GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
SỰ CẦN THIẾT CỦA ĐỀ TÀI NGHIÊN CỨU
Trong những năm qua, việc gia nhập các tổ chức quốc tế như ASEAN, WTO, APEC đã nâng cao vị thế của Việt Nam trên trường quốc tế, thúc đẩy quá trình đổi mới toàn diện và nhanh chóng Nền kinh tế phát triển mạnh mẽ, với sự ra đời của nhiều loại hình doanh nghiệp thành công và số lượng doanh nghiệp mới thành lập tăng nhanh Đồng thời, hệ thống ngân hàng cũng đã có những bước chuyển mình phù hợp với điều kiện kinh tế mới.
Hệ thống Ngân hàng Việt Nam đã đạt được nhiều thành tựu đáng kể với sự phát triển liên tục của các dịch vụ ngân hàng hiện đại Tuy nhiên, tín dụng vẫn đóng vai trò quan trọng trong hoạt động của các ngân hàng thương mại, với mức tăng khoảng 14% vào cuối năm 2018 so với năm 2017 Trong bối cảnh cạnh tranh gay gắt, nhiều ngân hàng chỉ tập trung vào tăng trưởng tín dụng về số lượng mà chưa chú trọng đến chất lượng Điều này dẫn đến rủi ro tín dụng, ảnh hưởng tiêu cực đến ngân hàng và toàn bộ hệ thống ngân hàng Do đó, việc quản lý mức độ rủi ro tín dụng trong hoạt động cho vay cần được các ngân hàng thương mại quan tâm đúng mức.
Hoạt động cho vay là nguồn thu nhập chủ yếu của ngân hàng thương mại, nhưng không phải ngân hàng nào cũng thực hiện tốt trong bối cảnh phát triển kinh tế hiện nay Kinh doanh ngân hàng tiềm ẩn nhiều rủi ro, đặc biệt trong cho vay, ảnh hưởng lớn đến kết quả kinh doanh Vì vậy, đánh giá rủi ro tín dụng trong hoạt động cho vay luôn là vấn đề được quan tâm liên tục trong suốt quá trình hoạt động của ngân hàng.
Ngân hàng Nhà nước Việt Nam đã xác định chiến lược phát triển ổn định và bền vững cho ngành ngân hàng đến năm 2020, tập trung vào quản trị rủi ro, đặc biệt là rủi ro tín dụng Để đạt được mục tiêu này, các lãnh đạo ngân hàng cần áp dụng các kinh nghiệm quốc tế và xây dựng mô hình đo lường rủi ro tín dụng theo Hiệp ước Basel Nhiệm vụ quan trọng hàng đầu là ước lượng xác suất vỡ nợ của khách hàng (PD).
Tác giả, khi làm việc tại vị trí Cán bộ Tín dụng thuộc Phòng KHDN tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh TP.HCM, nhận thấy ngân hàng đang đối mặt với nhiều rủi ro trong hoạt động cho vay doanh nghiệp Các giải pháp phòng ngừa hiện tại chưa đủ hiệu quả để đo lường và kiểm soát rủi ro, đặc biệt là khả năng trả nợ yếu kém của khách hàng và xác suất vỡ nợ cao ở các doanh nghiệp mới Biến động lớn từ thị trường và ngành cũng có thể ảnh hưởng tiêu cực đến khả năng trả nợ của doanh nghiệp Nếu không được dự đoán và kiểm soát kịp thời, những rủi ro này có thể gây ra hậu quả nghiêm trọng Do đó, tác giả quyết định chọn đề tài nhằm củng cố quản trị rủi ro trong hoạt động cho vay của ngân hàng.
Bài viết "Giải pháp hạn chế rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM" nghiên cứu các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp (KHDN) Tác giả cho rằng khả năng trả nợ là nhân tố quan trọng ảnh hưởng đến rủi ro tín dụng trong cho vay doanh nghiệp, đồng thời phù hợp với phạm vi kiểm soát của ngân hàng.
MỤC TIÊU VÀ CÂU HỎI NGHIÊN CỨU
Bài viết này tập trung vào việc nhận diện các yếu tố ảnh hưởng đến rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM Đồng thời, nó cũng đo lường mức độ rủi ro tín dụng và đánh giá ảnh hưởng của rủi ro này đối với hoạt động của ngân hàng Cuối cùng, bài viết đưa ra các đề xuất nhằm hạn chế rủi ro tín dụng trong cho vay khách hàng doanh nghiệp tại ngân hàng này.
Rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp của Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM chịu ảnh hưởng bởi nhiều yếu tố quan trọng Đầu tiên, tình hình tài chính của doanh nghiệp vay, bao gồm khả năng thanh toán và lịch sử tín dụng, đóng vai trò quyết định Thứ hai, môi trường kinh doanh và các yếu tố kinh tế vĩ mô như lạm phát, tỷ lệ thất nghiệp và biến động thị trường cũng tác động mạnh đến rủi ro tín dụng Thêm vào đó, chính sách cho vay và quy trình thẩm định của ngân hàng cũng là những yếu tố không thể bỏ qua Cuối cùng, sự biến động trong ngành nghề kinh doanh của khách hàng cũng có thể làm thay đổi mức độ rủi ro tín dụng mà ngân hàng phải đối mặt.
Rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp có ảnh hưởng lớn đến Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM Mức độ này thể hiện qua khả năng thu hồi nợ và lợi nhuận của ngân hàng, cũng như ảnh hưởng đến uy tín và sự ổn định tài chính của chi nhánh Việc quản lý rủi ro tín dụng hiệu quả không chỉ giúp giảm thiểu tổn thất mà còn nâng cao khả năng cạnh tranh của ngân hàng trên thị trường.
Để hạn chế rủi ro tín dụng trong hoạt động cho vay doanh nghiệp của Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM, cần áp dụng các giải pháp như: tăng cường phân tích và đánh giá khả năng tài chính của khách hàng, thiết lập quy trình kiểm soát tín dụng chặt chẽ, đào tạo nhân viên về quản lý rủi ro, và sử dụng công nghệ thông tin để theo dõi và quản lý hồ sơ vay Bên cạnh đó, việc xây dựng chính sách cho vay linh hoạt và phù hợp với từng đối tượng doanh nghiệp cũng là yếu tố quan trọng giúp giảm thiểu rủi ro.
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Đối tượng nghiên cứu: Đề tài nghiên cứu về rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại VCB.HCM
Thời gian: Đề tài nghiên cứu dựa trên số liệu thu thập được trong giai đoạn từ năm 2016 đến năm 2018
Không gian: Nguồn số liệu thu thập từ các KHDN có quan hệ tín dụng với VCB.HCM
Nghiên cứu này tập trung vào việc phân tích rủi ro tín dụng liên quan đến khả năng trả nợ của khách hàng doanh nghiệp (KHDN) tại Ngân hàng Vietcombank chi nhánh Hồ Chí Minh Qua đó, bài viết đề xuất các giải pháp nhằm giảm thiểu rủi ro trong hoạt động cho vay KHDN, giúp nâng cao hiệu quả quản lý tín dụng và bảo đảm an toàn tài chính cho ngân hàng.
PHƯƠNG PHÁP NGHIÊN CỨU TIẾP CẬN
Rủi ro tín dụng là một chủ đề quan trọng và luôn được quan tâm trong hoạt động tín dụng của các ngân hàng cũng như trong cộng đồng nhà đầu tư trái phiếu trên toàn cầu Với tầm quan trọng của vấn đề này, nhiều công trình nghiên cứu và bài viết đã được thực hiện để phân tích và đo lường rủi ro tín dụng thông qua các phương pháp học thuật đa dạng.
Hiện nay, nhiều mô hình ước lượng khả năng trả nợ của khách hàng được xây dựng dựa trên xếp hạng tín dụng từ các tổ chức uy tín như Standard & Poor's Những mô hình này giúp các tổ chức tài chính đánh giá rủi ro và đưa ra quyết định cho vay một cách chính xác hơn.
Mô hình Z-score của Altman, được phát triển từ năm 1968, đã trở thành một công cụ phổ biến trong việc ước lượng xác suất vỡ nợ Bên cạnh đó, nhiều nghiên cứu đã áp dụng mô hình Logit để dự đoán khả năng trả nợ của khách hàng vay vốn Chẳng hạn, nghiên cứu của Irakli Ninua (2008) đã đánh giá rủi ro tín dụng thông qua tỷ lệ khoản vay không hoàn trả (LLR) Ngoài ra, Chiara Pederzoli và Costanza Torricelli (2010) cũng đã sử dụng các chỉ số tài chính và năng lực tài chính để dự đoán xác suất vỡ nợ.
DN nhỏ được đánh giá qua bốn chỉ tiêu chính: tỷ lệ nợ dài hạn trên tổng tài sản, lợi nhuận trước lãi và thuế trên tổng tài sản, tổng vốn cổ phần trên tổng tài sản, và tổng doanh thu trên tổng tài sản Kết quả ước tính cho thấy các biến này đều có mối quan hệ nghịch biến với xác suất vỡ nợ (PD) Mô hình hồi quy Logit hiện đang được áp dụng phổ biến và chứng minh hiệu quả trong việc đánh giá khả năng trả nợ của khách hàng.
Trong thời gian gần đây, rủi ro tín dụng đã thu hút sự chú ý của nhiều tác giả và ngân hàng thương mại tại Việt Nam Nghiên cứu của Bùi Diệu Anh (2012) đã phân tích thực trạng quản trị danh mục cho vay tại các ngân hàng thương mại cổ phần ngoài quốc doanh, chỉ ra những thiếu sót trong quản lý rủi ro tín dụng Nghiên cứu cũng xác định nguyên nhân gây ra sự kém hiệu quả trong quản trị danh mục cho vay và đưa ra khuyến nghị nhằm cải thiện tình hình Tuy nhiên, nghiên cứu chưa đề xuất biện pháp cụ thể để đo lường rủi ro tín dụng có thể áp dụng cho các ngân hàng thương mại.
Tác giả nhận xét rằng các nghiên cứu tại Việt Nam chưa phát triển mô hình định lượng để đo lường rủi ro tín dụng cho ngân hàng, trong khi các nghiên cứu nước ngoài chủ yếu dựa vào các chỉ số tài chính Tại VCB.HCM, tác giả nhận thấy rằng các yếu tố phi tài chính, như loại hình doanh nghiệp nhà nước và tư nhân gia đình, cũng ảnh hưởng đến khả năng trả nợ của khách hàng doanh nghiệp (KHDN) Do đó, tác giả mong muốn nghiên cứu rủi ro tín dụng trong cho vay KHDN bằng cách kết hợp cả yếu tố tài chính và phi tài chính, nhằm lượng hóa rủi ro tín dụng thông qua khả năng trả nợ của KHDN.
Phương pháp định tính: thu thập, tổng hợp, phân tích, so sánh đối chiếu thông qua các dữ liệu thứ cấp thu thập được
Phương pháp định lượng là phương pháp chính trong nghiên cứu nhằm trả lời câu hỏi về ảnh hưởng của rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp đối với Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM Đề tài xây dựng mô hình hồi quy logit nhị phân dựa trên dữ liệu bảng và sử dụng phần mềm SPSS Kết quả từ mô hình này sẽ được áp dụng để tính toán khả năng trả nợ của khách hàng doanh nghiệp.
Ý NGHĨA CỦA ĐỀ TÀI NGHIÊN CỨU
Dựa trên việc áp dụng các phương pháp nghiên cứu khoa học và phân tích đánh giá tổng kết thực tiễn, tác giả mong muốn luận văn này sẽ cung cấp những kết quả rõ ràng và có giá trị, góp phần vào việc nâng cao hiểu biết và ứng dụng trong lĩnh vực nghiên cứu.
Bài viết phân tích thực trạng quản trị rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM, đặc biệt là khả năng trả nợ của khách hàng.
Nguyên nhân chính dẫn đến những tồn tại trong công tác kiểm soát rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh TP.HCM cần được đánh giá một cách toàn diện Việc xác định rõ các yếu tố ảnh hưởng đến quy trình cho vay sẽ giúp cải thiện hiệu quả quản lý rủi ro tín dụng, từ đó nâng cao chất lượng dịch vụ và bảo đảm an toàn tài chính cho ngân hàng.
Nghiên cứu này đề xuất các giải pháp khả thi nhằm khắc phục những tồn tại và hạn chế rủi ro trong hoạt động cho vay khách hàng doanh nghiệp của VCB.HCM Mục tiêu là nâng cao chất lượng dịch vụ cho vay, thúc đẩy hoạt động cho vay hiệu quả hơn trong thời gian tới.
KẾT CẤU CỦA ĐỀ TÀI NGHIÊN CỨU
Kết cấu của đề tài nghiên cứu gồm 05 chương, cụ thể như sau:
Chương 1: Giới thiệu đề tài nghiên cứu
Chương 2: Lý luận tổng quan về rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp và các yếu tố ảnh hưởng
Chương 3: Thực trạng rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh TP.HCM
Chương 4: Phân tích rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh TP.HCM Chương 5: Giải pháp hạn chế rủi ro tín dụng trong hoạt động cho vay khách hàng doanh nghiệp của ngân hàng
Chương 1 tiến hành giới thiệu tổng quan về sự cần thiết của đề tài nghiên cứu, mục tiêu và câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, sơ lược về phương pháp nghiên cứu tiếp cận, ý nghĩa của đề tài nghiên cứu và khái quát được kết cấu của đề tài nghiên cứu.
LÝ LUẬN TỔNG QUAN VỀ RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY KHÁCH HÀNG DOANH NGHIỆP VÀ CÁC YẾU TỐ ẢNH HƯỞNG
RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY KHDN
Rủi ro tín dụng là nguy cơ xảy ra khi khách hàng không tuân thủ các điều khoản trong hợp đồng tín dụng, thể hiện qua việc chậm trả nợ, trả nợ không đầy đủ hoặc không thanh toán đúng hạn các khoản gốc và lãi vay Điều này dẫn đến tổn thất tài chính và gây khó khăn cho hoạt động kinh doanh của ngân hàng thương mại.
Khi ngân hàng thực hiện cho vay, luôn tiềm ẩn rủi ro có thể làm giảm thu nhập Để quản lý rủi ro này, ngân hàng cần xác định tỷ lệ tổn thất dự kiến nhằm hạn chế thiệt hại về tài sản Theo Ủy Ban Basel, rủi ro cho vay được định nghĩa là khả năng người vay không thực hiện nghĩa vụ nợ đã thỏa thuận.
Rủi ro trong hoạt động cho vay là khả năng khách hàng không hoàn trả đầy đủ và đúng hạn nợ gốc và lãi vay theo hợp đồng tín dụng Nguyên nhân chính dẫn đến vi phạm này thường là do người vay không có khả năng thanh toán hoặc gặp khó khăn tài chính, dẫn đến tình trạng phá sản.
Theo tài liệu của Ủy Ban Basel về Giám sát Ngân hàng năm 2006, "default" được định nghĩa là tình trạng khách hàng không có khả năng trả nợ, bao gồm việc không thanh toán đầy đủ nợ khi đến hạn mà không tính đến việc ngân hàng bán tài sản đảm bảo, hoặc khi khách hàng có khoản nợ xấu quá hạn trên 90 ngày Tại Việt Nam, Ngân hàng Nhà nước đã phân loại nợ thành 5 nhóm theo Thông tư 02/2013/TT-NHNN, quy định về phân loại nợ và trích lập dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng, được trình bày rõ trong Bảng 2.1.
Bảng 2.1 Phân loại khách hàng và khả năng trả nợ Loại khách hàng Khả năng trả nợ Phân loại nợ
Có khả năng trả nợ - Không có nợ quá hạn
Không có khả năng trả nợ
Nguồn: Thông tư 02/2013/TT-NHNN
NHỮNG YẾU TỐ ẢNH HƯỞNG ĐẾN RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY KHDN
HOẠT ĐỘNG CHO VAY KHDN
Theo Ghosh (2012), rủi ro trong hoạt động cho vay của ngân hàng xuất phát từ sự tương tác giữa các yếu tố nội tại và bên ngoài Các yếu tố bên ngoài bao gồm khủng hoảng kinh tế, biến động chính trị xã hội và thị trường, trong khi yếu tố bên trong liên quan đến sự yếu kém trong hoạt động kinh doanh của doanh nghiệp và cách thức quản lý khách hàng của ngân hàng Tất cả những yếu tố này đều có thể dẫn đến rủi ro trong cho vay, trong đó khả năng trả nợ của khách hàng là yếu tố quyết định mức độ rủi ro.
2.2.1 KHẢ NĂNG TÀI CHÍNH CỦA DOANH NGHIỆP
Khả năng tài chính của công ty được thể hiện qua các chỉ tiêu từ báo cáo tài chính như tỷ lệ sinh lời từ tài sản và suất sinh lời trên vốn chủ sở hữu Nghiên cứu cho thấy các chỉ số tài chính là công cụ hữu ích để đo lường khả năng trả nợ vay của doanh nghiệp Các chỉ số về khả năng thanh toán và lợi nhuận được sử dụng phổ biến để đánh giá rủi ro tài chính và rủi ro tín dụng Altman (1968) đã phát triển mô hình phân tích chỉ số, chứng minh khả năng dự đoán xác suất trả nợ của công ty một năm trước khi mất khả năng thanh toán Các chỉ số tài chính thường được phân loại thành bốn nhóm: lợi nhuận, thanh khoản, hiệu quả hoạt động và cơ cấu vốn.
Các doanh nghiệp nhỏ và mới thành lập thường đối mặt với rủi ro cao hơn so với các doanh nghiệp lớn do khả năng quản lý và nguồn lực tài chính hạn chế Điều này khiến họ dễ bị ảnh hưởng bởi các yếu tố tiêu cực trên thị trường Nhiều nghiên cứu cho thấy quy mô doanh nghiệp có ảnh hưởng tích cực đến khả năng trả nợ vay của khách hàng doanh nghiệp Nghiên cứu của Cassar (2004) chỉ ra rằng các doanh nghiệp nhỏ gặp khó khăn trong việc giải quyết vấn đề bất cân xứng thông tin với ngân hàng, từ đó ảnh hưởng đến khả năng tiếp cận tín dụng Thêm vào đó, giá trị tài sản của doanh nghiệp nhỏ thường thấp, làm tăng thêm thách thức trong việc huy động vốn.
DN này rất khó khăn trong việc chứng minh với người cho vay rằng họ có đủ khả năng để thực hiện các cam kết giữa hai bên
Việc kiểm soát rủi ro đối với các khoản vay dài hạn của doanh nghiệp là một thách thức lớn đối với ngân hàng thương mại Nghiên cứu của Flannery (1986) chỉ ra rằng trong bối cảnh thông tin bất cân xứng, các doanh nghiệp có rủi ro tín dụng thấp thường ưu tiên vay ngắn hạn để tiết kiệm chi phí lãi vay Điều này dẫn đến việc các doanh nghiệp rủi ro thấp chọn lựa tài chính ngắn hạn, thể hiện qua khả năng thanh toán nợ tốt hơn.
2.2.4 KINH NGHIỆM HOẠT ĐỘNG CỦA CÁC DOANH NGHIỆP
Lê Phương Dung và Nguyễn Thị Nam Thanh (2013) đã nghiên cứu ảnh hưởng của các yếu tố đến khoản vay ngân hàng ngắn hạn của doanh nghiệp chế biến thực phẩm và sản xuất công nghiệp Kết quả cho thấy, kinh nghiệm hoạt động của doanh nghiệp, được đo lường qua độ tuổi và loại hình doanh nghiệp nhà nước, đóng vai trò quan trọng Những doanh nghiệp lâu năm có khả năng thích ứng tốt hơn với thị trường biến động và kiểm soát rủi ro hoạt động hiệu quả Họ cũng thường duy trì thị phần ổn định, dẫn đến doanh thu và lợi nhuận bền vững, từ đó cải thiện khả năng vay và trả nợ.
2.2.5 LOẠI HÌNH DOANH NGHIỆP NHÀ NƯỚC
Nghiên cứu này dựa trên định nghĩa doanh nghiệp Nhà nước (DNNN) theo Nghị định số 99/2012/NĐ-CP, ban hành ngày 15/11/2012, quy định rằng DNNN là doanh nghiệp mà Nhà nước sở hữu trên 50% vốn điều lệ Định nghĩa này bao gồm các hình thức như công ty trách nhiệm hữu hạn một thành viên (Nhà nước nắm giữ 100% vốn), công ty cổ phần và công ty trách nhiệm hữu hạn hai thành viên trở lên (Nhà nước sở hữu trên 50% vốn điều lệ).
Nghiên cứu của Nguyễn Thùy Dương và Nguyễn Thanh Tùng (2013) về mô hình đo lường rủi ro cho khoản vay tại các NHTM Việt Nam đã sử dụng mô hình hồi quy Logit với dữ liệu từ 490 khách hàng trong giai đoạn 2007-2011 Kết quả cho thấy, với độ tin cậy 90%, Tập đoàn kinh tế Nhà nước có nguy cơ không trả nợ đúng hạn cao hơn so với các doanh nghiệp khác, do họ thường có mối quan hệ lâu dài với ngân hàng và giá trị khoản vay lớn phục vụ cho đầu tư và xây dựng.
Ngân hàng thường yêu cầu tài sản đảm bảo cao hơn từ các khách hàng doanh nghiệp (KHDN) có rủi ro tín dụng cao, trong khi các công ty lớn với uy tín và tiềm lực tài chính mạnh có thể vay mà không cần thế chấp nhiều tài sản Tuy nhiên, việc cho vay dựa vào tỷ lệ tài sản đảm bảo cao không luôn đảm bảo giảm thiểu rủi ro, dẫn đến việc lựa chọn khách hàng của cán bộ tín dụng (CBTD) có thể không chính xác Điều này góp phần vào tình trạng không trả nợ của KHDN, vì dịch vụ ngân hàng không giống như dịch vụ cầm đồ Dòng tiền từ hoạt động kinh doanh của khách hàng là yếu tố quan trọng giúp ngân hàng thương mại giảm thiểu tổn thất vốn.
ĐO LƯỜNG RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY KHÁCH HÀNG DOANH NGHIỆP
Khách hàng doanh nghiệp (KHDN) là đối tượng quan trọng trong hoạt động cho vay, và việc đo lường rủi ro tín dụng là cần thiết để đánh giá khả năng trả nợ của họ Điều này thường dựa trên xếp hạng tín dụng của từng khách hàng Các mô hình xếp hạng tín dụng KHDN phổ biến giúp ngân hàng và tổ chức tài chính đưa ra quyết định cho vay chính xác hơn.
2.3.1 MÔ HÌNH CHUẨN ĐOÁN (HEURISTIC MODELS)
Mô hình chuẩn đoán là công cụ quan trọng trong việc thu thập, xử lý và đánh giá thông tin, giúp đưa ra những dự báo chính xác về tình hình hiện tại và sự phát triển tương lai của một lĩnh vực Qua việc tổng hợp ý kiến từ các chuyên gia, mô hình này cung cấp những nhận định đáng tin cậy Hiện nay, có nhiều loại mô hình chuẩn đoán khác nhau, mỗi loại mang đến những phương pháp và ứng dụng riêng biệt.
- Bảng câu hỏi cổ điển (“Classic” rating Questionnaires)
- Mô hình định tính (Qualitative Systems)
Một nhược điểm chung của các mô hình chuẩn đoán là sự phụ thuộc vào kinh nghiệm của chuyên gia, dẫn đến chất lượng không được đảm bảo Các chuyên gia có thể đưa ra đánh giá chủ quan về các yếu tố ảnh hưởng đến khả năng trả nợ, cũng như mức độ tương quan và tỷ trọng của chúng Vì lý do này, mô hình chuẩn đoán thường ít được áp dụng trong nghiên cứu thực tế.
2.3.2 MÔ HÌNH THỐNG KÊ (STATISTICAL MODELS) Đây là một phương pháp nghiên cứu khá chính xác Phương pháp thống kê bao gồm việc điều tra, khái quát hóa thông tin, phân tích, dự báo Mô hình này có thể ứng dụng được phương pháp phân tích nhiều chiều, lý thuyết dự báo, lý thuyết điều khiển,… cũng như ứng dụng công nghệ trong quá trình nghiên cứu Sau đây là một số các mô hình được áp dụng tương đối phổ biến
2.3.3 MÔ HÌNH PHÂN TÍCH BIỆT THỨC (DIRCIMINANT ANALYSIS
Mô hình phân tích biệt thức là một kỹ thuật thống kê quan trọng, giúp phân loại quan sát vào các nhóm dựa trên những đặc điểm riêng biệt Mô hình đơn giản nhất xây dựng mối quan hệ tuyến tính giữa các đặc điểm, nhằm phân biệt hiệu quả giữa các nhóm công ty Trong phân tích biệt thức, sự kết hợp giữa các hệ số và chỉ số định lượng cho phép phân loại các trường hợp tốt và xấu Mục tiêu chính là phân biệt chính xác giữa các công ty có nguy cơ vỡ nợ và không có nguy cơ, dựa trên các biến định lượng từ báo cáo tài chính Qua đó, tìm ra tổ hợp tuyến tính tối ưu để phân biệt các nhóm và cá thể trong nhóm, cuối cùng chuyển đổi thành hàm biệt thức hay hệ số Z.
D = Chỉ số đo lường toàn bộ mức độ rủi ro của người vay
Mô hình phân tích biệt thức (Ki) sử dụng các hệ số biệt thức (ai) để đánh giá khả năng trả nợ của các nhóm doanh nghiệp (KHDN) dựa trên các chỉ số tài chính (n) Ưu điểm của mô hình này là tính ứng dụng cao trong lĩnh vực XHTD và khả năng phân biệt rõ ràng giữa các doanh nghiệp có khả năng trả nợ và không có khả năng trả nợ Thêm vào đó, mô hình này cũng được đánh giá là đơn giản và dễ dàng áp dụng trong thực tiễn.
Mô hình phân tích biệt thức, mặc dù có nhiều ưu điểm và được nhiều nhà nghiên cứu áp dụng để ước lượng khả năng vỡ nợ của khách hàng vay vốn tại các TCTD, nhưng chủ yếu phù hợp với các chỉ số định lượng hơn là các chỉ số định tính Để đánh giá tính thích hợp của mô hình, các nhà nghiên cứu cần kiểm định xem nó có thỏa mãn các giả thiết toán học, đặc biệt là tính phân phối chuẩn của các nhân tố liên quan đến khả năng trả nợ Nếu giả thiết về tính phân phối chuẩn không được thỏa mãn, kết quả của mô hình sẽ không tối ưu, không đạt được sự công nhận và ít có ý nghĩa trong thực tiễn sử dụng.
Mô hình hồi quy, giống như mô hình phân tích biệt thức, thể hiện sự phụ thuộc của một biến vào các biến độc lập khác Mục tiêu chính là xác định khả năng trả nợ vay của khách hàng dựa trên các đặc điểm nhất định bằng phương pháp ước lượng tối đa Các mô hình hồi quy, như Probit và Logit, thường được sử dụng để đánh giá xác suất vỡ nợ Tuy nhiên, việc nghiên cứu sử dụng mô hình probit và các phần mở rộng của nó còn hạn chế Trong khi đó, mô hình Logit có biến phụ thuộc là biến giả, chỉ nhận giá trị 0 hoặc 1.
Mô hình D = a0 + a1.K1 + a2.K2 + … + an.Kn giúp xác định khả năng rủi ro tín dụng của khách hàng (biến phụ thuộc) dựa trên các yếu tố ảnh hưởng (biến độc lập).
Ki = giá trị cụ thể của các tiêu chí mức độ tín nhiệm bi = hệ số của mỗi chỉ số n = số lượng các chỉ số tài chính
Mô hình Logit có một số lợi thế hơn mô hình phân tích biệt thức:
Mô hình hồi quy Logit không yêu cầu các yếu tố đầu vào phải phân phối chuẩn, điều này giúp nó có khả năng xử lý các yếu tố định tính liên quan đến nguy cơ phá sản mà không cần biến đổi, như đã được chỉ ra bởi Johnsen và Melicher (1994).
Kết quả từ mô hình Logit cho thấy xác suất trả nợ của khách hàng nằm trong khoảng từ 0 đến 1, cho phép giải thích rõ ràng hơn về khả năng trả nợ So với mô hình phân tích biệt thức, kết quả này được đánh giá là chính xác và rõ ràng hơn.
Thứ ba, hồi quy Logit đòi hỏi dữ liệu ít hơn so với mô hình phân tích biệt thức
Do đó, trong những năm gần đây mô hình hồi quy Logit được dùng nhiều hơn cả trong nghiên cứu khoa học và thực tiễn
2.3.5 MÔ HÌNH NƠRON (NEURAL NETWORK MODELS)
Mô hình mạng nơron hoạt động dựa trên các nguyên tắc tính toán song song, bao gồm nhiều quá trình tính toán đơn giản liên kết với nhau Mỗi quá trình này được thực hiện bởi một nơron, với các phép tính rất đơn giản Tuy nhiên, khi các nơron này được kết nối và tổ chức một cách hợp lý, chúng có khả năng giải quyết những nhiệm vụ phức tạp.
Mạng nơron là công cụ lý tưởng cho việc mô tả các mô hình đánh giá phức tạp, cho phép thu thập và xử lý nhiều loại thông tin khác nhau Một trong những ưu điểm nổi bật của mô hình này là khả năng xử lý các mối quan hệ phi tuyến tính và khả năng khắc phục thông tin bị thiếu hụt.
(Charalambous, Charitou và Neophytou, 2000) Tuy nhiên, mô hình mạng nơron vẫn không được dùng phổ biến trong thực tế do những lý do sau đây:
Thứ nhất, mô hình mạng nơron đòi hỏi dữ liệu đầu vào lớn, với ít nhất 500 quan sát hoặc hơn (Kumar và Ravi, 2007)
Mô hình mạng nơron có quy trình thực hiện phức tạp, gây khó khăn cho người dùng và dễ dẫn đến nhiều vấn đề trong quá trình sử dụng.
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Hiện nay, nhiều nghiên cứu định lượng đã phân tích các yếu tố ảnh hưởng đến rủi ro trong cho vay bằng cách ước lượng khả năng trả nợ của khách hàng dựa trên xếp hạng tín dụng từ các tổ chức uy tín như Standard & Poor's, Moody's và Fitch Bảng 2.2 tóm tắt một số nghiên cứu của các nhà nghiên cứu trong và ngoài nước, với sự đa dạng về thời gian, đối tượng nghiên cứu và phương pháp định lượng.
Bảng 2.2 Tổng quan các nghiên cứu định lượng về khả năng trả nợ vay của KHDN
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp sử dụng Kết quả nghiên cứu
54 công ty niêm yết trong ngành sản xuất và phân phối ở
Phương pháp phân tích biệt thức với mô hình chỉ số Z-score
Các biến như tài sản ngắn hạn và nợ ngắn hạn, tốc độ tăng trưởng giá trị vốn hóa sổ sách và tốc độ tăng trưởng tài sản, cùng với lợi nhuận trên tổng nợ đều có tác động tích cực đến chỉ số tổng thể (Z).
Tổng nợ/Tổng tài sản lại có tác động ngược chiều (-)
600 quan sát từ tập dữ liệu gồm 35.568
Georgia (Mỹ) trong khoảng thời gian
Mô hình hồi quy Logit nhị thức
Biến phụ thuộc: Tỷ lệ khoản vay không trả nợ (LLR)
Kết quả: Các biến TSĐB; Loại khách hàng (TYPECLIENT); Số lượng nhân viên của khách hàng có tác động cùng chiều đến LLR (+)
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp sử dụng Kết quả nghiên cứu
Còn lại các biến: Giá trị khoản vay; thời gian cho vay; Tỷ lệ chấp thuận số tiền cho vay có tác động ngược chiều đến LLR (-) Chiara
Các DN vừa và nhỏ ở Ý
Mô hình hồi quy Logit nhị thức
Tất cả các chỉ tiêu như Nợ dài hạn/Tổng tài sản, Lợi nhuận trước lãi và thuế/Tổng tài sản, Vốn chủ sở hữu/Tổng tài sản và Tổng doanh thu/Tổng tài sản đều có tác động tích cực đến khả năng trả nợ của khách hàng.
52 công ty thuộc ngành phi tài chính ở Pakistan, trong đó có
26 công ty phá sản và
26 công ty không phá sản
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến: Lợi nhuận trước thuế và lãi vay/Nợ ngắn hạn; Doanh thu/Tổng tài sản sẽ tác động cùng chiều (+) đến chỉ số tổng thể (Z);
Z = 0,724: Công ty được coi là không phá sản Đào Thị
Mẫu dữ liệu đã được làm sạch bao gồm
285 khách hàng có phát sinh quan hệ tín dụng tại HabuBank trong 3 năm (từ năm
Phương pháp phân tích phân biệt với mô hình chỉ số Z-score
Các biến như Vốn lưu động/TTS, Lợi nhuận giữ lại/TTS, Giá vốn hóa thị trường/tổng nợ phải trả, Tổng nợ phải trả/TTS, Lợi nhuận sau thuế/Tổng tài sản và Lợi nhuận sau thuế/Doanh thu thuần đều có tác động tích cực đến chỉ số tổng thể (Z).
Chỉ riêng đối với biến Giá trị vốn hóa thị trường/Giá trị sổ sách lại có tác động ngược chiều (-)
Tác giả Đối tượng và thời gian nghiên cứu
Phương pháp sử dụng Kết quả nghiên cứu
Bao gồm 490 khách hàng tại các NHTM
Mô hình hồi quy Logit nhị thức
Biến phụ thuộc: Khả năng không trả được nợ
Giá trị khoản vay; tài sản đảm bảo có tác động cùng chiều đến khả năng không trả được nợ của khách hàng;
Tương tự DNNN cũng có tác động cùng chiều đến khả năng không trả được nợ
Nguồn: Tổng hợp của tác giả
Nghiên cứu của Altman và Lavalle (1981) đã áp dụng phương pháp phân tích phân biệt với mô hình Z-score để ước lượng xác suất vỡ nợ tại Canada, dựa trên dữ liệu tài chính của 54 công ty niêm yết trong ngành sản xuất và phân phối Qua 11 biến độc lập ban đầu, họ đã phát triển mô hình cuối cùng với 5 chỉ số tài chính Kết quả cho thấy các biến lợi nhuận/tổng nợ, tài sản ngắn hạn/nợ ngắn hạn, và tốc độ tăng trưởng giá trị vốn hóa sổ sách/tốc độ tăng trưởng tài sản đều có ảnh hưởng tích cực đến chỉ số tổng thể (Z), trong khi biến tổng nợ/tổng tài sản lại có tác động tiêu cực.
Nghiên cứu của Rashid và Abbas (2011) đã chỉ ra rằng, trong mẫu 52 công ty phi tài chính tại Pakistan, chỉ số Z-score cho biết nếu Z ≤ -0,724 thì công ty được coi là phá sản, ngược lại Z ≥ 0,724 thì công ty không phá sản Các biến như lợi nhuận trước thuế và lãi vay/ngắn hạn, doanh thu/tổng tài sản đều có tác động tích cực đến chỉ số Z Tương tự, nghiên cứu của Đào Thị Thanh Bình và Nguyễn Anh Đức (2012) trên 285 khách hàng tại HabuBank từ 2008 đến 2010 cho thấy các chỉ tiêu như vốn lưu động/tổng tài sản, lợi nhuận sau thuế/tổng tài sản, và lợi nhuận giữ lại/tổng tài sản cũng tác động tích cực đến chỉ số Z Tuy nhiên, biến giá trị vốn hóa thị trường/giá trị sổ sách lại có tác động ngược chiều.
Nhiều nhà nghiên cứu đã áp dụng mô hình Logit để dự báo khả năng trả nợ của doanh nghiệp, như Irakli Ninua (2008) sử dụng hồi quy Logit để đánh giá rủi ro tín dụng qua tỷ lệ khoản vay không hoàn trả (LLR) Bên cạnh đó, Chiara Pederzoli và Costanza Torricelli (2010) đã áp dụng các chỉ số tài chính và năng lực tài chính để dự đoán khả năng trả nợ của các doanh nghiệp nhỏ tại Ý.
Trong nghiên cứu của Irakli Ninua (2008), mô hình hồi quy Logit được áp dụng để đánh giá rủi ro tín dụng của khoản vay, thông qua biến phụ thuộc là tỷ lệ khoản vay không hoàn trả (LLR) Nghiên cứu sử dụng mẫu 600 quan sát từ dữ liệu của 35.568 doanh nghiệp nhận vốn vay tại ProCreditBank trong giai đoạn 2004.
Năm 2007, kết quả nghiên cứu cho thấy tài sản bảo đảm có mối quan hệ tích cực với tỷ lệ nợ xấu (LLR) ở mức ý nghĩa 1% Tác giả chỉ ra rằng các khoản vay có tài sản đảm bảo có nguy cơ không trả nợ cao hơn so với các khoản vay không có tài sản đảm bảo Ngược lại, giá trị khoản vay và thời gian vay lại có tác động tiêu cực đến LLR, nhưng ảnh hưởng này không đáng kể.
Nghiên cứu về rủi ro tín dụng tại các ngân hàng thương mại Việt Nam đã chỉ ra rằng mô hình hồi quy logit do Nguyễn Thùy Dương và Nguyễn Thanh Tùng (2013) phát triển có độ tin cậy 90% Các yếu tố ảnh hưởng đến khả năng không trả nợ đúng hạn trong vòng 90 ngày bao gồm: xếp hạng tín dụng, mục đích vay, giá trị khoản vay, bảo đảm tiền vay, cam kết trong hợp đồng và mối quan hệ giữa ngân hàng và doanh nghiệp Kết quả cho thấy tất cả các biến độc lập đều có ảnh hưởng tích cực đến khả năng vỡ nợ Đặc biệt, trong số khách hàng không trả nợ đúng hạn, gần 50% là doanh nghiệp nhà nước, trong khi tổng giá trị khoản vay của họ chiếm hơn 70% trong mẫu nghiên cứu, chủ yếu phục vụ cho đầu tư xây dựng công trình lớn.
Mô hình Logit đã chứng minh tính hiệu quả trong việc đánh giá khả năng trả nợ và xếp hạng, nhờ vào việc ước lượng tham số một cách dễ dàng và rủi ro thấp khi thay đổi kích thước mẫu.
Tác giả nhận xét rằng các nghiên cứu về rủi ro tín dụng tại Việt Nam chưa xây dựng được mô hình định lượng hiệu quả cho ngân hàng, trong khi các nghiên cứu quốc tế chủ yếu dựa vào chỉ số tài chính Tại VCB.HCM, tác giả nhận thấy các yếu tố phi tài chính như loại hình doanh nghiệp có ảnh hưởng lớn đến khả năng trả nợ của khách hàng doanh nghiệp (KHDN) Do đó, tác giả muốn phát triển một mô hình đánh giá rủi ro tín dụng dựa trên cả yếu tố tài chính và phi tài chính, nhằm lượng hóa khả năng trả nợ của KHDN Mô hình này hy vọng sẽ hỗ trợ trong việc ra quyết định cấp tín dụng cho KHDN tại VCB.HCM.
Chương 2 của đề tài trình bày cơ sở lý luận về cho vay doanh nghiệp (KHDN) và các lý thuyết liên quan đến rủi ro tín dụng trong hoạt động này Từ đó, tác giả đánh giá khả năng trả nợ của khách hàng doanh nghiệp và xác định cơ sở lý thuyết để đo lường ảnh hưởng của các yếu tố đến khả năng trả nợ Bên cạnh đó, chương cũng tổng hợp kết quả từ các nghiên cứu thực nghiệm trước đây về khả năng trả nợ của khách hàng.
THỰC TRẠNG RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG
GIỚI THIỆU TỔNG QUAN VỀ NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM
3.1.1 SỰ HÌNH THÀNH VÀ PHÁT TRIỂN
Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank), được thành lập vào ngày 01/4/1963 với tổ chức tiền thân là Cục Ngoại hối thuộc Ngân hàng Nhà nước Việt Nam, là ngân hàng thương mại nhà nước đầu tiên thực hiện thí điểm cổ phần hoá Vào ngày 02/06/2008, Vietcombank chính thức hoạt động với tư cách ngân hàng thương mại cổ phần thông qua việc phát hành cổ phiếu lần đầu ra công chúng (IPO), và cổ phiếu Vietcombank (mã: VCB) đã được niêm yết tại Sở Giao dịch Chứng khoán TPHCM vào ngày 30/06/2009.
Vào tháng 9/2011, Vietcombank đã bán cổ phần cho Mizuho Corporate Bank, một trong những tập đoàn tài chính lớn nhất Nhật Bản và thế giới, thể hiện sự tin tưởng của nhà đầu tư nước ngoài vào tiềm năng phát triển của thị trường tài chính Việt Nam Sự kiện này cũng đánh dấu thời điểm Vietcombank ra mắt hệ thống nhận diện thương hiệu mới, nhân kỷ niệm 50 năm thành lập ngân hàng (1963-2013).
Năm 2013, với khẩu hiệu “Chung niềm tin vững tương lai”, chúng tôi khẳng định cam kết đổi mới toàn diện nhằm phát triển bền vững Điều này không chỉ giúp duy trì vị thế hàng đầu mà còn mở rộng tầm ảnh hưởng của chúng tôi.
Năm 2018, Vietcombank đã đạt được nhiều thành tựu ấn tượng, bao gồm danh hiệu Ngân hàng uy tín nhất, Ngân hàng nộp thuế doanh nghiệp lớn nhất và Ngân hàng có khả năng sinh lời cao nhất Ngoài ra, ngân hàng cũng nhận được nhiều giải thưởng danh giá từ các tổ chức uy tín như The Asian Banker, EuroMoney và Forbes.
CƠ CẨU TỔ CHỨC, QUẢN LÝ CỦA NGÂN HÀNG
Hình 3.1 Mô hình quản trị của Vietcombank
Nguồn: Báo cáo thường niên 2018 của Vietcombank Đến 31/12/2018, ngoài Trụ sở chính, Vietcombank hiện có 101 Chi nhánh với
Vietcombank sở hữu 397 phòng giao dịch trải dài khắp các tỉnh thành trên toàn quốc Ngân hàng cũng đã thiết lập mạng lưới 2.105 ngân hàng đại lý tại 131 quốc gia và vùng lãnh thổ trên toàn cầu.
Hình 3.2 Cơ cấu tổ chức của Vietcombank
Nguồn: Báo cáo thường niên 2018 của Vietcombank
Vietcombank là ngân hàng đa lĩnh vực hàng đầu tại Việt Nam, cung cấp dịch vụ tài chính toàn diện bao gồm kinh doanh vốn, huy động vốn, tín dụng, tài trợ dự án và thương mại Ngoài ra, ngân hàng còn phát triển mạnh mẽ các dịch vụ hiện đại như thẻ, ngân hàng điện tử, kinh doanh ngoại tệ và công cụ phái sinh.
Các sản phẩm dịch vụ của Vietcombank bao gồm:
Dịch vụ huy động vốn (tiền gửi tiết kiệm, trái phiếu, kỳ phiếu);
Dịch vụ cho vay (ngắn, trung, dài hạn);
Dịch vụ chiết khấu chứng từ;
Dịch vụ thanh toán quốc tế;
Dịch vụ mua bán ngoại tệ;
Dịch vụ ngân hàng đại lý;
Dịch vụ bao thanh toán;
Các dịch vụ khác theo Giấy chứng nhận đăng ký kinh doanh
Nguồn: Báo cáo thường niên 2018 của Vietcombank
3.1.3 SƠ LƯỢC VỀ TÌNH HÌNH TÀI CHÍNH
Trong bối cảnh biến động kinh tế những năm gần đây, ngành ngân hàng, đặc biệt là Vietcombank, đã chịu ảnh hưởng không nhỏ Mặc dù gặp nhiều khó khăn, Vietcombank vẫn nỗ lực phát triển và đạt được những thành tựu đáng kể, như được thể hiện trong bảng 3.1.
Bảng 3.1 Một số chỉ tiêu tài chính của Vietcombank 2016-2018 ĐVT: tỷ đồng
1 Tổng giá trị tài sản 787.935 1.035.293 1.074.027
3 Thuế và các khoản phải nộp (Số đã nộp trong kỳ)
B Các chỉ tiêu tài chính chủ yếu
1.3 Tỷ lệ an toàn vốn 11,13% 11,63% 12,14%
2 Kết quả hoạt động kinh doanh
2.1 Doanh số huy động tiền gửi 9.561.306 12.653.763 14.772.709
2.5 Tỷ lệ dư nợ tín dụng/tổng vốn huy động (quy VND)
2.6 Tỷ lệ nợ bảo lãnh/Tổng số dư bảo lãnh 1,13% 0,66% 1,57%
2.7 Tỷ lệ nợ quá hạn/Tổng dư nợ 1,03% 2,02% 1,56%
2.8 Tỷ lệ nợ xấu/Tổng dư nợ 1,45% 1,11% 0,97%
3.1 Tỷ lệ dự trữ thanh khoản 30,5% 35,9% 24,1%
3.2 Tỷ lệ khả năng chi trả trong 30 ngày
USD và ngoại tệ khác quy USD 79,1% 89,4% 104,0%
Nguồn: Báo cáo thường niên 2017; 2018 của Vietcombank
Năm 2018, Vietcombank ghi nhận mức tăng trưởng ấn tượng, dẫn đầu ngành ngân hàng, với việc chuyển dịch cơ cấu tín dụng theo định hướng của NHNN, tập trung vào tín dụng bán lẻ và thu hút nguồn vốn giá rẻ Tỷ lệ nợ xấu giảm xuống dưới 1%, tổng tài sản đạt 1.074.027 tỷ đồng, tăng 3,74% so với năm 2017, trong khi vốn chủ sở hữu tăng 18,31%, đạt 62.179 tỷ đồng, với lợi nhuận chưa phân phối đạt 16.139 tỷ đồng.
VCSH năm 2018: 62.179 tỷ đồng Tăng 18,31% so với năm 2017
Hình 3.3 Tổng tài sản của Vietcombank 2016-2018 (ĐVT: tỷ đồng)
Nguồn: Báo cáo thường niên 2018 của Vietcombank
Hình 3.4 Vốn chủ sở hữu của Vietcombank 2016-2018 (ĐVT: tỷ đồng)
Nguồn: Báo cáo thường niên 2018 của Vietcombank b) Huy động vốn: tăng tỷ trọng nguồn vốn không kỳ hạn, nguồn vốn ngoại tệ, giảm huy động vốn lãi suất cao;
Huy động vốn đạt 823.390 tỷ đồng, tăng 13,3% so với năm 2017 Tốc độ tăng trưởng huy động vốn TCKT/cá nhân lần lượt là 20,8% và 7,5%
Huy động vốn TCKT ngày càng gia tăng tỷ trọng Tỷ trọng huy động vốn từ TCKT/cá nhân: 48,8%/51,2% (năm 2017: 45,8%/53,9%)
TTS năm 2018: 1.074.027 tỷ đồng Tăng 3,74% so với năm 2017
Huy động vốn KKH đã tăng 14,1% so với năm 2017, đạt tỷ trọng 29,5%, trong khi huy động ngoại tệ đạt 143.292 tỷ đồng, tăng 11,2% so với năm 2017, chiếm 17,4% Lợi nhuận trước thuế cũng ghi nhận sự tăng trưởng mạnh mẽ, tỷ suất sinh lời cải thiện đáng kể, và chi phí quản lý được kiểm soát hiệu quả.
Lợi nhuận trước thuế đạt 18.269 tỷ đồng, tăng 61,1% so với năm 2017, đạt 137% kế hoạch 2018 Thu nhập từ thoái vốn năm 2018 ~1.562 tỷ đồng
Tỷ lệ thu nhập lãi thuần (NIM) đạt 2,94%, tăng gần 0,3% so với 2017
Chỉ số ROAA, ROAE ghi nhận lần lượt là 1,39% và 25,49%, tăng mạnh so với 2017 và cao hơn mặt bằng chung của thị trường
Hình 3.5 Lợi nhuận sau thuế của Vietcombank 2016-2018 (ĐVT: tỷ đồng)
Nguồn: Báo cáo thường niên 2018 của Vietcombank
3.1.4 TÌNH HÌNH HOẠT ĐỘNG TÍN DỤNG TẠI NGÂN HÀNG
Dư nợ tín dụng năm 2018 đạt 639.370 tỷ đồng, tăng 14,6% so với năm 2017 Sự tăng trưởng này chủ yếu đến từ tín dụng bán lẻ, trong khi dư nợ bán buôn hiệu quả thấp đã giảm Ngành ngân hàng cũng chú trọng phát triển khách hàng mới và khách hàng FDI để nâng cao hiệu quả hoạt động tín dụng.
Dư nợ tín dụng tăng trưởng tốt, đạt 639.370 tỷ đồng vào cuối năm, tăng 14,6% so với năm 2017, đạt 99,7% kế hoạch năm 2018 Tín dụng thể
LNTT năm 2018: 18.269 tỷ đồng Tăng 61,1% so với năm 2017 nhân tăng 32,7% so với 2017, tỷ trọng tiếp tục tăng lên 36,9% vào cuối năm 2018 (2017: 31,9%)
Dư nợ cho vay tại Phòng giao dịch (PGD) đạt 117.028 tỷ đồng, ghi nhận mức tăng 43,9% so với cuối năm 2017 Tỷ trọng dư nợ cho vay tại PGD trong tổng dư nợ bán lẻ cũng tăng từ 37% vào năm 2017 lên 40% vào cuối năm 2018.
Dư nợ cho vay bình quân tại PGD đạt 100.226 tỷ đồng, tăng 44,9% so với năm 2017 Công tác xử lý thu hồi nợ xấu và nợ đã xử lý dự phòng rủi ro được thực hiện hiệu quả, góp phần nâng cao chất lượng tín dụng.
Nợ quá hạn giảm đáng kể, dư nợ nhóm 2 tại 31/12/2018 ở mức 3.781 tỷ đồng, giảm 1.002 tỷ đồng so với năm 2017 Tỷ lệ nợ nhóm 2 còn ở mức 0,59% (năm 2017 là 0,86%)
Năm 2018, Ngân hàng Vietcombank (VCB) đạt được thành công quan trọng khi đưa tỷ lệ nợ xấu xuống dưới 1% lần đầu tiên kể từ khi cổ phần hóa, với dư nợ xấu cho vay khách hàng chỉ còn 6.223 tỷ đồng, tương ứng tỷ lệ nợ xấu 0,97% tổng dư nợ.
Dư quỹ dự phòng rủi ro cho vay khách hàng đạt 10.294 tỷ đồng, với tỷ lệ bao phủ nợ xấu nội bảng khoảng 165%, cho thấy sự vững mạnh và khả năng quản lý rủi ro cao trong hệ thống ngân hàng Việt Nam.
Thu hồi nợ ngoại bảng đạt 3.272 tỷ đồng, hoàn thành 116,8% kế hoạch HĐQT giao
3.2 QUY TRÌNH XẾP HẠNG TÍN DỤNG KHDN TẠI VIETCOMBANK
Vietcombank đã xây dựng và triển khai ứng dụng XHTD khách hàng từ năm
Hệ thống xếp hạng tín dụng nội bộ (XHTD) tại Việt Nam, được xây dựng từ năm 2003 theo hướng dẫn của Ngân hàng Nhà nước (NHNN) và sự tư vấn của các chuyên gia từ Ngân hàng Thế giới, đã trải qua nhiều lần chỉnh sửa để phù hợp với điều kiện kinh tế xã hội và các hiệp ước quốc tế mà Việt Nam cam kết Hiện nay, việc thực hiện XHTD dựa trên Quyết định số 418/QĐ-HĐQT-CSTD và Quyết định số 518/QĐ-VCB-CSTD, cả hai đều được ban hành vào ngày 30/05/2014 NHNN yêu cầu các ngân hàng thương mại (NHTM) thường xuyên rà soát và điều chỉnh hệ thống XHTD nội bộ, đảm bảo phù hợp với Điều 7 của Quyết định 493/2005/QĐ-NHNN Các yêu cầu đối với hệ thống XHTD bao gồm: sự phù hợp với hoạt động kinh doanh và tính chất rủi ro của khoản nợ, chính sách quản lý rủi ro tín dụng hiệu quả, và việc đánh giá lại hệ thống XHTD cùng chính sách dự phòng rủi ro hàng năm để đáp ứng thực tế và quy định pháp luật.
THỰC TRẠNG HOẠT ĐỘNG CHO VAY ĐỐI VỚI KHDN TẠI VCB.HCM
3.3.1 THỰC TRẠNG DƯ NỢ KHDN TẠI VCB.HCM
Hiện nay, VCB.HCM chủ yếu cấp tín dụng cho hai đối tượng chính là khách hàng cá nhân và doanh nghiệp, tập trung vào cho vay ngắn hạn và trung, dài hạn Trong những năm gần đây, chi nhánh đã triển khai các chính sách thúc đẩy cho vay, mở rộng quy mô và đa dạng hóa đối tượng doanh nghiệp tiếp cận Dư nợ cho vay đối với khách hàng doanh nghiệp đã tăng lên đáng kể so với tổng dư nợ tín dụng, như thể hiện trong bảng 3.6.
Bảng 3.6 Dư nợ cho vay đối với KHDN so với tổng dư nợ tín dụng ĐVT: Tỷ đồng
Tổng dư nợ tín dụng 48.684 58.601 67.293 9.917 20% 8.692 15%
Tỷ lệ dư nợ cho vay
KHDN/tổng dư nợ tín dụng (%)
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
Dữ liệu cho thấy dư nợ cho vay khách hàng doanh nghiệp (KHDN) và tổng dư nợ của chi nhánh đều có xu hướng tăng qua các năm Cụ thể, vào năm 2018, dư nợ cho vay KHDN đạt 49.873 tỷ đồng, tăng 5.686 tỷ đồng (tương ứng 13%) so với năm 2017 Tương tự, tổng dư nợ tín dụng cuối năm 2018 đạt 67.293 tỷ đồng, tăng 8.692 tỷ đồng (15%) so với năm trước Những con số này chứng minh rằng chi nhánh đang mở rộng quy mô cho vay, đáp ứng kịp thời nhu cầu vốn của khách hàng.
Quy mô cho vay khách hàng doanh nghiệp chiếm từ 71% đến hơn 81%, thể hiện vai trò chủ lực trong hoạt động sử dụng vốn của chi nhánh Tuy nhiên, theo định hướng của VCB, tỷ trọng dư nợ cho vay KHDN đang giảm so với tổng dư nợ tín dụng, với nguyên tắc cho vay thận trọng và chọn lọc khách hàng Mặc dù hoạt động này mang lại lợi nhuận cao, nhưng rủi ro phát sinh có thể ảnh hưởng lớn đến toàn bộ hoạt động của Ngân hàng Do đó, chi nhánh cần thận trọng trong quyết định cho vay để đảm bảo an toàn cho nguồn vốn huy động.
Hình 3.6 Dư nợ cho vay KHDN so với tổng dư nợ tín dụng
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
3.3.2 CƠ CẤU HOẠT ĐỘNG CHO VAY KHDN TẠI VCB.HCM
Dư nợ cho vay thể hiện số tiền mà khách hàng đã vay tại một thời điểm cụ thể Trong bối cảnh tổng dư nợ cho vay của toàn chi nhánh gia tăng, dư nợ cho vay của các doanh nghiệp lớn, doanh nghiệp vừa và nhỏ cũng có xu hướng tăng lên qua các năm.
Bảng 3.7 Cơ cấu dư nợ cho vay phân theo loại hình doanh nghiệp ĐVT: Tỷ đồng
Chỉ tiêu dư nợ 2016 2017 2018 Chênh lệch
Doanh nghiệp vừa và nhỏ
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
Dư nợ cho vay KHDN Tổng dư nợ tín dụng
Dư nợ doanh nghiệp lớn Dư nợ doanh nghiệp vừa và nhỏ
Từ năm 2016 đến 2018, dư nợ cho vay doanh nghiệp lớn tại chi nhánh VCB.HCM đã tăng từ 34.730 tỷ đồng lên 42.418 tỷ đồng, chiếm 88% tổng dư nợ cho vay khách hàng doanh nghiệp (KHDN) Trong khi đó, dư nợ cho vay doanh nghiệp vừa và nhỏ (DNVVN) cũng ghi nhận mức tăng trưởng, từ 4.681 tỷ đồng (12% tổng dư nợ KHDN) vào năm 2016 lên 7.455 tỷ đồng vào cuối năm 2018, tăng 2.774 tỷ đồng so với năm 2016 Mặc dù dư nợ DNVVN tăng, nhưng tỷ trọng vẫn thấp hơn so với dư nợ doanh nghiệp lớn VCB.HCM, với uy tín hàng đầu trong hệ thống Vietcombank, chủ yếu phục vụ các doanh nghiệp đầu ngành có năng lực tài chính vững mạnh và quy mô hoạt động lớn.
Hình 3.7 Cơ cấu dư nợ cho vay phân theo loại hình doanh nghiệp
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
Các KHDN có quan hệ tín dụng tại VCB.HCM chủ yếu sử dụng nguồn vốn để bổ sung vốn lưu động cho hoạt động sản xuất kinh doanh, mua sắm tài sản cố định, đầu tư vào dự án mở rộng kinh doanh hoặc đầu tư vào giấy tờ có giá.
Bảng 3.8 Cơ cấu dư nợ cho vay KHDN theo mục đích ĐVT: Tỷ đồng
Bổ sung vốn lưu động
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
Cơ cấu cho vay doanh nghiệp của VCB.HCM thay đổi hàng năm, phản ánh định hướng chung của ngành Doanh nghiệp thường có nhu cầu vay ngắn hạn để bổ sung vốn lưu động cho sản xuất kinh doanh, dẫn đến dư nợ cho vay bổ sung vốn lưu động chiếm tỷ trọng lớn trong tổng dư nợ doanh nghiệp Năm 2016, dư nợ này đạt 27.554 tỷ đồng, chiếm 70% tổng dư nợ, trong khi đến cuối năm 2018, con số này tăng lên 32.098 tỷ đồng, chiếm 64% tổng dư nợ, tăng 4.544 tỷ đồng so với năm 2016 Ngược lại, dư nợ cho vay mua sắm tài sản cố định và đầu tư khác mặc dù chiếm tỷ trọng thấp hơn nhưng có xu hướng tăng, từ 11.857 tỷ đồng (30% tổng dư nợ) năm 2016 lên 17.775 tỷ đồng (36% tổng dư nợ) năm 2018 Phần lớn doanh nghiệp có nhu cầu tín dụng chủ yếu vay ngắn hạn để bổ sung vốn lưu động, trong khi nhu cầu trung dài hạn chủ yếu phục vụ đầu tư mua sắm tài sản cố định và xây dựng dự án.
Cho vay bổ sung vốn lưu động Cho vay mua sắm tài sản cố định
Hình 3.8 Cơ cấu dư nợ cho vay KHDN theo mục đích
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
THỰC TRẠNG RỦI RO TÍN DỤNG TRONG HOẠT ĐỘNG CHO VAY
VAY KHDN TẠI VCB.HCM
Dư nợ cho vay KHDN và nợ quá hạn KHDN tại VCB.HCM được liệt kê qua bảng 3.9 dưới đây:
Bảng 3.9 Tình hình dư nợ cho vay và nợ quá hạn KHDN ĐVT: Tỷ đồng
Tỷ lệ nợ quá hạn
KHDN/Dư nợ cho vay KHDN (%)
Nguồn: Tổng hợp số liệu thực tế tại VCB.HCM của tác giả
Theo bảng 3.9, dư nợ cho vay khách hàng doanh nghiệp (KHDN) của VCB.HCM đã liên tục gia tăng qua các năm Cụ thể, nợ quá hạn vào năm 2016 đạt 1.524 tỷ đồng, chiếm 3,9% tổng dư nợ cho vay KHDN Đến năm 2017, nợ quá hạn tăng lên 1.671 tỷ đồng, tương đương 3,8% trong cơ cấu dư nợ cho vay KHDN Nhờ vào những nỗ lực trong việc xử lý nợ của chi nhánh, tình hình nợ quá hạn đã có những chuyển biến tích cực.
2018 nợ quá hạn đã giảm xuống còn 1.331 tỷ đồng, chỉ chiếm 2,7% cơ cấu tổng dư nợ KHDN
Mặc dù nợ quá hạn năm 2018 đã giảm đáng kể, nhưng vẫn tồn tại những khoản nợ có nguy cơ mất vốn cao, ảnh hưởng đến kết quả kinh doanh của ngân hàng Các yếu tố ảnh hưởng đến rủi ro tín dụng trong hoạt động cho vay doanh nghiệp tại VCB.HCM cần được xem xét kỹ lưỡng.
Cơ cấu vốn thấp, với vốn chủ sở hữu mỏng, khiến doanh nghiệp gặp khó khăn trong việc đáp ứng các nghĩa vụ tài chính khi xảy ra biến cố, dẫn đến rủi ro không đủ nguồn vốn để thanh toán nợ.
Những khoản vay có thời gian dài thường tiềm ẩn nguy cơ mất vốn cao, vì khi nguồn tiền từ hoạt động kinh doanh về, khách hàng không cảm thấy áp lực trả nợ và có thể sử dụng số tiền đó cho các mục đích khác hoặc đầu tư không hiệu quả, dẫn đến thua lỗ và mất vốn.
Doanh nghiệp nhỏ lẻ, đặc biệt là những doanh nghiệp tư nhân gia đình, thường đối mặt với rủi ro cao hơn do quy mô hạn chế và tính chất kinh doanh không ổn định Ngược lại, các doanh nghiệp lớn, uy tín và hoạt động lâu năm trên thị trường có khả năng chống chịu tốt hơn trước những biến động kinh tế.
Vốn lưu động ròng của doanh nghiệp ảnh hưởng lớn đến rủi ro tín dụng mà ngân hàng phải đối mặt Doanh nghiệp sử dụng đòn bẩy tài chính quá mức hoặc không đúng mục đích, như việc dùng vốn ngắn hạn để đầu tư vào tài sản dài hạn, dễ dẫn đến mất cân đối tài chính Hệ quả nghiêm trọng có thể là mất khả năng thanh toán nợ vay.
Đối với các chi nhánh ngân hàng, việc khai thác và sử dụng thông tin chưa đạt hiệu quả trong việc phòng ngừa và hạn chế rủi ro Thông tin chủ yếu vẫn đến từ khách hàng, trong khi doanh nghiệp vừa và nhỏ, đặc biệt là các doanh nghiệp tư nhân gia đình, thường cung cấp thông tin ít ỏi và không chính xác Điều này dẫn đến tình trạng nợ quá hạn, do ngân hàng tiếp cận nguồn thông tin sai lệch từ các doanh nghiệp này.
3.5 KẾT QUẢ VỀ HOẠT ĐỘNG CHO VAY VÀ RỦI RO TRONG HOẠT ĐỘNG CHO VAY KHDN TẠI VCB.HCM
3.5.1 NHỮNG THÀNH TỰU ĐẠT ĐƯỢC
Trong bối cảnh hội nhập kinh tế toàn cầu, Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh TP.HCM đã đạt được những thành quả đáng khích lệ, mặc dù phải đối mặt với sự cạnh tranh từ các tổ chức tín dụng trong và ngoài nước Là chi nhánh lớn nhất của một trong những ngân hàng hàng đầu Việt Nam, chi nhánh này thận trọng trong việc lựa chọn khách hàng và luôn cập nhật xu hướng ngành nghề Ngân hàng cho vay theo định hướng chính sách chung của toàn hệ thống, khuyến khích khách hàng tăng tỷ lệ tài sản bảo đảm, đồng thời rà soát kỹ khoản vay và năng lực của người đại diện công ty.
Thực trạng cho vay của chi nhánh chuyển biến tích cực, thể hiện qua:
Trong những năm qua, chi nhánh VCB.HCM đã chứng kiến sự gia tăng đáng kể về số lượng khách hàng doanh nghiệp (KHDN), khẳng định vị thế dẫn đầu về cả số lượng và chất lượng trong toàn hệ thống Vietcombank Với uy tín của một ngân hàng lớn và vị trí địa lý thuận lợi ngay trung tâm TP.HCM, chi nhánh thu hút ngày càng nhiều doanh nghiệp lớn và doanh nghiệp có vốn đầu tư nước ngoài đến giao dịch.
Dư nợ cho vay KHDN tăng cao trong 3 năm vừa qua với tốc độ tăng năm
2016 đến 2017 là 12%, năm 2017 đến 2018 là 13%, năm 2018 ghi nhận 49.873 tỷ đồng Nợ quá hạn có xu hướng giảm dần qua các năm, năm
2016 là 1.524 tỷ đồng, đến năm 2018 giảm còn 1.331 tỷ đồng
Lãi suất vay tại VCB.HCM luôn cạnh tranh nhất trên thị trường, được xác định dựa trên thỏa thuận lãi suất, khả năng đáp ứng điều kiện tín dụng của từng khách hàng và lịch sử giao dịch của họ Chi nhánh cam kết đưa ra mức lãi suất hợp lý và hấp dẫn nhất cho khách hàng.
Trong quá trình cho vay, VCB.HCM tuân thủ nghiêm ngặt các quy định về vay vốn theo Thông tư và Nghị định của ngân hàng Nhà nước Chi nhánh chú trọng đến việc xây dựng cơ cấu danh mục tín dụng hợp lý, không tập trung vào một ngành nghề nào để hạn chế rủi ro Cán bộ tín dụng cẩn thận đánh giá thị trường và sản phẩm tiêu thụ, cập nhật thông tin khách hàng, hướng dẫn khách hàng lập hồ sơ giải ngân và thực hiện kiểm tra định kỳ việc sử dụng vốn sau giải ngân.
3.5.2 NHỮNG TỒN TẠI VÀ NGUYÊN NHÂN
Thông tin tín dụng hiện đang bị hạn chế, với việc cập nhật thông tin khách hàng chủ yếu dựa vào hai nguồn: thông tin do khách hàng cung cấp và dữ liệu từ CIC Tuy nhiên, yêu cầu về thông tin từ Ngân hàng vẫn chưa được đáp ứng một cách đáng tin cậy, nhanh chóng và kịp thời.
Việc tìm kiếm dự án đầu tư hiện nay đang phải đối mặt với sự cạnh tranh gay gắt từ các ngân hàng, đặc biệt là các tổ chức tín dụng nước ngoài, nhờ vào lợi thế về lãi suất hấp dẫn.
Số lượng hồ sơ vay vốn ngày càng tăng, dẫn đến quy trình thẩm định trở nên chặt chẽ và phải trải qua nhiều cấp thẩm quyền kiểm tra Điều này đôi khi khiến khách hàng phải chờ đợi lâu, ảnh hưởng đến mức độ hài lòng của họ.
Nợ quá hạn đã có những chuyển biến tích cực qua các năm, nhưng vẫn tồn tại những khoản nợ có nguy cơ mất vốn cao, ảnh hưởng đến hoạt động và uy tín của chi nhánh.
