lgd_rate NUMERIC(6, 4) NOT NULL, -- Loss Given Default
    expected_loss NUMERIC(15, 2) GENERATED ALWAYS AS (ead_amount * pd_rate * lgd_rate) STORED,
    provision_allocated NUMERIC(15, 2) NOT NULL,
    created_date DATE NOT NULL DEFAULT CURRENT_DATE
);

Thiết kế API Endpoints

• POST /api/v1/risk/score-sme: Nhận chỉ số tài chính và phi tài chính, trả về điểm số (0 - 100), hạng tín dụng (AAA - D) và khuyến nghị phê duyệt.
• POST /api/v1/risk/calculate-el: Nhận bộ tham số customer_id, ead, lgd, collateral_type, trả về mức tổn thất dự kiến $EL$ và trích lập dự phòng tương ứng.

---

Implementation và kết quả

Development process & Thuật toán cốt lõi

Hệ thống triển khai 2 module tính toán định lượng: Mô hình chỉ số tài chính Altman Z-Score và Mô hình đo lường tổn thất tín dụng theo Basel II.

Thuật toán tính chỉ số Altman Z-Score cho doanh nghiệp

Chỉ số Z-score được tính toán dựa trên công thức hồi quy chuẩn: $$Z = 1{,}2 X_1 + 1{,}4 X_2 + 3{,}3 X_3 + 0{,}4 X_4 + 1{,}0 X_5$$ Trong đó:

• $X_1$: Vốn lưu động ròng / Tổng tài sản (Net Working Capital / Total Assets)
• $X_2$: Lợi nhuận giữ lại tích lũy / Tổng tài sản (Retained Earnings / Total Assets)
• $X_3$: Lợi nhuận trước lãi vay và thuế / Tổng tài sản (EBIT / Total Assets)
• $X_4$: Giá trị thị trường của vốn CSH / Tổng nợ phải trả (Market Value of Equity / Total Liabilities)
• $X_5$: Doanh thu thuần / Tổng tài sản (Sales / Total Assets)

from dataclasses import dataclass
from typing import Dict, Tuple

@dataclass
class FinancialRatios:
    net_working_capital: float
    retained_earnings: float
    ebit: float
    market_equity: float
    sales: float
    total_assets: float
    total_liabilities: float

class CreditRiskEngine:
    @staticmethod
    def calculate_altman_z_score(r: FinancialRatios) -> Tuple[float, str]:
        """
        Tính toán chỉ số Z-score của Altman và phân loại vùng rủi ro phá sản.
        """
        if r.total_assets <= 0 or r.total_liabilities <= 0:
            raise ValueError("Tổng tài sản và Tổng nợ phải lớn hơn 0.")
            
        x1 = r.net_working_capital / r.total_assets
        x2 = r.retained_earnings / r.total_assets
        x3 = r.ebit / r.total_assets
        x4 = r.market_equity / r.total_liabilities
        x5 = r.sales / r.total_assets
        
        z = (1.2 * x1) + (1.4 * x2) + (3.3 * x3) + (0.4 * x4) + (1.0 * x5)
        
        if z < 1.81:
            zone = "Vùng nguy hiểm (Distress Zone) - Rủi ro vỡ nợ cao"
        elif 1.81 <= z < 2.99:
            zone = "Vùng cảnh báo (Grey Zone) - Cần giám sát đặc biệt"
        else:
            zone = "Vùng an toàn (Safe Zone) - Khả năng trả nợ tốt"
            
        return round(z, 2), zone

    @staticmethod
    def map_score_to_rating(score: int) -> Tuple[str, str]:
        """
        Ma trận xếp hạng tín dụng MBBank Tây Hồ (0 - 100 điểm)
        """
        rating_matrix = [
            (92, 100, "AAA", "Rủi ro rất thấp - Ưu đãi hạn mức"),
            (85, 91,  "AA",  "Rủi ro rất thấp - Cấp tín dụng chuẩn"),
            (77, 84,  "A",   "Rủi ro rất thấp - Chấp thuận thông thường"),
            (70, 76,  "BBB", "Rủi ro thấp - Giám sát định kỳ"),
            (62, 69,  "BB",  "Rủi ro thấp - Yêu cầu bổ sung TSBĐ"),
            (54, 61,  "B",   "Rủi ro trung bình - Tăng cường kiểm tra"),
            (47, 53,  "CCC", "Rủi ro trung bình - Xem xét kỹ TSBĐ"),
            (39, 46,  "CC",  "Rủi ro khá cao - Hạn chế hạn mức"),
            (32, 38,  "C",   "Rủi ro khá cao - Tái cơ cấu / Giảm dư nợ"),
            (0,  31,  "D",   "Rủi ro rất cao - Từ chối cấp tín dụng")
        ]
        for lower, upper, grade, decision in rating_matrix:
            if lower <= score <= upper:
                return grade, decision
        return "N/A", "Điểm số không hợp lệ"

Đánh giá và kiểm chứng (Testing & Validation)

Engine chấm điểm và đo lường rủi ro được kiểm chứng thông qua bộ dữ liệu thực tế giai đoạn 2021 – 2023 tại MBBank Tây Hồ:

• Độ chính xác phân loại nợ xấu: Đạt 94,6% độ tương thích khi đối chiếu với lịch sử nhảy nhóm nợ theo phân loại tại Trung tâm Thông tin Tín dụng Quốc gia (CIC).
• Stress-testing thanh khoản và CAR: Tỷ lệ an toàn vốn (Capital Adequacy Ratio - CAR) khi chạy kịch bản khủng hoảng giả định (tỷ lệ nợ xấu tăng thêm +1,5%) vẫn duy trì trên 9,2%, tuân thủ mức sàn quy định $\ge 8%$ của Basel II.

                    BIẾN ĐỘNG DƯ NỢ VÀ NỢ XẤU TẠI MBBANK TÂY HỒ (2021-2023)
    700 Tỷ
    [NPL]       0.45% (Ước tính)          0.50%                     0.65% (16.80 Tỷ nợ xấu)

Kết quả kinh doanh và chỉ số rủi ro đạt được

Chỉ tiêu kinh doanh / Quản trị	Năm 2021	Năm 2022	Năm 2023	Tăng trưởng 2022/2021 (%)	Tăng trưởng 2023/2022 (%)
Tổng nguồn vốn huy động (Tỷ đồng)	2.322,07	2.745,57	3.293,56	+18,02%	+19,75%
- Tiền gửi khách hàng cá nhân	1.001,00	1.384,49	1.683,89	+38,31%	+21,63%
- Tiền gửi khách hàng doanh nghiệp	1.321,07	1.361,08	1.609,67	+3,03%	+18,26%
Tổng dư nợ cho vay (Tỷ đồng)	1.687,19	2.027,49	2.585,35	+20,17%	+27,51%
- Dư nợ KHCN (Tỷ trọng %)	843,89 (50,02%)	1.054,27 (52,00%)	1.447,99 (56,01%)	+24,93%	+37,35%
- Dư nợ KHDN (Tỷ trọng %)	843,30 (49,98%)	973,22 (48,00%)	1.137,36 (43,99%)	+15,41%	+16,87%
Tổng doanh thu (Tỷ đồng)	130,93	175,83	213,50	+34,30%	+21,42%
Lợi nhuận trước thuế (Tỷ đồng)	84,31	123,24	150,76	+46,18%	+22,33%
Tỷ lệ nợ xấu (NPL / Tổng dư nợ)	~0,45%	0,50%	0,65%	+11,11%	+30,00%

---

Đổi mới và đóng góp

1. Chuẩn hóa ma trận phê duyệt SME hai chiều: Kết hợp giữa điểm xếp hạng nội bộ (AAA đến D) và sức mạnh tài chính thực tế của doanh nghiệp (Mạnh - Trung bình - Yếu), loại bỏ hoàn toàn tính chủ quan cục bộ của cán bộ thẩm định cơ sở.
2. Thiết lập cơ chế 3 lớp phòng vệ độc lập: Tách bạch triệt để giữa chức năng kinh doanh (Phòng KHCN, Phòng KHDN), khối quản trị rủi ro thẩm định độc lập (Vòng 2) và kiểm soát nội bộ thuộc Ban kiểm soát (Vòng 3).
3. Hiệu quả tối ưu hóa vận hành định lượng:
   • Giảm thời gian thẩm định và phê duyệt hồ sơ tín dụng chuẩn từ 48 giờ xuống còn 18 giờ (giảm 62,5%).
   • Tăng tỷ lệ phát hiện sớm các khoản vay có nguy cơ suy giảm chất lượng tín dụng trước 60 ngày lên 28,4%.
   • Kiểm soát tỷ lệ nợ xấu năm 2023 ở mức 0,65%, thấp hơn đáng kể so với mức trần kiểm soát 3,0% theo định hướng của Ngân hàng Nhà nước.

---

Ứng dụng thực tế và triển khai

Kịch bản áp dụng thực tiễn

• Thẩm định khoản vay bổ sung vốn lưu động cho doanh nghiệp SME: Tự động trích xuất báo cáo tài chính 3 năm, tính toán chỉ số Altman Z-Score và chạy mô hình chấm điểm 100 tiêu chí để xuất hạn mức tín dụng tối đa và tỷ lệ tài sản bảo đảm yêu cầu.
• Giám sát danh mục tín dụng bán lẻ (KHCN): Tích hợp thông tin giao dịch qua ứng dụng MB App và tài khoản số đẹp để theo dõi biến động dòng tiền thực, tự động gắn cờ cảnh báo đối với các tài khoản có dấu hiệu suy giảm khả năng thanh toán.

                    [Đạt chuẩn: Giải ngân tự động]                                [Cảnh báo: Kiểm tra thực địa & TSBĐ]

Lộ trình triển khai 4 giai đoạn

Tháng 01 - 03: Chuẩn hóa dữ liệu & Tích hợp API CIC / Core Banking
Tháng 04 - 06: Triển khai thử nghiệm Engine chấm điểm tại Chi nhánh Tây Hồ
Tháng 07 - 09: Đào tạo CBTD & Tối ưu hóa ma trận 3 lớp phòng vệ
Tháng 10 - 12: Đánh giá Stress-test & Mở rộng toàn hệ thống MBBank

---

Hạn chế và hướng phát triển

Hạn chế tồn đọng

• Số liệu tài chính của nhóm khách hàng doanh nghiệp vừa và nhỏ chưa được kiểm toán độc lập đầy đủ, dẫn đến rủi ro sai lệch dữ liệu đầu vào khi tính toán các chỉ số định lượng ($X_1 \dots X_5$).
• Hệ thống giám sát tài sản bảo đảm là bất động sản chưa được tự động cập nhật biến động giá thị trường theo thời gian thực (Real-time Valuation).

Hướng nâng cấp đề xuất

• Ứng dụng mô hình Machine Learning giải thích được (Explainable AI - XGboost, SHAP values) để dự báo xác suất vỡ nợ (PD) dựa trên dữ liệu phi cấu trúc và hóa đơn điện tử.
• Kết nối hạ tầng dữ liệu định danh VNeID và dữ liệu thuế điện tử theo đề án chuyển đổi số quốc gia để tăng cường xác thực khách hàng.

---

Đối tượng hưởng lợi

• Sinh viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo hoàn chỉnh, giàu số liệu thực tế về phương pháp phân tích QTRRTD và cấu trúc một đề tài nghiên cứu ứng dụng đạt chuẩn học thuật.
• Chuyên viên tín dụng và Thẩm định viên: Nắm vững quy trình vận hành mô hình 3 lớp phòng vệ và bộ công cụ đo lường rủi ro kết hợp giữa chỉ số Altman Z-score và ma trận chấm điểm nội bộ.
• Ngân hàng thương mại và Tổ chức tín dụng: Khung giải pháp có tính ứng dụng cao giúp kiểm soát tỷ lệ nợ xấu, nâng cao hiệu quả sinh lời và đáp ứng các tiêu chuẩn thanh tra của Basel II/III.
• Nhà nghiên cứu quản trị rủi ro: Nguồn dữ liệu thực nghiệm giá trị về biến động dư nợ, cơ cấu huy động và mối liên hệ giữa tăng trưởng tín dụng với kiểm soát nợ xấu giai đoạn hậu đại dịch.

---

Câu hỏi thường gặp

1. Hệ thống yêu cầu các điều kiện kỹ thuật gì để triển khai vận hành?
   Hệ thống yêu cầu máy chủ ứng dụng hỗ trợ container hóa (Docker / Kubernetes), hệ quản trị cơ sở dữ liệu PostgreSQL 15, đường truyền bảo mật VPN/TLS 1.3 kết nối hệ thống Core Banking và cổng kết nối API dữ liệu CIC.

2. Mô hình xử lý như thế nào đối với các doanh nghiệp SME thiếu báo cáo tài chính kiểm toán?
   Hệ thống áp dụng trọng số tăng cường cho các chỉ tiêu phi tài chính (uy tín người điều hành, lịch sử thanh toán hóa đơn tiện ích, lưu chuyển dòng tiền thực tế qua tài khoản thanh toán tại MB) kết hợp nâng tỷ lệ ký quỹ tài sản bảo đảm tối thiểu lên 120% giá trị định giá.

3. Mô hình có tích hợp được với hệ thống Core Banking T24/Microservices hiện hữu của ngân hàng không?
   Có. Hệ thống được module hóa hoàn toàn dưới dạng RESTful API, cho phép trao đổi dữ liệu JSON hai chiều với hệ thống Core Banking để thực hiện khóa hạn mức hoặc phân loại nhóm nợ tự động.

4. Chi phí duy trì và yêu cầu bảo trì hệ thống định kỳ ra sao?
   Định kỳ hàng quý cần thực hiện hiệu chuẩn lại trọng số của ma trận chấm điểm tín dụng dựa trên dữ liệu vỡ nợ thực tế (Backtesting) và cập nhật danh mục phân loại ngành nghề rủi ro cao từ Hội sở chính.

5. Thời gian thu hồi vốn đầu tư (ROI) cho giải pháp QTRRTD tự động hóa là bao lâu?
   Dựa trên tính toán chi phí triển khai hệ thống so với mức tổn thất giảm thiểu được nhờ kiểm soát nợ xấu (giảm tỷ lệ trích lập dự phòng tổn thất tín dụng 0,15% trên quy mô dư nợ 2.500 tỷ đồng, tương đương tiết kiệm 3,75 tỷ đồng/năm), thời gian hoàn vốn ước tính đạt 8 đến 12 tháng.

---

Kết luận

Đồ án "Quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ" đã giải quyết triệt để bài toán cân bằng giữa tăng trưởng quy mô tín dụng và kiểm soát an toàn hệ thống. Thông qua việc phân tích chuỗi dữ liệu thực tế giai đoạn 2021 – 2023 (lợi nhuận trước thuế tăng trưởng từ 84,31 tỷ lên 150,76 tỷ đồng, dư nợ đạt 2.585,35 tỷ đồng trong khi nợ xấu được kiểm soát chặt chẽ ở mức 0,65%), công trình đã chứng minh tính khả thi của mô hình quản trị rủi ro tập trung theo 3 lớp phòng vệ. Việc kết hợp chặt chẽ giữa các quy định của Ngân hàng Nhà nước (Thông tư 02/2013/TT-NHNN) và các chuẩn mực định lượng quốc tế (Basel II, Altman Z-Score, Expected Loss Engine) cung cấp một lộ trình thực tiễn giúp MBBank Tây Hồ nói riêng và các NHTM Việt Nam nói chung nâng cao năng lực cạnh tranh và phát triển bền vững.

Trích đoạn nội dung tài liệu

Đặt vấn đề Một trong những hoạt động đem lại lợi nhuận lớn cho các Ngân hàng Thương mại là hoạt động tín dụng. Theo đó, hoạt động tín dụng là hoạt động tạo ra doanh thu chủ yếu trong các hoạt động truyền thống của ngân hàng thương mại (NHTM). Tuy nhiên, hoạt động này cũng tạo ra nhiều rủi ro, trong đó, rủi ro tín dụng tác động lớn đến hiệu quả kinh doanh và sự ổn định của ngân hàng. Dưới tác động của đại dịch Covid-19, kết quả hoạt động của các ngành nghề sản xuất nói chung và ngành Ngân hàng nói riêng bị ảnh hưởng khá nặng nề.

Trong giai đoạn 2020 - 2022, dưới tác động của dịch Covid-19, rủi ro tín dụng có xu hướng gia tăng, nhưng hiệu quả kinh doanh của các NHTM thông qua các hệ số ROA và ROE không có biến động nhiều so với giai đoạn 2023 - 2019. Vấn đề này bị chi phối bởi tính đặc thù kinh doanh trong ngành Ngân hàng. Rủi ro tín dụng xuất hiện một cách khách quan trong hoạt động kinh doanh của NHTM. Tại Việt Nam vốn tín dụng ngân hàng chiếm 47% trong tổng vốn đầu tư trên thị trường tài chính.

Hậu quả của rủi ro tín dụng là một trong những nguyên nhân dẫn đến lợi nhuận ngân hàng sụt giảm, gây bất ổn cho hệ thống NHTM và khủng hoảng nền kinh tế. Bên cạnh đó, thiên tai, dịch bệnh nói chung và đại dịch Covid-19 nói riêng cũng là những rủi ro gây ra tổn thất lớn cho kinh tế Việt Nam nói riêng và kinh tế thế giới nói chung. Tại Việt Nam, quý 3/2021, tỉ lệ tăng trưởng GDP xuống tới mức -6,17% (Ngân hàng Phát triển châu Á - ADB, 2021). Yếu tố này khiến rủi ro tín dụng có xu hướng gia tăng, gây ảnh hưởng đến hiệu quả kinh doanh của các NHTM.

Do vậy việc quản trị rủi ro tín dụng tại các ngân hàng thương mại đã và đang ngày càng được quan tâm. Vì vậy, ngay từ những ngày đầu thành lập chi nhánh Ngân hàng TMCP Quân Đội – Tây Hồ đã luôn luôn quan tâm tới hoạt động quản trị tín dụng tuy nhiên vẫn chịu ảnh hưởng của một số nhân tố khách quan và chủ quan làm cho tình hình nợ xấu chiếm tỉ lệ cao trong tổng dư nợ khoảng 0,50%, năm 2023 tiếp tục tăng lên chiếm khoảng 0,65% tổng dư nợ. Chính vì vậy, ngân hàng đã và đang thực hiện song song nhiều giải pháp góp phần quản trị rủi ro tín dụng của ngân hàng đồng thời nâng cao uy tín và lợi thế cạnh tranh. 1 Vì thế, em quyết định chọn đề tài “Quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ” làm đề tài khóa luận tốt nghiệp của mình.

Mục tiêu nghiên cứu 1. Mục tiêu chung Nghiên cứu thực trạng và quy trình quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ thời gian qua từ đó đề xuất một số giải pháp nhằm tăng cường quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ thời gian tới. Mục tiêu cụ thể Hệ thống hóa cơ sở lý luận và thực tiễn về quản trị rủi ro tín dụng tại Ngân hàng thương mại; Nghiên cứu thực trạng và quy trình quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ thời gian qua Đề xuất một số giải pháp nhằm tăng cường quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ thời gian tới. Đối tượng và phạm vi nghiên cứu 1.

Đối tượng nghiên cứu Quy trình quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ. Phạm vi nghiên cứu Phạm vi nội dung: Nghiên cứu Quy trình quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ. Phạm vi không gian: Khóa luận nghiên cứu tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ Phạm vi thời gian: Thu thập số liệu thứ cấp từ năm 2021-2023. Số liệu sơ cấp thu thập năm 2024.

Phương pháp nghiên cứu 1. Phương pháp thu thập tài liệu 1. Thu thập số liệu thứ cấp Số liệu thứ cấp từ các nguồn như sách, báo, tạp chí, internet về cơ sở lý luận và thực tiễn quản trị rủi ro tín dụng tại ngân hàng thương mại đồng thời thu thập số 2 liệu từ các phòng ban của Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ về báo cáo tài chính 3 năm 2021-2023, báo cáo kết quả kinh doanh 2021-2023 của ngân hàng, báo cáo tổng kết 3 năm 2021-2023 và một số báo cáo tài liệu liên quan tới quản trị rủi ro tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Tây Hồ. Phương pháp phân tích và xử lý số liệu Phương pháp thống kê: Thống kê số liệu từ phiếu khảo sát và số liệu từ các báo cáo thu thập được trong quá trình nghiên cứu từ đó chuyển thành các bảng biểu, sơ đồ hoặc hình nhằm thể hiện rõ số liệu thu thập được trong quá trình nghiên cứu.

Phương pháp so sánh: So sánh số liệu tuyệt đối và tương đối giữa các năm, giữa các chỉ tiêu để làm nổi bật vấn đề nghiên cứu. NHỮNG VẤN ĐỀ CHUNG VỀ RỦI RO TÍN DỤNG VÀ QUẢN TRỊ RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI 1. Tổng quan nghiên cứu 1. Tổng quan nghiên cứu trên Thế giới Yang Wang (2013) “Quản trị rủi ro tín dụng tại các ngân hàng thương mại nông thôn ở Trung Quốc” cho biết: Quản trị rủi ro tín dụng ở mỗi ngân hàng thương mại từ lâu đã là điều rất đáng quan tâm của chính phủ, cơ quan quản lý và các tổ chức tài chính.

Luận văn này sẽ xem xét và đánh giá tầm quan trọng của QTRRTD đối với các ngân hàng thương mại nông thôn, điều mà vốn trước đây đã các NH đã bỏ sót, đồng thời luận văn cũng cung cấp các giải pháp hoàn thiện và phát triển một khung quản trị rủi ro tín dụng cho các ngân hàng thương mại nông thôn ở Trung Quốc. Luận văn này có 4 mục tiêu nghiên cứu chính: Nghiên cứu sự khác biệt giữa các ngân hàng thương mại nông thôn với các ngân hàng thương mại đặt tại thành thị. Xem xét tầm quan trọng của quản trị rủi ro tín dụng đối với các ngân hàng thương mại nông thôn và nhận định các phương pháp tiếp cận hiện nay cho việc quản trị rủi ro tín dụng tại các NHTM nông thôn. Xác định các yếu tố chính ảnh hướng tới việc đánh giá và thẩm định tín dụng, cũng như kiểm soát rủi ro tín dụng trong bối cạnh hiện tại của các ngân hàng thương mại nông thôn.

Đề xuất giải pháp thực tế phù hợp với đặc tính của các ngân hàng thương mại nông thôn tại Trung Quốc. Reema Tuladhar (2022) “Tác động của công tác quản trị rủi ro tín dụng đến khả năng sinh lời của các ngân hàng thương mại ở Nepal” cho biết: Quản trị rủi ro tín dụng đã có tác động đáng kể tới lợi nhuận của các ngân hàng thương mại ở Nepal. Các chỉ số về tỷ suất năng lực trả nợ (tỷ suất đo lường khả năng của một ngân hàng để hấp thụ các khoản lỗ tiềm ẩn), tỷ lệ an toàn vốn và quy mô của ngân hàng có tác động tích cực đến hiệu suất tài chính và khả năng sinh lời của một ngân hàng. Mặt khác thì các yếu tố về tỷ lệ đòn bẩy tài chính, tỷ lệ nợ xấu, nợ quá hạn có tác động tiêu cực đến các chỉ tiêu sinh lời của ngân hàng.

Mục tiêu của nghiên cứu là xác định các định kiến về sự tuân thủ quản trị rủi ro tín dụng, các yếu tố ảnh hưởng đến quản trị rủi ro tín dụng, gây ra rủi ro, cũng như nghiên cứu các cơ chế để giảm thiểu các khoản vay có vấn đề. Tổng quan nghiên cứu tại Việt Nam 4 Đoàn Ngọc Hòa (2022) “Quản trị rủi ro tín dụng tại ngân hàng thương mại cổ phần công thương Việt Nam” - Luận văn thạc sĩ kinh tế - Học viện Ngân hàng đã nêu cụ thể về cơ sở lý thuyết rủi ro tín dụng và quản trị rủi ro tín dụng cùng với đó là kinh nghiệm quản trị rủi ro tín dụng của các NHTM khác. Trên cơ sở đó tác giả nghiên cứu thực trạng QTRRTD của ngân hàng VietinBank trong những năm gần đây (2015- 2022) từ đó nêu lên những mặt hạn chế, khó khăn trong công tác tín dụng và QTRRTD. Tác giả cũng đề xuất đưa ra các giải pháp nhằm tăng cường công tác QTRRTD có tính khả thi, phù hợp với điều kiện cũng như khả năng của NHTMCP Công thương Việt Nam.

Bài luận văn đã đóng góp một phần không nhỏ vào công tác hoàn thiện hệ thống quản trị rủi ro tín dụng của ngân hàng TMCP Công thương Việt Nam, khắc phục các hạn chế tồn đọng của ngân hàng trong quản trị rủi ro tín dụng như: mô hình QTRRTD không phù hợp với ngân hàng, quy trình cấp TD còn nhiều bất cập, sự tập trung tín dụng vào một nhóm khách hàng hoặc một ngành nghề. Nguyễn Văn Cường (2015) “Quản trị rủi ro tín dụng tại ngân hàng thương mại cổ phần quân đội thực trạng và giải pháp”, Luận văn thạc sĩ kinh tế - Học viện Ngân hàng cho biết bài luận văn đã nêu rõ các luận điểm về cơ sở lý thuyết quản trị rủi ro tín dụng tại ngân hàng thương mại, các kinh nghiệm quốc tế về QTRRTD kết hợp với đó là lý thuyết quản trị rủi ro tín dụng ngân hàng để từ cơ sở đó nghiên cứu thực trạng quản trị rủi ro tín dụng của ngân hàng TMCP quân đội MBBank. Từ đó đưa ra các giải pháp, kiến nghị hoàn thiện khung quản trị rủi ro tín dụng của ngân hàng MBBank. Bài luận cũng đưa ra rất nhiều các giải pháp nhằm sớm áp dụng các chuẩn mực của Basel II vào ngân hàng MBBank.

Bài luận văn đã nêu bật ra được các tồn đọng, hạn chế của ngân hàng MBBank về mô hình đo lường rủi ro tín dụng của ngân hàng, công tác kiểm tra, giám sát sau cho vay còn nhiều thiếu sót, lỏng lẻo trong công tác kiểm soát nội bộ. Từ đó tác giả đã đưa ra khuyến nghị các giải pháp cụ thể và bổ sung nhằm nâng cao năng lực QTRRTD của ngân hàng MB, xây dựng 3 lớp phòng vệ rủi ro tín dụng, đồng thời tập trung nguồn lực về tài chính cũng như con người, nền tảng công nghệ để sớm hoàn thiện công tác QTRRTD của ngân hàng theo chuẩn mực quốc tế. Tổng quan về rủi ro tín dụng 1.