Ứng Dụng Mô Hình Z-Score Để Xếp Hạng Tín Dụng Khách Hàng Doanh Nghiệp Tại Sacombank Thừa Thiên Huế

Nghiên cứu ứng dụng mô hình z score trong xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần Sài Gòn Thương Tín.

• Tác giả: Đào Thế Công Minh
• Người hướng dẫn: Th.S. Bùi Thành Công
• Trường học: Đại học Huế
• Chuyên ngành: Tài chính Doanh nghiệp
• Đề tài: Ứng Dụng Mô Hình Z – Score Để Xếp Hạng Tín Dụng Khách Hàng Doanh Nghiệp Tại Ngân Hàng Thương Mại Cổ Phần Sài Gòn Thương Tín Chi Nhánh Thừa Thiên Huế
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2018
• Địa điểm: Huế

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT NGHIÊN CỨU
• DANH MỤC VIẾT TẮT
• DANH MỤC SƠ ĐỒ, ĐỒ THỊ
• DANH MỤC BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO TÍN DỤNG VÀ XẾP HẠNG TÍN DỤNG DOANH NGHIỆP TRONG NGÂN HÀNG THƯƠNG MẠI
• 1.1. Khái niệm về ngân hàng thương mại
• 1.2. Các hoạt động chủ yếu của ngân hàng thương mại
• 1.3. Hoạt động tín dụng ngân hàng thương mại
• 1.3.1. Khái niệm tín dụng ngân hàng thương mại
• 1.4. Tổng quan về rủi ro tín dụng
• 1.4.1. Khái niệm rủi ro tín dụng
• 1.4.2. Phân loại rủi ro tín dụng
• 1.4.3. Nguyên nhân gây ra rủi ro tín dụng
• 1.4.4. Hậu quả rủi ro tín dụng
• 1.4.5. Phân loại nợ và trích lập dự phòng rủi ro (Xem Phụ lục 1)
• 1.5. Tổng quan về Xếp hạng tín dụng
• 1.5.1. Khái niệm Xếp hạng tín dụng
• 1.5.2. Đối tượng của xếp hạng tín dụng
• 1.5.3. Đặc điểm xếp hạng tín dụng
• 1.5.4. Vai trò của xếp hạng tín dụng
• 1.5.5. Nguyên tắc xếp hạng tín dụng
• 1.5.6. Quy trình xếp hạng tín dụng
• 1.5.7. Một số chỉ tiêu chấm điểm doanh nghiệp (Xem phụ lục 2)
• 1.5.8. Phương pháp xếp hạng tín dụng (Xem phụ lục 3)
• 1.5.9. Một số mô hình xếp hạng tín dụng tại các ngân hàng
• 1.5.10. Một số mô hình xếp hạng tín dụng tại Việt Nam
• 1.6. Giới thiệu mô hình Z – Score
• 1.6.1. Mô hình Z-score áp dụng cho các DN tư nhân (DN chưa cổ phần hóa, ngành sản xuất)
• 1.6.2. Mô hình Z-score điều chỉnh áp dụng cho các DN không sản xuất (DN khác)
• 1.6.3. Thông tin xếp hạng mô hình Z-Score
• 1.7. Những nghiên cứu trước đây về mô hình Z – Score
• 1.7.1. Những nghiên cứu về mô hình Z – Score ở nước ngoài
• 1.7.2. Những nghiên cứu về mô hình Z –Score ở Việt Nam
• 1.7.3. Những nghiên cứu về mô hình Z –Score của sinh viên Kinh tế
• 2. CHƯƠNG 2: ỨNG DỤNG MÔ HÌNH Z – SCORE ĐỂ XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN SÀI GÒN THƯƠNG TÍN - CHI NHÁNH TT.
• 2.1. Giới thiệu về Ngân hàng TMCP Sài Gòn Thương Tín – Chi nhánh Thừa Thiên Huế
• 2.1.1. Lịch sử hình thành và phát triển Hội sở chính của Ngân hàng TMCP Sài Gòn Thương Tín - Sacombank
• 2.1.2. Sự hình thành và phát triển của Ngân hàng TMCP Sài Gòn Thương Tín – Chi nhánh Thừa Thiên Huế
• 2.1.3. Cơ cấu bộ máy tổ chức Sacombank – Chi nhánh Thừa Thiên Huế
• 2.1.4. Chức năng, nhiệm vụ của các bộ phận, thành phần trong cơ cấu tổ chức
• 2.1.5. Tình hình sử dụng lao động của NH TMCP Sài Gòn Thương Tín – CN Thừa Thiên Huế giai đoạn 2015-2017
• 2.1.6. Tình hình hoạt động kinh doanh của Sacombank – Chi nhánh Thừa Thiên Huế
• 2.2. Thực trạng hoạt động chấm điểm và xếp hạng tín dụng khách hàng doanh nghiệp tại Ngân hàng TMCP Sài Gòn Thương Tín – Chi nhánh Thừa Thiên Huế
• 2.2.1. Nội dung chấm điểm của hệ thống XHTD nội bộ cho doanh nghiệp
• 2.2.2. Quy trình xếp hạng tín dụng khách hàng doanh nghiệp tại Sacombank – CN Thừa Thiên Huế
• 2.2.3. Đánh giá hệ thống chấm điểm xếp hạng tín dụng nội bộ của Sacombank
• 2.3. Ứng dụng mô hình Z Score để xếp hạng tín dụng khách hàng doanh nghiệp tại Sacombank – Chi nhánh Thừa Thiên Huế
• 2.3.1. Thông tin xếp hạng điều kiện vận dụng mô hình
• 2.3.2. Ví dụ minh họa việc sử dụng mô hình Z – Score để tính chỉ số Z
• 2.3.3. Kết quả vận dụng mô hình Z - Score và so sánh với mô hình xếp hạng tín dụng nội bộ trong Sacombank
• 2.3.4. Những vấn đề còn tồn tại trong công tác xếp hạng tín dụng ở Sacombank – CN Thừa Thiên Huế
• 2.3.4.1. Những vấn đề còn tồn tại trong công tác xếp hạng tín dụng ở Sacombank – Chi nhánh Thừa Thiên Huế
• 2.3.4.2. Nguyên nhân gây ra những tồn tại trong công tác xếp hạng tín dụng ở Sacombank – Chi nhánh Thừa Thiên Huế
• 3. CHƯƠNG III: MỘT SỐ GIẢI PHÁP NHẰM HOÀN THIỆN CÔNG TÁC XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN SÀI GÒN THƯƠNG TÍN CHI NHÁNH TT.
• 3.1. Định hướng phát triển mô hình xếp hạng tín dụng doanh nghiệp tại Sacombank
• 3.2. Một số giải pháp nhằm hoàn thiện và nâng cao hệ thống xếp hạng tín dụng khách hàng doanh nghiệp tại Sacombank – Chi nhánh Thừa Thiên Huế
• PHẦN III: KẾT LUẬN
• 3.3. Hạn chế của đề tài
• 3.4. Hướng phát triển, hoàn thiện đề tài
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về ứng dụng mô hình Z Score trong xếp hạng tín dụng

Mô hình Z-Score là một công cụ quan trọng trong việc đánh giá khả năng tín dụng của khách hàng doanh nghiệp. Được phát triển bởi giáo sư Edward I. Altman vào năm 1968, mô hình này giúp ngân hàng thương mại cổ phần Sài Gòn Thương Tín chi nhánh Thừa Thiên Huế có cái nhìn tổng quan về rủi ro tín dụng. Việc áp dụng mô hình này không chỉ giúp ngân hàng giảm thiểu rủi ro mà còn nâng cao hiệu quả trong việc cấp tín dụng.

1.1. Khái niệm mô hình Z Score và ứng dụng của nó

Mô hình Z-Score là một phương pháp định lượng để đánh giá khả năng thanh toán của doanh nghiệp. Nó sử dụng các chỉ số tài chính để tính toán điểm Z, từ đó xác định khả năng phá sản của doanh nghiệp trong tương lai.

1.2. Lợi ích của việc áp dụng mô hình Z Score tại ngân hàng

Việc áp dụng mô hình Z-Score giúp ngân hàng có thể phân tích và đánh giá rủi ro tín dụng một cách chính xác hơn. Điều này không chỉ giúp ngân hàng bảo vệ tài sản mà còn tối ưu hóa quy trình cấp tín dụng.

II. Vấn đề và thách thức trong xếp hạng tín dụng khách hàng doanh nghiệp

Xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần Sài Gòn Thương Tín chi nhánh Thừa Thiên Huế đang đối mặt với nhiều thách thức. Những vấn đề này có thể ảnh hưởng đến khả năng cấp tín dụng và quản lý rủi ro của ngân hàng.

2.1. Những rủi ro tín dụng phổ biến hiện nay

Rủi ro tín dụng là một trong những vấn đề lớn nhất mà ngân hàng phải đối mặt. Các doanh nghiệp không có khả năng thanh toán đúng hạn có thể dẫn đến nợ xấu, ảnh hưởng đến lợi nhuận của ngân hàng.

2.2. Thiếu thông tin và dữ liệu chính xác

Một trong những thách thức lớn trong việc xếp hạng tín dụng là thiếu thông tin và dữ liệu chính xác về khách hàng. Điều này có thể dẫn đến quyết định sai lầm trong việc cấp tín dụng.

III. Phương pháp xếp hạng tín dụng khách hàng doanh nghiệp hiệu quả

Để nâng cao hiệu quả trong việc xếp hạng tín dụng, ngân hàng cần áp dụng các phương pháp hiện đại và chính xác. Mô hình Z-Score là một trong những phương pháp được ưa chuộng hiện nay.

3.1. Quy trình xếp hạng tín dụng tại ngân hàng

Quy trình xếp hạng tín dụng bao gồm việc thu thập dữ liệu tài chính, phân tích các chỉ số tài chính và tính toán điểm Z. Điều này giúp ngân hàng đưa ra quyết định chính xác hơn trong việc cấp tín dụng.

3.2. So sánh mô hình Z Score với các mô hình khác

Mô hình Z-Score có nhiều ưu điểm so với các mô hình khác như Logistic hay Fitch. Nó đơn giản, dễ áp dụng và có độ tin cậy cao trong việc dự đoán khả năng phá sản của doanh nghiệp.

IV. Ứng dụng thực tiễn mô hình Z Score tại Sacombank

Mô hình Z-Score đã được áp dụng thành công tại ngân hàng thương mại cổ phần Sài Gòn Thương Tín chi nhánh Thừa Thiên Huế. Kết quả cho thấy mô hình này giúp ngân hàng nâng cao hiệu quả trong việc xếp hạng tín dụng.

4.1. Kết quả nghiên cứu ứng dụng mô hình Z Score

Nghiên cứu cho thấy mô hình Z-Score mang lại kết quả khả quan trong việc đánh giá tín dụng khách hàng doanh nghiệp. Điều này giúp ngân hàng giảm thiểu rủi ro và nâng cao hiệu quả kinh doanh.

4.2. Những vấn đề còn tồn tại trong ứng dụng

Mặc dù mô hình Z-Score đã được áp dụng, nhưng vẫn còn một số vấn đề tồn tại như thiếu dữ liệu chính xác và khó khăn trong việc thu thập thông tin từ khách hàng.

V. Kết luận và hướng phát triển mô hình Z Score trong tương lai

Mô hình Z-Score có tiềm năng lớn trong việc xếp hạng tín dụng khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần Sài Gòn Thương Tín chi nhánh Thừa Thiên Huế. Việc cải thiện và phát triển mô hình này sẽ giúp ngân hàng nâng cao hiệu quả trong quản lý rủi ro tín dụng.

5.1. Đề xuất cải tiến mô hình Z Score

Để nâng cao hiệu quả của mô hình Z-Score, ngân hàng cần cải tiến quy trình thu thập dữ liệu và phân tích thông tin. Điều này sẽ giúp tăng độ chính xác trong việc đánh giá tín dụng.

5.2. Tương lai của mô hình Z Score trong ngành ngân hàng

Mô hình Z-Score có thể trở thành một công cụ quan trọng trong ngành ngân hàng, giúp các ngân hàng thương mại nâng cao khả năng quản lý rủi ro và tối ưu hóa quy trình cấp tín dụng.

Nội dung chính

Giới thiệu dự án

Hoạt động cấp tín dụng đóng vai trò là động lực tăng trưởng cốt lõi của hệ thống ngân hàng thương mại (NHTM) Việt Nam, chiếm từ 70% đến 80% tổng tài sản có sinh lời và đóng góp trên 75% tổng thu nhập toàn ngành. Theo báo cáo từ Ngân hàng Nhà nước và Ủy ban Giám sát Tài chính Quốc gia, tăng trưởng tín dụng toàn hệ thống đạt mức 18,06% với tỷ lệ nợ xấu nội bảng và nợ tiềm ẩn ở mức 9,5%. Trong bối cảnh nền kinh tế hội nhập với tốc độ tăng trưởng GDP đạt 6,81%, áp lực mở rộng quy mô tín dụng song hành với yêu cầu kiểm soát chất lượng tài sản theo chuẩn mực Basel II đặt ra bài toán cấp thiết về quản trị rủi ro tín dụng (RRTD).

+-------------------------------------------------------------------------+
|                  BỐI CẢNH QUẢN TRỊ TÍN DỤNG NGÂN HÀNG                   |
+-------------------------------------------------------------------------+
|  Tăng trưởng tín dụng: 18,06%          |  Tỷ trọng thu nhập tín dụng:   |
|  Tỷ lệ nợ xấu ước tính: 9,5%           |  > 75% tổng doanh thu NHTM     |
+-------------------------------------------------------------------------+
                                    |
                                    v
+-------------------------------------------------------------------------+
|                THỰC TRẠNG TẠI SACOMBANK - CN THỪA THIÊN HUẾ             |
+-------------------------------------------------------------------------+
|  - Hệ thống XHTD nội bộ phụ thuộc nhiều vào chỉ tiêu định tính (> 40%)  |
|  - Đánh giá chủ quan làm sai lệch biên độ an toàn của hồ sơ vay vốn     |
|  - Áp lực nợ xấu và trích lập dự phòng rủi ro gia tăng                  |
+-------------------------------------------------------------------------+
                                    |
                                    v
+-------------------------------------------------------------------------+
|                       GIẢI PHÁP ĐỊNH LƯỢNG MÔ HÌNH                      |
+-------------------------------------------------------------------------+
|  Ứng dụng Multivariate Discriminant Analysis (Mô hình Altman Z-Score)   |
|  - Z-Score gốc (DN sản xuất niêm yết)                                   |
|  - Z'-Score (DN sản xuất tư nhân/chưa niêm yết)                         |
|  - Z''-Score (DN thương mại, dịch vụ & thị trường mới nổi)              |
+-------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) nằm ở sự bất đối xứng thông tin và hạn chế trong hệ thống xếp hạng tín dụng (XHTD) nội bộ tại Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) – Chi nhánh Thừa Thiên Huế. Hệ thống nội bộ của chi nhánh chấm điểm dựa trên sự kết hợp giữa chỉ tiêu tài chính và phi tài chính nhưng tỷ trọng định tính còn chiếm tỷ lệ cao, dẫn đến kết quả xếp hạng có xu hướng thiên vị có lợi cho doanh nghiệp vay vốn, làm suy giảm khả năng cảnh báo sớm nguy cơ mất khả năng thanh toán.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Hệ thống hóa cơ sở lý luận về RRTD, quy trình phân loại nợ theo Thông tư 02/2013/TT-NHNN và Quyết định 493/2005/QĐ-NHNN.
2. Thiết lập mô hình định lượng phá sản Altman Z-Score ($Z$, $Z'$, $Z''$) chuẩn hóa trên dữ liệu báo cáo tài chính (BCTC) của các khách hàng doanh nghiệp (KHDN).
3. Đánh giá kiểm thử trên tập mẫu 20 doanh nghiệp thực tế đang quan hệ tín dụng tại Sacombank Thừa Thiên Huế giai đoạn 2015–2017.
4. Đối chiếu độ lệch phân hạng giữa mô hình nội bộ và Z-Score, xây dựng khung khuyến nghị kiểm soát rủi ro độc lập.

Phạm vi nghiên cứu tập trung vào danh mục khách hàng doanh nghiệp vừa và nhỏ (SME) thuộc nhóm ngành sản xuất, thương mại, xây dựng và dịch vụ tại địa bàn tỉnh Thừa Thiên Huế. Nghiên cứu giới hạn ở nguồn dữ liệu BCTC đã được xác minh cùng hồ sơ xếp hạng tín dụng nội bộ do ngân hàng cung cấp.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống thẩm định tại các NHTM hiện nay tồn tại khoảng cách lớn giữa phương pháp chấm điểm truyền thống và các công cụ thống kê đa biến (Multivariate Discriminant Analysis - MDA).

Tiêu chí đánh giá	Hệ thống XHTD Nội bộ Sacombank	Mô hình Altman Z-Score ($Z' / Z''$)	Xếp hạng Tín nhiệm CIC / Moody's
Cơ sở dữ liệu	BCTC + Khảo sát thực địa định tính	BCTC kiểm toán (5 tỷ số tài chính lõi)	Dữ liệu lịch sử quan hệ tín dụng toàn hệ thống
Tính khách quan	Trung bình (Bị ảnh hưởng bởi CBTD)	Tuyệt đối (Định lượng 100% từ BCTC)	Cao (Dựa trên lịch sử trả nợ tập trung)
Thời gian xử lý	120–180 phút/hồ sơ	< 1 phút/thuật toán tự động hóa	15–30 phút (Tra cứu dữ liệu tập trung)
Dự báo mất khả năng thanh toán	Tĩnh, phản ánh trạng thái quá khứ	Động, dự báo vỡ nợ trước 12–24 tháng	Cảnh báo chậm khi nợ đã phát sinh quá hạn
Độ nhạy ngành nghề	Khung điểm áp dụng chung	Phân nhánh tối ưu ($Z'$ sản xuất, $Z''$ phi sản xuất)	Phân tầng theo nhóm ngành tổng hợp

Yêu cầu hệ thống theo mô hình MoSCoW:

• Must have: Thuật toán tính toán chính xác 5 chỉ số cấu phần ($X_1 \to X_5$), phân loại tự động vào 3 vùng rủi ro (Vùng an toàn, Vùng cảnh báo/Xám, Vùng nguy hiểm).
• Should have: Cơ chế mapping tự động giữa bảng điểm Z-Score và bảng điểm tín dụng nội bộ (hạng AAA đến D).
• Could have: Module trực quan hóa biến động tỷ số tài chính theo chu kỳ 3 năm liên tiếp.
• Won't have: Tự động kết nối API trực tiếp vào Core Banking trong giai đoạn thử nghiệm offline.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình 3 lớp hướng dịch vụ (Service-Oriented Architecture):

Technology Stack & Versioning

• Engine Core: Python v3.10.x (Thư viện tính toán: numpy v1.24.3, pandas v2.0.2).
• Data Processing & ETL: pydantic v2.1.1 (Kiểm thực cấu trúc BCTC).
• Database Management: PostgreSQL v15.3 (Lưu trữ chỉ số tài chính, lịch sử xếp hạng).
• API Framework: FastAPI v0.98.0 (Xây dựng microservice chấm điểm rủi ro).

Thiết kế Cơ sở Dữ liệu & Data Schema

-- Bảng lưu trữ thông tin BCTC doanh nghiệp
CREATE TABLE financial_statements (
    statement_id VARCHAR(36) PRIMARY KEY,
    enterprise_id VARCHAR(20) NOT NULL,
    fiscal_year INT NOT NULL,
    current_assets NUMERIC(18, 2) NOT NULL,      -- Tài sản ngắn hạn
    current_liabilities NUMERIC(18, 2) NOT NULL, -- Nợ ngắn hạn
    total_assets NUMERIC(18, 2) NOT NULL,        -- Tổng tài sản
    retained_earnings NUMERIC(18, 2) NOT NULL,   -- Lợi nhuận giữ lại
    ebit NUMERIC(18, 2) NOT NULL,                -- Lợi nhuận trước thuế và lãi vay
    book_value_equity NUMERIC(18, 2) NOT NULL,   -- Giá trị sổ sách vốn chủ sở hữu
    total_liabilities NUMERIC(18, 2) NOT NULL,   -- Tổng nợ phải trả
    sales_revenue NUMERIC(18, 2) NOT NULL,       -- Doanh thu thuần
    industry_type VARCHAR(20) NOT NULL           -- MANUFACTURING / NON_MANUFACTURING
);

-- Bảng lưu trữ kết quả phân loại rủi ro Z-Score
CREATE TABLE z_score_results (
    result_id VARCHAR(36) PRIMARY KEY,
    statement_id VARCHAR(36) REFERENCES financial_statements(statement_id),
    score_type VARCHAR(5) NOT NULL,              -- Z_PRIME / Z_DOUBLE_PRIME
    calculated_score NUMERIC(6, 4) NOT NULL,
    risk_zone VARCHAR(15) NOT NULL,              -- SAFE / GREY / DISTRESS
    internal_rank VARCHAR(5),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Đặc tả API Endpoint

• Endpoint: POST /api/v1/credit-risk/evaluate-zscore
• Request Payload:

{
  "enterprise_id": "DN_QUANGVINH_2017",
  "industry_type": "MANUFACTURING",
  "is_listed": false,
  "financial_metrics": {
    "working_capital": 2450000000.0,
    "total_assets": 12800000000.0,
    "retained_earnings": 1150000000.0,
    "ebit": 1680000000.0,
    "equity_value": 5200000000.0,
    "total_liabilities": 7600000000.0,
    "sales": 18500000000.0
  }
}

• Response Payload:

{
  "evaluation_id": "EV-2018-8849",
  "applied_model": "Z_PRIME_SCORE",
  "calculated_value": 2.1485,
  "zone": "GREY_ZONE",
  "default_probability_assessment": "Moderate Risk - Caution Required",
  "components": {
    "X1_working_capital_to_assets": 0.1914,
    "X2_retained_earnings_to_assets": 0.0898,
    "X3_ebit_to_assets": 0.1312,
    "X4_equity_to_liabilities": 0.6842,
    "X5_sales_to_assets": 1.4453
  }
}

Methodology

Phương pháp tiếp cận dựa trên quy trình chuẩn CRISP-DM kết hợp với khung quản trị rủi ro Basel II:

1. Giai đoạn thu thập & làm sạch dữ liệu (Tuần 1–4): Trích xuất báo cáo tài chính 20 DN từ hệ thống lưu trữ Sacombank – CN Thừa Thiên Huế. Chuẩn hóa các chỉ tiêu kế toán, điều chỉnh loại trừ các khoản ghi nhận sai lệch.
2. Giai đoạn thiết lập mô hình tính toán (Tuần 5–8): Lập trình module tính 5 biến độc lập $X_1, X_2, X_3, X_4, X_5$, xây dựng logic rẽ nhánh cho từng loại hình doanh nghiệp.
3. Giai đoạn thử nghiệm đối chuẩn (Tuần 9–12): Thực thi tính toán song song giữa mô hình Z-Score và xếp hạng nội bộ của Sacombank trên tập dữ liệu mẫu.
4. Giai đoạn đánh giá độ lệch & đề xuất chính sách (Tuần 13–16): Phân tích ma trận nhầm lẫn (Confusion Matrix), kiểm định sự khác biệt và tối ưu hóa ngưỡng điểm.

---

Implementation và kết quả

Development process

Cốt lõi của thuật toán phân tích đa biến MDA được triển khai dựa trên các công thức lý thuyết của GS. Edward I. Altman:

1. Mô hình Z-Score gốc (Doanh nghiệp sản xuất niêm yết): $$Z = 1{,}2X_1 + 1{,}4X_2 + 3{,}3X_3 + 0{,}6X_4 + 0{,}999X_5$$
2. Mô hình Z'-Score điều chỉnh (Doanh nghiệp sản xuất tư nhân/chưa niêm yết): $$Z' = 0{,}717X_1 + 0{,}840X_2 + 3{,}107X_3 + 0{,}420X_4 + 0{,}998X_5$$
   • $Z' < 1{,}23$: Vùng nguy hiểm (Nguy cơ phá sản cao).
   • $1{,}23 \le Z' \le 2{,}90$: Vùng cảnh báo (Vùng xám - Nguy cơ tiềm ẩn).
   • $Z' > 2{,}90$: Vùng an toàn (Khả năng tài chính lành mạnh).
3. Mô hình Z''-Score điều chỉnh (Doanh nghiệp thương mại, dịch vụ, phi sản xuất): $$Z'' = 6{,}56X_1 + 3{,}26X_2 + 6{,}72X_3 + 1{,}05X_4$$
   • $Z'' < 1{,}10$: Vùng nguy hiểm.
   • $1{,}10 \le Z'' \le 2{,}60$: Vùng cảnh báo.
   • $Z'' > 2{,}60$: Vùng an toàn.

Đoạn mã xử lý phân loại rủi ro được tối ưu bằng Python:

from dataclasses import dataclass
from enum import Enum
from typing import Dict, Tuple

class IndustryType(Enum):
    MANUFACTURING_PRIVATE = "MANUFACTURING_PRIVATE"
    NON_MANUFACTURING = "NON_MANUFACTURING"

class RiskZone(Enum):
    DISTRESS = "Nguy hiểm (Khả năng vỡ nợ cao)"
    GREY = "Cảnh báo (Vùng xám - Cần giám sát chặt)"
    SAFE = "An toàn (Năng lực tài chính tốt)"

@dataclass
class EnterpriseFinancials:
    working_capital: float       # Vốn lưu động ròng
    total_assets: float          # Tổng tài sản
    retained_earnings: float     # Lợi nhuận giữ lại
    ebit: float                  # Lợi nhuận trước thuế và lãi vay
    book_value_equity: float     # Vốn chủ sở hữu
    total_liabilities: float     # Tổng nợ
    sales: float                 # Doanh thu thuần

class AltmanEvaluator:
    @staticmethod
    def calculate_ratios(data: EnterpriseFinancials) -> Dict[str, float]:
        if data.total_assets <= 0 or data.total_liabilities <= 0:
            raise ValueError("Tổng tài sản và Tổng nợ phải có giá trị dương lớn hơn 0.")
        
        return {
            "X1": data.working_capital / data.total_assets,
            "X2": data.retained_earnings / data.total_assets,
            "X3": data.ebit / data.total_assets,
            "X4": data.book_value_equity / data.total_liabilities,
            "X5": data.sales / data.total_assets
        }

    @classmethod
    def evaluate(cls, data: EnterpriseFinancials, industry: IndustryType) -> Tuple[float, RiskZone]:
        r = cls.calculate_ratios(data)
        
        if industry == IndustryType.MANUFACTURING_PRIVATE:
            # Áp dụng công thức Z' cho doanh nghiệp sản xuất tư nhân
            score = 0.717 * r["X1"] + 0.840 * r["X2"] + 3.107 * r["X3"] + 0.420 * r["X4"] + 0.998 * r["X5"]
            if score < 1.23:
                zone = RiskZone.DISTRESS
            elif score <= 2.90:
                zone = RiskZone.GREY
            else:
                zone = RiskZone.SAFE
        elif industry == IndustryType.NON_MANUFACTURING:
            # Áp dụng công thức Z'' cho doanh nghiệp thương mại/dịch vụ (bỏ biến X5)
            score = 6.56 * r["X1"] + 3.26 * r["X2"] + 6.72 * r["X3"] + 1.05 * r["X4"]
            if score < 1.10:
                zone = RiskZone.DISTRESS
            elif score <= 2.60:
                zone = RiskZone.GREY
            else:
                zone = RiskZone.SAFE
        else:
            raise NotImplementedError("Ngành nghề chưa được hỗ trợ.")

        return round(score, 4), zone

Testing và validation

Nghiên cứu tiến hành trích xuất số liệu và kiểm thử thực nghiệm trên 20 khách hàng doanh nghiệp có dư nợ thực tế tại Sacombank Thừa Thiên Huế trong năm tài chính 2017.

+-------------------------------------------------------------------------------+
|             PHÂN BỔ XẾP HẠNG: HỆ THỐNG NỘI BỘ VS MÔ HÌNH Z-SCORE              |
+-------------------------------------------------------------------------------+
| Hệ thống Nội bộ:                                                              |
| [==================== Hạng Tốt/An toàn (AAA - A): 75% ====================]   |
| [==== Hạng TB (BBB - B): 25% ====]                                            |
| [ Nguy cơ: 0% ]                                                               |
+-------------------------------------------------------------------------------+
| Mô hình Z-Score:                                                              |
| [======== An toàn: 30% ========]                                              |
| [============= Cảnh báo (Vùng xám): 45% =============]                        |
| [======== Nguy hiểm (Phá sản): 25% ========]                                  |
+-------------------------------------------------------------------------------+

Bảng tổng hợp đối chiếu kết quả phân loại trên tập mẫu 20 doanh nghiệp:

Nhóm Phân Loại	Tiêu Chuẩn Điểm Z' / Z''	Số lượng DN (Z-Score)	Tỷ lệ (%)	Xếp hạng Tương đương theo Sacombank	Số lượng DN (Sacombank)	Tỷ lệ (%)
Vùng An toàn	$Z' > 2{,}90$ hoặc $Z'' > 2{,}60$	6	30,0%	Hạng AAA, AA, A (Rất tốt, Tốt)	15	75,0%
Vùng Cảnh báo	$1{,}23 \le Z' \le 2{,}90$ hoặc $1{,}10 \le Z'' \le 2{,}60$	9	45,0%	Hạng BBB, BB, B (Trung bình)	5	25,0%
Vùng Nguy hiểm	$Z' < 1{,}23$ hoặc $Z'' < 1{,}10$	5	25,0%	Hạng CCC, CC, C (Kém, Nguy cơ vỡ nợ)	0	0,0%
Tổng cộng	--	20	100%	--	20	100%

Kết quả đạt được

Phân tích định lượng chỉ ra sự sai lệch nghiêm trọng giữa hai phương pháp:

1. Hiện tượng nới lỏng xếp hạng: Hệ thống nội bộ của Sacombank đánh giá 75% doanh nghiệp ở mức an toàn cao (Hạng A trở lên), không có doanh nghiệp nào bị đưa vào nhóm rủi ro cao (CCC trở xuống).
2. Độ nhạy cảnh báo của Z-Score: Mô hình Z-Score bóc tách chính xác 25% doanh nghiệp (5 DN) nằm trong vùng nguy hiểm có nguy cơ mất khả năng thanh toán cao và 45% doanh nghiệp (9 DN) nằm trong vùng xám cần giám sát chặt chẽ.
3. Nguyên nhân sai lệch: Mô hình nội bộ dành trọng số lớn cho các yếu tố định tính (như mối quan hệ lâu năm, uy tín lãnh đạo, tài sản thế chấp) làm lu mờ sự suy giảm của hệ số thanh toán nhanh ($X_1$) và năng lực tạo dòng tiền từ hoạt động kinh doanh cốt lõi ($X_3$).

---

Đổi mới và đóng góp

• Chuẩn hóa mô hình đa biến phù hợp với thực tiễn Việt Nam: Thay vì áp dụng máy móc mô hình Z gốc của Altman (vốn chỉ dành cho công ty niêm yết tại Mỹ), đề tài đã phân tách rõ ràng việc áp dụng $Z'$ cho doanh nghiệp sản xuất tư nhân và $Z''$ cho nhóm ngành dịch vụ/thương mại tại địa phương.
• Khắc phục độ trễ của BCTC không kiểm toán: Đưa ra cơ chế lọc và hiệu chỉnh các biến số nhạy cảm (như loại bỏ biến $X_5$ ở mô hình $Z''$) nhằm ngăn chặn hiện tượng doanh thu ảo làm sai lệch kết quả xếp hạng.
• Đóng góp về mặt quản trị cho Sacombank Thừa Thiên Huế: Cung cấp cơ sở khoa học để ban lãnh đạo chi nhánh tái cấu trúc tỷ trọng chấm điểm: giảm tỷ trọng định tính từ 40% xuống 15–20%, tăng tỷ trọng định lượng tài chính lên 80–85%.

---

Ứng dụng thực tế và triển khai

Use Case thực tế

+-----------------------------------------------------------------------+
|                QUY TRÌNH THẨM ĐỊNH TÍN DỤNG TÍCH HỢP                  |
+-----------------------------------------------------------------------+
| 1. CVKH nhập BCTC vào Module Z-Score Engine                           |
|    --> Kết quả: Z' = 1.15 (Vùng Nguy hiểm)                            |
+-----------------------------------------------------------------------+
                                   |
                                   v
+-----------------------------------------------------------------------+
| 2. Kích hoạt chính sách quản trị rủi ro tự động:                     |
|    - Từ chối cho vay tín chấp / giảm hạn mức tín dụng                 |
|    - Tăng tỷ lệ tài sản bảo đảm lên tối thiểu 130% giá trị khoản vay  |
|    - Rút ngắn kỳ hạn xét duyệt hạn mức từ 12 tháng xuống 3 tháng      |
+-----------------------------------------------------------------------+

Triển khai & Đánh giá Hiệu quả (Cost-Benefit Analysis)

• Chi phí triển khai: Dự toán kinh phí xây dựng phần mềm tự động hóa tính toán Z-Score tích hợp vào hệ thống nội bộ ước tính khoảng 150–200 triệu VNĐ.
• Hiệu quả kinh tế (ROI): Với quy mô dư nợ KHDN tại chi nhánh đạt hàng trăm tỷ đồng, việc phát hiện sớm và ngăn chặn 2–3 khoản vay có nguy cơ vỡ nợ (ước tính 5–10 tỷ VNĐ) giúp chi nhánh tiết kiệm hàng tỷ đồng chi phí trích lập dự phòng rủi ro và xử lý nợ xấu, mang lại tỷ suất hoàn vốn ROI > 300% ngay trong năm đầu tiên áp dụng.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Mẫu khảo sát giới hạn ở 20 doanh nghiệp do tính bảo mật dữ liệu khách hàng của ngân hàng.
• Chất lượng BCTC của các doanh nghiệp vừa và nhỏ tại địa phương chưa qua kiểm toán độc lập có thể làm giảm tính tin cậy của các chỉ số đầu vào.
• Mô hình Z-Score chưa tích hợp trực tiếp các biến số kinh tế vĩ mô (lãi suất điều hành, lạm phát, chu kỳ kinh tế ngành).

Hướng phát triển

• Mở rộng tập dữ liệu huấn luyện lên 500+ doanh nghiệp trên toàn hệ thống Sacombank khu vực miền Trung.
• Ứng dụng mô hình Logistic Regression hoặc các thuật toán Machine Learning (XGBoost, Random Forest) kết hợp với Z-Score để xây dựng hệ thống Credit Scoring thế hệ mới theo chuẩn Basel III.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nắm vững phương pháp luận kết hợp giữa lý thuyết chấm điểm tín dụng và mô hình toán tài chính thực nghiệm.
• Chuyên viên Quản lý rủi ro & Cán bộ Tín dụng: Sở hữu công cụ sàng lọc nhanh hồ sơ vay vốn, loại bỏ cảm tính chủ quan trong quá trình lập tờ trình thẩm định.
• Ban Lãnh đạo Ngân hàng & Nhà quản trị: Có cơ sở dữ liệu định lượng để thiết lập chính sách cấp tín dụng phân tầng, tối ưu hóa trích lập dự phòng và tỷ lệ an toàn vốn (CAR).
• Nhà nghiên cứu kinh tế ứng dụng: Khung tham chiếu chuẩn xác về độ lệch xếp hạng tín dụng tại các thị trường tài chính mới nổi.

---

Câu hỏi thường gặp

1. Doanh nghiệp không niêm yết trên sàn chứng khoán có áp dụng được mô hình Altman Z-Score không?

Có. Đối với doanh nghiệp tư nhân chưa niêm yết, bắt buộc phải sử dụng biến thể Z'-Score (cho ngành sản xuất) với biến $X_4$ tính theo giá trị sổ sách vốn chủ sở hữu, hoặc mô hình Z''-Score (cho ngành thương mại/dịch vụ) để đảm bảo tính chính xác khoa học.

2. Sự khác biệt cốt lõi giữa mô hình Z'-Score và Z''-Score là gì?

Mô hình Z''-Score loại bỏ biến $X_5$ (Vòng quay tài sản = Doanh thu / Tổng tài sản) và gán lại hệ số cho 4 biến còn lại. Việc này nhằm triệt tiêu sự biến động quá lớn về doanh thu giữa các ngành nghề phi sản xuất và giảm thiểu sai lệch khi đánh giá các doanh nghiệp tại thị trường mới nổi.

3. Tại sao kết quả xếp hạng của Sacombank lại "lạc quan" hơn mô hình Z-Score?

Hệ thống XHTD nội bộ dành tỷ trọng điểm số đáng kể cho các yếu tố định tính (quan hệ lịch sử, cam kết trả nợ, đánh giá đạo đức chủ doanh nghiệp). Cán bộ tín dụng có xu hướng chấm điểm định tính cao nhằm tạo điều kiện giải ngân hoàn thành chỉ tiêu KPI kinh doanh.

4. Mô hình Z-Score có thể thay thế hoàn toàn chuyên viên thẩm định tín dụng không?

Không. Z-Score đóng vai trò là "bộ lọc định lượng độc lập" (Quantitative Screening Filter) và hệ thống cảnh báo sớm. Quyết định phê duyệt cuối cùng vẫn cần sự kết hợp của thẩm định thực địa, đánh giá tính pháp lý của dự án và chất lượng tài sản bảo đảm.

5. Tần suất cập nhật điểm Z-Score cho khách hàng doanh nghiệp nên là bao lâu?

Điểm Z-Score cần được tính toán lại định kỳ hàng quý ngay khi có BCTC quý mới nhất, và tối thiểu 1 năm/lần đối với BCTC năm đã quyết toán thuế để kịp thời điều chỉnh hạn mức tín dụng.

---

Kết luận

Đề tài đã chứng minh tính ứng dụng thực tiễn của mô hình Altman Z-Score trong công tác quản trị rủi ro tín dụng tại Ngân hàng TMCP Sài Gòn Thương Tín – Chi nhánh Thừa Thiên Huế. Việc chuyển đổi từ phương thức chấm điểm định tính nặng tính cảm tính sang mô hình định lượng đa biến giúp chi nhánh nâng cao năng lực dự báo mất khả năng thanh toán, bảo vệ an toàn vốn và giảm thiểu rủi ro nợ xấu. Đây là bước đi nền tảng để các NHTM Việt Nam chuẩn hóa quy trình thẩm định tín dụng theo các tiêu chuẩn quốc tế Basel II và Basel III trong kỷ nguyên ngân hàng số.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ RỦI RO TÍN DỤNG VÀ XẾP HẠNG TÍN DỤNG DOANH NGHIỆP TRONG NGÂN HÀNG THƯƠNG MẠI 1.1 Khái niệm về ngân hàng thương mại 1.1 Khái niệm về ngân hàng thương mại Ở Việt Nam, Pháp lệnh ngân hàng ngày 23-5-1990 của Hội đồng Nhà nước Việt Nam xác định: “Ngân hàng thương mại là tổ chức kinh doanh tiền tệ mà hoạt động chủ yếu và thường xuyên là nhận tiền kí gửi từ khách hàng với trách nhiệm hoàn trả và sử dụng số tiền đó để cho vay, thực hiện nghiệp vụ chiết khấu và làm phương tiện thanh toán”. Luật Các tổ chức tín dụng do Quốc hội khoá XII thông qua ngày 16/06/2010 định nghĩa: “Ngân hàng thương mại là là loại hình ngân hàng được thực hiện tất cả các hoạt động ngân hàng và các hoạt động kinh doanh khác theo quy định của Luật này nhằm mục tiêu lợi nhuận”. Và “Hoạt động ngân hàng là việc kinh doanh, cung ứng thường xuyên một hoặc một số các nghiệp vụ sau đây: Nhận tiền gửi; Cấp tín dụng; Cung ứng dịch vụ thanh toán qua tài khoản”.2 Các hoạt động chủ yếu của ngân hàng thương mại 4 - Hoạt động huy động vốn: NHTM được huy động vốn dưới các hình thức vay vốn, nhận tiền gửi, phát hành chứng chỉ tiền gửi, trái phiếu và các giấy tờ có giá và các hình thức huy động khác theo quy định của NHNN. - Hoạt động tín dụng: bao gồm cho vay, chiết khấu, bảo lãnh và cho thuê tài chính - Hoạt động dịch vụ thanh toán và ngân quỹ - Các hoạt động khác: Các hoạt động khác bao gồm góp vốn và mua cổ phần, tham gia thị trường tiền tệ, cung ứng dịch vụ bảo hiểm tư vấn tài chính, kinh doanh ngoại hối, ủy thác và nhận ủy thác, bảo quản vật quý giá.

4 TS Nguyễn Minh Kiều (2009), Nghiệp vụ Ngân hàng Thương mại, , NXB Thống kê, tr29-tr41 Trang 6 Khóa luận tốt nghiệp đại học 1.2 Hoạt động tín dụng ngân hàng thương mại 1.1 Khái niệm tín dụng ngân hàng thương mại Tín dụng ngân hàng là quan hệ chuyển nhượng quyền sử dụng vốn từ ngân hàng cho khách hàng trong một thời hạn nhất định với một khoản chi phí nhất định. Tín dụng ngân hàng có ba nội dung: - Có sự chuyển nhượng quyền sử dụng vốn từ người sở hữu sang người sử dụng; - Sự chuyển nhượng này mang tính tạm thời; - Sự chuyển nhượng này có kèm theo phí.2 Phân loại tín dụng ngân hàng thương mại a. Phân loại theo thời gian  Tín dụng có thời hạn: Là loại tín dụng mà thời điểm trả nợ được xác định cụ thể, đó có thể là một năm, hai năm…. - Tín dụng ngắn hạn: là khoảng tín dụng dưới 1 năm.

- Tín dụng trung hạn: là khoảng tín dụng có thời hạn từ 1-5 năm. - Tín dụng dài hạn: là khoảng tín dụng có trên 5 năm.  Tín dụng không thời hạn: Là loại tín dụng mà thời hạn hoàn trả tiền vay không được xác định khi ký hợp đông cho vay mà thay vào đó là điều kiện về việc thu hồi khoản tiền vay của ngân hàng hoặc việc trả nợ của người vay. Phân loại theo hình thức - Chiết khấu thương phiếu: ngân hàng ứng trước tiền cho khách hàng tương ứng với giá trị của thương phiếu trừ đi phần thu nhập của ngân hàng để sở hữu một thương phiếu chưa đến hạn (hoặc một giấy nợ).

- Cho vay: ngân hàng đưa tiền cho khách hàng với cam kết khách hàng phải hoàn trả cả gốc và lãi trong khoảng thời gian xác định. Trang 7 Khóa luận tốt nghiệp đại học - Bảo lãnh: ngân hàng cam kết thực hiện các nghĩa vụ tài chính hộ khách hàng của mình. - Cho thuê tài chính: ngân hàng bỏ tiền mua tài sản để cho khách hàng thuê theo những thỏa thuận nhất định. Sau thời gian nhất định, khách hàng phải trả cả gốc lẫn lãi cho ngân hàng.

Phân theo tài sản đảm bảo - Tín dụng tín chấp: Tín dụng không cần tài sản đảm bảo có thể được cấp cho các khách hàng có uy tín - Tín dụng thế chấp: Tín dụng dựa trên cam kết đảm bảo yêu cầu ngân hàng và khách hàng phải kí hợp đồng đảm bảo. Phân loại theo rủi ro - Tín dụng lành mạnh: các khoản tín dụng có khả năng thu hồi cao. - Tín dụng có vấn đề: các khoản tín dụng có dấu hiệu không lành mạnh như khách hàng chậm tiêu thụ, tiến độ thực hiện kế hoạch bị chậm, khách hàng gặp rủi ro, khách hàng trì hoãn nộp báo cáo chính….3 Quy trình tín dụng tại các ngân hàng thương mại Bước 1: Tiếp thị, tiếp nhận nhu cầu khách hàng. Theo mô hình bán hàng chuyên nghiệp đối với nghiệp vụ cấp tín dụng, ở bước này cán bộ tín dụng thực hiện việc tìm kiếm và tiếp thị khách hàng, tiếp nhận nhu cầu cấp tín dụng.

Sau khi tiếp thị thành công, cán bộ tín dụng hướng dẫn khách hàng hoàn thiện hồ sơ vay vốn theo quy định. Bước 2: Xác minh, thẩm định Là phân tích khả năng hiện tại và tiềm tàng của khách hàng về sử dụng vốn, khả năng hoàn trả và khả năng thu hồi vốn vay cả gốc lẫn lãi. Mục tiêu của xác minh, thẩm định nhằm tìm kiếm những tình huống có thể dẫn đến rủi ro cho ngân hàng, tiên liệu khả năng kiểm soát những loại rủi ro đó, dự kiến các biện pháp Trang 8 Khóa luận tốt nghiệp đại học phòng ngừa và hạn chế thiệt hại có thể xảy ra. Mặt khác, xác minh, thẩm định còn quan tâm đến việc kiểm tra tính chân thực của hồ sơ vay vốn mà khách hàng cung cấp, từ đó nhận định về thái độ trả nợ của khách hàng làm cơ sở quyết định cho vay.

Tiếp thị, tiếp nhận nhu cầu khách hàng Xác minh, thẩm định Phê duyệt Hoàn chỉnh hồ sơ và triển khai phán quyết Quản lý và thu hồi nợ Tất toán, lưu hồ sơ Sơ đồ 1.1: Quy trình cấp tín dụng tại các ngân hàng thương mại (Nguồn: Quy trình lõi cấp tín dụng được cung cấp bởi Sacombank) Bước 3: Phê duyệt Cấp có thẩm quyền phê duyệt hồ sơ theo hạn mức phán quyết cấp tín dụng. Ý kiến phê duyệt ghi rõ số tiền, thời hạn cho từng hình thức và khoản mục cấp tín dụng. Trường hợp không đồng ý cần nêu rõ lý do. Đây là bước cực kỳ quan trọng trong quy trình tín dụng vì nó ảnh hưởng rất lớn đến các khâu sau và ảnh hưởng đến uy tín và hiệu quả hoạt động tín dụng của ngân hàng.

Bước này là cũng là bước khó xử lý và dễ gặp phải sai lầm nhất. Trang 9 Khóa luận tốt nghiệp đại học Bước 4: Hoàn chỉnh hồ sơ và triển khai phán quyết Bước này quy định rõ trách nhiệm của từng cán bộ, nhân viên thuộc bộ phận quản lý tín dụng phối hợp với các bộ phận khác thực hiện thủ tục cần thiết trong quy trình hoàn chỉnh hồ sơ và triển khai phán quyết sau khi đề xuất cấp tín dụng được phê duyệt. Bước 5: Quản lý và thu hồi nợ Ngân hàng tiến hành giám sát tín dụng và thu nợ khách hàng theo hợp đồng đã ký. Đây là bước khá quan trọng nhằm mục tiêu kiểm tra thực trạng sử dụng vốn của khách hàng, bảo đảm cho tiền vay được sử dụng đúng mục đích đã cam kết, phát hiện và chấn chỉnh kịp thời những sai phạm có thể ảnh hưởng đến khả năng thu hồi nợ sau này.

Bước 6: Tất toán Sau khi khách hàng hoàn tất nghĩa vụ tất toán các khoản dư nợ (gốc, lãi, chi phí phát sinh), Ngân hàng tiến hành tất toán hồ sơ tín dụng của khách hàng hoặc có thể tái xét hợp đồng tín dụng. Bước 7: Lưu hồ sơ Các bộ phận liên quan tiến hành lưu hồ sơ, kết thúc công đoạn của mình.4 Vai trò của tín dụng ngân hàng Nói đến vai trò của tín dụng, nghĩa là nói đến sự tác động của tín dụng đối với nền kinh tế - xã hội. - Thứ nhất: Đáp ứng nhu cầu vốn để duy trì quá trình sản xuất được liên tục đồng thời góp phần đầu tư phát triển kinh tế. Việc phân phối vốn tín dụng đã góp phần điều hoà vốn trong toàn bộ nền kinh tế, tạo điều kiện cho quá trình sản xuất được liên tục.

Tín dụng còn là cầu nối giữa tiết kiệm và đầu tư. Nó là động lực kích thích tiết kiệm đồng thời là phương tiện đáp ứng nhu cầu về vốn cho đầu tư phát triển. Trang 10 Khóa luận tốt nghiệp đại học - Thứ hai: Thúc đẩy quá trình tập trung vốn và tập trung sản xuất. Hoạt động của ngân hàng là tập trung vốn tiền tệ tạm thời chưa sử dụng, trên cơ sở đó cho vay các đơn vị kinh tế - Thứ ba: Tín dụng là công cụ tài trợ cho các ngành kinh tế kém phát triển và ngành kinh tế mũi nhọn.

- Thứ tư: Góp phần tác động đến việc tăng cường chế độ hạch toán kinh tế của các doanh nghiệp. Đặc trưng cơ bản của vốn tín dụng là sự vận động trên cơ sở hoàn trả và có lợi tức, nhờ vậy mà hoạt động của tín dụng đã kích thích sử dụng vốn có hiệu quả. Bằng cách tác động như vậy, đòi hỏi các doanh nghiệp khi sử dụng vốn tín dụng phải quan tâm đến việc nâng cao hiệu quả sử dụng vốn, giảm chi phí sản xuất, tăng vòng quay của vốn, tạo điều kiện nâng cao doanh lợi của doanh nghiệp. - Thứ năm: Tạo điều kiện để phát triển các quan hệ kinh tế với nước ngoài.

Trong điều kiện kinh tế “mở”, tín dụng đã trở thành một trong những phương tiện nối liền các nền kinh tế các nước với nhau.3 Tổng quan về rủi ro tín dụng 1.1 Khái niệm rủi ro tín dụng Rủi ro tín dụng là một trong những loại rủi ro lâu đời nhất trong thị trường tài chính, cũng là loại rủi ro lớn nhất, thường xuyên xảy ra và gây hậu quả nặng nề nhất đối với ngân hàng. Đây là loại rủi ro phức tạp và khó quản lý, khó phòng tránh, đòi hỏi phải có những giải pháp hiệu quả mới có thể ngăn ngừa và giảm thiểu tối đa thiệt hại có thể xảy ra.