Dự báo dòng tiền là gì?

Dự báo dòng tiền

Dự báo dòng tiền (Cash Flow Forecasting) là quá trình ước lượng có hệ thống các khoản thu chi tiền mặt của một tổ chức trong một khoảng thời gian tương lai nhất định, thường từ vài tuần đến vài năm, nhằm chủ động quản lý thanh khoản, lập kế hoạch đầu tư ngắn hạn và hạn chế rủi ro thiếu hụt tiền. Đối với ngân hàng thương mại, đây là nghiệp vụ trọng tâm trong quản trị tài sản – nợ phải trả (ALM), vì mọi biến động của dòng tiền vào từ tiền gửi khách hàng, thu nợ, thanh toán liên ngân hàng và dòng tiền ra từ cho vay, rút tiền gốc, chi trả lãi đều tác động trực tiếp đến khả năng chi trả và tuân thủ các tỷ lệ an toàn theo quy định của Ngân hàng Nhà nước.

Phân loại dự báo dòng tiền

Theo mục đích sử dụng, dự báo dòng tiền trong ngân hàng được chia thành ba nhóm chính:

• Dự báo ngắn hạn (1 đến 13 tuần): phục vụ quản lý thanh khoản hằng ngày, xác định vị thế tiền mặt tại quỹ, trạng thái trên tài khoản thanh toán tại NHNN và tài khoản ở các ngân hàng đối tác (nostro). Đây là cơ sở để ra quyết định vay/cho vay trên thị trường liên ngân hàng qua đêm và trong tuần.
• Dự báo trung hạn (3 đến 12 tháng): hỗ trợ lập kế hoạch ngân sách vốn, cân đối kỳ hạn tái định giá tài sản và nợ phải trả, dự tính nhu cầu phát hành chứng chỉ tiền gửi hoặc trái phiếu.
• Dự báo dài hạn (1 đến 5 năm): phục vụ chiến lược tăng trưởng tín dụng, kế hoạch huy động vốn dài hạn, đánh giá nhu cầu gia tăng vốn điều lệ và đáp ứng các tỷ lệ an toàn vốn theo Basel II/III mà NHNN Việt Nam đang áp dụng.

Phương pháp dự báo phổ biến

Ba phương pháp được sử dụng rộng rãi trong thực tiễn ngân hàng:

• Phương pháp trực tiếp (Direct Method): lập danh sách cụ thể từng khoản thu, từng khoản chi theo ngày dự kiến phát sinh, tổng hợp thành bảng dòng tiền ròng. Ưu điểm là độ chính xác cao đối với dự báo ngắn hạn dưới 30 ngày.
• Phương pháp gián tiếp (Indirect Method): xuất phát từ lợi nhuận ròng, điều chỉnh các khoản không dùng tiền (khấu hao, dự phòng), cộng thêm giảm tài sản lưu động và tăng nợ ngắn hạn. Phù hợp cho dự báo trung và dài hạn vì sử dụng được dữ liệu từ báo cáo tài chính.
• Phương pháp mô hình hóa (Statistical/Quantitative Models): ứng dụng các mô hình chuỗi thời gian ARIMA, mô hình VAR, mô hình hồi quy hoặc máy học để mô phỏng các biến số kinh tế vĩ mô, lãi suất, tỷ giá. Phương pháp này ngày càng phổ biến tại các ngân hàng lớn khi tích hợp dữ liệu lớn và phân tích nâng cao.

Yếu tố đầu vào cần thu thập

Để dự báo đạt độ tin cậy, bộ phận ALM và Ngân quỹ thường tổng hợp dữ liệu từ nhiều nguồn nội bộ và bên ngoài:

• Kế hoạch đáo hạn của danh mục cho vay theo từng kỳ hạn (1 tháng, 3 tháng, 6 tháng, 12 tháng, trên 12 tháng) và loại khách hàng (doanh nghiệp, cá nhân, SME).
• Lịch rút tiền gửi tiết kiệm có kỳ hạn, lịch đáo hạn của chứng chỉ tiền gửi, giấy tờ có giá đã phát hành.
• Kế hoạch giải ngân tín dụng đã cam kết nhưng chưa rút vốn (committed lines).
• Cam kết ngoại bảng: bảo lãnh, LC standby, thư tín dụng dự phòng có thể chuyển thành chi tiền.
• Dữ liệu thị trường: lãi suất liên ngân hàng, đường cong lợi suất, chỉ số VN-Index, tỷ giá USD/VND.
• Yếu tố mùa vụ: đợt trả lương Tết âm lịch (tháng 12 và tháng 1 âm), cao điểm sản xuất cuối quý III, kỳ nộp thuế doanh nghiệp.

Mối liên hệ với các tỷ lệ an toàn

Dự báo dòng tiền không phải nghiệp vụ đứng riêng mà là đầu vào trực tiếp cho việc tính toán và kiểm soát nhiều chỉ tiêu quan trọng:

• Tỷ lệ khả năng chi trả (Liquidity Coverage Ratio – LCR) theo Thông tư hướng dẫn của NHNN: dòng tiền ra 30 ngày căng thẳng phải được lập mô hình mô phỏng từ dữ liệu dòng tiền lịch sử.
• Tỷ lệ nguồn vốn ổn định ròng (Net Stable Funding Ratio – NSFR): đòi hỏi dự báo dòng tiền theo kỳ hạn đến hơn một năm.
• Giới hạn chênh lệch kỳ hạn (gap limit) giữa tài sản nhạy cảm lãi suất và nợ phải trả nhạy cảm lãi suất.
• Dòng tiền đầu tư vốn vào doanh nghiệp, góp vốn dài hạn, gia tăng tài sản cố định cũng cần được đưa vào dự báo để đảm bảo không vượt quá khả năng tài trợ của ngân hàng.

Rủi ro và hạn chế thường gặp

• Sai số do giả định hành vi khách hàng: khi lãi suất huy động tăng nhanh, khách hàng có xu hướng rút tiền gửi không kỳ hạn để chuyển sang kênh khác, làm dòng tiền ra lớn hơn dự kiến.
• Sai số do biến động tỷ giá và lãi suất đột biến: mô hình định lượng dựa trên dữ liệu lịch sử có thể bỏ qua các cú sốc mang tính cấu trúc.
• Sai số do thời vụ chưa được cập nhật đầy đủ, đặc biệt tại các chi nhánh tỉnh có chu kỳ thu hoạch nông nghiệp khác biệt.
• Giới hạn về chất lượng dữ liệu đầu vào, đặc biệt khi hệ thống core banking chưa đồng bộ giữa các chi nhánh.

Nội dung mang tính tham khảo cho người luyện thi tuyển dụng ngân hàng, không thay thế tư vấn chuyên môn về tài chính – ngân hàng.