Đặtvấnđề
Ngàyvay,ngânhàngđượcxemlàmộtbộphậnhữucơcủanềnkinhtế,điềunàycàngđượcnh ậnthứcrõrànghơnhếttrongbốicảnhdịchbệnhCovid-19đãvàđangcòncó những diễn biến phức tạp trên thế giới và Việt Nam trong thời gian gần đây Sở dĩnhư vậy là vì các hoạt động kinh doanh ngân hàng là những hoạt động “thiết yếu”, đặcbiệt đóng vai trò quan trọng trong việc cung cấp nguồn lực tài chính cũng như hạ tầngthanhtoánchocácgiao dịch trong
Mặc dù mỗi ngân hàng hoặc hệ thống ngân hàng có những thế mạnh khác nhautùythuộcvàochiếnlượcvàđịnhhướnghoạtđộng,nhưngnhìnchungcácngânhàngtạiViệt Nam hiện nay đều chú trọng thực hiện vai trò của một thể chế trung gian tài chínhvới các hoạt động kinh doanh chủ yếu là huy động nguồn tiền gửi và cho vay kháchhàng cá nhân, tổ chức trong nền kinh tế Trong điều kiện dịch bệnh đã và đang còn cónhữngtácđộngphứctạpnhấtđịnh,kếtquảkinhdoanhcủacácngânhàngtạiViệtNamđã đạt được trong năm 2021 được nhận định là khả quan tuy nhiên vẫn cần được xemxét cẩn trọng về tính bền vững, đặc biệt là khi những ảnh hưởng của RRTD có “độ trễ”nhất định so với thời điểm bùng phát dịch bệnh trong những năm vừa qua (Lê Phương,2021).
Bối cảnh nêu trên đòi hỏi các ngân hàng cần đẩy mạnh hơn nữa các hoạt độngQLRRnóichungvàQLRRTDnóiriêng.Mộtcáchcụthể,cácngânhàngcầnxâydựngvà thực hiện lộ trình chuẩn hóa các quy trình và hoạt động QLRRTD chẳng những đápứng được theo chuẩn Basel mà còn phải phù hợp với các điều kiện chuyển đổi số trongcáchoạtđộngngânhàngnóichung(Experian,2021).
Agribank Chi nhánh huyện Phú Giáo Bình Dương được thành lập từ năm 1999,chođếnnaylàmộtđơnvịngânhàngdẫnđầutrênđịabàntrongviệccungứngcácdịchvụngân hàngnóichungvàhoạtđộngchovaykháchhàngnóiriêng.Cụthể,đốivớihoạtđộng cho vay khách hàng cá nhân, dư nợ cho vay không ngừng tăng trưởng (từ 60.153triệu đồng năm 2000 tăng lên 1.999 tỷ đồng cuối năm
2021), chiếm hơn 60% thị phầndưnợchovaykháchhàngcánhâncủa7tổchứctíndụngngânhàngtrênđịabànhuyệnPhúGiáo.Đểđápứngđịnhhướngvềtăngtrưởngtíndụng,côngtácQLRRTDnóichung tạichinhánhcầncósựcảithiệnhơnnữađểmộtmặtphùhợpvớicáctiêuchuẩnQLRRcủaAgirbank, mặtkhácgiúpchinhánhhoạtđộngantoàn,hiệuquảtrêncơsởnhậnbiếtngàycảngđầyđủnhữngrủiro nhằmứngphóngàycàngtốthơnđốivớinhữngthayđổitrong môitrườngkinhtế,xãhộitại địaphương.
Mặc dù chủ đề liên quan đến hoạt động QLRRTD của các ngân hàng là một chủđềhọcthuậtlớntrongđónhiềunghiêncứuđãđượccôngbốcảtạinướcngoàicũngnhưtạiViệtNa mnhưngtrongphạmvicácnghiêncứuliênquan,đặcbiệt làcácnghiêncứutại Việt Nam, hầu hết các nghiên cứu được thực hiện với mục tiêu như tìm hiểu quytrình QLRRTD đối với từng khoản cho vay, nhận biết và đo lường các nhân tố ảnhhưởng đến tính hiệu quả của hoạt động QLRRTD hoặc mối quan hệ giữa hoạt độngQLRRTDvớihiệuquảhoạtđộngcủangânhàngnóichung,kểcảđốivớiAgribankhoặccácchinh ánhcủangânhàngnàynóiriêng.Nhữngvấnđềnghiêncứutrênmặcdùcungcấpthêmhiểubiếtvềho ạtđộngQLRRTDnóichungnhưngítđềcậpđếnkhảnăngkhaithác dữ liệu từ các hệ thống nghiệp vụ ngân hàng lõi (Core Banking Systems) để phụcvụ cho hoạt động QLRRTD xét trên cấp độ tổng thể danh mục cho vay khách hàng tạiđơn vị Bởi vì như các nghiên cứu trước đã chỉ ra, việc giám sát và đánh giá tổng thểdanh mục cho vay thường dẫn đến việc phát hiện các xu hướng rủi ro vốn không thểhiệnrõràngnhưkhigiámsáttừngkhoảnchovayriêngbiệt(Spuchľáková,etal.,2015).
Về mặt pháp lý, công tác QLRRTD tiếp cận từ phương diện tổng thể danh mụccho vay còn là một yêu cầu bắt buộc đối với ngân hàng tại Việt Nam hiện nay Cụ thể,cácngânhàngcầnphảithựchiệncácyêucầusauliênquanđếnviệcđolường,theodõivàkiểms oátrủirotíndụng:(1)Phảisửdụnghệthốngxếphạngtíndụngnộibộ,phươngpháp,mô hình đo lường tổn thấtđể đo lường rủi ro tín dụng, và (2) Phải theo dõi, kiểmsoát rủi ro tín dụng đối với từng khoản cấp tín dụng vàtoàn bộ danh mục cấp tín dụngvà có biện pháp xử lý khichất lượng tín dụng bị suy giảm(NHNN, 2018) Hơn nữa, kểtừsaugiaiđoạnnềnkinhtếchịuảnhhưởngcủadịchbệnhCovid-19nhưtrongcácnăm2020, 2021, chi nhánh huyện Phú Giáo nói riêng và Agribank đã có chủ trương đẩymạnh công tác QLRRTD, đặc biệt là ở cấp độ toàn danh mục cho vay nhằm sớm nhậnbiết những rủi ro tiềm ẩn mà có thể khó phát triển nếu chỉ đơn thuần dựa trên đánh giárủirotừngkhoảnchovaymộtcácriêngbiệt.
Từ những lý do trên, luận văn với tên đề tài là “Phân tích rủi ro danh mục chovay khách hàng cá nhân: Trường hợp nghiên cứu tại Ngân hàng Nông nghiệp vàPháttriểnNôngthônViệtNamChinhánhhuyệnPhúGiáoBìnhDương”đượcthựchiện nhằm góp phần khám phá dữ liệu và công cụ phù hợp trong việc phân tích RRTDdanhmụcchovaykháchhàngcánhântạiđơnvị.Kếtquảnghiêncứudođósẽcungcấpchođơnv ịnóiriêngvàcácđơnvịkháctươngtựnhữnghướngdẫnkhảthivàthiếtthựctrong việc phân tích sự thay đổi của RRTD đối với danh mục cho vay khách hàng cánhân, từ đó giúp đơn vị có những biện pháp ứng phó phù hợp, giảm thiểu rủi ro, nângcaohiệuquảhoạtđộngchovaykháchhàngcũngnhưhiệuquảhoạtđộngchungcủađơnvịchi nhánh ngânhàng.
Mụctiêunghiên cứuvàcâu hỏinghiêncứu
Mụctiêunghiêncứutổngquátcủađềtàilàmôtảvàgiảithíchcáchthứcápdụngquytrìnhphântí chdữliệutừhệthốngthôngtingiaodịchtíndụngcủangânhàngphụcvụ cho việc đo lường RRTD ở cấp độ toàn bộ danh mục cho vay khách hàng cá nhân,đồng thời nghiên cứu cũng nhằm xác định những yếu tố trở ngại đối với việc áp dụngcác công cụ hiện đại trong công tác quản lý rủi ro ở cấp độ toàn bộ danh mục cho vaytại mộtđơnvịchinhánhngânhàng. Đểđạtđượcmụctiêutổngquátnêutrên,đềtàixácđịnhcácmụctiêucụthểnhư sau:
Tổnghợpkhunglýthuyếtliênquanđếnrủirodanhmụcchovayvàcácyếu tốảnhhưởng đếnrủi rodanhmụcchovaycủangânhàngthương mại.
Gợiýcác giảiphápnhằmnângcaohiệuquảcôngtácquảnlýrủirotheodanhmụccho vaykhách hàngcá nhân dựatrênápdụngcáccôngcụphântíchdữ liệu.
Các câu hỏi nghiên cứu được xác lập tương ứng với các mục tiêu nghiên cứu cụthểnhư sau
Câu hỏi nghiên cứu 1: Dựa trên lý thuyết về rủi ro danh mục cho vay thì cónhữngyếutốlýthuyết nào ảnhhưởngđếnrủi rodanhmụccho vaytạicácNHTM?
Câu hỏi nghiên cứu 2: Những yếu tố trở ngại đối với đơn vị chi nhánh ngânhàng trong việc đo lường rủi ro danh mục cho vay khách hàng cá nhân dựa trên dữ liệulàgì?
Đốitượng nghiên cứu
Đối tượng của nghiên cứu này là công tác phân tích định hướng theo dữ liệu đốivới rủi ro tín dụng tiếp cận từ góc độ toàn danh mục cho vay tại một đơn vị chi nhánhngânhàng.
Phạmvinghiên cứuvàthờigian nghiêncứu
Về phạm vi không gian: nghiên cứu chỉ phân tích các dấu hiệu rủi ro danh mụccho vay dựa trên dữ liệu số dư hàng tháng của các khoản cho vay khách hàng cá nhânvà dữ liệu kết quả đánh giá phân loại nợ theo định kỳ hàng quý của các khách hàng cánhân được lưu trữ trong hệ thống giao dịch (Core Banking System) của ngân hàng tạiAgribankChinhánhhuyệnPhúGiáoBìnhDương.Dữliệunghiêncứulàdữliệusơcấpđược thu thập từ hệ thống giao dịch tại Agribank chi nhánh huyện Phú Giáo Bình Dương.Huyện Phú Giáo là một huyện nông nghiệp của tỉnh Bình Dương với hơn 70% dân sốsảnxuấtnôngnghiệp.Cáchộdânvayvốnngânhàngchủyếuđầutưvàosảnxuấtnôngnghiệp trồng cây cao su, mì, cây ăn trái và trang trại chăn nuôi heo, bò, gà… Ngoài ra,như đã đề cập trên, đối với hoạt động cho vay khách hàng cá nhân, dư nợ cho vay củađơn vị chiếm hơn 60% thị phần dư nợ cho vay khách hàng cá nhân của 7 tổ chức tíndụng ngân hàng trên địa bàn huyện Phú Giáo Không gian nghiên cứu như vậy có thểphù hợp với nhiều đơn vị ngân hàng khác trong hệ thống Agribank Do đó, kết quảnghiên cứu cũng khả năng được xem xét và áp dụng một cách phù hợp tại các đơn vịtronghệthốngngânhàngcóquymôcũngnhư bảnchấthoạtđộngtươngtự.
Về phạm vi nội dung: đề tài giới hạn đối với các khoản cho vay khách hàng cánhâncủađơnvịchinhánhngânhàng.LýdolàvớiđơnvịnhưAgribankchinhánhhuyệnPhú Giáo thì hầu hết các cấp tín dụng là dưới hình thức khoảncho vay khách hàng cánhân Khái niệm cho vay được hiểu theo Luật các TCTD 2015 như sau: “Cho vay làmột hình thứccấp tíndụng, theođó ngânhàng giaochokhách hàngmột khoảntiền để sửdụngvàomụcđíchvàthờihạnnhấtđịnhtheothỏathuậnvớinguyêntắccóhoàntrảcảgốcvàlãi.”
Về phạm vi thời gian, các dữ liệu trên được thu thập trong khoảng thời gian từnăm2015đến năm2021.Cóhailý dođểgiớihạnphạmvitrongkhoảngthờigian này:
(1) Giai đoạn này các thông tin liên quan hoạt động cho vay khách hàng cá nhân baogồm cả thông tin về XHTD nội bộ tại đơn vị đã được cập nhật đầy đủ, kịp thời, chínhxác, (2)Khoảngthời giannàybaogồmhaigiaiđoạntrước(2015–2019)vàsau(2020 – 2021) thời gian nền kinh tế chịu ảnh hưởng của dịch bệnh Covid-19 nên phù hợp đểgiúp trả lời câu hỏi nghiên cứu liệu dịch bệnh Covid-19 có ảnh hưởng đến dấu hiệu rủirotíndụngtrongdanhmụcchovaykháchhàngcánhâncủađơnvịchinhánhngânhànghaykhông.
Thờigianthựchiệnnghiêncứutừtháng03/2022đếntháng10/2022baogồmthời gian thu thập, xử lý dữ liệu giao dịch tín dụng và phỏng vấn chuyên gia nội bộ vềnhững yếu tố trở ngại đối với công tác phân tích định hướng theo dữ liệu đối với rủi rodanhmụcchovay.
Phươngphápnghiên cứu
Với mục tiêu nghiên cứu đã đặt ra là mô tả và giải thích cách thức áp dụng cácthủ tục phân tích định hướng theo dữ liệu nhằm nhận biết các đặc điểm về danh mụcchovaykháchhàngcánhâncũngnhưnhữngthayđổivềRRTDởcấpđộtổngthểdanhmục cho vay khách hàng cá nhân tại một đơn vị ngân hàng trước và sau thay đổi củamôitrườngkinhdoanhdoyếutốdịchbệnh,nghiêncứutrongluậnvănnàyápdụngcáchtiếp cận định tính với phương pháp thu thập dữ liệu dựa theo phương pháp nghiên cứutrườnghợpđiểnhình(casestudymethod).
Phương pháp nghiên cứu trường hợp điển hình là một trong các phương phápnghiên cứu theo cách tiếp cận định tính, nó cho phép nhà nghiên cứu khám phá, mô tả,giảithíchvàquađócóđượchiểubiếtsâusắcvềmộtthựcthể(quytrình,doanhnghiệp,tổchức )ph ứctạp,đặcbiệtlàđốivớicácquytrìnhhoặchoạtđộngcòntronggiaiđoạnchưa được áp dụng phổ biến Với phương pháp nghiên cứu trường hợp điển hình, nhànghiêncứucóthểkếthợpphântíchdựatrêndữliệuđịnhlượngcũngnhưđịnhtính,nhờđónghiênc ứutrườnghợpđiểnhìnhcóthểgiúpgiảithíchcảquátrìnhvàkếtquảcủa một hiện tượng thông qua quan sát, tái tạo và phân tích đầy đủ các trường hợp đangđượctìmhiểu(Zainal,2007).
Do các dữ liệu thu thập trong trường hợp nghiên cứu điển hình này là dữ liệuđịnh lượng (dữ liệu liên quan danh mục cho vay khách hàng cá nhân), nên nghiên cứuápdụngcáckỹthuậtphântíchđịnhlượngnhư sau:
EDA).Vềcơbảnkỹthuậtphântíchkhámphádữliệu(Giudici,2003)nhằmtómtắtđặcđiểmcủatậpdữ liệudựa trên các loại phân tích thống kê bao gồm phân tích đơn biến (xu hướng trung tâm,xu hướng phân tán và phân phối ), phân tích nhị biến (tương quan) và phân tích xuhướngnhằmkhámpháđặc điểmcủadanhmục cho vaykháchhàng cá nhân.
Phântíchtheonhóm(CohortAnalysis).Đâylàmộtkỹthuậtphântíchhànhvicủamộtnhó mđốitượngbằngcáchchiadữliệutrongtậpdữliệuthànhcácnhómcóliênquantrướckhiphântíchsựtha yđổitheothờigiancủamộtđặcđiểmnghiêncứuđốivớinhóm (Yang & Land, 2018) Phân tích theo nhóm được áp dụng trong nghiên cứu nàynhằmmôtảvàgiảithíchcáchthứcphântíchdữliệunhằmđolườngsựthayđổicủacácđặc điểm ảnh hưởng đến RRTD ở cấp độ tổng thể danh mục cho vay khách hàng trongmộtkhoảngthờigiannghiêncứu.Dựatrênhiểubiếtnày,đơnvịngânhàngcóthểthíchứng và điều chỉnh hoạt động cho vay của mình cho phù hợp với các nhóm cụ thể đó(Siarka,2011).
PhântíchmatrậnchuyểnđổiXHTD(CreditTransitionMatrixAnalysis).Đâylàkỹthuậtp hântíchđốivớidanhmụcchovaynhằmgiúpđolườngxácsuất(khảnăng)chuyển đổi đối với mức xếp hạng rủi ro tín dụng trong những khoảng thời gian thườnglà hàng quý hoặc năm và là một trong những công cụ quan trọng nhất mà nhà quản lýrủirotíndụngxửlýđểdựđoánxácsuấtvỡnợ(ProbabilityofDefault-PD)
Nhữngđóng góp củanghiên cứu
Mặcdùcónhữngđónggópnhấtđịnhtrênphươngdiệnkhoahọc,kếtquảnghiêncứucủaluậnv ănchủyếucungcấpnhữngđónggóptrênphươngdiệnthựctiễnnhưsau:Thứnhất,kếtquảnghiêncứucungcấpcáchthứcthựchiệnphântíchđịnhhướngtheo dữ liệu đối với rủi ro tín dụng ở cấp độ toàn bộ danh mục cho vay tại một đơn vịchinhánhngân hàng.
Thứ hai, kết quả nghiên cứu của luận văn này giúp gợi ý những giải pháp nhằmnângcaohiệuquảcôngtácphântíchđịnhhướngtheodữliệuđốivớirủirotíndụngtạimột đơn vị chi nhánh ngân hàng, qua đó giúp nâng cao hiệu quả công tác quản lý rủi rotíndụngnóiriêngvàhiệuquảhoạt độngnóichungcủacácđơnvịngânhàng.
Kếtcấucủaluậnvăn
Cácnghiêncứucủanướcngoài
1990 Một cách khái quát, những nghiên cứu này có thể được chia thànhhai dòng nghiên cứu chủ yếu: (1) các nghiên cứu lý thuyết về mô hình đo lường RRTDdanh mục cho vay của ngân hàng Các nghiên cứu này có đặc điểm chung là gắn chặtchẽ với các mô hình lý thuyết toán, xác suất thống kê phức tạp, và (2) các nghiên cứuứng dụng dựa trên thực nghiệm về các dấu hiệu nhận biết RRTD danh mục cho vaykhách hàng, mối quan hệ giữa RRTD theo danh mục cho vay với hiệu quả hoạt độngcủa ngân hàng, và khả năng áp dụng các công cụ trong QLRRTD danh mục cho vaykháchhàng.
1.1.1 Cácnghiên cứu lý thuyết về các mô hình đo lường RRTD danh mục chovay
Wilson(1998)làmộttrongnhữngnghiêncứusớmđềxuấtmôhìnhrủirohệthống(Systemic Risk Model) để đo lường RRTD theo danh mục cho vay của các ngân hàng.Để thực hiện, trước hết cần xác định “tình trạng” (suy giảm, tăng trưởng,…) của môitrường kinh tế vĩ mô mà ngân hàng đang hoạt động trong đó, sau đó xác định xác suấtvỡ nợ có điều kiện theo ngành kinh doanh dựa trên tình trạng của nền kinh tế vĩ mô, vàcuối cùng là xác định phân phối tổn thất cho các khách hàng thuộc danh mục cho vaytheotừngngànhkinhdoanh haymụcđíchsửdụngvốncủakháchhàngvay(Hình1-1).
Cũng theo dòng nghiên cứu này, Siarka (2011) cung cấp một nghiên cứu tổngquan về công cụ phân tích cổ điển (vintage analysis) danh mục cho vay khách hàng.Phân tích cổ điển về cơ bản là thiết lập một ma trận các chỉ tiêu cấu thành tổng dư nợcho vay khách hàng tại thời điểm giải ngân và phân tích sự thay đổi của các chỉ tiêu đótheo thời gian Bản chất của phân tích này là việc trình bày một mức rủi ro danh mụcnhất định trong đó danh mục đầu tư được nhóm theo hai đặc điểm: (1) Đặc điểm đầutiên, cái gọi là bất biến, là một thuộc tính của người đi vay hoặc người cho vay, mà giátrị của nó được biết đến tại thời điểm cho vay và không đổi trong hệ thống ngân hàng,và (2) Đặc điểm thứ hai là một chỉ báo về rủi ro Đối với lĩnh vực tài chính tiêu dùng,chỉtiêurủirothườngđượcxácđịnhbằngsốngàychậmtrảnợ.Tínhnăngcuốicùngnàytạo thành cơ sở để phân nhóm các khoản vay, từ đó thiết lập các cột của bảng (Hình 1-2).
Hình 1-2 Minh họa bảng phân tích cổ điển (cohort/vintage analysis)
Mục đích chính của phân tích cổ điển là trình bày sự phát triển rủi ro tín dụngcủamộtdanhmụcđầutưnhấtđịnhđểchophéptheodõixuhướngpháttriểnvàdựđoánthêm về nó.
Do đó, phân tích không chỉ cung cấp thông tin hiện tại mà còn cung cấpthông tin lịch sử, cho phép xây dựng các dự báo dựa trên các mô hình của chuỗi thờigian.Mộtđặcđiểmquantrọngcủacácmôhìnhthốngkêđượcápdụnglàkhảnăngphântíchsosánhm ứcđộrủirođốivớicácgiátrịkhácnhaucủacácđặcđiểmcụthểcủamộtkhoảnvayhoặc ngườiđivay. Mộtsốứngdụngphổbiếncủaphântíchcổđiểnnhưlà:
Sosánh mứcđộrủiro trongcáctháng/quý/nămcụthể;
Phân tích ảnh hưởng của các thay đổi chính sách rủi ro nội bộ đối với rủi rodanhmục đầutư;
Dự báo mức độ rủi ro trong tương lai (sử dụng như một hệ thống cảnh báosớm).
Agarana, et al (2014) dựa trên lý thuyết của ngành vận trù học về hàm mục tiêuđể đề xuất mô hình nhằm tối ưu hóa danh mục cho vay của ngân hàng Các tác giả đãxây dựng mô hình để ra quyết định cho vay tối ưu (giảm thiểu rủi ro) dựa trên các biếnphụthuộcgồmthờihạnchovay,mụcđíchsửdụngvốnvay,cáctỷlệnợquáhạnvànợxấudựatrênphântíchtheonhóm(cohortan alysis),cơcấudưnợtheochinhánhgiao dịch trong một hệ thống ngân hàng… Hàm mục tiêu được xây dựng dựa trên các ràngbuộc về thanh khoản dựa trên nhận tiền gửi, nợ xấu, cơ cấu danh mục cho vay theo cáctiêuchíkhácnhauvàđượckiểmđịnhdựatrêndữliệutừmộtngânhàngtạiNigeria.Kếtquả nghiên cứu đã gợi ý những khoản cho vay quá mức đối với sản phẩm cho vay muanhà dài hạn, do đó cần phải tăng cường giám sát rủi ro nhằm giảm thiểu rủi ro cho tổngthểdanhmụcchovaycủa ngân hàng.
Theodòngnghiêncứunày,Rosenberg(1999) chỉratầmquantrọngvàcungcấphướng dẫn cụ thể về các chỉ số đo lường RRTD danh mục cho vay khách hàng cá nhânđối với các tổ chức tài chính vi mô Theo tác giả, các tổ chức tài chính vi mô cũng nhưcác ngân hàng nói chung có thể và cần vận dụng hiệu quả các loại chỉ số giúp đo lườngvề nợ trễ hạn (delinqency rate) bao gồm: tỷ lệ thu hồi nợ đúng hạn, tỷ lệ thu hồi nợ quáhạn và các tỷ lệ rủi ro đối với toàn bộ danh mục cho vay Trong số các chi số trên, nghiêncứu này khuyến nghị các tổ chức cho vay nên chú trọng áp dụng một cách đúng đắn tỷlệthuhồinợđúnghạnphânchiatheocácnhómkhácnhau,phảnánhmứcđộthànhcôngtrong việc thu hồi các khoản trả nợ khi chúng đến hạn lần đầu Tuy vậy, Rosenberg(1999)cũngkhuyếnnghịcáctổchứcchovaykhôngnênápdụngmáymócmàcầnxemxét, điều chỉnh và vận dụng nhiều loại chỉ số khác nhau một cách phù hợp nhằm đolường hiệu quả về mức độ RRTD cấp độ danh mục cho vay tùy thuộc vào mục tiêu vàđiềukiệnhoạtđộngcủa mình.
Hauswald&Marquez(2004)chỉrađểthựchiệnhaitrongbatrụcột(pillars)củaBasel II là xác nhận giám sát các phương pháp đánh giá rủi ro của ngân hàng và côngbố thông tin công khai và kỷ luật thị trường, các cơ quan quản lý ngân hàng của cácquốc gia cần thực hiện tốt vai trò thúc đẩy ứng dụng tiến bộ công nghệ trong QLRRTDcả ở cấp độ giao dịch cũng như danh mục cho vay tại các ngân hàng Nghiên cứu nàykhuyến nghị cơ quan chức năng cần định hướng công nghệ sử dụng đồng thời thiết lậpcơchếcôngnhậnvàchiasẻgiảiphápcôngnghệtrongQLRRTDnóichungtạicácngânhàng Việc chia sẻ này không nên đặt từ góc độ cạnh tranh trong hoạt động giữa cácngânhàng,mànênxemxéttừ gócđộantoàn hoạtđộng của hệthốngngânhàng.
Balás (2009) nhận định rằng việc trích lập dự phòng rủi ro cho vay liên tục doảnh hưởng của suy thoái kinh tế làm giảm lợi nhuận của các ngân hàng, nên ngân hàngngày càng chú trọng đến các chỉ số chất lượng danh mục cho vay Nghiên cứu này đãkhái quát các chỉ số chất lượng danh mục cho vay bao gồm: (1) Tỷ lệ nợ xấu hoặc tỷ lệnợ quá hạn, (2) Tỷ lệ phân loại nhóm nợ và (3) Tỷ lệ chi phí tổn thất dự kiến (trích lậpdựphòngRRTD).KếtquảnghiêncứunàychothấytheothựctiễncủaHungary,chiphítríchlậpdự phòngtrên tổngdưnợbìnhquânđượccoilàchỉtiêuquan trọngnhất,vìnócómốiquanhệchặt chẽnhấtvớiRRTD (tổnthấtchovay)củadanh mụcchovay.
Skridulytė & Freitakas (2012) nhận định rằng RRTD đối với danh mục cho vaycủacácngânhàngngàycànggiatăngdonhữngthayđổinhanhchóngtrongmôitrườngkinhdoan hcũngnhưnhucầu,hànhvicủakháchhàng.Theokếtquảnghiêncứu,RRTDđối với danh mục cho vay khách hàng thường có nguồn gốc từ rủi ro tập trung tín dụng(credit concentration risk) quá mức, chẳng hạn, từ việc phân bổ tín dụng không đồngđều giữa các lĩnh vực hoặc cung cấp các khoản vay lớn cho khách hàng vay cá nhân.Nghiêncứunàyđãtổngkếtnguyênnhânvàcácphươngphápđượcápdụngđểđolườngrủi ro tập trung tín dụng trong một danh mục cho vay của ngân hàng (Hình 1-3) Mộtkết quả khác của nghiên cứu cũng chỉ ra sự thay đổi trong mức độ tập trung của danhmục cho vay theo ngành kinh tế của các ngân hàng Lithuania giai đoạn 2004 – 2010,theo đó trong giai đoạn tín dụng tăng trưởng nhanh thì danh mục cho vay của các ngânhàngcókhuynhhướngtậptrunghơn.
NghiêncứucủaGavalas&Syriopoulos(2014)cungcấpbằngchứngthựcnghiệmcho mối liên hệ năng động giữa sự vận động của các yếu tố kinh tế vĩ mô theo chu kỳkinhtếvớisựthayđổitrongRRTDcủacácngânhàngtạiPháp.DựatrêndữliệuXHTDnội bộ của các ngân hàng, các tác giả đã sử dụng mô hình DTML (discrete-timemaximum likelihood) để kiểm định mối tương quan giữa thay đổi trong XHTD nội bộcủangânhàngvàcácyếutốkinhtếvĩmôbaogồmGDP,tỷlệlạmphát,tỷlệthấtnghiệpnhằm phản ánh các trạng thái khác nhau của nền kinh tế thực Hàm ý từ kết quả nghiêncứu này củng cố nhận thức về tầm quan trọng của chất lượng của hệ thống
XHTD nộibộcủacácngânhàng,đồngthờikhuyếnnghị cácngânhàngcầncảithiệncácđiềukiệnvềnguồnlựcconngườivàcôngnghệ(dữliệu)nhằmkhaith áchiệuquảcáccôngcụmatrậnchuyểnđổixếphạngtrongcôngtácQLRRTD.Cácpháthiệnthựcnghiệmt ừnghiêncứu rất hữu ích và quan trọng để các ngân hàng tuân thủ các hướng dẫn của Basel liênquanđếncácyêucầuvềvốnvàtàisảncótrọngsốrủiro trongdanh mụcchovay.
Spuchľáková, et al (2015) hệ thống các nghiên cứu liên quan và chỉ ra rằng đểQLRR hiệu quả, ngân hàng cần chú trọng vào cả các yếu tố bên ngoài và bên trong cóảnhhưởngđếnrủirotíndụngcủadanhmụcđầutưcủangânhàng.Cácyếutốbênngoàilàtìnhtrạngc ủanềnkinhtế,sựbiếnđộnglớncủagiáhànghóa/vốncổphần,tỷgiáhốiđoái vàlãisuất, cáchạn chếthươngmại, trừngphạt kinhtế,chínhsáchcủaChính phủ, v.v.Cácyếutốbêntrongbaogồmhạnmứctậptrungtíndụng,hạnmứcchovayđược xác định không đầy đủ đối với cán bộ tín dụng/Hội đồng tín dụng, thiếu sót trong thẩmđịnh tình hình tài chính của người đi vay, phụ thuộc quá nhiều vào tài sản thế chấp vàđịnhgiárủirokhôngphùhợp,khôngcócơchếđánhgiákhoảnvayvàgiámsátsaukhigiảingân,v. v.Nghiêncứugợiýcácbiệnphápgiámsáttíndụngdựatrêncảhaicấpđộ:cấpđộtừngkhoảnchovayv àcấpđộtoànbộdanhmụcchovay.Ởcấpđộtoànbộdanhmụcchovay,ngânhàngnhìnchungcầnthự chiệngiảmtậptrungchovaygiữavàtrongnộibộcácnhómchovaykháchhàngtổchức,chovaykháchh àngcánhân,chovaykinhdoanh bất động sản Nghiên cứu gợi ý các xu hướng mà ngân hàng cần phận tích, đánhgiáởcấpđộtoàndanhmụcchovaylà(1)tỷlệtàisảnbịtổnthấtsovớitổngtàisản,
(2)phânloạirủiro,theosốlượngkháchhàngtrongmỗinhómvàtheogiátrịcủacáckhoảntíndụngtrong mỗinhóm(xếphạngrủirotrungbìnhcótrọngsố),(3)xuhướngtậptrung
- theo ngành và phân bố địa lý, (4) tỷ các khoản cho vay đã được cơ cấu lại thời hạn sovớitổngsốdưcáckhoảnvay,(5)cáctrườnghợpngoạilệ,vàcácthôngtinkháccóliênquanv.v.McKinsey & Company (2020) phân tích các ảnh hưởng của dịch bệnh Covid-19đối với công tác quản lý rủi ro tín dụng của các ngân hàng Báo cáo nghiên cứu nàykhuyến nghị rằng trong một bối cảnh hoạt động thay đổi nhanh và khó lường như hiệnnay, công tác QLRRTD của các ngân hàng cần được tái tổ chức nhằm khai thác tối đadữ liệu từ hệ thống giao dịch giúp tăng cường hiện quả của công tác QLRR tín dụng tạiđơnvị.
CácnghiêncứutạiViệtNam
Các nghiên cứu được công bố tại Việt Nam về QLRRTD của các ngân hàng tạiViệt Nam cho đến nay hầu hết đều liên quan đến các vấn đề liên quan quy trìnhQLRRTD như thực trạng quy trình QLRRTD, hệ thống chấm điểm XHTD nội bộ hoặcđo lường các yếu tố ảnh hưởng đến tính hiệu quả của hoạt động QLRRTD hoặc chấtlượng tín dụng Tuy nhiên, những nghiên cứu gần đây đã cho thấy chủ đề về QLRRTDở cấp độ danh mục cho vay đã bắt đầu được chú ý, nhưng hầu hết các nghiên cứu chỉdừnglạiởmứcđộphântích,tổngkếtthựctrạngvàgợiýnhữngđịnhhướng.Sauđâylàcácnghiênc ứucóliênquanđãđượccôngbốtrongnhữngnămgầnđây.
MBBankphânloạitheonhómnợvàkỳhạnchovaytronggiaiđoạn2010–2013.Cùngvới thông tin dư nợ, nghiên cứu cũng thống kê mức dự phòng trích lập, sử dụng trongcác năm cũng như tỷ lệ dự phòng và tỷ lệ nợ xấu của MBBBank trong giai đoạn nêutrên Nghiên cứu nhận định mặc dù có nhiều cải thiện nhưng công tác QLRRTD tạiMBBankvẫncònnhiềuhạnchếđặcbiệttrongnhậndiệnvàđolườngRRTD.Ngoàira,quy trình QLRRTD về cơ bản vẫn tập trung vào QLRR ở cấp độ giao dịch hơn là xemxét tổng thể, chưa tận dụng những thế mạnh của ngân hàng về công nghệ trong hoạtđộngQLRRTD.
NguyễnThịKimNhung&ctg.(2017)kháiquátnguyênnhândẫnđếnRRTDvàcác chỉ tiêu để đánh giá RRTD ở cấp độ tổng thể danh mục cho vay khách hàngbaogồm (1) Tỷ lệ nợ quá hạn, (2)Tỷ lệ nợ xấu, Tỷ lệ nợ xấu theo nhóm nợ, Tỷ lệ nợxấutrênvốnchủsởhữu,Tỷlệnợxấutrênquỹdựphòngtổnthấtvà(3)Dựphòngrủirotíndụn g.Nghiêncứucũngkháiquáthainhómbiệnphápmàcácngânhàngcóthểxem xét áp dụng trong phòng ngừa RRTD (thiết lập chính sách tín dụng phù hợp, phântích tín dụng và thẩm định dự án đầu tư, XHTD, bảo đảm tín dụng, mua bảo hiểm tíndụng)cũngnhư xử lý RRTD(biệnphápkhaithác,thanhlý,bán nợ, xóanợ).
NguyễnThịThuPhương&TrầnThịLanHương(2019)nêucácnguyêntắctrongđánh giá RRTD trong hoạt động cho vay tại các ngân hàng, bao gồm hai hoạt động chủyếulànhậndiệnRRTDvàphântíchRRTDtheokhảnăngxảyravàmứcđộảnhhưởng.Nghiêncứuđã môtảthựctiễncáckhâutrongquytrìnhQLRRTDtạimộtchinhánhcủangânhàng.Kếtquảnghiêncứu chothấyxétởcấpđộchinhánhcủamộtngânhàng,việcnhận diện và đánh giá RRTD chủ yếu tập trung đánh giá ở cấp độ khoản mục cho vayhơnlàtổngthểdanhmục chovay(phát sinh tạichinhánh).
Nguyễn Thùy Dương & Nguyễn Bích Ngân (2020) thu thập kết quả khảo sát trêncơ sở chọn mẫu 16 ngân hàng thương mại về phương pháp nhận diện, đánh giáRRTDdanhmụcchovay.Kếtquảkhảosátchothấyviệcsửdụngcácphươngpháphiệnđạiđểnhận diện rủi ro tín dụng trên danh mục cho vay thông qua đánh giá chất lượng danhmụcchovaytrongquákhứnhưphântíchchuyểnđổiXHTD(Migrationanalysis),phântích cổ điển(Vintage analysis)… được áp dụng rất hạn chế tại các ngân hàng Dựa trênkếtquảkhảosát,nghiêncứunàyđãnêubakhuyếnnghịchonhằmhoànthiệnnhậndiệnrủirodanh mụcchovaytại các ngânhàngthươngmạitại Việt Nam:(1)cần có lộtrình nhanh chóng xây dựng và vận dụng thực tiễn hệ thống cảnh báo sớm trong quản lý rủiro danh mục cho vay, (2) cần hoàn thiện hệ thống cảnh báo sớm theo hướng đa dạnghơn các chỉ số dùng trong cảnh báo sớm RRTD, và (3) cần thúc đẩy việc sử dụng cácmô hình, phương pháp thống kê theo hướng hiện đại như phân tích chuyển đổi XHTD(Migrationanalysis),phântíchcổđiển(Vintageanalysis)… thôngquađầutưnguồnlựcđểnângcaotrìnhđộcôngnghệvàđàotạonhânsựcótrìnhđộphântíchvàsửd ụngphầnmềm.
Le & Diep (2020) áp dụng phương pháp GMM để phân tích mối quan hệ giữamứcđộtậptrungvàrủirotíndụngcủacácngânhàngtạiViệtNamtronggiaiđoạn2011
- 2016 Kết quả nghiên cứu này cho thấy việc cho vay tập trung có thể làm giảm rủi rotín dụng (được đo lường bằng tỷ lệ nợ xấu và tỷ lệ dự phòng trích lập) Kết quả nghiêncứu cũng cho thấy danh mục cho vay của các ngân hàng thương mại Việt Nam trungbình có mức độ đa dạng cao hơn trên các lĩnh vực khác nhau Đặc biệt, việc tăng chovay nhà hàng khách sạn góp phần giảm rủi ro tín dụng trong khi danh mục cho vay củacácngânhàng trong lĩnhvực nôngnghiệp,điện,gas,nướclàmtăngrủirotíndụng.
NguyễnThịTràMy(2021)phântíchdựatrêndữliệuhoạtđộngtíndụngcủachinhánh ngân hàng trong ba năm 2017 – 2019 qua đó nêu lên những điểm mạnh và điểmyếu trong QLRRTD tại đơn vị nghiên cứu Các chỉ tiêu được sử dụng để phân tích baogồm tỷ lệ nợ quá hạn, tỷ lệ nợ xấu, tỷ lệ nợ có khả năng mất vốn, vòng quay vốn tíndụng và hệ số thu nợ Nghiên cứu đã chỉ ra điểm yếu trong công tác QLRRTD tại chinhánhlàchưathực hiệnQLRRTD ởcấpđộtổngthểdanhmụcchovaykháchhàng. ĐàoVănChung(2021)tổngkếtthựctrạngcôngtácQLRRTDtạicácngânhàngtại Việt Nam và đề xuất giải pháp cho các ngân hàng chú trọng xây dựng và áp dụng hệthốngXHTDnộibộnhằmđolườngrủirogiaodịchtíndụng,trongđóhệthốngXHTDnộibộcủac ácngânhàngcầnđượccấutrúcriêngbiệtđốivớibanhómđốitượngkháchhàng chính, bao gồm: Nhóm khách hàng doanh nghiệp (doanh nghiệp thông thường,doanh nghiệp mới thành lập, doanh nghiệp tiềm năng), nhóm khách hàng cá nhân/hộkinh doanh và nhóm khách hàng là định chế tài chính. Đồng thời hệ thống XHTD nộibộcầnhướngđếngiúpngânhàngđolườngrủirogiaodịchcũngnhư đánhgiáđượcrủirodanhmụctổngthể.Nghiêncứunàycũngchothấynguồnnhânlựccũngnhưhệthố nghỗtrợvềcôngnghệhiệnhữuchưađápứngđượccácyêucầuvềQLRRTDvàdođócác ngânhàngcầnđầutưpháttriểnhệthốngcũngnhưnângcaochấtlượngnguồnnhânlựcthôngquacách oạtđộngđàotạophùhợp.
Nguyễn Quốc Huy (2021) nghiên cứu trường hợp về thực trạng công QLRRTDtại một chi nhánh ngân hàng, theo đó tác giả cho thấy công tác QLRR trong hoạt độngtín dụng tại cấp độ chi nhánh của một trong những ngân hàng lớn nhất Việt Nam vẫnchủyếudựatrênquytrìnhthủcôngvàtậptrungphầnlớnchocôngQLRRTDtheotừngkhoảncho vaythayvìởcấpđộtoàndanhmụcchovaycủachinhánh.Tácgiảcũngchỉra những hạn chế trong hệ thống thông tin của ngân hàng đối với việc cung cấp dữ liệuchínhxác,kịpthời,đầyđủnhằmphục vụchocôngtácQLRRTDtại chinhánh.
PhạmHùngCường&NguyễnVănThành(2022)phântíchthựctrạngdanhmụccho vay bán lẻ tại một chi nhánh ngân hàng giai đoạn 2018 – 2020 theo nhiều tiêu chíkhácnhaunhưloạikỳhạn,loạiđốitượngkháchhàng,ngànhkinhtế(thểhiệnmụcđíchsửdụngvố nvay), mức độđảmbảotiềnvay.TươngtựnhưNguyễnThịThuPhương&Trần Thị Lan Hương (2019), kết quả nghiên cứu này cho thấy QLRRTD tại đơn vị chinhánh ngân hàng cũng chỉ mới thực hiện ở cấp độ giao dịch hay khách hàng riêng lẻ.ChinhánhhiệnchưađượcyêucầuhoặcđượctrangbịcáccôngcụhỗtrợQLRRTDtổngthểdanhmục chovay.
Kếtquảđạtđượccủacácnghiên cứutrướcvàkhoảngtrống nghiên cứu
Cácnghiêncứutrước,chủyếulàcácnghiêncứucủanướcngoài,đãchothấyrằngvấnđềquảnlý nóichungvàđolườngRRTDởcấpđộtoàndanhmụcchovaycủangânhàngnóiriênglànhữngnghiê ncứurấtphongphútrêncảphươngdiệnvềsốlượngcũngnhưvềnộidung,baogồmcảcácmôhìnhlýth uyết,thốngkêcũngnhưnghiêncứuthựcnghiệm Các nghiên cứu của nước ngoài cũng chỉ ra rằng, điều kiện cần để các ngânhàng đáp ứng các yêu cầu về QLRRTD theo các tiêu chuẩn của Ủy ban Basel là cácngân hàng cần đẩy mạnh phát triển hệ thống thông tin, xây dựng những kho dữ liệu vàphát triển đội ngũ cán bộ có năng lực mô hình hóa dựa trên phân tích, thống kê địnhhướng theo dữ liệu nhằm giúp đề xuất các mô hình đo lường RRTD phù hợp nhất vớiđiều kiện hoạt động ngân hàng Còn tại Việt Nam, như đã đề cập trên, các nghiên cứuvềQLRRTDở cấp độdanhmụcchovayhầuhết đều chỉcótính định hướng, vẫnchưa chỉrađượccácđơnvị,đặcbiệtlàởcấpđộchinhánh,cóthểlàmgìvàlàmnhưthếnào.Do vậy, nghiên cứu này được thực hiện nhằm cung cấp một trường hợp điển hình, quađó gợi ý những nội dung mà các chi nhánh ngân hàng có thể xem xét thực hiện trongcôngtácQLRRTDtạiđơnvị.phùhợpvớinhữngtiếnbộvềcôngnghệcũngnhưnhữngyêu cầucủangành ngânhànghiện nayvềcôngtác QLRRTD.
Chương1trìnhbàytổngquancácnghiêncứutrướccủanướcngoàivàViệtNamcó liên quan đến chủ đề quản lý RRTT ơ cấp độ toàn danh mục cho vay của một ngânhàng.Kếtquảlượckhảochothấychủđề nàyđãđượcchútrọngtrongcácnghiên cứuởnước ngoài, đặc biệt từ sau khi có yêu cầu áp dụng các tiêu chuẩn của Ủy banBasel II,IIItừnhữngnăm2005chođếnnay.Cácnghiêncứugầnđâycókhuynhhướngtậptrungcác mô hình dựa trên lý thuyết thống kê và phân tích dữ liệu nhằm giúp giải quyết vấnđềthenchốtnhấtđóchínhlàđolườngRRTDcủadanhmụcchovay.TạiViệtNam,chủđề này mới chỉ thu hút các nghiên cứu trong những năm gần đây, tuy nhiên hầu hết kếtquảnghiêncứuđềucòndướidạngcácđịnh hướng.
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG
Mộtsốkháiniệm
Mặc dù theo nghĩa rộng, khái niệm “rủi ro” có thể được định nghĩa như là khảnăng không chắc chắn đạt được mục tiêu, kể cả theo hướng tích cực hoặc tiêu cực, nhưngxét từ góc độ tài chính, “rủi ro” thường chỉ được hiểu theo nghĩa hẹp, theo đó rủi ro là“sự không chắc chắn” có thể gây ra hậu quả bất lợi cho kết quả kinh doanh của doanhnghiệp (Bessis, 2015) Trong bối cảnh của hoạt động ngân hàng, RRTD có thể có mộtsốcách diễnđạtnhư sau:
RRTD là khả năng một bên vay ngân hàng hoặc một bên đối tác sẽ không đápứngcácnghĩavụcủamìnhtheo cácđiều khoảnđãthỏathuận(BCBS,2000).
RRTDhoặc rủi ro vỡ nợ liên quan đến việc khách hàng hoặc đối tác không cókhả năng hoặc không sẵn lòng đáp ứng các cam kết liên quan đến cho vay, giaodịch,phòngngừarủiro,thanhtoánvàcácgiaodịchtàichínhkhác.RRTDthườngbaogồmrủi rogiaodịchhoặcrủirovỡnợvàrủirodanhmụcđầutư.Rủirodanhmục đầu tư lần lượt bao gồm rủi ro nội tại và rủi ro tập trung (Spuchľáková, etal.,2015).
RRTD là rủi ro tổn thất của bên cho vay do bên có nghĩa vụ không có khả năngđápứngcácnghĩavụcủamình(Bessis,2015).
RRTD bao gồm (1) rủi ro do khách hàng không thực hiện hoặc không có khảnăng thực hiện một phần hoặc toàn bộ nghĩa vụ trả nợ theo hợp đồng hoặc thỏathuậnvớingânhàng,và(2)rủirodođốitáckhôngthựchiệnhoặckhôngcókhảnăng thực hiện một phần hoặc toàn bộ nghĩa vụ thanh toán trước hoặc khi đếnhạncủacácgiaodịchvớingânhàng(NHNN,2018).
Với mục tiêu của nghiên cứu này, RRTD được định nghĩa là “rủi ro do kháchhàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩavụ trả nợ theo hợp đồng hoặc thỏa thuận với ngân hàng” RRTD do vậy sẽ có thể dẫnđến những tổn thất tiềm ẩn cho ngân hàng bao gồm cả gốc và lãi bị mất và chi phí thunợtănglên.Tổnthấtcóthểlàmộtphầnkhingườichovaycókhảnăngthuhồimộtphần sốdưnợquáhạn.Hoặc,trongmộttìnhhuốngxấuhơnhơn,chấtlượngtíndụngcủađốitác có thể xấu đi khiến khoản vay ngày càng trở nên rủi ro hơn và dẫn đến tổn thất toànbộ.
Xét từ góc độ của hoạt động QLRR, RRTD có thể được phân loại thành hai loạihoặchai cấpđộnhưsau (NguyễnVănTiến,2013):
Rủi ro giao dịch: Là rủi ro có nguồn gốc từ những hạn chế trong quá trìnhgiao dịch và xét duyệt cho vay, đánh giá khách hàng Rủi ro giao dịch có babộphận: o (1)Rủirolựachọnlàrủiroliênquanđếnquátrìnhđánhgiáphântíchtín dụng khi ngân hàng lựa chọn phương án vay vốn có hiệu quả để raquyếtđịnhchovay; o (2) Rủi ro bảo đảm phát sinh từ các tiêu chuẩn đảm bảo như các điềukhoảntronghợpđồngchovay,cácloạiTSBĐ,chủthểđảmbảo,cáchthứ đảmbảovàmứcchovaytrêntrịgiácủaTSBĐ;và o (3)Rủironghiệpvụlàrủiroliênquanđếncôngtácquảnlýkhoảnvayvà hoạt động cho vay, bao gồm cả việc sử dụng hệ thống xếp hạng rủiroxếphạngrủirovàkỹthuậtxử lýcáckhoảnchovaycóvấnđề.
Rủi ro danh mục: Là rủi ro từ những hạn chế trong quản lý danh mục chovaycủangânhàng,baogồmhailoạilà o (1) Rủi ro nội tại: Xuất phát từ các yếu tố, đặc điểm riêng có, mangtínhriêngbiệtbêntrongmỗichủthểđivayhoặcngành,lĩnhvựckinhtế.N óxuấtpháttừđặcđiểmhoạtđộnghoặcđặcđiểmsửdụngvốncủakháchhàngvay;và o (2) Rủi ro tập trung: Khi ngân hàng tập trung vốn cho vay quá nhiềuđốivớimộtsốkháchhàng;chovayquánhiềudoanhnghiệphoạtđộngtrong cùng một ngành, lĩnh vực kinh tế, hoặc trong cùng một vùng vịtrí địa lý nhất định, cùng một loại hình cho vay có rủi ro cao BCBS(2006a) định nghĩa rủi ro tập trung là "bất kỳ rủi ro đơn lẻ hoặc nhómrủironàocókhảnănggâyratổnthấtđủlớn(liênquanđếnvốn,tổngtàisản hoặcmứcđộrủirotổngthểcủangânhàng)đểđedọasứckhỏehoặckhảnăngduytr ìhoạtđộng cốtlõicủangânhàng".
Do ảnh hưởng đáng kể của thu nhập lãi trong tổng thể thu nhập của ngân hàng,RRTD nhìn chung luôn được coi là loại rủi ro có ảnh hưởng lớn nhất đối với các ngânhàng, đặc biệt là các ngân hàng hoạt động theo mô hình ngân hàng bán lẻ Để đảm bảochongânhànghoạtđộngantoànvàlànhmạnh,cáccơquanchứcnăngthườngbanhànhkhuôn khổ pháp lý theo đó yêu cầu các ngân hàng phải tuân thủ đầy đủ trong việc duytrì một hệ thống QLRRTD hiệu quả bao gồm các hoạt động nhận diện, đo lường, kiểmsoát,giámsátvàdựphòngrủirocũngnhưđảmbảoduytrìvốnphùhợpvớimứcđộrủirocủa tài sảnchovaykháchhàng(BCBS,2000;NHNN,2018).
TrongquytrìnhQLRRTDnóitrên,đolườngRRTDđượcxemlàmộtkhâuquancóvaitròtrọ ngnhất.SởdĩnhưvậylàvìđolườngRRTDlàlượnghóakhảnăngtổnthấtvà mức độ tổn thất trong hoạt động cho vay khách hàng mà ngân hàng có thể gặp phảitrongmộtkhoảngthờigiannhấtđịnh(BCBS,2000).Kếtquảđolườnghayđánhgiárủirotíndụn glàcơsởtincậyđểngânhàngthựchiệncácbiệnphápkiểmsoátcũngnhưcómứcdựphòngtàichínhph ùhợp,bùđắpnhữngtổnthấtcókhảnăngbịgâyradoRRTD.CóhaicáchtiếpcậnđểdolườngRRTDđólà (1)đolườngRRTDdựatrêndữliệuthốngkê lịch sử tổn thất đã xảy ra trong quá khứ, và (2) đo lường RRTD dựa trên tổn thất kỳvọng(dự đoán) (Spuchľáková,etal.,2015).
Tương tự hoạt động đo lường RRTD, Phân tích RRTD cũng là một khâu ngàycàng được chú trọng nhằm đảm bảo các biện pháp ứng phó được thực hiện một cáchphùhợp.ViệcPhântíchRRTDcầnđượcthựchiệnmộtcáchliêntụcngaytừtuyếnbảovệ đầu tiên của ngân hàng, cũng như sự phối hợp của các tuyến bảo vệ khác trong ngânhàng như bộ phận QLRR, kiểm toán nội bộ Theo khuyến nghị của BCBS (2000), ngânhàngcầnthiếtlậpvàduytrìmộthệthốngPhântíchRRTDhiệuquảnhằm: (1)đảmbảorằngngânhànghiểuđiềukiệntàichínhhiệntạicủangườiđivayhoặcđốitác;(2)giámsát việc tuân thủ các thỏa thuận hiện có; (3) đánh giá, nếu có thể, bảo hiểm tài sản thếchấpliênquanđếntìnhtrạnghiệntạicủangườicónghĩavụ;
(4)xácđịnhthờihạnthanhtoántheohợpđồngvàphânloạicáckhoảntíndụngcóvấnđềtiềmẩnmộtcách kịpthời;và (5) chỉ đạo kịp thời các vấn đề để quản lý khắc phục Phân tích RRTD có thể đượcchiathànhhaicấpđộ,(i)PhântíchRRTDởcấpđộkháchhàngvà(ii)PhântíchRRTDởcấpđộtổngthểdanhmụccho vaykháchhàngcủangânhàng(Spuchľáková,etal.,
2015) Các công cụ điển hình hỗ trợ Phân tích RRTD ở cấp độ tổng thể danh mục chovaykháchhàngcủangânhàngbaogồm:(1)phântíchdịchchuyểngiữacácnhómngàyquá hạn (roll-rate), (2) phân tích theo nhóm sự thay đổi giữa các nhóm ngày quá hạn(vintage/cohort analysis), và (3) ma trận chuyển đổi XHTD (credit transition matrixmodel)
Các yêu cầu về QLRRTD tiếp cận từ tổng thể danh mục cho vay (loan porfolio)của ngân hàng bắt nguồn từ những điều chỉnh, cập nhật trong các quy định của Ủy banBasel được ban hành năm 2006 (Basel II) nhằm thay thế cho bộ quy định đã được banhành trước đó vào năm 1998 (Basel I) (Riaz, et al., 2019) Basel II được công bố vàotháng6năm2006vàgiớithiệuhaiđổimớichủyếu:
(2)đềxuấtbatrụcột(pillars)nhằmthúcđẩyviệcápdụngcácthônglệthựchànhnghiêm ngặt hơn trong QLRRTD dựa trên ba trụ cột củng cố lẫn nhau: Yêu cầu về vốntốithiểu,ĐánhgiágiámsátvàKỷluậtthịtrường(Riaz,etal.,2019).
Với trụ cột đầu tiên, "Yêu cầu về vốn tối thiểu", Basel II lần đầu tiên chấp nhậnRRTD có thể được đo lường theo hai cách khác nhau: i) Phương pháp Tiếp cận Chuẩnhóa (dựa trên XHTD đối với người đi vay của các tổ chức xếp hạng độc lập) và ii)PhươngphápDựatrênĐánhgiáNộibộ(dựatrênsửdụngcácướctínhnộibộcủangânhàng về mức độ tín nhiệm của người đi vay để đo lường tổn thất dự kiến) Theo cáchtiếpcậndựatrênđánhgiánộibộ,ngânhànglạicóthểcóhailựachọncơbảnhoặcnângcao.Theolựa chọnthứnhất(cơbản),cácngânhàngcốgắngtínhtoáncácướctínhkhácnhau về xác suất vỡ nợ của những người đi vay tương ứng và dần dần, theo thời gian,sẽbổsungcácướctínhnàybằngcácdữliệuđầuvàothíchhợpkhác.Theolựachọnthứhai (nâng cao), các ngân hàng có thể sử dụng xác suất vỡ nợ, tổn thất mặc định, rủi rovỡnợvàkỳhạnthanhtoánđểtính toánRRTD(BCBS,2006a). Để thực hiện được việc đánh giá RRTD đối với danh mục cho vay, Basel II yêucầu các ngân hàng nên nhóm các khoản vay tương tự thành các nhóm có đặc điểm tổnthất đồng nhất Basel II cũng gợi ý rằng có ba tiêu thức mà các ngân hàng có thể dựavàođểghépnhómcáckhoảnvaybaogồm:(1)đặcđiểmrủirocủangườivay,(2)đặc điểm rủi ro giao dịch (bao gồm các loại sản phẩm và/hoặc tài sản thế chấp) và (3) xácxuất/khả năng trả nợ trễ hạn (Riaz, et al., 2019) Để thực hiện ước tính về các hệ số rủiro, Basel II yêu cầu các khoản cho vay phải được bao gồm đầy đủ trong một nhóm dựatrên dữ liệu lịch sử ít nhất trong năm năm gần nhất Ngoài ra, Basel II khuyến nghị cácngânhàngphảikiểmtrahàngnămvềrủirotậptrungtíndụngtheongườiđivay(BCBS,2006a).Nhữngq uyđịnhmớinàyđặcbiệtcóýnghĩavớicácngânhàngbởivìnếuthựchiện phù hợp, ngân hàng có thể chỉ cần duy trì một mức vốn an toàn trên tổng thể danhmục nhỏ hơn so với mức vốn an toàn dựa trên trọng số rủi ro của từng khoản cho vayriêngbiệt(ECRI,2006).
Cáclýthuyếtnền tảng
Lý thuyết này cho rằng thông tin bất cân xứng xảy ra khi một trong các bên giaodịch không biết tất cả và chính xác những thông tin cần biết về bên kia để đưa ra quyếtđịnhđúngđắntronggiaodịch.Haihànhviphổbiếnnhấtdothôngtinbấtcânxứnggâyralàlựachọ nbấtlợi(adverseselection)vàtâmlý ỷlại(moralhazard).Lựachọnbấtlợilàhànhđộngxảyratrướckhikýkếthợpđồngcủabêncónhiềuth ôngtincóthểgâytổnhại cho bên ít thông tin hơn Tâm lý ỷ lại là hành động của bên có nhiều thông tin hơnthực hiện sau khi ký kết hợp đồng có thể gây tổn hại cho bên có ít thông tin hơn(Fulbright ViệtNam,2005).
Tronghoạtđộngchovaycủangânhàng,thôngtinbấtcânxứngcóthểxảyratrongbất kỳ tình huống nào liên quan đến người đi vay và người cho vay khi người đi vaykhôngtiếtlộthôngtintiêucựcvềtìnhtrạngtàichínhthựccủamình.Hoặcngườiđivaycó thể chỉ đơn giản là không lường trước được tình huống xấu nhất như mất việc làmhoặc một khoản chi tiêu không lường trước được Tình trạng thông tin bất cân xứngcũng có thể dẫn đến rủi ro đạo đức đối với bên đi vay, theo đó sau khi được giải ngân,người vay có thể không sử dụng vốn vay đúng mục đích hoặc không nỗ lực khai tháchiệuquảvốnvayđể trảnợ.
Giảiphápchotìnhtrạngthôngtinbấtcânxứngtronghoạtđộngchovayđólàngânhàngcầnphảith ựchiệncácbiệnphápsànglọcngườivaynhằmnhậnbiếtmứcđộrủirotrước khi ra quyết định cho vay với hạn mức và lãi suất đảm bảo bù đắp chênh lệch vềthôngtingiữahaibên.Đồngthời,saukhiđãgiảingân,ngânhàngcầnphảithựchiện các biện pháp giám sát liên tục (ongoing monitoring) nhằm nhận biết kịp thời nhữngdiễnbiếnxấuđểcó ứngphóphùhợp.
Lý thuyết quản lý danh mục đầu tư mô tả rủi ro và lợi nhuận mang lại từ sự kếthợp các tài sản riêng lẻ Mục tiêu chính của lý thuyết là nhằm xác định các tổ hợp tàisảncóhiệuquả,theonghĩalàtỷsuấtlợinhuậnkỳvọngcaonhấttrênmộtkhoảnđầutưđối với một mức độ rủi ro cụ thể Điểm khởi đầu chính cho lý thuyết danh mục đầu tưđòihỏimộtgiảđịnhrằngcácnhàđầutưkhôngthíchrủiro.Điềunàyđơngiảncónghĩalà họ sẽ không xem xét một danh mục đầu tư có nhiều rủi ro hơn trừ khi nó đi kèm vớitỷ suất sinh lợi kỳ vọng cao hơn Lý thuyết này giải thích rằng một số nguồn rủi ro liênquan đến các tài sản riêng lẻ có thể được loại bỏ, hoặc đa dạng hóa loại bỏ, bằng cáchtổchức kếthợpcáctàisảnmộtcáchthíchhợp.
Cáckhoảnchovaykháchhàngcủangânhàngcũngđượccoinhưcáckhoản“đầutư”củangânh àng.Dovậy,nhưlýthuyếtquảnlýdanhmụcđầutưđãchỉra,ngânhàngkhôngchỉchútrọngvàoquytr ìnhQLRRchặtchẽđốivớitừngkhoảnchovayhaytừngkháchhàngvaymàcòncầnphảichútrọngqu ảnlýhiệuquảxéttrêntổngthểdanhmụcchovaykháchhàngcủangânhàng.Lýthuyếtnàygiúpgiảithíc hxuhướngcủacácngânhàng trong việc chuyển đổi trọng tâm QLRRTD dựa trên giao dịch sang dựa trên tổngthể danh mục cho vay khách hàng (Nario, et al., 2016) Ưu điểm của cách tiếp cậnQLRRTD theo danh mục cho vay khách hàng này giúp cho các ngân hàng có thể giảmthiểu rủi ro tín dụng bằng cách “đa dạng hóa” hoặc “chuyển đổi cơ cấu” danh mục chovay khách hàng nhằm hướng tới khả năng thích ứng cao nhất với những thay đổi tronghànhvicủakháchhàngvà/hoặccủamôitrườngkinhdoanh(Gestel& Baesens,2009).
NguyênlýParetohaynguyênlý80/20lầnđầutiênxuấthiệnvàođầunhữngnăm1900 khi một nhà kinh tế học người Ý có tên là Vilfredo Pareto phát hiện ra rằng 80%của cải ở Ý được kiểm soát bởi 20% dân số (Koch, 2018) Nhà tư tưởng quản trị doanhnghiệpJoseph M Juransau đó đề xuất quy luật này và đặt theo tên của nhà kinh tếngườiÝVilfredoParetodovaitròcủaquansátđó.Kểtừthờiđiểmđó,nguyênlý80/20đã được áp dụng cho nhiều hiện tượng khác và có thể được định nghĩa chung như sau:“Mộtthiểusố,hoặc20%nguyênnhân,đầuvàohoặcnỗlực,dẫnđếnđasố,hoặc80% kếtquả,đầurahoặcphầnthưởng”(Hình2-
1)hoặcmộtcáchdiễnđạttươngtự:“Trongtấtcảcácnguyênnhâncóthểcócủamộthiệuứngquansá tđược,mộtsốítcácnguyênnhân có thể thường chịu trách nhiệm cho phần lớn tác động quan sát được” (Tardi,2022).
Nguyên lý Pareto do vậy còn được gọi là Định luật của số ít quan trọng bởi vìnguyên lý này chỉ ra rằng chính số ít chịu trách nhiệm chính và chủ yếu cho phần lớnkếtquả.Nguyênlýnàyđãchứngtỏsựđúngđắnvàđượcvậndụngtrongnhiềulĩnhvựchoạtđộngc ủaconngườinhưtrongquảnlýkinhdoanh(chẳnghạn,80%doanhthulàtừ20% trong số các khách hàng), đầu tư của các doanh nghiệp, nhà đầu tư (Tardi,
2022),hoạtđộngnghiệpvụkếtoán(Parmenter,2007)chođếnđịnhhìnhthóiquenhọctậphiệuquảcủa các cánhân…
Trongnghiêncứunày,nguyênlýParetođượcvậndụngtrongphântíchrủirotậptrung danh mục cho vay của đơn vị ngân hàng Do bản chất mô tả của nghiên cứu, việcphântíchdanhmụcchỉthựchiệntrên,chẳnghạn,cácngànhhaymụcđíchsửdụngvốnvaycóảnhh ưởngtrọngyếumàkhôngđisâuphântíchchitiếttấtcảcácngành.Nguyênlý Pareto được vận dụng trong việc xác định các ngành có ảnh hưởng trọng yếu trongdanh mục cho vay hàng năm, làm cơ sở để phân tích thay đổi thứ hạng cho vay qua cácnămvàgiữahaigiaiđoạn2015–2019(trướcCovid- 19)và2020–2021(Covid-19).
1 Nguồn: ABCAnalysis/ParetoAnalysis( https://www.ims-productivity.com/page.cfm/content/ABCPareto-analysis/ )
Phươngphápnghiên cứu
NhưđãđềcậptrongPhầnmởđầu,vớimụctiêunghiêncứuđặtralàmôtảvàgiảithíchcáchthức mộtchinhánhngânhàngthựchiệntrongphântíchrủirodanhmụcchovay, cách tiếp cận định tính với phương pháp thu thập dữ liệu dựa trên phương phápnghiên cứu trường hợp điển hình là phù hợp nhất để áp dụng Yin (2009) định nghĩaphương pháp nghiên cứu nghiên cứu trường hợp điển hình “như một cuộc điều tra thựcnghiệmnhằmđiềutramộthiệntượngđươngđạitrongbốicảnhthựctếcủanó;khiranhgiớigiữahiện tượngvàbốicảnhkhôngđượcthểhiệnrõràng;vàtrongđónhiềunguồnbằng chứng được sử dụng.” Điểm mạnh của nghiên cứu trường hợp điển hình là cungcấpnhữnggiảithíchtổngthểvàsâusắcvềcácvấnđềnghiêncứu,giúpgiảithíchcảquátrình và kết quả của một hiện tượng thông qua quan sát, tái tạo và phân tích đầy đủ vềtrường hợp đang được nghiên cứu (Zainal,
2007) Theo các nhà nghiên cứu,phươngphápnghiêncứutrườnghợpđiểnhìnhrấthữuíchkhivấnđềvàmụctiêunghiêncứucól iênquan,chẳnghạn:
Các hiện tượng phức tạp và năng động có liên quan đến nhiều biến bao gồmcácbiếnkhôngthểđịnhlượngđược;
Các thông lệ thực tế, bao gồm các chi tiết của các hoạt động quan trọng có thểlàbìnhthường,bấtthườnghoặckhôngthườngxuyên,vídụ,cácthayđổitrongquyđịnhk ếtoán;và
Các hiện tượng trong đó bối cảnh là cốt yếu vì bối cảnh ảnh hưởng đến cáchiện tượng đang được nghiên cứu và nơi các hiện tượng cũng có thể tương tácvàảnhhưởngđếnbốicảnhcủa nó.
Cụthểhơn,Yin(2009)lưuýrằngcácnghiêncứuđiểnhìnhphùhợpđểtrảlờicáccâuhỏi“nhưt hếnào”và“tạisao”.Kếtquảnghiên cứutrườnghợpđiểnhình vì vậycóýnghĩarấtcaođốivớicáctổchức,cánhânđangthamgiahoạtđộngthựctiễn.Sởdĩ nhưvậy làvìnghiêncứutrườnghợpđiểnhìnhcungcấpthôngtinchitiếtgiúpchuyểnđổikiếnthứcriêng tư,chẳnghạnnhưcácquytrìnhvàtínhtoánchitiếtbêntrongcáctổchức,cánhântrởthànhtrithứccósẵn
Có nhiều cách thức có thể sử dụng để thu thập dữ liệu trong nghiên cứu trườnghợpđiểnhìnhápdụngtrongcácnghiêncứukinhdoanh,chẳnghạn,phươngphápphỏngvấnv à g h i c h é p ( t r a n s c r i b e d n o t e s a n d i n t e r v i e w s ) , t h ả o l u ậ n n h ó m ( f o c u s g r o u p s interviews), nghiên cứu thực địa (field research), xây dựng mẫu nghiên cứu (buildingtypologies)
(Saliya,2017).Dovấnđềnghiêncứutrongluậnvănnàyliênquanđếncôngtácphântíchrủirodanhmụ cchovaykháchhàngcánhântạimộtđơnvịngânhàngvớiđặc điểm là các nhân viên được giao thử nghiệm thực hiện tại chi nhánh chưa có cáccôngcụphầnmềmhỗtrợmàphảivậndụngkếthợpcáchệthốngvàcôngcụkhácnhaunhư hệ thống Core Banking, Microsoft Excel, Access… nên phương pháp thích hợpnhất là phương pháp nghiên cứu thực địa, theo đó tác giả thực hiện đồng thời vai tròthành viên quan sát tham dự (participant research), cùng tham gia quy trình thu thập dữliệu (data collection), xử lý và trình bày kết quả phân tích Sau đây là các phương phápphântíchdữliệuđượcápdụngtrongnghiêncứucủaluậnvănđểphântíchrủirocấpđộtoàndanhmụ cchovaycủamộtđơnvịngânhàng.
Rủi ro tập trung (concentration risk) danh mục cho vay được nhận diện là mộttrongnhữngloạirủirotrọngyếunhấtđốivớicácngânhàng(Hibbeln,2010).Theomộtnghiên cứu của Ủy ban Basel, rủi ro tập trung danh mục cho vay là nguyên nhân dẫnđến những khủng hoảng thậm chí là phá sản đối với 9/13 trường hợp ngân hàng đượcnghiên cứu (BCBS, 2006b) Theo BCBS (2006b), rủi ro tập trung danh mục cho vay,tức là khả năng ngân hàng phải gánh chịu tương đối (so với vốn, tài sản của ngân hànghoặcrủirotoànbộnếucóthểướctínhsaunày)tổnthấtlớntừdanhmụcchovay,dođótổn thất này sẽ gây nguy hiểm cho hoạt động bình thường của ngân hàng Cụ thể hơn,rủi ro tập trung có thể phát sinh từ các khoản cho vay lớn đối với người đi vay đơn lẻ,người đi vay có liên quan, người đi vay có xếp hạng rủi ro cao, người đi vay từ cùngmột quốc gia, khu vực địa lý, khu vực kinh tế, cùng một loại tài sản đảm bảo, kỳ hạn,đồngtiềnmệnhgiá,giốngnhauloạisảnphẩmtíndụng,v.v
Mứcđộtậptrungcủacáckhoảnrủirotrongdanhmụctíndụnglà mộtkhíacạnhquan trọng của rủi ro tín dụng Nó có thể phát sinh từ hai kiểu đa dạng hóa không hoànhảo Loại đầu tiên, tập trung tên, liên quan đến sự đa dạng hóa không hoàn hảo của rủiro đặc trưng trong danh mục đầu tư do quy mô nhỏ hoặc do mức độ rủi ro lớn đối vớinhững người có nghĩa vụ cá nhân cụ thể Loại thứ hai, tập trung theo ngành, liên quanđếnsựđadạnghóakhônghoànhảogiữacácthànhphầnrủirocóhệthống,cụthểlàcácyếutốngàn h.Sựtồntạicủarủirotậptrungviphạmmộthoặccảhaigiảđịnhchínhcủa mô hình yếu tố rủi ro đơn tiệm cận (ASRF) làm cơ sở cho các tính toán vốn của cácphương pháp tiếp cận dựa trên xếp hạng nội bộ (IRB) của Khung Basel II Mức độ tậptrungtênhàmýíthơnmứcđộchitiếthoànhảocủa danhmụcđầutư,trongkhi mứcđộtập trung theo lĩnh vực ngụ ý rằng rủi ro có thể được thúc đẩy bởi nhiều hơn một thànhphần (yếu tố) có tính hệ thống (Juodis, et al., 2009) Do mức độ ảnh hưởng được đánhgiálàcótínhtrọngyếu,ỦybanBaselyêucầurằngcácngânhàngcầnphảiđánhgiávềrủi ro tập trung danh mục cho vay ít nhất một lần trong năm (BCBS, 2006a; BCBS,2006b).
Dựa trên các hướng dẫn này, đơn vị phân tích rủi ro tập trung danh mục cho vaykháchhàngcánhântheocác nộidungnhư sau:
2015 đến 2021 theo các tiêu chí như đơn vị giao dịch, kháchhàngvay,địabàncho vay,thờihạnchovay, nhómnợtheoquyđịnh vềphânloạinợhiệnhành.
Tập trung theo ngành: bao gồm phân tích cơ cấu dư nợ hàng năm theo cácmụcđích sử dụngvốnvay. Để đảm bảo tính hiệu quả của mục đích nghiên cứu, đơn vị đã quyết định việcphântíchcơcấuhayrủirotậptrungsẽápdụngcáckỹthuậttrựcquantrêncáctênhoặcngànhđóng góptrọngyếutrongtổngdanhmụcchovayhàngnămcủađơnvị.Đểcósơsở,quyluậthaynguyênlýP areto(haynguyênlý80/20)đượcđơnvịsửdụngnhằmxácđịnh tên hoặc ngành có đóng góp trọng yếu trong danh mục cho vay Cụ thể, phân tíchPareto sẽ được thực hiện trước nhằm xác định các tên/ngành đóng góp vào 80% danhmụcchovayhàngnăm.Tiếptheo,đơnvịthựchiệnphântíchthứhạngcácngànhđểxácđịnh tính xu hướng cũng như khác biệt nếu co trong hai giai đoạn 2015 – 2019 (trướcCovid-19)và2020–2021(Covid-19).
Phân tích theo nhóm (Cohort/Vintage Analysis) hay còn được gọi là phân tíchsốngsót(SurvivalAnalysis)là mộtkỹthuậtđượcsửdụngnhằmmụcđíchphânloạidữliệucủanhữngnhómđốitượngnghiêncứucó đặcđiểmchung(chẳnghạn,theođộtuổi)nhằm mục đích quan sát những sự kiện/hiện tượng nhất định phát sinh đối với từngnhómđótheothờigian(Glenn,2005).Theongônngữthốngkê,phântíchtheonhóm cóthểđượcphânloạinhưmộtkỹthuậtthốngkêmôtả.Loạiphântíchnàybắtnguồntừcácnghiêncứut ronglĩnhvựcyhọc(quansátbệnhtậttheođộtuổi…),xãhộihọc(quansát tỷ lệ ly hôn theo độ tuổi kết hôn…) nhưng từ vài thập kỷ qua đã được áp dụng phổbiến trong nhiều lĩnh khác nhau Lý do là vì những tiến bộ về công nghệ cho phép cáctổ chức, doanh nghiệp tạo lập và chia sẻ các kho dữ liệu ngày càng lớn trong thời gianđủdài(thậmchígắnliềnvớitoànbộvòngđời(lifetime)củađốitượngnghiêncứu),phùhợpvớiyê ucầucủakỹthuậtphântíchtheonhómnày(Glenn,2005).
Theo các quan điểm về QLRRTD ngày nay, các ngân hàng cần đánh giá rủi rotrên cơ sở hướng về tương lai (forward looking) Do vậy với đặc tính dựa trên dữ liệuvòngđờicủađốitượngnghiêncứunhưtrên(trongtrườnghợpnàylàcủakhoảnchovaycủangânhà ng),phântíchtheonhómhayphântíchsốngsótđượcỦybanBaselkhuyếnnghị các ngân hàng chú trọng áp dụng làm căn cứ để tính toán yếu tố xác suất vỡ nợ(PD) kể từ Basel II (BCBS, 2006a; Siarka, 2011) Với mục đích này, phân tích theonhómcũngcònđượcgọilàphântíchcổđiển(VintageAnalysis),theođócáckhoảnchovay (chẳng hạn cho vay khách hàng cá nhân hay thẻ tín dụng…) sẽ được gộp thành cácnhóm theo “độ tuổi” là thời gian giải ngân thường là hàng quý để theo dõi các sự kiện(như nợ quá hạn, suy giảm đánh giá phân loại nợ hoặc mất vốn…) xảy ra theo từngnhóm(Siarka,2011).Kếtquảphântíchtheonhómđốivớicáckhoảnchovaygiảingântheo định kỳ hàng quý trên toàn bộ danh mục cho vay như vậy có thể được sử dụng đểđưa vào các mô hình tính toán xác xuất vỡ nợ, tính toán dự phòng tổn thất về
Bảng 2-1 Minh họa phân tích theo nhóm về tỷ lệ mất vốn đối với các khoản chovay theokỳgiảingânhàngnăm (Sageworks,2016)
Dựa trên hướng dẫn của Sageworks (2016) và thực tế dữ liệu, đơn vị ngân hàngđãthiếtkếphântíchtheonhómhayphântíchcổđiểncụthểnhư sau:
Cáckhoảnchovaykháchhàngcánhânđượcghéptheonhómvớiđịnhkỳgiảingânhàngquý kểtừquý1năm2015chođếnquý4năm2021.
Thờigianphântíchtheonhómđượcchiathànhhaigiaiđoạncăncứtheomụctiêu của nghiên cứu, bao gồm giai đoạn 2015 – 2019 (5 năm) và giải đoạn2020–2021(hainăm).
Hai sự kiện được đơn vị xác định để phân tích trong các giai đoạn trên baogồm: o Khoản nợ không còn thể hiện trên sổ sách của đơn vị (so với quý trước).Đốivớiloạisựkiệnnày, đơnvịđãlậpbảngphântíchtỷlệcáckhoảnchovay theo thời gian còn lại trên sổ sách (nợ chưa thu hồi) theo từng nhómnợnhư trên. o Khoản nợ bị đánh giá suy giảm chất lượng tín dụng (so với quý trước).Đối với loại sự kiện này, đơn vị đã lập bảng phân tích số khoản cho vayphát sinh bị đánh giá giảm trong đánh giá phân loại nợ định kỳ hàng quý.Lý do sử dụng số tuyệt đối thay vì số tương đối là tỷ lệ khoản cho vay bịsuy giảm chất lượng tín dụng là vì trên thực tế, số lượng các khoản chovaybịđánhgiásuygiảmvềchấtlượngtíndụnghàngquýrấtnhỏ,dẫnđếntỷ lệ này tại đơn vị gần như xấp xỉ 0% trong suốt giai đoạn phân tích từ2015đến2021.
Nhưđãđềcậptrongcácnghiêncứutrước,phươngphápđolườngRRTD(thôngquaxácxuấ tvỡnợ-PD)trongnhữngnămgầnđâyđòihỏicácngânhàngphảiđápứngyêu cầu “hướng về tương lai” và trên
“tổng thể danh mục” cho vay (Experian,
2021).Bêncạnhđó,vớisựkhuyếnkhíchcủacáctiêuchuẩnBaselIIvềviệcápdụngcáchtiếpcận dựa trên XHTD nội bộ để đo lường các yếu tố của RRTD (BCBS, 2006a), kỹ thuậtphântíchchuyểnđổiXHTDnộibộđãđượccácngânhàngsửdụngnhưlàmộtcôngcụhiệu quả để đo lường RRTD xét trên tổng thể danh mục cho vay hay tín dụng của ngânhàng (Folpmers, 2021) Kỹ thuật phân tích chuyển đổi XHTD nội bộ dựa trên lập matrận trình bày sự thay đổi các mức XHTD nội bộ của các khoản cho vay cuối kỳ so vớiđầukỳphântích,trongđóthờikỳphântíchthườnglàmộtkhoảngthờigianđủđểquansátsựthayđ ổitrongmứcXHTD,trongđóthờigianphântíchphổbiếnnhấtlàtheoquý hoặc năm (Trueck & Rachev, 2008; Folpmers, 2021) Một cách tổng quát, ma trậnchuyển đổi xếp hạng tín dụng dụng nội bộ sẽ cung cấp cho ngân hàng thông tin về tỷ lệgiữ nguyên, tỷ lệ thăng hạng (chuyển sang xếp hạng tốt hơn) hoặc tỷ lệ xuống hạng(chuyển sang hạng thấp hơn) hoặc thậm chí tỷ lệ chuyển thành khoản nợ tổn thất trongkỳ phân tích (quý, năm…) đối với mỗi loại xếp hạng vào đầu kỳ phân tích (Folpmers,2021)(Hình2-3).
Theo Hình 2-3, sau thời kỳ phân tích (chẳng hạn, 1 năm) 100% các khoản chovay với trạng thái hiện tại (2) vào đầu kỳ đã được “phân bổ” vào các trạng thái cuối kỳbaogồm:
DanhmụccácloạixếphạngtíndụngtheoquyđịnhnộibộcủaAgribanknhưsau: o AAA(Rấttốt) o AA(Rấttốt) o A(Rấttốt) o BBB(Tương đốitốt) o BB(Tươngđốitốt) o B(Tươngđối tốt) o CCC(Trungbình) o CC(Trung bình) o C(Dướitrungbình) o D(Kém)
Định kỳ chấm điểm và xếp hạng: theo quy định nội bộ, Agribank thực hiệnchấm điểm và xếp hạng tín dụng nội bộ theo định kỳ hàng quý Tuy nhiên,với mục tiêu phân tích đơn vị đã đặt ra là tìm kiếm sự khác biệt nếu có trongchuyểnđổixếphạngtíndụngnộibộgiữahaigiaiđoạn2015-2019và2020– 2021 nên cán bộ phân tích chỉ thực hiện lập ma trận chuyển đổi xếp hạngtíndụngnộibộtheohaigiaiđoạnnhư trên.
Chương 2 trình bày hai nội dung quan trọng bao gồm cơ sở lý thuyết và phươngpháp nghiên cứu Trong phần cơ sở lý thuyết, luận văn đã trình bày các khái niệm thenchốt bao gồm RRTD, rủi ro giao dịch, rủi ro tập trung và các lý thuyết nền bao gồm lýthuyết thông tin bất cân xứng, lý thuyết quản lý danh mục đầu tư và quy luật/nguyên lýPareto làm nền tảng cho việc áp dụng và đánh giá tính phù hợp đối với các quyết địnhphân tích rủi ro danh mục cho vay tại đơn vị ngân hàng.Phần phương pháp nghiên cứutrình bày cách tiếp cận định tính nghiên cứu trường hợp điển hình trong đó nêu rõphương pháp thu thập dữ liệu được sử dụng là phương pháp nghiên cứu thực địa, trongđó tác giả tham gia cùng nhóm phân tích của chi nhánh ngân hàng để thu thập dữ liệunhằm đánh giá tính phù hợp của kết quả phân tích cũng như các yếu tố trở ngại trongviệc thực hiện phân tích rủi ro danh mục cho vay trong điều hiện hạn chế về các nguồnlựccủa chi nhánh huyệnPhúGiáohiệnnay.
ThôngtinchungvềđịabànvàAgribankchinhánhhuyệnPhúGiáo,tỉnhBìnhDươn
Huyện Phú Giáo, được thành lập năm 1999, là một huyện nông nghiệp của tỉnhBình Dương với hơn 70% dân số sống bằng sản xuất nông nghiệp Các hộ dân vay vốnngânhàngchủyếuđầu tưvàosảnxuấtnôngnghiệptrồngcâycaosu,mì,câyăntráivàtrangtrạichănnuôiheo,bò,gà…
SốliệuthốngkêcủacơquanchứcnăngchothấyGDPbìnhquântăng10,8%hàngnăm,thunhậpbình quânđầungườilà102triệuđồng/người/ năm;trên95%nhàởnôngthônđượcxâydựngkiêncố;trên100%hộnôngdâncóphươngtiệnđilạiv ànghenhìn….
Tỷ trọng sản xuất công nghiệp trong cơ cấu kinh tế của huyện đạt 14,9% Giá trịsảnxuấtnông–lâmnghiệpướcđạt1.321tỷđồng,diệntíchgieotrồngcâyhàngnămlà
6.023ha,diệntíchgieo trồngcâylâunămlà26.904ha,tổngđànbòlà15.210con,trâu612 con, đàn gia cầm 954.802 con Trồng trọt, chăn nuôi trong thời gian qua trên địabàn Phú Giaó phát triển mạnh, sản lượng lượng mủ cao su được tiêu thụ ổn định, chănnuôi phát triển chủ yếu là gà công nghiệp, heo chủ yếu nuôi theo hướng công nghiệp.Mạng lưới thương mại, các cửa hàng tạp hóa đều có hướng phát triển theo sự phát triểnchung của huyện Huyện đã có 5 chợ nông thôn và cùng với mạng lưới các chợ tự phátvà các đại lý, cửa hàng bán lẻ góp một phần đáng kể giải quyết nhu cầu lưu thông hànghoáởcácxã,thịtrấntronghuyện.
Thực hiện theo các quyết định của Thủ tướng chính phủ, của NHNN và củaAgribank, Chi nhánh Agribank chi nhánh huyện Phú Giáo Bình Dương được thành lậpvào năm 1999 Đến nay trải qua 23 năm hình thành và phát triển, Agribank huyện PhúGiáocótrụsởchínhtạisố615đườngĐT741thịtrấnPhướcVĩnhhuyệnPhúGiáo,tỉnhBìnhDươn gvà01Phònggiaodịchtrựcthuộctọalạctại105ĐH507xãTânHiệphuyện
Phú Giáo tỉnh Bình Dương đã đầu tư tín dụng cho vay trên trên địa bàn, giúp vốn chongườidânthamgiasản xuấtnôngnghiệp,nôngthônđemlạihiệuquảcao.
Vềchứcnăng,chinhánhAgribankchinhánhhuyệnPhúGiáoBìnhDươnglàmộtdoanhnghiệ pnhànước,thựchiệnchứcnăngkinhdoanhtiềntệ,dịchvụngânhàng,trựctiếp kinh doanh và thực hiện các nhiệm vụ theo phân cấp của Agribank tỉnh Bình
Dương.Vềnhiệmvụ,chinhánhAgribankchinhánhhuyệnPhúGiáoBìnhDươngthựchiệncácnhiệmvụ baogồmhuyđộngvốn,khaithácvànhậntiềngửitiếtkiệmkhôngkỳhạn,cókỳhạnbằngVNĐ;chov ayngắnhạn,trunghạnbằngVNĐđốivớicánhân,hộgiađình,doanhnghiệp;kinhdoanhdịchvụ:chuy ển tiềnđiệntử,thuchihộ,bảolãnh…
Dưnợchovaykháchhàngcánhânkhôngngừngtăngtrưởng(từ60.153triệuđồngnăm 2000 tăng lên 1.999 tỷ đồng cuối năm 2021), chiếm thị phần hơn 60% dư nợ chovaykháchhàngcánhâncủa7tổchứctíndụngngânhàngtrênđịabànhuyệnPhúGiáo.Nhucầuvố nchosảnxuất,kinhdoanh,dịchvụtiêudùngđờisốngcơbảnđượcđápứngđã tạo điều kiện, cơ hội để tạo lập hàng ngàn việc làm, góp phần tăng sản phẩm hànghóa cho huyện nhà và thu nhập cho từng gia đình, cá nhân, đóng góp tích cực vào côngcuộc xóa đói, giảm nghèo ở huyện Phú Giáo Bộ mặt nông thôn không ngừng được cảithiện.Anninhchínhtrị,trậttự xãhộiởnôngthônđược giữ vững.
Hiện nay Agribank huyện Phú Giáo đang sử dụng phần mềm IPCAS để hỗ trợxử lý các hoạt động nghiệp vụ trong ngân hàng Đây là hệ thống được đưa vào sử dụngtheo dự hiện đại hệ thống thanh toán và kế toán khách hàng, thiết lập phù hợp với môhìnhhoạtđộngvàhạtầngCNTT củaAgribank.
- Dự án IPCAS do nhà thầu liên doanh đứng đầu là Hyundai InformationTechnology(HànQuốc)thựchiện,bắtđầutriểnkhaivàođầunăm2002.IPCASlà mộttrongsố7tiểudựáncấuthànhtổngthểdựánhiệnđạihóaNgânhàngvàhệthốngthanhtoán do Ngân hàng thế giới tài trợ cho Chính phủ Việt Nam với tổng trị giá 53 triệuUSD, trong đó tiểu dự án IPCAS của Agribank là tiểu dự án lớn thứ hai (chỉ sau dự áncủaNHNN)vớitrịgiá10,5triệu USD.IPCAS cónhữngthôngsốnhưsau:
Hệ thống IPCAS khi đưa vào hoạt động đã mang lại nhiều lợi ích to lớn kháchhàng,chobảnthânAgribank vàchonềnkinhtếquốc dân.
Đối với khách hàng, hệ thống đưa ra nhiều sản phẩm dịch vụ mới đa dạng,tiện lợi, hữu ích như: mô hình giao dịch một cửa giảm thiểu phiền hà, tiếtkiệm tối đa thời gian cho khách hàng trong giao dịch, khả năng đáp ứng yêucầu gửi tiền một nơi, rút nhiều nơi của hệ thống cho phép khách hàng có thểrútbấtcứnơinàothuậntiệnnhấtchomình,khảnăngxửlývàcungcấpthôngtinnhanhch óng,chínhxác,antoàncủahệthốngđãlàmchokháchhàngcảmthấyhàilòng,kháchhàng cũngđãcócơhộitiếpcậnvàsửdụngdịchvụngânhànghiệnđạinhưthẻtíndụng,thẻghinợ,ng ânhàngtạinhà(Homebanking),internetbanking,…
Đối với bản thân ngân hàng, những đặc điểm tiên tiến, ưu việt về kỹ thuậtcũngnhưnghiệpvụcủahệthốngIPCASđãthuhútmạnhmẽkháchhàngđếnvới ngân hàng, tạo điều kiện để ngân hàng cải tiến phương thức kinh doanh,nâng cao nhận thức, trình độcũng như lề lối làm việc của cán bộ nhân viênngânhàng,tăngnăngsuấtlaođộng.Hêthốngthôngtinquảnlýchophépngânhàng quản lý được đầy đủ và toàn diện mọi nguồn lực của mình, nhờ đó cóthểsửdụngtriệtđểcác nguồnlựcđónhằmtiếtkiệmchiphívànângcaohiệuquả kinh doanh Qua những thay đổi đó, ngân hàng có thể tăng cường khảnăngcạnhtranh,mởrộngthịphầnvànângcaouytíncủamình
Đối vối nền kinh tế, hệ thống mới được xây dựng trên cơ sở áp dụng nhữngthành tựu công nghệ tiên tiến và hiện đại sẽ tạo điều kiện choAgribank thựchiện tốt chức năng của mình đối với nền kinh tế, đó là đảm bảo thanh toánnhanh chóng,chính xác an toàn và tin cậy, huy động và cung cấp đầy đủ kịpthờivốnchocácngànhvàkhuvựckinhtế,đặcbiệtlàcácngànhkinhtếnôngnghiệpvàkh uvựckinhtếnôngthôn,mộtbộphậnhếtsứcquantrọngcủanềnkinhtếViệtNam,gópphầnđ ángkểvàoviệcđẩynhanhquayvòngvốn,giảmthờigiantrôinổicủađồngtiền,đápứngnhu cầupháttriểnngàycàngcaocủanềnkinhtếnước ta.
MộtsốyêucầucủaAgribankliênquanQLRRTDdanhmụcchovaykháchhàngcánhân
3.2.1 Cácyêu cầu của Agribank liên quan quy trình cho vay khách hàng cánhânvàhệthốngthôngtinhỗtrợ
Căn cứ theo các yêu cầu của pháp luật, Agribank đã ban hành đầy đủ hệ thốngcácvănbảntạokhuônkhổpháplýchonghiệpvụchovaykháchhàngcánhânnóiriêngvàcấptí ndụngnóichungtrongtoànhệthống.Cụthể,cácquyđịnhchủyếuđiềuchỉnhnghiệpvụchovaykhác hhàngbaogồm:
Quyết định số 225/QĐ-HĐTV-TD ngày 9/4/2019 Quy chế cho vay đối vớikhách hàng trong hệ thống Ngân hàng Nông nghiệp và Phát triển nông thônViệtNam.
Quyết định số 1225/QĐ-NHNo-TD ngày 18/6/2019 Quyết định về việc Quyđịnh, quy trình cho vay đối với khách hàng trong hệ thống Ngân hàng NôngnghiệpvàPháttriểnnôngthônViệtNam.
RRTDngày30/9/2021Quychếphânloạitàisảncó,mứctrích,phươngpháptríchlậpdự phòngrủirovàsửdụngdựphòngđểxửlýrủirotronghoạtđộngcủaAgribank.
Một số quy định trong các văn bản trên có liên quan đến nghiên cứu trong luậnvănnàynhư sau:
Thứnhất,Agribankchấpthuậnhailoạimụcđíchsửdụngvốnvayhợplệđốivớikhách hàng cá nhân là (1) cho vay phục vụ đời sống và (2) cho vay phục vụ hoạt độngkinhdoanh.
Thứhai,Giámđốcchinhánhnơichovaychịutráchnhiệmchỉđạo,tổchứcthựchiện quản lý đảm bảo an toàn vốn cho vay; kiểm tra, giám sát thường xuyên tình hìnhhoạt động kinh doanh, sử dụng vốn cho vay, khả năng trả nợ của khách hàng… trongđó, chi nhánh nơi cho vay cần thu thập thông tin, thực hiện chấm điểm xếp hạng kháchhàngtheoquyđịnhcủaAgribank;theodõidiễnbiếntrạngtháikhoảnvaytheonhómnợvớicông cụchínhlàhệthốngIPCAS.
Thứ ba, thông tin về khoản cho vay được tập hợp vào hệ thống IPCAS đầy đủ,kịpthờivàđảmbảokhớpđúnggiữahồsơgiấyvàhệthốngIPCAS;việctruycậpđểcậpnhật/ chỉnhsửa/khaithácdữliệutheochếđộphâncấpủyquyền;cáccánhâncóliên quan chịu trách nhiệm nhập, cập nhật số liệu trong bộ hồ sơ vay vào hệ thống, đảm bảokhớp đúng giữa hồ sơ giấy và hệ thống IPCAS; phối hợp với bộ phận quản lý kháchhàngđăngkýthôngtincấpmãkháchhàngtrênhệthống IPCAS.
Thứ tư, Agribank nơi cấp tín dụng phải thường xuyên thực hiện việc thu thập,cập nhật thông tin về khách hàng để đánh giá, chấm điểm, xếp hạng khách hàng nhằmthựchiệnphânloạinợtựđộnghàngngàytrênIPCAS.CácloạiXHTDnộibộAgribanktươngứ ngvớinhómnợtheoquyđịnhhiệnhànhcủaphápluậtnhưsau:
Nhóm1(nợđủtiêuchuẩn):Hạng AAA,AA,A
Nhóm3(nợdướitiêuchuẩn):HạngB,CCC,CC
Quyết định số 1197/QĐ-NHNo-XLRR ngày 18/10/2011 Quyết định về việcbanhànhHướngdẫnsửdụng,vậnhànhchấmđiểmxếphạngkháchhàngtrênhệthốn gXHTDnộibộNgânhàngNôngnghiệpvàPháttriểnnôngthônViệtNam.
Quyết định số 1191/QĐ-NHNo-XLRR ngày 13/7/2017 Quyết định về việcSửa đổi, bổ sung một số điều của Quyết định 1197/QĐ-NHNo-XLRR ngày18/10/2011 về Quy định hướng dẫn sử dụng, vận hành chấm điểm xếp hạngkhách hàng trên hệ thống XHTD nội bộ của Agribank và các quyết định sửađổi,bổsung.
Theo các quy định này, Agribank nơi cho vay chịu trách nhiệm chấm điểm vàcập nhật điểm và hệ thống, việc xếp hạng khách hàng vay được hệ thống XHTD nộibộ của Agribank thực hiện tự động vàongày cuối cùng của mỗi quý Riêng quý IV,hệthống XHTD nội bộ sẽ tự động xếp hạng vào cuối ngày 30/11 dựa trên thông tin củalầnchấmđiểm,xếphạnggầnnhất.
Thực hiện phân tích rủi ro danh mục cho vay tại chi nhánh Agribank huyện PhúGiáo,BìnhDương
Trong hai năm 2020, 2021, nền kinh tế và ngành ngân hàng nước ta chịu nhiềuảnh hưởng không nhỏ bởi tác động tiêu cực của dịch bệnh Covid-19 (Đỗ Hoài Linh,2020; NEU-JICA, 2021; Nguyễn Thị Thái Hưng, 2022) Để ứng phó, NHNN một mặtđánh giá và rà soát tính phù hợp của các quy định về hoạt động tín dụng trong bối cảnhdịch bệnh, triển khai các chính sách hỗ trợ, mặt khác cũng khuyến nghị các ngân hàngcácngânhàngcầnphảicảithiệnhơnnữacôngtácQLRRtronghoạtđộngnóichungvàtronghoạt độngchovaykháchhàngnóiriêng(NEU-JICA,2021).
Trước yêucầuđócủangành,chinhánhhuyệnPhúgiáođãphâncôngmộtnhómcông tác bao gồm các nhân sự chuyên môn (cán bộ tín dụng, cán bộ quản lý CNTT…)nhằm hỗ trợ Ban giám đốc chi nhánh tăng cường thực hiện vai trò giám sát RRTD củachi nhánh theo các quy định nội bộ của Agribank Tuy nhiên, các hệ thống hiện tại nhưIPCAS, hệ thống XHTD nội bộ chưa cung cấp các tính năng phân tích sâu dữ liệu màmới chỉ chủ yếu hỗ trợ truy vấn thông tin cũng như một số báo cáo định kỳ Do vậy,mục tiêu được đặt ra là chi nhánh cần khai thác hiệu quả hơn dữ liệu về các giao dịchcho vay khách hàng trong hệ thống IPCAS, thực hiện phân tích sâu hơn dữ liệu nhằmđểcóthôngtintổngquáthơnvềRRTDđốivớitoànbộdanhmụcchovaymàchinhánhđangtrựct iếpquảnlý.Mụctiêuthứhailàquaphântíchtổngquátnhưvậy,cầngiúpchinhánh nhận biết và đánh giá dấu hiệu ảnh hưởng của dịch bệnh Covid-19 đối với hoạtđộngtíndụngnhư thếnào.
Sau khi xem xét các chức năng hỗ trợ truy vấn thông tin và báo cáo trong các hệthống IPCAS và hệ thống XHTD nội bộ, nhóm công tác xác định cần sử dụng cáccông cụ bên ngoài hệ thống để thiết kế cho các thủ tục phân tích như trên Căn cứ điềukiện về hỗ trợ, nhóm công tác quyết định lựa chọn công cụ xử lý và phân tích dữ liệunhưsau:
Công cụ xử lý: Ngôn ngữ SQL (truy vấn có cấu trúc) và Microsoft
Sau khi rà soát, nhóm công tác đã xác định có hai loại dữ liệu mà các hệ thốngIPCAScũngnhưhệthốngXHTDnộibộchophépcánbộtạichinhánhkếtxuấtradướidạngcác tậptinExcelnhư sau:
Dữ liệu số dư cho vay khách hàng cá nhân các khoản cho vay hàng tháng,trongkhoảngthờigian2015chođếnnăm2021.
Dữ liệu XHTD nội bộ của các khách hàng cá nhân hàng quý, trong khoảngthờigian2015chođếnnăm2021theobanhómnhưsau: o Kháchhàngcánhâncóđăngkýkinhdoanh. o Kháchhàng cánhânkhôngđăng kýkinhdoanh. o Kháchhàng cánhân vaytiêudùng. Để có thể tự động hóa việc xử lý, nhóm công tác đã quy ước đặt tên các tập tindữliệukếtxuấttừcáchệthốngranhư sau:
1 yyyy_mm_dd_LOAN_BALANCES.xls Tậpt i n d ữ l i ệ u s ố d ư c á c k h o ả n chovay(theohợpđồngtíndụng)định kỳhàngtháng.
2 yyyy_mm_dd_SCORING_INDIVIDUAL_BUSINESS.xls Tập tin dữliệu chấmđiểmvàxếphạngkháchhàngcá nhâncóđăng kýkinhdoanhhàngquý.
3 yyyy_mm_dd_SCORING_INDIVIDUAL_CONSUMING.xls Tập tin dữ liệu chấm điểm và xếphạngkháchhàngcánhânchovay tiêudùnghàngquý.
4 yyyy_mm_dd_SCORING_INDIVIDUAL_NON_BUSINESS.xls Tập tin dữliệu chấmđiểmvàxếphạngkhách h àn g c á n h â n k h ô n g cóđăngkýkinhdoanhhàngquý.
Các tập tin trên sau đó được nhóm công tác xử lý, tập hợp thành các tập tin dữliệusốdưhàngthángvàdữliệukếtquảchấmđiểm,XHTDnộibộđịnhkỳhàngquýđểphụcvụcho mụctiêuphântíchtiếptheo(Hình 3-1).
Hình 3-1 Trích nội dung tập tin dữ liệu số dư khoản cho vay (hợp đồng tín dụng)saukhitổnghợpkếtxuấttừhệthốngIPCAS
Như đã trình bày các phần trên, để có thể thực hiện đầy đủ các phân tích rủi rodanh mục cho vay cần phải có dữ liệu chi tiết trong khoảng thời gian thích hợp. Tuynhiên, do các hệ thống không hỗ trợ kết xuất dữ liệu giao dịch chi tiết ở cấp độ ngườidùngcuốinênnhómcôngtácđãràsoátvàxácđịnhcácmụctiêucóthểphântíchcụthểnhưsau:
Thứ nhất, phân tích rủi ro tập trung danh mục cho vay khách hàng cá nhân theocácnộidungnhư sau:
2015 đến 2021 theo các tiêu chí như đơn vị giao dịch, kháchhàngvay,địabàncho vay,thờihạnchovay, nhómnợtheoquyđịnh vềphânloạinợhiệnhành.
Tập trung theo ngành: bao gồm phân tích cơ cấu dư nợ hàng năm theo cácmụcđích sử dụngvốnvay. Để thực hiện phân tích này, phân tích Pareto sẽ được thực hiện trước nhằm xácđịnh các tên/ngành đóng góp vào 80% danhmục cho vay hàng năm Tiếp theo, đơn vịthực hiện phân tích thứ hạng các ngành để xác định tính xu hướng cũng như khác biệtnếucótronghaigiaiđoạn2015–2019(trướcCovid-19)và2020–2021(Covid-19).
Các khoản cho vay khách hàng cá nhân được ghép theo nhóm với định kỳgiảingânhàngquýkểtừ quý1năm2015chođếnquý4năm2021.
Thời gian phân tích theo nhóm được chia thành hai giai đoạn căn cứ theomục tiêu của nghiên cứu, bao gồm giai đoạn 2015 – 2019 (5 năm) và giảiđoạn2020–2021(hainăm).
Hai sự kiện được đơn vị xác định để phân tích trong các giai đoạn trên baogồm: o Khoản nợ không còn thể hiện trên sổ sách của đơn vị (so với quý trước).Đốivớiloạisựkiệnnày,nhómcôngtáclậpbảngphântíchtỷlệcáckhoảncho vay theo thời gian còn lại trên sổ sách (nợ chưa thu hồi) theo từngnhómnợnhư trên. o Khoản nợ bị đánh giá suy giảm chất lượng tín dụng (so với quý trước).Đối với loại sự kiện này, nhóm công tác lập bảng phân tích số khoản chovay phát sinh bị đánh giá giảm trong đánh giá phân loại nợ định kỳ hàngquý.
Thứba,thựchiệnphântíchchuyển đổiXHTDnộibộtại đơnvị nhưsau:
Thời kỳ phân tích: chia thành hai giai đoạn 2015 -2019 (trước Covid-19) và2020–2021(Covid-19).
Danh mục các loại XHTD và định kỳ chấm điểm theo quy định nội bộ củaAgribank Theo quy định nội bộ, Agribank thực hiện chấm điểm và XHTDnộibộtheođịnhkỳhàngquý.Tuynhiên,vớimụctiêuphântíchđơnvịđãđặtra là tìm kiếm sự khác biệt nếu có trong chuyển đổi XHTD nội bộ giữa haigiai đoạn 2015- 2019 và 2020 –
2021 nên cán bộ phân tích chỉ thực hiện lậpmatrậnchuyểnđổiXHTDnộibộtheohaigiaiđoạnnhưtrên.
Kếtquảthựchiệnphântíchrủirodanh mụcchovay vàthảoluận
Sau đây là kết quả phân tích rủi ro danh mục cho vay theo các mục tiêu phân tíchđãđượcxácđịnh.Docácyêucầucủangànhvềbảomậtthôngtinhoạtđộngngânhàng,ngoại trừ thông tin về đơn vị và tên địa bàn, các kết quả phân tích được trình bày trongluậnvănnàyđềutheosốtươngđối.Ngoàira,cácbiểuđồtrựcquancũngđượcsửdụngthaychocác bảngdữ liệu.
Hình3-2 Phântíchdanh mụcchovay theo đơnvịgiaodịch
Theo kết quả phân tích Hình 3-2, 3-3 trên, tỷ lệ dư nợ của Hội sở (chi nhánhhuyệnPhúGiáo)trongtổngdanhmụcchovaycóxuhướngtăngtừ2015chođến2021.Mặc dù vậy mức tăng của tỷ lệ dư nợ của đơn vị Hội sở có xu hướng giảm từ 2018 Tỷlệ dư nợ của Hội sở trong toàn bộ danh mục không có dấu hiệu khác biệt đáng kể giữacácnăm2020,2021vớigiaiđoạntrước đó.
Theo kết quả phân tích Hình 3-4, 3-5 trên, năm 2016 tỷ lệ nợ cho vay trung hạncó mức tăng cao nhất Giai đoạn từ 2017 mức tăng của tỷ lệ nợ cho vay trung hạn cóxu hướng giảm trong toàn bộ danh mục cho vay Các năm 2020, 2021 tỷ lệ cho vaytrunghạncódấuhiệugiảmtrongtoànbộdanhmụccho vay.
7trên,từnăm2015,tỷlệnợnhóm1tăngdầnvàcóxuhướngđạtgầnnhư100%sốdưdanhmụccho vayhàngnămvàonăm2021.
Nợ nhóm 2, 3, 4, 5 do vậy không còn đáng kể trong tổng danh mục cho vay của chinhánh vào cuối giai đoạn này Tỷ lệ dư nợ nhóm 1 trong toàn bộ danh mục không códấuhiệukhácbiệtđángkểgiữacác năm2020, 2021vớigiaiđoạntrướcđó.
Do số lượng tên ngành nghề cho vay khá lớn (khoảng 120 tên nghành nghề chovay)nênđểxácđịnhcácngànhnghềchovay(mụcđíchsửdụngvốnvay)chủyếu,phântích Pareto được thực hiện trước nhằm lọc ra các ngành nghề cho vay chiếm khoảng80% danh mục cho vay tại thời điểm báo cáo cuối năm từ 2015 đến 2021 (xem Phụ lụcA) Bảng 3-1 dưới đây trình bày kết quả phân tích Pareto các ngành nghề cho vay chủyếu củachinhánh huyệnPhúGiáo,Bình Dương tronggiaiđoạn 2015 –2021.
Hoạt động dịchv ụchă nnuôi
Hoạt độngdị chvụt rồngt rọt
Trồngc am,quí t vàcác loạiquả cómúik hác
Trồng trọt,c hănn uôihỗ nhợp
Xâydựn g cơsở hạtầngp hục vụsản xuất,kinh doanh
Biểu đồ thứ hạng được lập để nhằm đáp ứng mục tiêu so sánh sự thay đổi trongngànhnghềchovayhaigiaiđoạn2015 –2019và2020–2021.
Bảng 3-1 và các biểu đồ thứ hạng Hình 3-8, 3-9 trên cho thấy, trong những nămgần đây, chi nhánh Phú Giáo, Bình Dương chuyển khá mạnh sang cho vay “Bán buônkhác”, trong khi có khuynh hướng giảm nhiều trong các ngành nghề cho vay liên quantrồng trọt và chăn nuôi (bao gồm cả chăn nuôi lợn) Ngoài ra, thứ hạng các ngành nghềchovaylớnkhôngcóthayđổinhiềutrongcácnăm2019,2020và2021.
Dosốlượngtênđịabànchovay(xã/phường/thịtrấn…)khálớn(khoảng200tênđịa bàn cho vay) nên để xác định các địa bàn cho vay chủ yếu, phân tích Pareto đượcthực hiện trước nhằm lọc ra các địa bàn cho vay chiếm khoảng 80% danh mục cho vaytại thời điểm báo cáo cuối năm từ 2015 đến 2021 (xem Phụ lục B).
Bảng 3-2 dưới đâytrìnhbàykếtquảphântíchParetocácđịabànchovaychủyếucủachinhánhhuyệnPhúGiáo,BìnhD ương tronggiaiđoạn2015–2021.
11trênchothấy,sốdưchovaytheocácđịabàncủachinhánhPhúGiáo,BìnhDươngkháổnđịnh,tron gđócácđịabàn cho vay nhiều nhất thường xuyên là Thị trấn Phước Vĩnh và xã Vĩnh Hòa Nhìn chungthứhạngsốdưtheođịabànchovaylớnnhữngnăm2020,2021khôngcódấuhiệukhácbiệtđáng kểsovớitừ 2019trởvềtrước.
Phân tích Pareto giúp xác định các thời hạn cho vay có số dư lớn được trình bàytrongBảng3-3.
Bảng3-3Phântíchdanh mụcchovay theothờihạn,2015–2021(Đơnvịtính:%)
Năm 6tháng 8tháng 10tháng 12tháng 24tháng 36tháng 60tháng
Biểu đồ thứ hạng được lập để nhằm đáp ứng mục tiêu so sánh sự thay đổi trongthờihạnchovayhaigiaiđoạn2015 –2019và2020 –2021.
12và30tháng.Cósựdịchchuyểntrongthờihạnchovay,trongđónhữngnăm2020,2021cósựgiată ngcáckhoảnchovayvớithờihạn10tháng,giảmthời hạn 12 tháng, trong khi đó tỷ lệ các khoản cho vay thời hạn 60 tháng có dấu hiệugiảm.
3.4.1.7 Phântíchdanh mụcchovaytheokháchhàng Đểphântíchmứcđộtậptrungtheokháchhàng,phântíchParetođượcthựchiệnnhằm nhận diện các mã khách hàng lớn nhất có tổng dư nợ chiếm 20% danh mục chovay tại thời điểm báo cáo cuối năm giai đoạn 2015 – 2021 (xem Phụ lục D) Các biểuđồthứhạngsauđâyđượclậpđểphântíchđặcđiểmchovaytheokháchhàngtronggiaiđoạn201 5-2019và2020 –2021.
Các biểu đồ thứ hạng trên cho thấy những năm gần đây, chi nhánh huyện PhúGiáo, Bình Dương giảm số lượng khách hàng có số dư nợ chiếm tỷ lệ lớn (chẳng hạnnăm 2015, 2016 có khách hàng dư nợ chiếm trên 3% tổng danh mục cho vay) nhưngđến các năm 2019, 2020, 2021 thì những khách hàng có dư nợ lớn nhất cũng chỉ chiếmkhoảngtrêndưới1,2%danhmụcchovaycủachinhánh.
Các biểu đồ nhiệt giai đoạn 2015- 2019 và 2020 – 2021 sau được sử dụng đểphân tích sâu hơn các khách hàng lớn nêu trên thuộc ngành nghề cho vay và địa bànnào.
Các biểu đồ nhiệt Hình 3-16, 3-17 trên cho thấy các địa bàn gồm Xã Tam Lập,XãTânHiệpvàThịtrấnPhướcVĩnhcónhiềukháchhàngvaylớntrongcảhaigiaiđoạnphântích20 15–2019và2020–2021.
Trênthựctế,phântíchtheonhómhaycòngọilàphântíchsốngsót,thườngđượccác ngân hàng sử dụng để xác định khả năng các khoản cho vay theo từng nhóm bị trảnợ trễ hạn theo thời gian kể từ khi giải ngân. Tuy nhiên, do dữ liệu sử dụng cho phântích trong nghiên cứu này không có dữ liệu giao dịch trả nợ đúng hạn hay trễ hạn nênphântíchtrênkhôngthựchiệnđược.Tuynhiên,dữliệuđãthuthậpcũngcóthểsửdụngtrongphântí chnhómnhằmđánhgiákhảnăngcáckhoảnnợđượctấttoán(thuhồitoànbộvàkhôngcòntrênsổsá chcủachinhánh)cũngnhưnhậnbiếtkhảnăngphátsinhcáckhoảnchovaybịxuốnghạngtrongXH TDnộibộsovớikỳxếphạngliềntrước.
Chi tiết phân tích theo nhóm về tỷ lệ các khoản vay chưa thu hồi được trình bàytrong Phụ lục E Sau đây là biểu đồ nhiệt trình bày kết quả phân tích theo nhóm đối vớithời hạn trên sổ sách của các khoản vay của chi nhánh trong thời hạn 20 quý (05 năm)kể từ khi giải ngân (Hình 3-
18) Theo kết quả này, chẳng hạn sau 4 quý kể từ khi giảingân, có khoảng 50 – 60 % các khoản cho vay còn trên sổ sách, hay nói khác đi chinhánh đã thu hồi được khoảng
40 – 50% các khoản cho vay sau 4 quý giải ngân.Mặcdùchinhánhcónhiềukhoảngchovaythờihạn60tháng,tuynhiênbiểuđồnàycũng cho thấy sau 5 năm kể từ khi giải ngân thì các khoản cho vay hầu như đã được tất toán,chẳng hạn đợt giải ngân quý 4 năm 2015 còn 0,1% khoản cho vay còn lại trên sổ sáchsau 20 quý Điều này có thể gợi ý rằng phải chăng có nhiều khoản cho vay đã được trảnợsớmhơnsovớithờihạnhợpđồngtíndụng(?)
Hình3-18Phântíchtỷlệcáckhoảnvay chưathuhồi theokỳ giảingânquý
3.4.2.2 Phântích theo nhóm về số lượng các khoản cho vay bị đánh giá suygiảmchấtlượng
Chi tiết phân tích theo nhóm về số lượng các khoản vay chưa thu hồi được trìnhbày trong Phụ lục F Sau đây là biểu đồ nhiệt trình bày kết quả phân tích theo nhóm vểsố lượng của các khoản vay bị đánh giá suy giảm chất lượng so vói kỳ đánh giá liềntrướctrongthờihạn20quý(05năm)kểtừkhigiảingân(Hình3-19).Theokếtquảnày,trong khoảng 4-5 quý đầu tiên kể từ khi giải ngân thì những đợt giải ngân trong năm2020, 2021 có dấu hiệu có nhiều hơn các khoản cho vay bị xuống hạng so với nhữngđợtgiảingânnăm2018,2019.Điềunàycóthểgợiýlàmộtdấuhiệuchothấychấtlượngcác khoản cho vay của chi nhánh có thể bị ảnh hưởng bởi môi trường kinh doanh đangchịuảnhhưởngcủa dịchbệnhtrongnhữngnăm2020,2021.
Hình 3-19 Phân tích số lượng khoản cho vay suy giảm mức XHTD nội bộ theo kỳgiảingânquý 3.4.3 Phântích chuyểnđổiXHTDnộibộ
Phụ lục F trình bày chi tiết ma trận chuyển đổi XHTD nội bộ hàng năm trongsuốtgiaiđoạn2015–2021.Theothônglệ,matrậnchuyểnđổithườngđượclậpvớithờihạn một năm Tuy nhiên, với mục tiêu đã đặt ra là so sánh tình hình biến động về chấtlượng tín dụng của chi nhánh trước và sau thời kỳ dịch chịu ảnh hưởng của dịch bệnhCovid-19, các ma trận với thời hạn
2015 – 2019 và 2020 – 2021 đã được lập và trìnhbàynhư sau (Hình3-20,3-21).
Kếtluận
Trongđiềukiệnbốicảnhkinhtế,xãhội,môitrườngcónhữngyếutốbấtổn,côngtác QLRRTD trong các ngân hàng nói chung và một đơn vị chi nhánh ngân hàng nóiriêngđượcyêucầuphảithựchiệnhiệuquảhơnnữa.Tuynhiên,trongđiềukiệnhạnchếvềchứcnăn g,nhiệmvụcũngnhưnguồnlựcvềconngườivàcôngnghệcủamộtđơnvịchi nhánh ngân hàng, đòi hỏi chi nhánh phải có những đổi mới có tính sáng tạo nhằmđápứngđượcyêucầutrên.Trongkhiởcấpđộtoànngânhàng,cácngânhàngđangtiếpcận những kỹ thuật và công cụ nhằm thực hiện các tiêu chuẩn chung về QLRR nhưBasel II, III… thì tại các đơn vị chi nhánh, những kỹ thuật và công cụ như vậy chưađược chia sẻ để áp dụng nhằm nâng cao hiệu quả công tác điều hành chi nhánh.
LuậnvănnàycungcấptrườnghợpđiểnhìnhtạimộtchinhánhcủaAgribankvềcáchthứcmàmột đơn vị chi nhánh ngân hàng có thể và cần thực hiện nhằm có hiểu biết sâu hơn vềRRTDcủađơnvị.Từnhữngdữliệumàtácgiảthuthậptheophươngpháp“nghiêncứuthựcđịa”nh ưlàmột“trườnghợpđiểnhình”,cóthểkếtluậnvềcácmụctiêunghiêncứuđãđặtranhưsau.
Thứnhất,vớitrườnghợpnghiêncứulàmộtchinhánhcủaAgribank,đơnvịcóthểthiết lập những nhóm công tác bao gồm cán bộ tín dụng và cán bộ quản lý CNTT đểkhai thác dữ liệu từ hệ thống lõi của ngân hàng (IPCAS) Với những dữ liệu như đã môtả,đơnvịngânhàngcóthểphântíchđểnhận biếtrủirodanhmụcchovaytheocácnộidungsau:
Phân tích rủi ro tập trung (theo ngành nghề cho vay, theo thời hạn cho vay,theođịabànchovayvàtheokháchhàngchovay)
Phân tích theo nhóm về khoảng thời gian khoản cho vay trên sổ sách kể từkhi giải ngân, về số lượng khoản cho vay bị chuyển xuống hạng trong quatrìnhgiámsátsaukhigiảingân.
Phân tích ma trận chuyển đổi XHTD nội bộ để đánh giá chất lượng của toànbộdanhmụcchovay.
Thứ hai, với trường hợp nghiên cứu của Agribank chi nhánh huyện Phú Giáo,Bình Dương, kết quả phân tích dữ liệu về rủi ro danh mục cho vay khách hàng cá nhângiúpchinhánhnhậnbiếtđượcrằngđãcónhữngsựkhácbiệttronghoạtđộngchovay kháchhàngcánhâncủachinhánhtrướcvàsauthờigiandịchbệnh.Tuynhiên,nhưtrênđã đề cập, trái với suy luận thông thường, RRTD của chi nhánh tiếp cận từ góc độ toàndanh mục cho vay dường như có dấu hiệu giảm đi chứ không tăng lên Điều này có thểlýgiảitừgócđộcôngtácQLRRTDcủachinhánhđãđượccảithiện,nhưngcũngcóthểchỉ là ảnh hưởng của dịch bệnh chưa đủ thời gian để ảnh hưởng đến RRTD của chinhánh.
Thứ ba, trường hợp nghiên cứu trong luận văn cung cấp bằng chứng rằng đơn vịchinhánhcủaAgribankcóthểthuđượcnhữnglợiíchlớnhơntừkhaithácdữliệuđượcphân cấp cho đơn vị trong hệ thống IPCAS để phục vụ cho các hoạt động điều hành.Tuy nhiên, hiện có những trở ngại cả về loại dữ liệu được truy xuất (chủ yếu là dữ liệutổnghợp),vềcôngcụcũngnhưnănglựcphântíchvàsửdụngcôngcụphântích(SQL,Excel, hay các ngôn ngữ lập trình khác) Bên cạnh đó, hệ thống IPCAS do không đượcđịnh hướng phục vụ theo hướng tự khai thác dữ liệu cho người sử dụng thuộc các chứcnăngkinhdoanhnêntàiliệugiảithíchvềýnghĩacủadữliệucũngkhôngđượcphổbiến.Điềunàycóthể dẫnđếnrủirongườisửdụngcóthểsửdụngdữliệu“rác”đểphântích,làm giảm độ tin cậy của kết quả phân tích và tính hữu ích đối với người sử dụng thôngtintạichinhánh.
Đềxuấtgiảipháp
Từ kết quả nghiên cứu, có thể dẫn đến một số hàm ý quản lý đối với AgribanknóichungvàchinhánhAgribankhuyệnPhú Giáo,Bình Dương.
Thứnhất,chinhánhAgribankhuyệnPhúGiáo,BìnhDươngcầntiếptụccảithiệnvềcôngtácQL RRnóichungtrêncơsởlàmtốthơnkhâuphântích,đánhgiárủiro,nhấtlà đối với RRTD ở cấp độ toàn bộ danh mục cho vay nhằm hỗ trợ hiệu quả hơn cả chocácmụctiêugiámsátRRTDcũngnhưviệc lậpkếhoạchkinhdoanh.
Thứ hai, bên cạnh việc sử dụng chức năng truy vấn, báo cáo nghiệp vụ sẵn có,chinhánhAgribankhuyệnPhúGiáo,BìnhDươngcầnchútrọnghơnnữaviệckhaitháctối đa các nguồn dữ liệu trong hệ thống IPCAS và các hệ thống khác đượcAgribankphânquyềntruycậpchochinhánh.Sởdĩnhưvậylàvìcáchệthốngnhưvậynóichungkhông được thiết kế nhằm đáp ứng nhu cầu thông tin đặc thù của một đơn vị mà bảnthâncácđơnvịchinhánhcầntăngcườngnănglựcđộingũcánbộchuyênmônđểcó thểkhaithácngàycànghiệuquảkhodữliệuđãđượctạolậptrongcáchệthốngcủaAgriba nknhư IPCAS.
Thứ ba, Agribank cần chú trọng và tạo điều kiện để các chi nhánh khai thác dữliệu để phục vụ cho việc QLRR tại các chi nhánh Điều này đòi hỏi Agribank cần tổchức các khóa đào tạo nâng cao năng lực phân tích dữ liệu cho đội ngũ cán bộ nghiệpvụ tại chi nhánh Bên cạnh đó, cần có tài liệu giải thích ý nghĩa của dữ liệu, hướng dẫnthực hiện các biện pháp đảm bảo an toàn dữ liệu trong quá trình khai thác dữ liệu theoyêu cầucủachinhánh.
Hạnchếvàhướng nghiêncứutiếp theo
Nghiên cứu chỉ mới dừng lại ở mức độ mô tả do những giới hạn về loại dữ liệu(dữliệutổnghợp)cũngnhưphạmvidữliệu(củachinhánh).Cácnghiêncứuvềsaucóthểmởrộ ngdựatrênphântíchdữliệuchitiếtđồngthờikếthợpvớicácmôhìnhđểkếtquảphântíchcótínhtổng quáthơn.
Cách tiếp cận QLRRTD theo giao dịch, mặc dù được áp dụng chủ yếu, nhưngcác ngân hàng ngày càng được yêu cầu thực hiện QLRR theo danh mục cho vay chovay Sở dĩ như vậy là vì QLRR theo danh mục cho vay giúp dự báo hiệu quả hơn cácyếu tố của RRTD, đồng thời giúp cung cấp các cảnh báo sớm về rủi ro nhằm giúp cácngânhàngcósựchuẩnbịphùhợpứngphóvớirủiro.Ởcấpđộchinhánh,cácchinhánhcủaAgribank vềcơbảnvẫndựavàocáchệthốngsẵncócủaAgribank,chưađượctrangbị những công cụ, phương pháp cho phép khai thác nguồn dữ liệu rất phong phú để cảithiệnkhâuphântích,đolườngRRTD(theodanhmụcchovay).Kếtquảnghiêncứunàyđã cho thấy một chi nhánh ngân hàng với những hạn chế nhất định cả về mặt nguồn dữliệu cũng như năng lực sử dụng các công cụ phân tích vẫn có thể áp dụng các phươngpháp phân tích RRTD theo danh mục, qua đó giúp chi nhánh có hiểu biết sâu sắc hơnvề các đặc điểm ảnh hưởng RRTD tại đơn vị Những hiểu biết này chỉ có thể đạt đượckhi các chi nhánh có điều kiện và năng lực để tự thiết kế và thực hiện các thủ tục phântíchphùhợp,thayvìchỉsửdụngcáctínhnăngtruyvấnthôngtin,báocáođượcthiếtkếsẵn và triển khai áp dụng “từ trên xuống” Với các kho dữ liệu đã và đang phát triểnhàngngày,hànggiờ,Agribankvàcácchinhánhcầnthiếtlậpnhữnghạtầngphùhợpcảvề công nghệ và con người nhằm nâng cao năng lực phân tích, khai thác dữ liệu phụcvụ hiệu quả hơn cho việc cải thiện các mặt hoạt động nói chung và công tác QLRRTDnóiriêngcủa toàn hệthốngcũngnhưởcấpđộtừngđơnvịchinhánh.
1 ĐàoVănChung,2021.QuảnlýrủirotíndụngtrongcácngânhàngthươngmạicổphầnViệt Nam.Tạp chí Tài chính,Issue 1, pp.1-5.
Nhữngkhó khănvàgiải pháp.Tạp chí ngân hàng,Issue8.
4 Hoàng Thị Thu & Ngô Thị Thu Mai, 2016 Quản lý rủi ro tín dụng tại Ngân hàng Thươngmại Cổ phần Quân đội Việt Nam.Tạp chí KHOA HỌC & CÔNG NGHỆ,03(133), pp 33-38.
6 Nguyễn Quốc Huy, 2021 Quản trị rủi ro tại Ngân hàng Agribank - Chi nhánh tỉnh ĐồngTháp.Tạp chí Công thương,Issue24, pp 1-10.
7 Nguyễn Thị Kim Nhung & ctg., 2017 Một số vấn đề về rủi ro tín dụng của ngân hàngthươngmại.Tạp chí Tài chính Online.
8 Nguyễn Thị Thái Hưng, 2022 Những khó khăn của ngành Ngân hàng trong bối cảnh đạidịchCOVID-19.Tạp chíThị trường Tàichính Tiền tệ,Issue10.
9 NguyễnThịThuPhương&TrầnThịLanHương,2019.Thựctrạngđánhgiárủirotíndụngtại Ngân hàng Agribank Việt Nam - Chi nhánh Thanh Hóa.Tạp chí khoa học Trường ĐạihọcHồng Đức,2009(43), pp 96- 103.
11 NguyễnThùyDương&NguyễnBíchNgân,2020.Phươngphápnhậndiệnrủirodanhmụcchovaytại cácngânhàngthươngmạiViệtNam.TạpchíKhoahọc&ĐàotạoNgânhàng,2020(222),pp 59-59, 73.
13 NHNN, 2018.Thông tư số 13/2018 Quy định về hệ thống kiểm soát nội bộ của ngân hàngthương mại, chi nhánh ngânhàng nướcngoài.s.l.:VP Chính phủ.
14 Parmenter, D., 2007.Pareto’s 80/20 Rule for Corporate Accountants.New Jersey:JohnWiley&Sons.
15.Phạm Hùng Cường & Nguyễn Văn Thành, 2022 Quản trị rủi ro tín dụng bán lẻ tại ngânhàngThươngmạicổphầnNgoạithươngViệtNam-chinhánhHùngVương.TạpchíCôngThương.
16 Lê Phương, 2021.Lợi nhuận ngân hàng khả quan nhưng liệu có bền vững?. [Online]Availableat:https://bnews.vn/loi-nhuan-ngan-hang-kha-quan-nhung-lieu-co-ben- vung/225012.html
International Journal of Research in Applied Natural and Social Sciences,2(8), pp 43-
52.Balás,T , 2 0 0 9 C o m p a r i s o n o f t h e i n d i c a t o r s d e s c r i b i n g t h e l o a n p o r t f o l i o q u a l i t y o f t h e bankingsector.Report on Financial Stability,pp.1-6.
BCBS,2 00 6a B a s e l I I : International c o n v e r g e n c e ofcapital m e a s u r em e n t a n d c ap i ta l standards:A RevisedFramework,Basel:Basel Committeeon BankingSupervision.
Bessis,J., 2015.Risk managementin banking.West Sussex:JohnWiley&SonsLtd. ĐàoVănChung,2021.QuảnlýrủirotíndụngtrongcácngânhàngthươngmạicổphầnViệtNam.Tạ p chí Tài chính,Issue1, pp 1-5. ĐỗHoàiLinh,2020.ẢnhhưởngcủadịchbệnhCovid-
19đốivớihoạtđộngngânhàngViệtNam-Nhữngkhó khănvàgiải pháp.Tạp chí ngân hàng,Issue8.
Availablea t : h t t p s : / /www.garp.or g /risk-intelligence/credit/probability-of-default-the- pluses- and-minuses-of-transition-matrices
FulbrightViệtNam,2005.T hô ng tinbấtcânxứng trong hoạtđộngtín dụng tạiViệtNa m.
Gavalas, D & Syriopoulos, T., 2014 Bank Credit Risk Management and Rating MigrationAnalysis.International Journalof Financial Studies,Issue 2, p.122–143.
Gestel, T V & Baesens, B., 2009.Credit Risk Management: Basic Concepts: financial riskcomponents, rating analysis, models, economic and regulatory capital.New York:
Giudici, P., 2003.Applied Data Mining: Statistical Methods for Business and
Glenn,N.D.,2005.Cohortanalysis.2nded California:SagePublications.
[Online] Availableat:https:/ /www.bis.org/bcbs/ e vents/rtf04hauswald.pdf
Hibbeln,M.,2010.RiskManagementinCreditPortfolios-ConcentrationRiskandBaselII. Berlin:Springer-VerlagBerlinHeidelberg.
Hoàng Thị Thu & Ngô Thị Thu Mai, 2016 Quản lý rủi ro tín dụng tại Ngân hàng Thương mạiCổphần Quânđội ViệtNam.Tạp chí KHOAHỌC&CÔNGNGHỆ,03(133), pp.33-38.
Juodis, M., Valvonis, V., Berniûnas, R & Beivydas, M., 2009 Measuring Concentration RiskinBankCreditPortfoliosUsingGranularityAdjustment:PracticalAspects.MatematinởEkono mika,Issue 1, pp.45-63.
LêPhương,2021.Lợinhuậnngânhàngkhảquannhưngliệucóbềnvững?.[Online]Available at: https://bnews.vn/loi-nhuan-ngan-hang-kha-quan-nhung-lieu-co-ben- vung/ 225012.html
Le,T.T.D.&Diep,T.T.,2020.TheEffectofLendingStructureConcentrationonCreditRisk:The Evidence of Vietnamese Commercial Banks.Journal of Asian Finance, Economics andBusiness,7(7), p 059 – 072. Loffler,G.
&Posch,P.N.,2011.CreditRiskModelingUsingExcelandVBAwithDVD.WestSussex:JohnWiley&Son s,Ltd.
McKinsey & Company, 2020.Managing and monitoring credit risk after the COVID-
Nario, L., Pfister, T., Poppensieker, T & Stegemann, U., 2016.The evolving role of creditportfolio management [Online]
Availableat:https:/ /www.mckinse y com/business-functions/risk-and-resilience/our- insights/the- evolving-role-of-credit-portfolio-management
NEU-JICA, 2021.ĐÁNH GIÁ CÁC CHÍNH SÁCH ỨNG PHÓ COVID-19 VÀ CÁC
Nguyễn Thị Kim Nhung & ctg., 2017 Một số vấn đề về rủi ro tín dụng của ngân hàng thươngmại.Tạp chí Tài chính Online.
Nguyễn Thị Thái Hưng, 2022 Những khó khăn của ngành Ngân hàng trong bối cảnh đại dịchCOVID-19.Tạp chí Thị trường Tài chính Tiềntệ,Issue10.
NguyễnThịThuPhương&TrầnThịLanHương,2019.ThựctrạngđánhgiárủirotíndụngtạiNgân hàng Agribank Việt Nam - Chi nhánh Thanh Hóa.Tạp chí khoa học Trường Đại họcHồngĐức,2009(43), pp.96-103. NguyễnThịTràMy,2021.GiảipháphạnchếrủirotíndụngtạiNHNo&PTNTViệtNamChinhánhhuyện Tân ThạnhLongAn.Tạp chíKinh tế-Côngnghiệp,2021(26), pp 56-62.
NguyễnThùyDương&NguyễnBíchNgân,2020.Phươngphápnhậndiệnrủirodanhmụcchovay tại các ngân hàng thương mại Việt Nam.Tạp chí Khoa học & Đào tạo Ngân hàng,2020(222),pp.59-59, 73.
Nguyễn Văn Tiến, 2013.Giáo trình quản trị ngân hàng thương mại.Hà Nội: Nhà xuất bảnThốngKê.
NHNN, 2018.Thông tư số 13/2018 Quy định về hệ thống kiểm soát nội bộ của ngân hàngthương mại, chi nhánh ngânhàng nướcngoài.s.l.:VP Chính phủ.
Parmenter,D.,2007.Pareto’s80/20RuleforCorporateAccountants.NewJersey:JohnWiley&Sons. Phạm Hùng Cường & Nguyễn Văn Thành, 2022 Quản trị rủi ro tín dụng bán lẻ tại ngân hàngThươngmạicổphầnNgoạithươngViệtNam- chinhánhHùngVương.TạpchíCôngThương.Riaz,S.,Liew,V.K.-
S.&Rahim,R.A.,2019.BaselAccords,BankCapitalandPortfolioRiskBehavior.1st ed. s.l.:CambridgeScholars Publishing.
Rosenberg, R., 1999.Measuring Microcredit Delinquency: Ratios Can Be Harmful To
[Online]Available at: https:/ /www.findevg a teway.org/sites/default/files/publications/files/ measuring_microcredit_d elinquency_-_ratios_can_be_harmful_to_your_health.pdf
Sageworks,2016.TheBasicsOfVintageAnalysis.[Online]Available at: https:/ /www.alll.com/wp - content/uploads/2016/04/Vintage_Analysis_Basics_Whitepaper.pdf
Saliya,C.A.,2017.DoingQualitativeCaseStudyResearchinBusinessManagement.Ca seStudiesJournal,6(12), pp 96-111.
Skridulytė,R.&Freitakas,E.,2012.TheMeasurementofConcentrationRiskinLoanPortfolios.Econom ics&Sociology,5(1), pp 51-61.
Spuchľáková,E.,Valaškováb,K.&Adamkoc,P.,2015.TheCreditRiskanditsMeasurement,Hedgingand
Monitoring.Kazan,Russia, Procedia EconomicsandFinance,p 675–681.
Spuchľáková,E.,Valašková,K.&Adamko,P.,2015.TheCreditRiskanditsMeasurement,He dgingandMonitoring.Kazan, Russia,Procedia Economicsand Finance,p.675–681.
Tardi,C.,2022.The80-20Rule(akaParetoPrinciple):WhatItIs,HowItWorks.
[Online]Available at: https:// www.investopedia.com/terms/1/80-20- rule.asp#:~:text=The%2080%2D20%20rule%2C%20also,and%20make%20them%20the%20 priority.
Wilson,T.C.,1998.PortfolioCredit Risk.F R B N Y ECONOMIC POLICYREVIEW / OCTOBER1998,pp 71-82.
Yin,R.K.,2009.CaseStudyResearch:DesignandMethods.4thed.ThousandOaks,CA:SagePublication.
Zainal,Z., 2007.Casestudyasaresearchmethod.Jurnal Kemanusiaan,pp 1-6.
PhụlụcB–Phântíchdanhmụcchovaytheo địa bàncho vay
PhụlụcE–Phân tíchtheo nhómthời hạnkhoảnchovaychưathu hồi
Phụ lục F–Phân tích theo nhóm số lượng khoản cho vay bị đánh giá suygiảmchất lượng
TRU’ÒNGE Ì A I I — I O C N G Â N I IÀNG CONGI IÒAXÃI IÔIC L I IIN G I IİAV I L " I “ N A M
"ŁP.HÒCUIMINH I9ôc l â — p T u do — Han h phúc
HOIDÒNGC I I Á M LUAN VĂN THACSİ "I"hànhphoHoChiM i n h , ngàyĘ $l h á n g 10nâni2022
Tćn de tài: Phân tíchrùiro danhm u c c h o v a y k h á c h h à n g c á n h â n : t r i r ũ n g h ỗ p n g h i ć n c ỳ u tąi ngõnhàng nụng nghiepvà phỏt trićn nũng thônV i c t N a m c h i n h á n h h u y c n p h ú g i á o BìnhDuong
Chuyênngănh:Tàichính—NgânhàngNgiròi nhan xćt: Ticn si Do Thi"íhanh
- Ve muc tiờu nghiờn cỳu cựa luan văn rừ răng, phự hỗrp vúi thqc tc cựa chi nhỏnh.Nhợing cõu húi nghićn cỳu dna ra phự hop vúi dc tài, giài dỏp dupc van dc dat ra cùanghićncúu.DónggópmangtínhthqctientaiNgânhàng.
- Bàinày tác già sù dungphuongpháp dinh tính,tác giànêntrình bàylÿ dosù dungphuongphápcfingnhuuunhuocdiemphirongphápnày.
- Ngoàiraphỏn mũ dan trang6tỏc già cútrỡnhb à y d ỳ l i c u l a d ủ l i c u d i n h l i r p n g , t á c giàxemląidêthongnhat.
"l“ltNÒNfìI3ĄIŁIQCN€iÂNHÀNC CQNGI I(JAX à I III CIJÚN€ìHİAVI.TNAM
Tl'.HĆ3CHÍM INH łàoclap—Ty do—Hąnhp h ú c l’hànhphs›H‹›I’híMinh,ngày2Rlháng10norm2)22
Tćnd ctài: Phânt í c h r ù i r o d a n h m u c c h ov a y k h á c hh a n g c án h ă n : 1 r i r ò n g h i p n g h i ü n cùu tai Ngânh à n g N ô n g n g h l C Çv à1°hátt r i ć n N ô n g t h o r n V i c t N a m C h i n h á n h I l u y c n PhúGíaoJ3ìnhI9irwng
1.Ÿnghợakhoahoc,theetiencựadLtài:Cú ÿnghiavCkh(Jớlhpcvàthircticn
3 Hìnhthú c, kctc a u : IIìnhthúcvàk ci cauchu a p h ù h i p
- Phandatvandcdàidòngkhôngcanthict,nhirn¿uchuanérlléndirpctínhcapthictcùadctài.Cân gióithicudiryctínhcapthictcùadCtàiIdtaisaocannghiéncúurùirodanhmumchov a y k h á c h h à n g c á n h ă nL a i A g r i b a n k luycnl'húIí a o , I 3 ì n h I 3 u o n g QAdi b a n k Ciao.h i n h D u o n gd a n g c o v a n ćg iv e d a n hm u c c h o v a y K I UN ćc a n
- Muc tiću nghićn cùu, cau hói nghién cúu: Qúa dâi d‹ma,n h i r n g c h i r a p h ù h t t p
C ă n x á c dinh lai muc tiću nghićn cúu và càu hòi nghićn edu cho pliùh o p H o n g t h ü i c ă n t á c h b i c i inuctićunghićncéruvàcâuhòinghiüncúulàm02nauc pỳu:ChUap h ựh o pvúit ćnd c L a iv a i i i u c tiću n g h i ć n c p u Canx ọ c dlflhi íl ›i h'phhh;
- Ph;ainvi nghién cúu và thõi gian nghićn cùu:l“rìnlibãy qua dài dòng, nhung chu’arimvàchua phự hip Can xỏc dinhvàtrỡnh bàil;diVọo trtjnc tăiii vc pham vi nghićn cuu và th‹rigiannhićn cúu Hong thai giáithích rõ vc theia i a n n g h i é n e d u t ü t h á n g
0 3 / 2 0 2 2 d c n tháng10/2022 ,xù'lydúlicugiaodlchtíndunsv ã p h o n ¿ u v à n chuyćn g i a noibo
- l°huứng phăp nghiộn edu: Can xỏc dinh rừ phuonu phỏp n¿uhićn cỳu vọ thirc hicn bo cuelu{anvănphùhcpvóimuctićunghićnc ü u vàphui g t r a p nghićnedu.
- J3o cuc các chirong(04chirong) chuaphúh‹Jp: Yéu cau rà soát, bo cuc lai tat cacácchuong cho phú hipv ó i m u c t i c u n g h i é n c ú ’ uvàphuongphápnghién céu Hong thúi xácdinhlaitêncácchu’tng.noidungtrinhbàytrongtüngchiro’ngchophúho’p.
- Can chuycnchirc ng1h i c n f i d i t h à n h01m u c c ù a c h i r o n g 2vàbocuclailàm chuong1 CsólyluanvcrùirodanhmucchovayKIICNvàtongquancàcnghiéncùutruóc.
I rong chirong1hicnt a i : C a n r à s o á t , l u q c k h a o l a i c á c n g h i c n c ú u t r o n gvàngoàin u ó c , ngan gpn,phúhe pv’t idc tàinghiéncüu,phuongpháJanghiéncúuv à n ô i d u n g n g h i é n cúu.
- Xácdi nhv à t r in hb à yl y t h u y c tn c nd a yd úv c r u irodanhm u c c h ov a y K I UN
- Candor.tenchiro’n.I 3 o cucn o i.d u n gtrinhb a.yc h o phuh o ’ p
Cãnxác dinh réphu’ngP h á p n g h i ê n c é u : V à p h a n p h f i n t í c h t i c n h à n h t h c o p h u o n g pháphoiactiüucháígdanhgilc h o phuhip
TP.HễCHẻMINH Dục lõp — Tir do — Hanh p h ỳ c
HOIDÒNG DÁNII GIÁ LU,AN VĂN TP.HoChiMinh,ngày28tháng10năm2022
Hoi dong dánh giá lu{anvănthac si duoc thànhleaptheouyet dinh so 2638/QD- DHNHngày2 0 / 1 0 / 2 0 2 2 ,6 “ ato chúc hopv à o l ú c 0 g i ò Ú n g à y 2 8 / 1 0 / 2 0 2 2 t ą i p h ò n g 3 0 1 , so36TônThatDąm,Quan1,TP.HCMde chamluianvăn thacsi.
Tờnde tài.‘ Phõn tớch rỳi ro danh muc cho vay khỏch hàng cỏ nhỏn: Trổàng hpp nghiờncùỡu tai Ngćin hàng Nụng nghiepvàPhỏt trien Nụng thún Viet Nam chi nhỏnh huyen Phỳ GiáoBìnhDvong
Soth ànhv i ê n Hoid o n g c ó meat: Ê.Ś.Sothànhv i ê n v a n g meat: ÊĞ l y d o :
1 Ông/Bà:TS.N g u y e n The Bính thekÿcôngb o Quyetd | n h t h à n h l a p HoidongchamluanvănthacsIcùaHieutriròngTruòngDaihpcNgânhàngTP.HoCh íMinh.
3 Thirkÿhoi dong: TS.NguyênTheBínhthông qua lylich khoa hpc và báng diem cao hpccùahpcviên.
5 Phanb i e n 1 :TS.TranTr9n gHuyd o cb à n n h a n x é t v à d }a t c â u h ò í ( c ó vănbànkèmtheo)
6 Phànbien2:TS.DệTh|T h a n h N h à n d pc b à nn h i a n xộtv à d i a t cõuhũİ(cúvănbàn kốmtheo)
Nhüng dóng góp mói cúa luian vãn:
+ Nhíing han chê cria lu}an vãn:
+ Múc dô trà lõi câu
-Hoi dong cho diem h9c viên: Diem cúa hpc viên dirqc các thành viên xác d|nh trên tüngphieu diem, thu ky tong hop ket quà duói só chúng kien cúatatcà các thành viên hoi dong nhusau:
+ Dê tài cân chinh sùa nliíing noi dung sau: ( êu cqó)
Sau klii chinł n báo cào chinh sùa theo mâu, gùi lai cho Nguõi huóng dân
*H o id o n g nhattríhaykhôngnhatgtrí d enhtHieutruòngcôngnhianhocvtThącsichohoc viên NguyenHoángDúc: vàChù tichhoidongkiêmtrakyxácnhanchinhsùa.
(trongvũng30ngày,ketựngàybàove)Noid u n g Biờnb à n dirq c ĩ / thànhviộnnhat tríthôngqua.
Cuochopkettliúc1ùc Í giõ cùng ngày.
