749 Ứng Dụng Công Nghệ Trí Tuệ Nhân Tạo Trong Hoạt Động Quản Trị Rủi Ro Tín Dụng Tại Nhtm Cp Công Thương Vn 2023.Docx

BỘGIÁODỤCVÀ ĐÀOTẠO NGÂNHÀNGNHÀNƯỚCVIỆTNAM TRƯỜNGĐẠI HỌCNGÂNHÀNGTHÀNHPHỐHỒCHÍ MINH LÊHUỲNH ỨNG DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO TRONGHOẠT ĐỘNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂNHÀNGTHƯƠNGMẠI CỔPHẦNCÔNGTH[.]

LÝDO CHỌNĐỀTÀI

Tronghoạtđộngcủangânhàngthìhoạtđộngtíndụngvẫnmangtínhcốtlõivàvàchiếmtỷt rọngcaotrongtổnglợinhuậnhàngnămcủatấtcảcácNgânhàngthươngmại.Bêncạnhđó,Ngânhàn glàtổchứckinhtếhoạtđộngkháđặcthùtronglĩnhvựctài chính- tiền tệ kinh doanh tiền với mục tiêu chính vì lợi nhuận, đây là lĩnh vực vôcùng đa dạng, phức tạp, nhạy cảm và tiềm ẩn rất nhiều các rủi ro liên quan mật thiếtđến tất cả các cá nhân, tổ chức, các ngành nghề trong nền kinh tế Các ngân hàngđược ví như là mạch máu của toàn bộ nền kinh tế bởi bất kỳ sự biến động được gâyra bởi hệ thống ngân hàng cũng ảnh hưởng đến toàn bộ nền kinh tế Do ngân hàngđóng vai trò là trung gian nhận tiền gửi từ các cá nhân, hộ gia đình, tổ chức và cungcấp các dịch vụ ngân hàng cho nền kinh tế Do đó, vấn đề đặt ra của các ngân hàngthương mại là phải thực hiện hoạt động quản trị rủi ro trong công tác tín dụng đạtđượchiệuquả,mangtínhtoàndiệnvà cóhệthống.

Trải qua gần 35 năm hình thành và phát triển Trên chặn đường đó, Ngân hàngthương mại cổ phần Công Thương Việt Nam đã đạt được nhiều thành tựu đáng chúý, đặc biệt phải kể đến là hoạt động quản trị tín dụng Tính đến ngày 31/12/2021,VietinBankluônduytrìvịtrílàmộttrongnhữngngânhàngđứngđầutoànhệthốn gNgânhàngthươngmạicổphầntạiViệtNamvớicácchỉsốnổibậtnhưsau:Tỷlệantoàn vốn (CAR) theo tiêu chuẩn Basel II đạt 25,91%, tỷ lệ nợ xấu thấp chỉ ở mức1,41%; tổng dư nợ tín dụng đạt 1.141.454 tỷ đồng tăng 434.576 tỷ đồng so với thờiđiểm 31/12/2016 Với tầm nhìn và thực hiện những chính sách đúng đắn của

BanlãnhđạođãgiúpVietinBankđạtđượccácmụctiêu,chiếnlượcđãđềravàchấtlượngnợvẫnđạtt heoquyđịnhcủaNgânhàngnhànước,chuẩnmựcquốctếvànằmtrongsự kiểm soát của ngân hàng. Nhưng, tỷ lệ nợ xấu của VietinBank trong giai đoạn2016-2021 có nhiều biến động và tại 31/12/2021 nợ xấu đạt 14.300 tỷ đồng Do đó,ChúngtacầnnhìnnhậnnghiêmtúctronghoạtđộngquảntrịtíndụngcủaVietinBankcòn tồnđọngnhữnghạnchếcầnphảikhắcphục.

Hiện nay, cuộc cách mạng công nghệ số đã và đang tạo ra sự siêu kết nói trênquymôtoàncầu,nênchínhvìđiềuđómàcáctổchứcbuộcphảiứngdụngcôngnghệmới vào hoạt động kinh doanh đặc biệt là trong lĩnh vực ngân hàng Đây là ngànhđặcthùvớinguồndữliệukhổnglồ,hệthốngcơsởhạtầngcôngnghệthôngtinphứctạp, có mối liên hệ chặt chẽ với nền kinh tế nên đòi hỏi tốc độ xử lý nhanh tiết kiệmchi phí, hoạt động quản trị rủi ro tín dụng hiệu quả nên công nghệ trí tuệ nhân tạođượcxemlànềntảngcủatươnglaiđangđượcnghiêncứuvàtriểnkhaitạiVietinBank Công nghệ trí tuệ nhân tạo với nhiều ứng dụng đa dạng mang tính chấtđộtphávìnóđượchuấnluyệnđểnócóthểhọctậpvàthựchiệnnhưconngười.

Chínhvìnhữnglýdođãđượcphântíchnhưtrên,nênviệclựachọnđềtài “Ứngdụngcôngnghệ trítuệnhântạotronghoạtđộngquảntrịrủirotíndụngtạiNgânhàngthươngmạicổphầnCôn gthươngViệtNam”là hoàntoànphùhợpvềmặtlýluậnkhoahọccũngnhưvềthựctếđangđượctri ểnkhaitạiVietinBank.Bàiluậnvănnàysẽtậptrungphântíchvềhoạtđộngquảntrịrủirotíndụngt ạiVietinBankthôngviệc ứng dụng công nghệ trí tuệ nhân tạo vào hệ thống cảnh báo sớm rủi ro tín dụng(EWS)đểkiểmsoátcáckhoảntíndụngsauvayvàlàcơ sởđưacáccáccảnhbáovềquyếtđịnhcấptíndụng.

MỤCTIÊUCỦAĐỀTÀI

Mụctiêutổngquát

Luậnvănđánhgiátổngthểvềmặtlýluậncũngnhưthựctiễncôngnghệtrítuệnhân tạo trong quản trị rủi ro tín dụng từ đó đưa ra giải pháp nhằm ứng dụng côngnghệtrítuệnhântạotrongquảntrịrủirotíndụngtạiNgânhàngthươngmạicổphầnCôngThươ ngViệtNam.

Mụctiêu cụ thể

Thứ nhất, khái quát hóa cơ sở lý luận về ứng dụng công nghệ trí tuệ nhân tạotrong quảntrịrủirotíndụng

Thứ hai, đánh giá thực trạng ứng dụng công nghệ trí tuệ nhân tạo trong hoạtđộng quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phần Công ThươngViệtNam.

Thứba,đềxuấtgiảiphápnhằmhoànthiệnứngdụngcôngnghệtrítuệnhântạovào việc quản trị tín dụng tại Ngân hàng thương mại cổ phần Công Thương ViệtNam.

CÂUHỎINGHIÊNCỨU

Câuhỏithứhai:Thựctrạngquảntrịrủirotíndụngvàkhảnăngứngdụngcôngnghệtrítuệnhân tạo trongquảntrịrủirotíndụng tạịVietinBank?

ĐỐI TƯỢNGVÀPHẠMVINGHIÊNCỨU

Đốitượng nghiêncứu

Công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại ngân hàngTMCPCôngthươngViệtNam.

Phạmvinghiêncứu

Phạmvikhônggian:Ứngdụngcôngnghệtrítuệnhântạotronghoạtđộngquảntrị rủi ro tín dụng tại ngân hàng thương mại cổ phần Công thương Việt Nam, trongđó chủyếutập trungHệthốngcảnhbáo sớm rủiro tíndụng.

PHƯƠNGPHÁP NGHIÊNCỨU

Phương pháp phỏng vấn:Để đánh giá thực trạng ứng dụng công nghệ trí tuệnhân tạo trong quản trị rủi ro tín dụng tại VietinBank thì tác giả đã phỏng vấn, xin ýkiến 5 nhà quản lý gồm: 01 Giám đốc trung tâm công nghệ thông tin, 02 phó Giámđốc trung tâm, 01 trưởng ban dự án dữ liệu lớn, 02 chuyên viên cao cấp Trung tâmcôngnghệthôngtin.Nộidungphỏngvấn:

Thứ hai, những khó khăn nào khi triển khai ứng dụng AI vào EWS từ đóChinhánhđưara cácbiệnphápứngxửchophùhợp?

Thứ ba, các giải pháp nào để hoàn thiện việc ứng dụng AI vào hệ thống cảnhbáo sớm rủirotíndụng.

Phươngphápthốngkê,môtả,sosánh,phântích,tổnghợp:nhằmkháiquáthóa,trựcqua nhóavàhệthốnghóacácvấnđềvềquảntrịrủirotíndụng,côngnghệtrí tuệ nhân tạo và ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủiro tín dụng Đồng thời, thực hiện so sánh, phân tích, tổng hợp số liệu từ các báo cáothường niêncủaVietinbank.

TỔNG QUANVỀNGHIÊNCỨU

Tìnhhìnhnghiêncứutrên thếgiới

Addo và cộng sự (2018)phân tích rủi ro tín dụng dựa trên mô hình

Machinelearning và Deep learning,họ kiểm tra tác động trong việc lựa chọn các mô hình trítuệnhântạovàMachineLearning đểxácđịnhxácsuấtvỡnợcủacácdoanhnghiệp.Họcũngnghiêncứuđếnsựổnđịnhcủanhữngmô hìnhnàycóliênquanđếnsựchọnlựa của tập hợp con các biến được chọn bởi mô hình, họ xây dựng bộ phân loại nhịphândựatrênmôhìnhMachineLearningvàhọcsâutrêndữliệuthựctếđểtừđódựđoán được xác suất các khoản vay vỡ nợ Các tính năng của mô hình này chọn lọcvà sau đó sử dụng để kiểm tra tính ổn định của bộ phân loại nhị phân, bằng cách sosánh hiệu suất của chúng trên dữ liệu riêng biệt Họ quan sát thấy rằng, các mô hìnhdựa trên thuật toán phân lớp cây quyết định là ổn định hơn so với các mô hình dựatrênthuậttoánmạngnơ-ronnhântạonhiềulớp.

Chenvàcộngsự(2016)đãnghiêncứucácloạimôhìnhtrítuệnhântạođểđánhgiá rủi ro tín dụng, các mô hình trí tuệ nhân tạo đã được sử dụng rất đa dạng baogồm: mô hình Machine Learning như mô hình dựa trên cây quyết định (DT), máyvectơ hỗ trợ (SVM), mô hình học sâu như mạng nơ-ron tri giác nhiều lớp (MLP).Bên cạnh đó, Tác giả cũng chỉ ra động lực thúc đẩy các ngân hàng thương mại ứngdụngtrítuệnhântạovàohoạtđộngkinhdoanh,nhưngnócũngtồntạicáctháchthứcvàrủiro.

Tsai và Wu (2008)nghiên cứu về khả năng kết hợp các mô hình mạng nơ- ron(MLP)hìnhthànhmôhìnhMulitpleMLP(MMLP)đểtănghiệuquảtrongphânloạinợ.Ngu yêntắcđưarachosựkếthợpđólàphânloạiđầuracủatừngmôhìnhđơnlẻ được tổng hợp thành đầu ra của mô hình kết hợp Lựa chọn phân loại cuối cùng dựatrên kết quả phân loại tương tự của phần lớn các mô hình riêng lẻ Nghiên cứu đượcthực hiện trên 03 bộ dữ liệu từ Đức, Úc và Nhật

Bản Mô hình kết hợp chỉ cho kếtquảphânloạitổngthểtốthơnsovớimôhìnhđơnlẻchotậpdữliệucủaĐức.Nghiêncứu cũngđưarasựsosánhgiữacácmôhìnhtheotiêuchítỷlệphân loạilỗicủacácmô hình Nhưng, các lỗi này chưa được đánh giá theo chi phí phân loại lỗi để tăngtính thựctiễntrongsosánhgiữacácmôhình.

Witzany(2017)cũngcónhữngcơsởlýluậncácmôhìnhrủirovềdanhmụctíndụngvàmôhìn hCreditMetricsdựatrênsựbắtchướcmôhìnhMonteCarlo,môhìnhCreditrisk+hìnhthànhkhungphâ nbổtổnthấtcủadanhmụcmànóhoàntoànkhôngthông qua mô hình Monte Carlo, mô hình Creditrisk+ để đưa vào các yếu tố vĩ môđểxácđịnhxácxuấtvỡ nợ.

Nguồn dữ liệu đầu vào, các bộ chỉ tiêu để đưa ra cảnh báo sớm, cáchthứcđểthựchiệnđolườngrủirotíndụng,nguyêntắcphânloạirủirotươngứngvớimức độ cảnh báo Theo tác giả thì dữ liệu đầu vào phải đủ lớn gồm cả dữ liệu địnhtínhvàdữliệuđịnhlượng.Acenture(2014)thìnêuquanđiểmnguồndữliệu:đốivớikháchhàngth uộcphânkhúcdoanhnghiệpthìphảisửdụngnguồndữliệuđịnhlượngdựa trên các báo cáo tài chính, tài sản đảm bảo, còn đối với khách hàng thuộc phânkhúccánhân thìsửdụngdữliệuđịnhtính.

TheonghiêncứucủaZhi-Yuvàcộngsự(2011)đãsửdụngcácphươngphápđolường rủi ro tín dụng bằng những phương pháp thống kê hiện đại để xây dựng nênmôhìnhdựbáovềrủirotíndụngnhằmmụcđíchphânkháchhàngthànhhainhóm:Có tài sản bảo đảm và không có tài sản bảo đảm Lợi ích của những mô hình cảnhbáo sớm này là tiết kiệm được chi phí phân tích dữ liệu tín dụng, cơ sở để đưa raquyết định cấp tín dụng cho khách hàng nhanh chóng, đảm bảo an toàn về vốn chongânhàng.

Tìnhhìnhnghiên cứutrongnước

Hiệnnay,đãcónhiềucôngtrình nghiêncứuvềhoạtđộngquảntrịrủiro tíndụng nhưng khá ít các nghiên cứu về việc ứng dụng công nghệ trí tuệ nhân vàoquản trịrủirotíndụng

Nguyễn Tiến Hưng (2022)cho rằng: “Ứng dụng trí tuệ nhân tạo trong quản lýrủi ro tín dụng tại Ngân hàng Nông Nghiệp và Phát Triển Nông Thôn Việt Nam”.Nghiên đã làm rõ thực trạng quản trị rủi ro tín dụng cũng như sử dụng các mô hìnhtrí tuệ nhân tạo: Mô hình cây quyết định (Decision tree), mô hình mạng nơ ron(Neural network) để đo lường rủi ro tín dụng dựa trên dữ liệu thực tế tại Ngân hàngNông Nghiệp và Phát Triển Nông Thôn Việt Nam Các mô hình được dùng để xácđịnh xác suất vỡ nợ (PD), tỷ lệ tổn thất khi vỡ nợ (LGD), dư nợ tại thời điểm vỡ nợ(EAD)vànghiêncứucũngđãđánhgiánhữngưuđiểmvượttrộicủacácmôhìnhđolường rủiro tíndụngdựatrên trítuệnhân tạo so vớicácmô hình truyền thống.x ĐỗThịThuHà(2020)chorằng:“Hệthốngcảnhbáosớmrủirotíndụngtạicácngân hàng thương mại tại Việt Nam”, bài nghiên cứu này phân tích thực trạng hệthốngcảnhbáosớmvớinhữngthànhcông,hạnchếvànguyênnhânđểtừđóđềxuấtcác giải pháp nhằm hoàn thiện hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngânhàng thương mại tại Việt Nam bằng phương pháp phỏng vấn chuyên gia, khảo sátqua bảng câu hỏi, với các dữ liệu thực tế được cung cấp bởi các ngân hàng thươngmại.

Tạ Đình Long (2016)cho rằng: “Nâng cao năng lực quản trị quản trị rủi ro tíndụng tại Ngân hàng Nông nghiệp và Phát triển Nông thôn tại Việt Nam” bằng việctổnghợpcácphươngphápnghiêncứudựatrênthựctiễnvàlýluận,luậnvănđãkháiquát những lý luận về những rủi ro và quản trị rủi ro tín dụng tại các ngân hàngTMCP.Bêncạnhđó,luậnvăncũngmôtảlàmrõnhữngkháiniệmvềnănglựcquảntrị rủi ro và các tiêu chí để đánh giá; luận văn cũng đề cập chi tiết thực trạng hoạtđộngquảntrịrủirovàthựctrạngquảntrịrủirotíndụngtạiAgribanktronggiaiđoạntừ năm 2007 đến năm 2014 về việc đáp ứng các tiêu chí đánh giá năng lực quản trịrủi ro tín dụng để từ đó đưa ra những kết quả đạt được, những hạn chế còn tồn đọngvànguyênnhâncủacácthựctrạngnănglựcquảntrịrủirotíndụngtạiAgribank.Từ đó, tác giả đã đưa ra các giải pháp để nâng cao năng lực quản trị rủi ro tín dụng củaAgribankđếnnăm 2020.

Khoảngtrốngnghiêncứu

Tronghoạtđộngkinhdoanhcủangânhàngthìcôngtácquảntrịrủirotíndụngluôn được các ngân hàng chú trọng Chính vì vậy, nhiều nhà nghiên cứu đã có cáccông trình, luận văn về quản trị rủi ro tín dụng được thực hiện sâu rộng và đa dạngvềnộidungtừnhiềugócđộkhácnhau.Saukhinghiêncứucácluânvăncóliênquantácgiảnhận địnhmộtsốkhoảngtrốngnhưsau:

Thứ nhất, các nghiên cứu trong nước hiện nay có rất ít nghiên cứu đề cập vềviệcứngdụngcôngnghệtrítuệnhântạotronghoạtđộngquảntrịrủirotíndụngmàchỉđềcậpđế nmộtgócđộcủaquảntrịrủirotíndụngnhư:nguyêntắcquảntrị,hìnhthứctổchứcquảntrị,quy trìnhquản trịvàphương phápđo lườngrủiro tíndụng.

Thứ hai, theo sự tìm hiểu của tác giả vẫn chưa có công trình nào nghiên cứumột cách toàn diện về việc ứng dụng công nghệ trí tuệ nhân tạo vào hệ thống cảnhbáo sớm trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phầnCôngThươngViệtNam.

KẾTCẤULUẬN VĂN

Quảntrịrủiro tíndụng

Trong hoạt động kinh doanh của ngân hàng thì hoạt động tín dụng luôn mangtínhcốtlỗimanglạilợinhuậnchủyếunhưngnócũnglànghiệpvụtiềmẩnnhiềurủiro.Trong hoạtđộngtíndụngthìrủirovềhoạtđộngchovaylànguyênnhânchủyếugây tổn thấtvàảnhhưởngnghiêmtrọngđếnchấtlượngkinhdoanhcủangânhàng.

Hiện nay, với nhiều cách tiếp cận khác nhau, các nhà khoa học, các tổ chức tàichính,ngânhàngđãđưaranhiềukháiniệmvềrủirotíndụng.Cóthểthấymộtsốvídụđiểnhìnhn hư:

BùiDiệuAnh(2016)chorằngrủirotíndụngthườngchỉbiếncốchậmtrảhoặckhông trả nợ của người đi vay so với thỏa thuận trong hợp đồng tín dụng, điều nàycóthểmanglạitốn thấttàichínhchongân hàng. Theo Ủy ban Basel II (2003) cho rằng rủi ro tín dụng là khả năng bên vay nợngân hàng hoặc đối tác không đáp ứng nghĩa vụ thanh toán theo các điều khoản đãthỏa thuận Như vậy, rủi ro tín dụng phát sinh khi một hoặc các bên trong hợp đồngtín dụng không có khả năng thanh toán cho các bên còn lại Rủi ro tín dụng có thểxảy ra bất cứ lúc nào là điều không thể tránh khỏi trong hoạt động kinh doanh củangânhàng.

Từ các khái niệm tham khảo qua các nghiên cứu đi trước, cùng với quan điểmcủa bản thân, Tác giả tóm lại khái niệm quả trị rủi ro tín dụng như sau:“Rủi ro tíndụnglàloạirủirogâytổnthấtchongânhàngkhikháchhàngkhôngthựchiệnhoặcthực hiện không đầy đủ các nghĩa vụ thanh toán theo thỏa thuận đã ký kết với ngânhàng”.

Rủi ro thuần túy (Pure Risk)được hiểu là khả năng thay đổi/xuất hiện nhữngbiến cố ngoài dự kiến và hậu quả của biến cố này chắc chắn làm thiệt hại cho ngânhàng(kháchhàngkhôngtrảnợ vayđúnghạn…).

Rủi ro đầu cơ/kinh doanh(Speculating Risk) là khả năng xuất phát từ nhữngbiến cố ngoài dự kiến, tuy nhiên biến cố này không phải lúc nào cũng mang lại thiệthại cho ngân hàng như rủi ro thuần túy mà kết quả của nó có thể xuất hiện hai khảnăngngượcchiều:lờihoặclàlỗ.Vídụsựthayđổitỷgiá,lãisuất,

Rủirotàichính(FinancialRisk)làkhảnăngxuấthiệnnhữngbiếncốbấtthườngmà hậu quả của nó có thể đo lường trực tiếp từ kết quả tài chính (thu thập của ngânhàng) Việc khách hàng không hoàn trả gốc và lãi, thay đổi lãi suất, tỷ giá làm chothu nhập của ngân hàng bị giảm sút, thậm chí thua lỗ,… là các biểu hiện của rủi rotàichính.

Rủi ro phi tài chính (Non-financial Risk)là khả năng xảy ra những biến cố bấtthường,bấtlợichongânhàngnhưngkhôngthểđolườngbằngtổnthấttàichínhmộtcách trực tiếp. Chẳng hạn như những biến cố xuất hiện trong quá tình tác nghiệpngoài nhận thức/ ý muốn của người thực hiện (rủi ro tác nghiệp); biến cố không đápứng đượcnhucầu rúttiền củakháchhàng tronghoạtđộngcủangânhàng.

Rủi ro tín dụng (Credit Risk)là khả năng mà khách hàng vay hoặc bên đối táccủangânhàngkhôngthựchiệnđúngcamkếtđãthỏathuận.Theođịnhnghĩanàythìrủiro tíndụngkhôngphảichỉcótronghoạtđộngcấp tíndụng,màhiểu rộnghơncóthể xem rủi ro tín dụng là rủi ro đối tác (Counterparty Risk) Theo đó rủi ro đối tácbaogồmtrongđónhiềuloạitừrủirotíndụngtrongquanhệgiữangânhàngchovayvà người đi vay, rủi ro trong các hợp đồng phái sinh mà ngân hàng tham gia, rủi rotrongviệcngânhàngđầutưchứngkhoán,

Rủirothịtrường(MarketRisk)làkhảnăngtổnthấtxảyratrongvàngoàibảngcânđốikếtoá ncủangânhàng,phátsinhtừcácbiếnđộnggiátrênthịtrường Theo

10 Ủy Basel thì rủi ro thị trường là cộng gộp của các loại rủi ro bộ phận như rủi ro lãisuất (Interest Risk), rủi ro vốn (Equity Risk), rủi ro ngoại hối (Foreign currencyRisk),rủiroquyền chọn(OptionRisk)vàrủirohànghóa(Commodity Risk).

Rủi ro hoạt động (Operational Risk)là rủi ro gây tổn thất do các nguyên nhânnội bộ (như quy trình, hệ thống, nhân viên vận hành không tốt, không đầy đủ) hoặcdo các nguyên nhân khách quan bên ngoài Gồm 04 nhóm cơ bản: Tài sản vật chất,con người,pháplývàgian lận.

Rủi ro giao dịch là loại rủi ro có tính kỹ thuật, nó bao hàm 3 loại rủi ro cụ thể:Rủirolựachọn,rủirođảmbảo,rủironghiệpvụ.

Rủi ro lựa chọnlà loại rủi ro liên quan đến khâu thẩm định và phân tích kháchhàngtrướckhiđưaraquyếtđịnhcấptíndụngkhitiếpnhậnđềnghịvaytừphíakháchhàng, do hiện tượng thông tin bất cân xứng ngân hàng luôn phải đứng trước một sựlựa chọn bất lợi đó là khả năng chấp thuận một khách hàng xấu, một khoản vay cóđộ an toàn thấp đồng thời với việc loại bỏ một khách hàng tốt, một khoản vay có độantoàncao.Sựlựachọnkhôngđúnglàmộttrongcácnguyênnhânđầutiêndẫnđếnviệcngânhà ngphảiđươngđầuvớikhảnăng khôngthuhồiđượcvốnbanđầu.

Rủi ro đảm bảoxuất phát từ các tiêu chuẩn đảm bảo cho sự an toàn của mộtkhoảntíndụngđượcngânhàngchấpthuận.Đólàcáctiêuchuẩnvềtàisảnđảmbảo,vốn đối ứng mà khách hàng vay phải có, về những thỏa thuận trong hợp đồng tíndụnggiữangânhàngvàkháchhàngvay,

….Nhữngđiềukiệnnàytạotiềnđềchomộtmối quan hệ chặt chẽ, đầy đủ cơ sở pháp lý nhằm bảo vệ quyền lợi cho ngân hàngtrong trường hợp xảy ra tranh chấp sau này Mặc khác, chúng cũng tạo ra những ràocản kỹ thuật buộc khách hàng vay phải tuân thủ những thỏa thuận với ngân hàngtrongquanhệtíndụng,ngănchặnnhữnghànhvigâybấtlợichongânhàngxuấtpháttừrủirođạo đức(Moralhazard)củangườivay.

Rủi ro nghiệp vụlà rủi ro liên quan đến những tác nghiệp trong quá trình thựchiện giao dịch tín dụng chằng hạn như việc thiết lập và thực hiện một quy trình cấptíndụngchặtchẽ,trảiquanhiềubướcliênhoànkểtừkhikháchhàngđệtrìnhđềnghịvayvốnchođ ếnkhikhoảntíndụngđókếtthúcđúngnhưthỏathuậntronghợpđồng

1 1 tín dụng; việc quy định và thực hiện các bước kiểm soát trong và sau khi cho vaythông qua quy trình giải ngân, quy trình xử lý nợ có vấn đề,……những sai sót trongquá trình tác nghiệp có thể làm gia tăng khả năng xảy ra rủi ro và mức độ tổn thấttrong quátrìnhthựchiện mộtkhoảncấptíndụng.

Rủi ro giao dịchcó thể biểu hiện ở hai mức độ dẫn đến hậu quả xấu về mặt tàichính cho ngân hàng; ngân hàng có thể bị gia tăng chi phí, giảm sút nguồn thanhkhoản dự kiến (nếu mức độ chậm trả), tuy nhiên có thể dẫn đến thua lỗ và phá sản(nếu rủi ro ở mức độ khách hàng vỡ nợ, không trả được) Xuất phát từ bản chất củaquan hệ tín nhiệm một yếu tố vô hình nên rủi ro tín dụng có tính tất yếu không thểtriệttiêuhoàntoàn.Vìvậyngânhàngphảiápdụngnhiềubiệnphápnhằmđịnhlượng,kiểm soát đi đến giảm thiểu rủi ro tín dụng như hệ thống cảnh báo sớm rủi ro tíndụng.

Công nghệtrítuệnhântạo

P Ongsulee (2017)cho rằng trí tuệ nhân tạo (Artificial intelligence- AI) vàcáckỹ thuật Machine Learning tạo thành cốt lõi của trí tuệ nhân tạo sẽ tạo ra một cuộccáchmạngcôngnghệtronghoạtđộngquảntrịrủirotàichính.Mọithứliênquanđếnviệc hiểu và kiểm soát rủi ro đều phụ thuộc vào sự phát triển của các giải pháp dựatrênAI:Từviệcquyếtđịnhsốtiềnngânhàngnênchokháchhàngvayđếnviệccungcấp các tín hiệu cảnh báo cho các nhà giao dịch thị trường tài chính về vị thế rủi ro,đến phát hiện khách hàng suy giảm về khả năng trả nợ, gian lận nội bộ, cải thiện sựtuânthủvàgiảm rủiromôhình.

TheoLatimore(2018)địnhnghĩatrítuệnhântạolàkỹthuậtđưaracácsuyluậnvà quyết giống như con người Hiện nay, trí tuệ nhân tạo chưa được ứng dụng rộngrãidonhữnghạnchếvềmặtcôngnghệnêncôngnghệnàychỉđượcápdụngđốivớicáccôngvi ệcđượclặpđilặplạivàcáctìnhhuốngđãxảyra.

Các kỹ thuật Machine LearningmôphỏngmạngNoronnhi ềulớp

Các kỹ thuật AI cho phép máymóc cải tiến với dữ liệu đã đượcđàotạo

Các kỹ thuật cho phép máy mócmôphỏnghànhvicủaconngườ i

Machine LearningXử lý ngôn ngữ tự nhiên (Procesing Generation)

Tự động hóa quy trình Tương tác (Chatbot)

Trítuệnhântạođâylàmộtlĩnhvựcrấtrộnglớn,vớimụcđíchnhằmgaiirquyếtnhững vấn đề thay thế sức lao động của công người và những vấn đề mà con ngườichưagiảiquyếtđược.Trítuệnhântạoxuấtpháttừsựtưởngtượngcủaconngườivềhệthống máymóccóthểnhậnthứcvàhoạtđộngmôphỏngcácquátrìnhthôngminhcủaconngườivàsauđócá cmôhình,thuậttoán,kỹthuậtđượcpháttriểntừMachineLearningđếnDeepLearning.Trongđó,Ma chineLearningđượchiểulàcáckỹthuậtsử dụng các phương pháp thống kê giúp cho máy móc có khả năng tự học, cải tiếnthông qua các dữ liệu lịch sử, còn Học sâu là lĩnh vực con của Machine Learning cócấutrúcđượcmôphỏngnhưmạngnoronnhiềulớpđượclấyýtưởngtừcấutrúccủabộnãoconn gười.

Trí tuệ nhân tạo đang được nghiên cứu và ứng dụng trong nhiều lĩnh vực khácnhư Quân sự, thương mại điện tử, mạng xã hội, y học, hàng không vũ trụ, côngnghiệpôtô,điệntửviễnthông.Nhưngtronglĩnhvựcngânhàngthìcácứngdụngcủatrí tuệ nhân tạo còn nhiều hạn chế do yêu cầu về bảo mật thông tin của khách hàngcũngnhưcácthôngtinnhạycảmkhác.

Hình1.4:Ứngdụng trítuệnhântạo trongngânhàng (Latimore,2018)

Theo theo WB (2019) ứng dụng trí tuệ nhân tạo trong quản trị rủi ro tín dụngđược chia thành 03 loại bao gồm: Học có giám sát, học không giám sát và các kỹthuậtkhác.

Các thuật toán học có giám sát: là cách huấn luyện một mô hình trong đónguồndữliệuđầuvào(biếnđộclập)vàchoradữliệuđầura(biếnphụthuộc)tươngứng với nhau.

Mô hình được huấn luyện bằng cách giảm thiểu phát sinh các lỗi củacácdựđoántronghoạtđộnghuấnluyệnđượclặpđilặplại.Saukhitrảiquaquátrìnhhuấn luyện từ nguồn dữ liệu thì mô hình sẽ có khả năng dự đoán đối với nguồn dữliệu mới so với nguồn dữ liệu đã được huấn luyện ban đầu Nếu không gian của môhìnhđượcbiểudiễndướidạngliêntụcthìđâylàbàitoánhồiquy,cònnếurờirạcthìđược gọi là bài toán liên tục Những mô hình trí tuệ nhân tạo được sử dụng với mụctínhđểdựđoánmạnhmẽtừnguồndữliệubanđầuđượchuấnluyệnthìnólànhữngmôhìnhqu antrọngnhấtđượcsửdụngtrong hoạtđộng quảntrịrủiro tíndụng.

Cácthuậttoánhọckhônggiámsát:đâylàcáchhuấnluyệnmộtmôhìnhtrongđónguồndữli ệuhọctậpchỉcódữliệuđầuvàomàkhôngcódữliệuđầura.Môhìnhnày sẽ được huấn luyện để tìm ra các mối liên hệ và cấu trúc giữa các dữ liệu đầuvào với nhau Các mô hình của kỹ thuật này thường được sử dụng để tìm kiếm vàphânloạicácnhómkháchhàngtiềmnăng.

Các thuật toán học khác có liên quan:hiện nay có rất nhiều nguồn dữ liệuphicấutrúchìnhảnhvàngônngữtựnhiên,nhữngnguồndữliệunàykhôngthểđưavào mô hình học có giám sát hoặc học không giám sát để huấn luyện mà cần đượcchuyểnđổi.Cácthuậttoánđượcápdụngnhư:thuậttoánhọctăngcường,xửlýngônngữtựnhi ên, tríchxuấtthuộctính tựđộng.

Quản trị rủi ro tín dụng

Cảnh báo sởmrủirotíndụn g Đo lường PD,LGD,EAD

Hình1.5:Trítuệnhântạotrong quảntrịrủirotíndụng Trí tuệ nhân tạo với nhiều thuật toán đa dạng nên có thể tham gia hầu hết vàoquá trình quản trị rủi ro tín dụng Ứng dụng trí tuệ nhân tạo vào hoạt động quản trịrủirotíndụngđượcdiễnrathôngquaquytrìnhquảntrịrủirotíndụnggồm04hoạtđộngnhưsa u:Nhậndiệnrủirotíndụng,đolườngrủirotíndụng,giámsátrủirotíndụng,báo cáo rủirotíndụng.

Nhận diện và đo lường rủi ro tín dụng:thì các thuật toán AI sẽ thu thập vàxử lý nguồn dữ liệu đầu vào từ các nguồn như hệ thống CoreBanking, các hệ thốngVCRM, kênh ngân hàng điện tử là Efast và Ipay, mạng xã hội chứa các dữ liệu củakhách hàng đã được số hóa Các thông tin của khách hàng sẽ được thuật toán dánnhãn nhận diện mức độ rủi ro để từ đó các mô hình AI có thể đưa ra các dự đoán vềrủi ro tín dụng Do đó, trong hoạt động cảnh báo sớm rủi ro tín dụng hay đo lượngrủi rotíndụngthìcácngânhàngphảisửdụngcácthuậttoánAIhọccó giám sát.

Giám sát rủi ro tín dụng:Đây là hoạt động rất phức tạp vì nó liên quan đếnchính sách tín dụng nội bộ của ngân hàng, môi trường kinh tế vĩ mô, định hướng tíndụng từng thời kỳ Do đó, để giám sát rủi ro tín dụng đối với nguồn dữ liệu đầu vàophức tạp và luôn thay đổi thì các ngân

20 hàng phải sử dụng các mô hình AI học tăngcườnglàlựachọnphùhợpnhất.Thuậttoánnàysẽđượchuấnluyệndựatrênnguyên

2 1 tắc học tập khắc phục những phép thử- sai đã gặp phải, mô hình này sẽ tự đưa raquyếtđịnhcóđộchínhxácnhưcácchuyêngiaquảntrịrủirotíndụngvớinguồndữliệu lớnnhưngtiếtkiệm chiphí,thờigian.

Báocáorủirotíndụng:Trítuệnhântạocóthểthamgiavàokếtxuấtbáocáotựđộng.Dođ ó,cácthuậttoánđượcápdụngđểxửlývấnđềnàylà:thuậttoánxửlýngôn ngữ tự nhiên (Natural Language Generation), Tự động trích xuất thuộc tính(Automated Feature Engineering) để chuyển chúng sang văn bản hoặc giọng nói.Báocáorủirotíndụngcóđộphứctạpcàngcaothìmứcđộthuthậpvàxửlýdữliệucủathuậtto áncànglớn.

Kỹ thuật phân lớp là một trong những kỹ thuật phổ biến nhất hiện nay: quản lýrủi ro hay lựa chọn ảnh quảng cáo nào sẽ xuất hiện đối với mỗi nhóm khách hàng,hayphântíchxemnhómkháchhàngnàocókhảnăngsẽchuyểnsangdùngsảnphẩmdịchvụ củađốithủcạnh tranhcủacông ty.

Kỹ thuật phân lớp là dữ liệu được tổ chức trong các lớp cho trước, hay còn gọilà học số quan sát Trong kỹ thuật người ta sử dụng các nhãn lớp cho trước để sắpxếp các đối tượng mà trong đó một tập huấn luyện bao gồm các đối tượng đã đượckết hợp với các nhãn đã biết. Những thuật toán có quan sát sẽ được áp dụng cho tậpcácđốitượngcần phânloạiđểtừđócóthểhìnhhóasựphânlớp củadữliệu.

Là các nhãn lớp chưa biết và không có dữ liệu huấn luyện và đối tượng đượcphân cụm dựa trên các thuộc tính tương đồng giữa chúng, bài toán phân cụm cònđượcgọilàhọckhôngcó quansát.

Phân lớp rừng ngẫn nhiên đây là một công cụ ước tính phù hợp với một số câyquyếtđịnhtrêncácmẫudữliệuconkhácnhauvàsửdụngtrungbìnhđểcảithiệnđộchínhxácdự đoáncủamôhìnhvàkiểmsoátsựphùhợpquámức.Cỡmẫuphụluôngiống vớicỡ mẫuđầuvàobanđầunhưngcácmẫuđượcvẽthay thế. Ưu điểm là giảm phân lớp rừng phù hợp quá mức và ngẫu nhiên là chính xáchơnsovớicâyquyếtđịnhtronghầuhếtcáctrườnghợp.Nhượcđiểmlàdựđoánthờigianthựcch ậm,khóthựchiệnvàthuậttoánphứctạp.

Hệthống cảnhbáo sớm

Theo ủy ban Basel (2016)đưa ra kiến nghị các ngân hàng thương mại cần xâydựng hệ thống cảnh báo sớm rủi ro tín dụng, trong đó cần có hệ thống theo dõi điềukiện của từng khoản tín dụng, bao gồm mức độ đầy đủ của dự phòng và dữ liệu.Khuyến khích các ngân hàng phát triển và sử dụng hệ thống xếp hạng tín dụng nộibộtrongquảntrịrủirotíndụng.Ngânhàngcầncóhệthốngthôngtinvàcáckỹthuậtphân tích để đo lường được rủi ro tín dụng trong mọi hoạt động nội bảng và ngoạibảng; phải có hệ thống theo dõi cơ cấu nợ và chất lượng của toàn danh mục đầu tưtín dụng và cần có hệ thống cảnh báo đối với các khoản tín dụng có nguy cơ chuyểnnợ xấu, quản lý các khoản tín dụng có vấn đề Như vậy, theo Ủy ban Basel thì cácngânhàngcầnxâydựnghệthốngcảnhbáosớmrủirotíndụnglà“Hệthốngtheodõiđiều kiện của từng khoản tín dụng, sử dụng hệ thống thông tin và các kỹ thuật phântích đo lường rủi ro tín dụng để đánh giá chất lượng tín dụng của từng khoản vay vàcủacảdanhmục,khắcphụcsớmrủirotíndụngđốivới cáckhoảnvaycóvấnđề”.

NghiêncứucủaPeiris(2016)cũngđưaramộtkháiniệmvềhệthốngcảnhbáosớm: “Hệ thống cảnh báo sớm rủi ro tín dụng (EWS) là tập hợp các quy trình đượchướng dẫn để xác định rủi ro ở giai đoạn sớm Hệ thống giám sát và cảnh báo rủi rotín dụnghiệuquảcó thểgiảm 10%- 20%tổnthấtcáckhoảnvay củaNgânhàng”.

Ngoài ra, hệ thống cảnh báo sớm rủi ro tín dụng còn có chức năng: Theo dõiviệc triển khai và hoàn thành các biện pháp ứng xử đối với khách hàng thuộc diệncảnh báo, báo cáo tự động hỗ trợ công tác quản lý danh mục khách hàng, lưu trữ cơsởdữliệu và thôngtinliên quanđến việcthựchiện cảnhbáo sớm.

1.3.2 Mụcđíchcủa hệthống cảnhbáo sớmrủiro tíndụng

Hệ thống cảnh báo sớm rủi ro tín dụng với những khái niệm được đưa ra nhưtrên được hiểu là một chương trình kiểm tra, giám sát, đánh giá tính tuân thủ củakháchhàngvàđơnvịkinhdoanhsaukhicấptíndụng,hệthốngcảnhbáođốivớicáctrườnghợpc ó dấu hiệurủirovàcóthểchuyểnnhómnợ cao hơn đểđưara cácbiện phápứngxửkịpthờinhằmgiảmtỷlệnợchuyểnnhóm.Nhưvậy,hệthốngcảnhbáosớmrủirotínd ụngtạicácngânhàngcónhữngmụcđíchnhưsau:

Thứ nhất,đưa ra công cụ hỗ trợ trong việc phát hiện, kiểm soát, cảnh báo sớmrủi ro tín dụng Hệ thống này hoạt động với mục đích nhận dạng, phát hiện sớm cáckhoảnnợ tiềmẩnrủiro.

Thứ hai,đánh giá khách hàng sau khi cấp tín dụng, phân loại danh mục kháchhàng vay để đưa ra biện pháp ứng xử kịp thời nhằm đảm bảo an toàn vốn cho ngânhàng.

Thứ ba, hệ thống nhằm hỗ trợ đơn vị kinh doanh tại các ngân hàng nâng caokiểmsoátchấtlượngnợthôngquaviệcđánhgiáthườngxuyênvàquảnlýdanhmụckháchhàn gsauchovaynhư:Tìmhiểu,pháthiện,đánhgiácácsựkiệncóảnhhưởngkhông tốtđến tìnhhìnhhoạtđộngkinh doanhcủakhách hàng.

Thứ tư, hướng dẫn trình tự, thủ tục thực hiện, trách nhiệm của các bộ phận cóliênquantrongviệcnhậndiện,giámsátvàphânluồngxửlýtrongtrườnghợpkháchhàngcódấuh iệuchuyểnnhómnợ.Đồngthời,hệthốngcũngthựchiệnviệctheodõi,cảnhbáotínhtuânthủcủacác đơnvịkinhdoanhtrongviệcthựchiệnkiểmtragiámsátsauchovay.

1.3.3.1 Cơsởdữ liệuđầuvào Để có một hệ thống cảnh báo sớm rủi ro tín dụng hiệu quả, các ngân hàngthương mạiphảicócơsở dữliệuđầuvào lớnvà chínhxác.

Theo kinh nghiệm của các ngân hàng thương mại ở các nước phát triển, khi đãxây dựng được hệ thống cảnh báo sớm hiệu quả thì cơ sở dữ liệu của hệ thống cảnhbáo sớm đòi hỏi phải có thông tin toàn diện về tất cả các yếu tố ảnh hưởng đến khảnăng trả nợ của khách hàng vay vốn Cơ sở dữ liệu này cần bao gồm dữ liệu địnhtính về các vấn đề: nhân sự của khách hàng, kế hoạch kinh doanh của khách hàng,các thay đổi từ các yếu tố vĩ mô như chính sách của chính phủ, công nghệ…và cácdữliệuđịnhlượngcảbêntrongvàbênngoàingânhàng.Dữliệubêntrongngânhàngnhư:thờigian quáhạnthanhtoán, thôngtinthươngmạibất lợi chokhách hàng.Dữ liệu bên ngoài Ngân hàng như: vấn đề sa sút hoạt động kinh doanh của khách hàngđượcphảnánhở cảkhíacạnhtàichínhvàphitàichính. Để xây dựng hệ thống cảnh báo sớm rủi ro tín dụng, ngoài yêu cầu về tính đầyđủ, đồng bộ của thông tin, nguồn thông tin cần thỏa mãn các yếu tố về tính sẵn có,giátrịsửdụng,độtincậy.

TheođịnhnghĩacủaEdwards(2004):“Chỉtiêucảnhbáosớmlàdấuhiệucảnhbáo khách hàng có khả năng phát sinh rủi ro, có thể ảnh hưởng đến khả năng trả nợcủakháchhàng”.

Các chỉ tiêu cảnh báo sớm luôn xuất hiện trước khi khách hàng mất khả năngthanh toán, vì vậy cán bộ tín dụng cần thường xuyên theo dõi các dấu hiệu rủi ro,phân tích, đánh giá mức độ ảnh hưởng của các dấu hiệu rủi ro đến khả năng trả nợcủakháchhàngđểkịpthờicócácbiệnphápxửlýrủiro.

Tiêuchícảnh báo sớmđượcsửdụng trong hệthống baogồmhailoại:

Các chỉ số cảnh báo nội bộ từ hệ thống (tự động):Các chỉ tiêu về lưu chuyểntiềnđếntàikhoảntạingânhàng.Cácchỉtiêuvềtỷlệsửdụnghạnmứctạingânhàng.Cácchỉs ốvềquákhứđếnhạntạingânhàng.

Chỉbáotừnguồnbênngoài(bántựđộng/thủcông):Thôngtintừcáctrungtâmthông tin tín dụng.

Kiểm tra định kỳ sau khi cho vay được thực hiện bởi cán bộ tíndụng, lãnh đạo phòng, ban giám đốc Rủi ro phát sinh được phát hiện bởi bất kỳ bộphậnnào củahệthốngngânhàng.

Hệ thống chỉ tiêu và ngưỡng cảnh báo sớm rủi ro tín dụng đối với khách hàng cánhân

Chỉ tiêu nợ quá hạn: Chỉ tiêu này được đo lường bằng số ngày có nợ quá hạn.Thôngthường,cáckhoảnnợcóthờigianquáhạndưới10ngàyđượcđánhgiálàrủiro thấp, số ngày quá hạn càng lớn thì rủi ro càng cao Các ngân hàng ưa thích rủi rocó thể đánh giá thời gian quá hạn từ 10 ngày đến dưới 30 ngày hoặc 60 ngày là cáckhoảnchovaycórủirotrungbình,sauđólàrủirocao.Tầnsuấtnợquáhạngầnđây:chỉtiêunàyđ ượcđolườngbằngsốlầnquáhạn.Nợquáhạncủakháchhàngcàng nhiều lần phát sinh trong một khoảng thời gian nhất định theo quy định của ngânhàng thương mại thì mức độ rủi ro càng cao Thái độ và ý thức của khách hàng: chỉtiêu này được đánh giá bằng việc tuân thủ các cam kết với tổ chức cho vay, tuân thủcácquyđịnhcủahợpđồngvàsựhợptácvớitổchứcchovaytrongthờigianchovay.

Ngành, nghề sản xuất kinh doanh chính của khách hàng có chuyển biến xấu:Khách hàng hoạt động sản xuất kinh doanh ngành nghề đang gặp khó khăn; Kháchhàngbịtainạn,bịtrộmcắp,cháynổ.Kháchhàngchuyểnđổingànhnghềkinhdoanhchính:c ầnđánhgiáxemkháchhàngchuyểnsangngànhnghềmớicóthuộcđốitượngkhông đượccấptíndụnghaykhông.

Kháchhàngbịgiảmthunhậpvà/ hoặctăngchiphí:Rủirođốivớinguồntrảnợcủakháchhàngđượcđánhgiáthôngquathunhậptừt iềnlương,lợinhuận, vàcáckhoản chi phí bất thường, phát sinh mới nhưng có tính chất thường xuyên Khi thunhập củakháchhànggiảmxuống dướichiphí,cần cảnh báosớmrủiro tíndụng.

Tàisảnbảođảmbịthiệthạidotrộmcắp,thiêntai:mứcđộthiệthạicànglớnsovớigiátrịtàisản bảođảmthìrủirotíndụngcàngcao.Tàisảnbảođảmđangcótranhchấp với bên thứ ba hoặc giữa các chủ sở hữu: Mọi tranh chấp nếu có đều làm tăngrủi ro tín dụng của khách hàng vay Tài sảm bảo đảm nằm trong diện giải tỏa, nằmtrong quy hoạch phát sinh sau khi giải ngân: chỉ tiêu này được đo bằng hiệu số giữathời điểm lập kế hoạch, giải tỏa và thời gian còn lại của khoản vay Mức chênh lệchcàng lớn thì rủi ro càng cao Tài sản đảm bảo giả mạo, tài sản bảo đảm có nguy cơkhông xửlýđược.

Hệ thống chỉ tiêu và ngưỡng cảnh báo sớm rủi ro tín dụng đối với khách hàngdoanhnghiệp

Ngoài các chỉ tiêu cảnh báo sớm về số ngày nợ quá hạn, tần suất nợ quá hạn,xếphạngkháchhàngvàphânnhómnợnhưđốivớikháchhàngcánhân,đểcảnhbáo sớm rủi ro tín dụng cho khách hàng doanh nghiệp cũng cần chú ý các chỉ tiêu sau:Tình hình nợ của chủ doanh nghiệp là tổ chức/cá nhân góp vốn cổ phần trên 50%.Dòng tiền của khách hàng tại ngân hàng: chỉ tiêu này được đánh giá thông qua mứcgiảmsovớinăm trước.

Thứ hai, nhóm chỉ tiêu về tư cách pháp nhân, cơ cấu tổ chức và nhân sự củakháchhàng.

Kháchhàngbịthanhtra,điềutra,cưỡngchếthunợthuế,hoặcbuộcthihànhándânsự.Khách hàngthayđổingườiđiềuhànhhoặccổđông:mứcđộrủirođượccảnhbáo tùy theo tỷ lệ góp vốn của thành viên thay đổi, tỷ lệ góp vốn của thành viên nàycàng cao thì ảnh hưởng đến doanh nghiệp càng lớn Khách hàng có cơ sở sản xuấtkinh doanh không đảm bảo an toàn lao động: chỉ tiêu này được đo lường bằng mứcđộcóảnhhưởng trọngyếuđếntình hình kinhdoanh haykhông.

Mất đối tác truyền thống: mức cảnh báo rủi ro phụ thuộc vào giá trị hợp đồngvới đối tác này chiếm bao nhiêu phần trăm trong tổng doanh thu của khách hàng vàliệu khách hàng có thể ký hợp đồng mới thay thế hay không Khách hàng bị tạmngừnggiaodịchhoặcbịkiểmsoát,tạmngừnggiaodịchtrênsànchứngkhoán.Kháchhàng gặp sự cố trộm cắp, cháy nổ, sập đổ công trình: Mức độ cảnh báo rủi ro dựatrênmứcthiệthạitươngứngvớivốnchủ sởhữu.

Kinhnghiệmvềnghiêmcứuvàứngdụngtrítuệnhântạotrongquảntrịrủirotíndụ ng29 1 Kinhnghiệmcủacácngânhàng trênthếgiới

Ngân hàng JPMorgan Chase, Hoa Kỳ:Ngân hàng này đã thành lập trung tâmứng dụng công nghệ trí tuệ nhân tạo nhằm phát triển và ứng dụng công nghệ vào hầuhết các hoạt động kinh doanh của ngân hàng Nhiệm vụ chính của trung tâm này là tổchứccácbuổihộinghị, cácdiễnđànkhoahọcquytụcácnhànghiêncứukhoahọctinhhoa trên thế giới tập trung vào phát triển 4 mảng sau:Thứ nhấtvề nguồn dữ liệu: tìmkiếm và phát triển các phương pháp mới để làm sạch từ nguồn dữ liệu thô khổng lồ,sànglọcvàkếtxuấtradữliệucầnthiếtlàmnguồnđầuvàochocácmôhìnhtrítuệnhântạo;Thứ hai, huấn luyện: khám phá ra các khả năng mới của trí tuệ nhân tạo thông quacác kỹ thuật học sâu từ nguồn dữ liệu;Thứ ba,Khả năng diễn giải của thuật toán: Cácthuật toán thường được gọi là

“hộp đen” bởi do sự phức tạp của thuật toán do đó cầnxâydựngcácmôhìnhcóthểhiểuđượccácquyluật,kháchhàngvàkếtquảcủamôhìnhcó thể diễn giải được;Thứ tư, Đạo đức và sự bình đẳng: Các thuật toán được phát triểncầntuânthủtheocácvấnđềvềđạođứcvàtránhsựthiênvịvềchủngtộc,tôngiáo,tầnglớp,….

Các mô hình trí tuệ nhân tạo đã được ứng dụng: Hợp đồng thông minh hoặcCoiN,Xửlýđềnghịcấptíndụngvàpháthành bảolãnh,môhìnhpháthiệnbấtthường.

Các thuật toán học sâu (DL) được dùng để xử lý lượng dữ liệu khổng lồ nhằm địnhlượng chính xác rủi ro vỡ nợ thông qua phân tích dự đoán từ đó các quyết định pháthành bảo lãnh sẽ hiệu quả hơn và rủi ro được kiểm soát ở mức tối thiểu Ngoài hiệuquả trong việc bảo lãnh phát hành, các mô hình

AI còn cung cấp các quyết định tíndụngnhanhhơncũngnhưxácđịnhrủirochínhxáchơn.Đốivớihệthốngpháthànhhợp đồng thông minh thì các thuật toánMachine Learning giúp ngân hàng có thể xửlý12.000hợpđồngchỉtrongvàigiâythayvì360.000giờlaođộngthủcông.

NgânhàngBankofAmerica,Hoakỳ:Cảnhbáosớmvềtìnhtrạngsuygiảmtíndụng là chìa khóa để tránh thiệt hại Nếu một ngân hàng có thể phát hiện tình trạngtàichínhcủangườiđivayđủsớm,thìcóthểthựchiệncácbiệnphápứngxửphùhợpnhằm giảm thiểu rủi ro xảy ra Machine Learning cho phép nhận thấy sự suy giảmtín dụng ở giai đoạn đầu Đối với các doanh nghiệp vừa và nhỏ, ML có thể sử dụngphân tích giao dịch, ví dụ: dòng tiền vào/ nguồn tiền mặt, dòng tiền ra/ sử dụng tiềnmặtvàlịchsửtrảnợtrongquákhứđểpháttriểnmộtmôhìnhcungcấpcảnhbáokhixác suất vỡ nợ tăng lên Sau đó, ngân hàng có thể xác định xem liệu các chiến lượcgiảm thiểu rủi ro như hoán đổi nợ tín dụng, giảm rủi ro hoặc các biện pháp ứng xửnào đượcápdụnghaykhông.

BankofAmericađãhợptácvớiDataRobotnhằmsửdụngphântíchdựđoánđểxác định xác suất vỡ nợ của các khoản vay Các phân tích dự đoán được cung cấpbởi các mô hình AI và thuật toán ML có thể đưa ra các cảnh báo sớm cho các nhàquản lý rủi ro trong ngân hàng về khả năng nỡ nợ của khách hàng và để từ đó giúpchongânhàngcóthờigianđểápdụngcácbiệnphápứngxửphùhợp,kịpthờinhằmđảm bảo an toàn vốn Ngoài ra, ứng dụng này còn có lợi ích khác như đánh giá rủirocủamộtkháchhàngmớidựatrêncácmẫulịch sửvềkhảnăngvỡnợ.

Ngân hàng đã áp dụng trí tuệ nhân tạođược đào tạo bằng cách sử dụng lịch sửcủa cáckhoảnvay, lịch sử trả nợ và các dữ liệu khác như dữ liệu trên mạng xã hội đểtìmracácmẫucóthểdẫnđếnviệckháchhàng khôngtrảđượcnợvay.Cácnhàquảnlýkhoản vay của ngân hàng có thể sử dụng nền tảng DataRobot để hiểu rõ hơn về rủi rokhách hàng mới không trả được nợ thông qua kết quả dữ liệu được phân tích, việc sửdụngkếtquảdữliệuđượcphântíchđểxemxétcáckháchhàngcónguycơvỡnợcao,

3 1 dođóđẩynhanhquátrìnhphêduyệtkhoảnvay.Ngân hàngsửdụngnềntảngphântíchdựđoáncủaDataRobotđểdựđoánrủirovỡnợchonhữngngườiđi vaymớibằngcáchphântíchdữ liệulịch sửvềlãisuấtcủanhững ngườiđivayhiệntại.

Trítuệnhântạođượcxemlànềntảngcôngnghệcủatươnglaivớinhữngứngdụng hứa hẹn đem lại lợi ích vô cùng lớn cho các tổ chức Nhưng bên cạnh đó việcápdụngcũngmanglạinhiềukhókhănvàtháchthức:Thứnhất,hệthốngngânhànglõi

Corebanking và các hệ thống cơ sở hạ tầng có liên quan được ngân hàng đầu tưvớichiphírấtlớnnhưngvẫntồntạinhiềuhạnchếdẫnđếnviệctíchhợptrítuệnhânđểtươngthíc hvớihệthốngcósẵnmấtnhiềuthờigian,chiphí.Thứhai,trítuệnhântạolàcôngnghệmớirấtphức tạpnênđòihỏiphảithựchiệnnghiêncứuchuyênsâu,pháttriểnvàthửnghiệmnênđòihỏinguồnnh ânlựcchấtlượngcao.Thứba,Cáctácđộng từ bên ngoài như niềm tin của khách hàng đối với tính bảo mật của hệ thốngkhi ứng dụng trí tuệ nhân tạo.Thứ tư,sự thiếu minh bạch về cách một mô hình trítuệ nhân tạo được phát triển hoặc không có khả năng giải thích làm thế nào một môhìnhtrítuệnhântạođạtđượcmộtkếtquảcụthể,vàimôhìnhtrítuệnhântạothườngcó cấu trúc vô cùng phức tạp làm cho khả năng hiểu chi tiết sự hoạt động của nó bịgiới hạn, điều đó có thể dẫn đến nhiều vấn đề phát sinh đặc biệt là có khả năng gâyralỗihệthốngvàrủirovềp h á p l ý

Trongchương1,luậnvănđãkháiquátcơsởlýluậnvềquảntrịrủirotíndụng,công nghệ trí tuệ nhân tạo, hệ thống cảnh báo sớm rủi ro tín dụng Tác giả cũng đãlàm rõ cách ứng dụng trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng, cáckinh nghiệm về nghiên cứu và ứng dụng trí tuệ nhân tạo trong hoạt động của 2 ngânhàng là JPMorgan ChasevàBankofAmerica.

THỰC TRẠNG ỨNG DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂNTẠO TRONG HOẠT ĐỘNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂNHÀNGTHƯƠNGMẠICỔPHẦNCÔNG THƯƠNGVIỆTNAM

Tổng quanvềngânhàngTMCPCôngThươngViệtNam

NgânhàngTMCPCôngThươngViệtNamđượcthànhlậptrêncơsởtáchratừNgân hàng Nhà Nước theo nghị định số 53/HĐBT ngày 26/03/1988 của Hội ĐồngBộTrưởng.Hiệnnay,VietinBanklàmộttrongnhữngngânhànglớnvàdẫnđầutoànhệthốngtạ iViệtNamcảvềquymôlẫnlợinhuậnvàđếnthờiđiểmngày31/12/2021vớivốnđiềulệđạt48.05 8tỷđồng.VietinBankđặtTrụsởchínhtạisố108TrầnHưngĐạo, phường Cửa Nam, quận Hoàn Kiếm, Thành phố Hà Nội với mạng lưới gồm:155chinhánhtrảidàitrên63tỉnhthànhphốtrêncủanước(MiềnBắccótrụsởchínhvà73chinhá nh;MiềnTrungcó29chinhánh;MiềnNamcó53chinhánh),07côngty con, 01 Trung tâm khách hàng phía nam, 02 văn phòng đại diện tại Tp.HCM vàĐà Nẵng, 09 đơn vị sự nghiệp (Trung tâm tài trợ thương mại, Trung tâm thẻ,

Trungtâmcôngnghệthôngtin,Trungtâmđàotạovàpháttriểnnguồnnhânlựcvà05trungtâmquảnl ýtiềnmặt),958phònggiaodịch,02chinhánhtạiĐức,01ngânhàngcontạiLàovà01vănphòngđ ạidiệntạiMyanmar.Ngoàira,VietinBankcòncóquanhệđối tác với hơn 1.000 ngân hàng đại lý tại hơn 90 quốc gia và vùng lãnh thổ trên thếgiới.

VietinBankvẫnluônởvịthếlàNgânhàngTMCPhàngđầutạiViệtNamtrongnhữngnămq uakhitíchcựctriểnkhaiđồngbộcácgiảiphápkinhdoanh,táicấutrúctoàn diện hoạt động theo hướng chuyển đổi mạnh mẽ mô hình tăng trưởng, chuyểndịch nhanh cơ cấu thu nhập, triển khai chiến lược lấy khách hàng làm trọng tâm,phương thức cạnh tranh theo hướng chú trọng phát triển giải pháp ngân hàng tàichính hiện đại, nâng cao chất lượng tư vấn để đáp ứng tối đa nhu cầu tài chính củakháchhàng.

Hội đồng quản lý vốn

Hội đồng quản lý tài sản nợ- tài sản có (ALCO)

V Vốn tài trợ,uỷthácđầutư màngânhàngchị urủiro

31/12/2021 đạt 1.401.001 tỷ đồng Năm 2020, nguồn vốn huy động củaVietinBank đạt 1.226.056 tỷ đồng tăng

90.343 tỷ đồng với tỷ lệ tăng 7,95% so vớinăm2019tổngnguồnvốnlà1.135.713tỷđồng.Năm2018,nguồnvốnhuyđộngcủaVietinBank đạt1.051.966 tỷ đồng tăng 139.799 tỷ đồng với tỷ lệ tăng là 15,33% sovớinăm2017là912.167tỷđồng.Quymônguồnvốnđượccânđốitốiưuvớitốcđộtăngtrưởngtí ndụng,chiphívốnđượctiếtgiảmmạnhtrongbốicảnhngânhàngchủđộngtriểnkhaichínhsác hưuđãi.Nguồnvốntừtổchứckinhtế,cánhânđạtgần

1.160.000 tỷ đồng tăng gần 172.000 tỷ đồng với tỷ lệ tăng 17,3% so với năm 2020.Trong đó nguồn vốn huy động không kỳ hạn tăng hơn 20% so với năm 2020. Tỷtrọng huy động vốn không kỳ hạn cuối năm 2021 đạt hơn 20% góp phần tích cựctrongviệckiểmsoátchiphívốncủangânhàng.Ngoàira,vớiquymônguồnvốnrấtlớn mà VietinBank huy động được điều này đã thể hiện rất rõ nét về thương hiệu vàuy tíncủaVietinBanktrên thịtrường.

Hiện nay, VietinBank cũng đang đẩy mạnh tăng trưởng nguồn vốn đặc biệt lànguồn vốn với chi phí thấp, linh hoạt trong điều hành quy mô nguồn vốn, sử dụngnguồn vốn để đảm bảo các chỉ số an toàn thanh khoản theo quy định của ngân hàngnhànước;Tăngcườngcôngtácquảnlýdòngtiềncủakháchhàng,thúcđẩycáckênhngân hàng điện tử, đảnh mạnh các gói sản phẩm ưu đãi, thúc đẩy việc sử dụng tàikhoản thanh toán mới; Thu hút và phát triển tập khách hàng thông qua liên kết vớicác đối tác là các sàn thương mại điện tử, ví điện tử, ứng dụng cho phép mua bánđiện tử.

VietinBanklàngânhàngTMCPhàngđầutạiViệtNam,đóngvaitròtrụcộttrongcấutrúctàich ínhcủanềnkinhtế,thựchiệncấptíndụngchocácchủthểkhácnhauvớidưnợnhư sau:

Thu từ dịch vụ thanh toánThu từ dịch vụ tư vấn Thu từ dịch vụ đại lý nhận ủy thácThu từ kinh doanh và dịch vụ bảo hiểm Thu dịch vụ khác

Biểu đồ 2.1: Dư nợ tín dụng và tốc độ tăng trưởng trong giai đoạn 2016-

2021(Nguồn:BáocáothườngniênVietinBank) Dưnợ tín dụnghợpnhấtcủaVietinBank quaBiểu đồ2.1tại thờiđiểmtạithời điểm ngày 31/12/2021 đạt 1.141.454 tỷ đồng tăng 11,09% so với năm 2020; năm2020đạt1.027.542tỷđồngtăng7,8%sovớinăm2019;năm2019đạt953.178tỷ đồng tăng 7,31% so với năm 2018; năm 2017 đạt 937.180 tỷ đồng tăng 15,99% sovới năm 2016 Nhìn chung, tốc độ tăng trưởng tín dụng bình quân của VietinBanktronggiaiđoạntừnăm2016đếnnăm2021phùhợpvớikếhoạchcủaHộiđồngquảntrị đã đề ra Trong cơ cấu danh mục tín dụng tiếp tục cải thiện tỷ trọng dư nợ VNĐ,dư nợ bình quân của phân khúc có khả năng sinh lời cao là bán lẻ và khách hàngdoanhnghiệpvừavànhỏ.

Biểu đồ 2.2 Thu nhập từ hoạt động dịch vụ trong giai đoạn năm 2016-

Thu từ dịch vụ khác có xu hướng giảm tỷ trọng trong giai đoạn từ năm 2016- 2021,năm2016thutừdịchvụkhácđạtgiátrị1.631tỷđồngchiếm48,91%tổngthunhậptừhoạtđộ ngdịchvụnhưngđếnnăm2021thutừdịchvụkhácđạt2.675tỷđồngchỉ chiếm 27,94% tổng thu nhập từ hoạt động dịch vụ Trong đó, năm 2019 thu từhoạtđộngdịchvụkhácđạttrịgiá4.473tỷđồnggấp1,67lầnsovớinăm2021chiếmđến 56,7% tổng thu nhập từ hoạt động dịch vụ và là mức tăng cao nhất trong giaiđoạn này, đây là năm mà VietinBank thực hiện chiến lược tăng trưởng quy mô gắnliềnvớihiệuquả,tăngbánchéosảnphẩmdịchvụ,khaitháctốiđanhucầucủakháchhàng, tăng trưởng các mảng: thanh toán quốc tế, bảo lãnh, sản phẩm thẻ,….nhằmpháttriểnnguồnthu ngoàilãivay.

VietinBank cũng tăng tỷ trọng thu ngoài lãi vay bằng việc tăng trưởng cácnghiệp vụ khác: huy động vốn, kinh doanh quốc tế, bảo lãnh, bảo hiểm nhân thọ vàphi nhân thọ, đại lý nhận ủy thác, dịch vụ tư vấn phát hành trái phiếu doanh nghiệp,chứngkhoán.

Bảng2.2: Kếtquả hoạt độngkinh doanh trong giaiđoạntừnăm2016-2021 Đvt:tỷđồng

(Nguồn:BáocáothườngniênVietinBank) LợinhuậntrướcthuếvàsauthuếcủaVietinBanktronggiaiđoạntừnăm2016-2021có xuhướng tăng, lợinhuậnsauthuếnăm2016là6.765tỷ đồng,năm 2017là

7.459 tỷ đồng, năm 2018 là 5.416 tỷ đồng, năm 2019 là 9.477 tỷ đồng, năm 2020 là13.785 tỷ đồng, năm 2021 là 14.215 tỷ đồng Tuy nhiên, năm 2018 do diễn biến bấtlợi của thị trường cùng với việc ngân hàng đang triển khai phương án cơ cấu lại nợxấu làm tiền đề để đáp ứng các chuẩn mực của Basel II và trong thời gian này đềnghị tăng vốn điều lệ chưa được Chính phủ, Ngân hàng nhà nước phê duyệt nên bắtbuộc VietinBank phải giảm quy mô tín dụng, từ đó lợi nhuận giảm sút so với năm2017.

Trongtấtcảcáchoạtđộngkinhdoanhthìhoạtđộngcấptíndụngvẫnđónggópphầnlớndoan hthuvàlợinhuậnchongânhàng.Tronggiaiđoạntừnăm2016-2021,thu nhập lãi thuần bình quân chiếm hơn 80% lợi nhuận của ngân hàng, đo đó có thểthấy rằng hoạt động tín dụng là nồng cốt của ngân hàng nên tiềm ẩn rất nhiều rủi ro.Vì vậy,hoạt động quản trị rủi ro tín dụng hiệu quả vô cùng cần thiết và cấp bách đểđảmbảolợinhuận,antoànvốnchongân hàng.

Thựctrạngquảntrịrủi rotíndụngtạiVietinBank

Từ cuối năm 2016, VietinBank đã bắt đầu triển khai dự án hệ thống ngân hànglỗi (Core Sunshine) để nâng cao năng lực quản trị rủi ro tín dụng của ngân hàng vớisựhỗtrợmạnhmẽcủahệthốngcôngnghệthôngtin.Bêncạnhđó,VietinBankđangápdụngmô hìnhquảntrịrủirotíndụngphântán,cónghĩalàvớimôhìnhnàythẩmquyền quyết định và quản trị rủi ro cho khoản tín dụng không tập trung hoàn toànvàotrụsởchínhmàđượcphânquyềnquyếtđịnhvềcácchinhánh.Khitriểnkhaimôhình quản trị rủi ro phân tán thì công tác thẩm định khách hàng, quản trị rủi ro đượcchinhánhchủđộngthựchiện,Trụsởchínhchỉphêduyệtcáchồsơvượtthẩmquyềnquyết định củaChi nhánh hiện theo quy định số 019/2022/QĐ-TGĐ-NHCT9 ngày10/01/2022.Hạn chế của mô hình này là chưa có sự tách biệt giữa các chức năng:Kinhdoanh,quảntrịrủirovà tácnghiệp.

Mức thẩm quyền phê duyệt cấp tín dụng tối đa cho 01 khách hàng đối với ChinhánhtrongnướctheomôhìnhxácsuấtnỡnợPD(ProbabilityOfDefault)nhưsau:

Bảng2.3:ThẩmquyềnphêduyệttíndụngcủaChinhánh Đơnvị:tỷđồng Đốitư ợngkh áchhàn g

(Nguồn:TàiliệunộibộVietinBank) CácChinhánhcủaVietinBankđượcthànhlậpthành3bộphậnđộclậphoặccóthểtrựcthuộc phòngkháchhàngdoanhnghiệphoặcphòngkháchhàngcánhântronghoạt động cấp tín dụng gồm: Bộ phận kinh doanh, bộ phận hỗ trợ kinh doanh, bộphận thẩm định Tuy nhiên do giới hạn về nguồn nhân sự cũng như để bộ máy tinhgọn, linh hoạt nên các chi nhánh đã bố trí các bộ phận này chung một phòng hoặccáccánbộtíndụngkýngườiđềxuấthồsơcủachínhmìnhcòncánbộtíndụngkháccùngphò ng/ lãnhđạophòngthìkývớivaitròlàngườithẩmđịnh,Giámđốcchinhánhsẽlàngườiquyếtđịnhchovay. Chínhvìvậy,tronghoạtđộngquảntrịrủirotíndụngthực chất chưa đúng với nguyên tắc độc lập, khách quan, đảm bảo an toàn vốn Đốivới những khoản cấp tín dụng vượt thẩm quyền của chi nhánh thì quy trình cấp tíndụng được phân công riêng biệt đảm bảo theo đúng nguyên tắc độc lập, khách quangiữacácbộphận.

Vietinbank triển khai hoạt động quản trị rủi ro tín dụng theo mô hình 03 tuyếnbảo vệnhưsau:

Tuyến bảo vệ thứ nhấtlà các đơn vị kinh doanh trực tiếp như chi nhánh, cáckhối kinh doanh và các đơn vị vận hành khác có trách nhiệm nhận dạng, kiểm soátvàgiảmthiếurủirotíndụng.Nhậndạngvàđolườngrủiroởmứcđộgiaodịch.Thựchiện các quyết định có rủi ro Quản lý, giám sát mức độ rủi ro tín dụng/chính sáchdo tuyết thứ nhất xây dựng Kiểm soát, giám sát triển khai các biện pháp giảm thiểurủi ro tín dụng Đảm bảo các quyết định có rủi ro minh bạch, rõ ràng phù hợp vớichính sáchvàvănbản chínhsách củaVietinBank.

Tuyến bảo vệ thứ hailà khối quản trị rủi ro và khối tuân thủ, khối quản trị rủiro hoạt động và pháp chế có trách nhiệm xây dựng chính sách quản trị rủi ro, quyđịnhnộibộquảntrịrủiro,đolường,giámsátrủirovàtuânthủ.Xâydựng,giámsátquá trình thực thi chính sách, văn bản chính sách quản trị rủi ro tín dụng, đảm bảođầy đủ và theo dõi, kiểm soát rủi ro phát sinh và tuân thủ quy định Xây dựng môhình đánh giá, đo lường rủi ro, xây dựng, đề xuất các chỉ tiêu và hạn mức kiểm soátrủi ro Kiểm soát, phòng ngừa đề xuất biện pháp kiểm soát rủi ro, độc lập giám sátquản trịrủiroở tuyếnbảovệthứnhất.

Tuyến bảo vệ thứ balà bộ phận kiểm toán nội bộ có trách nhiệm kiểm toán nộibộ về quản trị rủi ro tín dụng Kiểm tra, rà soát và đánh giá độc lập việc tuân thủ cơchế, chính sách, quy định nội bộ về quản trị rủi ro tín dụng của Hội đồng quản trị,Tổng giám đốc, tuyến bảo vệ thứ nhất và tuyến bảo vệ thứ hai, bao gồm cả việc xácđịnh các tồn tại, hạn chế và nguyên nhân Đề xuất kiến nghị các tồn tại, hạn chế vềquản trịrủirotíndụng.

Nhậndạngrủirotíndụnglàviệcxácđịnhrủirotíndụngtrọngyếu,nguycơvànguyên nhân gây ra rủi ro tín dụng VietinBank xây dựng các phòng ban nhằm pháthiện sớm các rủi ro có thể xảy ra và rủi ro có thể xảy ra xuất phát từ ngân hàng như:lỗitácnghiệp,nânggiátrịtàisảnvượtgiátrịthựctế,cấptíndụngvượtthẩmquyền,khôngtuânth ủđiềukiệncấptíndụng, khiđóbộquảntrịrủirotíndụng(hiệntạiở

VietinbanklàbộphậnhỗtrợtíndụngchinhánhvàPhòngkiểmtrakiểmsoátnộibộtrựcthuộcTrụ sởchính)cónhiệmvụthườngxuyênkiểmtragiámsátdựatrênchínhsáchcủangânhàng,nănglực củacácbộ,nănglựcđiềuhành.Đốivớirủirotíndụngphátsinhtừphíakháchhàngnhư:lậpkhốnghồ sơtàichính,hoạtđộngsảnxuấtkinhdoanhsuygiảm,tàisảnbảođảmđangtranhchấp,cácthànhviên côngtytranhgiànhlợiích,….dođóngânhàng cầnnhậndiệnsớmcáctrườnghợpcó thểxảyrađểtừđóđưara cácbiệnphápứngxửphùhợpnhằmđảm bảoantoànvốn.

Quy trình cấp tín dụngđược thực hiện các bước như sau:Bước 1 là tìm kiếm và kiếm cận khách hàng khách hàng;Bước 2: Tiếp nhận và kiểm tra hồ sơ đề nghị cấp tín dụng;Bước3:Thẩmđịnh;

Bước5:Phêduyệt/Quyếtđịnh cấp tíndụng;

Bước 6: Thông báo phê duyệt/Quyết định cấp tín dụng;Bước7:Soạnthảo,kýkếthợpđồngchovay;

Bước 8: Hoàn thiện thủ tục thế chấp tài sản;Bước9:Bàn giaovàràsoáthồsơ cấptín dụng;

Bước10:Giảingântheohợpđồngchovay,pháthànhbảolãnh,L/C,chiếtkhấu,bao thanhtoán. VietinBank đã ban hành các văn bản, chính sách và triển khai quy trình cấp,quảnlýtíndụnghếtsứcchặtchẽ,chitiếtvàápdụngmôhìnhquảntrịrủirotíndụngdựa trên mô hình phân tán rủi ro Mô hình này, Chi nhánh sẽ được giao thẩm quyềncấptíndụngtheotừngthờikỳdựatrênquymôvàcáctiêuchuẩnxếploạiChinhánhdo VietinBank công bố hàng năm, khi đó những khoản vay thuộc thẩm quyền, Chinhánhcóthểchủđộngphêduyệt,quảnlývàxửlýrủironhanhchóng,linhhoạt,kịpthời.

Mặc dù áp dụng hoạt động quản trị rủi ro theo mô hình phân tán có nhiều ưuđiểm nhưng cũng tồn tại điểm hạn chế đó là chất lượng tín dụng phụ thuộc vào đạođức, năng lực và trình độ chuyên môn của cán bộ, lãnh đạo tại Chi nhánh Trụ sởchínhrấtkhókiểmsoát,pháthiệnkịpthờinhữngrủirotrọngyếutrongquátrìnhcấp tíndụngtạichinhánhdoVietinBanklàmộttrongnhữngngânhàngthươngmạiđứngđầu toàn hệ thống nên quy mô tín dụng tại các chi nhánh loại 1 khoảng vài chụcnghìn tỷ, số lượng khách hàng cá nhân, doanh nghiệp nhiều, đa dạng về ngành nghềlĩnh vực sản xuất kinh doanh Còn đối với những khoản vay vượt thẩm quyền củachi nhánh khi trình lên Trụ sở chính/phòng phê duyệt thì chủ yếu được tái thẩm dựatrên hồ sơ do chi nhánh cung cấp và tự chịu trách nhiệm nên rủi ro tiềm ẩn do cungcấp thông tin không đầy đủ hoặc cung cấp thông tin đã qua xử lý không đúng vớithựctế.

VietinBankđãtriểnkhaivàvậnhànhchươngtrìnhphầnmềmxếphạngtíndụngkhách hàng trên hệ thống công nghệ thông tin nhằm hỗ trợ quá trình xếp hạng tíndụng khách hàng (VSTAR) từ năm 2008 dựa trên phương pháp chuyên gia với bộchỉ tiêu bao gồm các cấu phần: Thứ nhất là Bộ chỉ tiêu gốc gồm cấu phần tàichính/định lượng, cấu phần phi tài chính/định tính, hệ số rủi ro và hệ số tài sản đảmbảo; thứ hai là cấu phần điều chỉnh tự động (nếu có) Năm 2012, Vietinbank đã tíchhợpmôhìnhxuấtxuấtvợnợsửdụngphươngphápthốngkêvàohệthốngchấmđiểmđể đo lường khả năng không trả được nợ của khách hàng doanh nghiệp và kháchhàng cá nhân Bản chất của hệ thống là tập hợp các phương pháp, bộ chỉ tiêu, quytrình, kiểm soát, thu thập dữ liệu, hỗ trợ cho việc đánh giá xuất suất không trả đượcnợ của khách hàng từ đó giúp đưa ra quyết định cấp tín dụng phù hợp nhằm hạn chếrủi ro xảy ra Hệ thống xếp hạng tín dụng nội bộ của VietinBank gồm khách hàngdoanhnghiệpvàkháchhàngcánhân.

- Đề xuất kếquảxếp hạng tín dụng tạitờ trình, kếxuấtnộidungxếphạntíndụngtừchươngtrìnhphầnmềm, kýg ắ n k è m t ờ t r ì n h , c h u y ể n đ ế n n g ư ờ i r à s o á t x ế p hạngtíndụng.

Rà soát xếp hạng tại chinhánh

- Rà soát nội dụng xếp hạng tín dụng đảm bảo phù hợpvới hồ sơ của khách hàng, xác định hạng tín dụng đềxuất.

- Thựchiệntrình:trườnghợptạichinhánhthìtrìnhcấpphêduyệt tạibước4,trườnghợpcấpphêduyệttạitrụsởchínhthìtrình bangiámđốcchinhánh.

Ban giám đốc chi nhánh(trường hợp trình trụ sởchính)

Bước3:Kiểmsoátxếp hạngtín dụngtạitrụsởchính (trườnghợpcấpphêduyệt xếphạng tíndụngtạitrụsởchính)

Người kiểm soát xếp hạngtíndụngtạiphòngphêduy ệttíndụng

- Kiểm soát nội dụng xếp hạng tín dụng của chi nhánh,đảmbảonộidung phù hợpvới hồsơcủakháchhàng

Lãnh đạo phòng phê duyệttíndụng(trườnghợpcấ pphêduyệtxếphạngtíndụngvượt c ấ p p h ò n g p h ê d u y ệ t tíndụng)

Bước5:Lưutrữ hồsơ vàthông báochocácbộphậnliênquan

- Lãnh đạo phòng khách hàng phân công cán bộ phòngkháchhànglưutrữhồsơvàthôngbáokếtquảchocácbộph ậnliênquan.

VietinBank đã xây dựng hệ thống xếp hạng tín dụng nội bộ và đánh giá rủi rotíndụngchophépkiểmsoátđượcchấtlượngtíndụngcủakháchhàng.Môhìnhxếphạng tín dụng có cá nhân có sự chuyển đổi từ việc đánh giá theo từng sản phẩm tíndụng sang đánh giá theo đối tượng khách hàng, chuyển từ phương pháp chuyên giathuần túysangkếthợpphươngpháp thốngkê.

Hệ thống xếp hạng tín dụng nội bộ của VietinBank phân loại nợ theo phươngphápđịnh tínhvàđịnhlượng trong02 cấuphần:PhầntàichínhvàPhitàichính.

Phần phi tài chính: Các yếu tố phi tài chính trong hệ thống xếp hạng tín dụngnội bộ của VietinBank được đánh giá bằng phương pháp định tính và định lượngthôngquacáccácchỉtiêunhưsau:Thôngtinvềkháchhàng,cácthôngtinliênquanđến nhân thân/cơ sở kinh doanh, quan hệ với VietinBank và các tổ chức tín dụngkhác,khảnăngtrảnợ/kếhoạchkinhdoanh,cácchỉtiêu khác.

Xếphạngtín dụng nộibộ đốivớikháchhàng doanhnghiệp

Hệ thống xếp hạng tín dụng nội bộ của VietinBank phân loại nợ theo phươngphápđịnh tínhvàđịnhlượng trong02 cấuphần:PhầntàichínhvàPhitàichính.

Phần tài chính:Từ dữ liệu báo cáo tài chính năm gần nhất được nhập vào, hệthốngsẽtựđộngphântích,đánhgiádựatrêncácnhómchỉtiêuvềtàichính:chỉtiêuvề khả năng thanh khoản, chỉ tiêu hiệu quả hoạt động, chỉ số về hiệu quả quản lý tàisản,chỉsốvềhiệuquảquảnlýnợ,chỉtiêuthunhập.khảnăngsinhlời.

Phần phi tài chính: Các yếu tố phi tài chính trong hệ thống xếp hạng tín dụngnộibộcủaVietinBankđượcđánhgiábằngphươngphápđịnhtínhvàđịnhl ượng thôngquacáccácchỉtiêunhưsau:Khảnăngtrảnợcủadoanhnghiệp,trìnhđộquảnlývàmôitrườn gnộibộ,quanhệvớingânhàng,cácyếutốkinhtếxãhộivĩmô-môitrường kinh doanh ảnh hưởng đến ngành, các nhân tố liên quan đến hoạt động củadoangnghiệp.

Khách hàng có nhiều khả năng chịu tác độngtiêu cực của các tếu tố bên ngoài và các điềukiện kinh tế hơn các khách hàng ở hạng caohơn.Khả năngtrảnợcủakháchhànglàtươngđốitốt

Kháchhànghoàntoàn cókhảnănghoàntrảđầyđủ các khoản nợ Tuy nhiên các điều kiện kinhtếbấtlợi

7 BB Kháchhàng ítcónguy cơmấtkhả năngtrảnợhơncáchạngxếptừBđếnD.

Môhìnhđo lườngrủiro tíndụng nộibộtheophươngphápthống kê Để hướng đến quản trị rủi ro tín dụng theo Basel II, bên cạnh hệ thống xếphạng tín dụng nội bộ theo quan điểm chuyên gia đang được tiếp tục sử dụng và cảitiến,Vietinbankphảicảitiếncácmôhìnhđolườngrủirotíndụngtheophươngphápthốngkê.

Cácmôhìnhxếphạngtíndụngnộibộvàcácphươngphápxếphạngkhácsaukhiđượckiểm travàxácthựcđộtincậyvàkhảnăngdựbáosẽđượcsửdụngđểướctính xác suất khách hàng không trả được nợ (Probability of Default, PD), tỷ lệ tổnthất khi khách hàng không trả được nợ (Loss Given Default,

Đánhgiáthựctrạngquản trịrủirotín dụngtạiVietinBank

VietinBank đã ban hành những quy định, chính sách về hoạt động quản trị rủiro tín dụng nhằm hạn chế và kiểm soát rủi ro phát sinh với các nguyên tắc như sau:quy trình phê duyệt và quản lý tín dụng lành mạnh; quy trình nhận diện, đo lườnggiámsátquảntrịrủirotíndụngchặtchẽtoànhệthống.

MôhìnhtổchứcquảnlýcủaVietinBankđãcósựthayđổirõrệttrongthờigianqua,ngânhàngđ ãthànhlậpnhữngbộphậnquảnlý,kiểmtragiámsátchặtchẽmangtính độc lập, khách quan nhưng đảm bảo tính tuân thủ, chuyên nghiệp Năm 2018,VietinBank đã ban hành khung quy định nhằm nâng cao năng lực quản trị rủi ro tíndụngtrongđódựatrênmô hình3tuyếnphòng thủ độclậpvớinhau.

Tuyến phòng thủ thứ nhất:Thực hiện chức năng nhận dạng, kiểm soát và giảmthiểurủiro.Trongđó,nhiệmvụlànhậndạngvàđolườngrủiroởmứcđộgiaodịch,quản lý giám sát mức độ rủi ro từ các quyết định do tuyến phòng thủ thứ nhất xâydựng, thiết lập hạn mức rủi ro, đảm bảo các quyết định có rủi ro minh bạch, rõ ràng,phùhợpvớichínhsáchquảntrịrủiro

Tuyếnphòngthủthứhai:Thựchiệnchứcnăngxâydựngchínhsách,đolường,theo dõi thiết lập hạn mức rủi ro Trong đó, nhiệm vụ chính là thiết lập cơ chế chínhsách,môhìnhđánhgiávàđolườngrủiro,xâydựngđềxuấtcácchỉtiêuvàhạnmứcvề khẩu vị rủi ro, hạn mức rủi ro, kiểm soát, phòng ngừa và đề xuất các biện phápgiảmthiểurủirophátsinh.Lậpkịchbảnkiểmtrasứcchịuđựngtrêncơsởphốihợpvớituyến phòngthủ thứnhấtvàlậpbáocáovềquảntrịrủirotíndụng.

Tuyến phòng thủ thứ ba:Thực hiện chức năng kiểm toán nội bộ Trong đó,nhiệm vụ là kiểm tra đánh giá độc lập về tính tuân thủ cơ chế, chính sách, quy địnhnội bộ về quản trị rủi ro; rà soát, đánh giá độc lập về tính thích hợp, tuân thủ quyđịnhphápluậtcủacơchế,chínhsách,quyđịnhnộibộvềquảntrịrủiro;đềxuất, kiến nghị tuyến phòng thủ thứ nhất và thứ hai để xử lý các tồn tại, hạn chế về quảntrịrủiro.

VietinBank ngoài ban hành khung quản trị rủi ro tín dụng còn thường xuyênban hành các quy định nội bộ về hoạt động cấp tín dụng từng thời kỳ phù hợp vớidiễn biến của thị trường, khẩu vị rủi ro của ngân hàng, định hướng của ngân hàngnhànước.Dođó,cácchínhsáchvàquytrìnhquảntrịrủirotíndụngcủaVietinBankrấtchặtch ẽvàtoàndiệnđápứngcácmụctiêu đãđềra.

Nhận nhiện rủi ro tín dụng đây là bước vô cùng quan trọng trong quy trình cấptín dụng nên được VietinBank vô cùng chú trọng khi triển khai ở tất cả giai đoạn từkhitiếpnhận đếnkhiphêduyệtcấp tíndụng vàkiểmtragiámsátsauvay.

Hệ thống xếp hạng tín dụng nội bộ của VietinBank đáp ứng đầu đủ các tiêuchuẩn của ngân hàng nhà nước cũng như những chuẩn mực của quốc tế và hệ thốngchấm điểm xếp hàng đối với 3 nhóm khách hàng: Khách hàng thuộc phân khúc bánlẻ,kháchhàngdoanhnghiệp,địnhchếtàichínhphitổchứctíndụng(côngtychứngkhoán,côn gtybảohiểmphinhânthọ,côngtybảohiểmnhânthọ,

…).Kếtquảchấmđiểmxếphạngtíndụngnộibộlàcăncứđểđưaraquyếtđịnhcấptíndụng,phânlo ạinợ,hỗtrợđịnhgiákhoảntíndụng,đolườnghiệuquảtrêncơsởđiềuchỉnhrủirovàhỗtrợ cáccôngtáckhácxácđịnhmứcđộrủirotíndụngcủakhách hàng.

Mô hình quản lý cấp tín tín dụng của VietinBank hiện là mô hình phân tán nênkhôngcònphùhợpvớixuhướngquảntrịrủirotíndụnghiệnđạitronglĩnhvựcngânhàng bên cạnh đó với mô hình này gây ra sự thiếu đồng bộ và gia tăng rủi ro tronghoạtđộngquảntrịrủirotíndụng.

Cácbộphậnquảntrirủirotíndụngtạichinhánhchưacósựđộclập,táchbạchgiữbộphậnkinh doanh,bộphậnthẩmđịnh,bộphậntácnghiệptheodõivàxửlýcácgiao dịch Hiện tại, các cán bộ tại VietinBank đang phải thực hiện rất nhiều nhiệmvụkhácnhautừtìmkiếmkháchhàng,đềxuấtphêduyệttíndụng,soạnhồsơcông chứng,thựchiệncôngchứngthếchấp,nhậpkhotàisản,thaotácgiảingânvàkiểmtragiámsátsa uchovay.Điềunàydẫnđếnmấttínhkháchquandễdẫnđếnsaiphạm. NguyênnhânchủyếulàdoVietinBanklàngânhàngvớiquymôđứngđầutoànhệ thống, các văn bản chính sách, cấu trúc quản lý còn phức tạp, đang thực hiệnnhiệmvụdoĐảngvàNhàNướcgiaophóphảiđảmn ê n việcchuyểnđổicòndiễnrachậm.

VietinBankđãxâydựngđượchệthốngxếphạngtíndụngnộibộhiệnđạihàngđầu hiện nay không chỉ áp dụng áp dụng phương pháp chấm điểm theo quan điểmchuyên gia mà còn áp dụng phương pháp chấm điểm theo phương pháp thống kênhằm xác định xác suất vỡ nợ của khách hàng (PD) theo tiêu chuẩn Basel II, còn cócác chỉ về mức độ tổn thất tại thời điểm khách hàng vỡ nợ (LGD), dư nợ tại thờiđiểm vỡ nợ (EAD) Tháng 12/2021, hệ thống chấm điểm xếp hạng tín dụng nội bộtích hợp thêm phương pháp thống kê nên còn nhiều hạn chế phát sinh chưa đượckhắc phục và việc chuẩn hóa dữ liệu phi cấu trúc cũng như cần cải thiện độ chínhxáckhitriểnkhai.

VietinBank là một trong những ngân hàng đầu tiên đã áp dụng thành công hệthống cảnh báo sớm trong hoạt động quản trị rủi ro tín dụng tại Việt Nam và đượcphát triển qua 4 giai đoạn:Giai đoạn 1 (từ năm 2013):Đây là giai đoạn cán bộ tíndụng (RM) tự xây dựng, sử dụng danh sách dấu hiệu cảnh báo đơn giản theo kinhnghiệm,đểxemxétđưakháchhàngvàodanhsáchcầntheodõi.Tronggiaiđoạnnày,Hoạt động cảnh báo sớm chủ yếu mang tính chất thủ công gây nhiều khó khăn vềthời gian, hiệu quả, nguồn nhân sự;Giai đoạn 2 (từ năm 2014 đến 2016):Hệ thốnghóa danh sách dấu hiệu cảnh báo theo phương pháp chuyên gia áp dụng cho từngphân đoạn khách hàng (doanh nghiệp, khách hàng bán lẻ); Thiết kế xây dựng môhình hệ thống cảnh báo sớm rủi ro tín dụng (EWS) theo thẻ điểm cân bằng dựa trênthốngkêcácdữliệulịchsử;Giaiđoạn3(từnăm2016đến2018):TíchhợpHệthốngcảnhbáosớ mrủirotíndụng(EWS)vớiHệthốngCorebankingmớivàhệthốngkhodữ liệu doanh nghiệp (EDW), tiếp tục hoàn thiện mô hình và bộ chỉ tiêu, cập nhậtthêmtínhnăngtheoyêucầuphátsinh;Giaiđoạn4(từ2018đếnnay):Vietinbank việcliênkếtvớicáchệthốnghiệncómàcònđãvàđangtíchhợphệthốngcảnhbáosớmrủirotíndụ ng(EWS)vớicáchệthốngthôngtincảnhbáobênngoàiđểcóđượckết quả cảnh báo chính xác, kịp thời nhất (Trung tâm thông tin tín dụng quốc gia(CIC), Ngân hàng nhà nước, Bộ công an, Tổng cục hải quan, Tổng cục thuế, Cáchiệp hội, mạng xã hội, Web, … ), và ứng dụng AI Tuy nhiên, hệ thống tạo cho cánbộtíndụngmấtnhiềuthờigian,côngsứcđểtrảlờicáccâuhỏikhikháchhàngđượcphânloạilàc ó rủiro.

Ứngdụngcôngnghệtrítuệnhântạotronghoạtđộngquảntrịrủirotíndụng tạiVietinBank

Hệ thống cảnh báo sớm rủi ro tín dụng sẽ tự động hoàn toàn không còn phảithực hiện thao tác thủ công đảm bảo tính độc lập, minh bạch, khách quan; đáp ứngứng yêu cầu nhanh chóng, hiệu quả, giảm tác nghiệp cho cán bộ tín dụng, cắt giảmchi phí Tác giả đề xuất xây dựng mô hình trí tuệ nhân tạo dựa trên cây quyết định(DT)đểtănghiệuquảcủamôhìnhvàgiảmmứcsửdụngbộnhớ.

Từnguồndữliệuđầuvàođượcchiếtsuấttừhệthống:VCRM,MIS,Corebanking, Los&Rating, Collateral MGMT, Collection, hệ thống kho dữ liệudoanh nghiệp (EDW), hệ thống chấm điểm nội bộ (Vstar) Dữ liệu tài chính và phitàichính.

Chínhsáchvĩmô:cácthayđổivềchínhsáchvĩmôảnhhưởngbấtlợiđếndoanhnghiệpnhư:chính sáchtỷgiá,chínhsáchthuếxuấtnhậpkhẩu,tiêuchuẩnchấtlượng,chính sách phát triển kinh tế của Chính phủ; chính sách/quy định quản lý thị trườngcủacơquan chứcnăng;cácrào cảnthươngmạitrongnướcvàcácquốcgiakhác…

Biếnđộngngành:biếnđộngngànhtácđộngxấuđếnhoạtđộngkinhdoanhcủadoanh nghiệp như nhu cầu thị trường sụt giảm, thị trường đóng băng, diễn biến giácảtănggiảmbấtthường,thờitiếtbấtlợi,bệnhdịch.Phảnứngcủađốitác/cộngđồng:sự phản đối của đối tác đầu ra - đầu vào, chính quyền địa phương/ người dân nơikhách hàng hoạt động khiến khách hàng phải dừng hoạt động/ khó triển khai dự án/sảnphẩmbịtẩychay.Nhucầuđốivớisảnphẩmcủadoanhnghiệpbịsụtgiảmnghiêmtrọng.Cácđối thủ cạnhtranhcủakháchhàngcósựpháttriểnmạnh.

Thông tin xấu từ nhóm khách hàng liên quan/đối tác chính: một trong số cáccông ty thuộc nhóm khách hàng liên quan hoặc đối tác kinh doanh chính của kháchhàng có dấu hiệu: đang phát sinh nợ quá hạn tại VietinBank, đang có nợ xấu tại cáctổchứctíndụngkhác,banquảntrị/banđiềuhànhcáccôngtynàyviphạmphápluậtchết/ mấttích,phásản,giảithểhoặchoạtđộngkinhdoanhbịchậm,đìnhtrệhoặcvỡnợ Phát sinh sinh các sự cố thiên tai, hỏa hoạn, cháy nổ ảnh hưởng đến hoạt độngkinhdoanhcủakháchhàng.

Chậm trễ trong việc thanh toán nợ gốc và lãi tại chi nhánh Vi phạm nghiêmtrọngcamkếtđãthỏathuậntronghợpđồngcấptíndụng.Thiếusựhợptáctrongviệccung cấp thông tin về tình hình sản xuất kinh doanh, tài chính, thu nhập Khai báothôngtinkhôngtrungthực.Kháchhàngkhôngliênlạcđược/liênlạckhókhănsau nhiềunỗlựctừcáckênh:gọiđiện,email,quangườithân.Kháchhàngchâyỳ,khônghợptácthựchiệnb ấtkỳđiềukiệnnàocủavietinBankđưarađàmphán.Sửdụngvốnsaimụcđích/đầu tưvàolĩnhvựckhôngphảilĩnhvựctruyền thống củakháchhàng. Códấuhiệuchuyểntiềnlòngvòngvớicácđốitáclàkháchhànglâunăm,thânthiết và/hoặc với nhóm khách hàng liên quan Có sự thay đổi đột ngột về các nhânsự chủ chốt (cổ đông chính, ban điều hành, kế toán trưởng) Chủ Doanh nghiệp/cổđôngchính/thanhviêngópvốn/banđiềuhànhbỏtrốnhoặcnằmtrongvụán/ truycứutrách nhiệm dân sự, hình sự; Người lãnh đạo doanh nghiệp bị suy giảm chỉ số tínnhiệm,trìnhđộquảnlýkém.Kháchhàngkhônghoànthànhcácnghĩavụnợnhưnợthuế, nợ lương và bảo hiểm xã hội Xảy ra nhiều tranh chấp trong nội bộ doanhnghiệp.

Khách hàng thực hiện chia, tách, sáp nhập, hợp nhất, cổ phần hoá, bán khoán,chothuê.Kháchhàngchủđộngnộphoặcbịcácchủthểkhácnộpđơnyêucầutoàánmởthủ tụcphásản,thựchiệnviệcgiảithể.KháchhàngkhônghợptáctrongviệckýkếtcácBiênbảnkiể mtra/biênbảnlàmviệcvớiVietinBank.

Hoạt động sản xuất kinh doanh của khách hàng, nguồn trả nợ:Thị phần sụtgiảm,mấtquyềnphânphốisảnphẩmhoặcnguồncungcấp.Sụtgiảmcáckháchhàngtrungthành.

Nhiều thôngtinkhông tốttừkháchhàng,cácđốitáccủadoanhnghiệp.Đốitáctiêuthụhànghóa,dịchvụchủyếucủakhác hhàngphásản.Giácảcácnguyênliệu đầu vào gia tăng Phụ thuộc quá nhiều vào số ít nhà cung cấp nguyên liệu đanggặp khó khăn Thua lỗ trong một hợp đồng kinh tế lớn Thay đổi về phạm vi kinhdoanh(ngànhhàngkinhdoanhthếmạnh,truyềnthốngbịthuhẹptrongkhimởrộngcác hoạt động khác ở các lĩnh vực mà doanh nghiệp chưa có kinh nghiệm) Khôngcó những phản ứng kịp thời với sự đi xuống của thị trường hoặc các điều kiện kinhtế Các bộ chứng từ đượ c chiết khấu gửi đi nhưng không có hồi âm Bộ chứng từchiết khấu/hóa đơn có tranh chấp.Các b ộ chứng từ chiết khấu/hóa đơn được baothanh toánthườngxuyênquáhạnthanhtoán.

Khách hàng có nợ quá hạn/nợ xấu/nợ bán nợ cho Công ty quản lý tài sản(VAMC)tạitổ chứctíndụng khác.

Tàisảnđảmbảobịpháthiệnthôngtinsailệchsovớihồsơđịnhgiábanđầu(códấuhi ệulừađảo),hoặctàisảnđảmbảonằmtrongvụán,hoặchồsơtàisảnđảmbảobịgiảmạo/ khôngđầyđủ/cósaisót.Tàisảnđảmbảothuộcđốitượngquyhoạch.Tài sảnđảmbảobịdidời/thayđổi địađiểmlắpđặt,mất mát,tổnthất.Cóhiệntượngtẩutántàisảnđảmbảo,tựýrúthàng.Cótàisảnđảmbảod ùngchungvớinhómkháchhàngcóliênquan/ bênthứ3đangcóvấnđềtạiVietinBankhoặccácTổchứctíndụngkhác/ hoặctàisảnđảmbảodùngchungnàycókhảnăngphátsinh tranhchấpgiữaVietinBankvớicácTổchứctíndụngkhác.

Cótàisảnđảmbảolàthuộcsởhữucủabênthứbabảolãnh.Tuynhiêncácbênthứbacóhành vitrốntránhviệcxácnhậnnghĩavụđảmbảotrêncáchồsơđảmbảoquyền, lợi ích hợp pháp của VietinBank; và/hoặc Bên bảo đảm là tổ chức đang dínhtớicácvụviệcnhưphásản,giảithể,chiatách,sápnhập,hợpnhất,chuyểnđổi,hoặctạmdừngkin hdoanh,hoặcliênquantớikiệntụng,hoặcHộiđồngquảntrị,Banđiềuhành dính tới pháp luật Tài sản đảm bảo có những biến động bất thường khác Bêncó tài sản đảm bảo không đồng ý ký kết Biên bản kiểm tra, đánh giá lại tài sản đảmbảo vớiVietinBank.

Hạng khách hàng:Hạng tín dụng của khách hàng suy giảm tối thiểu 01 hạngsovớikỳchấmđiểmgầnnhất.

Không có tiền từ hoạt động sản xuất kinh doanh/thu nhập của khách hàng ghicó tài khoản của khách hàng trong một khoảng thời gian nhất định (tháng/quý).Không cóthunhập tiềnlươngvềtàikhoảncủakháchhàng.

Tìnhhìnhtàichính,sảnxuấtkinhdoanhkháchhàngcódấuhiệutiêucực,như:Các cổ đông/thành viên góp vốn thoái vốn khỏi doanh nghiệp Các khoản vay nợtăngmạnhkhôngtươngxứngvớiquymôhoạtđộng.Nợphảitrảtănglênđộtbiến trong khi nhu cầu sản xuất kinh doanh không có sự thay đổi lớn Chi phí hoạt độngtăngmạnh sovớităngtrưởngdoanh thu.Tỷlệcáckhoảnphảithukhóđòităng.

Hàngtồnkhotăngmạnhtrongkhidoanhthukhôngtăngtươngứng(trừyếutốmùa vụ), hàng hóa tồn kho kém phẩm chất hoặc nhiều công trình xây dựng cơ bảndởdangkéodài,khôngđượcnghiệmthuthanhtoán.Hàngtồnkho:Xuấthiệncáclôhàng tồn kho không luân chuyển trong 06 tháng; Hàng tồn kho có biến động lớn vềgiá trị (tăng/giảm); Hoặc tăng đột biến về số lượng Khả năng thanh toán nhanh sụtgiảm nghiêm trọng Doanh thu sụt giảm mạnh.Tốc độ tăng chi phí cao hơn nhiều sovới tốc độ tăng doanh thu trong trường hợp kế hoạch sản xuất kinh doanh không cósự thay đổi đột biến.Lợi n huận cao nhưng lưu chuyển tiền thuần từ hoạt động kinhdoanh âm/Xuấthiệnlỗ từhoạtđộngkinhdoanh.

Tìnhhìnhsứckhoẻvàthunhập:Tìnhtrạngsứckhoẻsuygiảm,thunhậpthườngxuyênbịsuygiả m,chậmthanhtoáncáckhoản phívàcôngnợ.

Giá thị trường của công ty:giá cổ phiếu trên thị trường của của công ty

(đốivớicôngty niêmyết)sụtgiảm mạnh sovớicácdoanhnghiệp kháctrongngành.

Ngoàira,CácnguồndữliệuđầuvàođangđượclấytừhệthốngCoreSunshine,các thông tin cảnh báo từ chương trình Quản lý hoạt động kiểm tra kiểm soát nội bộvà các nguồn thông tin cảnh báo khác Khi sử dụng các dữ liệu nội bộ thì việc kiểmtra tính chính xác của các số liệu từ nguồn nội bộ là hết sức cần thiết, việc kiểm trachéovớicácnguồnthôngtinkháclàcầnthiếtvàcầnđượclàmsạchđểtránhsailệchthôngtin.Mọi nguồndữliệubấtkểtừnguồnnàođềuphảiđượcđánhgiá,lượnghóavàđịnhnghĩakhiđưavàosử dụng.

Hệ thống cảnh báo sớm rủi ro tín dụng được vận hành vận hành trên cơ sở kếthợpphươngphápchuyêngiavàphươngphápmôhìnhthốngkê(phươngphápchấmđiểm khách hàng theo đó mức độ rủi ro của một khách hàng được dự đoán dựa trênmức độ rủi ro của các khách hàng tín dụng tương tự trong quá khứ) để phân tích cácchỉ tiêu thuộc bộ chỉ tiêu cảnh báo sớm và các thông tin thu thập từ kết quả trả lờibảngcâuhỏiđiềutranhằmđưaradanhsáchkháchhàngthuộcdiệncảnhbáorủiro.Do đó, việc thu thập nguồn dữ liệu đầu vào của hệ thống EWS tại VietinBank cònthựchiệnbántựđộng,chưacóphươngphápthuthậpthôngtinđầuvàohiệnđại, mangtínhcáchmạng,độtphá,tiếtgiảmtácnghiệpcủacánbộtíndụngtạiVietinBankđể từ đó giúp cho hoạt động cảnh báo sớm rủi ro tín dụng thật sự khách quan, minhbạch,chínhxác,giảmchiphíhoạtđộng,tăngnăngsuấtlaođộng,tăngthờigianchođộingũb ánhàngnhằm tăng doanhthuvàlợinhuận.

Bộ chỉ tiêu cảnh báo sớm rủi ro tín dụng của các ngân hàng thương mại đượcchia theo nhóm khách hàng, trong đó bao gồm khách hàng cá nhân và khách hàngdoanh nghiệp Tuy nhiên, VietinBank có đặc thù quy mô tín dụng rất lớn, số lượngkháchhàngbánlẻ:cánhân,hộgiađìnhchiếmphầnlớnđốitượngchovaynhưngdưnợ tín dụng lại thấp hơn đáng kể so với dư nợ của khách hàng doanh nghiệp Tronggiai đoạn từ năm 2016- 2021, dư nợ tín dụng bình quân của phân khúc khách hàngbán lẻ chỉ đạt 27,98% còn đối với phân khúc khách hàng doanh nghiệp thì đạt đến71,94% trên tổng dư nợ cho vay.

Do đó hệ thống cảnh báo sớm của VietinBank chủyếu tập trung vào đối tượng khách hàng doanh nghiệp khi VietinBank đã xây dựngđượchệthốngcơsởhạtầng côngnghệthông tinquảntrịrủirotíndụngvớiquymôlớn và liên kết chặt chẽ với nhau: VCRM, MIS, Corebanking, Los&Rating, EarlyWarning System, Collateral MGMT, Collection; các hệ thống này có thể chiết xuấtthông tin: địa chỉ, lịch sử giao dịch, tài sản đảm bảo, điểm tín dụng, thông tin từ báocáo tài chính do khách hàng cung cấp trên hệ thống chấm điểm nội bộ, thông tin dữliệu của cơ quan thuế từ hệ thống VCRM (hệ thống VCRM của VietinBank có thểchiết suất được dữ liệu thuế: doanh thu, lợi nhuận trước và sau thuế của doanhnghiệp),….đo lường,phân tíchvàđểđưaraquyếtđịnhcấptíndụng.

Bộ chỉ tiêu cảnh báo sớm rủi ro tín dụng tại VietinBank được chia thành hainhóm là chỉ tiêu do hệ thống EWS tự động kết xuất và chỉ tiêu cảnh báo do các cánbộ tín dụng điền vào bảng câu hỏi điều tra đây là bảng câu hỏi nhằm điều tra cácthôngtincủakháchhàngvàmỗicâuhỏicócácphươngántrảlờikhácnhautheocáccấpđộrủiro khácnhau.Kếtquảchấmđiểmvàcácmứcđộcảnhbáorủirođượcxácđịnhdựatrênviệcđánhgiáv àchấmđiểm từngchỉtiêu.Thangđiểmvàtrọngsốcủacácchỉtiêutrongbộchỉtiêucảnhbáosớmđượctínhtoánt rêncơsởkếthợpphươngphápchuyêngiavàphươngpháptoánthốngkê,trọng sốcủachỉtiêuchính làchỉsố

Sốlầngiahạnnợcủacác giấynhậnnợcủa kháchhàngtrongvòng3thángvừaquatínhđ ếnthờiđiểmchấmđiểmgầnnhất

3 Sốl ầ n q uá h ạ n d ư ớ i 1 0 n gà y trongvòng 06thánggầnnhất

Khoảng thờ gian (tính theo số tháng) từ thờiđiểmgầnnhấtcủamộtgiấynhậnnợcủakhách hàng có trạng thái nợ quá hạn trongvòng3thángvừaquatínhđếnthờiđiểmchấm điểmgầnnhất

6 Số lầnquáhạntrên10 ngàytrongvòng6thánggần nhất

Số ngày quá hạn trên 10 ngày của các giấynhận nợ của khách hàng trong vòng 3 thángvừaq u a t í n h đ ế n t h ờ i đ i ể m c h ấ m đ i ể m g ầ n nhất.

Tỷlệdoanhsốtiềnvềbìnhquân/ dưnợbìnhquântheongàytrongvòng3thán gvừaqua tínhđếnthờiđiểmchấmđiểmgầnnhất.

Tỷl ệ s ố d ư t i ề n g ử i b ì n h q u â n / d ư n ợ b ì n h quântheongàytrong vòng3thá ngvừaqua tínhđếnthờiđiểmchấmđiểmgầnnhất.

Tỷ lệTổngdư nợ của Kháchhàng/Giá trịcủa tấtcảcáctàisảnthếchấptạithờiđiểmcuốithá ngtrước thờiđiểmchấmđiểm

Nợn h ó m c a o n h ấ t c ủ a k h á c h h à n g t ạ i Vietinbankhoặc cáctổchứctíndụngkhác trongvòng 3gầnnhất.

(Nguồn:TàiliệunộibộtạiVietinBank) Điểm điều tra=∑Điểm từng chỉ tiêuxTỷ trọng từng chỉ tiêuĐiểmtổngcủacácchỉtiêu đượcxácđịnhnhưsau: Đối với chỉ tiêu Số lần quá hạn dưới 10 ngày trong vòng 06 tháng gần nhấtKháchhàngcósố lầnquáhạndưới10ngày≤ 3 lần:10điểm

Kháchhàngcósố lầnquáhạndưới10ngàytừ4đến8 lần:8điểm

Khách hàng có số lần quá hạn dưới 10 ngày ≥ 8 lần: 5 điểmCácngưỡngcảnhbáocủahệthống theođiểmnhưsau

GIẢI PHÁP ỨNG DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂNTẠOTRONGQUẢNTRỊRỦIROTÍNDỤNGTẠINGÂNHÀNGTHƯƠ NGMẠICỔPHẦNCÔNG THƯƠNG VIỆTNAM

Địnhhướngvềứngdụngcôngnghệtrongquảntrịrủirotíndụngtronghệthống ngânhàng tạiViệtNam

Thủ Tướng Chính Phủ đã ban hành quyết định số 986/QĐ-TTg “về việc phêduyệt chiến lược phát triển ngành ngân hàng việt nam đến năm 2025, định hướngđếnnăm2030”vớimụctiêulàcáctổchứctíndụngtrongnướcđóngvaitròchủlực;cấu trú đa dạng về sở hữu, quy mô, loại hình; dựa trên nền tảng công nghệ, quản trịngân hàng tiên tiến, phù hợp với chuẩn mực hoạt động theo thông lẹ quốc tế và đạttrìnhđộpháttriểncủa4nướcdẫnđầutrongkhuvựcASEANvàonăm2025,tiếntớitài chính toàn diện vào năm 2030 Đến cuối năm 2025, tất cả các NHTM áp dụngBasel II theo phương pháp tiêu chuẩn, triển khai thí điểm áp dụng Basel II theophương pháp nâng cao tại NHTM Nhà Nước nắm cổ phần chi phối và NHTM cổphần có chất lượng quản trị tốt đã hoàn thành áp dụng Basel II theo phương pháptiêu chuẩn; nợ xấu của toàn hệ thống các tổ chức tín dụng dưới 3%; tăng hiệu quảphânbổnguồnvốnnhằmpháttriển“tíndụngxanh”,“ngânhàngxanh”đểgópphầnphát triển nền kinh tế sang hướng tăng trưởng xanh; từng bước nâng cao vị thế củaViệtNamtrêncácdiễnđàn,tổ chứcquốctếvềtiền tệngân hàng. Để thực hiện những mục tiêu trên thì ngân hàng đã nước cũng yêu cầu cácngân hàng nâng cao năng lực điều hành, tính minh bạch trong hoạt động tín dụng;hoàn thiện, áp dụng hệ thống quản trị rủi ro phù hợp với các nguyên tắc,chuẩn mựccủa ủy ban Basel và lộ trình áp dụng Basel II tại Việt Nam; hoàn thiện và áp dụngcác quy đình về quản trị ngân hàng phù hợp với thông lệ quốc tế; phát triển đội ngũcán bộ quản lý và kinh doanh ngân hàng có trình độ chuyên môn cao; yêu cầu cáctioor chức tín dụng công khai, minh mạch, quản lý rủi ro và quản trị doanh nghiệptheoquyđịnhcủaphápluậtvàthônglệquốctế.hiệnđạihóahệthốngcôngng hệ thông tin, nâng cấp hệ thống ngân hàng lõi phù hợp với quy mô, mức độ phức tạphoạt động và yêu cầu quản trị, điều hành; tăng cường ứng dụng công nghệ thông tinvào điềuhànhvàquảnlý,phântíchvàphòngngừarủiro.

Ngân hàng MB Bank, ứng dụng AI đối với các giao dịch tài chính phổ biếnnhất là trợ lý ảo (ChatBot); dự án tự hóa quy trình bằng robot (Robotics ProcessAutomation-RPA)theođóngânhàngthựchiệnđưaRobotvàoápdụngtrong40quytrình vớihơn23Robot.

Ngân hàng Vietcombank đã hợp tác với công ty FPT IS để triển khai dự ánđầu tư hệ thống gỉai pháp AI chatbot trong hoạt động chăm sóc khách hàng và mụctiêu nhằm: mở ra kênh giao tiếp hiện đại, tự đồng hóa, phục vụ khách hàng 24/7,giảmáplựcchokênhtổngđài.

Công ty tài chính Mcredit đã triển khai thành công dự án chấm điểm bằng AIcho khách hàng vay tín chấp bằng hình thức trả góp Hiện tại, Khách hàng có thểđăng ký thông tin vay vốn trực tiếp tại các điểm đăng ký hoặc thông qua ứng dụngtrênđiệnthoại.

Từnhữngứngdụngthựctếtrên,tacóthếthấyrằngcôngnghệtrítuệnhântạocónhữngưuđi ểmvượttrộiđượcxemlàxuthếcủatươnglaivàcũngđangđượccáctổ chức tài chính nghiên cứu triển khai và hoạt động kinh doanh, đặc biệt là tronghoạtquảntrịrủirotíndụngnhằm cạnhtranh,cắtgiảm chiphívàtăng lợinhuận.

Địnhhướng pháttriểnhoạtđộngquảntrịrủiro tíndụngtạo VietinBank

Tronggiaiđoạnpháttriểnhiệnnay,VietinBankđãxâydựngđịnhhướngchiếnlược giai đoạn từ năm 2021 đến năm 2030 và tầm nhìn đến năm 2045 phù hợp vớichiếnlượccủangànhngânhàng,chủtrươngcủaNgânhàngNhànướcvớikhátvọngtrở thành

“Ngân hàng đa năng, hiện đạ, hiệu quả hàng đầu tại Việt Nam, đến năm2030 nằm trong top ngân hàng mạnh nhất khu vực Châu Á Thái Bình Dương; đếnnăm 2045 là ngân hàng mạnh và uy tín nhất Việt Nam, hàng đầu khu Vực Châu ÁThái Bình Dương và uy tín cao trên thế giới” VietinBank đóng vai trò là trụ cột vàchủlựccủanềnkinhtếvềquymôthịphần,đồngthờikhôngngừngnângcaonăng lực quản trị ngân hàng, gắn tăng trưởng của VietinBank với các ngành kih tế mũinhọn,cácngànhkinhtếtrọngđiểmcủaquốcgiavàtăngkhảnăngtiếpcậnsảnphẩmdịchvụ tàichính antoàn, thuận tiệnchomọingànhnghềkinhtế.

Năm 2021, những biến biến phức tạp của dịch Covid-19 đã tác động tiêu cựcđếntoànbộnềnkinhtế.HoạtđộngkinhdoanhcủarấtnhiềukháchhàngvayvốntạiVietinBank gặp khó khăn tiềm ẩn nhiều rủi ro phát sinh nợ xấu Trước tình hình đó,Vietinbank đã chủ động tăng cường kiểm soát chất lượng nợ, nhận diện sớm cácngànhtiềmẩnrủirođểkịpthờitriểnkhaicácbiệnphápphânluồngthuhồixửlýnợ,giảm thiểu tổn thất cho ngân hàng, đồng thời triển khai các biện pháp hỗ trợ kháchhàngổnđịnhtìnhhìnhsảnxuấtkinhdoanh. Đểthựchiệnkếhoạch,chiến lượcđãđềrathìVietinBankđãtriểnkhaidựántái cấu trúc cấp bậc công việc theo phạm vi toàn hàng nhằm xây dựng lộ trình côngdanhtheovịtrícôngviệcvàđẩymạnhcôngtácnhậndiện,xâydựnglộtrìnhđàotạovà phát triển nguồn nhân sự kế thừa; hoàn thiện mô hình tổ chức quản lý; đầu tư cảitiến hệ thống công nghệ thông tin nhằm hỗ trợ công tác quản trị danh mục tín dụng,cảnh báo sớm khách hàng tiềm ẩn rủi ro, giám sát rủi ro tín dụng, thiết lập khẩu vịrủi ro, bộ hạn mức rủi ro theo ngành, giám sát việc thu hồi và xử lý nợ hiệu quả; tậptrung thúc đẩy tăng trưởng dư nợ cho khách hàng doanh nghiệp vừa và nhỏ, kháchhàng bán lẻ và ưu tiên cấp tín dụng cho hoạt động sản xuất kinh doanh vào các lĩnhvựcthiếtyếu,chovaytiêu dùng.

Chính vì vậy, Vietinbank cần hoàn thiện công tác quản trị rủi ro tín dụng đểđảm bảo hoàn thành chiến lược giai đoạn từ năm 2021 đến năm 2030 và tầm nhìnđến năm 2045 nhưng vẫn đảm bảo hiệu quả kinh doanh, an toàn vốn gắn liền vớiđịnhhướngvà chủtrươngcủaNgânhàngNhàNước,ChínhPhủ.

Giảipháp ứngdụngtrítuệnhântạotrong quản trịrủiro tíndụng

TừnhữngphântíchvàđánhgiávềthựctrạngcôngtácquảntrịrủirotíndụngtạingânhàngTMCPCôngThươngViệtNamtạichương2củaluậnvăn,thìcầnphảithayđổimôhìnhtổchứcquản lývàcầnphùhợpvớitìnhhìnhthựctếhoạtđộngkinh doanh và quy mô hoạt động nhưng phải đảm bảo hiệu quả quy trình quản trị rủi rotín dụngnhưsau:

Thứ nhất, Ngân hàng cần thực hiện thay đổi cơ chế phê duyệt tín dụng tậptrung và cácrủiro tíndụng cũngphảiđượcquản lýtập trungtạitrụ sởchính.

Thứ hai, Nguyên tắc độc lập, khách quan, minh bạch: khi triển khai mô hìnhnhằm tách bạch, rõ ràng, khách quan và minh bạch giữa 03 bộ phận gồm: Bộ phậnkinhdoanh,bộphậnhỗ trợkinhdoanh,bộphậnthẩmđịnh.

Thực tế hiện nay, các ngân hàng TMCP có vốn Nhà Nước nắm chi phối vẫnđangápdụngmôhìnhphêduyệttíndụngphântánvớithẩmphêduyệtcủagiámđốcchi nhánh nhóm 1 tối đa cụ thể như: VietinBank là 75 tỷ đồng, AgriBank là 100 tỷđồng, BIDV là 80 tỷ đồng Do đó, các ngân hàng cần giảm thẩm quyền theo lộ trìnhđểtránhảnhhướngđếnhoạtđộngkinhdoanh.

3.3.2 Quy trình ứng dụng trí tuệ nhân tạoDữliệu đầu vào

HệthốngxếphạngtíndụngnộibộcủaVietinBanklàdữliệuđầuvàoquantrọngcủahệthốngc ảnhbáosớmrủirotíndụngkhinólàcơsởđầutiênđểđolườngrủirocủa một khách hàng từ đó ra quyết định cấp tín dụng Hiện nay, hệ thống xếp hạngtíndụngcòntồnđọngrấtnhiềuhạnchếvẫnchưakhắcphụctriệtđể,khikếtquảcònmangtínhc hấtchủquancủacánbộtíndụngchưathựcsựlàcôngcụmangtínhchấtthuần định lượng để đo lường các rủi ro, dự báo tổn thất để từ đó đưa ra các biệnpháp ứng xử phù hợp Do đó VietinBank cần điều chỉnh các trọng số và tiêu chí đểkết quả xếp hạng tín dụng nội bộ mang tính chất khách quan, minh bạch và là côngcụ đo lường rủi ro chuẩn xác; hệ thống xếp hạng tín dụng của VietinBank gồm haicấu phần: Cấu phần tài chính dựa trên báo cáo tài chính, dòng tiền, lịch sử giao dịchtíndụng,… vàcấuphầnphitàichínhdựatrêncácđánhgiácủacánbộtíndụngtừđólàm cơ sở xác định các hệ số PD, LGD,

EAD Có nhiều trường hợp khi đánh giákhoảntíndụngthìđiểmtàichínhchỉđạt45điểmtrongkhiđóđiểmphitàichính thìđạt đến 95 điểm nên kết quả cuối để phê duyệt cấp tín dụng: điểm là 70 còn hạng làAvẫnthỏađiềukiệncấptíndụngcủaVietinBanknhưngcósựchêchlệchrấtlớn giữa điểm định tính và định lượng, điều này thể hiện có sự đánh giá chưa thật sựchínhxác.

Nguồndữliệuđầuvàocầnbổsungthêmcáccơsởdữliệuđầyđủvàhoànchỉnhnhư: tốc độ tăng trưởng kinh tế, chỉ số lạm phát, dữ liệu cơ quan thuế, cơ quan côngan, cơ quan hải quan, Tổng cục thống kê, từ bên thứ ba (thương mại điện tử, mạngxãhội,Web, ).

Nguồndữliệucủangânhànglàrấtlớnnênviệcchọnlọcvàcảithiệnchấtlượngdữliệuthườngđ ượccoilàmộttrongnhữngmụctiêuchínhcủaquảnlýdữliệu.Hầuhết các ngân hàng đều có các chương trình đo lường chất lượng dữ liệu, phân tích,ưutiênvàkhắcphụccácvấnđềđượcpháthiện.Hiệntạicóhaitháchthứcchungđólàcácngư ỡng,quytắcdànhriêngchotừngngânhàngvàcácnỗlựckhắcphụcthườngtiêutốnthờigianvànguồnlự cđángkể.Mộtsốtổchứcđãsửdụngđếnviệcthiếtlậpcác chương trình xử lý dữ liệu rộng lớn với hàng trăm nhân viên chuyên dụng thamgiavàocáchoạtđộngkiểm tradữliệuchủyếulàthủ công.

Khi các chương trình chất lượng dữ liệu hoàn thiện, ba cấp độ phức tạp trongkiểmsoátchấtlượngdữliệuđangxuấthiệngiữacácngânhàng.Cấpđầutiênvàphổbiến nhất sử dụng các đối chiếu tiêu chuẩn để đo lường chất lượng dữ liệu về tínhđầyđủ,nhấtquánvàhợplệ.Ởcấpđộthứhai,cácngânhàngápdụngphântíchthốngkê để phát hiện các điểm bất thường có thể chỉ ra các vấn đề về độ chính xác Ở cấpđộthứbavàphứctạpnhất,cácchươngtrìnhsửdụngtrítuệnhântạovàcáckỹthuậtdựatrênMac hineLearningđểxácđịnhcácvấnđềchấtlượngdữliệuhiệncóvàmớinổivàđẩynhanhnỗ lựckhắcphục.

Một số tổ chức trên thế giới đã xác định các vấn đề về độ chính xác bằng cáchsử dụng các thuật toán phân cụm Machine Learning để phân tích tập hợp các khoảnvay và phát hiện các điểm bất thường theo ngữ cảnh, chẳng hạn như khi giá trị củamột thuộc tính không tương đồng với giá trị của các thuộc tính khác Để thực hiệnđiều này, chương trình đã sử dụng thông tin được ghi lại dưới dạng văn bản tự dotrongquátrìnhgiớithiệuvàtíchhợpthôngtinnàyvớicácnguồndữliệucủabênthứba.

Các ngân hàng cần sửa đổi và nâng cao toàn bộ quy định, tiêu chuẩn về kiểmsoát dữ liệu Họ đang phát triển các phân loại rủi ro tổng thể để xác định tất cả cácloại rủi ro dữ liệu, bao gồm cả tính chính xác, kịp thời hoặc đầy đủ Hơn nữa, cácngânhàngđangthúcđẩycácbiệnphápkiểmsoátphứctạphơn,chẳnghạnnhưnhữngkiểm soát liên quan đến Machine Learning, cũng như mức độ tự động hóa cao hơntrong suốtvòngđờidữliệuđầucuối. Đềxuấtquy trìnhứng dụng trítuệnhân tạo

Bước2:Lựachọnvàphânloạidữliệu:lựachọncácbiếnliênquanvàcácbiếnphùhợp Bước 3: Chạy mô hình: Lựa chọn mô hình, tối ưu hóa mô hình và phân tíchBước4:Thẩmđịnhmôhình:Đánhgiá,điềuchỉnhmôhình,dữliệuđượcsửdụngBước5:Triể nkhaivàbiệnphápđảmbảo:Ápdụngmôhìnhvàothựctế,thiếplập cácbiệnphápnhằm đảm bảoquảnlýcácrủiroxảy ra.

Cácgiảipháphoànthiệnứngdụngtrítuệnhântạotrongquảntrịrủiro tíndụng

Quản lý rủi ro tín dụng ngày càng trở thành một nỗ lực đầy thách thức đối vớitổchứctàichính.Cácchứcnăngkiểmsoátcảnhbáorủirohiệntạikhôngchỉđòihỏinhững nhân sự có kỹ năng kỹ thuật mà còn đòi hỏi sự sáng tạo, quyết đoán và linhhoạttrongmôitrườngkinhdoanhthayđổinhanhchóng.

Các ngân hàng phải đối mặt với những thách thức về tìm nguồn cung ứng vàtuyển dụng những nhân viên giỏi, những thách thức thậm chí có thể rõ ràng hơn khituyển dụng nhân tài quản trị rủi ro, CNTT do nhóm nhân tài nhỏ hơn và có nhiều sựlựa chọn việc làm Tuy nhiên, thách thức tuyển dụng lớn nhất được cho là thiếu đềxuấtgiátrịthựcsựthuyếtphụcđểnhânviênđểlàmviệctrongchứcnăngquảnlýrủiro.Đặcbiệtlà cácnhânsựgiỏitronglĩnhvựcCNTTthìhọthườngchọnnhữngcôngtyvềcôngnghệhàngđầuthếg iớinhưGoogle,Facebook,Tiktok, hoặcnhữngcôngtyởViệtNamnhư:

Tập đoàn FPT, Tập đoàn bưu chính viễn thông Việt Nam (VNPT), Công ty cổ phầnVNG,… Do đó, VietinBank cần có chính sách, môi trường làm việc, lộ trình côngviệcvàcácphúclợivàlươngthưởngphùhợpvớihiệuquảcôngviệc.

Gần như tất cả các ngân hàng đều có “trường đào tạo” Tuy nhiên, vì cắt giảmchiphí,họthườngthiếungânsáchcầnthiếtđểđàotạocáckỹnănggiaotiếpvàquảnlý Đặc biệt trong các chức năng quản trị rủi ro, đào tạo kỹ thuật (ví dụ: trong môhìnhrủiro)thườngđượcthựchiệnbởicácchuyêngiabênngoài.Thôngthường,cáckhóa đào tạo này không thể giải quyết các nhu cầu cụ thể của bộ phận quản lý rủi rovà được thu nhỏ lại để khá cơ bản và chung chung Mặc dù hầu hết các ngân hàngđều coi việc đào tạo là quan trọng, nhưng các cơ hội thường bị hạn chế chỉ áp dụngđối với quản lý cấp trên Do đó, VietinBank cần xây dựng chương trình đào tạo phùhợp cho từng vị trí cũng như nâng cao năng lực nhận biết và quản trị rủi ro tín dụngcho cánbộ tíndụng.

Hiện tại thì khả năng đo lường hiệu quả và khen thưởng thành tích xuất sắctronglĩnhvựcquảnlýrủirocònnhiềuhạnchế.Cácquytrìnhđánhgiáthườngphứctạp, tốn nhiều thời gian và trong một số trường hợp được coi là mang tính chủ quancao Phần thưởng vẫn chủ yếu dựa vào các khuyến khích tài chính và trong một sốtrườnghợp,đượccoilà“mộtquymôphùhợpvớitấtcả”,tứclàquámơhồvàkhôngphùhợpvớic ácvaitròquảntrịrủiro.

Hiện nay đánh giá cán bộ nhân viên cần được chuyển hoàn toàn sang khungnăng lực (KPI), với kết quả này sẽ mang 02 yếu tố cốt lỗi là vừa mang yếu tố địnhtínhtừlãnhđạodựatrêntháiđộlàmviệc,tinhthầntráchnhiệm,chuyênmônnghiệpvụ,… và kết hợp với yếu tố định lượng dựa trên các chỉ tiêu được đặt ra hàng nămcủaVieinBankđểxácđịnh lươngthưởng chotừng cán bộ.

Hợp tác trong và trên toàn bộ chức năng rủi ro là một thách thức lớn, đặc biệtlà trong lĩnh vực ngân hàng, nơi rủi ro thường được coi là một trở ngại nhiều hơn làmộthìnhthứchỗ trợ.

80 Đểtăngcườngkếtnốigiữabộphậnkinhdoanhvàchứcnăngrủiro,VietinBanknênthựchiệnc ácchươngtrìnhvàphươngpháptiếpcậncóhệthốngđểthúcđẩyhợptác, chẳng hạn như song song và cố vấn chéo Ngoài ra, các nhà lãnh đạo trong đơnvịkinhdoanh cũng cầnđượcđào tạo thườngxuyênvềcáckhíacạnh củaquảnlýrủiro,docácnhàlãnhđạoquảnlýrủirothựchiện.

Thứ nhất, Nguồn dữ liệu trong hệ thống ngân hàng là rất lớn nên đòi hỏi cầnứngdụngcáccôngnghệhiệnđạinhưdữliệulớn(Bigdata)vàđiệntoánđámmâyđểlưutrữthô ngtincủakháchhàng;sauđócầnthựchiệnkhaiphádữliệu(DataMining)gồm: xử lý dữ liệu, làm sạch dữ liệu, chuẩn hóa dữ liệu, đánh giá dữ liệu, lựa chọnchạy mô hình, đánh giá và hiệu chỉnh mô hình; ứng dụng trí tuệ nhân tạo (AI) để tựđộng đưa ra các quyết định hoặc dự đoán mang tính khách quan, minh bạch, hiệusuất cao nhằm cắt giảm chi phí trong dài hạn, tối đa hóa lợi nhuận của ngân hàng.Dođó,VietinBankcầnxâydựngvàtriểnkhaiđồngbộhệthốngcơsởhạtầngthôngtinđểcá cứngdụngđượcliênkếtchặtchẽvớinhauthànhmộtkhốiliềnmạch,thốngnhất; đảm bảo nguồn dữ liệu đầu vào của hệ thống cảnh báo sớm rủi ro tín dụng làdữ liệu đáng tin cậy để kết quả phân luồng sẽ phản ánh đúng tình trạng của kháchhànhtừđóđềxuấtcácbiệnphápứngxửphùhợp.

Thứhai,HệthốngcôngnghệthôngtincủaVietinBankcầnliênkếtchặtchẽvớiTrungtâmdữli ệuquốcgia,Tổngcụchảiquan,Tổngcụcthuế,TổngcụcThốngKê,Bộ tài chính, Trung tâm dữ liệu tín dụng (CIC),….và từ các nguồn dữ liệu khác:mạng xã hội, sàn thương mại điện tử để từ đó Ngân hàng có sự đánh giá toàn diện,chân thật,kháchquanvềkháchhàngvàđưara những cảnhbáo sớm kịp thời.

Vìvậy,VietinBankcầnnângcaonănglựccủaTrungTâmCôngnghệthôngtinđểđảmbảoth ựchiệnđầyđủcácnhiệmvụcốtlõisau:Xâydựngchiếnlược,kếhoạchphát triển, ứng dụng CNTT phù hợp với chiến lược kinh doanh và các yêu cầu triểnkhaisảnphẩmdịchvụvàquảntrịđiềuhànhcủaVietinBank;Đầumốixâydựngcáchệthốngph ầnmềmứngdụnghoặcnghiêncứuvàtriểnkhaicáchệthốngphầnmềmứngdụng(muangoài),sử dụngcácdịchvụthuêngoàiliênquanđếnCNTTphụcvụyêucầutriểnkhaichiếnlượckinhd oanh,sảnphẩmdịchvụmới,hoặcyêucầucải

8 1 tiến, đổi mới các dịch vụ ngân hàng; Triển khai bảo hành, bảo trì các chương trình,hệ thống kỹ thuật CNTT; Triển khai quản lý các dự án CNTT theo mô hình quản trịdự án chuyên nghiệp; Nghiên cứu xây dựng quản trị kiến trúc tổng thể về CNTT;Phát triển, lên kế hoạch, duy trì hệ thống bảo mật thông tin; Xây dựng quy trình vậnhành, thu thập, xử lý, cung cấp thông tin chính xác, kịp thời lưu trữ và bảo đảm bímật, an toàn thông tin của VietinBank; Thiết kế giám sát, quản trị rủi ro, xây dựngcáctìnhhuốngvàtiếnhànhkiểmthửantoànchotoànbộhệthốnghạtầng,ứngdụngtạiVietin Bank;

Thứnhất,NgânhàngNhàNướccầnbanhànhchiếnlượcvềviệcứngdụngcôngnghệ trí tuệ nhân tạo trong lĩnh vực ngân hàng cụ thể là hoạt động quản trị rủi ro tíndụngnhưngphảiphùhợpvớiquyđịnhcủachínhphủvàthônglệquốctế.

Thứhai,Ngânhàngnhànướccầnbanhànhkhungpháplývớinhữngquyđịnhcụ thể về việc nghiên cứu, ứng dụng công nghệ trí tuệ nhân tạo đối với các tổ chứctín dụng Đồng thời, các quy định cần nêu rõ quy trình xây dựng mô hình, các tiêuchuẩn để đánh giá và giám sát các mô hình trí tuệ được nghiên cứu, triển khai Bêncạnh đó, Ngân hàng Nhà Nước cần ban hành các quy định có liên quan để các tổchức tín dụng có thể sử dụng kết quả từ các mô hình vào hoạt động kinh doanh vàhoạtđộngquảntrịrủirotíndụng.

Thứ ba, Ngân hàng Nhà Nước đã xây dựng trung tâm thông tin tín dụng tậptrung nhằm lưu trữ, phân tích, xử lý, dự báo rủi ro từ nguồn dữ liệu của tất cả cácngân hàng thương mại và các tổ chức có liên quan Nhưng thực tế là các ngân hàngthươngmạiđượcsửdụngcácthôngtinvềdữliệucủakháchhàngtừNgânhàngNhàNước còn rất nhiều hạn chế Do đó, các ngân hàng thương mại đang triển khai ứngdụng công nghệ trí tuệ nhân tạo với các mô hình vô cùng phức tạp đòi hỏi nguồn dữliệu đầu vào phải rất lớn và đã được làm sạch để huấn luyện cho các thuật toánMachine Learning nên rất cần Ngân hàng Nhà nước cung cấp nguồn dữ liệu đầy đủ,kịp thời.

Thứ tư, Ngân hàng nhà nước cần triển khai các hoạt động khoa học, họp trongnướccũngnhưcáchộithảoquốctếvềnghiêncứukhoa,pháttriểnvàứngdụngcông nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng trong lĩnh vực ngânhàng với sự tham gia của các chuyên gia đầu ngành, các nhà khoa học tài năng trênthếgiới.

Thứ năm, ngân hàng nhà nước cần sớm ban hành khung pháp lý về hoạt độngcủacáccôngtytàichính(Fintech)cũngnhưcácquyđịnhvềứngdụngcôngnghệtrítuệnhânt ạotronghoạtđộngquảntrịrủirotíndụngvìcáccôngtytàichínhcónhữnglợi thế để triển khai các công nghệ mới so với các ngân hàng thương mại, để từ đótạo động lực để các ngân hàng thương mại thúc đẩy sự cạnh tranh cũng như tăngcườnghợptácvớicáccôngtytàichính(Fintech).

Trongchươngnày,Tácgiảđúckếttừthựctrạngquảntrịrủirotíndụngvàkhảnăngứngdụn gcôngnghệtrítuệnhântạotronghoạtđộngquảntrịrủirotíndụngtạiVietinBank, cũng như những định hướng triển khai ứng dụng công nghệ trong lĩnhvực ngân hàng của Chính Phủ Tác giả đã đề xuất những giải pháp để

VietinBankhoànthiệncôngtácứngdụngcôngnghệtrítuệnhântạotronghoạtđộngquảntrịrủi rotíndụngvàkiếnnghịvớiNgânhàngnhànướcđểbanhànhcáckhungpháplýtạođiều kiện thuận lợi cho các Ngân hàng thương mại có thể nghiên cứu và ứng dụngcôngnghệtrítuệnhântạo tronghoạtđộngquảntrịrủirotíndụng.

1 Peter Martey Addo, Dominique Guegan, Bertrand Hassan (2018) Credit RiskAnalysisusingMachineandDeeplearningmodels.Risks,6(2),3-16.https:// doi.org/10.3390/risks6020038

2 Chen, N., Ribeiro, B., & Chen, A (2016) Financial credit risk assessment: arecentreview.ArtifIntellRev,1-23.

3 Tsai, C., & Wu, J (2008) Using neural networks ensembles for bankruptcypredictionand credit.ExpertSystemswithApplications,2639-2649

(2017).Creditriskmanagement:Pricing,Measurement,andModeling.Springer InternationalPublishing

FangZhao(2011).Bankcreditriskmanagementearlywarninganddecision- makingbasedonBPneuralnetworks.2011IEEEInternational Symposium on IT in

8 Nguyễn Tiến Hưng (2022) “Ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tíndụngtạiNgânhàngNôngNghiệpvàPhátTriểnNôngThônViệtNam”.LuậnánTiến sĩ.HọcViệnNgân Hàng.

(2020).HệthốngcảnhbáosớmrủirotíndụngtạicácngânhàngthươngmạiViệtNam.Luận ánTiến sĩ.HọcViệnNgânHàng.