HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)

Dịch vụ viết thuê luận án tiến sĩ, luận văn thạc sĩ, chuyên đề khóa luận tốt nghiệp
Sdt/zalo 0967 538 624/0886 091 915 https://lamluanvan.net/
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
LUẬN VĂN THẠC SĨ
HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM
TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP
TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT
TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)
Ngành: Tài chính - Ngân hàng
BÙI PHƯƠNG HÀ
Hà Nội, năm 2023

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
LUẬN VĂN THẠC SĨ
HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM
TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP
TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT
TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)
Ngành: Tài chính - Ngân hàng
Mã số: 8340201
Họ và tên học viên: Bùi Phương Hà
Người hướng dẫn : TS. Nguyễn Phúc Hiền
Hà Nội, năm 2023

i
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn “Hoàn thiện mô hình chấm điểm tín dụng khách
hàng doanh nghiệp tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam
(Agribank)” là công trình nghiên cứu của chính tác giả được thực hiện trên cơ sở
học tập và thực tiễn kinh nghiệm làm việc trong suốt thời gian vừa qua. Số liệu và
dẫn chứng được sử dụng trong bài luận văn là chân thực, chính xác và có nguồn gốc
rõ ràng, được tôi thu thập, tổng hợp từ nguồn đáng tin cậy và từ các báo cáo nội bộ
của Agribank. Luận văn này được tác giả thực hiện với sự hướng dẫn của TS.
Nguyễn Phúc Hiền.
Tác giả luận văn
Bùi Phương Hà

ii
LỜI CẢM ƠN
Tác giả xin bày tỏ lời cảm ơn chân thành tới TS. Nguyễn Phúc Hiền, người
đã nhiệt tình hướng dẫn và chia sẻ kinh nghiệm giúp tác giả hoàn thành bài luận văn
này. Đồng thời, tác giả cũng xin gửi lời cảm ơn tới các thầy cô Khoa Sau Đại học đã
nhiệt tình giảng dạy, truyền đạt kiến thức quý báu, làm nền tảng cho quá trình
nghiên cứu của tác giả.
Tác giả cũng xin cảm ơn các cán bộ, nhân viên Agribank đã giúp đỡ, cung
cấp số liệu cần thiết và động viên tác giả trong thời gian hoàn thành bài luận văn.
Trong quá trình nghiên cứu, do bản thân còn có những hạn chế về kiến thức
chuyên môn cũng như kinh nghiệm thực tiễn, công trình nghiên cứu không thể tránh
khỏi những thiếu sót. Tác giả rất mong nhận được những đóng góp của quý thầy cô
và những người quan tâm đến đề tài để tác giả có điều kiện học hỏi và hoàn thiện
được bài luận văn.

iii
MỤC LỤC
LỜI CAM ĐOAN ...................................................................................................... i
LỜI CẢM ƠN........................................................................................................... ii
DANH MỤC TỪ VIẾT TẮT.................................................................................. vi
DANH MỤC BẢNG, BIỂU ĐỒ VÀ HÌNH.......................................................... vii
TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN ......................................... viii
LỜI MỞ ĐẦU........................................................................................................... 1
CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ THỰC TIỄN VỀ MÔ HÌNH CHẤM ĐIỂM
TÍN DỤNG KHDN TRONG HOẠT ĐỘNG TÍN DỤNG CỦA CÁC NHTM.... 9
1.1. Khái niệm, vai trò và phương pháp chấm điểm tín dụng tại NHTM ...... 9
1.1.1. Khái niệm ................................................................................................ 9
1.1.2. Vai trò.................................................................................................... 11
1.1.3. Phương pháp chấm điểm tín dụng....................................................... 11
1.2. Một số mô hình chấm điểm tín dụng......................................................... 14
1.2.1. Mô hình xác suất tuyến tính................................................................. 15
1.2.2. Mô hình logit......................................................................................... 17
1.2.3. Mô hình probit ...................................................................................... 17
1.2.4. Mô hình phân biệt tuyến tính............................................................... 18
1.3. Nội dung chấm điểm tín dụng KHDN....................................................... 20
1.3.1. Mục đích chấm điểm tín dụng KHDN ................................................. 20
1.3.2. Nguyên tắc............................................................................................. 21
1.4. Các điều kiện cần có để áp dụng mô hình chấm điểm tín dụng KHDN . 22
1.4.1. Thông tin sử dụng để CĐTD................................................................ 22
1.4.2. Chất lượng đội ngũ cán bộ tín dụng.................................................... 23
1.4.3. Cơ sở vật chất kỹ thuật và công nghệ của NHTM .............................. 24
1.4.4. Chính sách của NHTM ........................................................................ 24
1.5. Kinh nghiệm vận dụng mô hình chấm điểm tín dụng của một số NHTM
và bài học cho Agribank.................................................................................... 25
1.5.1. Kinh nghiệm của BIDV........................................................................ 25
1.5.2. Kinh nghiệm của Techcombank......................................................... 27

iv
1.5.3. Bài học cho Agribank ........................................................................... 30
Tóm tắt chương 1............................................................................................... 31
CHƯƠNG 2: THỰC TRẠNG ỨNG DỤNG MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG
KHDN TẠI AGRIBANK........................................................................................32
2.1. Giới thiệu về Ngân hàng Nông nghiệp và Phát triển nông thôn
Việt Nam ............................................................................................................. 32
2.1.1. Lịch sử hình thành và phát triển ......................................................... 32
2.1.2. Cơ cấu tổ chức, mạng lưới hoạt động.................................................. 34
2.1.3. Tình hình hoạt động của Agribank giai đoạn 2020 – 2022................ 35
2.2. Mô hình chấm điểm tín dụng KHDN tại Agribank................................. 42
2.2.1. Các quy định về chấm điểm tín dụng KHDN tại NHTM Việt Nam 42
2.2.2. Mô hình chấm điểm tín dụng KHDN tại Agribank.......................... 44
2.3. Đánh giá mô hình chấm điểm tín dụng KHDN tại Agribank................. 52
2.3.1. Ưu điểm ................................................................................................. 52
2.3.2. Hạn chế và nguyên nhân ..................................................................... 55
Tóm tắt chương 2 ....................................................................................................58
CHƯƠNG 3: GIẢI PHÁP HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG
KHDN TẠI AGRIBANK........................................................................................59
3.1. Định hướng phát triển của Agribank ....................................................... 59
3.2. Giải pháp hoàn thiện mô hình chấm điểm tín dụng KHDN
tại Agribank........................................................................................................ 61
3.2.1. Xây dựng bộ chỉ tiêu phù hợp với từng nhóm đối tượng KHDN ....... 61
3.2.2. Nâng cao việc quản lý thông tin khách hàng...................................... 62
3.2.3. Nâng cao chất lượng dữ liệu đầu vào.................................................. 63
3.2.4. Nâng cao chất lượng nguồn nhân lực................................................. 64
3.2.5. Nâng cấp hệ thống xử lý thông tin....................................................... 65
3.2.6. Các giải pháp khác................................................................................ 65
3.3. Kiến nghị với Ngân hàng Nhà nước.......................................................... 66
3.3.1. Đổi mới và phát triển hệ thống TTTD ................................................. 66

v
3.3.2. Xây dựng hành lang pháp lý cụ thể về bảo mật, cung cấp, khai thác, xử
lý TTTD khách hàng........................................................................................ 67
3.3.3. Ứng dụng công nghệ học máy vào xử lý dữ liệu trong hoạt động
TTTD ................................................................................................................ 68
Tóm tắt chương 3 ....................................................................................................71
KẾT LUẬN ..............................................................................................................72
DANH MỤC TÀI LIỆU THAM KHẢO...............................................................73
PHỤ LỤC.................................................................................................................75

vi
DANH MỤC TỪ VIẾT TẮT
Từ viết tắt Nguyên nghĩa
NHTM Ngân hàng thương mại
NHNN Ngân hàng Nhà nước
XHTD Xếp hạng tín dụng
CĐTD Chấm điểm tín dụng
KHDN Khách hàng doanh nghiệp
TSBĐ Tài sản bảo đảm
TCTD Tổ chức tín dụng
DNVVN Doanh nghiệp vừa và nhỏ
RRTD Rủi ro tín dụng
KH Khách hàng
NH Ngân hàng
TTTD Thông tin tín dụng
CIC Trung tâm Thông tin tín dụng Quốc gia Việt Nam
CSDL Cơ sở dữ liệu

vii
DANH MỤC BẢNG, BIỂU ĐỒ VÀ HÌNH
BẢNG
Bảng 1.1. Hệ thống các ký hiệu XHTD của BIDV................................................................ 25
Bảng 1.2. Tỷ trọng các chỉ tiêu xếp hạng KHDN của BIDV............................................. 26
Bảng 1.3. Thang điểm phân loại KHDN của Techcombank.............................................. 29
Bảng 2.1. Kết quả hoạt động kinh doanh năm 2022.............................................................. 36
Bảng 2.2. Dư nợ Agribank phân theo đối tượng khách hàng giai đoạn 2020 – 2022
................................................................................................................................... 40
Bảng 2.3. Phân loại nợ Agribank theo nhóm ............................................................ 41
Bảng 2.4. Số lượng, dư nợ KHDN được xếp hạng từ 2020 – 2022 .......................... 48
Bảng 2.5. Phân loại KHDN được xếp hạng theo ngành kinh doanh giai đoạn 2020 –
2022 ........................................................................................................................... 49
Bảng 2.6. Nợ xấu Agribank giai đoạn 2010-2022 .................................................... 51
BIỂU ĐỒ
Biểu đồ 2.1. Tổng tài sản Agribank giai đoạn 2020 – 2022 ..................................... 37
Biểu đồ 2.2. Tổng nguồn vốn huy động Agribank giai đoạn 2020 – 2022 ............... 38
Biểu đồ 2.3. Thị phần tiền gửi của tổ chức kinh tế và dân cư của hệ thống ngân hàng
................................................................................................................................... 38
Biểu đồ 2.4. Tổng dư nợ Agribank giai đoạn 2020 – 2022 ...................................... 40
Biểu đồ 2.5. Tỷ lệ nợ xấu Agribank giai đoạn 2010-2022 theo đối tượng khách hàng
................................................................................................................................... 52
HÌNH
Hình 1.1. Mô hình tổ chức của Agribank.................................................................. 34
Hình 2.2. Mô hình chấm điểm KHDN của Agribank ............................................... 46
Hình 2.3. Sơ đồ quy trình chấm điểm, xếp hạng, phân loại KHDN của Agribank .. 47

viii
TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN
Đề tài “Hoàn thiện mô hình chấm điểm tín dụng KHDN tại Ngân hàng Nông
nghiệp và Phát triển nông thôn Việt Nam (Agribank)” được thực hiện với mục tiêu
đánh giá thực trạng vận dụng mô hình chấm điểm tín dụng KHDN tại Agribank, từ
đó đề xuất những giải pháp, kiến nghị nhằm hoàn thiện và nâng cao hiệu quả áp
dụng mô hình này trong công tác thẩm định tín dụng đối với KHDN tại Agribank.
Trong bài nghiên cứu, tác giả đã hệ thống hóa cơ sở lý luận về mô hình chấm
điểm tín dụng KHDN trong hoạt động tín dụng của NHTM. Trên cơ sở đó, tác giả đã
giới thiệu, trình bày và đánh giá thực trạng áp dụng mô hình chấm điểm xếp hạng
KHDN tại Agribank trong giai đoạn 2020 - 2022. Từ một số điểm nổi bật trong định
hướng phát triển của Agribank cùng thực trạng đã phân tích, tác giả đề xuất các hàm ý
chính sách nhằm hoàn thiện và áp dụng hiệu quả mô hình chấm điểm KHDN tại
Agribank trong thời gian tới, góp phần nâng cao chất lượng tín dụng của Agribank.

1
LỜI MỞ ĐẦU
1. Lý do chọn đề tài
Ngân hàng thương mại (NHTM) là một trong những định chế tài chính quan
trọng trong bất kì nền kinh tế nào. Mặc dù các chức năng của NHTM ngày nay đã
thay đổi nhưng cấp tín dụng vẫn là một trong những chức năng quan trọng hàng đầu
của định chế tài chính này. Để thực hiện chức năng đó, NHTM đối mặt với nhiều
loại rủi ro khác nhau trong đó có rủi ro tín dụng và biểu hiện tiêu biểu nhất là rủi ro
vỡ nợ. Để hạn chế rủi ro vỡ nợ, NHTM đã áp dụng mô hình chấm điểm tín dụng
(CĐTD) để sàng lọc, đánh giá, nhận định các DN có nhu cầu cấp tín dụng dựa trên
phân tích các yếu tố định tính và định lượng.
Tại Việt Nam, việc chuyển đổi sang nền kinh tế mở từ những năm 1990 đã
thúc đẩy thị trường tín dụng và hệ thống NHTM phát triển. Các hoạt động tín dụng
là lĩnh vực thu về lợi nhuận cao và tăng trưởng nhanh nhất, nhưng các hoạt động
này đối mặt với mức độ rủi ro ngày càng cao bởi môi trường kinh tế và kinh doanh
ngày càng cởi mở và cạnh tranh. Do đó, NHTM tại Việt Nam đã đầu tư một nguồn
lực tài chính lớn vào việc cải tiến quy trình đo lường chất lượng tín dụng và quản trị
rủi ro. Mặc dù Ngân hàng Nhà nước (NHNN) đã xây dựng Trung tâm Thông tin Tín
dụng (CIC) từ năm 2002 để cung cấp các thông tin tín dụng của doanh nghiệp nhằm
hỗ trợ hệ thống ngân hàng và các nhà đầu tư khác, quy trình chấm điểm XHTD của
các NHTM Việt Nam và CIC vẫn ở giai đoạn đầu phát triển.
Cùng với việc kinh tế quốc tế bước vào giai đoạn hội nhập, các NHTM trên thế
giới đã thay đổi về phương pháp lựa chọn ra quyết định cấp tín dụng của mình theo
hướng lượng hóa các RRTD. Trong khi đó, các NHTM ở Việt Nam đa phần vẫn ra
quyết định cấp tín dụng dựa trên việc xếp hạng nội bộ và đánh giá rủi ro trên cơ sở phát
xét chủ quan là chủ yếu để đưa ra quyết định cấp tín dụng. Việc tìm kiếm và hoàn thiện
một mô hình CĐTD hiệu quả đối với KHDN là một vấn đề bức thiết nhằm giúp ban
lãnh đạo NHTM có định hướng quản trị rủi ro phù hợp khi tình trạng nợ xấu đã và đang
ảnh hưởng nghiêm trọng tới hoạt động tín dụng của các NHTM hiện nay.

2
Được biết đến là một trong bốn NHTM có dư nợ lớn nhất toàn ngành, tuy
nhiên chất lượng tín dụng của Ngân hàng Nông nghiệp và Phát triển nông thôn Việt
Nam (Agribank) chưa được đánh giá cao do tình hình tăng trưởng dư nợ chậm và nợ
có vấn đề tăng cao mà chủ yếu là nợ xấu của nhóm KHDN. Những năm qua, trong
bối cảnh diễn biến phức tạp của dịch bệnh COVID - 19, nhiều doanh nghiệp buộc
phải ngừng hoạt động hoặc hoạt động cầm chừng để đảm bảo công tác phòng chống
dịch, thu nhập của người lao động bị ảnh hưởng, nên dự báo thời gian tới không chỉ
Agribank mà nhiều NHTM khác sẽ tiếp tục tăng cao tỷ lệ nợ xấu và đè nặng kế
hoạch kinh doanh của các ngân hàng.
Hệ thống xếp hạng tín dụng (XHTD) hiện tại của Agribank được xây dựng theo
phương pháp chuyên gia với sự hỗ trợ từ Công ty tư vấn Ernst&Young từ năm 2007 –
2009. Hệ thống các chỉ tiêu đánh giá KH, thang điểm mỗi chỉ tiêu, mức xếp hạng, quy
mô doanh nghiệp,… được thiết kế dựa trên kinh nghiệm của đội ngũ chuyên gia của
bên tư vấn và Agribank. Việc kiểm định lại kết quả sau khi xây dựng cũng được đánh
giá bởi các chuyên gia. Qua 10 năm triển khai áp dụng, với bối cảnh kinh tế xã hội và
hệ thống pháp lý của nước ta cũng như thực tiễn hoạt động của Ngân hàng đã có nhiều
thay đổi, mô hình chấm điểm XHTD nội bộ hiện tại của Agribank chưa thực sự đáp
ứng được những yêu cầu của NHNN quy định tại Thông tư 13, Thông tư 11 và yêu cầu
quản trị rủi ro trong hoạt động kinh doanh của Agribank.
Từ thực tế nêu trên, bằng thực tiễn làm việc tại Agribank kết hợp với tri thức
đã được đào tạo, tôi lựa chọn đề tài “Hoàn thiện mô hình chấm điểm tín dụng
KHDN tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam (Agribank)”
làm đề tài luận văn tốt nghiệp với hi vọng được đóng góp một phần nghiên cứu của
mình trong việc nâng cao chất lượng thẩm định tín dụng tại Agribank và vận dụng
nó trong công việc hiện nay của tôi là một cán bộ tín dụng KHDN tại Agribank.
2. Tổng quan nghiên cứu
2.1. Tổng quan nghiên cứu nước ngoài
Mô hình rủi ro tín dụng đóng vai trò quan trọng trong quản lý rủi ro lĩnh vực tài
chính doanh nghiệp, ngân hàng và đầu tư. Những đổi mới tài chính trong vài thập

3
kỷ qua cùng với môi trường pháp lý mới trong các TCTC và những tác động không
tích cực do các cuộc khủng hoảng toàn cầu gây ra đã đưa quản lý rủi ro tín dụng trở
thành trọng điểm của giới nghiên cứu và các nhà hoạch định chính sách. Xếp hạng
tín dụng là một trong những thành phần quan trọng của quá trình quản lý RRTD.
Xếp hạng tín dụng có thể được thông qua các mô hình do các tổ chức phát triển nội
bộ hoặc được cung cấp từ bên ngoài bởi các tổ chức xếp hạng tín nhiệm (Credit
rating agencies - CRAs). Các nghiên cứu trước đây đã phát hiện ra khả năng dự
đoán của XHTD thông qua việc vận dụng nhiều yếu tố có thể giải thích và phương
pháp tiếp cận mô hình hóa.
Hanic Aida, Zunic Emina và Dzelihodzic Adnan (2013) trong bài nghiên cứu
“Scoring Models of Bank Credit Policy” đã trình bày cách thức mô hình CĐTD có thể
được áp dụng trong TCTD, trong trường hợp này là các ngân hàng, nhằm đơn giản hóa
quy trình cho vay tín dụng. Không giống như các mô hình phân tích truyền thống, mô
hình chấm điểm cung cấp định giá dựa trên điểm số thể hiện khả năng có thể thực hiện
các nghĩa vụ đã cam kết của KH. Bằng việc sử dụng các mô hình CĐTD, NHTM có thể
tạo một ảnh chụp nhanh bằng số về hồ sơ rủi ro của người vay vốn. Một trong những
đặc điểm quan trọng nhất của các mô hình tính điểm này là tính khách quan khi hai
khách hàng có cùng đặc điểm sẽ có cùng mức XHTD. Bài nghiên cứu đã trình bày một
số mô hình CĐTD và cách thức các TCTC vận dụng chúng.
Bài nghiên cứu kết luận rằng tiêu chuẩn hóa và quản trị rủi ro tốt hơn là mục
tiêu quan trọng của mô hình chấm điểm. Nguyên nhân các NHTM áp dụng mô hình
tính điểm có thể là: thứ nhất, chúng giúp tăng doanh thu vì quy trình cấp tín dụng được
thực hiện nhanh và hiệu quả hơn làm tăng sự cạnh tranh và từ đó số lượng các khoản
vay được phê duyệt nhiều hơn; thứ hai, chúng tiết kiệm chi phí do quy trình phê duyệt
khoản vay được tự động hóa, giảm nhu cầu về số lượng người xử lý khoản vay và cuối
cùng, các mô hình giúp cho chất lượng danh mục khách hàng tốt hơn và đồng nghĩa với
chi phí dự phòng đối với tổn thất tín dụng thấp hơn. Nhìn từ quan điểm này, chúng ta
có thể nói rằng mô hình tính điểm đã đạt được mục tiêu nhất định. Điều này cho thấy rõ
sự cần thiết và mức độ quan trọng của các mô hình chấm điểm được ứng dụng trong
NHTM và các tổ chức tín dụng khác. Mặc dù các mô hình tính

4
điểm có một số thiếu sót, nhưng lợi ích của việc áp dụng mô hình tính điểm đã vượt
xa những thiếu sót đó, do đó, trong tương lai, chúng ta có thể mong đợi phương
thức cho vay truyền thống sẽ được thay thế hoàn toàn nhờ các mô hình tính điểm.
Yosi Lizar Eddy và Engku Muhammad Nazri Engku Abu Bakar năm 2017 trong
bài nghiên cứu “Credit scoring models: techniques and issues” đã trình bày một đánh
giá ngắn gọn về các kỹ thuật hiện có của mô hình tính điểm tín dụng, đó là phân tích
dựa trên thống kê và dựa trên trí tuệ nhân tạo. Sau đó, tác giả đã đề xuất về cách sửa đổi
mô hình hiện đang được sử dụng bởi hầu hết các nhà quản trị RRTD. Sửa đổi mô hình
liên quan đến việc lựa chọn các tiêu chí được đưa vào cũng như các trọng số được đưa
ra cho các tiêu chí. Một số kỹ thuật tiềm năng trong việc lựa chọn các tiêu chí và xác
định tỷ trọng cho các tiêu chí này cũng đã được lựa chọn để thảo luận.
Bài nghiên cứu chỉ ra mặc dù một số kỹ thuật dựa trên AI được báo cáo là tạo
ra các mô hình CĐTD vượt trội, xét về mức độ thân thiện với người sử dụng và tính
đơn giản của mô hình, các kỹ thuật này vẫn kém hơn so với các kỹ thuật dựa trên
thống kê. Như vậy, các kỹ thuật dựa trên thống kê vẫn là phương pháp được các nhà
lãnh đạo ngân hàng lựa chọn. Trong số các kỹ thuật, kỹ thuật phổ biến nhất là hồi
quy logistic. Tuy nhiên, các biến và trọng số phải được lựa chọn cẩn thận. Tuy
nhiên, mô hình được phát triển chỉ có thể được xác minh với sự sẵn có của dữ liệu
lịch sử trước đó. Nếu không có sẵn dữ liệu, thì một phương pháp phù hợp được lựa
chọn để xác định các tiêu chí cùng trọng số thích hợp cho các tiêu chí sẽ thông qua
sự phối hợp của thang Dematel và thang Pre-Likert AHP, theo đó các phán đoán sẽ
được thực hiện bởi các chuyên gia có liên quan trực tiếp khi thực hiện nhiệm vụ
sàng lọc thẩm định tín dụng này.
2.2. Tổng quan nghiên cứu trong nước
Tại Việt Nam, tác giả Phan Thị Thanh An trong bài nghiên cứu “Hoàn thiện mô
hình CĐTD đối với KHDN tại Sở giao dịch I - Ngân hàng công thương Việt Nam” và
tác giả Trần Phạm Thuỳ Vân trong luận văn “Giải pháp hoàn thiện mô hình CĐTD và
xếp hạng DN tại Ngân hàng VPBank” đã tổng hợp và phân tích thực trạng áp dụng mô
hình CĐTD của Vietinbank và VPBank. Cũng trong bài nghiên cứu, các tác giả

5
đã đề xuất những giải pháp, kiến nghị đối với NHNN cũng như ban lãnh đạo
Vietinbank và VPBank giúp hoàn thiện một cách hiệu quả mô hình CĐTD theo thực
tiễn NHTM được nghiên cứu.
Bài báo của tác giả Hoàng Thị Hồng Vân (2020) với tiêu đề “Vận dụng mô hình
Z-score trong dự báo khả năng phá sản của doanh nghiệp tại Việt Nam” đã chỉ ra tính
đúng đắn của mô hình Z-score cho dự báo phá sản của DN ở Việt Nam. Để kiểm
nghiệm khả năng dự báo phá sản của mô hình Z-score của Altman và cộng sự (2007)
cho doanh nghiệp Việt Nam, tác giả chọn mẫu gồm tất cả các công ty bị huỷ bỏ niêm
yết trên sàn giao dịch chứng khoán Hồ Chí Minh và Hà Nội do thanh lý hoặc giải thể
theo lệnh của Toà án từ năm 2012 đến năm 2019 để phân tích. Dữ liệu nghiên cứu được
lấy từ các báo cáo tài chính của các công ty bị phá sản và không bị phá sản được công
bố công khai trong hai năm trước khi xảy ra phá sản. Tổng số mẫu nghiên cứu của cả
hai nhóm doanh nghiệp là 60 DN. Kết quả nghiên cứu cho thấy, giữa hai nhóm DN đã
phá sản và đang hoạt động có sự khác biệt nhau về chỉ số kế toán: các doanh nghiệp đã
phá sản với chỉ số ROA, ROE đều thấp hơn nhóm DN đang hoạt động một cách đáng
kể, giá trị tăng tài sản bình quân của nhóm DN đã giải thể cũng ít hơn các DN đang
hoạt động. Tuy nhiên, việc phân tích thông qua các thông tin tài chính chưa cho thấy
được các dấu hiệu nhận biết doanh nghiệp có phá sản hay không. Ứng dụng mô hình Z-
score của Altman và cộng sự (2007) vào hai nhóm doanh nghiệp khẳng định có sự phân
biệt một cách rõ nét về nguy cơ phá sản của hai nhóm doanh nghiệp. Kết quả tuy không
dự báo tốt như các thực nghiệm trước đây tại Mỹ nhưng khả năng dự báo chính xác tới
76,67% khả năng phá sản cho các báo cáo một năm trước khi phá sản và 70% cho các
báo cáo hai năm trước phá sản cũng là một kết quả dự đoán khá tốt. Điều này cho thấy
độ tin cậy và chính xác trong việc vận dụng mô hình Z-score để dự báo phá sản cho
doanh nghiệp Việt Nam.
Qua tìm hiểu tình hình tổng quan nghiên cứu nước ngoài và trong nước, tác
giả nhận thấy có rất nhiều đề tài nghiên cứu về mô hình CĐTD tại NHTM nhưng ít
có đề tài đi sâu phân tích tính hiệu quả của mô hình đối với đối tượng thẩm định là
KHDN và chưa có đề tài nghiên cứu về mô hình CĐTD KHDN tại Agribank. Đó là

6
khoảng trống nghiên cứu để tác giả đi đến quyết định lựa chọn đề tài này mà không
bị trùng lặp.
3. Mục đích nghiên cứu
Trên cơ sở lý thuyết về chấm điểm xếp hạng tín dụng khách hàng và thực trạng
vận dụng mô hình CĐTD KHDN tại một số NHTM, đánh giá tính hiệu quả của việc
ứng dụng mô hình CĐTD KHDN tại Agribank. Từ đó, tác giả đề xuất một số giải pháp,
kiến nghị nhằm hoàn thiện mô hình CĐTD KHDN của Agribank để giảm thiểu rủi ro
vỡ nợ KHDN và nâng cao chất lượng tín dụng Agribank trong thời gian sắp tới.
4. Câu hỏi nghiên cứu
Để hoàn thành mục đích trên, tác giả đã trả lời các câu hỏi chính sau đây:
Câu hỏi 1: Nội dung chấm điểm tín dụng đối với KHDN là gì? Những yếu tố
nào tác động tới công tác chấm điểm xếp hạng KHDN?
Câu hỏi 2: Thực trạng áp dụng mô hình CĐTD KHDN tại Agribank ảnh
hưởng thế nào đến chất lượng hoạt động tín dụng của Agribank? Những ưu điểm và
hạn chế khi vận dụng mô hình CĐTD KHDN tại Agribank là gì?
Câu hỏi 3: Đề xuất, kiến nghị nào nhằm hoàn thiện và nâng cao hiệu quả khi
áp dụng mô hình CĐTD KHDN tại Agribank?
5. Đối tượng và phạm vi nghiên cứu
5.1. Đối tượng nghiên cứu
Đối tượng nghiên cứu của đề tài là mô hình CĐTD KHDN tại Ngân hàng
Nông nghiệp và Phát triển nông thôn Việt Nam (Agribank).
5.2. Phạm vi nghiên cứu
Phạm vi về nội dung nghiên cứu: Đề tài tập trung nghiên cứu việc ứng dụng
mô hình chấm điểm tín dụng của Agribank, trọng tâm là khách hàng doanh nghiệp.
Phạm vi về thời gian: Thời gian nghiên cứu kể từ khi Agribank áp dụng mô
hình CĐTD để thẩm định cấp tín dụng đến nay, trọng tâm là giai đoạn 2020 – 2022.

7
Phạm vi không gian: Ngân hàng Nông nghiệp và Phát triển nông thôn Việt
Nam (Agribank).
6. Phương pháp nghiên cứu
Luận văn sử dụng phương pháp luận duy vật biện chứng và duy vật lịch sử
kết hợp với phương pháp suy luận logic và phương pháp thu thập thông tin từ các
báo cáo thường niên, báo cáo tổng kết hoạt động kinh doanh của Agribank. Trên cơ
sở lý thuyết cùng với các số liệu thu thập được, luận văn áp dụng phương pháp tổng
hợp, phân tích, so sánh, thống kê để giải quyết các vấn đề đặt ra.
7. Ý nghĩa lý luận và thực tiễn của luận văn
Về lý luận: Kết quả nghiên cứu sẽ cung cấp cho người đọc khung lý thuyết
cơ bản về mô hình CĐTD khách hàng tại NHTM. Luận văn thực hiện khảo sát, thu
thập dữ liệu và xử lý dữ liệu, đánh giá tính hiệu quả của việc áp dụng mô hình
CĐTD KHDN tại Agribank.
Về thực tiễn: Luận văn là công trình nghiên cứu góp phần vào tài liệu học
thuật và thực hành XHTD ở Việt Nam; giúp các nhà khoa học, nhà quản lý, ban
lãnh đạo các NHTM đặc biệt là Agribank có cái nhìn sâu hơn về bước CĐTD trong
quy trình thẩm định tín dụng KHDN thông qua các phương pháp thu thập, đánh giá
thông tin và đo lường các chỉ số theo mô hình chấm điểm. Từ đó nhận diện được
những kết quả đạt được, những mặt còn tồn tại, hạn chế và nguyên nhân trong việc
áp dụng mô hình CĐTD KHDN của Agribank. Đồng thời, luận văn cũng đưa ra các
kiến nghị đến các đơn vị có liên quan nhằm hoàn thiện mô hình CĐTD KHDN tại
các NHTM nói chung và tại Agribank nói riêng, vốn chủ yếu dựa trên các phương
pháp định tính như hiện nay.
8. Kết cấu của đề tài
Ngoài phần mở đầu và kết luận, luận văn bao gồm ba chương:
Chương 1: Cơ sở lý luận và thực tiễn về mô hình chấm điểm tín dụng KHDN
trong hoạt động tín dụng của các NHTM

8
Trong chương này, tác giả trình bày lý luận chung về đề tài nghiên cứu để trả
lời các câu hỏi đặt ra nhằm đạt được mục đích nghiên cứu. Đây là cơ sở lý thuyết để
đưa ra các giải pháp trong chương 3. Bên cạnh đó, tác giả thảo luận kinh nghiệm và
bài học của một số NHTM trong việc áp dụng mô hình XHTD KHDN.
Chương 2: Thực trạng ứng dụng mô hình chấm điểm tín dụng KHDN tại
Agribank
Trong chương này, tác giả giới thiệu, trình bày và đánh giá thực trạng đối
tượng nghiên cứu thông qua các dữ liệu thu thập được. Những nội dung này sẽ giúp
ta có cái nhìn cụ thể về nội dung, quá trình hình thành đề tài, để từ đó tạo cơ sở thực
tiễn cho việc đề xuất giải trong chương tiếp theo.
Chương 3: Giải pháp hoàn thiện mô hình chấm điểm tín dụng KHDN tại
Agribank
Trong chương này, tác giả trình bày một số điểm nổi bật trong định hướng
phát triển của Agribank. Trên cơ sở đó, tác giả đề xuất các hàm ý chính sách nhằm
hoàn thiện và áp dụng hiệu quả mô hình CĐTD KHDN tại Agribank.

9
CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ THỰC TIỄN VỀ MÔ HÌNH CHẤM ĐIỂM
TÍN DỤNG KHDN TRONG HOẠT ĐỘNG TÍN DỤNG CỦA CÁC NHTM
1.1. Khái niệm, vai trò và phương pháp chấm điểm tín dụng tại NHTM
1.1.1. Khái niệm
Chấm điểm tín dụng (CĐTD) là quá trình đánh giá rủi ro tiềm tàng của bên
vay vốn dựa trên một phổ điểm cụ thể. Đây được xem là một cách nhận xét tài
chính được hiểu rộng rãi và có cái nhìn khách quan về khả năng thanh toán nợ của
KH và các rủi ro liên quan đến việc cho vay tiền. Hình thức CĐTD là một cách hữu
ích giúp cho nhà quản trị có thể lựa chọn lúc nào nên cho vay, khoản nợ cần phải là
bao nhiêu và cần xây dựng những chiến lược gì để tăng lợi nhuận trong khi vẫn duy
trì việc xem xét khả năng rủi ro một cách thật hiệu quả. Như vậy cũng giúp tăng độ
tin cậy của các ngân hàng hoặc tổ chức hoạt động tín dụng, chắc chắn rằng họ sẽ có
thể vay vốn và tăng cường sự lớn mạnh của các đối tác vay một cách bền vững.
Việc xây dựng một công cụ chấm điểm hiệu quả mang lại rất nhiều lợi ích cho các
TCTC và đầu tư. Điều này giúp cải thiện dòng vốn, đảm bảo tài sản thế chấp phù
hợp, giảm các khoản lỗ tín dụng, giảm chi phí phân tích tín dụng, rút ngắn thời gian
đưa ra quyết định cấp tín dụng và đa dạng hóa các sản phẩm tín dụng theo các phân
cấp rủi ro khác nhau. Ngoài ra, công cụ CĐTD còn giúp các tổ chức tài chính hiểu
rõ hơn về hành vi và khả năng thanh toán nợ của KH.
Quá trình đánh giá tín dụng của khách hàng đóng vai trò quan trọng trong việc
đo lường định lượng rủi ro tiềm tàng. Thông qua việc phân tích dữ liệu về khách hàng,
ta có thể đưa ra các thông tin liên quan đến khả năng trả nợ của họ trong tương lai, từ
đó đánh giá rủi ro cho khoản vay. Việc này giúp ngân hàng đưa ra quyết định cho vay
một cách cân nhắc và hiệu quả hơn, đồng thời bảo vệ quyền lợi của chính khách hàng
cũng như sự ổn định của thị trường tài chính. Hoạt động này cũng có thể được hiểu như
một kỹ thuật khai thác dữ liệu, tìm kiếm các quy luật của các dữ liệu lịch sử và áp dụng
để đưa ra quyết định về việc cấp tín dụng cho các khách hàng trong tương lai là một
quá trình quan trọng và phức tạp, đòi hỏi sự đánh giá kỹ lưỡng về khả năng trả nợ của
khách hàng thông qua việc thu thập và phân tích các thông tin liên quan như lịch sử tín
dụng, thu nhập, tài sản và các yếu tố khác. Công tác xây

10
dựng một công cụ chấm điểm hiệu quả sẽ mang đến rất nhiều lợi ích cho các tổ
chức tài chính. Nó giúp cải thiện dòng vốn, đảm bảo tính phù hợp của tài sản thế
chấp, giảm thiểu rủi ro trong khoản vay và giảm chi phí phân tích tín dụng. Từ đó,
các TCTC có thể đưa ra quyết định về tín dụng một cách chính xác và đáng tin cậy,
giúp tăng cường sự ổn định của thị trường tài chính và bảo vệ quyền lợi của khách
hàng, giảm thời gian đưa ra quyết định cấp tín dụng và đa dạng hóa các sản phẩm
tín dụng theo các phân cấp rủi ro khác nhau. Mặc dù CĐTD xếp hạng mức độ rủi ro
tín dụng của người vay, nhưng nó không đưa ra ước tính về xác suất vỡ nợ của
người vay. CĐTD chỉ đánh giá mức độ rủi ro của người đi vay, xếp theo thứ tự từ cao
nhất đến thấp nhất. Vì vậy, không có khả năng xác định chính xác liệu Bên vay A có
mức độ rủi ro gấp đôi so với Bên vay B hay không.
Một khái niệm tương tự với CĐTD là XHTD, được áp dụng cho các công ty,
chính phủ và các tổ chức chứng khoán. Xếp hạng tín dụng được thực hiện bằng cách
sử dụng một thang điểm chữ cái để đánh giá mức độ đáng tin cậy trong việc trả nợ
của thực thể đó. XHTD xác định cả lãi suất cho khoản hoàn trả và liệu người đi vay
có được chấp thuận cho vay tín dụng hoặc phát hành nợ hay không. "Xếp hạng tín
dụng" (credit ratings) là một thuật ngữ vay mượn từ tiếng Anh, gồm hai từ "credit"
(tín nhiệm) và "ratings" (xếp hạng). Khái niệm này được đưa ra bởi John Moody
1909, trong cuốn "Cẩm nang chứng khoán đường sắt", ông đã tiến hành nghiên cứu,
phân tích và công bố bảng xếp hạng tín nhiệm cho 1500 loại trái phiếu của 250 công
ty. Hệ thống xếp hạng bao gồm ba chữ cái A, B, C được sắp xếp theo thứ tự từ
"AAA" đến "C" được sử dụng như một tiêu chuẩn quốc tế để xếp hạng tín dụng.
Tuy nhiên, đây chỉ là một hệ thống việc đánh giá mức độ RRTD của người đi vay
không thể chính xác xác định xác suất vỡ nợ của một người vay cụ thể.
Ở Việt Nam, điểm khác trong việc sử dụng thuật ngữ “chấm điểm tín dụng”
và “xếp hạng tín dụng” là chưa rõ ràng. Do đó, trong khuôn khổ bài nghiên cứu, tác
giả sử dụng tương đương hai thuật ngữ này như cùng một khái niệm để phân tích
nghiên cứu.
Như vậy, CĐTD là một phân tích thống kê được thực hiện bởi những người
cho vay và các tổ chức tài chính để đánh giá mức độ đáng tin cậy của một cá nhân

11
hoặc một doanh nghiệp. Các TCTD sử dụng điểm tín dụng làm tiêu chí quan trọng để
đánh giá khả năng khách hàng hoàn trả nợ. Dựa trên điểm tín dụng, quyết định sẽ được
đưa ra về việc cấp hoặc từ chối cấp tín dụng cho KH. Giao dịch tín dụng ở các điểm ít
nhiều có ảnh hưởng đến giao dịch tài chính ngân hàng, bao gồm cấp tín dụng có TSBĐ,
cấp tín dụng có bảo đảm một phần bằng TSBĐ hoặc cấp tín dụng không có TSBĐ. Vì
vậy, điểm tín dụng là một yếu tố quan trọng trong quyết định cấp tín dụng và nó sẽ
được đánh giá một cách cẩn thận việc cấp hay từ chối tín dụng.
1.1.2. Vai trò
CĐTD đóng vai trò như một công cụ giúp cho các TCTD có thể đánh giá
được mức độ uy tín của khách hàng trước khi quyết định có cho khách hàng đó vay
hay không. Điểm tín dụng cũng được xem như nấc thang đo lường khả năng vay
vốn của một KH nào đó, điểm tín dụng cũng quyết định đến hạn mức vay tối đa mà
ngân hàng có thể giải ngân khi khách hàng có nhu cầu vay vốn. Ngoài ra, điểm tín
dụng cũng sẽ ảnh hưởng đến những lần vay tiếp theo của KH nếu điểm tín dụng của
KH thấp hơn số điểm tối thiểu mà một ngân hàng cho phép.
Đối với nền kinh tế vĩ mô, CĐTD đóng vai trò thiết yếu trong sự tăng trưởng
kinh tế. Đối với khách hàng, điểm tín dụng giúp tăng khả năng được phê duyệt cho
vay. Đặc biệt, đối với DN có quy mô vừa và nhỏ, điểm tín dụng giúp tăng khả năng
tiếp cận với các nguồn lực tài chính cho DN, giúp giảm chi phí và quản lý rủi ro
hiệu quả.
1.1.3. Phương pháp chấm điểm tín dụng
Để đánh giá rủi ro tín dụng, chúng ta có thể áp dụng hai phương pháp phổ
biến là phương pháp chuyên gia và phương pháp thống kê. Trong khi phương pháp
chuyên gia dựa trên nhận định của các chuyên gia trong lĩnh vực tài chính ngân
hàng để đánh giá khả năng trả nợ của khách hàng, phương pháp thống kê sử dụng
các dữ liệu thống kê để tính toán xác suất RRTD. Mỗi phương pháp đều có các ưu
nhược điểm khác nhau.
Phương pháp chuyên gia dựa trên ý kiến của các chuyên gia trong lĩnh vực
TCNH, qua đó các chuyên gia sẽ nhận định dựa trên các thông tin chủ yếu về mức độ

12
rủi ro của một khoản tín dụng. Thông tin có thể bao gồm: tình trạng kinh tế chung,
tình trạng ngành nghề kinh doanh của doanh nghiệp vay vốn, lịch sử quan hệ tín
dụng và các yếu tố khác liên quan. Phương pháp này có thể cho kết quả chính xác
nếu được thực hiện bởi các chuyên gia có hiểu biết sâu sắc và có kinh nghiệm về thị
trường tài chính.
- Đặc điểm chung của bên vay vốn (character) bao gồm việc đánh giá
danh tiếng và sự trung thực của đối tượng vay vốn, là một trong những yếu tố quan
trọng để dự đoán khả năng hoàn trả nợ của khách hàng.
- Thẩm định vốn (capital): Đây là bước đánh giá sự chênh lệch giữa
nguồn vốn và tài sản của người cho vay. Tài sản là giá trị mà ngân hàng có thể thu
hồi được khi bên vay vốn không thể trả được nợ. Người vay có nguồn vốn gồm các
chi phí đang phải trả, chẳng hạn như chi tiêu cho sinh hoạt gia đình, chi phí trả lãi
cho các khoản vay khác... Sau khi trừ đi các chi phí này, chúng ta mới có thể tính
được giá trị khả dụng của bên vay, và đánh giá liệu giá trị này có đủ để trả lãi vay
hay không.
- Tài sản bảo đảm (collateral) là yếu tố giúp làm tăng tính tin cậy và minh
bạch của các khoản vay. Xét theo tài sản bảo đảm, cấp tín dụng được phân loại thành
hai hình thức: cấp tín dụng có TSBĐ (còn gọi là thế chấp) và cấp tín dụng không có
TSBĐ (còn gọi là tín chấp). Do rủi ro giữa hai hình thức cấp tín dụng này khác
nhau, ngân hàng sẽ thiết lập lãi suất và hạn mức cho mỗi hình thức khác nhau để
đảm bảo sự cân bằng giữa rủi ro và lợi nhuận của mình. Đối với vay thế chấp, ngân
hàng sẽ phải thực hiện định giá tài sản thế chấp để quyết định về số tiền cho vay tối
đa có thể cấp cho KH. Tuy rủi ro đối với các khoản vay thế chấp thấp hơn so với tín
chấp, RRTD vẫn luôn tồn tại. Nếu khách hàng không thể thực hiện đúng nghĩa vụ
trả nợ, ngân hàng có quyền xử lý tài sản đảm bảo để thu hồi nợ vay.
- Khả năng trả nợ (capacity): Đây là các thông tin liên quan trực tiếp đến
tài chính của người vay, bao gồm nghề nghiệp, mức thu nhập, trạng thái hôn nhân, số
người phụ thuộc và các khoản chi phí hàng tháng. Thông tin này giúp đánh giá khả
năng tài chính của người vay và xác định được mức độ có thể trả nợ hàng tháng,…

13
- Phân tích điều kiện (condition): Đây là giai đoạn đánh giá khái quát về
tình hình thị trường, tài chính, sự cạnh tranh và mục đích sử dụng vốn của người
vay. Các yếu tố này sẽ giúp ngân hàng đưa ra quyết định xem liệu nên cấp vốn cho
người vay hay không…
Cách tiếp cận thẩm định của chuyên gia là phương pháp thủ công cao, bởi nó
dựa trên kinh nghiệm và kiến thức của những chuyên gia trong lĩnh vực đó. Tuy
nhiên, quá trình thẩm định bằng phương pháp này thường tốn nhiều thời gian hơn so
với các phương pháp khác. Ngoài ra, ý kiến đánh giá của các chuyên gia có thể khác
nhau, dẫn đến việc đưa ra quyết định cho ngân hàng gặp khó khăn. Phương pháp mô
hình được khuyến nghị phát triển ở Hội nghị Basel như một phương pháp khác
nhằm cung cấp các đánh giá nhanh chóng và nhất quán hơn. Khác với phương pháp
thủ công dựa trên kinh nghiệm chuyên gia, phương pháp mô hình sử dụng các thuật
toán và phân tích dữ liệu để đưa ra các dự đoán về khả năng trả nợ của người vay.
Phương pháp này giúp tiết kiệm thời gian và tăng tính chính xác trong đánh giá rủi
ro cho các khoản vay.
Phương pháp mô hình là phương pháp đánh giá rủi ro dựa trên điểm số được
tính toán từ các mô hình học máy. So với phương pháp chuyên gia, hình thức mô
hình có nhiều ưu điểm tối ưu hơn, bao gồm tốc độ đánh giá nhanh chóng hơn, tính
nhất quán và khả năng định giá chính xác hơn.
- Phương pháp mô hình đưa ra kết quả thường rất kịp thời và hợp lí với các
nền tảng tín dụng trực tuyến. Thời gian thẩm định hồ sơ được rút ngắn đáng kể và
đảm bảo tính chính xác và nhất quán của quá trình đánh giá.
- Mô hình thẩm định cho hiệu suất làm việc cao hơn rất nhiều so với phương
pháp thẩm định bằng chuyên gia. Với một mô hình, có thể xử lý số lượng hồ sơ lớn
tương đương với khối lượng công việc của hàng trăm chuyên gia.
- Phương pháp mô hình giúp giảm thiểu chi phí lao động khi không cần phải
chi trả lương cho các chuyên gia thẩm định.
- Phương pháp mô hình đưa ra kết quả đánh giá rất nhất quán và dựa trên điểm
số tín nhiệm duy nhất, trong khi đó các chuyên gia có thể có những đánh giá khác

14
nhau dựa trên cảm quan của mỗi người về rủi ro. Việc xử lý bất đồng ý kiến giữa các
chuyên gia yêu cầu một hội đồng đánh giá lại hồ sơ, gây tốn thời gian và chi phí cho
quá trình thẩm định. Điều này được giải quyết bởi phương pháp mô hình, bảo đảm tính
nhất quán và đánh giá số lượng hồ sơ lớn mà không cần tốn kém chi phí lao động.
- Phương pháp mô hình có khả năng xem xét toàn diện các biến số đầu vào
và thậm chí có thể tăng số lượng biến tùy ý mà không ảnh hưởng đến thời gian dự
báo. Trong khi đó, phương pháp chuyên gia sẽ có những hạn chế bởi khả năng giới
hạn của con người. Việc đánh giá hồ sơ bằng phương pháp chuyên gia đôi khi chỉ
được thực hiện trên một số biến chính.
Với những ưu điểm trên, phương pháp mô hình đang dần thay thế phương
pháp chuyên gia và trở thành phương pháp đánh giá chính tại NHTM. Sử dụng mô
hình học máy giúp tăng tính toàn vẹn và khả năng dự báo chính xác trong việc đánh
giá hồ sơ vay vốn.
1.2. Một số mô hình chấm điểm tín dụng
Các mô hình CĐTD thường dựa trên các chỉ tiêu phản ánh đặc tính của người
vay để đánh giá khả năng xảy ra RRTD hoặc xếp hạng khách hàng dựa trên mức độ
rủi ro mà họ đang đối mặt. Bằng cách lựa chọn và kết hợp các đặc điểm tài chính và
kinh doanh của khách hàng, các tổ chức cho vay có thể sử dụng mô hình chấm điểm
để đưa ra quyết định về việc cấp vốn có thể dự đoán khả năng trả nợ của khách hàng
và đưa ra quyết định cho vay một cách hiệu quả hơn:
+ Để xác định mức độ tác động hay ảnh hưởng của một nhân tố đến RRTD,
cần thực hiện các phân tích và đánh giá liên quan đến yếu tố đó.
+ Cân nhắc tầm quan trọng của các yếu tố để đưa ra so sánh.
+ Tăng cường quá trình đánh giá RRTD để đảm bảo tính chính xác và tin cậy
của kết quả.
+ Có thêm căn cứ cụ thể để kiểm tra hồ sơ vay vốn.
+ Cải thiện tính chính xác của việc tính toán mức độ dự phòng cần thiết cho
RRTD dự kiến.

15
Các TCTD cần xác định các tiêu chí phù hợp phản ánh các đặc điểm tài
chính và kinh doanh liên quan đến RRTD của từng khách hàng vay để áp dụng các
mô hình đánh giá RRTD. Với các khoản vay tiêu dùng, mô hình CĐTD thường dựa
trên các đặc điểm khách hàng như mức thu nhập, giá trị tài sản, độ tuổi, nghề nghiệp
và địa điểm sinh sống. Trong khi đó, đối với các khoản vay dành cho DN, tỷ lệ nợ
trên vốn chủ sở hữu thường được sử dụng để đánh giá mức độ rủi ro của doanh
nghiệp. Các mô hình CĐTD nổi tiếng có thể kể đến là:
Mô hình xác suất tuyến tính.
Mô hình logit.
Mô hình probit.
Mô hình phân biệt tuyến tính.
Nội dung chính của từng mô hình được trình bày cụ thể dưới đây.
1.2.1. Mô hình xác suất tuyến tính
Các mô hình tuyến tính đã được áp dụng cho nhiều mục đích khác nhau.
Trong đó, phân tích RRTD là một lĩnh vực quan trọng sử dụng mô hình hồi quy
tuyến tính. Mô hình xác suất tuyến tính là công cụ phổ biến nhất để chấm điểm/xếp
hạng tín dụng hiện nay. Mô hình hồi quy tuyến tính cung cấp một ước tính khá chắc
chắn về xác suất thực tế với các dữ liệu đầu vào là thông tin mà bên cấp tín dụng thu
thập được từ bên vay vốn. Các chỉ tiêu đối với đối tượng là KHDN có thể là thông
tin kế toán trong quá khứ hoạt động của doanh nghiệp đó.
Hồi quy tuyến tính là một quá trình phân tích mối quan hệ giữa một biến phụ
thuộc và một hoặc nhiều biến độc lập. Khi chỉ có một biến độc lập, ta gọi là hồi quy
tuyến tính đơn; còn khi có nhiều hơn một biến độc lập, ta gọi là hồi quy tuyến tính bội.
Mô hình hồi quy tuyến tính là một kỹ thuật thống kê phổ biến được áp dụng để dự đoán
và mô hình hóa quan hệ giữa các biến trong nhiều lĩnh vực, bao gồm kinh tế, khoa học
xã hội, y học và nhiều lĩnh vực khác. Các mô hình này được phát triển bằng cách hồi
quy việc lựa chọn các biến định lượng và/hoặc định tính mô tả các đặc điểm của người
vay đối với một biến phụ thuộc có giá trị là 1 nếu khoản vay bị vỡ nợ

16
hoặc 0 nếu ngược lại. Có thể nói, trên thực tế, xác suất rủi ro mất vốn không nhất
thiết phải nằm trong khoảng từ 0 đến 1. Để tránh các giới hạn của các mô hình dự
đoán tín dụng sử dụng phương pháp hồi quy tuyến tính, các mô hình logit và probit
đã được áp dụng để giới hạn phạm vi xác suất rủi ro dự đoán trong khoảng từ 0 đến
1. Việc giới hạn này sẽ giúp cho việc sàng lọc hồ sơ với các mục đích vay vốn khác
nhau dễ dàng hơn.
Để dự đoán xác suất thanh toán cho các khoản vay mới, cần đánh giá mức độ
tương quan tương đối của các yếu tố được sử dụng để giải thích lịch sử thanh toán tín
dụng trong quá khứ. Giả sử rằng các khoản vay trước đó được phân loại thành hai
nhóm: nhóm có rủi ro mất vốn (
Z
i = 1) và nhóm không có rủi ro (
Z
i = 0). Để xây
dựng mô hình dự đoán xác suất rủi ro (
X
ij )cho các khoản vay mới, ta sử dụng các
yếu tố tương ứng phản ánh đặc điểm của người vay thứ i (như cơ cấu vốn hay thu
nhập) để thiết lập mối quan hệ giữa hai nhóm theo mô hình đường thẳng tuyến tính
với công thức sau:
n
Z
i
=
j
X
ij
+
sai số
j =1
Trong công thức trên, j có vai trò là hệ số tương quan của chỉ tiêu thứ j (ví dụ
như cơ cấu vốn) với lịch sử chi trả tín dụng của người vay, đây là chỉ số phản ánh
mức độ quan trọng của yếu tố này trong việc giải thích lịch sử chi trả của người vay.
Lấy các giá trị của j nhân với các nhân tố
X
ij của một người vay mới chúng ta sẽ
dự tính được giá trị của
Z
i . Giá trị này phản ánh xác suất trung bình rủi ro mất vốn
của người vay E(
Z
i ) = (1 –
p
i );
p
i là xác suất trả khoản nợ vay.
Mô hình xác suất tuyến tính là một mô hình phổ biến với ưu điểm là rất đơn
giản để ước tính và dễ sử dụng vì cơ bản đây là một mô hình hồi quy bội. Tuy
nhiên, nhược điểm của mô hình này là mô hình chưa dự đoán được các xác suất phù
hợp lớn hơn 1 hoặc nhỏ hơn 0 và mô hình được áp dụng với giả định các tác động
cận biên không đổi.

17
1.2.2. Mô hình logit
Mô hình Logit là mô hình hồi quy được sử dụng để mô tả mối quan hệ giữa biến
phụ thuộc (Y) là biến nhị phân, chỉ nhận hai giá trị là 0 và 1, và các biến độc lập; và các
biến độc lập có thể là biến nhị phân, biến rời rạc hoặc biến liên tục. Trong mô hình
XHTD, biến phụ thuộc Y nhận giá trị 0 nếu khách hàng không thể thanh toán nợ và 1
nếu khách hàng đã thanh toán được nợ (Lee và cộng sự, 2000). Các biến độc lập đại
diện cho thông tin của khách hàng như thu nhập, độ tuổi, giới tính và trình độ học vấn,
đồng thời có thể là biến định tính hoặc biến liên tục... Sau khi hồi quy mô hình Logit,
thu được Ŷ = α + β1X1 + β2X2 + ... + βkXk là giá trị ước lượng của Y. Khi đó, xác
suất trả nợ của khách hàng được tính bằng công thức sau:
P = 1/ (1 + e−Y)
Giá trị P trong mô hình xếp hạng tín dụng có giá trị trong khoảng (0,1) được
dùng trong việc so sánh với các ngưỡng thứ tự khách hàng mà ngân hàng đặt ra.
Thông thường, ngưỡng để phân loại khách hàng là 0,5. Nếu giá trị P < 0,5, khách
hàng được dự báo sẽ vỡ nợ, và ngược lại, nếu P ≥ 0,5, khách hàng được dự báo sẽ
trả được nợ. Các biến độc lập trong mô hình XHTD đại diện cho các thông tin định
tính và định lượng của KH, chủ yếu là thu nhập, tuổi, giới tính và trình độ học vấn.
Mô hình logit vượt qua những thách thức của mô hình xác suất tuyến tính
trong dự báo xác suất trả nợ. Mặc dù xác suất dự đoán của mô hình logit cũng nằm
trong khoảng từ 0 đến 1 nhưng mô hình có thể kết hợp các yếu tố tác động phi tuyến
tính. Tuy nhiên, một nhược điểm tiềm ẩn của mô hình này là các hệ số trong mô
hình rất khó giải thích. Chúng ta không thể giải thích trực tiếp độ lớn, mức ảnh
hưởng của hệ số từ mô hình logit như trong mô hình xác suất tuyến tính.
1.2.3. Mô hình probit
Mô hình probit cũng giới hạn xác suất dự báo RRTD trong khoảng từ 0 đến
1, tuy nhiên khác với mô hình logit bằng cách giả định rằng xác suất rủi ro được
phân phối theo phân phối chuẩn (normal distribution) thay vì sử dụng hàm logit.
Tuy nhiên, hai mô hình có thể xấp xỉ nhau khi nhân với một hệ số cố định. Mô hình
probit có ưu nhược điểm giống như mô hình logit.

18
1.2.4. Mô hình phân biệt tuyến tính.
Trong khi các mô hình xác suất tuyến tính, logit và probit dùng để ước tính
mức độ rủi ro đối với các khoản cấp tín dụng cụ thể, mô hình phân biệt tuyến tính
lại được dùng để phân loại người đi vay dựa trên mức độ RRTD của họ. Mức độ rủi
ro này phụ thuộc vào các chỉ số tài chính và kinh doanh của KH (được biểu thị bằng
các chỉ số Xj).
Dưới đây là một ví dụ về mô hình phân loại Z-score được áp dụng cho các công
ty sản xuất và niêm yết tại Mỹ. Mô hình này đã được phát triển bởi Altman và sử dụng
chỉ số biến động Z để đánh giá mức độ rủi ro của người vay. Chỉ số rủi ro này dựa trên
giá trị của các chỉ số tài chính và phản ánh tình trạng tài chính của người
vay (
X
j ). Hàm số phân biệt của Altman được xác định thông qua kinh nghiệm
phân tích và so sánh giữa hai nhóm vay vốn, một nhóm có rủi ro và một nhóm
không có rủi ro. Giá trị của các chỉ số tài chính được sử dụng để đánh giá mức độ
rủi ro và mức độ quan trọng của mỗi chỉ số trong quá trình đánh giá được xác định.
Hàm số phân biệt của Altman có dạng sau:
Z = 1,2*X1 + 1,4*X2 + 3,3*X3 + 0,64*X4 + 0,999*X5
Trong đó:
Z: là giá trị đánh giá phá sản
X1: Vốn lưu động/Tổng tài sản
X2: Lợi nhuận sau thuế chưa phân phối/Tổng tài sản
X3: Lợi nhuận trước lãi vay và thuế/Tổng tài sản
X4: Vốn chủ sở hữu/Tổng nợ phải trả
X5: Doanh thu thuần/Tổng tài sản
Theo thang điểm của chỉ số Z, các DN có thể được phân loại vào các nhóm khác
nhau. Khi Z có giá trị 2,99, thì doanh nghiệp được xếp vào vùng an toàn và chưa có
nguy cơ phá sản. Công ty có giá trị Z-score nằm trong khoảng 1,81 đến 2,99 được xem
là ở vùng cảnh báo, có thể đối diện với nguy cơ phá sản. Khi chỉ số Z nhỏ hơn

19
1,81: Doanh nghiệp đang gặp phải rủi ro nghiêm trọng và có nguy cơ cao phá sản.
Do đó, trong trường hợp này, các TCTD không nên cấp tín dụng cho KH này cho
đến khi họ cải thiện được các chỉ số tài chính của mình.
Mặc dù phương pháp đo lường RRTD này tương đối đơn giản và dễ áp dụng,
tuy nhiên nó cũng có một số hạn chế đáng lưu ý như sau:
- Thứ nhất, mô hình chỉ phân loại được khách hàng vay có rủi ro và khách
hàng vay không có rủi ro. Trên thực tế, RRTD tiềm ẩn của mỗi khách hàng có thể
bao gồm từ việc chậm trả lãi, không trả lãi cho đến mất hoàn toàn khả năng trả cả
gốc và lãi khoản vay. Do đó, cần phân loại mức độ rủi ro của từng khách hàng để
tăng tính chính xác của kỹ thuật này.
- Thứ hai, các chỉ số được lựa chọn trong công thức Altman không phải là bất
biến và không thể đáp ứng được các biến đổi thường xuyên của thị trường tài chính và
các điều kiện kinh doanh. Do đó, các số liệu tài chính khác có thể phản ánh các đặc
điểm cụ thể của khách hàng vay và có thể hiệu quả hơn trong việc giải thích hành
vi trả nợ của họ. Mô hình phân biệt tuyến tính giả định rằng các chỉ số tài chính
trong mô hình hoàn toàn độc lập với nhau. Tuy nhiên, trong thực tế, các chỉ số tài
chính thường có sự tương quan và ảnh hưởng lẫn nhau. Do đó, việc sử dụng mô
hình này có thể dẫn đến kết quả sai lệch nếu các yếu tố tương quan này không được
xem xét và giải quyết.
- Thứ ba, mô hình phân biệt tuyến tính không đề cập đến một số yếu tố khó định
lượng nhưng lại có tác động lớn đến mức độ rủi ro của các khoản cho vay. Các yếu tố
này bao gồm uy tín của KH, mối quan hệ giữa KH và ngân hàng, cũng như các yếu tố
vĩ mô như sự biến động của chu kỳ kinh tế. Tuy nhiên, tất cả các yếu tố này đều có ý
nghĩa quan trọng trong việc xác định mức độ RRTD trong nhiều trường hợp. Điều này
có nghĩa là mô hình cũng không sử dụng nhiều thông tin từ thị trường, chẳng hạn như
giá trị tài sản tài chính, mức độ nợ hoặc giá cổ phiếu của KH.
Tổng kết lại, các mô hình được sử dụng để đánh giá mức độ RRTD của KH
như đã nêu trên đang được sử dụng rộng rãi và được xem là phương pháp phù hợp
nhất để đánh giá tính rủi ro của các khoản tín dụng.

20
1.3. Nội dung chấm điểm tín dụng KHDN
1.3.1. Mục đích chấm điểm tín dụng KHDN
Chấm điểm xếp hạng tín dụng mang lại nhiều lợi ích cho các ngân hàng, tổ
chức tài chính và cả nền kinh tế vĩ mô. Việc áp dụng chính sách chấm điểm rõ ràng,
nhất quán cho phép các nhà quản lý tín dụng so sánh hiệu quả hoạt động của khách
hàng và phân tích xu hướng lịch sử một cách khách quan. Quan trọng nhất, điểm tín
dụng có thể được sử dụng để xếp loại phân khúc khách hàng. Ngân hàng và TCTD
có thể đưa ra quyết định về việc cấp tín dụng cho từng đối tượng khách hàng một
cách phù hợp. Chẳng hạn như xác định hạn mức cho vay, hạn mức bảo lãnh của một
DN, xác định thời hạn cho vay, mức lãi suất, phí, biện pháp bảo đảm cho khoản tín
dụng của KH đó. Đối với các KH đã được cấp tín dụng và còn dư nợ, điểm tín dụng
còn giúp ngân hàng cho vay giám sát và đánh giá khách hàng một cách toàn diện,
khách quan nhằm dự đoán các tình huống xấu có thể xảy ra, nhờ đó bộ phận quản lý
rủi ro của Ngân hàng có thể phân tích rủi ro tốt hơn, làm việc hiệu quả hơn và có
những biện pháp đối phó kịp thời như thu hồi nợ trước hạn, bổ sung thêm tài sản
bảo đảm…
Từ góc độ quản lý danh mục tín dụng của Ngân hàng, hệ thống CĐTD và xếp
hạng KH còn có mục đích quan trọng là đảm bảo tính đồng nhất và nhất quán trong
việc đánh giá và quản lý các khoản tín dụng của KH. Sử dụng các tiêu chí đánh giá
tín dụng được áp dụng đồng nhất cho tất cả các KH, Ngân hàng có thể đưa ra các
quyết định cấp tín dụng chính xác hơn và đồng thời giảm thiểu RRTD với các mục
đích chính sau:
- Một chiến lược marketing được phát triển nhằm tập trung vào KH có mức
độ rủi ro thấp hơn, giúp Ngân hàng cân bằng và tối đa hóa lợi nhuận từ toàn bộ danh
mục tín dụng của mình, đồng thời tạo dựng được niềm tin và lòng tin của khách
hàng trong dài hạn.
- Để xây dựng phương án trích lập dự phòng RRTD, Ngân hàng cần ước tính
khả năng không thu hồi được các khoản nợ tiềm ẩn rủi ro. Quá trình này giúp Ngân
hàng chuẩn bị tài chính phù hợp trong việc quản lý RRTD.

21
Tóm lại, mục đích của việc CĐTD là đánh giá và dự đoán các rủi ro có thể
xảy ra trong hoạt động kinh doanh của Ngân hàng và đưa ra các biện pháp phòng
ngừa và quản lý RRTD.
1.3.2. Nguyên tắc
Trong quá trình CĐTD, người CĐTD sẽ nhận được điểm ban đầu và điểm
tổng hợp để phân loại xếp hạng KH.
- Điểm ban đầu là điểm của từng tiêu chí được xác định được sau khi người
chấm điểm nhập tiêu chí đó vào hệ thống CĐTD. Điểm số này sẽ đại diện cho đặc
điểm của khách hàng trong từng tiêu chí cụ thể và sẽ được sử dụng để tính toán
điểm số cuối cùng.
- Để đánh giá và xếp hạng KH, ta sẽ tính điểm tổng hợp bằng cách nhân điểm
ban đầu của từng tiêu chí với trọng số tương ứng. Việc tính toán điểm tổng hợp này
được thực hiện để đảm bảo tính công bằng và minh bạch của quá trình đánh giá và
xếp hạng KH.
- Trong quá trình CĐTD, trọng số được định nghĩa là mức độ quan trọng của
từng tiêu chí, bao gồm cả chỉ số tài chính và yếu tố phi tài chính, được xem xét dựa
trên tác động của chúng đến RRTD. Tuy nhiên, trọng số của các tiêu chí sẽ thay đổi
tùy thuộc vào quy định nội bộ của các TCTD.
Trong quá trình CĐTD, người chấm điểm sẽ sử dụng các bảng tiêu chuẩn để
đánh giá các tiêu chí theo nguyên tắc được quy định trong quy trình. Các bảng tiêu
chuẩn này được thiết lập với mục đích đảm bảo tính khách quan và minh bạch trong
quá trình đánh giá, giúp cán bộ chấm điểm đưa ra quyết định chấm điểm chính xác:
- Trên bảng tiêu chuẩn đánh giá các tiêu chí, ta sẽ xác định chỉ số thực tế của
mỗi tiêu chí và so sánh với các giá trị trên bảng. Nếu chỉ số thực tế gần với một giá
trị trên bảng, ta sẽ áp dụng loại xếp hạng tương ứng để đánh giá. Nếu chỉ số nằm
giữa hai giá trị trên bảng, ta sẽ ưu tiên loại tốt nhất. Việc này giúp đảm bảo sự công
bằng và chính xác trong quá trình đánh giá.

22
- Nếu khách hàng có bảo lãnh toàn phần cho khoản cấp tín dụng và tổ chức bảo
lãnh có năng lực tài chính mạnh hơn, ta có thể sử dụng kết quả XHTD của tổ chức bảo
lãnh để xác định hạng tín dụng của KH (với điều kiện tổ chức bảo lãnh cũng được
Ngân hàng cho vay chấm điểm công nhận). Phương pháp này giúp đánh giá khách hàng
một cách chính xác hơn, đồng thời tăng cường sự tin tưởng giữa KH và
Ngân hàng. Quy trình đánh giá tín dụng của bên bảo lãnh tương tự như quy trình
đánh giá tín dụng áp dụng cho KH. Tuy nhiên, trong trường hợp bảo lãnh một phần,
chỉ chính KH mới được đánh giá và xếp hạng về tín dụng.
1.4. Các điều kiện cần có để áp dụng mô hình chấm điểm tín dụng KHDN
1.4.1. Thông tin sử dụng để CĐTD
Thông tin tín dụng (TTTD) là một yếu tố rất quan trọng trong quá trình chấm
điểm xếp hạng trước khi cấp tín dụng. Hệ thống TTTD giúp phát hiện và cảnh báo
sớm các khoản cấp tín dụng có vấn đề, đồng thời hỗ trợ đánh giá chính xác mức độ
rủi ro của các khoản vay. Ngoài ra, hệ thống còn có khả năng dự đoán phần nào khả
năng một khoản tín dụng có thể chuyển sang nợ xấu.
Để đáp ứng tiêu chuẩn đầy đủ, hệ thống TTTD cho KHDN cần bao gồm
nhiều tiêu chí, như lịch sử hình thành và phát triển của doanh nghiệp, năng lực tài
chính, kinh nghiệm và năng lực quản trị của đội ngũ điều hành, cũng như mức độ
tín nhiệm của doanh nghiệp tại các TCTD. Để tránh sai sót trong quá trình CĐTD,
thông tin phải được cung cấp đầy đủ và chính xác. Nếu thiếu hoặc sai sót trong thông tin,
sẽ ảnh hưởng nghiêm trọng đến khả năng đánh giá và xếp loại KH của NHTM.
Để đảm bảo tính hiệu quả của mô hình CĐTD và xếp hạng DN, việc thu thập
thông tin KH là một phần không thể thiếu. Tuy nhiên, để đạt được kết quả chấm
điểm và xếp hạng chính xác trong quy trình quyết định, ngân hàng cần phải thu thập
thông tin một cách đầy đủ, chính xác và có hệ thống. Chất lượng của thông tin thu
thập được phải được đánh giá qua bốn yếu tố cơ bản sau:
- Thông tin phải được cung cấp đầy đủ và kịp thời:
Mọi TTTD về KHDN phải được thu thập kịp thời và đầy đủ theo định kỳ hoặc
đột xuất khi có biến động mới nhằm phản ánh chính xác năng lực của KH trong việc

23
thực hiện các nghĩa vụ với NHTM đồng thời giúp NHTM có quyết định đúng đắn
trong việc điều chỉnh các vấn đề liên quan đến khoản cấp tín dụng cho KH.
- Thông tin phải mang tính trung thực và khách quan:
TTTD nên được thu thập từ các nguồn uy tín, chính thống, có tính pháp lý
đầy đủ nhằm đảm bảo tính khách quan và trung thực của dữ liệu. Những thông tin
NHTM có được từ các nguồn không chính thống chỉ nên được sử dụng với mục
đích tham khảo.
- Thông tin phải nhất quán:
TTTD phải được cập nhật, theo dõi liên tục theo quy định của NHTM và
được lưu trữ ít nhất cho đến khi KH ngừng quan hệ tín dụng với NHTM.
- Thông tin phải được bảo mật:
TTTD được xem là một tài sản riêng của NHTM và cần được lưu giữ, quản
lý bảo mật, sử dụng trong nội bộ Ngân hàng một cách an toàn, hiệu quả. Người sử
dụng thông tin không được phép cung cấp cho bên thứ ba và không được gây ảnh
hưởng đến bên cung cấp thông tin.
1.4.2. Chất lượng đội ngũ cán bộ tín dụng
CĐTD là một quy trình mới được áp dụng tại NHTM Việt Nam. Do đó, các
tiêu chí và các bước thực hiện đánh giá được đưa ra phụ thuộc rất lớn vào kinh
nghiệm, khả năng phân tích và hiểu biết của các chuyên gia trong lĩnh vực tín dụng.
NHTM muốn hoàn thiện mô hình CĐTD cho khách hàng của mình ngoài việc nâng
cao chất lượng đội ngũ nhân viên nội bộ thực hiện công tác này còn nên tham khảo
ý kiến tư vấn của các chuyên gia có kinh nghiệm trong lĩnh vực phát triển mô hình.
Thông thường, CBTD là người trực tiếp tiến hành các bước trong quy trình
chấm điểm xếp hạng tín dụng KHDN hiện nay tại NHTM. Do đó, kết quả chấm điểm
phụ thuộc rất nhiều vào năng lực, trình độ và đạo đức nghề nghiệp của đội ngũ CBTD.
Để đánh giá một cách khách quan nhất về KHDN đòi hỏi CBTD phải là người có hiểu
biết sâu rộng về lĩnh vực hoạt động của KH đồng thời phải nắm vững quy trình chấm
điểm XHTD cũng như các quy định nội bộ có liên quan của Ngân hàng.

24
1.4.3. Cơ sở vật chất kỹ thuật và công nghệ của NHTM
Để đảm bảo một quy trình cho vay đồng bộ và nhất quán, NHTM cần tiến
hành cập nhật hệ thống CNTT để tích hợp phần mềm chấm điểm XHTD vào các
chương trình và cơ sở dữ liệu khác của Ngân hàng. Việc áp dụng hệ thống CNTT
tiên tiến vào việc CĐTD và XHKH không chỉ tăng cường hiệu quả sử dụng thông
tin, mà còn đảm bảo tính nhất quán về chất lượng lưu trữ và cập nhật thông tin.
Ngoài ra, tích hợp phần mềm CĐTD vào hệ thống công nghệ thông tin cũng giúp
bảo vệ tính bảo mật của dữ liệu được lưu trữ. Do đó, việc nâng cấp hệ thống CNTT
đóng vai trò quan trọng trong việc xây dựng một quy trình cho vay đồng bộ và nhất
quán tại NHTM. Ngoài ra, cơ sở vật chất kỹ thuật và công nghệ của ngân hàng cũng
đóng góp vào việc tăng tốc và cải thiện độ chính xác của hệ thống CĐTD. Để xây
dựng được một mô hình CĐTD hoàn chỉnh, chính xác, hiệu quả và đáp ứng các tiêu
chuẩn quốc tế hiện nay, NHTM cần thiết lập các tiêu chí đánh giá rõ ràng và minh
bạch. Những tiêu chí này phải được xác định một cách chặt chẽ và dựa trên thông
tin đầy đủ, chính xác và đáng tin cậy về KH. Đây là điều kiện không thể thiếu để
xây dựng được một quy trình CĐTD đáng tin cậy tại NHTM. Việc xây dựng một
mô hình CĐTD hoàn chỉnh và hiệu quả đòi hỏi sự hỗ trợ từ các công nghệ hiện đại
cũng như sự giúp đỡ của các chuyên gia có kinh nghiệm trong lĩnh vực tín dụng.
1.4.4. Chính sách của NHTM
Để thực hiện việc CĐTD và XHKH, trước hết, NHTM cần xây dựng một quy
trình hoàn chỉnh. Quy trình này bao gồm nhiều bước thực hiện chấm điểm và phải
có các chỉ tiêu rõ ràng, cụ thể để đảm bảo tính chính xác và hiệu quả. Việc thiết kế
một hệ thống CĐTD chi tiết và khoa học sẽ giúp NHTM đánh giá các DN một cách
chính xác và đáng tin cậy hơn. Ngoài ra, khi triển khai mô hình CĐTD, Ngân hàng
cần phải tạo ra các chính sách, thủ tục và quy định mới để đảm bảo tính hợp pháp và
hiệu quả của công tác CĐTD trong quy trình cho vay. Để đảm bảo quá trình triển
khai mô hình CĐTD được diễn ra hiệu quả, Ngân hàng cần thành lập một ban kiểm
tra độc lập để giám sát và theo dõi các sai sót có thể xảy ra….

25
Phương pháp CĐTD là một giải pháp hiện đại và vô cùng hiệu quả trong việc
quản lý rủi ro. Tuy nhiên, để áp dụng thành công hệ thống này, NHTM sẽ phải đầu
tư rất nhiều thời gian, tiền bạc và công sức để đạt được kết quả tốt nhất. Việc xây
dựng một mô hình CĐTD chi tiết và chính xác đòi hỏi sự chú ý đến cả yếu tố kỹ
thuật và kinh nghiệm.
1.5. Kinh nghiệm vận dụng mô hình chấm điểm tín dụng của một số NHTM và
bài học cho Agribank
1.5.1. Kinh nghiệm của BIDV
BIDV thực hiện xếp hạng KHDN theo chín hạng với ba mức độ rủi ro thấp,
rủi ro trung bình và rủi ro cao bao gồm: C, CC, CCC, B, BB, BBB, A, AA, AAA
như bảng sau:
Bảng 1.1. Hệ thống các ký hiệu XHTD của BIDV
Điểm Xếp hạng Đánh giá xếp hạng
95 -100 AAA
Rủi ro thấp
90 -94 AA
85 -89 A
80 -84 BBB
Rủi ro trung bình
70 -79 BB
60 -69 B
50 -59 CCC
Rủi ro cao
40 -49 CC
35 -39 C
Nguồn: Báo cáo nội bộ BIDV

26
Bảng 1.2. Tỷ trọng các chỉ tiêu xếp hạng KHDN của BIDV
Chỉ tiêu
BCTC đã được BCTC chưa được
kiểm toán kiểm toán
Tỷ trọng chỉ tiêu tài chính 35% 30%
Tỷ trọng chỉ tiêu phi tài chính 65% 65%
Nguồn: Báo cáo nội bộ BIDV
Hệ thống XHTD nội bộ Ngân hàng BIDV có những ưu điểm và nhược điểm
cần chú ý như sau:
Ưu điểm
Để đo lường rủi ro hiệu quả, việc thống nhất quy trình đánh giá rủi ro là vô
cùng quan trọng. Ngân hàng BIDV đã phát triển một hệ thống CĐTD riêng, phù
hợp với đặc thù của hoạt động tín dụng và chiến lược phát triển của ngân hàng. Tuy
nhiên, để đảm bảo tính khách quan và tuân thủ theo hướng dẫn của NHNN, BIDV
đã đảm bảo rằng hệ thống chấm điểm của mình vẫn được tuân thủ chặt chẽ theo
hướng dẫn của cơ quan quản lý. Để đảm bảo tính chặt chẽ của mô hình đánh giá rủi
ro, BIDV đã xây dựng một kết cấu bao gồm nhiều yếu tố quan trọng. Đầu tiên, cần
xác định một cách cụ thể và chi tiết hệ thống tiêu chí đánh giá, nhằm đảm bảo tính
toàn diện trong việc đánh giá các rủi ro liên quan đến tín dụng. Tiếp theo, trọng số
của các tiêu chí cần được xác định một cách khách quan và hợp lý, đảm bảo tính
công bằng trong quá trình đánh giá.
BIDV đã tập trung vào nhóm chỉ tiêu dự báo, bao gồm ảnh hưởng của chính
sách Nhà nước, mức độ cạnh tranh trong lĩnh vực kinh doanh của doanh nghiệp và
mức phụ thuộc vào các điều kiện tự nhiên, nhằm đạt được khả năng phòng ngừa
RRTD ở mức cao. Dù không liên quan đến tài chính, nhưng những chỉ tiêu này
cũng giúp tăng khả năng dự báo nguy cơ khó khăn tài chính của khách hàng.
Kể từ khi BIDV bắt đầu áp dụng XHTD nội bộ vào năm 2006, khả năng dự
báo rủi ro của ngân hàng đã được cải thiện đáng kể. Hệ thống này giúp BIDV đánh

27
giá KH và XHTD dựa trên các tiêu chí đã được định sẵn và các trọng số tương ứng.
Từ đó, BIDV đã cải thiện khả năng dự báo rủi ro, giúp ngân hàng đưa ra quyết định
vay vốn và quản lý RRTD một cách hiệu quả hơn. Ngoài ra, BIDV còn thường
xuyên kiểm tra và XHKH dựa trên dư nợ tín dụng của họ tại Ngân hàng, đảm bảo
tính khách quan và công bằng trong việc ra quyết định giới hạn cấp tín dụng, thay vì
dựa trên đánh giá chủ quan của cá nhân.
BIDV đã xây dựng chính sách KH dựa trên cơ sở XHTD, trong đó ưu tiên cấp
tín dụng cho những KH xếp loại cao (từ nhóm AAA đến nhóm BBB). Những KH có
lịch sử quan hệ tín dụng tốt có thể được hưởng các ưu đãi về TSBĐ, lãi suất và phí,
trong khi các KH xếp hạng dưới mức BBB sẽ chịu các chính sách chặt chẽ hơn.
Hệ thống XHTD đã được BIDV thiết lập và triển khai thông qua phần mềm
chấm điểm. Việc áp dụng hệ thống này giúp cho các nhân viên CBTD có thể đưa ra
quyết định cho vay nhanh chóng và dễ dàng hơn, đồng thời đảm bảo tính chính xác
và hiệu quả trong quy trình thẩm định.
Nhược điểm:
Mặc dù BIDV đã áp dụng mô hình chấm điểm XHTD, nhưng phương pháp
xác định quy mô DN và ngành nghề kinh doanh chủ yếu của KH chưa được thực sự
tối ưu. Hiện nay, để định danh ngành nghề kinh doanh chính của các KHDN, BIDV
dựa trên tỷ trọng doanh thu của ngành đó trong tổng doanh thu của công ty. Tuy
nhiên, trong bối cảnh kinh doanh đa dạng ngành nghề tại Việt Nam hiện nay, cách
xác định này vẫn chưa đáp ứng đầy đủ các yêu cầu cần thiết. Ngoài ra, việc xác định
quy mô DN dựa trên tổng tài sản, số lượng lao động, vốn chủ sở hữu, doanh thu
thuần cũng chưa thể hiện mức độ hiệu quả của quy mô trong hoạt động kinh doanh
của DN đầy đủ.
1.5.2. Kinh nghiệm của Techcombank
Techcombank đã xây dựng hệ thống XHTD với mục tiêu chiến lược trở thành
ngân hàng quản trị rủi ro tốt nhất Việt Nam theo tiêu chuẩn quốc tế. Hệ thống này có sự
liên kết chặt chẽ và đồng nhất trong toàn bộ quá trình tiếp cận KH, thẩm định dự án đầu
tư, đánh giá, phân tích và ra quyết định cấp tín dụng. Techcombank đã sử dụng

28
hệ thống xếp hạng để phân loại KH một cách đầy đủ và chính xác trước khi cấp tín
dụng, giúp giảm thiểu rủi ro. Việc đánh giá và đo lường mức độ rủi ro trong quá
trình thẩm định cấp tín dụng và quản lý khoản vay được thực hiện tập trung và nhất
quán từ Hội sở Ngân hàng đến các chi nhánh.
Mặc dù vậy, hệ thống XHTD của Techcombank vẫn còn tồn tại một số hạn
chế, bao gồm:
• Nguồn thông tin sử dụng để XHTD KH của Techcombank vẫn còn thiếu
và không đáng tin cậy.
• Các chỉ tiêu trong hệ thống chưa được xây dựng hoàn chỉnh.
• Tiêu chuẩn đánh giá chưa xác định theo chuỗi thời gian
• Hệ thống XHTD của Techcombank hiện tại chưa có khả năng phân biệt
xếp hạng cho từng khoản vay riêng biệt.
Nguyên nhân có thể kể đến do hai yếu tố:
• Các vấn đề hiện tại vẫn còn tồn tại trong hệ thống XHTD Techcombank,
bao gồm công tác xử lý thông tin tại nội bộ ngân hàng vẫn còn một số thiếu sót,
cùng với trình độ năng lực của những người thực hiện việc xếp hạng. Ngoài ra, các
loại hình DN khác nhau thường có những đặc trưng riêng, tuy nhiên hệ thống
XHTD hiện tại vẫn chưa có đầy đủ các chỉ tiêu phân tích để đánh giá mức độ rủi ro
một cách chính xác.
• Phía KH/DN vay vốn có thể gặp một số vấn đề, như không cung cấp đầy
đủ và chính xác các tài liệu, sửa đổi số liệu để làm đẹp cho DN hoặc giữ bí mật về
thông tin của DN, dẫn đến họ không muốn tiết lộ và cung cấp thông tin không chính
xác.

29
Bảng 1.3. Thang điểm phân loại KHDN của Techcombank
Điểm số Xếp hạng Đánh giá xếp loại doanh nghiệp
Tiềm lực mạnh, năng lực quản trị tốt, hoạt động hiệu quả,
triển vọng phát triển, thiện chí tốt. Rủi ro thấp nhất. Ưu tiên
>92,4 AAA đáp ứng tối đa nhu cầu tín dụng (như ưu đãi lãi suất, áp dụng
cho vay không cần tài sản đảm bảo). Tăng cường mối quan
hệ với khách hàng.
Hoạt động hiệu quả, triển vọng và thiện chí tốt. Rủi ro thấp.
84,8-92,3 AA
Ưu tiên đáp ứng tối đa nhu cầu tín dụng (như ưu đãi lãi suất,
có thể áp dụng cho vay không cần tài sản đảm bảo). Tăng
cường mối quan hệ với khách hàng.
Hoạt động hiệu quả, tình hình tài chính tương tốt, khả năng
77,2-84,7 A
trả nợ đảm bảo, có thiện chí. Rủi ro thấp. Ưu tiên đáp ứng
nhu cầu tín dụng, không yêu cầu cao về các biện pháp bảo
đảm tiền vay.
Hoạt động hiệu quả, có triển vọng phát triển. Tuy nhiên đang
có những hạn chế về mặt tài chính hoặc về quản lý. Rủi ro
69,6-77,1 BBB trung bình. Có thể nới rộng tín dụng, tuy nhiên hạn chế về
ưu đãi cho vay. Đánh giá chu kỳ kinh tế và tính hiệu quả khi
cho vay dài hạn.
Hoạt động hiệu quả thấp. Năng lực tài chính và năng lực
quản trị ở mức trung bình. Rủi ro trung bình. Có thể gặp khó
62-69,5 BB nếu như tình hình bất lợi kéo dài. Hạn chế mở rộng tín dụng,
chỉ đáp ứng nhu cầu trong ngắn hạn và yêu cầu tài sản đảm
bảo đầy đủ.

HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)

HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)

Similar to HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK) (20)

More from lamluanvan.net Viết thuê luận văn

More from lamluanvan.net Viết thuê luận văn (20)

Recently uploaded

Recently uploaded (20)

HOÀN THIỆN MÔ HÌNH CHẤM ĐIỂM TÍN DỤNG KHÁCH HÀNG DOANH NGHIỆP TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM (AGRIBANK)