Luận văn Ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng Thương mại cổ phần Công Thương Việt Nam

Luận văn Ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng Thương mại cổ phần Công Thương Việt Nam

Chuyên mục chia sẻ các đề tài luận văn thạc sĩ tài chính ngân hàng Ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng Thương mại cổ phần Công Thương Việt Nam cho các bạn học viên đang làm luận văn tham khảo. Với những học viên chuẩn bị làm bài luận văn thạc sĩ với sự chia sẻ của chuyên mục chia sẻ luận văn với đề tài: Ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng Thương mại cổ phần Công Thương Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

1. LÝ DO CHỌN ĐỀ TÀI

Trong hoạt động của ngân hàng thì hoạt động tín dụng vẫn mang tính cốt lõi và và chiếm tỷ trọng cao trong tổng lợi nhuận hàng năm của tất cả các Ngân hàng thương mại. Bên cạnh đó, Ngân hàng là tổ chức kinh tế hoạt động khá đặc thù trong lĩnh vực tài chính- tiền tệ kinh doanh tiền với mục tiêu chính vì lợi nhuận, đây là lĩnh vực vô cùng đa dạng, phức tạp, nhạy cảm và tiềm ẩn rất nhiều các rủi ro liên quan mật thiết đến tất cả các cá nhân, tổ chức, các ngành nghề trong nền kinh tế. Các ngân hàng được ví như là mạch máu của toàn bộ nền kinh tế bởi bất kỳ sự biến động được gây ra bởi hệ thống ngân hàng cũng ảnh hưởng đến toàn bộ nền kinh tế. Do ngân hàng đóng vai trò là trung gian nhận tiền gửi từ các cá nhân, hộ gia đình, tổ chức và cung cấp các dịch vụ ngân hàng cho nền kinh tế. Do đó, vấn đề đặt ra của các ngân hàng thương mại là phải thực hiện hoạt động quản trị rủi ro trong công tác tín dụng đạt được hiệu quả, mang tính toàn diện và có hệ thống.

Trải qua gần 35 năm hình thành và phát triển. Trên chặn đường đó, Ngân hàng thương mại cổ phần Công Thương Việt Nam đã đạt được nhiều thành tựu đáng chú ý, đặc biệt phải kể đến là hoạt động quản trị tín dụng. Tính đến ngày 31/12/2021, VietinBank luôn duy trì vị trí là một trong những ngân hàng đứng đầu toàn hệ thống Ngân hàng thương mại cổ phần tại Việt Nam với các chỉ số nổi bật như sau: Tỷ lệ an toàn vốn (CAR) theo tiêu chuẩn Basel II đạt 25,91%, tỷ lệ nợ xấu thấp chỉ ở mức 1,41%; tổng dư nợ tín dụng đạt 1.141.454 tỷ đồng tăng 434.576 tỷ đồng so với thời điểm 31/12/2016. Với tầm nhìn và thực hiện những chính sách đúng đắn của Ban lãnh đạo đã giúp VietinBank đạt được các mục tiêu, chiến lược đã đề ra và chất lượng nợ vẫn đạt theo quy định của Ngân hàng nhà nước, chuẩn mực quốc tế và nằm trong sự kiểm soát của ngân hàng. Nhưng, tỷ lệ nợ xấu của VietinBank trong giai đoạn 2016-2021 có nhiều biến động và tại 31/12/2021 nợ xấu đạt 14.300 tỷ đồng. Do đó, Chúng ta cần nhìn nhận nghiêm túc trong hoạt động quản trị tín dụng của VietinBank còn tồn đọng những hạn chế cần phải khắc phục.

Hiện nay, cuộc cách mạng công nghệ số đã và đang tạo ra sự siêu kết nói trên quy mô toàn cầu, nên chính vì điều đó mà các tổ chức buộc phải ứng dụng công nghệ mới vào hoạt động kinh doanh đặc biệt là trong lĩnh vực ngân hàng. Đây là ngành đặc thù với nguồn dữ liệu khổng lồ, hệ thống cơ sở hạ tầng công nghệ thông tin phức tạp, có mối liên hệ chặt chẽ với nền kinh tế nên đòi hỏi tốc độ xử lý nhanh tiết kiệm chi phí, hoạt động quản trị rủi ro tín dụng hiệu quả nên công nghệ trí tuệ nhân tạo được xem là nền tảng của tương lai đang được nghiên cứu và triển khai tại VietinBank. Công nghệ trí tuệ nhân tạo với nhiều ứng dụng đa dạng mang tính chất đột phá vì nó được huấn luyện để nó có thể học tập và thực hiện như con người.

Chính vì những lý do đã được phân tích như trên, nên việc lựa chọn đề tài “Ứng

dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phần Công thương Việt Nam” là hoàn toàn phù hợp về mặt lý luận khoa học cũng như về thực tế đang được triển khai tại VietinBank. Bài luận văn này sẽ tập trung phân tích về hoạt động quản trị rủi ro tín dụng tại VietinBank thông việc ứng dụng công nghệ trí tuệ nhân tạo vào hệ thống cảnh báo sớm rủi ro tín dụng (EWS) để kiểm soát các khoản tín dụng sau vay và là cơ sở đưa các các cảnh báo về quyết định cấp tín dụng.

2. MỤC TIÊU CỦA ĐỀ TÀI

2.1. Mục tiêu tổng quát

Luận văn đánh giá tổng thể về mặt lý luận cũng như thực tiễn công nghệ trí tuệ

nhân tạo trong quản trị rủi ro tín dụng từ đó đưa ra giải pháp nhằm ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phần Công Thương Việt Nam.

2.2. Mục tiêu cụ thể

Thứ nhất, khái quát hóa cơ sở lý luận về ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng

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

Thứ ba, đề xuất giải pháp nhằm hoàn thiện ứng dụng công nghệ trí tuệ nhân tạo vào việc quản trị tín dụng tại Ngân hàng thương mại cổ phần Công Thương Việt Nam.

3. CÂU HỎI NGHIÊN CỨU

Câu hỏi thứ nhất: Thực trạng triển khai hệ thống cảnh báo sớm rủi ro tín dụng tại VietinBank như thế nào?

Câu hỏi thứ hai: Thực trạng quản trị rủi ro tín dụng và khả năng ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng tạị VietinBank?

Câu hỏi thứ ba: Các giải pháp để ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng tạị VietinBank?

4. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

4.1. Đối tượng nghiên cứu

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

TMCP Công thương Việt Nam.

4.2. Phạm vi nghiên cứu

Phạm vi không gian: Ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại ngân hàng thương mại cổ phần Công thương Việt Nam, trong đó chủ yếu tập trung Hệ thống cảnh báo sớm rủi ro tín dụng.

Phạm vi thời gian: 2016- 2022.

5. PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp định tính thông qua phỏng vấn, phương pháp so sánh, phân tích, tổng hợp:

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

Thứ nhất, nhu cầu cho việc ứng dụng AI vào hệ thống EWS?

Thứ hai, những khó khăn nào khi triển khai ứng dụng AI vào EWS từ đó Chi nhánh đưa ra các biện pháp ứng xử cho phù hợp?

Thứ ba, các giải pháp nào để hoàn thiện việc ứng dụng AI vào hệ thống cảnh báo sớm rủi ro tín dụng.

Phương pháp thống kê, mô tả, so sánh, phân tích, tổng hợp: nhằm khái quát hóa, trực quan hóa và hệ thống hóa các vấn đề về quản trị rủi ro tín dụng, công nghệ trí tuệ nhân tạo và ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng. Đồng thời, thực hiện so sánh, phân tích, tổng hợp số liệu từ các báo cáo thường niên của Vietinbank.

6. TỔNG QUAN VỀ NGHIÊN CỨU

6.1. Tình hình nghiên cứu trên thế giới

Addo và cộng sự (2018) phân tích rủi ro tín dụng dựa trên mô hình Machine learning và Deep learning, họ kiểm tra tác động trong việc lựa chọn các mô hình trí tuệ nhân tạo và Machine Learning để xác định xác suất vỡ nợ của các doanh nghiệp. Họ cũng nghiên cứu đến sự ổn định của những mô hình này có liên quan đến sự chọn lựa của tập hợp con các biến được chọn bởi mô hình, họ xây dựng bộ phân loại nhị phân dựa trên mô hình Machine Learning và học sâu trên dữ liệu thực tế để từ đó dự đoán được xác suất các khoản vay vỡ nợ. Các tính năng của mô hình này chọn lọc và sau đó sử dụng để kiểm tra tính ổn định của bộ phân loại nhị phân, bằng cách so sánh hiệu suất của chúng trên dữ liệu riêng biệt. Họ quan sát thấy rằng, các mô hình dựa trên thuật toán phân lớp cây quyết định là ổn định hơn so với các mô hình dựa trên thuật toán mạng nơ-ron nhân tạo nhiều lớp.

Chen và cộng sự (2016) đã nghiên cứu các loại mô hình trí tuệ nhân tạo để đánh giá rủi ro tín dụng, các mô hình trí tuệ nhân tạo đã được sử dụng rất đa dạng bao gồm: mô hình Machine Learning như mô hình dựa trên cây quyết định (DT), máy vectơ 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 ứng dụng trí tuệ nhân tạo vào hoạt động kinh doanh, nhưng nó cũng tồn tại các thách thức và rủi ro.

Tsai và Wu (2008) nghiên cứu về khả năng kết hợp các mô hình mạng nơ-ron (MLP) hình thành mô hình Mulitple MLP (MMLP) để tăng hiệu quả trong phân loại nợ. Nguyên tắc đưa ra cho sự kết hợp đó là phân loại đầu ra của từng mô hình đơn lẻ được tổng hợp thành đầu ra của mô hình kết hợp. Lựa chọn phân loại cuối cùng dựa trên kết quả phân loại tương tự của phần lớn các mô hình riêng lẻ. Nghiên cứu được thực hiện trên 03 bộ dữ liệu từ Đức, Úc và Nhật Bản. Mô hình kết hợp chỉ cho kết quả phân loại tổng thể tốt hơn so với mô hình đơn lẻ cho tập dữ liệu của Đức. Nghiên cứu cũng đưa ra sự so sánh giữa các mô hình theo tiêu chí tỷ lệ phân loại lỗi của các mô hình Nhưng, các lỗi này chưa được đánh giá theo chi phí phân loại lỗi để tăng tính thực tiễn trong so sánh giữa các mô hình.

Witzany (2017) cũng có những cơ sở lý luận các mô hình rủi ro về danh mục tín dụng và mô hình CreditMetrics dựa trên sự bắt chước mô hình Monte Carlo, mô hình Creditrisk+ hình thành khung phân bổ tổn thất của danh mục mà nó hoàn toàn không thông qua mô hình Monte Carlo, mô hình Creditrisk+ để đưa vào các yếu tố vĩ mô để xác định xác xuất vỡ nợ.

Edward (2004) đã nghiên cứu và nêu ra cấu trúc của hệ thống cảnh báo sớm rủi ro tín dụng: Nguồn dữ liệu đầu vào, các bộ chỉ tiêu để đưa ra cảnh báo sớm, cách thức để thực hiện đo lường rủi ro tín dụng, nguyên tắc phân loại rủi ro tương ứng với mức độ cảnh báo. Theo tác giả thì dữ liệu đầu vào phải đủ lớn gồm cả dữ liệu định tính và dữ liệu định lượng. Acenture (2014) thì nêu quan điểm nguồn dữ liệu: đối với khách hàng thuộc phân khúc doanh nghiệp thì phải sử dụng nguồn dữ liệu định lượng dựa trên các báo cáo tài chính, tài sản đảm bảo, còn đối với khách hàng thuộc phân khúc cá nhân thì sử dụng dữ liệu định tính.

Theo nghiên cứu của Zhi-Yu và cộng sự (2011) đã sử dụng các phương pháp đo lường rủi ro tín dụng bằng những phương pháp thống kê hiện đại để xây dựng nên mô hình dự báo về rủi ro tín dụng nhằm mục đích phân khách hàng thành hai nhóm: Có tài sản bảo đảm và không có tài sản bảo đảm. Lợi ích của những mô hình cảnh báo sớm này là tiết kiệm được chi phí phân tích dữ liệu tín dụng, cơ sở để đưa ra quyết định cấp tín dụng cho khách hàng nhanh chóng, đảm bảo an toàn về vốn cho ngân hàng.
6.2. Tình hình nghiên cứu trong nước

Hiện nay, đã có nhiều công trình nghiên cứu về hoạt động quản trị rủi ro tín dụng nhưng khá ít các nghiên cứu về việc ứng dụng công nghệ trí tuệ nhân vào quản trị rủi ro tín dụng

Nguyễn Tiến Hưng (2022) cho rằng: “Ứng dụng trí tuệ nhân tạo trong quản lý rủi 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 hình trí 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 hàng Nông Nghiệp và Phát Triển Nông Thôn Việt Nam. Các mô hình được dùng để xác định xác suất vỡ nợ (PD), tỷ lệ tổn thất khi vỡ nợ (LGD), dư nợ tại thời điểm vỡ nợ (EAD) và nghiên cứu cũng đã đánh giá những ưu điểm vượt trội của các mô hình đo lường rủi ro tín dụng dựa trên trí tuệ nhân tạo so với các mô hình truyền thống.x

Đỗ Thị Thu Hà (2020) cho rằng: “Hệ thống cảnh báo sớm rủi ro tín dụng tại các ngân hàng thương mại tại Việt Nam”, bài nghiên cứu này phân tích thực trạng hệ thống cảnh báo sớm với những thành công, hạn chế và nguyên nhân để từ đó đề xuất các giải pháp nhằm hoàn thiện hệ thống cảnh báo sớm rủi ro tín dụng tại các Ngân hàng thương mại tại Việt Nam bằng phương pháp phỏng vấn chuyên gia, khảo sát qua bảng câu hỏi, với các dữ liệu thực tế được cung cấp bởi các ngân hàng thương mại.

Tạ Đình Long (2016) cho rằng: “Nâng cao năng lực quản trị quản trị rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển Nông thôn tại Việt Nam” bằng việc tổng hợp các phương pháp nghiên cứu dựa trên thực tiễn và lý luận, luận văn đã khái quát những lý luận về những rủi ro và quản trị rủi ro tín dụng tại các ngân hàng TMCP. Bên cạnh đó, luận văn cũng mô tả làm rõ những khái niệm về năng lực quản trị rủi ro và các tiêu chí để đánh giá; luận văn cũng đề cập chi tiết thực trạng hoạt động quản trị rủi ro và thực trạng quản trị rủi ro tín dụng tại Agribank trong giai đoạn từ năm 2007 đến năm 2014 về việc đáp ứng các tiêu chí đánh giá năng lực quản trị rủi ro tín dụng để từ đó đưa ra những kết quả đạt được, những hạn chế còn tồn đọng và nguyên nhân của các thực trạng năng lực quản trị rủi ro tín dụng tại Agribank. Từ đó, tác giả đã đưa ra các giải pháp để nâng cao năng lực quản trị rủi ro tín dụng của Agribank đến năm 2020.

6.3. Khoảng trống nghiên cứu

Trong hoạt động kinh doanh của ngân hàng thì công tác quản trị rủi ro tín dụng luôn được các ngân hàng chú trọng. Chính vì vậy, nhiều nhà nghiên cứu đã có các công trình, luận văn về quản trị rủi ro tín dụng được thực hiện sâu rộng và đa dạng về nội dung từ nhiều góc độ khác nhau. Sau khi nghiên cứu các luân văn có liên quan tác giả nhận định một số khoảng trống như sau:

Thứ nhất, các nghiên cứu trong nước hiện nay có rất ít nghiên cứu đề cập về việc ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng mà chỉ đề cập đến một góc độ của quản trị rủi ro tín dụng như: nguyên tắc quản trị, hình thức tổ chức quản trị, quy trình quản trị và phương pháp đo lường rủi ro tín dụng.

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

7. KẾT CẤU LUẬN VĂN

Ngoài phần mở đầu, phần kết luận, danh mục tài liệu tham khảo, phụ lục, thì luận văn được kết cấu gồm 3 chương như sau:

Chương 1: Cơ sở lý luận về ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng.

Chương 2: Thực trạng ứng dụng công nghệ trí tuệ nhân tạo trong hoạt động quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phần công thương Việt Nam.

Chương 3: Giải pháp ứng dụng công nghệ trí tuệ nhân tạo trong quản trị rủi ro tín dụng tại Ngân hàng thương mại cổ phần công thương Việt Nam.

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ ỨNG DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO TRONG QUẢN TRỊ RỦI RO TÍN DỤNG

1.1. Quản trị rủi ro tín dụng

1.1.1. Rủi ro tín dụng

1.1.1.1. Khái niệm

Trong hoạt động kinh doanh của ngân hàng thì hoạt động tín dụng luôn mang tính cốt lỗi mang lại lợi nhuận chủ yếu nhưng nó cũng là nghiệp vụ tiềm ẩn nhiều rủi ro. Trong hoạt động tín dụng thì rủi ro về hoạt động cho vay là nguyên nhân chủ yếu gây tổn thất và ảnh hưởng nghiêm trọng đến chất lượng kinh doanh của ngân hàng.

Hiện nay, với nhiều cách tiếp cận khác nhau, các nhà khoa học, các tổ chức tài chính, ngân hàng đã đưa ra nhiều khái niệm về rủi ro tín dụng. Có thể thấy một số ví dụ điển hình như:

Bùi Diệu Anh (2016) cho rằng rủi ro tín dụng thường chỉ biến cố chậm trả hoặc không trả nợ của người đi vay so với thỏa thuận trong hợp đồng tín dụng, điều này có thể mang lại tốn thất tài chính cho ngân hàng.

Theo Ủy ban Basel II (2003) cho rằng rủi ro tín dụng là khả năng bên vay nợ ngân hàng hoặc đối tác không đáp ứng nghĩa vụ thanh toán theo các điều khoản đã thỏa thuận. Như vậy, rủi ro tín dụng phát sinh khi một hoặc các bên trong hợp đồng tín dụng không có khả năng thanh toán cho các bên còn lại. Rủi ro tín dụng có thể xảy ra bất cứ lúc nào là điều không thể tránh khỏi trong hoạt động kinh doanh của ngân hàng.

CHƯƠNG 2: THỰC TRẠNG ỨNG DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO TRONG HOẠT ĐỘNG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN CÔNG THƯƠNG VIỆT NAM

2.1. Tổng quan về ngân hàng TMCP Công Thương Việt Nam

2.1.1. Quá trình hình thành và phát triển

Ngân hàng TMCP Công Thương Việt Nam được thành lập trên cơ sở tách ra từ Ngân hàng Nhà Nước theo nghị định số 53/HĐBT ngày 26/03/1988 của Hội Đồng Bộ Trưởng. Hiện nay, VietinBank là một trong những ngân hàng lớn và dẫn đầu toàn hệ thống tại Việt Nam cả về quy mô lẫn lợi nhuận và đến thời điểm ngày 31/12/2021 với vốn điều lệ đạt 48.058 tỷ đồng. VietinBank đặt Trụ sở chính tại số 108 Trần Hưng Đạo, phường Cửa Nam, quận Hoàn Kiếm, Thành phố Hà Nội với mạng lưới gồm: 155 chi nhánh trải dài trên 63 tỉnh thành phố trên của nước (Miền Bắc có trụ sở chính và 73 chi nhánh; Miền Trung có 29 chi nhánh; Miền Nam có 53 chi nhánh), 07 công ty con, 01 Trung tâm khách hàng phía nam, 02 văn phòng đại diện tại Tp.HCM và Đà Nẵng, 09 đơn vị sự nghiệp (Trung tâm tài trợ thương mại, Trung tâm thẻ, Trung tâm công nghệ thông tin, Trung tâm đào tạo và phát triển nguồn nhân lực và 05 trung tâm quản lý tiền mặt), 958 phòng giao dịch, 02 chi nhánh tại Đức, 01 ngân hàng con tại Lào và 01 văn phòng đại diện tại Myanmar. Ngoài ra, VietinBank còn có quan hệ đối tác với hơn 1.000 ngân hàng đại lý tại hơn 90 quốc gia và vùng lãnh thổ trên thế giới.

VietinBank vẫn luôn ở vị thế là Ngân hàng TMCP hàng đầu tại Việt Nam trong những năm qua khi tích cực triển khai đồng bộ các giải pháp kinh doanh, tái cấu trúc toàn diện hoạt động theo hướng chuyển đổi mạnh mẽ mô hình tăng trưởng, chuyển dịch 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 tài chính hiện đại, nâng cao chất lượng tư vấn để đáp ứng tối đa nhu cầu tài chính của khách hàng.

3.3. Giải pháp ứng dụng trí tuệ nhân tạo trong quản trị rủi ro tín dụng

3.3.1. Cơ cấu tổ chức quản lý

Từ những phân tích và đánh giá về thực trạng công tác quản trị rủi ro tín dụng tại ngân hàng TMCP Công Thương Việt Nam tại chương 2 của luận văn, thì cần phải thay đổi mô hình tổ chức quản lý và cần phù hợp với tình hình thực tế hoạt động kinh doanh và quy mô hoạt động nhưng phải đảm bảo hiệu quả quy trình quản trị rủi ro tín dụng như sau:

Thứ nhất, Ngân hàng cần thực hiện thay đổi cơ chế phê duyệt tín dụng tập trung và các rủi ro tín dụng cũng phải được quản lý tập trung tại trụ sở chính.

Thứ hai, Nguyên tắc độc lập, khách quan, minh bạch: khi triển khai mô hình nhằm tách bạch, rõ ràng, khách quan và minh bạch giữa 03 bộ phận gồm: Bộ phận kinh doanh, bộ phận hỗ trợ kinh doanh, bộ phận thẩm định.

Thực tế hiện nay, các ngân hàng TMCP có vốn Nhà Nước nắm chi phối vẫn đang áp dụng mô hình phê duyệt tín dụng phân tán với thẩm phê duyệt của giám đốc chi nhánh nhóm 1 tối đa cụ thể như: VietinBank là 75 tỷ đồng, AgriBank là 100 tỷ đồng, BIDV là 80 tỷ đồng. Do đó, các ngân hàng cần giảm thẩm quyền theo lộ trình để tránh ảnh hướng đến hoạt động kinh doanh.

3.3.2. Quy trình ứng dụng trí tuệ nhân tạo

Dữ liệu đầu vào

Hệ thống xếp hạng tín dụng nội bộ của VietinBank là dữ liệu đầu vào quan trọng của hệ thống cảnh báo sớm rủi ro tín dụng khi nó là cơ sở đầu tiên để đo lường rủi ro của một khách hàng từ đó ra quyết định cấp tín dụng. Hiện nay, hệ thống xếp hạng tín dụng còn tồn đọng rất nhiều hạn chế vẫn chưa khắc phục triệt để, khi kết quả còn mang tính chất chủ quan của cán bộ tín dụng chưa thực sự là công cụ mang tính chất thuần định lượng để đo lường các rủi ro, dự báo tổn thất để từ đó đưa ra các biện pháp ứng xử phù hợp. Do đó VietinBank cần điều chỉnh các trọng số và tiêu chí để kết quả xếp hạng tín dụng nội bộ mang tính chất khách quan, minh bạch và là công cụ đo lường rủi ro chuẩn xác; hệ thống xếp hạng tín dụng của VietinBank gồm hai cấu phần: Cấu phần tài chính dựa trên báo cáo tài chính, dòng tiền, lịch sử giao dịch tín dụng,… và cấu phần phi tài chính dựa trên các đánh giá của cán bộ tín dụng từ đó làm cơ sở xác định các hệ số PD, LGD, EAD. Có nhiều trường hợp khi đánh giá khoản tín dụng thì điểm tài chính chỉ đạt 45 điểm trong khi đó điểm phi tài chính thì đạt đến 95 điểm nên kết quả cuối để phê duyệt cấp tín dụng: điểm là 70 còn hạng là A vẫn thỏa điều kiện cấp tín dụng của VietinBank nhưng có sự chêch lệch rất lớn giữa điểm định tính và định lượng, điều này thể hiện có sự đánh giá chưa thật sự chính xác.

Nguồn dữ liệu đầu vào cần bổ sung thêm các cơ sở dữ liệu đầy đủ và hoàn chỉnh như: tốc độ tăng trưởng kinh tế, chỉ số lạm phát, dữ liệu cơ quan thuế, cơ quan công an, cơ quan hải quan, Tổng cục thống kê, từ bên thứ ba (thương mại điện tử, mạng xã hội, Web,…).

Nguồn dữ liệu của ngân hàng là rất lớn nên việc chọn lọc và cải thiện chất lượng dữ liệu thường được coi là một trong những mục tiêu chính của quản lý dữ liệu. Hầu hết các ngân hàng đều có các chương trình đo lường chất lượng dữ liệu, phân tích, ưu tiên và khắc phục các vấn đề được phát hiện. Hiện tại có hai thách thức chung đó là các ngưỡng, quy tắc dành riêng cho từng ngân hàng và các nỗ lực khắc phục thường tiêu tốn thời gian và nguồn lực đáng kể. Một số tổ chức đã sử dụng đến việc thiết lập các chương trình xử lý dữ liệu rộng lớn với hàng trăm nhân viên chuyên dụng tham gia vào các hoạt động kiểm tra dữ liệu chủ yếu là thủ công.

Khi các chương trình chất lượng dữ liệu hoàn thiện, ba cấp độ phức tạp trong kiểm soát chất lượng dữ liệu đang xuất hiện giữa các ngân hàng. Cấp đầu tiên và phổ biến nhất sử dụng các đối chiếu tiêu chuẩn để đo lường chất lượng dữ liệu về tính đầy đủ, nhất quán và hợp lệ. Ở cấp độ thứ hai, các ngân hàng áp dụng phân tích thống kê để phát hiện các điểm bất thường có thể chỉ ra các vấn đề về độ chính xác. Ở cấp độ thứ ba và phức tạp nhất, các chương trình sử dụng trí tuệ nhân tạo và các kỹ thuật dựa trên Machine Learning để xác định các vấn đề chất lượng dữ liệu hiện có và mới nổi và đẩy nhanh nỗ lực khắc phục.

Một số tổ chức trên thế giới đã xác định các vấn đề về độ chính xác bằng cách sử dụng các thuật toán phân cụm Machine Learning để phân tích tập hợp các khoản vay và phát hiện các điểm bất thường theo ngữ cảnh, chẳng hạn như khi giá trị của một thuộc tính không tương đồng với giá trị của các thuộc tính khác. Để thực hiện điều này, chương trình đã sử dụng thông tin được ghi lại dưới dạng văn bản tự do trong quá trình giới thiệu và tích hợp thông tin này với các nguồn dữ liệu của bên thứ ba.

Các ngân hàng cần sửa đổi và nâng cao toàn bộ quy định, tiêu chuẩn về kiểm soát dữ liệu. Họ đang phát triển các phân loại rủi ro tổng thể để xác định tất cả các loại rủi ro dữ liệu, bao gồm cả tính chính xác, kịp thời hoặc đầy đủ. Hơn nữa, các ngân hàng đang thúc đẩy các biện pháp kiểm soát phức tạp hơn, chẳng hạn như những kiểm soát liên quan đến Machine Learning, cũng như mức độ tự động hóa cao hơn trong suốt vòng đời dữ liệu đầu cuối.

Đề xuất quy trình ứng dụng trí tuệ nhân tạo Bước 1: Thu thập và nhập dữ liệu

Bước 2: Lựa chọn và phân loại dữ liệu: lựa chọn các biến liên quan và các biến phù hợp

Bước 3: Chạy mô hình: Lựa chọn mô hình, tối ưu hóa mô hình và phân tích

Bước 4: Thẩm định mô hình: Đánh giá, điều chỉnh mô hình, dữ liệu được sử dụng Bước 5: Triển khai và biện pháp đảm bảo: Áp dụng mô hình vào thực tế, thiếp lập các biện pháp nhằm đảm bảo quản lý các rủi ro xảy ra.

3.4. Các giải pháp hoàn thiện ứng dụng trí tuệ nhân tạo trong quản trị rủi ro

tín dụng

3.4.1. Nguồn nhân lực

Quản lý rủi ro tín dụng ngày càng trở thành một nỗ lực đầy thách thức đối với tổ chức tài chính. Các chức năng kiểm soát cảnh báo rủi ro hiện tại không chỉ đòi hỏi những nhân sự có kỹ năng kỹ thuật mà còn đòi hỏi sự sáng tạo, quyết đoán và linh hoạt trong môi trường kinh doanh thay đổi nhanh chóng.

Thứ nhất, thu hút và tuyển dụng nhân tài

Các ngân hàng phải đối mặt với những thách thức về tìm nguồn cung ứng và tuyển dụng những nhân viên giỏi, những thách thức thậm chí có thể rõ ràng hơn khi tuyển dụng nhân tài quản trị rủi ro, CNTT do nhóm nhân tài nhỏ hơn và có nhiều sự lựa chọn việc làm. Tuy nhiên, thách thức tuyển dụng lớn nhất được cho là thiếu đề xuất giá trị thực sự thuyết phục để nhân viên để làm việc trong chức năng quản lý rủi ro. Đặc biệt là các nhân sự giỏi trong lĩnh vực CNTT thì họ thường chọn những công ty về công nghệ hàng đầu thế giới như Google, Facebook, Tiktok,.. hoặc những công ty ở Việt Nam như: Tập đoàn viễn thông quân đội (Viettel), Công ty cổ phần FPT- Tập đoàn FPT, Tập đoàn bưu chính viễn thông Việt Nam (VNPT), Công ty cổ phần VNG,…..Do đó, VietinBank cần có chính sách, môi trường làm việc, lộ trình công

việc và các phúc lợi và lương thưởng phù hợp với hiệu quả công việc. Thứ hai, Đào tạo và phát triển nhân viên

Gần như tất cả các ngân hàng đều có “trường đào tạo”. Tuy nhiên, vì cắt giảm chi phí, họ thường thiếu ngân sách cần thiết để đào tạo các kỹ năng giao tiếp và quản lý. Đặc biệt trong các chức năng quản trị rủi ro, đào tạo kỹ thuật (ví dụ: trong mô hình rủi ro) thường được thực hiện bởi các chuyên gia bên ngoài. Thông thường, các khóa đào tạo này không thể giải quyết các nhu cầu cụ thể của bộ phận quản lý rủi ro và được thu nhỏ lại để khá cơ bản và chung chung. Mặc dù hầu hết các ngân hàng đều coi việc đào tạo là quan trọng, nhưng các cơ hội thường bị hạn chế chỉ áp dụng đối với quản lý cấp trên. Do đó, VietinBank cần xây dựng chương trình đào tạo phù hợp cho từng vị trí cũng như nâng cao năng lực nhận biết và quản trị rủi ro tín dụng cho cán bộ tín dụng.

Thứ ba, Chế độ lương và khen thưởng

Hiện tại thì khả năng đo lường hiệu quả và khen thưởng thành tích xuất sắc trong lĩnh vực quản lý rủi ro còn nhiều hạn chế. Các quy trình đánh giá thường phức tạp, tốn nhiều thời gian và trong một số trường hợp được coi là mang tính chủ quan cao. Phần thưởng vẫn chủ yếu dựa vào các khuyến khích tài chính và trong một số trường hợp, được coi là “một quy mô phù hợp với tất cả”, tức là quá mơ hồ và không phù hợp với các vai trò quản trị rủi ro.

Hiện nay đánh giá cán bộ nhân viên cần được chuyển hoàn toàn sang khung năng lực (KPI), với kết quả này sẽ mang 02 yếu tố cốt lỗi là vừa mang yếu tố định tính từ lãnh đạo dựa trên thái độ làm việc, tinh thần trách nhiệm, chuyên môn nghiệp vụ,… và kết hợp với yếu tố định lượng dựa trên các chỉ tiêu được đặt ra hàng năm của VieinBank để xác định lương thưởng cho từng cán bộ.

Thứ tư, Thúc đẩy sự kết nối trong toàn bộ ngân hàng

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

Để tăng cường kết nối giữa bộ phận kinh doanh và chức năng rủi ro, VietinBank nên thực hiện các chương trình và phương pháp tiếp cận có hệ thống để thúc đẩy hợp tác, chẳng hạn như song song và cố vấn chéo. Ngoài ra, các nhà lãnh đạo trong đơn vị kinh doanh cũng cần được đào tạo thường xuyên về các khía cạnh của quản lý rủi ro, do các nhà lãnh đạo quản lý rủi ro thực hiện.

3.4.2. Công nghệ thông tin

Thứ nhất, Nguồn dữ liệu trong hệ thống ngân hàng là rất lớn nên đòi hỏi cần ứng dụng các công nghệ hiện đại như dữ liệu lớn (Bigdata) và điện toán đám mây để lưu trữ thông tin của khách hàng; sau đó cần thực hiện khai phá dữ liệu (Data Mining) gồm: xử lý dữ liệu, làm sạch dữ liệu, chuẩn hóa dữ liệu, đánh giá dữ liệu, lựa chọn chạy mô hình, đánh giá và hiệu chỉnh mô hình; ứng dụng trí tuệ nhân tạo (AI) để tự động đưa ra các quyết định hoặc dự đoán mang tính khách quan, minh bạch, hiệu suất cao nhằm cắt giảm chi phí trong dài hạn, tối đa hóa lợi nhuận của ngân hàng. Do đó, VietinBank cần xây dựng và triển khai đồng bộ hệ thống cơ sở hạ tầng thông tin để các ứng dụng được liên kết chặt chẽ với nhau thành một khối liền mạch, thống nhất; đảm bảo nguồn dữ liệu đầu vào của hệ thống cảnh báo sớm rủi ro tín dụng là dữ liệu đáng tin cậy để kết quả phân luồng sẽ phản ánh đúng tình trạng của khách hành từ đó đề xuất các biện pháp ứng xử phù hợp.

Thứ hai, Hệ thống công nghệ thông tin của VietinBank cần liên kết chặt chẽ với Trung tâm dữ liệu quốc gia, Tổng cục hải quan, Tổng cục thuế, Tổng cục Thống Kê, 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, khách quan về khách hàng và đưa ra những cảnh báo sớm kịp thời.

Vì vậy, VietinBank cần nâng cao năng lực của Trung Tâm Công nghệ thông tin để đảm bảo thực hiện đầy đủ các nhiệm vụ cốt lõi sau: Xây dựng chiến lược, kế hoạch phát triển, ứng dụng CNTT phù hợp với chiến lược kinh doanh và các yêu cầu triển khai sản phẩm dịch vụ và quản trị điều hành của VietinBank; Đầu mối xây dựng các hệ thống phần mềm ứng dụng hoặc nghiên cứu và triển khai các hệ thống phần mềm ứng dụng (mua ngoài), sử dụng các dịch vụ thuê ngoài liên quan đến CNTT phục vụ yêu cầu triển khai chiến lược kinh doanh, sản phẩm dịch vụ mới, hoặc yêu cầu cải

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 trị dự 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 vận hành, thu thập, xử lý, cung cấp thông tin chính xác, kịp thời lưu trữ và bảo đảm bí mật, an toàn thông tin của VietinBank; Thiết kế giám sát, quản trị rủi ro, xây dựng các tình huống và tiến hành kiểm thử an toàn cho toàn bộ hệ thống hạ tầng, ứng dụng tại VietinBank;

Nguyễn Đình Long

Tôi là Nguyễn Đình Long, hiện tại tôi là Quản lý nội dung của Luận Văn 3C– Chuyên cung cấp dịch vụ làm luận văn uy tín. Chúng tôi đặt lợi ích của khách hàng là ưu tiên hàng đầu.  Website: https://luanvan3c.com/ – Hotline: 0966.736.325.