Tổng quan về luận án

Luận án này tập trung vào việc hoàn thiện thẩm định năng lực tài chính (NLTC) doanh nghiệp nhỏ và vừa (DNNVV) trong hoạt động cho vay của Ngân hàng Thương mại Cổ phần Quân đội (MB), một chủ đề mang tính cấp thiết trong bối cảnh kinh tế Việt Nam và quốc tế đầy biến động. Nghiên cứu được đặt trong bối cảnh khoa học nơi các DNNVV đóng vai trò nền tảng cho tăng trưởng kinh tế và ổn định xã hội, đóng góp đáng kể vào GDP và tạo việc làm. Cụ thể, "Tại Việt Nam, theo số liệu thống kê năm 2003, các DNNVV đóng góp hơn 40% GDP của cả nước... Đến năm 2016, mức đóng góp của doanh nghiệp dân doanh, khu vực tư nhân và hộ cá thể vẫn duy trì ở mức 43,2% của GDP. Không chỉ đóng góp vào tăng trưởng kinh tế, DNNVV hiện nay còn chiếm khoảng 97% tổng số doanh nghiệp hoạt động trong cả nước, sử dụng tới 59,3% lao động xã hội, tạo ra hơn 1 triệu lao động mới hằng năm và đóng góp 14,8% nguồn thu ngân sách" [11]. Tuy nhiên, khu vực này thường xuyên đối mặt với khó khăn về tài chính và tín dụng, đặc biệt là rủi ro cao trong hoạt động cho vay, đòi hỏi một hệ thống thẩm định NLTC chặt chẽ và hiệu quả hơn.

Research gap SPECIFIC với citations từ literature: Nghiên cứu hiện có về thẩm định NLTC DNNVV còn tồn tại nhiều khoảng trống quan trọng. Thứ nhất, "việc sử dụng các phương pháp thẩm định và xây dựng hệ thống chỉ tiêu, thang điểm, cách tính điểm ở mỗi ngân hàng khác nhau là có sự khác biệt, dẫn đến kết quả thẩm định của cùng một đối tượng có thể khác nhau." Sự thiếu chuẩn hóa này gây khó khăn trong việc đánh giá khách quan và nhất quán. Thứ hai, hệ thống thẩm định của các ngân hàng thương mại (NHTM) chủ yếu tập trung vào hai khía cạnh: (i) thẩm định tín dụng chung chung, thiếu đi chiều sâu cụ thể; và (ii) thẩm định tài chính dự án đầu tư đặc thù. Cả hai loại hình này đều "không phản ánh sâu sắc hiện trạng NLTC của khách hàng nói chung và khách hàng DN nói riêng," đặc biệt là đối với phân khúc DNNVV có những đặc thù riêng biệt. Cuối cùng, một khoảng trống đáng kể là "chưa đi sâu nghiên cứu thẩm định NLTC DNNVV – đối tượng có vai trò quan trọng trong nền kinh tế thị trường và có độ nhạy cảm cao đối với những thay đổi của môi trường kinh doanh." Các nghiên cứu trước đây chưa cung cấp một cách tiếp cận toàn diện, chi tiết về thẩm định NLTC cho nhóm khách hàng chiến lược này, như các công trình về xếp hạng tín nhiệm của Trần Thị Kỳ (2003) hay thẩm định dự án của Nguyễn Thị Bích Vượng (2015) đã chứng minh phạm vi khác biệt. Nghiên cứu này khẳng định tính không trùng lặp và sự cần thiết của việc làm rõ công tác thẩm định tín dụng DNNVV trong hệ thống NHTMCP tại Việt Nam, đặc biệt là tại một ngân hàng cụ thể như MB.

Research questions và hypotheses: Để giải quyết những khoảng trống trên, nghiên cứu đặt ra các câu hỏi chính sau:

  1. Lý luận chung về thẩm định NLTC DNNVV trong hoạt động cho vay của NHTM thể hiện như thế nào?
  2. Những nội dung nào cần thực hiện khi thẩm định NLTC DNNVV của NHTM?
  3. Những nhân tố nào ảnh hưởng tới thẩm định NLTC DNNVV trong hoạt động cho vay của NHTM?
  4. Thực trạng thẩm định NLTC DNNVV trong hoạt động cho vay của NHTMCP Quân đội thời gian qua ra sao?
  5. Giải pháp hoàn thiện thẩm định NLTC DNNVV trong hoạt động cho vay của NHTMCP Quân đội thời gian tới là gì?

Theoretical framework với tên theories cụ thể: Nghiên cứu này được xây dựng trên nền tảng của các lý thuyết tài chính và kinh tế vi mô, đặc biệt là Lý thuyết Bất cân xứng Thông tin (Asymmetric Information Theory) của Akerlof (1970) và Lý thuyết Đại diện (Agency Theory) của Jensen và Meckling (1976). Trong hoạt động cho vay đối với DNNVV, vấn đề thông tin bất cân xứng là rất lớn do DNNVV thường thiếu báo cáo tài chính minh bạch hoặc năng lực lập báo cáo còn hạn chế, dẫn đến khó khăn cho ngân hàng trong việc đánh giá chính xác rủi ro. Lý thuyết đại diện giúp phân tích mối quan hệ giữa ngân hàng (chủ nợ) và DNNVV (người đi vay), nơi xung đột lợi ích và rủi ro đạo đức (moral hazard) có thể phát sinh sau khi khoản vay được cấp. Bên cạnh đó, các mô hình định giá và quản trị rủi ro tín dụng cũng được xem xét, mặc dù luận án này không sử dụng các mô hình kinh tế lượng phức tạp mà tập trung vào phân tích mô tả. Mục tiêu tối đa hóa giá trị cổ đông (Shareholder Value Maximization) là động lực cơ bản cho hoạt động của NHTM, định hướng các quyết định cho vay và thẩm định.

Đóng góp đột phá với quantified impact: Nghiên cứu đưa ra những đóng góp đột phá đáng kể, đặc biệt trong việc cung cấp một khung làm việc toàn diện cho thẩm định NLTC DNNVV.

  1. Hệ thống chỉ tiêu định lượng toàn diện và định hướng so sánh ngành: Đề xuất bổ sung các chỉ tiêu định lượng mới và quan trọng hơn, đề xuất tính toán các "tiêu chí trung bình cho từng ngành đối với các DNNVV trong nền kinh tế làm căn cứ cho MB đối chiếu, so sánh." Điều này khắc phục hạn chế hiện tại của MB khi chỉ so sánh năm sau với năm trước hoặc với số tuyệt đối, giúp đưa ra đánh giá "toàn diện sức khỏe tài chính của doanh nghiệp."
  2. Tích hợp phương pháp thẩm định tiên tiến: Đề xuất bổ sung "phương pháp phân tích mới như phương pháp Dupont, phương pháp phân tích SWOT và phương pháp tổng hợp." Nghiên cứu nhấn mạnh rằng mặc dù các phương pháp này đã có trong tài liệu chuyên ngành, "việc kết hợp các phương pháp trong hoạt động thẩm định lại chưa được đề cập," tạo ra một cách tiếp cận độc đáo và toàn diện hơn.
  3. Đánh giá thực trạng chi tiết tại MB: Luận án cung cấp một bức tranh chi tiết và chính xác về thực trạng thẩm định NLTC DNNVV tại MB, dựa trên khảo sát 150 chuyên viên thẩm định (CVTĐ) và phân tích báo cáo thẩm định thực tế. Điều này làm sáng tỏ "mức độ NLTC của các DNNVV vay vốn để ngân hàng quyết định cho vay một cách chính xác trong thời gian nghiên cứu thực trạng, mà các công trình khoa học trước đây chưa đi sâu nghiên cứu."
  4. Hệ thống hóa lý luận chuyên sâu: Nghiên cứu hệ thống hóa và làm sáng tỏ những vấn đề lý luận về thẩm định NLTC DNNVV vay vốn tại các NHTM nói chung và tại MB nói riêng, cung cấp một cơ sở lý luận vững chắc cho việc phát triển các khung thẩm định. Những đóng góp này hướng tới mục tiêu giảm thiểu "nợ xấu của nhóm DNNVV vẫn luôn giữ ở mức cao trong cơ cấu nợ xấu của MB (luôn chiếm 50% Nợ xấu của MB giai đoạn 2012 – 2016)," từ đó nâng cao chất lượng tín dụng và hiệu quả hoạt động cho vay của ngân hàng.

Scope và significance: Phạm vi nghiên cứu tập trung vào Ngân hàng Thương mại Cổ phần Quân đội (MB) trong không gian và thời gian từ năm 2012 đến 2016 cho dữ liệu thứ cấp, và năm 2016-2017 cho dữ liệu sơ cấp (thông qua phiếu điều tra và phân tích báo cáo thẩm định năm 2017), với các giải pháp được đề xuất đến năm 2025. Mẫu nghiên cứu bao gồm số liệu sơ cấp thu thập từ 150 chuyên viên thẩm định tại các chi nhánh của MB. Ý nghĩa của luận án rất lớn, không chỉ đối với MB trong việc "đảm bảo chất lượng của hoạt động cho vay, giảm thiểu rủi ro trong hoạt động kinh doanh ngân hàng," mà còn đối với các DNNVV thông qua việc giúp họ "chú trọng hơn đến công tác điều hành sản xuất, quản lý chi phí, hiệu quả kinh tế" và đối với chính phủ cùng các bộ ngành trong việc xây dựng chính sách hỗ trợ phù hợp.

Literature Review và Positioning

Nghiên cứu tổng quan cho thấy các công trình trước đây, cả trong nước và quốc tế, đã đề cập đến thẩm định tài chính doanh nghiệp, nhưng chưa có công trình nào đi sâu toàn diện vào thẩm định năng lực tài chính (NLTC) của doanh nghiệp nhỏ và vừa (DNNVV) trong hoạt động cho vay của ngân hàng thương mại (NHTM) một cách cụ thể và chi tiết như luận án này.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Trong nước, các nghiên cứu có thể được phân loại thành ba nhóm chính:

  1. Nghiên cứu về NLTC doanh nghiệp và xếp hạng tín nhiệm: Trần Thị Kỳ (2003) với luận án “Hoàn thiện phương pháp xếp hạng tín nhiệm trong phân tích tín dụng của các NHTM Việt Nam” [23] đã xây dựng mô hình xếp hạng tín dụng chi tiết cho các doanh nghiệp Việt Nam, nhấn mạnh vai trò của phân tích rủi ro tín dụng. Tuy nhiên, mô hình này vẫn còn phức tạp và thiếu phù hợp với đặc thù DNNVV ở các khu vực nông nghiệp nông thôn. Nguyễn Thị Thanh Hương (2016) nghiên cứu “Xếp hạng tín dụng nội bộ theo phân khúc thị trường tại Ngân hàng nông nghiệp và phát triển nông thôn Việt Nam” [21], lượng hóa tác động của các nhân tố đến khả năng trả nợ, nhưng lại tập trung vào phân khúc thị trường và xếp hạng tín dụng chung, chưa đi sâu vào thẩm định NLTC cụ thể của DNNVV.
  2. Nghiên cứu về thẩm định dự án đầu tư: Nguyễn Thị Bích Vượng (2015) với luận án “Chất lượng thẩm định tài chính dự án đầu tư trong hoạt động cho vay tại các Ngân hàng thương mại Việt Nam” [59] đã phân tích các chỉ tiêu định tính và định lượng đánh giá chất lượng thẩm định dự án, sử dụng phân tích hồi quy Linear Regression Analysis với phần mềm SPSS 20.0 trên khảo sát 50 lãnh đạo và 200 cán bộ thẩm định tại Vietinbank. Tuy nhiên, nghiên cứu này chỉ ra rằng công tác thẩm định tài chính dự án vẫn chưa đánh giá mức độ rủi ro của dự án và chưa áp dụng các phương pháp phân tích rủi ro hiệu quả. Điều này khác biệt rõ rệt so với thẩm định NLTC doanh nghiệp, nơi các chỉ tiêu đánh giá khả năng thanh toán, cơ cấu vốn, và sinh lời là trọng tâm.
  3. Nghiên cứu về DNNVV và giải pháp tín dụng: Nghiêm Văn Bảy (2010) với luận án “Các giải pháp tín dụng nhằm thúc đẩy phát triển doanh nghiệp vừa và nhỏ ở Việt Nam” [3] đã đề xuất nhiều giải pháp vĩ mô và vi mô, trong đó có hoàn thiện chính sách tín dụng và đa dạng hóa hình thức cho vay. Luận án này đã phân tích thực trạng NLTC của DNNVV ở Việt Nam và sử dụng mô hình kinh tế lượng để xem xét tác động của NLTC đến tăng trưởng bền vững, nhưng chỉ dừng lại ở phân tích mô tả và góc độ quản lý vĩ mô.

Tình hình nghiên cứu nước ngoài cũng đa dạng nhưng có điểm khác biệt rõ rệt. Các công trình như của Hassan Hakimian & Erhun Kula (1996) trong “Invesment and Project Appraisal,” Curry Steve & John Weiss (2000) trong “Project Analysis in Developing Countries,” hay Lumby Stephen (2003) với “Investment Appraisal and Financial decisions” [82] đều tập trung chủ yếu vào kỹ thuật phân tích lợi ích, chi phí và dòng tiền của dự án vay vốn. Jordan (2000) trong “Fundementals of Investment – Valuation and Management” [65] và Don Dayananda et al. (2002) với “Financial Appraisal of Investment Project” [67] cũng đi sâu vào thẩm định tài chính dự án đầu tư, thường là cho mục đích tối đa hóa lợi nhuận cổ đông hoặc trong lĩnh vực công cộng. Nhóm tác giả Faculty, Hyd (2011) tập trung vào "Kỹ thuật thẩm định tài chính dự án" của Ngân hàng Nhà nước Ấn Độ thông qua các chỉ tiêu như NPV, PI, DPP, NPW, BCR [86].

Contradictions/debates với ít nhất 2 opposing views: Một mâu thuẫn chính xuất hiện trong các tài liệu là giữa việc sử dụng các mô hình xếp hạng tín dụng phức tạp (như đề xuất của Trần Thị Kỳ, 2003 [23]) và thực tế khả năng áp dụng của chúng cho các DNNVV với đặc thù thiếu thông tin và môi trường kinh doanh kém ổn định. Các mô hình này, dù được xây dựng dựa trên lý thuyết và dữ liệu, thường gặp khó khăn trong việc áp dụng cho "một số doanh nghiệp sản xuất kinh doanh ở các khu vực nông nghiệp nông thôn" do sự phức tạp và thiếu phù hợp. Ngược lại, quan điểm phổ biến trong các NHTM là cần những phương pháp đơn giản, dễ triển khai để nhanh chóng đánh giá.

Một tranh luận khác là giữa thẩm định tài chính dự án đầu tư (thường tập trung vào dòng tiền, hiệu quả dự án như của Nguyễn Thị Bích Vượng, 2015 [59] hay các nghiên cứu quốc tế của Hakimian & Kula, 1996) và thẩm định NLTC của bản thân doanh nghiệp (chú trọng vào hệ số thanh khoản, cơ cấu vốn, khả năng sinh lời). Các tác giả quốc tế như Lumby Stephen (2003) và Jordan (2000) tập trung vào phân tích dự án mà "chưa đề cấp đến những biến động của môi trường kinh tế vĩ mô ảnh hưởng đến những vấn đề tài chính cần thẩm định của dự án," trong khi thẩm định NLTC doanh nghiệp lại cần xem xét tổng thể tình hình tài chính của doanh nghiệp trong bối cảnh vĩ mô.

Positioning trong literature với specific gap identified: Luận án này tự định vị là nghiên cứu điền vào khoảng trống còn tồn tại trong cả tài liệu trong nước và quốc tế. Trong khi các công trình trước đây tập trung vào thẩm định tín dụng chung, xếp hạng tín nhiệm hoặc thẩm định tài chính dự án đầu tư, luận án này khác biệt bởi sự chuyên biệt hóa vào "thẩm định NLTC DNNVV" – một đối tượng cụ thể với những đặc thù riêng, đòi hỏi cách tiếp cận riêng. Đặc biệt, luận án khắc phục điểm yếu của các nghiên cứu trước đây là thiếu các "tiêu chí định lượng trong thẩm định" NLTC DNNVV và việc "kết hợp các phương pháp trong hoạt động thẩm định" để đưa ra một bức tranh toàn diện về sức khỏe tài chính doanh nghiệp.

How this advances field với concrete contributions: Nghiên cứu thúc đẩy lĩnh vực này bằng cách cung cấp một khung lý thuyết và thực tiễn chặt chẽ hơn cho thẩm định NLTC DNNVV. Nó không chỉ hệ thống hóa lý luận về NLTC DNNVV mà còn đề xuất một bộ chỉ tiêu định lượng (như hệ số khả năng thanh toán, cân đối vốn, sinh lời) có tính khoa học cao, được bổ sung bằng "tiêu chí trung bình ngành" để so sánh. Điều này vượt ra ngoài các phương pháp so sánh đơn thuần năm sau với năm trước hiện hành tại MB. Hơn nữa, việc tích hợp các phương pháp phân tích như Dupont, SWOT và phương pháp tổng hợp vào quy trình thẩm định cho DNNVV là một tiến bộ đáng kể, nâng cao chất lượng và độ chính xác của quyết định cho vay.

So sánh với ÍT NHẤT 2 international studies: So với công trình của Hassan Hakimian & Erhun Kula (1996) và Lumby Stephen (2003) về "Investment and Project Appraisal," luận án này chuyển trọng tâm từ thẩm định hiệu quả dự án sang thẩm định tổng thể "năng lực tài chính doanh nghiệp" của DNNVV. Các công trình quốc tế thường không đi sâu vào các yếu tố vĩ mô ảnh hưởng đến tài chính doanh nghiệp, trong khi luận án này nhấn mạnh sự cần thiết của việc xem xét bối cảnh kinh tế và ngành. So với nghiên cứu của Don Dayananda et al. (2002) về "Financial Appraisal of Investment Project" hoặc Faculty, Hyd (2011) về "Financial Appraisal Techniques" vốn tập trung vào các dự án ngân sách hoặc kỹ thuật thẩm định của ngân hàng nhà nước, nghiên cứu này đặc biệt tập trung vào hoạt động cho vay và thẩm định của một NHTMCP đối với phân khúc DNNVV tư nhân, một lĩnh vực có rủi ro và yêu cầu thông tin khác biệt. Điểm khác biệt cốt lõi là luận án này giải quyết các "tiêu chí định lượng trong thẩm định" NLTC DNNVV mà các công trình trước đây thường bỏ qua hoặc chỉ tập trung vào các chỉ tiêu định lượng dự án (như NPV, IRR) thay vì chỉ số tài chính doanh nghiệp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng và thách thức các lý thuyết hiện có về thẩm định tín dụng và quản trị rủi ro tài chính, đặc biệt là trong bối cảnh các thị trường tài chính đang phát triển và phân khúc khách hàng DNNVV đầy thách thức. Nghiên cứu sâu sắc hơn vào Lý thuyết Bất cân xứng Thông tin (Akerlof, 1970) bằng cách chỉ ra các giải pháp cụ thể để giảm thiểu sự bất cân xứng này thông qua việc hoàn thiện các tiêu chí và phương pháp thẩm định NLTC. Bằng cách đề xuất các chỉ tiêu định lượng chi tiết hơn và khả năng so sánh "tiêu chí trung bình ngành," luận án giúp ngân hàng thu thập và phân tích thông tin một cách hiệu quả hơn, từ đó đưa ra quyết định cho vay chính xác hơn, giảm thiểu rủi ro lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard).

Nghiên cứu cũng bổ sung vào Lý thuyết Đại diện (Jensen & Meckling, 1976) bằng cách cung cấp các công cụ thực tiễn giúp người ủy quyền (ngân hàng) giám sát và đánh giá hiệu quả hoạt động của người đại diện (DNNVV vay vốn), đặc biệt trong việc sử dụng vốn và khả năng trả nợ. Việc đề xuất hoàn thiện quy trình và phương pháp thẩm định được kỳ vọng sẽ tăng cường cơ chế kiểm soát, từ đó giảm chi phí đại diện và tối ưu hóa lợi ích cho cả hai bên. Mặc dù không trực tiếp tạo ra một paradigm shift hoàn toàn mới, nghiên cứu này góp phần củng cố và tinh chỉnh các khung lý thuyết hiện có bằng cách áp dụng chúng vào một ngữ cảnh cụ thể và phức tạp (DNNVV ở Việt Nam), cung cấp bằng chứng thực nghiệm về tính cần thiết của các công cụ thẩm định chuyên biệt.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách độc đáo các yếu tố từ ba lĩnh vực lý thuyết chính: (1) Lý thuyết Thẩm định Tài chính Doanh nghiệp, (2) Lý thuyết Quản trị Rủi ro Tín dụng, và (3) Lý thuyết Đặc thù của DNNVV.

  • Tích hợp các lý thuyết: Thay vì chỉ dựa vào một lý thuyết đơn lẻ, nghiên cứu này kết hợp sâu sắc các nguyên tắc từ ba trụ cột trên. Nó khai thác các công cụ phân tích tài chính doanh nghiệp truyền thống (như phân tích các hệ số tài chính, phân tích dòng tiền) và bổ sung các phương pháp hiện đại hơn như Mô hình Dupont để phân tích khả năng sinh lời và Phân tích SWOT để đánh giá toàn diện các yếu tố nội tại và ngoại tại ảnh hưởng đến NLTC. Việc tích hợp này giúp vượt qua những hạn chế của các phương pháp riêng lẻ, cung cấp một cái nhìn đa chiều về "sức khỏe" tài chính của DNNVV.
  • Novel analytical approach với justification: Điểm mới trong phương pháp phân tích nằm ở việc đề xuất và áp dụng "tiêu chí trung bình cho từng ngành đối với các DNNVV trong nền kinh tế làm căn cứ cho MB đối chiếu, so sánh." Cách tiếp cận này được biện minh bởi thực tế là chỉ so sánh theo thời gian hoặc với các ngưỡng tuyệt đối không đủ để đánh giá toàn diện NLTC của DNNVV, vốn có thể bị ảnh hưởng bởi bối cảnh ngành và kinh tế vĩ mô. Bằng cách cung cấp các benchmark theo ngành, ngân hàng có thể đánh giá một DNNVV không chỉ dựa trên hiệu suất của chính nó mà còn trong mối tương quan với các đối thủ cùng ngành, từ đó đưa ra quyết định cho vay công bằng và chính xác hơn.
  • Conceptual contributions với definitions: Luận án làm rõ các khái niệm cốt lõi như "năng lực tài chính DNNVV" trong bối cảnh hoạt động cho vay, bao gồm các thành phần như hiệu quả sử dụng vốn, hệ số khả năng thanh khoản, cơ cấu vốn, hệ số sử dụng tài sản và hệ số sinh lời. Các định nghĩa này được xây dựng dựa trên sự tổng hợp lý luận và thực tiễn, đồng thời điều chỉnh để phù hợp với đặc thù của DNNVV Việt Nam và yêu cầu của hoạt động cho vay tại NHTM.
  • Boundary conditions explicitly stated: Phạm vi của các giải pháp và khung phân tích được xác định rõ ràng cho các DNNVV tại Ngân hàng Thương mại Cổ phần Quân đội (MB), trong giai đoạn nghiên cứu 2012-2016 cho dữ liệu thứ cấp và 2016-2017 cho dữ liệu sơ cấp. Điều này thừa nhận rằng các giải pháp có thể cần được điều chỉnh khi áp dụng cho các ngân hàng khác hoặc các thị trường có đặc điểm khác biệt về cấu trúc ngành, quy định pháp lý và trình độ phát triển của DNNVV.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một thiết kế nghiên cứu thực nghiệm và tổng hợp, kết hợp các phương pháp luận khác nhau để đạt được cái nhìn toàn diện về thẩm định NLTC DNNVV.

  • Research philosophy: Luận án được định hướng bởi triết lý nghiên cứu theo "chủ nghĩa duy vật biện chứng, duy vật lịch sử và phương pháp hệ thống." Điều này cho thấy một lập trường hậu thực chứng (post-positivist) hoặc hiện thực phê phán (critical realism), nơi một thực tế khách quan tồn tại nhưng sự hiểu biết của chúng ta về nó bị ảnh hưởng bởi bối cảnh và diễn giải. Việc nghiên cứu công tác thẩm định được thực hiện một cách đồng bộ, gắn với hoàn cảnh, điều kiện và các giai đoạn cụ thể, xem xét các nội dung trong mối liên hệ chặt chẽ với nhau cả về không gian và thời gian. Điều này giúp lý giải các hiện tượng không chỉ qua số liệu định lượng mà còn qua bối cảnh và diễn biến lịch sử.
  • Mixed methods với SPECIFIC combination rationale: Nghiên cứu này không hoàn toàn là mixed methods theo nghĩa sử dụng cả định lượng và định tính để trả lời cùng một câu hỏi nghiên cứu một cách bổ sung, mà là sự kết hợp của phương pháp định lượng và định tính cho các mục tiêu nghiên cứu khác nhau hoặc các giai đoạn khác nhau.
    • Định lượng: Được sử dụng để thu thập dữ liệu sơ cấp về các khía cạnh thẩm định NLTC DNNVV tại MB, các nhân tố ảnh hưởng và mức độ sử dụng các tiêu chí thẩm định từ 150 chuyên viên thẩm định thông qua bảng hỏi. "Phương pháp thống kê, mô tả" được áp dụng để phân tích thực trạng này. Dữ liệu thứ cấp từ báo cáo thường niên của ngân hàng (2012-2016) cũng được sử dụng để phân tích kết quả kinh doanh và tình hình cho vay.
    • Định tính: Được sử dụng để mô tả thực trạng thẩm định NLTC DNNVV tại MB và phân tích đặc điểm môi trường kinh doanh có ảnh hưởng đến hoạt động thẩm định. Phương pháp này cũng được áp dụng trong "phân tích 1 báo cáo thẩm định về DNVV mà MB đã thực hiện trong năm 2017," cung cấp cái nhìn sâu sắc về quy trình và thách thức cụ thể. Sự kết hợp này nhằm cung cấp một bức tranh toàn diện, từ dữ liệu khách quan của ngân hàng đến quan điểm chủ quan của chuyên viên thẩm định và các phân tích bối cảnh, phù hợp với lập trường hiện thực phê phán.
  • Multi-level design với levels clearly defined: Mặc dù không được gọi rõ ràng là "multi-level design," nghiên cứu thực hiện phân tích ở hai cấp độ: cấp độ tổ chức (MB nói chung, với dữ liệu về hoạt động kinh doanh, dư nợ, nợ xấu giai đoạn 2012-2016) và cấp độ cá nhân/quy trình (khảo sát 150 chuyên viên thẩm định và phân tích một báo cáo thẩm định cụ thể của một DNVV). Điều này cho phép phân tích thực trạng từ góc độ chiến lược toàn ngân hàng đến chi tiết nghiệp vụ hàng ngày.
  • Sample size và selection criteria EXACT: Dữ liệu sơ cấp được thu thập từ "khảo sát 150 CVTĐ tại các chi nhánh của MB" (N=150). Các tiêu chí lựa chọn mẫu là các chuyên viên thẩm định có kinh nghiệm thực tiễn trong công tác thẩm định NLTC DNNVV tại MB, đảm bảo thông tin thu thập có tính đại diện và chuyên sâu.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thiết kế để đảm bảo tính khách quan và tin cậy của kết quả.

  • Sampling strategy với inclusion/exclusion criteria: Chiến lược lấy mẫu dựa trên phương pháp chọn mẫu thuận tiện hoặc định hướng (purposive sampling) bằng cách tiếp cận "150 CVTĐ tại các chi nhánh của MB." Tiêu chí bao gồm các chuyên viên trực tiếp tham gia thẩm định NLTC DNNVV trong hoạt động cho vay, có kinh nghiệm làm việc tại MB trong giai đoạn nghiên cứu. Các chuyên viên không có kinh nghiệm hoặc không liên quan trực tiếp đến hoạt động cho vay DNNVV sẽ bị loại trừ.
  • Data collection protocols với instruments described: Dữ liệu sơ cấp được thu thập bằng "bảng hỏi (phiếu điều tra)" được thiết kế để thu thập thông tin về "thẩm định NLTC DNNVV trong ngân hàng, các nhân tố ảnh hưởng đến thẩm định NLTC DNNVV vay vốn tại ngân hàng, sự cần thiết cũng như mức độ sử dụng các tiêu chí thẩm định NLTC DNNVV." Dữ liệu thứ cấp được thu thập từ "Báo cáo thường niên của ngân hàng, thông tin từ Phòng tài chính – kế toán, Phòng quỹ…. và ngoài Ngân hàng như: Tạp chí ngân hàng, Thời báo ngân hàng, số liệu về dịch vụ ngân hàng qua Internet" trong giai đoạn 2012-2016.
  • Triangulation: Mặc dù không nêu rõ là triangulation theo nghĩa truyền thống, luận án sử dụng nhiều nguồn dữ liệu (sơ cấp từ khảo sát, thứ cấp từ báo cáo nội bộ và công khai) và phương pháp (định lượng mô tả, định tính mô tả, phân tích trường hợp điển hình) để kiểm tra và xác nhận các phát hiện. Việc so sánh kết quả khảo sát với phân tích báo cáo thẩm định thực tế của một DNVV (CTCP Lilama 3.3) là một hình thức kiểm chứng chéo (data triangulation) nhằm tăng cường độ tin cậy.
  • Validity và reliability: Tính hợp lệ của nghiên cứu được đảm bảo thông qua việc thiết kế bảng hỏi chặt chẽ, dựa trên cơ sở lý luận và các công trình nghiên cứu trước. Tính tin cậy của dữ liệu thứ cấp được chấp nhận dựa trên nguồn gốc từ các báo cáo chính thức của MB. Đối với dữ liệu sơ cấp, tính tin cậy phụ thuộc vào sự trung thực của người trả lời và thiết kế câu hỏi rõ ràng. Luận án không đề cập đến việc sử dụng các hệ số như Cronbach's Alpha (α values) để kiểm tra độ tin cậy của thang đo khảo sát, một khía cạnh có thể được cải thiện trong các nghiên cứu tiếp theo.

Data và phân tích

Phần này mô tả các đặc điểm của dữ liệu và kỹ thuật phân tích được sử dụng.

  • Sample characteristics: Dữ liệu thứ cấp từ MB bao gồm các số liệu về huy động vốn, dư nợ cho vay, cơ cấu nợ xấu, kết quả hoạt động kinh doanh của MB nói chung và khối SME nói riêng trong giai đoạn 2012-2016. Ví dụ, "dư nợ cho vay đối với DNNVV luôn chiếm một tỷ trọng cao, chiếm gần 40% dư nợ của ngân hàng trong 5 năm trở lại đây [35]." Nợ xấu của nhóm DNNVV "luôn chiếm 50% Nợ xấu của MB giai đoạn 2012 – 2016." Dữ liệu sơ cấp được thu thập từ 150 chuyên viên thẩm định. Các đặc điểm nhân khẩu học/thống kê của mẫu chuyên viên (như kinh nghiệm làm việc, trình độ học vấn) không được nêu rõ trong đoạn văn bản cung cấp, nhưng được ngụ ý là những người có kinh nghiệm thực tế.
  • Advanced techniques với software: Luận án chủ yếu sử dụng "phương pháp thống kê: lập bảng biểu, phân tích, so sánh" để phân tích thực trạng. Cụ thể hơn, nó sử dụng "phân tích mô tả" để tổng hợp kết quả khảo sát và các số liệu tài chính của MB. Mặc dù các công trình liên quan có đề cập đến "phân tích hồi quy Linear Regression Analysis thông qua việc sử dụng phần mềm SPSS 20.0" (Nguyễn Thị Bích Vượng, 2015 [59]) hoặc "mô hình kinh tế lượng" (Nghiêm Văn Bảy, 2010 [3]), luận án này không sử dụng các kỹ thuật định lượng tiên tiến như SEM (Structural Equation Modeling), multilevel modeling, hay QCA (Qualitative Comparative Analysis). Việc phân tích tập trung vào việc mô tả thực trạng và so sánh các chỉ tiêu tài chính.
  • Robustness checks với alternative specifications: Luận án không mô tả các kiểm định độ vững (robustness checks) hoặc các phân tích với các đặc điểm kỹ thuật thay thế, vốn thường được sử dụng trong các nghiên cứu định lượng phức tạp hơn để xác nhận tính ổn định của kết quả. Điều này phù hợp với bản chất phân tích mô tả của nghiên cứu.
  • Effect sizes và confidence intervals reported: Các chỉ số về độ lớn hiệu ứng (effect sizes) và khoảng tin cậy (confidence intervals) không được báo cáo, do nghiên cứu tập trung vào mô tả thực trạng và đề xuất giải pháp hơn là kiểm định mối quan hệ nhân quả hoặc các giả thuyết thống kê phức tạp. Các phát hiện chủ yếu dựa trên các tỷ lệ phần trăm, số liệu thống kê mô tả và phân tích định tính.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra một số phát hiện then chốt có ý nghĩa quan trọng, dựa trên dữ liệu thực tế và khảo sát chuyên sâu:

  1. Thực trạng thẩm định NLTC chưa toàn diện và thiếu chuẩn hóa: Phát hiện rằng các phương pháp thẩm định và hệ thống chỉ tiêu tại các ngân hàng, bao gồm cả MB, còn khác biệt và chưa đồng nhất. "Việc sử dụng các phương pháp thẩm định và xây dựng hệ thống chỉ tiêu, thang điểm, cách tính điểm ở mỗi ngân hàng khác nhau là có sự khác biệt, dẫn đến kết quả thẩm định của cùng một đối tượng có thể khác nhau." Điều này dẫn đến việc đánh giá sức khỏe tài chính DNNVV chưa thực sự toàn diện và tiềm ẩn rủi ro trong quyết định cho vay.
  2. Tỷ lệ nợ xấu DNNVV cao và ổn định: Mặc dù MB đã có những nỗ lực trong việc giảm tỷ lệ nợ xấu tổng thể, "nợ xấu của nhóm DNNVV vẫn luôn giữ ở mức cao trong cơ cấu nợ xấu của MB (luôn chiếm 50% Nợ xấu của MB giai đoạn 2012 – 2016)." Đây là một kết quả không mong muốn, cho thấy cần phải có sự can thiệp mạnh mẽ hơn vào quy trình thẩm định cho phân khúc này.
  3. Thiếu cơ sở so sánh hiệu quả (benchmarking): Hiện tại, MB chỉ tính toán các chỉ tiêu định lượng và so sánh theo thời gian (năm sau với năm trước) hoặc với các ngưỡng tuyệt đối. Tuy nhiên, luận án chỉ ra rằng cách tiếp cận này "dẫn đến tình trạng đánh giá chưa toàn diện sức khỏe tài chính của doanh nghiệp, bởi có thể chỉ tiêu nào đó của doanh nghiệp kém hơn so với năm trước nhưng do bối cảnh chung của nền kinh tế khiến cho phần lớn các doanh nghiệp trong ngành lâm vào tình trạng tương tự." Đây là một phát hiện quan trọng, nhấn mạnh sự cần thiết của việc so sánh theo ngành.
  4. Tiềm năng chưa được khai thác của các phương pháp phân tích tích hợp: Mặc dù các phương pháp như Dupont, SWOT đã tồn tại, "việc kết hợp các phương pháp trong hoạt động thẩm định lại chưa được đề cập" và áp dụng một cách có hệ thống. Điều này chỉ ra một khoảng trống trong thực tiễn và một cơ hội để nâng cao chất lượng thẩm định thông qua việc tích hợp các công cụ phân tích.
  5. Môi trường kinh doanh và thông tin bất cân xứng là nhân tố ảnh hưởng lớn: Các yếu tố từ môi trường kinh doanh và vấn đề "thông tin bất cân xứng" vẫn là những thách thức lớn đối với công tác thẩm định, đặc biệt đối với DNNVV. Kết quả khảo sát chuyên viên thẩm định đã làm rõ điều này.

Implications đa chiều

Các phát hiện từ luận án có những hàm ý sâu rộng:

  • Theoretical advances: Nghiên cứu góp phần phát triển Lý thuyết Bất cân xứng Thông tin (Akerlof, 1970) và Lý thuyết Đại diện (Jensen & Meckling, 1976) bằng cách cung cấp các bằng chứng thực nghiệm và giải pháp cụ thể để giảm thiểu các vấn đề thông tin trong thẩm định tín dụng DNNVV. Việc đề xuất "tiêu chí trung bình ngành" mở rộng khung lý thuyết về phân tích tài chính bằng cách tích hợp yếu tố so sánh ngang hàng, vốn là một thành phần quan trọng nhưng thường bị bỏ qua trong thực tiễn thẩm định tại Việt Nam.
  • Methodological innovations applicable to other contexts: Phương pháp tiếp cận tích hợp các chỉ tiêu định lượng và định tính, cùng với việc đề xuất benchmark theo ngành và sử dụng phương pháp Dupont/SWOT, có thể được áp dụng rộng rãi cho các NHTM khác tại Việt Nam và các quốc gia đang phát triển có bối cảnh DNNVV tương tự. Điều này cung cấp một khuôn mẫu cho việc "hoàn thiện phương pháp thẩm định" mà các ngân hàng khác có thể tham khảo.
  • Practical applications với specific recommendations: Luận án đưa ra các khuyến nghị cụ thể cho MB để "Hoàn thiện nội dung thẩm định," "Hoàn thiện quy trình thẩm định," "Hoàn thiện tổ chức công tác thẩm định" và "Hoàn thiện phương pháp thẩm định." Các đề xuất này bao gồm việc bổ sung chỉ tiêu, tính toán tiêu chí trung bình ngành, và tích hợp các công cụ phân tích như Dupont và SWOT. Ví dụ, việc sử dụng "tiêu chí trung bình ngành" sẽ giúp MB đưa ra quyết định cho vay khách quan hơn, giảm thiểu rủi ro nợ xấu và tăng hiệu quả sử dụng vốn.
  • Policy recommendations với implementation pathway: Nghiên cứu cũng kiến nghị với Chính phủ, Ngân hàng Nhà nước (NHNN) Việt Nam, và Hiệp hội Doanh nghiệp nhỏ và vừa Việt Nam về các chính sách hỗ trợ và khung pháp lý cần thiết. Ví dụ, kiến nghị với NHNN về việc ban hành các hướng dẫn chuẩn hóa về thẩm định NLTC DNNVV và khuyến khích các NHTM xây dựng cơ sở dữ liệu ngành để tính toán các tiêu chí trung bình. Lộ trình thực hiện bao gồm việc thí điểm các giải pháp tại MB, đánh giá hiệu quả và sau đó nhân rộng ra toàn hệ thống.
  • Generalizability conditions clearly specified: Các phát hiện và giải pháp có khả năng tổng quát hóa cao cho các NHTM khác tại Việt Nam, đặc biệt là những ngân hàng có tỷ trọng cho vay DNNVV lớn và đang đối mặt với thách thức tương tự về quản lý rủi ro tín dụng. Tuy nhiên, điều kiện tổng quát hóa cần xem xét đặc thù về quy mô, chiến lược kinh doanh và mức độ phát triển công nghệ của từng ngân hàng.

Limitations và Future Research

Nghiên cứu này, dù đạt được nhiều đóng góp quan trọng, vẫn có những hạn chế nhất định cần được thừa nhận và là cơ sở cho các hướng nghiên cứu trong tương lai.

  • 3-4 specific limitations acknowledged:

    1. Phạm vi dữ liệu: Dữ liệu thứ cấp chỉ giới hạn trong giai đoạn 2012-2016 và dữ liệu sơ cấp được thu thập trong năm 2016-2017. Điều này có thể không phản ánh đầy đủ những thay đổi nhanh chóng trong môi trường kinh tế và quy định pháp lý sau đó (ví dụ, ảnh hưởng của các nghị định mới về hỗ trợ DNNVV hoặc tác động của cuộc Cách mạng Công nghiệp 4.0 sau năm 2016).
    2. Giới hạn về mẫu khảo sát: Việc khảo sát "150 CVTĐ tại các chi nhánh của MB" mặc dù đại diện cho ngân hàng này, nhưng không thể đại diện cho toàn bộ hệ thống NHTM Việt Nam. Quan điểm của các chuyên viên có thể chịu ảnh hưởng bởi chính sách và văn hóa nội bộ của MB.
    3. Độ phức tạp của phương pháp định lượng: Luận án chủ yếu sử dụng phương pháp thống kê mô tả và định tính, chưa áp dụng các mô hình kinh tế lượng phức tạp (như hồi quy đa biến, SEM) để lượng hóa tác động của các nhân tố đến chất lượng thẩm định hoặc khả năng trả nợ của DNNVV. Điều này làm giảm khả năng xác định mối quan hệ nhân quả một cách chặt chẽ.
    4. Thiếu dữ liệu về tiêu chí trung bình ngành chi tiết: Mặc dù đề xuất "tính toán các tiêu chí trung bình cho từng ngành" là một đóng góp quan trọng, bản thân luận án chưa cung cấp một cơ sở dữ liệu ngành chi tiết và phương pháp tính toán cụ thể cho tất cả các ngành, mà mới chỉ nêu lên hướng giải pháp.

  • Boundary conditions về context/sample/time: Các giải pháp được đề xuất được tối ưu hóa cho bối cảnh của MB tại thời điểm nghiên cứu và đặc thù của DNNVV Việt Nam. Chúng có thể cần điều chỉnh khi áp dụng cho các NHTM có quy mô, cơ cấu khách hàng, hệ thống công nghệ thông tin hoặc chiến lược kinh doanh khác biệt. Thời gian nghiên cứu giới hạn cũng có thể không nắm bắt được các xu hướng dài hạn hoặc tác động của các chu kỳ kinh tế lớn.

  • Future research agenda với 4-5 concrete directions:

    1. Xây dựng và kiểm định mô hình định lượng: Phát triển và kiểm định một mô hình kinh tế lượng phức tạp hơn (ví dụ, mô hình hồi quy logistic để dự đoán rủi ro vỡ nợ của DNNVV hoặc mô hình SEM để phân tích các yếu tố ảnh hưởng đến chất lượng thẩm định) dựa trên dữ liệu lớn hơn từ nhiều ngân hàng.
    2. Nghiên cứu so sánh đa quốc gia: Thực hiện nghiên cứu so sánh về thẩm định NLTC DNNVV giữa Việt Nam và các quốc gia trong khu vực hoặc các nước có nền kinh tế tương tự (ví dụ, Malaysia hoặc Thái Lan, quốc gia đã được đề cập trong kinh nghiệm quốc tế về hệ thống thẩm định NLTC nội bộ) để rút ra bài học kinh nghiệm sâu sắc hơn.
    3. Tích hợp công nghệ mới: Nghiên cứu việc ứng dụng các công nghệ như Trí tuệ Nhân tạo (AI), Học máy (Machine Learning) và Dữ liệu lớn (Big Data) vào công tác thẩm định NLTC DNNVV để tự động hóa quy trình, nâng cao độ chính xác và giảm thời gian thẩm định, đặc biệt trong bối cảnh CMCN 4.0.
    4. Nghiên cứu về tác động của các yếu tố phi tài chính: Khám phá sâu hơn các yếu tố phi tài chính (như năng lực quản trị, uy tín của chủ doanh nghiệp, chất lượng sản phẩm, mối quan hệ với đối tác) đến NLTC và khả năng trả nợ của DNNVV, và cách tích hợp chúng vào khung thẩm định.
    5. Phát triển cơ sở dữ liệu ngành: Xây dựng một cơ sở dữ liệu tiêu chí tài chính trung bình cho các ngành kinh tế khác nhau tại Việt Nam, phục vụ cho mục đích thẩm định và đánh giá rủi ro tín dụng của các NHTM.

  • Methodological improvements suggested: Các nghiên cứu tương lai nên mở rộng quy mô mẫu khảo sát, bao gồm chuyên viên thẩm định từ nhiều NHTM khác nhau để tăng tính đại diện. Việc sử dụng các phương pháp phân tích định lượng tiên tiến hơn (như đã nêu trên) với các kiểm định độ vững và báo cáo đầy đủ về effect sizes, confidence intervals sẽ cung cấp kết quả mạnh mẽ hơn.

  • Theoretical extensions proposed: Đề xuất mở rộng Lý thuyết Bất cân xứng Thông tin bằng cách nghiên cứu cơ chế "tín hiệu" (signaling) mà các DNNVV có thể sử dụng để truyền tải thông tin về NLTC của họ một cách hiệu quả hơn cho ngân hàng. Đồng thời, nghiên cứu có thể tích hợp các yếu tố từ Lý thuyết Hành vi tài chính (Behavioral Finance) để hiểu rõ hơn về các thiên lệch trong quyết định thẩm định của chuyên viên và cách cải thiện chúng.

Tác động và ảnh hưởng

Luận án "Hoàn thiện thẩm định năng lực tài chính doanh nghiệp nhỏ và vừa trong hoạt động cho vay của Ngân hàng Thương mại Cổ phần Quân đội" mang lại tác động và ảnh hưởng đa chiều, vượt ra ngoài khuôn khổ của một nghiên cứu học thuật.

  • Academic impact với potential citations estimate: Nghiên cứu này cung cấp một khung lý thuyết và thực tiễn vững chắc cho lĩnh vực thẩm định tín dụng, đặc biệt là đối với phân khúc DNNVV đang phát triển mạnh mẽ. Nó sẽ là tài liệu tham khảo quan trọng cho các nhà nghiên cứu về tài chính ngân hàng, quản trị rủi ro và phát triển DNNVV. Các đóng góp về việc đề xuất "tiêu chí trung bình ngành" và tích hợp các phương pháp phân tích (Dupont, SWOT) vào thẩm định NLTC được kỳ vọng sẽ tạo ra khoảng 50-100 trích dẫn trong vòng 5-10 năm tới từ các luận văn, luận án và bài báo khoa học. Nghiên cứu cũng mở ra các hướng nghiên cứu mới về ứng dụng công nghệ trong thẩm định và phân tích các yếu tố phi tài chính.

  • Industry transformation với specific sectors: Các giải pháp được đề xuất có tiềm năng chuyển đổi cách các ngân hàng thương mại tiếp cận và thẩm định DNNVV. Việc hoàn thiện quy trình, nội dung và phương pháp thẩm định sẽ giúp các ngân hàng giảm thiểu rủi ro tín dụng, đặc biệt là tỷ lệ nợ xấu của DNNVV (hiện đang chiếm 50% tổng nợ xấu của MB giai đoạn 2012-2016). Điều này không chỉ cải thiện hiệu quả hoạt động của các NHTM mà còn tạo điều kiện thuận lợi hơn cho DNNVV tiếp cận nguồn vốn, thúc đẩy tăng trưởng và cạnh tranh. Các ngành như sản xuất, thương mại, dịch vụ, đặc biệt là những ngành có tỷ lệ DNNVV cao, sẽ được hưởng lợi khi khả năng tiếp cận tín dụng trở nên dễ dàng và công bằng hơn.

  • Policy influence với government levels: Các kiến nghị của luận án với Chính phủ và Ngân hàng Nhà nước Việt Nam về việc xây dựng chính sách hỗ trợ và khung pháp lý chuẩn hóa cho thẩm định NLTC DNNVV có thể ảnh hưởng đến việc ban hành các quy định mới. Ví dụ, việc khuyến nghị NHNN xây dựng "hướng dẫn chuẩn hóa về thẩm định NLTC DNNVV" và phát triển "cơ sở dữ liệu ngành" có thể dẫn đến các chính sách quốc gia nhằm tăng cường tính minh bạch và hiệu quả của hoạt động tín dụng cho DNNVV ở cấp độ vĩ mô.

  • Societal benefits quantified where possible: Bằng cách cải thiện khả năng tiếp cận tín dụng và giảm rủi ro cho vay, luận án góp phần thúc đẩy sự phát triển bền vững của DNNVV. Điều này có ý nghĩa xã hội to lớn, vì DNNVV "tạo ra hơn 1 triệu lao động mới hằng năm và đóng góp 14,8% nguồn thu ngân sách" [11], đồng thời "sử dụng tới 59,3% lao động xã hội." Một hệ thống thẩm định hiệu quả hơn sẽ giúp DNNVV phát triển ổn định, tạo thêm việc làm, tăng thu nhập cho người lao động, đóng góp vào ngân sách nhà nước và giảm bất bình đẳng thu nhập giữa các vùng.

  • International relevance với global implications: Các vấn đề về thẩm định NLTC DNNVV và quản trị rủi ro tín dụng là những thách thức chung đối với các thị trường đang phát triển trên toàn cầu. Các giải pháp và phương pháp luận của luận án, đặc biệt là việc tích hợp so sánh ngành và các công cụ phân tích đa chiều, có thể được tham khảo và điều chỉnh cho các quốc gia khác đang tìm cách hỗ trợ khu vực DNNVV của mình. Việc so sánh với các kinh nghiệm quốc tế như Moody's, S&P hoặc NHTM Đức, Malaysia trong việc xây dựng hệ thống thẩm định nội bộ cho thấy luận án có khả năng đóng góp vào kiến thức toàn cầu về tài chính vi mô và phát triển doanh nghiệp.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong hệ sinh thái tài chính và học thuật, giúp nâng cao hiệu quả và tính bền vững của hoạt động kinh tế.

  • Doctoral researchers: Luận án cung cấp một nguồn tài liệu lý luận và thực tiễn phong phú, đặc biệt trong lĩnh vực tài chính ngân hàng và quản trị rủi ro tín dụng đối với DNNVV. Các "research gap" được xác định rõ ràng và "future research agenda" chi tiết sẽ là gợi ý quý giá cho các nghiên cứu sinh khác đang tìm kiếm hướng đề tài mới. Phương pháp tiếp cận kết hợp định lượng và định tính, cùng với việc phân tích sâu thực trạng tại một ngân hàng cụ thể, cung cấp một khuôn mẫu nghiên cứu thực nghiệm vững chắc.

  • Senior academics: Các học giả cấp cao sẽ tìm thấy giá trị trong việc luận án này hệ thống hóa và làm sáng tỏ những vấn đề lý luận về thẩm định NLTC DNNVV, đặc biệt là việc mở rộng các khung lý thuyết như Lý thuyết Bất cân xứng Thông tin và Lý thuyết Đại diện trong bối cảnh cụ thể của Việt Nam. Việc đề xuất "tiêu chí trung bình ngành" và tích hợp các phương pháp phân tích tiên tiến góp phần làm phong phú thêm các giáo trình và tài liệu giảng dạy về tài chính doanh nghiệp và quản trị rủi ro.

  • Industry R&D: Các chuyên gia nghiên cứu và phát triển (R&D) trong ngành ngân hàng sẽ hưởng lợi trực tiếp từ các "practical applications" và "specific recommendations." Các giải pháp như "Hoàn thiện nội dung thẩm định," "Hoàn thiện quy trình thẩm định," "Hoàn thiện phương pháp thẩm định" và "Hoàn thiện tổ chức công tác thẩm định" cung cấp lộ trình rõ ràng để nâng cao hiệu quả hoạt động cho vay. Đặc biệt, việc đề xuất sử dụng "phương pháp Dupont, phương pháp phân tích SWOT và phương pháp tổng hợp" sẽ giúp các nhóm R&D phát triển các công cụ thẩm định mới, chính xác và toàn diện hơn.

  • Policy makers: Các nhà hoạch định chính sách tại Chính phủ và Ngân hàng Nhà nước sẽ có được "evidence-based recommendations" để xây dựng và điều chỉnh các chính sách hỗ trợ DNNVV và quản lý hoạt động tín dụng của các NHTM. Các kiến nghị về việc "Xây dựng chính sách hỗ trợ về vốn, tín dụng và đầu tư cho DNNVV" và "Xây dựng cơ chế tín dụng phù hợp với điều kiện của DNNVV" có thể được triển khai ở các cấp độ chính phủ và ngành ngân hàng để tạo ra môi trường kinh doanh thuận lợi hơn.

  • Quantify benefits where possible:

    • Đối với Ngân hàng (MB): Bằng việc giảm tỷ lệ nợ xấu của nhóm DNNVV (hiện chiếm 50% tổng nợ xấu của MB), ngân hàng có thể tiết kiệm hàng trăm tỷ đồng chi phí dự phòng rủi ro tín dụng hàng năm, đồng thời tăng lợi nhuận từ hoạt động cho vay. Việc nâng cao chất lượng thẩm định cũng giúp cải thiện danh mục tín dụng, tăng cường uy tín và năng lực cạnh tranh.
    • Đối với DNNVV: Các doanh nghiệp sẽ tiếp cận vốn dễ dàng hơn, với quy trình minh bạch và công bằng hơn, giúp họ ổn định sản xuất kinh doanh và tăng trưởng. Nếu mỗi DNNVV tiếp cận được thêm 1 tỷ đồng vốn vay và tạo ra lợi nhuận 10% từ vốn đó, hàng ngàn tỷ đồng giá trị kinh tế sẽ được tạo ra cho khu vực này.
    • Đối với Xã hội: Việc thúc đẩy DNNVV phát triển sẽ dẫn đến tạo ra hàng trăm nghìn việc làm mới mỗi năm và tăng đóng góp vào GDP quốc gia.

Câu hỏi chuyên sâu

Trả lời với CỤ THỂ CHI TIẾT:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và tinh chỉnh Lý thuyết Bất cân xứng Thông tin (Akerlof, 1970) thông qua việc đề xuất một bộ chỉ tiêu định lượng toàn diện kết hợp với việc tính toán "tiêu chí trung bình cho từng ngành đối với các DNNVV trong nền kinh tế làm căn cứ cho MB đối chiếu, so sánh." Điều này vượt ra ngoài những giải pháp truyền thống để xử lý bất cân xứng thông tin, vốn thường tập trung vào thu thập thêm thông tin hoặc các cơ chế tín hiệu/sàng lọc chung chung. Bằng cách cung cấp các benchmark ngành cụ thể, luận án tạo ra một cơ chế so sánh khách quan, giúp ngân hàng có thể đánh giá rủi ro tín dụng của một DNNVV trong mối tương quan với bối cảnh ngành của nó, ngay cả khi thông tin nội bộ của doanh nghiệp có thể hạn chế hoặc không hoàn hảo. Điều này giúp giảm thiểu rủi ro lựa chọn đối nghịch (adverse selection) một cách hệ thống hơn, một vấn đề cốt lõi của Lý thuyết Bất cân xứng Thông tin trong hoạt động cho vay.

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận đáng kể nằm ở việc đề xuất "bổ sung phương pháp phân tích mới như phương pháp Dupont, phương pháp phân tích SWOT và phương pháp tổng hợp" và quan trọng hơn là ý tưởng về "việc kết hợp các phương pháp trong hoạt động thẩm định lại chưa được đề cập" trong các công trình trước.

    • So với Trần Thị Kỳ (2003) [23]: Nghiên cứu này tập trung vào xây dựng mô hình xếp hạng tín nhiệm, sử dụng các phương pháp định lượng để đánh giá rủi ro. Tuy nhiên, mô hình của Kỳ được đánh giá là "phức tạp của mô hình và sự thiếu phù hợp đối với một số doanh nghiệp sản xuất kinh doanh ở các khu vực nông nghiệp nông thôn." Luận án hiện tại đổi mới bằng cách tích hợp các phương pháp đã được công nhận (Dupont, SWOT) vào một khung tổng hợp, giúp đơn giản hóa quá trình phân tích trong khi vẫn duy trì chiều sâu, phù hợp hơn với đặc thù DNNVV.
    • So với Nguyễn Thị Bích Vượng (2015) [59]: Nghiên cứu của Vượng sử dụng phân tích hồi quy Linear Regression Analysis và phần mềm SPSS 20.0 để đánh giá chất lượng thẩm định tài chính dự án. Mặc dù Vượng sử dụng phương pháp định lượng, trọng tâm là thẩm định dự án và các nhân tố ảnh hưởng đến chất lượng thẩm định, không phải là việc tích hợp các công cụ phân tích tài chính doanh nghiệp vào một khung đánh giá toàn diện. Luận án hiện tại cung cấp một cách tiếp cận đa diện hơn bằng cách không chỉ đánh giá các nhân tố mà còn đưa ra cách thức "kết hợp" các phương pháp phân tích cụ thể để nâng cao hiệu quả thẩm định.
    • So với các nghiên cứu quốc tế về thẩm định dự án (ví dụ, Lumby Stephen, 2003 [82]; Hassan Hakimian & Erhun Kula, 1996): Các công trình này chủ yếu tập trung vào kỹ thuật phân tích lợi ích/chi phí và dòng tiền của dự án. Luận án hiện tại sáng tạo hơn bằng cách chuyển trọng tâm sang thẩm định NLTC của bản thân doanh nghiệp và đề xuất các phương pháp phân tích cấu trúc tài chính (Dupont) và chiến lược (SWOT) để đánh giá sức khỏe toàn diện của DNNVV, vốn là điều mà các nghiên cứu về thẩm định dự án ít đề cập.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là mặc dù MB đã "góp phần giảm tỷ lệ nợ xấu của MB (năm 2016 đã giảm 7,5% so với năm 2013)," nhưng "nợ xấu của nhóm DNNVV vẫn luôn giữ ở mức cao trong cơ cấu nợ xấu của MB (luôn chiếm 50% Nợ xấu của MB giai đoạn 2012 – 2016)." Điều này cho thấy rằng, bất chấp những nỗ lực cải thiện chung, phân khúc DNNVV vẫn là điểm nghẽn lớn trong quản trị rủi ro tín dụng của ngân hàng. Sự duy trì tỷ lệ nợ xấu cao liên tục này, chiếm một nửa tổng nợ xấu của ngân hàng trong một giai đoạn dài (5 năm), nhấn mạnh một vấn đề sâu sắc hơn trong công tác thẩm định và quản lý rủi ro đối với nhóm khách hàng này, và ngụ ý rằng các phương pháp hiện hành chưa thực sự hiệu quả để giải quyết rủi ro vốn có của DNNVV.

  4. Replication protocol provided?: Luận án không cung cấp một giao thức nhân rộng (replication protocol) chi tiết theo nghĩa một bộ hướng dẫn từng bước đầy đủ cho phép một nhà nghiên cứu độc lập tái tạo chính xác nghiên cứu. Tuy nhiên, luận án mô tả khá chi tiết các bước trong phương pháp nghiên cứu, bao gồm:

    • Phương pháp luận: Chủ nghĩa duy vật biện chứng, duy vật lịch sử và phương pháp hệ thống.
    • Thu thập dữ liệu sơ cấp: Sử dụng "bảng hỏi (phiếu điều tra)" từ "150 CVTĐ tại các chi nhánh của MB," với các khía cạnh thông tin cần thu thập được liệt kê (thẩm định NLTC, nhân tố ảnh hưởng, mức độ sử dụng tiêu chí).
    • Thu thập dữ liệu thứ cấp: Từ "Báo cáo thường niên của ngân hàng, thông tin từ Phòng tài chính – kế toán, Phòng quỹ…. và ngoài Ngân hàng như: Tạp chí ngân hàng, Thời báo ngân hàng, số liệu về dịch vụ ngân hàng qua Internet" giai đoạn 2012-2016.
    • Phân tích dữ liệu: "Phương pháp thống kê: lập bảng biểu, phân tích, so sánh" và "phân tích mô tả" thực trạng. Mặc dù các công cụ cụ thể (phiếu điều tra, bảng biểu) không được cung cấp đầy đủ trong văn bản này, các thông tin về nguồn dữ liệu và phương pháp phân tích đủ chi tiết để một nhà nghiên cứu khác có thể hình dung và thiết kế một nghiên cứu tương tự trong bối cảnh khác hoặc với dữ liệu cập nhật.

  5. 10-year research agenda outlined?: Luận án không phác thảo một chương trình nghiên cứu 10 năm cụ thể. Tuy nhiên, nó đưa ra một "Future Research Agenda" với 4-5 hướng nghiên cứu cụ thể, có thể là nền tảng cho một chương trình dài hạn hơn. Các hướng này bao gồm:

    • Xây dựng và kiểm định mô hình định lượng: Một lộ trình kéo dài nhiều năm để phát triển các mô hình dự đoán rủi ro tín dụng DNNVV.
    • Nghiên cứu so sánh đa quốc gia: Liên tục mở rộng phạm vi so sánh sang các quốc gia khác để học hỏi kinh nghiệm quốc tế và tinh chỉnh phương pháp.
    • Tích hợp công nghệ mới: Nghiên cứu ứng dụng AI/Machine Learning/Big Data là một lĩnh vực phát triển nhanh chóng, đòi hỏi các dự án nghiên cứu dài hạn.
    • Nghiên cứu về tác động của các yếu tố phi tài chính: Khám phá các yếu tố định tính, phức tạp, cần nhiều nghiên cứu chuyên sâu.
    • Phát triển cơ sở dữ liệu ngành: Việc xây dựng một cơ sở dữ liệu benchmark toàn diện cho các ngành đòi hỏi sự hợp tác lâu dài và thu thập dữ liệu liên tục. Những hướng này cho thấy một tầm nhìn dài hạn cho việc tiếp tục nghiên cứu và hoàn thiện công tác thẩm định NLTC DNNVV, vốn là một lĩnh vực luôn cần được cập nhật và đổi mới theo sự phát triển của công nghệ và môi trường kinh tế.

Kết luận

Luận án này đã hoàn thành mục tiêu "Hoàn thiện thẩm định năng lực tài chính doanh nghiệp nhỏ và vừa trong hoạt động cho vay của Ngân hàng thương mại cổ phần Quân đội" bằng cách cung cấp một khung làm việc toàn diện, dựa trên cơ sở lý luận vững chắc và phân tích thực trạng sâu sắc.

  • 5-6 SPECIFIC contributions:

    1. Hệ thống hóa lý luận chuyên sâu: Làm sáng tỏ các vấn đề lý luận về thẩm định NLTC DNNVV cho cả NHTM nói chung và MB nói riêng, đặt nền móng vững chắc cho các nghiên cứu và thực hành tiếp theo.
    2. Đánh giá thực trạng toàn diện: Cung cấp bức tranh chi tiết và chính xác về thực trạng thẩm định NLTC DNNVV tại MB giai đoạn 2012-2016, bao gồm cả những thành tựu và hạn chế, dựa trên "khảo sát 150 CVTĐ" và phân tích trường hợp cụ thể.
    3. Đề xuất chỉ tiêu định lượng và benchmark ngành đột phá: Bổ sung các chỉ tiêu định lượng mới và quan trọng hơn, đề xuất tính toán "tiêu chí trung bình cho từng ngành đối với các DNNVV trong nền kinh tế làm căn cứ cho MB đối chiếu, so sánh," khắc phục hạn chế của các phương pháp so sánh hiện tại.
    4. Tích hợp phương pháp thẩm định tiên tiến: Đề xuất "bổ sung phương pháp phân tích mới như phương pháp Dupont, phương pháp phân tích SWOT và phương pháp tổng hợp," giải quyết khoảng trống trong việc kết hợp các phương pháp này trong hoạt động thẩm định.
    5. Giải pháp hoàn thiện quy trình và tổ chức công tác thẩm định: Cung cấp các giải pháp cụ thể, chi tiết về hoàn thiện nội dung, quy trình, phương pháp và tổ chức công tác thẩm định, hướng đến giảm thiểu rủi ro nợ xấu cho vay DNNVV (hiện chiếm 50% tổng nợ xấu của MB).
    6. Kiến nghị chính sách đa cấp: Đưa ra các kiến nghị cụ thể với Chính phủ, Ngân hàng Nhà nước và Hiệp hội DNNVV Việt Nam, tạo tiền đề cho việc xây dựng môi trường pháp lý và hỗ trợ tốt hơn cho DNNVV.

  • Paradigm advancement với evidence: Nghiên cứu này không trực tiếp tạo ra một paradigm shift nhưng thúc đẩy sự phát triển paradigm hiện tại trong thẩm định tín dụng từ một cách tiếp cận mang tính định tính/kinh nghiệm sang một cách tiếp cận có hệ thống, dữ liệu và phân tích chuyên sâu hơn. Bằng chứng là việc đề xuất các "tiêu chí trung bình ngành" và tích hợp các phương pháp như Dupont/SWOT, vốn đòi hỏi một sự thay đổi trong tư duy và công cụ phân tích của chuyên viên thẩm định, chuyển từ đánh giá cảm tính sang đánh giá định lượng và so sánh.

  • 3+ new research streams opened: Luận án đã mở ra nhiều hướng nghiên cứu mới, bao gồm: (1) Nghiên cứu phát triển các mô hình kinh tế lượng tiên tiến để dự đoán rủi ro tín dụng DNNVV, (2) Ứng dụng Trí tuệ Nhân tạo và Dữ liệu lớn trong tự động hóa và nâng cao độ chính xác của thẩm định, và (3) Nghiên cứu sâu hơn về các yếu tố phi tài chính và tác động của chúng đến NLTC DNNVV.

  • Global relevance với international comparison: Các vấn đề mà luận án giải quyết – thẩm định tài chính cho DNNVV trong hoạt động cho vay – là những thách thức mang tính toàn cầu, đặc biệt tại các nền kinh tế đang phát triển. Bằng cách so sánh với các kinh nghiệm quốc tế như của Moody's, S&P, và các ngân hàng ở Đức hay Malaysia, luận án đã chứng minh tính phù hợp quốc tế của mình và tiềm năng đóng góp vào các giải pháp toàn cầu.

  • Legacy measurable outcomes: Di sản của luận án có thể được đo lường thông qua: (1) Giảm tỷ lệ nợ xấu của nhóm DNNVV tại MB (đặt mục tiêu giảm từ mức 50% hiện tại xuống thấp hơn đáng kể), (2) Nâng cao hiệu quả hoạt động cho vay, có thể đo bằng tăng trưởng dư nợ cho vay DNNVV bền vững và lợi nhuận từ phân khúc này, (3) Cải thiện năng lực tiếp cận tín dụng của DNNVV, thể hiện qua số lượng và chất lượng các khoản vay được cấp, và (4) Ảnh hưởng chính sách, được đo bằng các chính sách hoặc quy định mới được ban hành dựa trên các kiến nghị của luận án.