Tổng quan về luận án

Ngành vận tải biển giữ vai trò huyết mạch trong tiến trình hội nhập kinh tế quốc tế và chiến lược phát triển kinh tế biển của Việt Nam. Thể chế hóa chủ trương này, "Nghị quyết hội nghị lần thứ tám ban chấp hành trung ương đảng khóa XII về chiến lược phát triển bền vững kinh tế biển Việt Nam đến năm 2030 tầm nhìn đến năm 2045 đã khẳng định vai trò to lớn của kinh tế biển với mục tiêu đến năm 2030 kinh tế biển của 28 thành phố ven biển ước đạt 65-70% GDP của cả nước". Cùng với đó, "Quyết định 1037/QĐ-TTg ngày 24/06/2014 của Thủ Tướng Chính phủ về điều chỉnh quy hoạch hệ thống Cảng Biển Việt Nam đến năm 2020, định hướng tới năm 2030 có dự báo sản lượng hàng hóa conatiner thông qua cảng tiếp tục tăng mạnh với ước đạt từ 630-715 triệu tấn". Xu thế container hóa trên toàn cầu đòi hỏi sự gia tăng vượt bậc về năng lực vận tải của đội tàu trong nước.

Tuy nhiên, bức tranh thực tiễn ghi nhận một điểm nghẽn nghiêm trọng: "thị phần đội tàu container Việt Nam mới chiếm 3.6% trong đội tàu thấp hơn nhiều so với thị phần tàu container trên thế giới". Đầu tư tàu container đòi hỏi quy mô vốn đặc biệt lớn và chu kỳ hoàn vốn kéo dài, khiến nguồn vốn tín dụng ngân hàng trở thành yếu tố sống còn. Dẫu vậy, "thực trạng về rủi ro tín dụng (RRTD) đối với lĩnh vực này hiện nay đang ở mức cao (tỷ lệ nợ xấu trong cho vay đầu tư tàu container lên đến 39%) làm cho các tổ chức tín dụng (TCTD) giảm niềm tin và hạn chế cấp tín dụng". Khoảng trống nghiên cứu then chốt xuất hiện do thiếu vắng một công cụ lượng hóa chuyên biệt, có khả năng dự báo tiên nghiệm rủi ro tín dụng đối với từng dự án đầu tư tàu container ngay từ giai đoạn thẩm định khả thi.

Luận án tiến sĩ chuyên ngành Tổ chức và quản lý vận tải giải quyết trực tiếp vấn đề này thông qua hệ thống câu hỏi và giả thuyết nghiên cứu rõ ràng:

  • Câu hỏi nghiên cứu 1 (RQ1): Thực trạng công tác nhận định và dự báo rủi ro tín dụng trong cho vay đầu tư tàu container tại hệ thống các tổ chức tín dụng Việt Nam bộc lộ những hạn chế và khoảng trống định lượng nào?
  • Câu hỏi nghiên cứu 2 (RQ2): Các nhân tố đặc thù nào của dự án và thị trường hàng hải tác động mang tính quyết định đến xác suất vỡ nợ, và mô hình định lượng nào phù hợp để dự báo tiên nghiệm rủi ro này?
  • Giả thuyết nghiên cứu 1 (H1): Rủi ro tín dụng trong đầu tư phát triển đội tàu container chịu sự chi phối đồng thời của các biến số tài chính dự án và các biến số đặc thù của thị trường vận tải biển.
  • Giả thuyết nghiên cứu 2 (H2): Mô hình hàm hồi quy Binary Logistic có khả năng phân loại nhị phân chính xác xác suất rủi ro tín dụng cao hay thấp cho các dự án đóng mới hoặc mua sắm tàu container trước khi giải ngân.

Khung lý thuyết của công trình tích hợp lý thuyết quản trị rủi ro ngân hàng hiện đại (Bessis, 1998) với lý thuyết lựa chọn nhị phân (Binary Choice Modeling). Nghiên cứu bao phủ không gian gồm 41 tổ chức tín dụng đang hoạt động tại Việt Nam, dữ liệu lịch sử các dự án từ năm 1997 đến 2019, tiến hành kiểm định dự báo năm 2019 và đưa ra dự báo tiên nghiệm đến năm 2025.

Literature Review và Positioning

Lịch sử đo lường và dự báo rủi ro tài chính bắt đầu từ công trình của Macaulay (1938) khi đề xuất phương pháp đo lường rủi ro lãi suất trái phiếu, đặt nền móng cho trào lưu lượng hóa rủi ro. Đến năm 1941, David Duran ứng dụng kỹ thuật phân nhóm của Fisher (1936) để phân biệt các khoản nợ tốt và nợ xấu, mở ra kỷ nguyên ứng dụng xác suất thống kê vào đánh giá tín dụng. Thập niên 1950 chứng kiến sự ra đời của mô hình tính điểm tín nhiệm FICO do Bill Fair và Earl Isaac phát triển tại Đại học Stanford, lượng hóa rủi ro thành thang điểm chuẩn hóa nhằm loại bỏ tính chủ quan trong phê duyệt tín dụng cá nhân và doanh nghiệp nhỏ.

Bước sang thập niên 1960 và 1970, các mô hình cấu trúc và thị trường vốn phát triển mạnh mẽ. Jan Mossin (1966) công bố mô hình Định giá Tài sản Vốn (CAPM), sử dụng hồi quy đơn biến xác định rủi ro hệ thống thông qua hệ số Beta. Stephen Ross (1976) mở rộng thành Lý thuyết Định giá Kinh doanh Chênh lệch (APT) với mô hình hồi quy đa nhân tố. Năm 1968, Edward Altman công bố mô hình Z-score danh tiếng dựa trên phân tích phân biệt đa biến (MDA), tuy nhiên các kiểm định thực nghiệm sau này của Grice và Ingram (2001) chỉ ra độ chính xác của Z-score sụt giảm xuống còn 57,6% khi áp dụng ngoài ngành sản xuất hoặc trong điều kiện kinh tế biến động. Năm 1974, Robert Merton phát triển mô hình cấu trúc dựa trên lý thuyết quyền chọn Black-Scholes, xem vốn chủ sở hữu như một quyền chọn mua trên tài sản doanh nghiệp. Robert A. Jarrow, David Lando và Stuart M. Turnbull (1997) xây dựng mô hình xích Markov (JLT) để dự báo cấu trúc kỳ hạn của chênh lệch rủi ro tín dụng. Joel Bessis (1998) tổng kết hệ thống quản trị rủi ro ngân hàng hiện đại, bao gồm cả kỹ thuật Giá trị chịu rủi ro (VaR).

Trên bình diện quốc tế, các nghiên cứu thực nghiệm nhấn mạnh vai trò của các biến số vĩ mô và vi mô:

  • Bofondi và Ropele (2011) nghiên cứu hệ thống ngân hàng Ý giai đoạn 1990-2010, chứng minh tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất chi phối trực tiếp chất lượng tín dụng.
  • Curak, Pepur và Poposki (2013) phân tích mẫu 69 ngân hàng tại 10 quốc gia Đông Nam Châu Âu giai đoạn 2003-2010, chỉ ra rằng tăng trưởng kinh tế thấp, lạm phát cao và quy mô ngân hàng nhỏ làm gia tăng tỷ lệ nợ xấu.
  • Tehulu và cộng sự (2014) khảo sát 10 ngân hàng tại Ethiopia giai đoạn 2007-2011, khẳng định tăng trưởng tín dụng và quy mô có tác động ngược chiều có ý nghĩa thống kê đến rủi ro tín dụng.

Tại Việt Nam, các nghiên cứu của Lê Thị Huyền Diệu (2010), Trần Trung Tường (2011), Nguyễn Đức Tú (2012), Nguyễn Tuấn Anh (2012), Nguyễn Hùng Tiến (2016), Nguyễn Thị Gấm (2018) và Trần Khánh Dương (2019) đã hệ thống hóa lý luận quản trị rủi ro tín dụng theo chuẩn mực Basel. Tuy nhiên, các công trình này chủ yếu dừng lại ở các khuyến nghị định tính, tiếp cận rủi ro ở cấp độ danh mục chung mà chưa thiết lập được mô hình dự báo lượng hóa riêng biệt cho từng dự án đầu tư tài sản cố định chuyên ngành. Ở lĩnh vực kinh tế biển, Cao Ngọc Châu (1994) dự báo nhu cầu vận tải đa phương thức, và Phạm Thị Thu Hằng (2017) xây dựng 37 mô hình hồi quy dự báo lượng hàng container qua cảng biển. Mặc dù vậy, chưa có công trình nào kết hợp khoa học dự báo với đo lường rủi ro tín dụng cho đội tàu container.

                    TIẾN TRÌNH LÝ THUYẾT ĐO LƯỜNG & DỰ BÁO RỦI RO
  ┌───────────────────────────────────────────────────────────────────────────────────┐
  │ 1938-1950: Macaulay (Lãi suất) -> Duran & Fisher (Phân nhóm) -> Fair & Isaac (FICO)│
  │ 1960-1976: Mossin (CAPM) -> Altman (Z-Score) -> Merton (Option) -> Ross (APT)      │
  │ 1990-nay: JLT (Markov) -> Bessis (VaR/Banking) -> Kinh tế lượng Logit/Probit     │
  └─────────────────────────────────────────┬─────────────────────────────────────────┘
                                            │
                                            ▼
                    KHOẢNG TRỐNG NGHIÊN CỨU TẠI VIỆT NAM
  ┌───────────────────────────────────────────────────────────────────────────────────┐
  │ - Quản trị tín dụng chung: Lê Thị Huyền Diệu (2010), Nguyễn Đức Tú (2012)        │
  │ - Dự báo kinh tế biển: Phạm Thị Thu Hằng (2017 - Cảng biển)                       │
  │ - GAP: Chưa có mô hình lượng hóa dự báo tiên nghiệm RRTD cho tàu container        │
  └─────────────────────────────────────────┬─────────────────────────────────────────┘
                                            │
                                            ▼
                    VỊ TRÍ ĐÓNG GÓP CỦA LUẬN ÁN
  ┌───────────────────────────────────────────────────────────────────────────────────┐
  │ Phát triển mô hình Binary Logistic chuyên biệt cho từng dự án đầu tư tàu container│
  └───────────────────────────────────────────────────────────────────────────────────┘

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra những bước phát triển quan trọng trong hệ thống lý luận quản trị tài chính hàng hải:

  1. Mở rộng và chuẩn hóa khái niệm: Luận án chính thức đưa ra định nghĩa học thuật về "Rủi ro tín dụng trong đầu tư tàu container" và "Dự báo rủi ro tín dụng" trong ngành kinh tế biển. RRTD đầu tư tàu container được xác định là xác suất xảy ra tổn thất tài chính cho bên cấp vốn do doanh nghiệp vận tải biển không thể thực hiện đúng nghĩa vụ trả nợ gốc và lãi theo cam kết, xuất phát từ các cú sốc cung cầu thị trường cước, biến động giá nhiên liệu, chu kỳ đầu tư dài và giá trị thanh lý tàu suy giảm.
  2. Chuyển đổi mô thức tiếp cận (Paradigm Shift): Luận án chuyển từ tư duy quản trị rủi ro hậu kiểm (đánh giá sau khi giải ngân dựa trên báo cáo tài chính quá khứ) sang tư duy lượng hóa tiên nghiệm (Ex-ante Risk Forecasting) ngay từ khâu thẩm định báo cáo nghiên cứu khả thi.
  3. Bổ sung hệ thống định đề và biến số đặc thù: Công trình chứng minh rằng các mô hình vỡ nợ doanh nghiệp tổng quát không phản ánh chính xác rủi ro của tài sản chuyên biệt hàng hải. Luận án thiết lập mối quan hệ hàm số giữa xác suất nợ xấu với cấu trúc vốn vay, năng lực khai thác luồng tuyến và biến động chu kỳ vận tải.

Khung phân tích độc đáo

Khung phân tích của luận án được xây dựng dựa trên sự giao thoa của ba trụ cột lý thuyết:

  • Lý thuyết Lựa chọn Nhị phân (Binary Choice Theory): Ứng dụng hàm hồi quy Binary Logistic để mô hình hóa biến phụ thuộc dạng nhị phân $Y \in {0, 1}$, giải quyết triệt để hạn chế của hồi quy tuyến tính OLS (vốn có thể tạo ra giá trị xác suất ước lượng nằm ngoài khoảng $[0, 1]$).
  • Lý thuyết Quản trị Rủi ro Ngân hàng Hiện đại (Joel Bessis, 1998): Tách bạch các nhóm nhân tố tác động thành nhân tố năng lực chủ đầu tư (nội tại) và nhân tố biến động thị trường hàng hải (ngoại cảnh).
  • Lý thuyết Thẩm định Dự án Đầu tư Vận tải Biển: Tích hợp đặc thù kỹ thuật - kinh tế của phương tiện nổi (tuổi tàu, dung tích TEU, cấp kiểm định) vào hàm số dự báo.

Điều kiện biên của khung phân tích: Mô hình được thiết kế chuyên biệt cho các khoản cấp tín dụng trung và dài hạn tài trợ cho các dự án mua hoặc đóng mới tàu container có tính chất độc lập tương đối về dòng tiền, áp dụng cho các định chế tài chính hoạt động trên lãnh thổ Việt Nam.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu theo đuổi trường phái thực chứng (Positivism) với lập trường nhận thức luận khách quan. Phương pháp luận định lượng chiếm vai trò chủ đạo, kết hợp thu thập dữ liệu đa nguồn:

  • Triết lý thiết kế: Quy nạp logic kết hợp với suy diễn toán thống kê. Rủi ro được lượng hóa thành xác suất toán học cụ thể thay vì đánh giá cảm tính qua hội đồng tín dụng.
  • Mẫu khảo sát định chế: Tiến hành điều tra toàn bộ 41 tổ chức tín dụng hoạt động hợp pháp tại Việt Nam vào năm 2019 theo Luật các TCTD (bao gồm ngân hàng thương mại, TCTD phi ngân hàng, tổ chức tài chính vi mô và chi nhánh ngân hàng nước ngoài).
  • Mẫu dự án lịch sử: Thu thập toàn bộ các dự án đầu tư tàu container tại Việt Nam trong giai đoạn 1997-2019, kiểm định chéo với dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia (CIC).

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu trải qua các bước chặt chẽ nhằm đảm bảo tính giá trị (validity) và độ tin cậy (reliability):

┌───────────────────────────┐     ┌───────────────────────────┐     ┌───────────────────────────┐
│     THU THẬP DỮ LIỆU      │     │    SÀNG LỌC & MÃ HÓA      │     │     XÂY DỰNG MÔ HÌNH      │
│ - 41 Tổ chức tín dụng     │────>│ - Chuẩn hóa biến nhị phân │────>│ - Hàm Binary Logistic     │
│ - Dữ liệu CIC (1997-2019) │     │ - Triệt tiêu đa cộng tuyến│     │ - Phương pháp Forward-    │
│ - Cục Hàng hải, Đăng kiểm │     │ - Ma trận tương quan      │     │   Conditional trong SPSS  │
└───────────────────────────┘     └───────────────────────────┘     └─────────────┬─────────────┘
                                                                                  │
                                                                                  ▼
┌───────────────────────────┐     ┌───────────────────────────┐     ┌───────────────────────────┐
│ DỰ BÁO TIÊN NGHIỆM 2025   │     │    KHUYẾN NGHỊ THẨM ĐỊNH  │     │   KIỂM ĐỊNH ĐỘ CHÍNH XÁC  │
│ - Dự báo các tàu hiện hữu │<────│ - Ứng dụng tại giai đoạn  │<────│ - Đối chiếu thực tế 2019  │
│ - Dự báo dự án đóng mới   │     │   nghiên cứu khả thi      │     │ - Đánh giá ma trận nhầm lẫn│
└───────────────────────────┘     └───────────────────────────┘     └───────────────────────────┘
  • Tam giác hóa dữ liệu (Data Triangulation): Kết hợp số liệu vĩ mô từ Tổng cục Thống kê, số liệu quản lý ngành từ Cục Hàng hải Việt Nam, thông số an toàn kỹ thuật từ Cục Đăng kiểm Việt Nam và lịch sử nợ từ CIC.
  • Kiểm soát sai số: Sử dụng phương pháp chọn biến từng bước có điều kiện (Forward - Conditional) để loại bỏ các biến độc lập không có ý nghĩa thống kê hoặc gây hiện tượng cộng tuyến.

Data và phân tích

Hàm hồi quy Binary Logistic được thiết lập trên phần mềm IBM SPSS Statistics 20:

$$\ln\left(\frac{P_i}{1 - P_i}\right) = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \dots + \beta_k X_{ki}$$

Trong đó:

  • $P_i = P(Y_i = 1 \mid X_i)$ là xác suất dự án thứ $i$ rơi vào trạng thái có rủi ro tín dụng cao ($Y=1$).
  • $1 - P_i$ là xác suất dự án có rủi ro tín dụng thấp ($Y=0$).
  • Quy tắc quyết định phân loại: Nếu $P_i \ge 0.5$, mô hình dự báo dự án "Có nguy cơ rủi ro tín dụng cao"; nếu $P_i < 0.5$, mô hình dự báo dự án "Có rủi ro tín dụng thấp".
  • Ưu thế của Binary Logistic là không đòi hỏi các biến độc lập phải tuân theo phân phối chuẩn đa biến hay phương sai đồng nhất, đồng thời không chịu sự ràng buộc bởi tính chất chuỗi thời gian liên tục, hoàn toàn phù hợp với dữ liệu theo từng dự án riêng lẻ.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Nguyên nhân gốc rễ của tỷ lệ nợ xấu 39%: Nghiên cứu chỉ ra rằng con số nợ xấu nghiêm trọng trong lĩnh vực tàu container tại Việt Nam bắt nguồn từ việc các ngân hàng thương mại quá phụ thuộc vào thẩm định tài sản bảo đảm (chính con tàu) mà thiếu công cụ lượng hóa xác suất suy giảm dòng tiền khai thác khi thị trường cước biển toàn cầu bước vào pha suy thoái.
  2. Sự thất bại của các mô hình chấm điểm truyền thống: Các phương pháp định tính (lấy ý kiến ban điều hành, chuyên gia đơn thuần) bộc lộ sự sai lệch lớn do ảnh hưởng bởi ý chí chủ quan và thiên kiến lạc quan trong giai đoạn thị trường tăng trưởng nóng.
  3. Tính vượt trội của mô hình Binary Logistic chuyên biệt: Kết quả ước lượng mô hình cho thấy sự kết hợp giữa các chỉ số năng lực tài chính doanh nghiệp với các biến số vận hành đội tàu mang lại năng lực phân loại vượt trội, giải thích chính xác xác suất rủi ro tín dụng của các dự án.
  4. Độ chính xác cao trong kiểm định thực nghiệm năm 2019: Khi áp dụng mô hình để dự báo kiểm định cho các dự án tại năm 2019 và so sánh với trạng thái nợ thực tế tại CIC, mô hình thể hiện độ tương thích cao, xác định chính xác các khoản vay chuyển nhóm nợ xấu.
  5. Dự báo tiên nghiệm giai đoạn 2020-2025: Luận án cung cấp bức tranh định lượng về xác suất rủi ro của đội tàu đang vận hành đến năm 2025, đóng vai trò công cụ cảnh báo sớm giúp các ngân hàng cơ cấu lại nợ và điều chỉnh biên độ an toàn vốn trước khi cấp tín dụng mới.

Implications đa chiều

┌────────────────────────────────────────────────────────────────────────────────────────┐
│                                 HỆ THỐNG HÀM Ý ỨNG DỤNG                                │
├───────────────────────────┬───────────────────────────┬────────────────────────────────┤
│      LÝ THUYẾT & PP       │     THỰC TIỄN NGÂN HÀNG   │        CHÍNH SÁCH VĨ MÔ        │
├───────────────────────────┼───────────────────────────┼────────────────────────────────┤
│ - Hoàn thiện lý luận RRTD │ - Bộ công cụ lượng hóa    │ - Hiện thực hóa Chiến lược     │
│   ngành kinh tế biển.     │   thẩm định khả thi.      │   kinh tế biển (Nghị quyết 8). │
│ - Chuẩn hóa ứng dụng Logit│ - Thiết lập ngưỡng an toàn│ - Quy hoạch đội tàu quốc gia   │
│   cho tài trợ dự án lớn.  │   cấp vốn theo rủi ro.    │   theo Quyết định 1037/QĐ-TTg. │
└───────────────────────────┴───────────────────────────┴────────────────────────────────┘
  • Đối với các tổ chức tín dụng: Chuyển đổi quy trình thẩm định tín dụng từ việc dựa trên cảm tính sang ứng dụng mô hình định lượng. Ngân hàng có thể cài đặt mô hình vào phần mềm quản trị rủi ro nội bộ để tự động tính toán xác suất vỡ nợ $P_i$ ngay khi khách hàng nộp hồ sơ nghiên cứu khả thi.
  • Đối với doanh nghiệp vận tải biển: Giúp các chủ tàu tự đánh giá tính khả thi và mức độ an toàn tài chính của phương án mua tàu, từ đó tái cấu trúc phương án tài chính (tăng tỷ lệ vốn chủ sở hữu, chọn phân khúc tàu phù hợp) trước khi tiếp cận nguồn vốn vay ngân hàng.
  • Về mặt chính sách: Đóng góp cơ sở thực nghiệm để Ngân hàng Nhà nước và Bộ Giao thông Vận tải xây dựng cơ chế tín dụng ưu đãi có chọn lọc cho đội tàu biển quốc gia, tránh tình trạng đầu tư dàn trải dẫn đến nợ xấu ngân bang.

Limitations và Future Research

Luận án thừa nhận một cách khách quan các giới hạn học thuật:

  1. Giới hạn về dạng biến phụ thuộc: Việc nhị phân hóa biến phụ thuộc ($Y=0$ và $Y=1$) giúp tối ưu hóa việc phân loại nhị phân nhưng chưa phản ánh được các trạng thái trung gian phức tạp của tín dụng như quá hạn kỹ thuật, cơ cấu lại thời hạn trả nợ nhưng chưa chuyển nhóm nợ xấu.
  2. Quy mô mẫu dự án: Do thị phần đội tàu container Việt Nam còn khiêm tốn (chiếm 3.6% tổng đội tàu), số lượng dự án đầu tư tàu container phát sinh trong giai đoạn 1997-2019 có quy mô hữu hạn so với các thị trường hàng hải lớn trên thế giới.
  3. Điều kiện biên chuyên ngành: Mô hình được thiết kế tối ưu riêng cho phân khúc tàu container, do đó việc ngoại suy trực tiếp sang các loại tàu chuyên dụng khác (như tàu chở dầu thô VLCC, tàu chở khí hóa lỏng LNG hay tàu hàng rời cỡ Capesize) cần phải tái ước lượng lại các tham số.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Phát triển mô hình hồi quy Logistic đa danh mục (Multinomial Logistic) hoặc mô hình Probit có thứ tự (Ordered Probit) để phân loại chi tiết 5 nhóm nợ theo tiêu chuẩn kế toán ngân hàng.
  • Ứng dụng các thuật toán học máy (Machine Learning) như Random Forest, XGBoost kết hợp mạng nơ-ron nhân tạo để nâng cao độ chính xác dự báo khi có tập dữ liệu lớn hơn.
  • Tích hợp thêm các chỉ số biến động kinh tế vĩ mô quốc tế như chỉ số cước vận tải container thế giới (Shanghai Containerized Freight Index - SCFI hoặc Freightos Baltic Index) vào hàm dự báo động.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án mở ra hướng nghiên cứu chuyên sâu liên ngành giữa Kinh tế lượng ứng dụng, Quản trị rủi ro ngân hàng và Kinh tế vận tải biển. Công trình cung cấp tài liệu tham khảo nền tảng cho các chương trình đào tạo sau đại học về Quản lý kinh tế biển và Tài chính quốc tế.
  • Chuyển đổi ngành vận tải biển: Cung cấp công cụ khoa học giúp ngành hàng hải tháo gỡ điểm nghẽn về vốn, tái thiết đội tàu container quốc gia để nâng thị phần vận chuyển xuất nhập khẩu vốn đang bị chi phối bởi các hãng tàu ngoại.
  • Ảnh hưởng chính sách cấp quốc gia: Kết quả nghiên cứu trực tiếp hỗ trợ các cơ quan quản lý nhà nước trong việc giám sát chất lượng tín dụng chuyên ngành, hiện thực hóa mục tiêu đưa kinh tế biển đóng góp 65-70% GDP của 28 tỉnh thành ven biển vào năm 2030 theo đúng tinh thần chỉ đạo của Trung ương.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung phân tích hoàn chỉnh về lượng hóa rủi ro tín dụng chuyên ngành với đầy đủ cơ sở toán học và quy trình xử lý dữ liệu thực nghiệm trên SPSS.
  • Khối Ngân hàng và Định chế tài chính: Sở hữu mô hình dự báo tiên nghiệm sẵn sàng triển khai thực tế, nâng cao năng lực thẩm định dự án tài trợ đóng mới/mua sắm tàu biển, giảm thiểu rủi ro nợ xấu.
  • Doanh nghiệp vận tải biển: Sử dụng mô hình như một công cụ tự kiểm tra sức khỏe tài chính và mức độ khả thi của dự án trước khi gửi hồ sơ vay vốn.
  • Cơ quan hoạch định chính sách: Có cơ sở dữ liệu và căn cứ khoa học vững chắc để ban hành các quy định hướng dẫn tín dụng chuyên biệt cho ngành hàng hải Việt Nam.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Đóng góp độc đáo nhất là việc mở rộng Lý thuyết Quản trị Rủi ro Ngân hàng (Joel Bessis, 1998) và Lý thuyết Lựa chọn Nhị phân vào lĩnh vực kinh tế biển Việt Nam. Luận án đã xây dựng định nghĩa học thuật chuẩn xác cho khái niệm "Rủi ro tín dụng trong đầu tư tàu container", chuyển dịch thành công mô thức đánh giá rủi ro từ hậu kiểm tĩnh sang dự báo tiên nghiệm động.

2. Đổi mới phương pháp luận của luận án so với các công trình trước đây? So với các nghiên cứu của Lê Thị Huyền Diệu (2010) (tiếp cận quản lý danh mục chung mang tính định tính) hay Phạm Thị Thu Hằng (2017) (sử dụng 37 mô hình OLS chuỗi thời gian dự báo sản lượng hàng hóa cảng biển nhưng phụ thuộc dữ liệu quá khứ liên tục), luận án đã tạo bước đột phá khi phát triển hàm Binary Logistic xử lý dữ liệu độc lập theo từng dự án, phân loại nhị phân chính xác xác suất rủi ro tại ngưỡng $P \ge 0.5$ ngay ở giai đoạn nghiên cứu khả thi.

3. Phát hiện bất ngờ nhất được hỗ trợ bởi dữ liệu là gì? Phát hiện ấn tượng nhất là tỷ lệ nợ xấu trong cho vay tàu container lên tới mức báo động 39% không phải do thiếu nhu cầu vận tải (khi sản lượng hàng container qua cảng dự kiến đạt 630-715 triệu tấn theo Quyết định 1037/QĐ-TTg), mà chủ yếu do thiếu vắng công cụ lượng hóa rủi ro chuyên biệt khi thẩm định phương án tài chính, khiến các TCTD tài trợ cho các dự án có cấu trúc vốn mất cân đối trước biến động chu kỳ vận tải.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không? Có. Luận án cung cấp đầy đủ công thức toán học của hàm Logistic, phương pháp chọn biến Forward-Conditional, quy trình mã hóa biến phụ thuộc nhị phân $Y \in {0, 1}$, bộ công cụ tính toán trên phần mềm SPSS 20 và phương thức kiểm định chéo với dữ liệu CIC, cho phép các nhà nghiên cứu độc lập tái lập hoàn toàn quy trình trên các tập dữ liệu khác.

5. Lộ trình nghiên cứu 10 năm tiếp theo được định hình như thế nào? Lộ trình 10 năm tới bao gồm việc tích hợp dữ liệu lớn (Big Data) từ hệ thống giám sát hành trình tàu biển toàn cầu (AIS), kết hợp mạng học sâu (Deep Learning) để dự báo dòng tiền theo thời gian thực (Real-time Cash Flow Default Risk) và mở rộng mô hình cho toàn bộ chuỗi cung ứng logistics cảng biển - vận tải đa phương thức.

Kết luận

  1. Hệ thống hóa lý luận: Công trình bổ sung và chuẩn hóa toàn diện cơ sở lý luận về dự báo, rủi ro tín dụng và dự báo rủi ro tín dụng trong ngành kinh tế biển.
  2. Đột phá công cụ: Phát triển thành công mô hình hàm hồi quy Binary Logistic chuyên biệt, giải quyết triệt để bài toán lượng hóa rủi ro tín dụng cho từng dự án đầu tư tàu container tại Việt Nam.
  3. Dữ liệu toàn diện: Thực hiện khảo sát quy mô toàn bộ 41 tổ chức tín dụng tại Việt Nam kết hợp chuỗi dữ liệu dự án thực tế giai đoạn 1997-2019 từ CIC, Cục Hàng hải và Cục Đăng kiểm.
  4. Giá trị ứng dụng thực tiễn: Cung cấp kết quả dự báo kiểm định năm 2019 và dự báo tiên nghiệm đến năm 2025, tạo cơ sở khoa học khách quan cho các ngân hàng ra quyết định cấp tín dụng ngay từ khâu thẩm định khả thi.
  5. Đóng góp chính sách: Đưa ra hệ thống giải pháp đồng bộ phòng ngừa nợ xấu, hỗ trợ trực tiếp việc thực hiện Nghị quyết Trung ương 8 khóa XII về chiến lược phát triển bền vững kinh tế biển Việt Nam.
  6. Mở ra các hướng nghiên cứu mới: Đặt nền móng vững chắc cho các nghiên cứu tiếp theo về ứng dụng trí tuệ nhân tạo và kinh tế lượng vi mô trong tài trợ dự án tài sản cố định quy mô lớn tại các quốc gia đang phát triển.