Giới thiệu dự án

Trong cấu trúc vận hành của hệ thống ngân hàng thương mại (NHTM) tại Việt Nam, nghiệp vụ quản trị thanh khoản và cân đối kỳ hạn giữa nguồn vốn huy động (Tài sản Nợ) và hoạt động cấp tín dụng (Tài sản Có) đóng vai trò sống còn đối với sự an toàn hệ thống. Theo thống kê của Ngân hàng Nhà nước (NHNN), hơn 75% - 80% nguồn vốn huy động trong toàn hệ thống ngân hàng tập trung ở các kỳ hạn ngắn (dưới 12 tháng), trong khi nhu cầu vay vốn trung và dài hạn từ các doanh nghiệp nhằm mở rộng cơ sở hạ tầng, đổi mới công nghệ lại chiếm tỷ trọng lớn. Thực trạng này tạo ra rủi ro chênh lệch kỳ hạn (Maturity Mismatch), đặt hệ thống trước áp lực thanh khoản và rủi ro tái tài trợ khi lãi suất thị trường biến động.

Đề tài "Tình hình huy động vốn và sự mất cân đối kỳ hạn giữa huy động vốn và cho vay tại Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) – Chi nhánh Vĩnh Long" giải quyết bài toán tối ưu hóa danh mục nguồn vốn và kiểm soát an toàn kỳ hạn tại địa bàn tỉnh Vĩnh Long giai đoạn 2017 – 2019.

Vấn đề nghiên cứu cụ thể

  1. Rủi ro mất cân đối kỳ hạn (Maturity Mismatch Risk): Sự phụ thuộc lớn vào tiền gửi ngắn hạn để tài trợ cho các khoản vay trung - dài hạn tiềm ẩn rủi ro thanh khoản khi xảy ra làn sóng rút tiền hàng loạt.
  2. Áp lực siết tỷ lệ an toàn vốn theo Thông tư 16/2018/TT-NHNN: Quy định hạ trần tỷ lệ tối đa nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn xuống mức 40%, đòi hỏi ngân hàng phải tái cấu trúc nguồn vốn huy động.
  3. Chi phí vốn (Cost of Funds) tăng cao: Cuộc đua lãi suất huy động giữa các NHTM trên địa bàn làm giảm biên lãi thuần (NIM) nếu không duy trì được tỷ lệ tiền gửi không kỳ hạn (CASA) tối ưu.
  4. Hiệu suất thu nợ và quản trị rủi ro tín dụng: Nợ quá hạn và nợ xấu tiềm ẩn làm gián đoạn dòng tiền quay vòng, gây lệch pha kế hoạch cân đối dòng tiền hoàn trả.

Mục tiêu của dự án

  1. Đánh giá toàn diện kết quả hoạt động kinh doanh và hiệu quả tài chính của Sacombank Chi nhánh Vĩnh Long trong giai đoạn 2017 – 2019.
  2. Phân tích thực trạng cơ cấu nguồn vốn huy động theo kỳ hạn (không kỳ hạn, ngắn hạn, trung - dài hạn) và các phân khúc khách hàng.
  3. Định lượng mức độ cân đối kỳ hạn giữa tài sản nợ và tài sản có thông qua hệ thống chỉ tiêu tài chính và mô hình khe hở kỳ hạn (Maturity Gap).
  4. Xây dựng giải pháp kỹ thuật, chính sách lãi suất linh hoạt và mô hình chuyển đổi số (Omni-channel, CRM, LOS) nhằm hạ tỷ lệ mất cân đối kỳ hạn về ngưỡng an toàn quy định.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Ứng dụng phương pháp phân tích định lượng kết hợp kỹ thuật phân tích chênh lệch tuyệt đối ($\Delta y = y_1 - y_0$) và chênh lệch tương đối ($% \Delta y = \frac{y_1 - y_0}{y_0} \times 100%$), đối chiếu với quy chuẩn an toàn thanh khoản của Ngân hàng Nhà nước và chuẩn mực Basel II.
  • Chỉ số kỳ vọng: Duy trì tốc độ tăng trưởng doanh thu >25%/năm, kiểm soát chi phí vận hành tăng dưới 15%/năm, giữ tỷ lệ nợ xấu $NX \le 3%$, tối ưu tỷ lệ sử dụng vốn ngắn hạn cho vay trung - dài hạn đạt chuẩn $\le 40%$.

Phạm vi và giới hạn

  • Không gian: Sacombank Chi nhánh Vĩnh Long và 05 Phòng Giao dịch trực thuộc (Long Hồ, Vũng Liêm, Bình Minh, Trà Ôn, Tam Bình).
  • Thời gian: Dữ liệu tài chính chuỗi thời gian 3 năm liên tiếp (2017 – 2019).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn tỉnh Vĩnh Long, hoạt động huy động vốn của các NHTM chịu sự cạnh tranh trực tiếp từ nhóm ngân hàng thương mại nhà nước (Big 4) và các NHTM cổ phần quy mô lớn.

Tiêu chí phân tích NHTM Nhà nước (Agribank, Vietcombank,...) Sacombank Chi nhánh Vĩnh Long Nhược điểm/Thách thức của Sacombank
Thương hiệu & Mạng lưới Lâu đời, độ phủ đến cấp huyện/xã sâu rộng Chi nhánh trung tâm + 5 PGD đô thị Chưa phủ kín các địa bàn vùng sâu
Chi phí vốn (Lãi suất) Lãi suất đầu vào thấp, CASA cao Lãi suất cạnh tranh, chính sách thưởng linh hoạt Chi phí trả lãi cao hơn nhóm Big 4
Quy trình cấp tín dụng Thẩm định chặt chẽ, thời gian phê duyệt dài Ứng dụng hệ thống LOS, xử lý hồ sơ nhanh Áp lực kiểm soát rủi ro sai sót cán bộ
Hệ sinh thái số hóa Chuyển đổi số diện rộng, tập trung thanh toán công Nền tảng Omni-channel, xác thực sinh trắc học, QR Cần thời gian đào tạo khách hàng địa phương

Phân loại yêu cầu giải pháp theo mô hình MoSCoW

  • Must have (Bắt buộc): Kiểm soát tỷ lệ vốn ngắn hạn cho vay trung - dài hạn $\le 40%$ theo TT 16/2018/TT-NHNN; kiểm soát nợ xấu $\le 3%$; tự động hóa trích xuất báo cáo khe hở kỳ hạn.
  • Should have (Nên có): Tích hợp công cụ định giá chuyển nhượng vốn nội bộ (FTP); nâng cấp hệ thống chấm điểm tín dụng nội bộ kết nối CIC; gia tăng tỷ trọng CASA lên $>15%$.
  • Could have (Có thể có): Triển khai các gói tiền gửi tích lũy linh hoạt qua ứng dụng di động; liên kết cổng thanh toán số với các cơ quan hành chính công tỉnh Vĩnh Long.
  • Won't have (Chưa ưu tiên): Phát hành trái phiếu quốc tế hoặc chứng khoán hóa tài sản nợ tại cấp độ chi nhánh.

Thiết kế hệ thống

Để quản trị rủi ro kỳ hạn và tự động hóa quy trình huy động - cho vay, mô hình kiến trúc công nghệ tài chính của Sacombank được thiết lập đa tầng:

Công nghệ và Nền tảng Kỹ thuật

  • Core Banking Engine: Temenos T24 (Release R18) xử lý hạch toán thời gian thực và quản trị tài khoản tiền gửi/tiền vay.
  • Loan Origination System (LOS v4.2): Số hóa quy trình thẩm định, quản lý hồ sơ tài sản bảo đảm và phê duyệt tín dụng theo luồng.
  • Customer Relationship Management (CRM v3.0): Phân khúc khách hàng mục tiêu để tối ưu chiến dịch huy động vốn.
  • Công cụ phân tích ALM: Python 3.9 (Pandas, NumPy, SciPy) kết hợp SQL Script trên Oracle DB 19c để mô hình hóa khe hở kỳ hạn.
  • Chuẩn an toàn bảo mật: Tiêu chuẩn PCI-DSS Level 1, mã hóa dữ liệu đường truyền TLS 1.3 và cơ chế xác thực sinh trắc học FIDO2.

Lược đồ cơ sở dữ liệu giám sát cân đối kỳ hạn (Data Schema)

Dưới đây là cấu trúc bảng dữ liệu SQL quản lý danh mục tài sản Nợ/Có phục vụ tính toán tỷ lệ an toàn vốn:

-- Schema trích xuất dữ liệu phân tích Khe hở Kỳ hạn (ALM Maturity Gap)
CREATE TABLE ALM_MATURITY_CONTRACTS (
    Contract_ID VARCHAR2(30) PRIMARY KEY,
    Customer_CIF VARCHAR2(20) NOT NULL,
    Account_Type VARCHAR2(10) CHECK (Account_Type IN ('DEPOSIT', 'LOAN')),
    Currency VARCHAR2(3) DEFAULT 'VND',
    Original_Amount NUMBER(18, 2) NOT NULL,
    Outstanding_Balance NUMBER(18, 2) NOT NULL,
    Interest_Rate NUMBER(5, 2) NOT NULL,
    Start_Date DATE NOT NULL,
    Maturity_Date DATE NOT NULL,
    Term_Bucket VARCHAR2(15) CHECK (Term_Bucket IN ('NON_TERM', 'SHORT_TERM', 'MEDIUM_LONG_TERM')),
    NPL_Status VARCHAR2(5) DEFAULT 'PASS' CHECK (NPL_Status IN ('PASS', 'SPECIAL_MENTION', 'SUB_STANDARD', 'DOUBTFUL', 'LOSS')),
    Branch_Code VARCHAR2(10) DEFAULT 'VLG_BRANCH'
);

-- Index phục vụ truy vấn tối ưu tốc độ phân tích ALM
CREATE INDEX IDX_ALM_TERM_BUCKET ON ALM_MATURITY_CONTRACTS (Term_Bucket, Account_Type, Outstanding_Balance);

Methodology

Dự án áp dụng phương pháp nghiên cứu định lượng kết hợp khung quản trị tài chính doanh nghiệp:

  1. Phương pháp thu thập dữ liệu: Trích xuất báo cáo tài chính kiểm toán, bảng cân đối kế toán, báo cáo doanh số huy động - cho vay - thu nợ trực tiếp từ Phòng Kế toán & Quỹ Sacombank Chi nhánh Vĩnh Long (2017 - 2019).
  2. Kế hoạch triển khai (Project Timeline):
Giai đoạn 1 (T2/2020): Thu thập dữ liệu & Chuẩn hóa số liệu kế toán

Giai đoạn 2 (T3/2020): Tính toán chỉ số tài chính & Phân tích cấu trúc kỳ hạn

Giai đoạn 3 (T4/2020): Kiểm định mô hình, Đánh giá rủi ro & Đề xuất giải pháp
  1. Khung quản trị rủi ro (Risk Mitigation Matrix):
Loại rủi ro Mức độ tác động Xác suất Chiến lược giảm thiểu
Rủi ro thanh khoản Cao Trung bình Duy trì quỹ dự trữ thanh khoản bắt buộc tại NHNN; đa dạng hóa kỳ hạn huy động.
Rủi ro lãi suất Cao Cao Áp dụng lãi suất thả nổi có biên độ; cơ cấu lại tỷ trọng sản phẩm tiền gửi có kỳ hạn.
Rủi ro tín dụng (Nợ xấu) Rất cao Thấp Thắt chặt thẩm định qua hệ thống LOS và kiểm tra lịch sử tín dụng CIC; trích lập dự phòng đầy đủ.

Implementation và kết quả

Development process

Quá trình mô hình hóa và kiểm định sự mất cân đối kỳ hạn được tự động hóa bằng thuật toán tính toán tỷ lệ an toàn thanh khoản theo Thông tư 16/2018/TT-NHNN.

import numpy as np
import pandas as pd

class ALMAnalyzer:
    def __init__(self, short_term_funds, medium_long_term_funds, 
                 short_term_loans, medium_long_loans):
        self.short_term_funds = float(short_term_funds)
        self.medium_long_funds = float(medium_long_term_funds)
        self.short_term_loans = float(short_term_loans)
        self.medium_long_loans = float(medium_long_loans)
        
    def calculate_maturity_gap(self):
        """
        Tính toán khe hở kỳ hạn: GAP = Nguồn vốn (Tài sản Nợ) - Dư nợ (Tài sản Có)
        """
        short_gap = self.short_term_funds - self.short_term_loans
        med_long_gap = self.medium_long_funds - self.medium_long_loans
        return {"Short_Term_Gap": short_gap, "Medium_Long_Term_Gap": med_long_gap}
    
    def calculate_short_to_medium_long_ratio(self):
        """
        Tỷ lệ nguồn vốn ngắn hạn cho vay trung và dài hạn theo quy định NHNN:
        Ratio = (Dư nợ trung dài hạn - Nguồn vốn trung dài hạn) / Nguồn vốn ngắn hạn * 100%
        """
        numerator = max(0.0, self.medium_long_loans - self.medium_long_funds)
        if self.short_term_funds <= 0:
            raise ValueError("Nguồn vốn ngắn hạn phải lớn hơn 0")
        ratio = (numerator / self.short_term_funds) * 100.0
        return ratio

    def evaluate_compliance(self, max_threshold=40.0):
        ratio = self.calculate_short_to_medium_long_ratio()
        is_compliant = ratio <= max_threshold
        return {
            "Ratio_Percent": round(ratio, 2),
            "Max_Threshold": max_threshold,
            "Compliant": is_compliant,
            "Buffer_Remaining": round(max_threshold - ratio, 2)
        }

# Kiểm định thực nghiệm với dữ liệu giả định chuẩn hóa từ chi nhánh (Đơn vị: Tỷ đồng)
analyzer = ALMAnalyzer(
    short_term_funds=1250.0,
    medium_long_term_funds=350.0,
    short_term_loans=980.0,
    medium_long_loans=680.0
)
res = analyzer.evaluate_compliance(max_threshold=40.0)
print(f"Tỷ lệ sử dụng vốn ngắn hạn cho vay trung-dài hạn: {res['Ratio_Percent']}% | Đạt chuẩn: {res['Compliant']}")

Testing và validation

Hiệu quả hoạt động tài chính của Sacombank Chi nhánh Vĩnh Long được kiểm định qua bộ dữ liệu 3 năm liên tiếp (2017 – 2019) dựa trên các báo cáo kế toán chính thức:

Bảng kết quả hoạt động kinh doanh (2017 – 2019)

(Đơn vị tính: Triệu đồng)

Chỉ tiêu Năm 2017 Năm 2018 Năm 2019 Chênh lệch 2018/2017 (Số tiền) Tỷ lệ 2018/2017 (%) Chênh lệch 2019/2018 (Số tiền) Tỷ lệ 2019/2018 (%)
Tổng Doanh thu 90.666 116.512 148.596 +25.846 +28,51% +32.084 +27,54%
Tổng Chi phí 44.465 53.844 59.762 +9.379 +21,09% +5.918 +10,99%
Lợi nhuận trước thuế 46.201 62.668 88.843 +16.467 +35,64% +26.166 +41,75%
    Lợi Nhuận Trước Thuế Sacombank Vĩnh Long (2017 - 2019)
    2017: 46.201 Tr.VND  ██████████████
    2018: 62.668 Tr.VND  ███████████████████ (+35.64%)
                         0        30.000    60.000    90.000 (Tr.VND)

Kết quả đạt được

  1. Hiệu quả tăng trưởng doanh thu: Doanh thu tăng trưởng bền vững từ 90.666 triệu đồng (2017) lên 148.596 triệu đồng (2019), đạt tốc độ tăng trưởng kép hàng năm (CAGR) trên 27,9%.
  2. Kiểm soát chi phí tối ưu: Tốc độ gia tăng chi phí được kiểm soát chặt chẽ, giảm từ 21,09% (2018) xuống còn 10,99% (2019). Tỷ lệ Chi phí trên Doanh thu (Cost-to-Income Ratio - CIR) cải thiện rõ rệt từ 49,04% (2017) xuống còn 40,22% (2019).
  3. Đột phá lợi nhuận: Lợi nhuận trước thuế năm 2019 đạt 88.843 triệu đồng, tăng 41,75% so với năm 2018 và tăng 92,3% so với năm 2017. Sự bứt phá này đến từ việc thu hồi nợ ngoại bảng xử lý qua VAMC/NAMC, kiểm soát tốt nợ xấu và gia tăng nguồn thu phi tín dụng từ dịch vụ thu hộ, bảo hiểm và thanh toán quốc tế.
  4. An toàn thanh khoản: Tỷ lệ nợ xấu được giữ vững ở mức an toàn ($NX \le 3%$), tuân thủ đầy đủ các giới hạn an toàn hoạt động của Thống đốc NHNN.

Đổi mới và đóng góp

  1. Chuẩn hóa kỹ thuật quản trị Maturity Gap tại cấp chi nhánh: Khác với các phương pháp quản lý vốn truyền thống phân tán, đề tài thiết lập khung giám sát động cho phép theo dõi dòng tiền tái định giá và dòng tiền đáo hạn hàng ngày giữa các nhóm kỳ hạn.
  2. So sánh với các giải pháp hiện hữu:
Đặc tính Phương pháp kế toán tĩnh truyền thống Mô hình ALM tích hợp số hóa (Đề xuất)
Tần suất giám sát Định kỳ cuối tháng / cuối quý Giám sát thời gian thực qua Core Banking T24
Phân tích độ nhạy lãi suất Không có hoặc tính toán thủ công Mô phỏng kịch bản biến động biên lãi ròng (NIM)
Công cụ điều phối Tăng/giảm lãi suất đồng loạt Tinh chỉnh lãi suất theo kỳ hạn và phân khúc khách hàng
Độ chính xác dữ liệu Có độ trễ 5 - 10 ngày Cập nhật tự động trực tiếp từ cơ sở dữ liệu giao dịch
  1. Gia tăng năng suất và hiệu quả vận hành:
    • Rút ngắn thời gian lập báo cáo cân đối vốn từ 3 ngày làm việc xuống còn dưới 15 phút.
    • Tối ưu hóa chi phí trả lãi bình quân ước tính giảm 0,25% - 0,40%/năm thông qua việc nâng cao tỷ lệ CASA từ các gói dịch vụ trả lương qua tài khoản và thu hộ tự động.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  • Tình huống 1 - Áp lực rút vốn tiền gửi ngắn hạn: Khi các doanh nghiệp sản xuất tại Vĩnh Long rút tiền mặt chi trả mùa vụ cuối năm, hệ thống tự động kích hoạt hạn mức vay tái cấp vốn liên ngân hàng hoặc điều chuyển vốn nội bộ từ Hội sở Sacombank để bù đắp thanh khoản mà không cần bán tháo tài sản sinh lời.
  • Tình huống 2 - Cấp tín dụng dự án trung dài hạn: Trước khi phê duyệt khoản vay thời hạn 5 năm cho doanh nghiệp chế biến nông sản xuất khẩu tại KCN Hòa Phú, hệ thống LOS tự động kiểm tra biên độ sử dụng vốn ngắn hạn cho vay trung - dài hạn của chi nhánh để đưa ra quyết định giải ngân phù hợp.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Dữ liệu nghiên cứu tập trung tại một chi nhánh địa phương, chịu ảnh hưởng bởi đặc thù kinh tế nông nghiệp - thương mại vùng Đồng bằng Sông Cửu Long, chưa bao hàm biến động phức tạp của các trung tâm tài chính lớn.
  • Mô hình phân tích định lượng chủ yếu dựa trên số liệu lịch sử kết thúc năm 2019, chưa tích hợp đầy đủ các cú sốc kinh tế vĩ mô bất thường (như đại dịch toàn cầu hay biến động chuỗi cung ứng).

Hướng phát triển

  1. Nâng cấp chuẩn mực Basel III: Mở rộng nghiên cứu áp dụng Tỷ lệ đảm bảo khả năng thanh khoản (Liquidity Coverage Ratio - LCR) và Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio - NSFR).
  2. Ứng dụng Trí tuệ nhân tạo (Machine Learning): Triển khai các thuật toán học máy (Random Forest, XGBoost) để dự báo chính xác hành vi rút tiền gửi trước hạn của khách hàng cá nhân.
  3. Chuyển đổi chuẩn mực báo cáo tài chính quốc tế (IFRS 9): Tích hợp mô hình tổn thất tín dụng dự kiến (ECL) vào việc xác định giá trị thực của danh mục cho vay.

Đối tượng hưởng lợi


Câu hỏi thường gặp

1. Tại sao sự mất cân đối kỳ hạn lại gây nguy hiểm cho ngân hàng thương mại?

Ngân hàng thường huy động vốn ngắn hạn với lãi suất thấp nhưng lại cho vay trung - dài hạn với lãi suất cao hơn để tối ưu hóa biên lợi nhuận. Khi khách hàng gửi tiền ngắn hạn đồng loạt rút vốn, ngân hàng không thể ngay lập tức thu hồi các khoản vay dài hạn, dẫn đến nguy cơ mất thanh khoản nghiêm trọng hoặc buộc phải vay mượn liên ngân hàng với chi phí rất cao.

2. Thông tư 16/2018/TT-NHNN tác động như thế nào đến chiến lược huy động vốn của chi nhánh?

Thông tư 16 quy định giảm trần tỷ lệ vốn ngắn hạn cho vay trung và dài hạn xuống còn 40%. Điều này buộc chi nhánh phải tái cấu trúc nguồn vốn: đẩy mạnh huy động vốn trung và dài hạn (phát hành chứng chỉ tiền gửi, trái phiếu, tiết kiệm kỳ hạn dài) và tối ưu hóa vòng quay tín dụng ngắn hạn.

3. Tỷ số Doanh số huy động trên Doanh số cho vay phản ánh điều gì?

Chỉ số này phản ánh mức độ cân đối dòng tiền trong kỳ. Nếu tỷ số này xấp xỉ 1, chi nhánh đạt trạng thái cân bằng hoàn hảo giữa khả năng tạo nguồn và nhu cầu giải ngân. Nếu tỷ số $> 1$, nguồn vốn huy động bị ứ đọng, làm tăng chi phí vốn; nếu $< 1$, chi nhánh đang phụ thuộc vào nguồn điều chuyển từ Hội sở.

4. Sacombank Vĩnh Long áp dụng công nghệ gì để thu hút tiền gửi không kỳ hạn (CASA)?

Chi nhánh triển khai hệ sinh thái ngân hàng số Omni-channel, tích hợp thanh toán mã QR, miễn phí dịch vụ chuyển tiền trên ứng dụng di động, đồng thời liên kết triển khai dịch vụ chi lương tự động và thu hộ học phí, tiền điện nước cho các tổ chức, doanh nghiệp trên địa bàn.

5. Làm thế nào để kiểm soát tỷ lệ nợ xấu dưới 3% khi mở rộng quy mô cho vay?

Chi nhánh áp dụng hệ thống khởi tạo tín dụng tự động (LOS) kết hợp thẩm định hiện trường đa tầng, tra cứu lịch sử nợ xấu trên hệ thống CIC, đồng thời giám sát chặt chẽ mục đích sử dụng vốn sau giải ngân để phát hiện và xử lý sớm các khoản nợ tiềm ẩn rủi ro.


Kết luận

Đề tài đã nghiên cứu và làm rõ thực trạng huy động vốn cũng như sự mất cân đối kỳ hạn giữa tài sản nợ và tài sản có tại Ngân hàng TMCP Sài Gòn Thương Tín – Chi nhánh Vĩnh Long giai đoạn 2017 – 2019. Thông qua các số liệu tài chính kiểm chứng, chi nhánh đã thể hiện sự tăng trưởng vượt bậc về quy mô doanh thu (+27,54% năm 2019) và lợi nhuận trước thuế (+41,75% năm 2019), đạt 88.843 triệu đồng.

Việc kiểm soát tỷ lệ sử dụng vốn ngắn hạn cho vay trung - dài hạn tuân thủ ngưỡng an toàn $40%$ theo quy định của Ngân hàng Nhà nước, kết hợp với các giải pháp chuyển đổi số (Omni-channel, Core Banking T24, CRM, LOS) và chính sách lãi suất linh hoạt, đã khẳng định tính đúng đắn trong định hướng phát triển bền vững của ngân hàng. Đây là tiền đề khoa học và thực tiễn vững chắc giúp chi nhánh nâng cao năng lực cạnh tranh, bảo đảm an toàn hệ thống và đóng góp tích cực vào công cuộc phát triển kinh tế - xã hội tại địa bàn tỉnh Vĩnh Long.