Quản lí rủi ro toàn diện trong ngân hàng dựa trên kiến trúc dữ liệu lớn
14/09/2023 3.274 lượt xem
Tóm tắt: Trong bối cảnh hiện nay, rủi ro trong ngân hàng đến từ nhiều kênh và hệ thống khác nhau, vì thế các ngân hàng cần phải chuyển đổi từ mô hình quản lí rủi ro tín dụng đơn giản sang mô hình quản lí rủi ro toàn diện. Một số công nghệ mới cung cấp các giải pháp sáng tạo và hiệu quả cho quản lí dữ liệu, phù hợp để áp dụng trong các tình huống quản lí rủi ro yêu cầu dữ liệu chất lượng cao và phân tích dữ liệu phức tạp. Bài viết phân tích về quản lí rủi ro trong ngân hàng và giới thiệu kiến trúc dữ liệu lớn sử dụng máy chủ xử lí kết hợp cơ sở dữ liệu và hệ thống quản lí rủi ro toàn diện trong ngành Ngân hàng.
 
Từ khóa: Quản lí rủi ro toàn diện, dữ liệu lớn, kiến trúc kết hợp.
 
COMPREHENSIVE RISK MANAGEMENT IN BANKS BASED ON BIG DATA ARCHITECTURE

Abstract: Banks are transitioning from a simple credit risk management model to a comprehensive risk management model. Risks in banks originate from various channels and systems. Information technology provides an innovative and efficient solution for data management, making it highly suitable for applying in risk management situations that require high-quality data and complex data analysis. This paper analyzes risk management in banks, introduces a big data architecture utilizing combined databases processing servers and an effective comprehensive risk management system in the banking industry based on big data architecture. 
 
Keywords: Comprehensive risk management, Big Data, combined architecture.
 
1. Quản lí rủi ro trong ngân hàng ở kỉ nguyên dữ liệu lớn
 
Ngân hàng là một doanh nghiệp đặc biệt hoạt động trong lĩnh vực chứa nhiều rủi ro về tài chính. Khả năng quản lí rủi ro không chỉ trở thành một thành phần quan trọng của sự cạnh tranh tổng thể trong ngân hàng, mà còn là yếu tố chính trong sự bền vững dài hạn của nó. Việc kí kết các thỏa thuận bổ sung đặt ra các tiêu chuẩn rõ ràng cho việc giám sát ngành Ngân hàng, thúc đẩy ngân hàng chuyển từ một mô hình quản lí rủi ro tín dụng đơn giản sang mô hình quản lí rủi ro toàn diện.
 
Nền tảng của quản lí rủi ro nằm trong việc xác định và đo lường hiệu quả các rủi ro và tập trung vào đổi mới công nghệ để phát triển và sử dụng các công cụ quản lí rủi ro toàn diện. Các hệ thống quản lí rủi ro thông thường được xây dựng riêng cho các rủi ro cụ thể hoặc được nhúng trong các hệ thống kinh doanh ngân hàng. Các hệ thống quản lí rủi ro truyền thống tập trung vào việc xây dựng các biện pháp phản ứng thay vì phòng ngừa và quản lí, do đó không thể xử lí được các rủi ro đột ngột và không lường trước. Hơn nữa, có nhiều rào cản trong các hệ thống quản lí truyền thống, từ đó dẫn đến việc không thể chia sẻ và xử lí dữ liệu kịp thời.
 
Một số tổ chức, doanh nghiệp hiện tại đã chú trọng vào công nghệ dữ liệu lớn trong lĩnh vực kiểm soát rủi ro. Dịch vụ thanh toán trực tuyến PayPal sử dụng công nghệ khai thác hình ảnh trong các giao dịch trực tuyến, dữ liệu lịch sử cho mỗi ghi chú giao dịch gian lận; Công ty ZestFinance cung cấp dịch vụ đánh giá tín dụng cho 15% khách hàng Mỹ bằng cách sử dụng hơn một chục mô hình đánh giá để phân tích hàng ngàn dữ liệu nguyên thô, bao gồm dữ liệu từ bên thứ ba (như hóa đơn điện thoại, lịch sử thuê) và chính người vay. Sự phát triển của công nghệ dữ liệu lớn sẽ thay đổi các kênh, cơ chế thu thập thông tin, phân tích và ứng dụng thông tin tạo điều kiện kĩ thuật cho quản lí rủi ro. Một mặt, các kĩ thuật làm sạch dữ liệu hiệu quả và khai thác dữ liệu có thể xác định thông tin quan trọng trong quản lí rủi ro tín dụng từ lượng lớn dữ liệu được tạo ra bởi các giao dịch của khách hàng. Mặt khác, dịch vụ ngân hàng ngày càng được tích hợp với các phương tiện truyền thông xã hội và thương mại điện tử, công nghệ dữ liệu lớn có thể tích hợp thông tin có cấu trúc và không có cấu trúc được tạo ra bởi hành vi trực tuyến và ngoại tuyến của khách hàng, phá vỡ ranh giới dữ liệu và cho phép ngân hàng hình thành việc theo dõi và đánh giá hành vi theo ba chiều. Ứng dụng công nghệ dữ liệu lớn cũng sẽ cải thiện mức tự động hóa quản lí rủi ro thanh khoản của ngân hàng một cách hiệu quả và nâng cao hỗ trợ quyết định cho phân tích đo lường rủi ro thanh khoản. Sử dụng nền tảng công nghệ dữ liệu lớn có thể thực hiện hoạt động tích hợp của các hệ thống tuân thủ, kiểm soát nội bộ và quản lí rủi ro hoạt động. Công nghệ Blockchain cũng được sử dụng trong việc kiểm soát rủi ro ngân hàng.
 

Bài viết giới thiệu một hệ thống quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn. Kiến trúc này sử dụng Spark (Spark là một hệ thống xử lí dữ liệu hàng loạt có thể hoạt động đơn lẻ hoặc đóng vai trò là quản lí dữ liệu), quy trình trích xuất - tải (nạp) - xử lí, các cơ sở dữ liệu kết hợp bao gồm cơ sở dữ liệu xử lí song song quy mô lớn, cơ sở dữ liệu giao dịch và hệ thống tệp phân tán Hadoop. Hệ thống đề xuất hỗ trợ các dịch vụ quản lí rủi ro toàn diện để đạt được quản lí tài sản bảo đảm, đánh giá nội bộ, cảnh báo rủi ro sớm dựa trên Tiêu chuẩn Báo cáo tài chính quốc tế (International Financial Reporting Standard - IFRS).
 
2. Quản lí rủi ro và báo cáo tài chính trong ngân hàng
 
Trong ngành Ngân hàng, việc quản lí rủi ro toàn diện là một yếu tố quan trọng. Quản lí này bao gồm xử lí rủi ro tín dụng, rủi ro thị trường, rủi ro hoạt động, rủi ro thanh khoản và rủi ro tuân thủ. Để triển khai quản lí rủi ro toàn diện, các ngân hàng cần xây dựng một hệ thống kĩ thuật phức tạp và dài hạn, dựa trên các khái niệm quản lí rủi ro tiên tiến. Hệ thống này liên quan đến các khía cạnh như chiến lược phát triển, quản trị doanh nghiệp, cơ cấu tổ chức, quy trình quản lí, hệ thống thông tin và văn hóa doanh nghiệp. Trong đó, sự toàn diện của quản lí rủi ro được thể hiện chủ yếu trong việc xử lí các rủi ro khác nhau như rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động.
 
Đối với quản lí rủi ro toàn diện, các ngân hàng cần phát triển chiến lược phòng, ngừa rủi ro khi xây dựng chiến lược phát triển, kế hoạch kinh doanh và đánh giá hiệu suất quản lí. Ngoài ra, cần thiết lập các quy trình quản lí rủi ro phù hợp với nhu cầu phát triển và yêu cầu quy định của từng hoạt động kinh doanh. Đồng thời, các ngân hàng cần nâng cao khả năng hỗ trợ kĩ thuật và cải thiện khung quản trị dữ liệu để đảm bảo quản lí rủi ro và quản lí vốn hiệu quả.
 
Một khía cạnh quan trọng trong quản lí rủi ro của ngân hàng là quản lí tài sản bảo đảm. Quản lí này bao gồm giám sát và quản lí toàn bộ quy trình liên quan đến tài sản được thu hồi của ngân hàng, bao gồm quản lí tài sản bảo đảm, quản lí đăng kí và giấy tờ bảo lãnh, quản lí định giá, quản lí tổ chức bên thứ ba, cảnh báo rủi ro, quản lí báo cáo và quản lí hệ thống.
 
Đánh giá nội bộ là một phần quan trọng trong hệ thống quản lí rủi ro tín dụng của ngân hàng. Đánh giá này bao gồm việc xác định rủi ro, đo lường rủi ro và áp dụng đánh giá nội bộ. Xác định rủi ro dựa trên việc phân loại tài khoản ngân hàng, bao gồm công ty, ngân hàng, chủ quyền, vốn chủ sở hữu, bán lẻ và các ngành khác. Đo lường rủi ro bao gồm đánh giá khách hàng và đánh giá nợ. Ứng dụng đánh giá nội bộ được chia thành đánh giá nội bộ không bán lẻ và đánh giá nội bộ bán lẻ. Đánh giá nội bộ không bán lẻ đòi hỏi nhiều điều chỉnh và tính toán với sự phân chia rủi ro nhiều mô hình và luồng logic phức tạp. Đánh giá nội bộ bán lẻ có sự biến động lớn trong quy mô sản phẩm với nhiều phương pháp chống gian lận và chính sách kiểm soát thường xuyên được cập nhật. Với sự phát triển của Internet, các mô hình kiểm soát rủi ro tín dụng bán lẻ cần phải nhanh chóng thích ứng với yêu cầu của nền kinh tế. Do đó, ứng dụng đánh giá nội bộ cần hỗ trợ thu thập, xử lí dữ liệu đa dạng; các quy trình ứng dụng đánh giá nội bộ linh hoạt, cung cấp các báo cáo đánh giá nội bộ và quan điểm rủi ro đa dạng của khách hàng.
 
Cảnh báo rủi ro là một hoạt động quan trọng trong quản lí rủi ro của ngân hàng. Cảnh báo này liên quan đến việc xem xét tình hình tài chính của công ty, hành vi tài khoản, thông tin tín dụng và các thông tin chất lượng khác. Sau đó, phân tích khả năng thanh toán nợ thời gian thực của ngân hàng, điều kiện hoạt động, lợi nhuận và khả năng tăng trưởng để đảm bảo khả năng thanh toán nợ tương ứng hoặc cải thiện so với thời gian đặt trước khi cho vay. Đối với các doanh nghiệp có khả năng thanh toán đang giảm, ngân hàng cần áp dụng các biện pháp tương ứng theo mức độ của các chỉ số cảnh báo để giảm và loại bỏ các rủi ro tiềm năng từ khách hàng. Do đó, việc thu thập dữ liệu cơ bản về khách hàng và doanh nghiệp là cần thiết để hình thành một hệ thống chỉ số với việc sử dụng quy tắc giám sát thời gian thực.
 
Kết hợp rủi ro là một phần quan trọng trong quản lí rủi ro của ngân hàng. Kết hợp rủi ro chủ yếu bao gồm đo lường vốn kinh tế, đo lường rủi ro và thu nhập, đo lường rủi ro tập trung, bảng điều khiển rủi ro, báo cáo kết hợp rủi ro, phân tích kết hợp giá trị, lập kế hoạch hạn chế và phân bổ tối ưu lợi ích rủi ro, giám sát tập trung, cảnh báo rủi ro và kiểm tra căng thẳng. Kiểm tra căng thẳng toàn diện bao gồm tất cả các rủi ro chính và các lĩnh vực kinh doanh. Nó xem xét tương tác, hiệu ứng phản hồi của các hoạt động kinh doanh khác nhau và mối quan hệ phi tuyến tính có thể có giữa yếu tố rủi ro và các chỉ số áp lực. Kiểm tra căng thẳng phản ánh tổng thể hồ sơ rủi ro của ngân hàng và các nhóm khách hàng.
 
Tiêu chuẩn IFRS được ban hành bởi Hội đồng tiêu chuẩn kế toán quốc tế (International Accounting Standards Board - IASB) và đóng vai trò quan trọng trong quản lí rủi ro của ngân hàng. IFRS đề cập đến chức năng kế toán cho các công cụ tài chính, bao gồm ba chủ đề chính là phân loại và đo lường các công cụ tài chính, sự suy yếu của tài sản tài chính và kế toán rủi ro chống đỡ. Tầng đo lường của IFRS bao gồm quy tắc quyết định phân loại, công cụ suy yếu, công cụ định giá và kế toán. Quy tắc quyết định phân loại tiếp cận dữ liệu giao dịch nguồn cấp trên thị trường để xác định cách phân loại công cụ tài chính. Công cụ suy yếu mô tả cách đo lường công cụ tài chính khi chúng không còn khả năng phục hồi giá trị. Công cụ định giá mô tả cách xác định giá trị công cụ tài chính trong trường hợp không có dữ liệu thị trường hoặc thị trường không hoạt động hiệu quả. Kế toán rủi ro chống đỡ đề cập đến cách đánh giá rủi ro của ngân hàng và cách giảm rủi ro thông qua hệ thống tài chính.
 
Trong tổng thể, việc quản lí rủi ro và báo cáo tài chính trong ngành Ngân hàng đòi hỏi các ngân hàng phải áp dụng tiêu chuẩn quản lí rủi ro tiên tiến như IFRS, xây dựng hệ thống quản lí rủi ro toàn diện, cung cấp cảnh báo rủi ro và đánh giá nội bộ hiệu quả, quản lí tài sản đảm bảo một cách chính xác.
 
3. Kiến trúc dữ liệu lớn cho ngân hàng
 
Phần này sẽ đề xuất một kiến trúc dữ liệu lớn cho ngân hàng, bao gồm các công cụ và cơ sở dữ liệu được xử lí kết hợp dựa trên phân tích dữ liệu rủi ro.
 
3.1. Phân tích dữ liệu rủi ro
 
Nội dung thu thập: Dữ liệu rủi ro bao gồm cả dữ liệu có cấu trúc và không có cấu trúc. Dữ liệu có cấu trúc được lưu trữ trong các hệ thống kinh doanh chung và có thể được tải trực tiếp vào kho dữ liệu. Dữ liệu không có cấu trúc, như thông tin về hoạt động kinh doanh cần được xử lí đặc biệt để khai thác tri thức. Cả hai loại dữ liệu này đều chứa thông tin tài chính như thông tin cơ bản, lưu thông tài khoản, phân loại rửa tiền và các thông tin khác như sở thích, hành vi, ghi chú vị trí... 
 
Nguồn thu thập: Dữ liệu được thu thập từ các nguồn nội bộ và ngoại vi. Đối với dữ liệu nội bộ, thông tin cần thiết cho quản lí rủi ro được lấy từ các hệ thống kinh doanh khác nhau trong ngân hàng. Đối với dữ liệu ngoại vi, dữ liệu rủi ro được thu thập từ các nền tảng Internet, các cơ quan chính phủ hoặc các cơ quan bên thứ ba (ví dụ như các nhà khai thác viễn thông, cơ quan thông tin tín dụng...).
 
Phương pháp thu thập: Đối với dữ liệu nội bộ, dữ liệu được tải xuống từ các hệ thống kinh doanh và sau đó được tải vào kho dữ liệu rủi ro sau quá trình trích xuất - chuyển đổi - tải (nạp). Đối với dữ liệu ngoại vi, dữ liệu có cấu trúc có thể được đưa trực tiếp vào bằng cách sử dụng Spark dựa trên các công cụ xử lí dữ liệu không có cấu trúc, trong khi dữ liệu không có cấu trúc cần trải qua phân tích văn bản hoặc hình ảnh để xử lí. Do đó, dựa trên tính phức tạp của dữ liệu, các ngân hàng đề xuất sử dụng công nghệ dữ liệu lớn để xử lí quản lí rủi ro toàn diện.
 
3.2. Kiến trúc dữ liệu đồng thời và lưu trữ đám mây trong ngân hàng
 
Các công cụ xử lí dữ liệu lớn phổ biến hiện nay bao gồm khung xử lí theo lô, khung xử lí luồng và khung xử lí kết hợp. Trong số đó, Apache Hadoop có thể được coi là một khung xử lí sử dụng MapReduce làm công cụ xử lí mặc định. Các công cụ và khung xử lí thường có thể được sử dụng thay thế hoặc kết hợp. Ví dụ, Apache Spark là một khung xử lí khác có thể tích hợp với Hadoop và thay thế MapReduce. Tính tương tác giữa các thành phần này là một trong những lí do tại sao hệ thống dữ liệu lớn rất linh hoạt. Kiến trúc dữ liệu lớn trong ngân hàng sẽ dựa trên hệ sinh thái Hadoop và sử dụng công cụ Spark để xử lí các nhiệm vụ thời gian thực và tính toán theo lô, cùng với các công cụ trích xuất - chuyển đổi - tải (nạp) cho kho dữ liệu.
 
- Cơ sở dữ liệu: Với việc tăng lượng dữ liệu trong các ngân hàng, tốc độ phân tích và xử lí dữ liệu đang tăng đáng kể, các cơ sở dữ liệu giao dịch truyền thống không còn đáp ứng được nhu cầu và gây trở ngại cho sự phát triển kinh doanh. Cơ sở dữ liệu xử lí đồng thời quy mô lớn áp dụng kiến trúc phân tán. Mỗi nút dữ liệu trong các cụm cơ sở dữ liệu tận dụng tài nguyên phần cứng riêng để đạt được mục tiêu chia sẻ nhiệm vụ song song. Đây là nền tảng tính toán dữ liệu phổ quát và có hiệu suất cao, khả năng sẵn có và mở rộng cao cho việc quản lí dữ liệu quy mô lớn trong ngân hàng. Cơ sở dữ liệu xử lí đồng thời quy mô lớn đạt được các lợi ích sau từ việc triển khai phần cứng và phát triển phần mềm:
 
- Chi phí phần cứng thấp và khả năng mở rộng cao: Sử dụng các máy chủ với kiến trúc X86 không đòi hỏi máy chủ UNIX đắt tiền. Nó có cách vận hành và bảo trì đơn giản, đồng thời hỗ trợ mở rộng trực tuyến.
 
- Lưu trữ theo cột và tính toán song song: Công nghệ xử lí phân tán song song dựa trên lưu trữ theo cột giúp tránh hạn chế hiệu suất và sự cố điểm duy nhất. Mỗi nút có thể hỗ trợ 100TB dữ liệu gốc. Các nút trong cụm chia sẻ tự do, với khả năng tính toán ngang hàng và có thể hỗ trợ việc lưu trữ và tính toán lên đến 10PB dữ liệu.
 
- Lưu trữ nén hiệu quả: Sử dụng chiến lược phân phối dữ liệu theo hàm băm hoặc ngẫu nhiên để giảm không gian lưu trữ và cải thiện hiệu suất I/O tương ứng. Nó hỗ trợ nén cấp độ thể hiện, cấp độ thư viện và cấp độ bảng.
 
- Chỉ mục thông minh: Với công nghệ chỉ mục thông minh, tỉ lệ mở rộng chỉ mục không vượt quá 1%. So với các chỉ mục truyền thống, không gian chỉ mục mới này được tiết kiệm đáng kể. Chỉ mục thông minh bao gồm thống kê dựa trên cột, có thể được sử dụng trực tiếp trong quá trình truy xuất và xác định dữ liệu, đồng thời lọc dữ liệu hiệu quả, giảm đáng kể việc đọc/ghi đĩa của cơ sở dữ liệu.
 
- Cơ chế dự phòng: Sử dụng cơ chế dự phòng để đảm bảo tính sẵn có cao của cụm. Đồng bộ hóa tự động có thể được thực hiện giữa các dữ liệu mảnh vỡ cung cấp lẫn nhau. Qua bản sao, xử lí đồng thời quy mô lớn cung cấp bảo vệ dự phòng, phát hiện và quản lí lỗi tự động và đồng bộ hóa tự động dữ liệu về siêu dữ liệu và dữ liệu dịch vụ.
 
Do đó, kiến trúc dữ liệu lớn trong các ngân hàng lựa chọn cơ sở dữ liệu xử lí đồng thời quy mô lớn để lưu trữ dữ liệu khổng lồ và cơ sở dữ liệu giao dịch cho các ứng dụng vận hành.
 
Kiến trúc dữ liệu lớn dựa trên hệ sinh thái Hadoop, bao gồm cơ sở dữ liệu giao dịch, cơ sở dữ liệu xử lí đồng thời quy mô lớn và hệ thống tệp phân tán Hadoop. Các cơ sở dữ liệu giao dịch được sử dụng để thực hiện xử lí giao dịch trực tuyến để xử lí dữ liệu kinh doanh trực tuyến và các cơ sở dữ liệu xử lí đồng thời quy mô lớn xử lí dữ liệu có cấu trúc có mật độ giá trị cao. Kiến trúc dữ liệu lớn trong ngân hàng được chia thành các lớp truy cập dữ liệu, lớp trao đổi dữ liệu, lớp dịch vụ dữ liệu và lớp ứng dụng dữ liệu:
 
- Lớp truy cập dữ liệu: Truy cập vào dữ liệu nội bộ và ngoại vi của ngân hàng. Dữ liệu nội bộ bao gồm dữ liệu giao dịch từ các hệ thống kinh doanh chính (như hệ thống lõi, hệ thống cho vay), dữ liệu hình ảnh (như thông tin doanh nghiệp), nhật kí hệ thống... Dữ liệu ngoại vi bao gồm các dữ liệu từ các cơ quan chính phủ và cơ quan quản lí... Hiện nay, thông thường có một số dữ liệu Blockchain tài chính được truy cập vào kiến trúc dữ liệu của ngân hàng.
 
- Lớp trao đổi dữ liệu: Trao đổi dữ liệu nhằm mục đích trao đổi hai chiều từ các hệ thống kinh doanh, điểm giao dịch ngân hàng và các hệ thống bên ngoài. Các hệ thống kinh doanh bao gồm dữ liệu giao dịch thô được tạo ra bởi các hệ thống kinh doanh và đồng thời, dữ liệu như dữ liệu mô hình, chỉ số và dữ liệu thị trường đã được tinh luyện bởi nền tảng cơ bản được cung cấp cho từng hệ thống kinh doanh và hỗ trợ các hoạt động kinh doanh. Lớp trao đổi dữ liệu phân phối dữ liệu như dữ liệu mô hình, chỉ số được trích xuất từ nền tảng dữ liệu cơ bản đến các điểm giao dịch để hỗ trợ phân tích kinh doanh cá nhân hóa và cũng truy cập vào dữ liệu cá nhân hóa của từng điểm giao dịch ngân hàng. Các hệ thống bên ngoài đóng vai trò quan trọng bổ sung dữ liệu trong hệ thống bằng cách truy cập dữ liệu từ các ngành công nghiệp bên ngoài khác nhau. Nó cũng cung cấp khả năng thực hiện dữ liệu và dịch vụ dữ liệu.
 
- Lớp dịch vụ dữ liệu bao gồm ba loại cơ sở dữ liệu: Xử lí đồng thời quy mô lớn, cơ sở dữ liệu giao dịch và hệ thống tệp phân tán Hadoop. Hai khu vực lưu trữ dữ liệu quan trọng là khu vực dữ liệu có cấu trúc và khu vực dữ liệu không có cấu trúc. Dữ liệu có cấu trúc là dữ liệu hàng dọc và giá trị được lưu trữ trong cơ sở dữ liệu. Hầu hết các dữ liệu nội bộ trong ngân hàng là dữ liệu có cấu trúc. Khu vực dữ liệu có cấu trúc của ngân hàng bao gồm khu vực nguồn gốc dữ liệu, khu vực chủ đề dữ liệu và khu vực tổng hợp dữ liệu. Việc xử lí khu vực dữ liệu có cấu trúc sử dụng cơ sở dữ liệu xử lí đồng thời quy mô lớn, chủ yếu xử lí dữ liệu trong tương lai gần, trung bình và xa. Thông qua xử lí hiệu quả của cơ sở dữ liệu xử lí đồng thời quy mô lớn, dữ liệu giao dịch được đẩy định kì vào lớp ứng dụng dữ liệu để cung cấp tính toán nhanh. Việc xử lí khu vực dữ liệu không có cấu trúc và khu vực dữ liệu có cấu trúc là khác nhau. Qua việc thiết lập nền tảng dữ liệu lớn (cụm Hadoop và cụm Spark, trong đó Hadoop chịu trách nhiệm cho các dịch vụ phân tích ngoại tuyến và Spark chịu trách nhiệm cho các dịch vụ tiền xử lí dữ liệu), các tình huống thu thập và xử lí dữ liệu thời gian thực có thể được giải quyết. Khu vực dữ liệu không có cấu trúc xử lí dữ liệu và đẩy dữ liệu tính toán vào cơ sở dữ liệu giao dịch của lớp ứng dụng dữ liệu, chẳng hạn như giá trị ròng quỹ, thông tin thay đổi số tiền lớn và các thông tin tương tự.
 
- Lớp ứng dụng dữ liệu: Đóng vai trò quan trọng trong việc sử dụng giao diện lớp dịch vụ dữ liệu để xây dựng hệ thống ứng dụng phân tích dữ liệu. Được hỗ trợ bởi các tập chỉ số đầy đủ và dữ liệu tóm tắt tổng quát, lớp ứng dụng tăng cường khả năng tự phục vụ của các công cụ kinh doanh thông minh, phân tích đa chiều và khai thác dữ liệu.
 
Nền tảng kho dữ liệu doanh nghiệp dựa trên xử lí đồng thời quy mô lớn là trụ cột quan trọng trong việc xử lí có cấu trúc và dựa trên rủi ro. Đây là một hệ thống cung cấp dịch vụ dựa trên kiến trúc dữ liệu lớn. 
 
Hạ tầng máy chủ hỗ trợ khả năng mở rộng ngang của hệ thống, bao gồm cơ sở dữ liệu xử lí đồng thời quy mô lớn và nền tảng Hadoop. Các thành phần bao gồm quản lí siêu dữ liệu, giám sát và lập lịch thống nhất, dịch vụ trích xuất - chuyển đổi - tải (nạp), trao đổi tệp hàng loạt, trao đổi dữ liệu thời gian thực và nền tảng quản lí chất lượng dữ liệu. Truy cập dữ liệu được sử dụng để kiểm soát an ninh và chuẩn hóa của kho dữ liệu, cung cấp truy cập thông qua dịch vụ web hoặc API.
 
Lớp trao đổi dữ liệu xử lí cả dữ liệu nội bộ và dữ liệu từ bên ngoài, bao gồm cả dữ liệu có cấu trúc và dữ liệu không có cấu trúc. Cơ sở dữ liệu xử lí đồng thời quy mô lớn được sử dụng để xử lí dữ liệu gần đây và trung hạn, bao gồm các mô hình dữ liệu tiêu chuẩn, mô hình dữ liệu cơ bản, mô hình dữ liệu phân tích và mô hình dữ liệu chỉ mục. Khu vực dữ liệu không có cấu trúc được xử lí khác với khu vực dữ liệu có cấu trúc thông qua Spark. Khu vực lưu trữ dữ liệu chứa dữ liệu đã được lưu trữ cho tất cả các khu vực và cung cấp dịch vụ truy vấn dữ liệu lưu trữ bằng Spark.
 
4. Hệ thống quản lí rủi ro tài chính toàn diện trong ngân hàng dựa trên kiến trúc dữ liệu lớn
 
4.1. Thiết kế hệ thống

Phần này trình bày về triển khai hệ thống quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn. Đây là sự kết nối của nhiều hệ thống kinh doanh với mục tiêu đạt được dữ liệu thống nhất. Hệ thống tập trung vào việc hỗ trợ khả năng ứng dụng dữ liệu từ các nguồn nội bộ và ngoại vi, khả năng xử lí dữ liệu thời gian thực và khả năng áp dụng mô hình học máy. Nó chủ yếu sử dụng việc lưu trữ dữ liệu linh hoạt dựa trên kịch bản.
 
Trong lớp truy cập dữ liệu và lớp trao đổi dữ liệu, Spark và trích xuất - chuyển đổi - tải (nạp) được sử dụng chủ yếu để thu thập và trao đổi dữ liệu, bao gồm cả thu thập dữ liệu hàng loạt và dữ liệu thời gian thực. Sau đó, chúng được nâng cấp thành một nền tảng thu thập dữ liệu toàn diện để tách rời hệ thống nguồn dữ liệu và các nền tảng dữ liệu lớn. Dữ liệu rủi ro từ các hệ thống kinh doanh được thu thập bằng cách sử dụng trích xuất - chuyển đổi - tải (nạp) đến cơ sở dữ liệu xử lí đồng thời quy mô lớn. Tiếp theo, dữ liệu không có cấu trúc được thu thập vào hệ thống tệp phân tán Hadoop thông qua xử lí Spark.
 
Trong lớp dịch vụ dữ liệu, các nhiệm vụ quản lí rủi ro như lưu trữ dữ liệu, khai thác giá trị và phát hiện rủi ro thời gian thực được xử lí. Đây là lớp cốt lõi của nền tảng dữ liệu lớn, cung cấp khả năng tính toán mạnh mẽ và khả năng xử lí dòng dữ liệu, đồng thời lưu trữ và mô hình hóa dữ liệu ngoại vi và dữ liệu theo yêu cầu.
 
Lớp ứng dụng dữ liệu chủ yếu được sử dụng cho dịch vụ tương tác giữa các ứng dụng rủi ro và các nền tảng dữ liệu lớn, sau đó được nâng cấp thành một nền tảng dịch vụ dữ liệu toàn diện để tách rời giữa các ứng dụng phía dưới và các nền tảng dữ liệu lớn. Trong khung đó, cảnh báo rủi ro thời gian thực được tính toán trong nền tảng điện toán dòng chảy. Các phần dưới cùng bao gồm quản lí dữ liệu, quản lí lập lịch, quản lí nhật kí và các công nghệ hoặc nền tảng thống nhất trên toàn ngân hàng.
 
4.2. Các khả năng ứng dụng
 
Kiểm soát quy trình cho vay: Quy trình kiểm soát cho vay được thực hiện qua ba giai đoạn: Trước khi cho vay, trong quá trình cho vay và sau khi cho vay. Giai đoạn trước khi cho vay sử dụng module khai thác dữ liệu trong lớp dịch vụ dữ liệu để tìm kiếm khách hàng chất lượng cao đáp ứng các điều kiện vay. Trong quá trình cho vay, dữ liệu giao dịch, thông tin cơ bản và thông tin khách hàng được lưu vào hệ thống nền tảng kho dữ liệu doanh nghiệp có thể được phân tích, sử dụng sau này. Hệ thống cập nhật thông tin xét duyệt vay theo thời gian thực và cảnh báo kịp thời về các thông tin bất thường của khách hàng. Cuối cùng, trong giai đoạn sau khi cho vay, hệ thống tự động tạo ra báo cáo theo dõi, theo dõi mức độ rủi ro của khách hàng, rủi ro tài sản thế chấp và định giá tài sản thế chấp dựa trên nền tảng xử lí dữ liệu hàng loạt và nền tảng điện toán dòng chảy. Các chỉ số quan trọng được truy xuất từ kho dữ liệu rủi ro trong hệ thống nền tảng kho dữ liệu doanh nghiệp.
 
Cảnh báo rủi ro khách hàng doanh nghiệp: Trong chế độ truyền thống, việc giám sát rủi ro của khách hàng doanh nghiệp chủ yếu dựa vào việc chăm sóc khách hàng, đánh giá công chúng về doanh nghiệp, thông tin vụ án, phân tích báo cáo hằng năm và thông tin rủi ro của doanh nghiệp. Tuy nhiên, việc xác định và cảnh báo rủi ro thường bị trễ do thời gian xử lí ngắn, chi phí cao và độ chính xác thấp, dẫn đến việc không thể nhận biết rủi ro kịp thời hoặc bỏ sót rủi ro. Do đó, kiến trúc dữ liệu lớn được đề xuất sử dụng để thực hiện quy trình cảnh báo rủi ro khách hàng doanh nghiệp.
 
Đầu tiên, hệ thống trao đổi toàn bộ dữ liệu vòng đời như thông tin cơ bản về doanh nghiệp, thông tin rủi ro và thông tin đánh giá công chúng để tối đa hóa phạm vi thông tin liên quan đến doanh nghiệp. Thứ hai, hệ thống thống nhất dữ liệu nội và ngoại, làm sạch và chuẩn hóa dữ liệu, cung cấp dịch vụ tương thích thông qua việc tích hợp dữ liệu bằng công cụ trích xuất - chuyển đổi - tải (nạp). Sau đó, dữ liệu được mô hình hóa thành các kho dữ liệu rủi ro theo đặc điểm của doanh nghiệp, bao gồm mô hình tín dụng và mô hình xếp hạng tín dụng.
 
5. Kết luận và đánh giá
 
Thay vì sử dụng các ứng dụng đơn lẻ như hệ thống quản lí tài sản thế chấp, hệ thống đánh giá nội bộ, hệ thống cảnh báo rủi ro tài chính và những hệ thống tương tự, nền tảng quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn mang lại nhiều lợi ích hơn như:
 
- Hệ thống quản lí tài sản thế chấp: Trong khi các nền tảng truyền thống tập trung vào việc quản lí tài sản thế chấp một cách riêng lẻ, hệ thống quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn cung cấp một phạm vi rộng hơn bao gồm các khía cạnh khác như đánh giá rủi ro và cảnh báo.
 
- Hệ thống đánh giá nội bộ: Các nền tảng truyền thống thường hỗ trợ hệ thống đánh giá nội bộ riêng biệt, trong khi hệ thống quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn tích hợp đánh giá nội bộ vào mô hình của nó, giúp tăng cường khả năng đánh giá và quản lí rủi ro.
 
- Hệ thống cảnh báo rủi ro tài chính: Các nền tảng truyền thống thường cung cấp các cảnh báo rủi ro riêng lẻ, trong khi hệ thống quản lí rủi ro toàn diện dựa trên kiến trúc dữ liệu lớn tích hợp các cảnh báo sớm vào hệ thống chung, giúp phát hiện rủi ro một cách nhanh chóng và hiệu quả hơn.
 
Bằng việc kết hợp các tính năng và khả năng của các nền tảng truyền thống vào một hệ thống duy nhất dựa trên kiến trúc dữ liệu lớn, hệ thống quản lí rủi ro toàn diện đem lại nhiều lợi ích. Nó cung cấp phạm vi rộng hơn, tích hợp thông tin từ nhiều nguồn và cung cấp các công cụ hiệu quả để quản lí, đánh giá và cảnh báo rủi ro. Điều này giúp cải thiện khả năng phát hiện và ứng phó với rủi ro, đồng thời tăng cường hiệu quả và hiệu suất của quá trình quản lí rủi ro.
 
Tài liệu tham khảo:
 
1. S. Ma et al., (2018), “Banking Comprehensive Risk Management System Based on Big Data Architecture of Hybrid Processing Engines and Databases”.
2. Hofbauer, Gunter, Monika Klimontowicz, and Aleksandra Nocon (2017), “The changes in capital structure of selected banking markets as a result of new regulations.” European Financial Systems 2017.
3. Tang, Yayuan, et al (2018), “Relevant Feedback Based Accurate and Intelligent Retrieval on Capturing User Intention for Personalized Websites.” IEEE Access 6.
4. Ren, Lei, et al (2018), “Prediction of Bearing Remaining Useful Life With Deep Convolution Neural Network.” IEEE Access 6. 
5. Guo, Longhua, et al (2017), “A secure mechanism for big data collection in large scale Internet of vehicle.” IEEE Internet of Things Journal 4.2.
6. Ota, Kaoru, et al (2017), “Deep learning for mobile multimedia: A survey.” ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM).
7. Su, Fei, et al (2017). “A Survey on Big Data Analytics Technologies.” International Conference on 5G for Future Wireless Networks. Springer, Cham.
8. Kiron, David (2017), “Lessons from becoming a data-driven organization.” MIT Sloan Management Review 58.2.
9. Chaonian Guo, Shenglan Ma, Hao Wang, Shuhan Cheng, Tongsen Wang (2018), “LoC: Poverty Alleviation Loan Management System based on Smart Contracts.” The 2018 IEEE International Conference on Blockchain.
10. Shenglan Ma, Hao Wang, HongNing Dai, Shuhan Cheng, Ruihua Yi, Tongsen Wang (2018), “A Blockchain-based Risk and Information System Control Framework.” The 3rd IEEE Cyber Science and Technology Congress.

ThS. Đỗ Thị Diệu Thu
Trường Đại học Công nghệ Thông tin và Truyền thông, Đại học Thái Nguyên

Bình luận Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu
Đóng lại ok
Bình luận của bạn chờ kiểm duyệt từ Ban biên tập
Thực tiễn báo cáo ESG của hệ thống ngân hàng Việt Nam
Thực tiễn báo cáo ESG của hệ thống ngân hàng Việt Nam
06/05/2024 257 lượt xem
Bài viết này đánh giá thực trạng ngân hàng trong việc thực thi phát triển bền vững và công bố báo cáo ESG (môi trường, xã hội, quản trị), từ đó, đưa ra một số khuyến nghị điều chỉnh để hệ thống ngân hàng Việt Nam thực hiện nhiệm vụ được Chính phủ giao trong hành trình thực hiện cam kết phát thải ròng bằng "0" vào năm 2050 của Việt Nam.
Dự đoán rủi ro tín dụng sử dụng học sâu
Dự đoán rủi ro tín dụng sử dụng học sâu
03/05/2024 375 lượt xem
Việc đánh giá và dự đoán khả năng trả nợ của khách hàng là rất quan trọng để ngân hàng giảm thiểu rủi ro. Vì lí do này, các ngân hàng thường xây dựng hệ thống xử lí yêu cầu cho vay dựa trên tình trạng của khách hàng, chẳng hạn như tình trạng việc làm, lịch sử tín dụng...
Tăng cường thực hiện trách nhiệm xã hội tại các ngân hàng thương mại Việt Nam
Tăng cường thực hiện trách nhiệm xã hội tại các ngân hàng thương mại Việt Nam
01/05/2024 426 lượt xem
Một mục tiêu quan trọng của doanh nghiệp nói chung và ngân hàng nói riêng là tìm kiếm lợi ích cho cổ đông. Trong quá trình hoạt động kinh doanh, ngân hàng thương mại (NHTM) cũng là một nhân tố hình thành các hoạt động xã hội với những cá nhân và tổ chức liên quan, tạo nên mối liên kết với các chủ thể trong nền kinh tế.
Nâng cao hiệu quả quản lý gian lận số tại các ngân hàng thương mại Việt Nam
Nâng cao hiệu quả quản lý gian lận số tại các ngân hàng thương mại Việt Nam
24/04/2024 724 lượt xem
Thời gian qua, quá trình số hóa diễn ra liên tục và mạnh mẽ trong lĩnh vực tài chính, ngân hàng và đã mang lại những lợi ích đáng kể cho sự ổn định của khu vực tài chính nói riêng, sự phát triển của nền kinh tế nói chung. Nhờ quá trình này mà các tổ chức tài chính có khả năng cung cấp đa dạng các dịch vụ tài chính, ngân hàng với chi phí thấp hơn, giúp nâng cao trải nghiệm và khả năng tiếp cận sản phẩm, dịch vụ của khách hàng, tăng cường minh bạch trong giao dịch tài chính và phản ứng nhanh chóng với các cuộc khủng hoảng.
Chia sẻ dữ liệu giữa các tổ chức, doanh nghiệp - định hướng  phát triển trong thời đại 4.0
Chia sẻ dữ liệu giữa các tổ chức, doanh nghiệp - định hướng phát triển trong thời đại 4.0
23/04/2024 628 lượt xem
Dữ liệu đóng vai trò thiết yếu trong hoạt động của hầu hết các doanh nghiệp. Việc chia sẻ dữ liệu mở ra những cơ hội mới, tạo thêm nhiều giá trị, đồng thời góp phần bồi đắp kho dữ liệu hiện có, khai phá tiềm năng tối ưu hóa và đổi mới mô hình kinh doanh.
Thúc đẩy tín dụng liên kết bền vững đám bảo tiến độ thực hiện cam kết Net-Zero Carbon và phát triển bền vững ở Việt Nam
Thúc đẩy tín dụng liên kết bền vững đám bảo tiến độ thực hiện cam kết Net-Zero Carbon và phát triển bền vững ở Việt Nam
19/04/2024 0 lượt xem
Do nhu cầu tài chính phục vụ cho quá trình chuyển đổi của các doanh nghiệp ngày càng cao nên thị trường tín dụng liên kết bền vững toàn cầu tiếp tục tăng trưởng mạnh mẽ. Việt Nam cần nhanh chóng thúc đẩy và mở rộng hoạt động cho vay nhằm hỗ trợ các doanh nghiệp ở đa dạng ngành, nghề thực hiện chiến lược phát triển bền vững.
Thực hiện tăng trưởng xanh - Tiền đề cho phát triển bền vững của Việt Nam
Thực hiện tăng trưởng xanh - Tiền đề cho phát triển bền vững của Việt Nam
12/04/2024 1.364 lượt xem
Phát triển bền vững đang là mục tiêu quan trọng của Việt Nam trong những năm qua và trong tương lai, theo đó tăng trưởng xanh với sự kết hợp chặt chẽ, hợp lí, hài hòa giữa phát triển kinh tế - xã hội và bảo vệ môi trường chính là tiền đề để thực hiện mục tiêu này.
Thúc đẩy tín dụng liên kết bền vững đảm bảo tiến độ thực hiện cam kết Net-Zero Carbon và phát triển bền vững ở Việt Nam
Thúc đẩy tín dụng liên kết bền vững đảm bảo tiến độ thực hiện cam kết Net-Zero Carbon và phát triển bền vững ở Việt Nam
10/04/2024 1.382 lượt xem
Bài viết đề xuất một số khuyến nghị về xây dựng, thực thi chính sách tín dụng liên kết bền vững để góp phần đảm bảo tiến độ thực hiện cam kết Net-Zero Carbon và chiến lược phát triển bền vững tại Việt Nam...
Thực tiễn triển khai ESG tại các ngân hàng thương mại Việt Nam
Thực tiễn triển khai ESG tại các ngân hàng thương mại Việt Nam
05/04/2024 1.566 lượt xem
Nghiên cứu trình bày về tầm quan trọng của ESG (Environmental - môi trường, Social - xã hội, Governance - quản trị) trong quá trình phát triển bền vững của ngân hàng, thực tiễn triển khai các hoạt động về ESG, các kết quả đạt được và thách thức, từ đó đề xuất giải pháp thúc đẩy triển khai ESG trong hệ thống ngân hàng tại Việt Nam.
Tác động của minh bạch và công bố thông tin trách nhiệm xã hội đến hiệu quả tài chính tại các ngân hàng thương mại cổ phần Việt Nam
Tác động của minh bạch và công bố thông tin trách nhiệm xã hội đến hiệu quả tài chính tại các ngân hàng thương mại cổ phần Việt Nam
03/04/2024 1.399 lượt xem
Nghiên cứu này tập trung tìm hiểu tác động của tính minh bạch và công bố thông tin trách nhiệm xã hội của doanh nghiệp (Corporate social responsibility - CSR) đến hiệu quả tài chính của các ngân hàng.
Hoàn thiện hệ thống chỉ tiêu giám sát, đánh giá hiệu quả đầu tư vốn nhà nước tại các ngân hàng thương mại Việt Nam
Hoàn thiện hệ thống chỉ tiêu giám sát, đánh giá hiệu quả đầu tư vốn nhà nước tại các ngân hàng thương mại Việt Nam
02/04/2024 1.306 lượt xem
Bài viết dựa trên cơ sở tổng quan về giám sát tài chính, tham khảo kinh nghiệm của một số nước trên thế giới để rút ra một số bài học và khuyến nghị đối với công tác giám sát tài chính, đánh giá hiệu quả hoạt động của các ngân hàng thương mại (NHTM) Nhà nước tại Việt Nam hiện nay.
Kinh nghiệm thực thi chính sách tài chính khí hậu trên thế giới và một số khuyến nghị cho Việt Nam
Kinh nghiệm thực thi chính sách tài chính khí hậu trên thế giới và một số khuyến nghị cho Việt Nam
01/04/2024 1.320 lượt xem
Một trong những vấn đề khó khăn nhất hiện nay đối với các quốc gia, đặc biệt là các quốc gia đang phát triển, đó là việc thiếu nguồn lực tài chính để ứng phó với biến đổi khí hậu, hay còn gọi là tài chính khí hậu...
Xây dựng Sổ tay kiểm toán nội bộ của Ngân hàng Nhà nước Việt Nam
Xây dựng Sổ tay kiểm toán nội bộ của Ngân hàng Nhà nước Việt Nam
28/03/2024 1.415 lượt xem
Để nâng cao tính chuyên nghiệp, chất lượng, hiệu quả công tác kiểm toán nội bộ NHNN phù hợp thông lệ quốc tế và các quy định về kiểm toán nội bộ của Việt Nam, một trong những yêu cầu hiện nay là nghiên cứu, rà soát, ban hành Sổ tay Kiểm toán nội bộ NHNN nhằm tập hợp, hệ thống hóa các quy định chung về kiểm toán nội bộ của NHNN.
Nâng cao chất lượng Chatbot chăm sóc khách hàng tại các ngân hàng thương mại Việt Nam
Nâng cao chất lượng Chatbot chăm sóc khách hàng tại các ngân hàng thương mại Việt Nam
25/03/2024 1.799 lượt xem
Trong kỉ nguyên số, Chatbot đóng vai trò vô cùng quan trọng và được ứng dụng trong nhiều lĩnh vực kinh tế, xã hội, trong đó có lĩnh vực ngân hàng.
Hạch toán phái sinh ngoại hối tại các tổ chức tín dụng và công tác quản lý ngoại hối của cơ quan nhà nước
Hạch toán phái sinh ngoại hối tại các tổ chức tín dụng và công tác quản lý ngoại hối của cơ quan nhà nước
22/03/2024 2.617 lượt xem
Trong thị trường kinh tế, giao dịch phái sinh là một dạng hợp đồng dựa trên giá trị các loại tài sản cơ sở khác nhau như hàng hóa, chỉ số, lãi suất hay cổ phiếu (giấy tờ có giá).
Giá vàngXem chi tiết

GIÁ VÀNG - XEM THEO NGÀY

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

83.700

85.900

TP.HỒ CHÍ MINH

Vàng SJC 1L

83.700

85.900

Vàng SJC 5c

83.700

85.920

Vàng nhẫn 9999

73.200

75.000

Vàng nữ trang 9999

73.100

74.100


Ngoại tệXem chi tiết
TỶ GIÁ - XEM THEO NGÀY 
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 25,127 25,457 26,616 28,075 31,023 32,342 160.12 169.47
BIDV 25,157 25,457 26,757 27,987 31,089 32,385 160.72 169.18
VietinBank 25,173 25,457 26,857 27,946 31,480 32,490 161.8 169.75
Agribank 25,150 25,457 26,797 28,111 31,196 32,369 161.56 169.75
Eximbank 25,110 25,190 26,880 26,961 31,400 31,463 162.35 162.84
ACB 25,130 25,457 26,942 27,645 31,531 32,225 161.93 167.32
Sacombank 25,142 25,457 27,058 27,818 31,602 32,320 163.01 168.04
Techcombank 25,162 25,457 26,704 28,055 31,105 32,428 158.36 170.76
LPBank 24,927 25,457 26,593 28,097 31,455 32,399 160.61 171.84
DongA Bank 25,190 25,457 26,960 27,670 31,420 32,300 160.40 167.70
(Cập nhật trong ngày)
Lãi SuấtXem chi tiết
(Cập nhật trong ngày)
Ngân hàng
KKH
1 tuần
2 tuần
3 tuần
1 tháng
2 tháng
3 tháng
6 tháng
9 tháng
12 tháng
24 tháng
Vietcombank
0,10
0,20
0,20
-
1,60
1,60
1,90
2,90
2,90
4,60
4,70
BIDV
0,10
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,70
VietinBank
0,10
0,20
0,20
0,20
1,70
1,70
2,00
3,00
3,00
4,70
4,80
ACB
0,01
0,50
0,50
0,50
2,10
2,30
2,50
3,30
3,60
4,30
4,40
Sacombank
-
0,50
0,50
0,50
2,10
2,30
2,50
3,50
3,60
4,50
4,80
Techcombank
0,10
-
-
-
2,10
2,10
2,30
3,40
3,45
4,30
4,30
LPBank
0.20
0,20
0,20
0,20
1,80
1,80
2,10
3,20
3,20
5,00
5,30
DongA Bank
0,50
0,50
0,50
0,50
3,30
3,30
3,30
4,30
4,50
4,80
5,00
Agribank
0,20
-
-
-
1,60
1,60
1,90
3,00
3,00
4,70
4,70
Eximbank
0,50
0,50
0,50
0,50
2,90
3,10
3,20
4,00
4,00
4,80
5,10

Liên kết website
Bình chọn trực tuyến
Nội dung website có hữu ích với bạn không?