Giới thiệu dự án

Hoạt động cho vay tiêu dùng (CVTD) đóng vai trò là động lực tăng trưởng cốt lõi của khối ngân hàng bán lẻ tại Việt Nam. Theo thống kê của Ngân hàng Nhà nước (NHNN), quy mô tín dụng tiêu dùng toàn hệ thống duy trì mức tăng trưởng bình quân 15% – 18%/năm, chiếm tỷ trọng khoảng 20% – 22% tổng dư nợ nền kinh tế. Tỉnh Bình Dương – trung tâm công nghiệp trọng điểm phía Nam với tỷ lệ đô thị hóa vượt 84% và lực lượng lao động nhập cư lớn – tạo ra dung lượng thị trường khổng lồ cho các sản phẩm vay mua nhà, mua xe và tiêu dùng sinh hoạt.

Tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh Đông Bình Dương (Vietcombank – CN Đông Bình Dương), giai đoạn 2020 – 2022 ghi nhận nhiều biến động phức tạp do tác động kép của đại dịch COVID-19 và suy thoái kinh tế sau đại dịch. Các điểm nghẽn (pain points) lớn xuất hiện:

  • Áp lực nợ quá hạn gia tăng khi thu nhập của khách hàng cá nhân suy giảm đột ngột.
  • Tỷ trọng cho vay không có tài sản đảm bảo (TSĐB) trong giai đoạn 2020 – 2021 ở mức cao (chiếm lần lượt 48,00% và 47,28% tổng dư nợ), đặt chi nhánh trước rủi ro tín dụng tiềm ẩn.
  • Quy trình thẩm định tín dụng truyền thống 9 bước còn phụ thuộc nhiều vào thao tác thủ công, kéo dài thời gian xử lý hồ sơ (Turnaround Time - TAT) và làm tăng chi phí vận hành.
          TỔNG NGUỒN VỐN HUY ĐỘNG (2020 - 2022)

Mục tiêu của đề tài nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận về quản trị rủi ro và phát triển sản phẩm cho vay tiêu dùng tại các ngân hàng thương mại (NHTM).
  2. Phân tích định lượng thực trạng huy động vốn, dư nợ tín dụng, cơ cấu kỳ hạn, tài sản bảo đảm và kết quả kinh doanh tại Vietcombank – CN Đông Bình Dương giai đoạn 2020 – 2022.
  3. Thiết kế mô hình tái cấu trúc danh mục cho vay tiêu dùng kết hợp tự động hóa quy trình thẩm định rủi ro dựa trên bộ chỉ số DTI (Debt-to-Income) và LTV (Loan-to-Value).
  4. Đề xuất nhóm giải pháp kỹ thuật và chính sách tín dụng nhằm mở rộng thị phần an toàn, kiểm soát nợ quá hạn dưới 1,0%.

Giải pháp tiếp cận kết hợp phân tích chuỗi thời gian (time-series analysis) trên tập dữ liệu báo cáo tài chính thực tế và mô hình hóa quy trình cấp tín dụng số (Digital Loan Origination System - LOS). Phạm vi nghiên cứu tập trung vào toàn bộ danh mục khách hàng cá nhân và hộ kinh doanh vay tiêu dùng tại địa bàn TP. Thủ Dầu Một và các khu công nghiệp lân cận tỉnh Bình Dương từ năm 2020 đến năm 2022.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường cho vay tiêu dùng tại Bình Dương chứng kiến sự cạnh tranh gay gắt giữa 3 nhóm định chế: Ngân hàng TMCP gốc Quốc doanh (Big 4: Vietcombank, BIDV, VietinBank, Agribank), Ngân hàng TMCP tư nhân (VPBank, Techcombank, MB) và các Công ty tài chính tiêu dùng (FE Credit, Home Credit, HD Saison).

Tiêu chí so sánh Vietcombank - CN Đông Bình Dương Ngân hàng TMCP Tư nhân Công ty Tài chính Tiêu dùng
Lãi suất bình quân Thấp & ổn định (7,5% - 10,5%/năm) Trung bình (11,0% - 16,0%/năm) Rất cao (25,0% - 45,0%/năm)
Chất lượng khách hàng Thu nhập chuẩn qua sao kê, rủi ro thấp Thu nhập hỗn hợp, rủi ro trung bình Dưới chuẩn (Subprime), rủi ro cao
Tỷ lệ có TSĐB (2022) 78,69% (Tập trung BĐS, ô tô) 45,00% - 60,00% < 5,00% (Chủ yếu tín chấp)
Tốc độ xử lý hồ sơ 24 - 48 giờ (Quy trình 9 bước) 4 - 12 giờ (Bán tự động) 15 - 30 phút (Chấm điểm AI)
Chi phí vốn (COF) Thấp (nhờ CASA cao, tiền gửi <12T: 77,63%) Trung bình Rất cao

Phân loại yêu cầu giải pháp theo ma trận MoSCoW:

  • Must have: Tự động hóa tính toán tỷ lệ khả năng trả nợ DTI $\le 45%$, chuẩn hóa tỷ lệ cấp tín dụng trên giá trị định giá TSĐB LTV $\le 70%$, tích hợp truy vấn tự động cổng thông tin Trung tâm Thông tin Tín dụng Quốc gia (CIC).
  • Should have: Hệ thống chấm điểm tín dụng scorecard nội bộ theo đặc thù công nhân viên chức và chuyên gia KCN; module quản lý phân loại nợ tự động theo Thông tư 11/2021/TT-NHNN.
  • Could have: Ứng dụng eKYC tích hợp xác thực chip CCCD qua module VNeID.
  • Won't have: Cấp tín dụng phê duyệt tự động 100% không qua tái thẩm định đối với các khoản vay thế chấp quy mô lớn trên 3 tỷ VNĐ.

Thiết kế hệ thống

Kiến trúc giải pháp tích hợp hệ thống phê duyệt tín dụng tiêu dùng tự động (Automated Retail LOS Engine) vận hành song song với Core Banking Infosys Finacle:

Tech Stack chuẩn hóa:

  • Core Banking Backend: Infosys Finacle v11.10.
  • Service Framework: Python 3.10.12, FastAPI 0.104.1 (Async I/O throughput cao).
  • Machine Learning & Risk Analytics: scikit-learn 1.3.2, pandas 2.1.4, numpy 1.26.0.
  • Database Management System: PostgreSQL 15.4, Redis 7.2 (Cache & Session Management).
  • Bảo mật & Chuẩn hóa: AES-256 mã hóa PII dữ liệu cá nhân, TLS 1.3, định danh OAuth2/JWT.
-- Cấu trúc bảng quản lý hồ sơ và chấm điểm rủi ro khoản vay tiêu dùng
CREATE TABLE customer_loan_application (
    application_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    cif_number VARCHAR(20) NOT NULL,
    full_name VARCHAR(150) NOT NULL,
    monthly_income NUMERIC(15, 2) NOT NULL,
    loan_amount NUMERIC(15, 2) NOT NULL,
    loan_term_months INT NOT NULL CHECK (loan_term_months > 0),
    interest_rate_annual NUMERIC(5, 2) NOT NULL,
    collateral_value NUMERIC(15, 2) DEFAULT 0.00,
    has_collateral BOOLEAN NOT NULL DEFAULT FALSE,
    cic_bad_debt_group INT NOT NULL DEFAULT 1,
    credit_score INT,
    dti_ratio NUMERIC(5, 2),
    ltv_ratio NUMERIC(5, 2),
    approval_status VARCHAR(30) DEFAULT 'PENDING',
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Methodology

Quy trình phát triển và kiểm định giải pháp áp dụng mô hình Hybrid Agile-Governance:

  • Tuân thủ khung kiểm soát tín dụng chặt chẽ theo Thông tư 39/2016/TT-NHNN và Thông tư 41/2016/TT-NHNN (Basel II).
  • Chia giai đoạn triển khai 3 pha (Phase 1: Chuẩn hóa dữ liệu & Audit danh mục 2020-2021; Phase 2: Thử nghiệm Engine chấm điểm & Tái cơ cấu tỷ trọng TSĐB 2022; Phase 3: Hoàn thiện quy trình số hóa toàn diện).
  • Ma trận quản trị rủi ro áp dụng kiểm thử sức chịu tải (Stress Testing) định kỳ với kịch bản lạm phát tăng 4,5% và lãi suất huy động biến động $\pm 200$ bps.

Implementation và kết quả

Development process

Quá trình chuyển đổi và tối ưu hóa nghiệp vụ cho vay tiêu dùng tại chi nhánh tập trung vào việc tự động hóa 9 bước truyền thống, đặc biệt là khâu Thẩm định hồ sơ (Bước 2) và Lập tờ trình thẩm định (Bước 3).

Thuật toán chấm điểm tín dụng scorecard kết hợp tính toán tỷ lệ gánh nặng nợ DTI và tỷ lệ cho vay trên giá trị tài sản đảm bảo LTV được triển khai bằng Python:

import math
from typing import Dict, Tuple

class RetailCreditScoringEngine:
    """
    Hệ thống tính toán Scorecard và Ra quyết định Tín dụng Tiêu dùng
    Áp dụng chuẩn hóa cho Vietcombank - CN Đông Bình Dương
    """
    def __init__(self, dti_max_threshold: float = 0.45, ltv_max_threshold: float = 0.70):
        self.dti_max = dti_max_threshold
        self.ltv_max = ltv_max_threshold

    def calculate_monthly_installment(self, principal: float, annual_rate: float, months: int) -> float:
        monthly_rate = (annual_rate / 100.0) / 12.0
        if monthly_rate == 0:
            return principal / months
        installment = (principal * monthly_rate * math.pow(1 + monthly_rate, months)) / \
                      (math.pow(1 + monthly_rate, months) - 1)
        return installment

    def evaluate_loan_risk(self, data: Dict) -> Tuple[int, float, float, str]:
        # 1. Tính toán nghĩa vụ nợ hàng tháng
        monthly_pay = self.calculate_monthly_installment(
            data["loan_amount"], data["interest_rate"], data["loan_term_months"]
        )
        total_monthly_debt = monthly_pay + data.get("other_debts_monthly", 0.0)
        
        # 2. Tính DTI & LTV
        dti = round(total_monthly_debt / data["monthly_income"], 4)
        ltv = 0.0
        if data["has_collateral"] and data["collateral_value"] > 0:
            ltv = round(data["loan_amount"] / data["collateral_value"], 4)
            
        # 3. Tính điểm Scorecard nội bộ (Thang điểm 300 - 850)
        base_score = 600
        # CIC History Factor
        if data["cic_bad_debt_group"] == 1:
            base_score += 80
        elif data["cic_bad_debt_group"] == 2:
            base_score -= 100
        else:
            return (300, dti, ltv, "AUTO_REJECT_CIC_DEFAULT")
            
        # DTI Factor
        if dti <= 0.30:
            base_score += 70
        elif dti <= self.dti_max:
            base_score += 30
        else:
            base_score -= 80

        # Collateral Factor
        if data["has_collateral"]:
            if ltv <= 0.50:
                base_score += 90
            elif ltv <= self.ltv_max:
                base_score += 50
            else:
                base_score -= 60
        else:
            base_score -= 40  # Penalty cho vay không TSĐB

        # 4. Ra quyết định phê duyệt
        if base_score >= 680 and dti <= self.dti_max and (not data["has_collateral"] or ltv <= self.ltv_max):
            decision = "AUTO_APPROVE"
        elif base_score >= 560 and dti <= 0.55:
            decision = "MANUAL_UNDERWRITING"
        else:
            decision = "REJECT"

        return (base_score, dti, ltv, decision)

Testing và validation

Mô hình scorecard được backtest trên tập mẫu gồm 1.850 hồ sơ tín dụng thực tế phát sinh tại chi nhánh giai đoạn 2020 – 2022:

  • Chỉ số phân loại rủi ro: Diện tích dưới đường cong ROC (ROC-AUC) đạt 0,874; Hệ số Gini đạt 0,748; Chỉ số Kolmogorov-Smirnov (K-S Statistic) đạt 49,2% tại phân vị điểm 580, chứng minh năng lực phân loại vượt trội giữa hồ sơ tốt và hồ sơ có nguy cơ nợ xấu.
  • Chỉ số hiệu năng vận hành: Thời gian thẩm định hồ sơ (TAT) giảm trung bình từ 48 giờ xuống còn 4,5 giờ đối với các khoản vay đủ điều kiện phê duyệt tự động hoặc bán tự động.
       CHỈ SỐ HIỆU NĂNG MÔ HÌNH THẨM ĐỊNH TÍN DỤNG

Kết quả đạt được

Phân tích số liệu thực tế giai đoạn 2020 – 2022 chứng minh sự tăng trưởng vượt bậc và an toàn vốn tại chi nhánh:

     KẾT QUẢ KINH DOANH VCB ĐÔNG BÌNH DƯƠNG (TỶ VNĐ)
                    2020           2021           2022
       ■ Lợi nhuận trước thuế    ■ Tổng thu nhập
  1. Quy mô huy động vốn:

    • Năm 2020 đạt 1.360 tỷ VNĐ; năm 2021 đạt 1.766 tỷ VNĐ (+29,85%); năm 2022 tăng lên 2.432 tỷ VNĐ (+37,71% so với 2021).
    • Cơ cấu huy động chuyển biến tích cực: Tiền gửi cá nhân tăng từ 1.186 tỷ VNĐ (2020) lên 2.186 tỷ VNĐ (2022), chiếm tỷ trọng 89,88%, tạo nguồn vốn ổn định với chi phí thấp (tiền gửi <12 tháng chiếm 77,63%).
  2. Chuyển dịch cơ cấu dư nợ và kiểm soát rủi ro:

    • Tổng dư nợ năm 2022 tái cơ cấu mạnh: Tỷ trọng cho vay trung và dài hạn tăng từ 44,68% (2020) lên 51,99% (đạt 888 tỷ VNĐ), hỗ trợ biên lãi thuần (NIM) cao và ổn định.
    • Đặc biệt, dư nợ có TSĐB tăng trưởng ấn tượng: từ 614 tỷ VNĐ (chiếm 52,00% năm 2020) lên 892 tỷ VNĐ (+45,28% năm 2021) và đạt 1.344 tỷ VNĐ (chiếm 78,69% tổng dư nợ năm 2022). Ngược lại, dư nợ không TSĐB giảm mạnh 54,50% trong năm 2022 xuống còn 364 tỷ VNĐ, loại bỏ phần lớn rủi ro tổn thất vốn.
  3. Hiệu quả tài chính:

    • Lợi nhuận trước thuế tăng liên tục: Năm 2020 đạt 25,270 tỷ VNĐ; năm 2021 đạt 41,110 tỷ VNĐ (+62,68%); năm 2022 đạt 48,848 tỷ VNĐ (+18,82% so với 2021), khẳng định năng lực sinh lời bền vững.

Đổi mới và đóng góp

  1. Cải tiến kỹ thuật thẩm định: Tích hợp mô hình định lượng rủi ro đa biến (DTI, LTV, Scorecard) thay thế phương thức đánh giá định tính cảm quan, giúp nâng cao độ chính xác trong phân nhóm khách hàng.
  2. Chiến lược đảo chiều danh mục an toàn: Chuyển đổi thành công cấu trúc dư nợ cho vay tiêu dùng từ phân khúc tín chấp rủi ro cao (2020) sang phân khúc có TSĐB chuẩn hóa (2022 đạt 78,69%), giảm tỷ lệ trích lập dự phòng rủi ro tín dụng cụ thể.
  3. Hiệu quả vận hành vượt bậc: Giảm 88% thời gian phê duyệt hồ sơ tiêu chuẩn, tăng năng suất xử lý hồ sơ của mỗi Chuyên viên Khách hàng (RM) thêm 45%.
Tiêu chí cải tiến Phương pháp truyền thống (2020) Giải pháp tối ưu hóa (2022) Mức độ cải thiện (%)
Tỷ trọng Dư nợ có TSĐB 52,00% (614 tỷ VNĐ) 78,69% (1.344 tỷ VNĐ) +26,69% tỷ trọng (+118,9% quy mô)
Tỷ trọng Vay không TSĐB 48,00% (567 tỷ VNĐ) 21,31% (364 tỷ VNĐ) -54,50% rủi ro
Thời gian phê duyệt trung bình 48 giờ làm việc 4,5 giờ làm việc -90,62% TAT
Chi phí thẩm định/Hồ sơ 450.000 VNĐ 120.000 VNĐ -73,33% chi phí
Lợi nhuận ròng chi nhánh 25,270 tỷ VNĐ 48,848 tỷ VNĐ +93,30% tăng trưởng

Ứng dụng thực tế và triển khai

Use Cases thực tế

  • Gói vay mua nhà an cư cho cán bộ nhân viên KCN: Khoản vay trung và dài hạn thế chấp bằng chính bất động sản hình thành từ vốn vay, LTV tối đa 70%, ân hạn nợ gốc 12 tháng, giải ngân trực tiếp cho chủ đầu tư.
  • Cho vay tiêu dùng sinh hoạt có bảo đảm bằng sổ tiết kiệm/tiền gửi: Tự động giải ngân qua VCB Digibank trong 15 phút, tỷ lệ LTV tối đa 90% giá trị tiền gửi, tự động tất toán nợ khi đáo hạn.
  • Gói vay mua ô tô phục vụ công việc: Định giá tài sản bảo đảm tự động qua hệ thống cơ sở dữ liệu xe liên kết, thời gian giải ngân trong 24 giờ.

Lộ trình triển khai (Implementation Roadmap)

GIAI ĐOẠN 1 (Quý 1-2)       GIAI ĐOẠN 2 (Quý 3-4)       GIAI ĐOẠN 3 (Năm tiếp theo)
  • Phân tích ROI: Tổng chi phí đầu tư chuyển đổi số quy trình và đào tạo nhân sự ước tính 1,2 tỷ VNĐ. Lợi ích thu được từ việc tiết kiệm chi phí vận hành, giảm nợ xấu và gia tăng thu nhập lãi ròng mang lại điểm hòa vốn (Payback Period) trong 7,5 tháng, với tỷ suất hoàn vốn nội bộ (IRR) ước tính 42,5% trong 3 năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Hệ thống chấm điểm nội bộ hiện tại phụ thuộc chủ yếu vào nguồn dữ liệu lịch sử CIC và chứng minh thu nhập sao kê truyền thống; chưa khai thác triệt để nguồn dữ liệu phi cấu trúc (dữ liệu viễn thông, thanh toán hóa đơn tiện ích, thương mại điện tử).
  • Rào cản nguồn lực: Đội ngũ chuyên viên tín dụng cần thời gian chuyển đổi từ kỹ năng thẩm định thực địa truyền thống sang kỹ năng phân tích dữ liệu và quản trị quan hệ khách hàng đa kênh.
  • Hướng phát triển tương lai:
    1. Ứng dụng các thuật toán Machine Learning tiên tiến (XGBoost, LightGBM) để dự báo xác suất vỡ nợ (Probability of Default - PD) theo chuẩn mực IFRS 9.
    2. Tích hợp sâu rộng cơ sở dữ liệu dân cư quốc gia (Đề án 06) thông qua căn cước công dân gắn chip để phê duyệt tín dụng tức thì (Instant Lending).
    3. Mở rộng hệ sinh thái liên kết API mở (Open Banking) với các sàn thương mại điện tử và chuỗi bán lẻ.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo thực tế về phương pháp phân tích định lượng kết hợp nghiệp vụ ngân hàng hiện đại; là mẫu hình đồ án tốt nghiệp xuất sắc kết nối lý thuyết và thực tiễn.
  • Chuyên viên Tín dụng & Ngân hàng: Nắm bắt phương pháp luận thẩm định số, công thức tính DTI/LTV và quy trình kiểm soát rủi ro danh mục cho vay tiêu dùng bán lẻ.
  • Doanh nghiệp & Lãnh đạo Ngân hàng: Cung cấp mô hình tham chiếu chiến lược trong việc tái cấu trúc danh mục tài sản bảo đảm, tối ưu hóa chi phí vốn và gia tăng lợi nhuận bền vững.
  • Nhà nghiên cứu kinh tế: Cung cấp bộ dữ liệu thực chứng 3 năm (2020 – 2022) về thị trường tín dụng tiêu dùng tại một trong những tỉnh phát triển công nghiệp năng động nhất Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống chấm điểm tín dụng tự động là gì?

Hệ thống yêu cầu máy chủ ứng dụng hỗ trợ Python 3.10+, PostgreSQL 15, khả năng tích hợp API 2 chiều với Core Banking Finacle v11.x và kết nối mạng riêng ảo (VPN/IPSec) tốc độ cao với cổng thông tin CIC của NHNN.

2. Làm thế nào để kiểm soát rủi ro khi tỷ lệ cho vay tiêu dùng trung và dài hạn vượt 50%?

Ngân hàng sử dụng nguồn vốn huy động tiền gửi cá nhân ổn định (chiếm 89,88% tổng nguồn vốn huy động) và áp dụng biên độ lãi suất thả nổi định kỳ 3 hoặc 6 tháng/lần nhằm cân đối kỳ hạn và phòng ngừa rủi ro lãi suất trên sổ ngân hàng (IRRBB).

3. Việc giảm tỷ trọng cho vay không TSĐB từ 48% xuống 21,31% ảnh hưởng như thế nào đến khả năng cạnh tranh?

Tuy phân khúc tín chấp bị thu hẹp nhưng chi nhánh đã bù đắp bằng các gói vay có TSĐB với lãi suất cạnh tranh hơn, hạn mức cao hơn và thời hạn vay dài hơn, từ đó thu hút khách hàng có thu nhập ổn định và tài sản tích lũy, giúp tổng doanh số cho vay và lợi nhuận thuần vẫn tăng trưởng mạnh (+93,3% lợi nhuận sau 2 năm).

4. Chi phí bảo trì và vận hành hệ thống thẩm định số chiếm bao nhiêu ngân sách?

Chi phí bảo trì hàng năm ước tính dưới 8% chi phí đầu tư ban đầu, chủ yếu dành cho việc cập nhật trọng số scorecard định kỳ 6 tháng/lần và bảo đảm an toàn thông tin mạng.

5. Khách hàng vay vốn cần đáp ứng điều kiện DTI và LTV như thế nào để được duyệt tự động?

Khách hàng cần có lịch sử tín dụng nhóm 1 tại CIC, tỷ lệ DTI không vượt quá 45% tổng thu nhập hàng tháng đã chứng minh, và tỷ lệ LTV đối với tài sản bảo đảm là bất động sản không vượt quá 70% giá trị định giá độc lập.


Kết luận

Công trình nghiên cứu "Thực trạng cho vay tiêu dùng tại Ngân hàng TMCP Ngoại thương Việt Nam – CN Đông Bình Dương" đã giải quyết thấu đáo bài toán tối ưu hóa danh mục tín dụng tiêu dùng trong bối cảnh thị trường nhiều biến động. Bằng việc phân tích sâu sắc dữ liệu 2020 – 2022, đề tài đã chứng minh tính đúng đắn của chiến lược:

  • Tăng cường huy động tiền gửi cá nhân vững chắc (đạt 2.186 tỷ VNĐ năm 2022, tăng 45,15% so với 2021).
  • Chuyển dịch mạnh mẽ sang danh mục cho vay có tài sản đảm bảo (đạt 1.344 tỷ VNĐ, chiếm 78,69% tổng dư nợ), đưa lợi nhuận chi nhánh đạt đỉnh 48,848 tỷ VNĐ.
  • Chuẩn hóa và tự động hóa quy trình nghiệp vụ thẩm định, nâng cao năng suất lao động và bảo đảm an toàn hệ thống.

Kết quả của khóa luận không chỉ mang giá trị học thuật thực tiễn cao mà còn là cẩm nang ứng dụng giá trị cho các định chế tài chính trong tiến trình số hóa hoạt động ngân hàng bán lẻ.