(LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

104 1 0
(LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN XUÂN LỢI ỨNG DỤNG KHAI PHÁ DỮ LIỆU ĐỂ GIẢM THIỂU RỦI RO TÍN DỤNG LUẬN VĂN THẠC SĨ Hà Nội - 2010 TIEU LUAN MOI download : skknchat@gmail.com ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN XUÂN LỢI ỨNG DỤNG KHAI PHÁ DỮ LIỆU ĐỂ GIẢM THIỂU RỦI RO TÍN DỤNG Ngành: Cơng nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN TRỌNG DŨNG Hà Nội - 2010 TIEU LUAN MOI download : skknchat@gmail.com I DANH MỤC TỪ VÀ THUẬT NGỮ VIẾT TẮT STT Chữ viết tắt Diễn giải Tiếng Việt CSDL Cơ sở liệu Cơ sở liệu DM Data Mining Khai phá liệu Itemset Tập mục Tập mục Transaction Giao dịch Giao dịch TID Transaction Identification Định danh giao dịch Support Độ hỗ trợ Độ hỗ trợ Minsup Minimum Support Độ hỗ trợ tối thiểu Confidence Độ tin cậy Độ tin cậy Mincof Minimum Confidence Độ tin cậy tối thiểu 10 Training set Tập huấn luyện Tập huấn luyện 11 Test set Tập kiểm thử Tập kiểm thử 12 Information gain Độ đo thông tin Độ đo thông tin 13 Coverage Độ phủ luật Độ phủ luật 14 Accuracy Độ xác luật Độ xác luật 15 ILA Inductive Learning Algorithmn Thuật tốn huấn luyện quy nạp 16 Nạve Bayes Phƣơng pháp Naïve Bayes Phƣơng pháp Naïve Bayes 17 Normalising Constant Hằng số chuẩn hóa Hằng số chuẩn hóa 18 ScoringF1 Hệ thống xếp hạng chấp ngân hàng Techcombank Hệ thống xếp hạng chấp ngân hàng Techcombank 19 ScoringF2 Hệ thống xếp hạng tín chấp ngân hàng Techcombank Hệ thống xếp hạng tín chấp ngân hàng Techcombank 20 Mining Structure Cấu trúc khai phá liệu Cấu trúc khai phá liệu TIEU LUAN MOI download : skknchat@gmail.com II 21 Mining Model Mô hình khai phá liệu Mơ hình khai phá liệu 22 Discretized Nội dung liệu đƣợc rời rạc hóa Nội dung liệu đƣợc rời rạc hóa 22 Discrete Nộ dung liệu rời rạc Nộ dung liệu rời rạc 23 Key Khóa Khóa 24 Clusters Phƣơng pháp rời rạc hóa Clusters Phƣơng pháp rời rạc hóa Clusters 25 MAXIMUM ITEMSET COUNT Số lƣợng lớn tập mục Số lƣợng lớn tập mục 26 MAXIMUM ITEMSET SIZE Kích thƣớc lớn tập mục Kích thƣớc lớn tập mục 27 MAXIMUM SUPPORT Độ hỗ trợ lớn Độ hỗ trợ lớn 28 MINIMUM ITEMSET SIZE Kích thƣớc nhỏ tập mục Kích thƣớc nhỏ tập mục 29 MINIMUM PROBABILITY Xác suất (độ tin cậy) nhỏ Xác suất (độ tin cậy) nhỏ 30 MINIMUM SUPPORT Độ hỗ trợ nhỏ Độ hỗ trợ nhỏ TIEU LUAN MOI download : skknchat@gmail.com III DANH MỤC CÁC HÌNH VẼ STT Diễn giải Hình Phân lớp cho vay theo ngƣỡng thu nhập T Hình 1.1 Quá trình phát tri thức CSDL Hình 1.3.1 Xây dựng định việc mua máy tính cá nhân khách hàng Hình 1.3.3.1 Phân lớp đối tƣợng xanh đỏ Hình 1.3.3.2 Xác suất đối tƣợng thuộc lớp xanh đỏ Hình 2.2.4 Quy trình tín dụng Hình 3.1.2 Tỷ lệ % hạng tín dụng hệ thống ScoringF1 Hình 3.2.2 Tỷ lệ % khoản vay đƣợc xếp hạng theo hệ thống ScoringF1, ScroingF2, khơng xếp hạng Hình 3.3.2.1 Mối quan hệ khách hàng, hợp đồng tín dụng tài khoản tiền vay ScoringF1, ScroingF2, khơng xếp hạng Hình 3.3.2.2 Mối quan hệ khách hàng, tài sản đảm bảo hợp đồng tín dụng Hình 3.3.2.3 Hạn mức tín dụng tài khoản tiền vay TIEU LUAN MOI download : skknchat@gmail.com IV DANH MỤC CÁC BẢNG BIỂU STT Diễn giải Bảng Thơng tin thuộc tính mua máy tính cá nhân khách hàng Bảng Hạng tín dụng khách hàng doanh nghiệp đặc điểm chúng Bảng Hệ thống thang điểm hạng tín dụng Bảng Quan điểm ngân hàng đối vối hạng tín dụng Bảng Thơng tin xếp hạng khách hàng ScoringF1 Bảng 6a Trình độ học vấn hạng tín dụng ScoringF1 Bảng 6b Trình độ học vấn hạng tín dụng ScoringF1 theo % Bảng 7a Vị trí cơng tác hạng tín dụng ScoringF1 Bảng 7b Vị trí cơng tác hạng tín dụng ScoringF1 theo % Bảng 8a Phƣơng tiện lại hạng tín dụng ScoringF1 Bảng 8a Phƣơng tiện lại hạng tín dụng ScoringF1 theo % Bảng 9a Tình trạng nhân hạng tín dụng ScoringF1 Bảng 9b Tình trạng nhân hạng tín dụng ScoringF1 theo % Bảng 10a Tuổi tác hạng tín dụng ScoringF1 Bảng 10b Tuổi tác hạng tín dụng ScoringF1 theo % Bảng 11 Dữ liệu ScoringF2 Bảng 12a Ma trận học vấn hạng tín dụng ScoringF2 Bảng 12b Ma trận học vấn hạng tín dụng ScoringF2 theo % Bảng 13a Ma trận vị trí cơng tác hạng tín dụng ScoringF2 Bảng 13b Ma trận vị trí cơng tác hạng tín dụng ScoringF2 theo % Bảng 14a Ma trận nơi cƣ trú hạng tín dụng ScoringF2 Bảng 14b Ma trận nơi cƣ trú hạng tín dụng ScoringF2 theo % Bảng 15 Thông tin khoản vay khách hàng Bảng 16 Dữ liệu tín dụng TIEU LUAN MOI download : skknchat@gmail.com V Bảng 17 Hạn mức đƣợc cấp theo hạng tín dụng Bảng 18a Nhóm nợ hạng tín dụng theo số lƣợng khoản vay hệ thống ScoringF1 Bảng 18b Nhóm nợ hạng tín dụng theo số lƣợng khoản vay tính theo % hệ thống ScoringF1 Bảng 19a Nhóm nợ hạng tín dụng tính theo dƣ nợ hệ thống ScoringF1 Bảng 19b Nhóm nợ hạng tín dụng tính theo dƣ nợ, theo tỷ lệ % hệ thống ScoringF1 Bảng 20a Nhóm nợ hạng tín dụng theo số lƣợng khoản vay hệ thống ScoringF2 Bảng 20b Nhóm nợ hạng tín dụng theo số lƣợng khoản vay, tính theo tỷ lệ % hệ thống ScoringF2 Bảng 21 Tỷ lệ nợ xấu hạng tín dụng Bảng 22a Nhóm nợ hạng tín dụng theo dƣ nợ hệ thống ScoringF2 Bảng 22b Nhóm nợ hạng tín dụng theo dƣ nợ, tính theo tỷ lệ % hệ thống ScoringF2 Bảng 23 Nợ xấu nhóm không đƣợc xếp hạng theo số lƣợng khoản vay Bảng 24 Nợ xấu nhóm khơng đƣợc xếp hạng theo dƣ nợ Bảng 25 Giá trị tài sản đảm bảo nhóm khơng đƣợc xếp hạng Bảng 26 Thuộc tính dùng cấu trúc khai phá liệu Bảng 27 Thơng tin đầu vào thuật tốn Microsoft Association Rules Bảng 28 Các tham số dùng thuật toán Microsoft Association Rules Bảng 29 Danh sách luật kết hợp với độ hỗ trợ giảm dần Bảng 29 Danh sách luật kết hợp với độ hỗ trợ giảm dần TIEU LUAN MOI download : skknchat@gmail.com VI Bảng 30 Danh sách luật kết hợp thỏa mãn độ hỗ trợ độ tin cậy tối thiểu Bảng 31a Kết điều chỉnh lần theo số lƣợng khoản vay Bảng 31b Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % Bảng 32a Kết điều chỉnh lần theo số lƣợng khoản vay Bảng 32b Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % Bảng 33a Kết điều chỉnh lần theo số lƣợng khoản vay Bảng 33b Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % TIEU LUAN MOI download : skknchat@gmail.com VII LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu Tơi Những kết số liệu khoá luận chƣa đƣợc cơng bố dƣới hình thức Tơi hồn tồn chịu trách nhiệm trƣớc nhà trƣờng cam đoan này! Hà nội, ngày tháng năm 2010 Tác giả Trần Xuân Lợi TIEU LUAN MOI download : skknchat@gmail.com VIII LỜI CẢM ƠN Luâ ̣n văn này đƣợc hồn thành ngoài nỡ lƣ̣c hế t sƣ́c của bản thân , quá trin ̀ h làm viê ̣c T ôi đã nhâ ̣n đƣơ ̣c sƣ̣ hƣớng dẫn , giúp đỡ tận tình thầy cô khoa Công nghê ̣ Thông tin, Đại học Công Nghệ, Đại học Quốc Gia Hà Nội Xin chân thành gƣ̉i lời cảm ơn tới các thầ y cô giáo khoa Công nghê ̣ Thông tin , Trƣờng đại học Công Nghệ , đă ̣c biê ̣t là thầ y g iáo, Tiế n si ̃ Nguyễn Trọng Dũng , ngƣời trƣ̣c tiế p hƣớng dẫn Tôi Xin gƣ̉i lời cám ơn tới cha me ,̣ bạn bè, đồ ng nghiê ̣p và nhƣ̃ng ngƣời thân đã giú p đỡ và tạo điều kiện cho Tôi suố t thời gian qua Luận văn thạc sĩ đƣợc thực khuôn khổ đề tài nghiên cứu mang mã số QG.09.27, Đại học Quốc gia Hà Nội TIEU LUAN MOI download : skknchat@gmail.com - 78 - Như tỷ lệ (%) Dư nợ / TSĐB tăng dần từ nhóm 1, đến nhóm tính trung bình 33.4% so với giá trị tài sản đảm bảo 3.3 Điều chỉnh lại hệ thống xếp hạng tín dụng ScoringF2 Như phân tích trên, hệ thống ScoringF2 khơng thực tốt việc phân loại khách hàng, cụ thể có đến 271 khoản vay khách hàng xếp hạng tín dụng AAA, AA, A tổng số 4,495 khoản vay nằm nhóm nợ xấu, chiếm đến 6% riêng hạng A 4.5% Điều có nghĩa 100 khách hàng xếp hạng AAA, AA, A có đến khách hàng rơi vào nhóm nợ xấu, 4.5 khách hàng có hạng tín dụng A Đây tỷ lệ cao việc cần làm chỉnh sửa lại hệ thống ScoringF2, để để việc đánh giá khách hàng thực chất Có nghĩa cần phải hạ mức xếp hạng tín nhiệm số khách hạng có hạng A, AA xuống loại BB B Phương thức thực sử dụng khai phá liệu để phát luật liệu, công cụ dùng Business Intelligence Development Studio Microsoft, bước thực sau: Chọn làm liệu Tạo mining structure tructure Tạo mining model Kiểm tra độ xác mining model Chọn mẫu, luật hữu ích Điều chỉnh lại hệ thống ScoringF2 TIEU LUAN MOI download : skknchat@gmail.com - 79 - 3.3.1 Chọn làm liệu Dữ liệu sử dụng bao gồm khoản vay khách hàng có xếp hạng tín dụng AAA, AA, A nằm nhóm nợ xấu Ở muốn biết thông tin thuộc tính là: Vị trí cơng tác, học vấn, phương tiện lại, hôn nhân…đã giúp cho khách hàng có mức tín nhiệm cao, lại ngun nhân dẫn đến nợ xấu Chúng ta bổ xung thêm hai thuộc tính vào hệ thống xếp hạng tín dụng ScoringF2 là: Số tiền giải ngân, số tiền mà khách hàng muốn vay kỳ hạn Hai thông tin có ảnh hưởng đến tình trạng tín dụng khách hàng: Nếu tổng thu nhập hàng tháng khách hàng 15 triệu đồng, số tiền vay 240 triệu đồng, kỳ hạng 12 tháng, trả gốc định kỳ hàng tháng bình quân 20 triệu.Như tạo áp lực lên tình hình tài khách hàng, dẫn đến nguồn trả nợ suy giảm khách hàng khơng hồn thành nghĩa vụ tài ngân hàng 3.3.2 Tạo mining structure [11] Tạo mining structure gồm thuộc tính sau: Thuộc tính Kiểu liệu Nội dung Chenh Lech TNCT Double Discretized Chi Phi Double Discretized Hang Text Discrete Hinh Thuc TT Text Discrete Hoc Van Text Discrete Hon Nhan Text Discrete ID Long Key Kinh Nghiem CT Double Discretized Loai Co Quan Text Discrete Loai Hop Dong Text Discrete Loai Nhan Khau Text Discrete Loai No Int Discretized Noi Cu Tru Text Discrete Phuong Tien Text Discrete TIEU LUAN MOI download : skknchat@gmail.com - 80 - SN Co Thu Nhap Double Discretized SN Phu Thuoc Double Discretized Thu Nhap Double Discretized Tong Tai San Double Discretized Tong Thu Nhap Khac Double Discretized Tuoi Tac Double Discretized Uy Tien GD Text Discrete Xac Nhan CQ Text Discrete Bảng 26: Thuộc tính dùng cấu trúc khai phá liệu 3.3.3 Tạo mining model Chúng ta sử dụng thuật toán Microsoft Association Rules để phát luật kết hợp, với thông tin đầu vào đầu sau: Kiểu liệu Thuộc tính Association Rules Nội dung Phương pháp rời rạc hóa Kiểu Chenh Lech TNCT Input Discretized Clusters Double Chi Phi Input Discretized Clusters Double Hang PredictOnly Discrete Text Hinh Thuc TT Input Discrete Text Hoc Van Input Discrete Text Hon Nhan Input Discrete Text ID Key Key Long Kinh Nghiem CT Input Discretized Loai Co Quan Input Discrete Text Loai Hop Dong Input Discrete Text Loai Nhan Khau Input Discrete Text Loai No Ignore Discrete Text Clusters Double TIEU LUAN MOI download : skknchat@gmail.com - 81 - Noi Cu Tru Input Discrete Text Phuong Tien Input Discrete Text SN Co Thu Nhap Input Discrete Double SN Phu Thuoc Input Discrete Double Thu Nhap Input Discretized Clusters Double Tong Tai San Input Discretized Clusters Double Tong Thu Nhap Khac Input Discretized Clusters Double Tuoi Tac Input Discretized Clusters Double Uy Tien GD Input Discrete Text Xac Nhan CQ Input Discrete Text Bảng 27: Thông tin đầu vào thuật toán Microsoft Association Rules Các tham số sử dụng thuật toán Tham số Giá Mặc trị định MAXIMUM_ITEMSET_COUNT MAXIMUM_ITEMSET_SIZE MAXIMUM_SUPPORT Diễn giải 20,000 Số lượng lớn tập mục Kích thước lớn tập mục Độ hỗ trợ lớn 100% MINIMUM_ITEMSET_SIZE Kích thước nhỏ tập mục MINIMUM_PROBABILITY 0.7 0.4 Độ tin cậy nhỏ 70% MINIMUM_SUPPORT 0.5 Độ hỗ trợ nhỏ 50% Bảng 28: Các tham số dùng thuật toán Microsoft Association Rules Việc lựa chọn tham số ảnh hưởng nhiều đến kết thuật toán, lựa chọn tham số phù hợp tạo mơ hình cho kết tốt Số lượng thuộc tính sử dụng hệ thống ScoringF2 19 thuộc tính chia thành nhóm Chúng ta sữ dụng tham số MINIMUM_ITEMSET_SIZE = MAXIMUM_ITEMSET_SIZE = với mong muốn tạo tập mục có kích thước nhỏ lớn Các tập mục có độ hỗ trợ tối thiểu 50% độ tin cậy tối thiểu 70% TIEU LUAN MOI download : skknchat@gmail.com - 82 - Thuật toán luật kết hợp cho 108 tập mục thỏa mãn Dưới liệt kê 20 tập mục với độ hỗ trợ giảm dần Độ hỗ Kích trợ thƣớc Tập mục Tong Thu Nhap Khac < 11080639.112754, Loai Hop Dong = 101 Hop dong dai han, bien che, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Tong Thu Nhap Khac < 11080639.112754, Hoc Van = Dai hoc, 101 Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Thu Nhap < 11263615.9133221, Quy Doi GN < 100 81912170.6235855, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Loai Hop Dong = Hop dong dai han, bien che, Phuong Tien = Xe 100 gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Quy Doi GN < 81912170.6235855, Phuong Tien = Xe gan may, 100 Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Hang = A, Quy Doi GN < 81912170.6235855, Phuong Tien = Xe 98 gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Hang = A, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac 98 nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon TIEU LUAN MOI download : skknchat@gmail.com - 83 - Tong Thu Nhap Khac < 11080639.112754, Phuong Tien = Xe 98 gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Quy Doi GN < 81912170.6235855, Loai Hop Dong = Hop dong 98 dai han, bien che, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Thu Nhap < 11263615.9133221, Hang = A, Phuong Tien = Xe 97 gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Thu Nhap < 11263615.9133221, Hang = A, Quy Doi GN < 97 81912170.6235855, Phuong Tien = Xe gan may, Loai Nhan Khau = Ho khau KT3 tai cac lon Hoc Van = Dai hoc, Phuong Tien = Xe gan may, Xac Nhan CQ = 97 Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Loai Hop Dong = Hop dong dai han, bien che, Hoc Van = Dai 97 hoc, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Hang = A, Tong Thu Nhap Khac < 11080639.112754, Phuong 96 Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Thu Nhap < 11263615.9133221, Quy Doi GN < 96 81912170.6235855, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Loai Nhan Khau = Ho khau KT3 tai cac lon TIEU LUAN MOI download : skknchat@gmail.com - 84 - Hang = A, Loai Hop Dong = Hop dong dai han, bien che, Phuong 96 Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Tong Thu Nhap Khac < 11080639.112754, Quy Doi GN < 96 81912170.6235855, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Quy Doi GN < 81912170.6235855, Loai Hop Dong = Hop dong 96 dai han, bien che, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Loai Nhan Khau = Ho khau KT3 tai cac lon Thu Nhap < 11263615.9133221, Hang = A, Quy Doi GN < 95 81912170.6235855, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071 Tong Thu Nhap Khac < 11080639.112754, Loai Hop Dong = 95 Hop dong dai han, bien che, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon Bảng 29: Danh sách luật kết hợp với độ hỗ trợ giảm dần Thuật toán cho luật kết hợp thỏa mãn độ tin cậy độ hỗ trợ tối thiểu Dưới liệt kê luật kết hợp với độ tin cậy giảm dần Độ tin cậy Luật 91.5% Thu Nhap < 11263615.9133221, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A TIEU LUAN MOI download : skknchat@gmail.com - 85 - 91% Thu Nhap < 11263615.9133221, Quy Doi GN < 81912170.6235855, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A 90% Thu Nhap < 11263615.9133221, Quy Doi GN < 81912170.6235855, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A 88% Quy Doi GN < 81912170.6235855, Loai Hop Dong = Hop dong dai han, bien che, Phuong Tien = Xe gan may, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A 87% Loai Hop Dong = Hop dong dai han, bien che, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A 86% Quy Doi GN < 81912170.6235855, Phuong Tien = Xe gan may, Xac Nhan CQ = Co xac nhan day du va cam ket voi TCB, Chi Phi < 13380275.1934071, Loai Nhan Khau = Ho khau KT3 tai cac lon -> Hang = A Bảng 30: Danh sách luật kết hợp thỏa mãn độ hỗ trợ độ tin cậy tối thiểu 3.3.4 Điều chỉnh lại hệ thống ScoringF2 Chúng ta bổ xung thêm trường vào liệu ScoringF2 là: DiemDieuChinh (điểm điều chỉnh) để cập nhật thay đổi điểm số HangDieuChinh (hạng điều chỉnh) để cập nhật hạng tín dụng điều chỉnh Dưới lần điều chỉnh khách hàng có hạng tín dụng AAA, AA, A thỏa mãn luật này, họ bị trừ 10 điểm tổng số điểm Điều chỉnh lần 1: Chọn luật với độ tin cập 91.5%, số điểm trừ 10 UPDATE SET WHERE AND ScoringF2 DiemDieuChinh = Diem - 10 ThuNhap < 11,263,615 PhuongTien = 'Xe gan may' TIEU LUAN MOI download : skknchat@gmail.com - 86 - AND AND AND AND XacNhanCQ = 'Co xac nhan day du va cam ket voi TCB' ChiPhi < 13,380,275 LoaiNhanKhau = 'Ho khau KT3 tai cac lon' Hang IN ('A', 'AA', 'AAA') Điều chỉnh lần cho kết sau: Nhóm nợ / Hạng A AA AAA B BB BBB Tổng Nhóm 841 478 161 194 1,716 3,391 Nhóm 126 49 50 276 504 Nhóm 75 29 1 26 117 249 Nhóm 51 17 1 68 135 273 Nhóm 12 23 27 68 Nợ xấu (3-5) 138 50 117 279 590 1,105 577 168 361 2,271 4,485 Tổng Bảng 31a: Kết điều chỉnh lần theo số lượng khoản vay Tính theo tỷ lệ % tổng số khoản vay Nhóm nợ / Hạng BB BBB Tổng 0.0% 4.3% 38.3% 75.6% 0.1% 0.0% 1.1% 6.2% 11.2% 0.6% 0.0% 0.0% 0.6% 2.6% 5.6% 1.1% 0.4% 0.0% 0.0% 1.5% 3.0% 6.1% Nhóm 0.3% 0.1% 0.0% 0.0% 0.5% 0.6% 1.5% Nợ xấu (3-5) 3.1% 1.1% 0.1% 0.0% 2.6% 6.2% 13.2% 24.6% 12.9% 3.7% 0.1% 8.0% 50.6% 100% A AA Nhóm 18.8% 10.7% 3.6% Nhóm 2.8% 1.1% Nhóm 1.7% Nhóm Tổng AAA B Bảng 31b: Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % Như lần điều chỉnh thứ nhất, nợ xấu nhóm A từ 4.5% giảm xuống 3.1% hạng AA từ1.4% xuống 1.1% Sau lần điểu chỉnh thứ hai, khách hàng có hạng tín dụng AAA, AA, A thỏa mãn luật này, họ bị trừ điểm tổng điểm sau điều chỉnh lần thứ TIEU LUAN MOI download : skknchat@gmail.com - 87 - Điều chỉnh lần 2: Chọn luật với độ tin cập 91%, số điểm trừ UPDATE SET WHERE AND AND AND AND AND ScoringF2 DiemDieuChinh = DiemDieuChinh - ThuNhap < 11,263,615 QuyDoiGN < 81,912,170 PhuongTien = 'Xe gan may' ChiPhi < 13,380,275 LoaiNhanKhau = 'Ho khau KT3 tai cac lon' Hang IN ('A', 'AA', 'AAA') Điều chỉnh lần thứ cho kết sau: Nhóm nợ / Hạng A AA AAA B BB BBB Tổng Nhóm 733 452 161 194 1,850 3,391 Nhóm 113 43 50 295 504 Nhóm 61 29 1 26 131 249 Nhóm 44 16 1 68 143 273 Nhóm 11 2 23 30 68 Nợ xấu (3-5) 116 47 117 304 590 Tổng 962 542 168 361 2,449 4,485 Bảng 32a: Kết điều chỉnh lần theo số lượng khoản vay Tính theo tỷ lệ % tổng số khoản vay Nhóm nợ / Hạng BB BBB Tổng 0.0% 4.3% 41.2% 75.6% 0.1% 0.0% 1.1% 6.6% 11.2% 0.6% 0.0% 0.0% 0.6% 2.9% 5.6% 1.0% 0.4% 0.0% 0.0% 1.5% 3.2% 6.1% Nhóm 0.2% 0.0% 0.0% 0.0% 0.5% 0.7% 1.5% Nợ xấu (3-5) 2.6% 1.0% 0.1% 0.0% 2.6% 6.8% 13.2% 21.4% 12.1% 3.7% 0.1% 8.0% 54.6% 100% A AA Nhóm 16.3% 10.1% 3.6% Nhóm 2.5% 1.0% Nhóm 1.4% Nhóm Tổng AAA B Bảng 32b: Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % TIEU LUAN MOI download : skknchat@gmail.com - 88 - Ở lần điều chỉnh thứ hai, nợ xấu nhóm A từ 3.1% giảm xuống 2.6% hạng AA từ 1.1% xuống 1% Sau lần điều chỉnh thứ 3, khách hàng có hạng tín dụng AAA, AA, A thỏa mãn luật này, họ bị trừ điểm tổng điểm sau điều chỉnh lần thứ hai Điều chỉnh lần thứ cho kết sau: Nhóm nợ / Hạng A AA AAA B BB BBB Tổng Nhóm 704 447 138 194 1,907 3,391 Nhóm 103 36 50 312 504 Nhóm 57 27 26 138 249 Nhóm 44 12 1 68 147 273 Nhóm 11 23 31 68 Nợ xấu (3-5) 112 41 2 117 316 590 Tổng 919 524 143 361 2,535 4,485 Bảng 33a: Kết điều chỉnh lần theo số lượng khoản vay Tính theo tỷ lệ % tổng số khoản vay Nhóm nợ / Hạng BB BBB Tổng 0.0% 4.3% 42.5% 75.6% 0.1% 0.0% 1.1% 7.0% 11.2% 0.6% 0.0% 0.0% 0.6% 3.1% 5.6% 1.0% 0.3% 0.0% 0.0% 1.5% 3.3% 6.1% Nhóm 0.2% 0.0% 0.0% 0.0% 0.5% 0.7% 1.5% Nợ xấu (3-5) 2.5% 0.9% 0.0% 0.0% 2.6% 7.0% 13.2% 20.5% 11.7% 3.2% 0.1% 8.0% 56.5% 100% A AA Nhóm 15.7% 10.0% 3.1% Nhóm 2.3% 0.8% Nhóm 1.3% Nhóm Tổng AAA B Bảng 33b: Kết điều chỉnh lần tổng số khoản vay, tính theo tỷ lệ % Ở lần điều chỉnh thứ ba, nợ xấu nhóm A từ 2.6% giảm xuống 2.5% hạng AA từ 1% xuống 0.9% Như sau lần điều chỉnh đưa nợ xấu nhóm A xuống 2.5% nhóm AA xuống 1% Đây kết đáp ứng kỳ vọng TIEU LUAN MOI download : skknchat@gmail.com - 89 - TIEU LUAN MOI download : skknchat@gmail.com - 90 - CHƢƠNG 4: KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN Sau trình nghiên cứu phát triển luận văn với giúp đỡ thầy cô giáo khoa Công Nghệ Thông Tin – Đại học Công Nghệ, Đại học Quốc Gia Hà Nội, bạn bè đồng nghiệp đặc biệt thầy giáo TS.Nguyễn Trọng Dũng Tôi tìm hiểu nắm vững trình bày vấn đề sau: - Tìm hiểu nghiên cứu khai phá liệu: Định nghĩa, quy trình, phương pháp thuật toán dùng để khai phá liệu - Hoạt động tín dụng ngân hàng thương mại bao gồm: Khái quát chung, chức ngân hàng thương mại, ngun tắc quy trình tín dụng, lãi suất hình thức đảm bảo tín dụng - Hệ thống xếp hạng tín dụng ngân hàng thương mại: Phân nhóm khách hàng, phương pháp đo lường ngân hàng thương mại áp dụng để đánh giá lực tín dụng khách hàng, quan điểm ngân hàng hạng tín dụng - Rủi ro tín dụng: Khái niệm rủi ro tín dụng, ngun tắc phân loại nợ trích lập dự phịng rủi ro, vai trò tầm quan trọng quản trị rủi ro tín dụng hoạt động ngân hàng thương mại - Hệ thống chấm điểm khách hàng ngân hàng Techcombank bao gồm: Hệ thống xếp hạng chấp(ScoringF1), ngân hàng áp dụng cho sản phẩm có yêu cầu tài sản đảm bảo.Hệ thống xếp hạng tín chấp(ScoringF2) dùng cho sản phẩm tín chấp tiêu dùng mà ngân hàng không yêu cầu tài sản đảm bảo khách hàng - Mơ hình sở liệu tín dụng: Mối quan hệ khách hàng, hợp đồng tín dụng, tài sản đảm bảo tài khoản tiền vay,thơng tin thuộc tính khoản vay - Điều chỉnh lại hệ thống xếp hạng tín dụng ScoringF2 ngân hàng Techcombank: phương pháp thực hiện, mining structure mining model Đánh giá kết sau điều chỉnh Kết ứng dụng luận văn tiến hành đưa vào áp dụng Ngân hàng Kỹ thương Việt Nam Techcombank từ tháng 08-2010 chứng tỏ nỗ lực tác giả đề tài luận văn mang tính thời ứng dụng cao KIẾN NGHỊ VÀ ĐỀ XUẤT TIEU LUAN MOI download : skknchat@gmail.com - 91 - Ngày khai phá liệu ứng dụng nhiều lĩnh vực đời sống bán lẻ, ngân hàng, tài chính…Tính chất ứng dụng đa ngành đa lĩnh vực cần quan tâm đầu tư cách đắn, sử dụng để đưa định có lợi ích cao Đặc biệt lĩnh vực tài chính, ngân hàng nơi mà nguồn liệu phong phú, tính chất liệu quan trọng khai phá liệu ngày khẳng định vai trò nhằm giảm thiểu rủi ro nói chung rủi ro tín dụng nói riêng Cuộc khủng hoảng tài đầu năm 2008 đến cuối năm 2009 việc cho vay chuẩn lĩnh vực bất động sản ngân hàng Mỹ lan rộng toàn giới Hàng loạt ngân hàng sụp đổ có định chế tài lớn với lịch sử họa động lâu đời Lehman Brothers (158 năm), cho nhìn nhận lại sức khỏe an toàn hệ thống ngân hàng, mà phá sản ngân hàng khơng việc riêng mà cịn ảnh hưởng nghiêm trọng lan rộng toàn đời sống xã hội Nền kinh tế hệ thống ngân hàng thương mại Việt Nam tiếp tục gánh chịu ảnh hưởng tiêu cực khủng hoảng tài Hệ thống ngân hàng Việt Nam bộc nhiều yếu bất cập việc quản lý rủi ro Nhận thức điều ngày 20-5-2010, Ngân hàng Nhà Nước Việt Nam đưa thông tư 13 nhằm làm nâng cao an toàn hoạt động ngân hàng thương mại bao gồm: Tỷ lệ an tồn vốn tối thiểu đạt 9%, giới hạn tín dụng, tỷ lệ khả chi trả, giới hạn góp vốn, mua cổ phần, tỷ lệ cấp tín dụng so với nguồn vốn huy động Tất điều giúp cho ngân hàng thương mại có an toàn cao hoạt động, cao sức cạnh tranh Ngân hàng thương mại việc hoàn thiện chế sách, điều quan trọng khơng ứng dụng khai phá liệu để tìm luật liệu, để đưa định có lợi ích cao nhất, điều chỉnh lại sách phân loại khách hàng thực chất hơn, phản ánh tình trạng tín dụng họ Tất điều này, giúp cho ngân hàng giảm thiểu rủi ro nâng cao hiệu hoạt động TIEU LUAN MOI download : skknchat@gmail.com - 92 - TÀI LIỆU THAM KHẢO TÀI LIỆU TIẾNG VIỆT [1] PGS.TS Đỗ Phúc (2006), Giáo trình Khai thác Dữ liệu, Trường Đại học Cơng nghệ thơng tin TP Hồ Chí Minh, Đại học Quốc gia TP Hồ Chí Minh [2] Ngân hàng Ngoại thương Việt Nam Vietcombank, Cẩm nang tín dụng, Hà Nội, tháng năm 2004 [3] Ngân hàng Nông nghiệp Phát triển Nông thôn Agribank, Cẩm nang tín dụng, [4] Ngân hàng Hàng hải Việt Nam MaritimeBank, Tài liệu đào tạo hội nhập Khối quản lý tín dụng, ban hành 2008 [5] Ngân hàng Kỹ thương Việt Nam Techcombank, Tiêu chuẩn phương thức xếp hạng tín dụng khách hàng thể nhân, QĐ 471, ngày 05/05/2003 [6] Ngân hàng Kỹ thương Việt Nam Techcombank, Tiêu chuẩn phương thức xếp hạng khách hàng sử dụng sản phẩm cho vay hình thức tín chấp tiêu dùng, mã hiệu XHCNTC/01, ngày hiệu lực 20/06/2007 [7] Luật tổ chức tín dụng, sửa đổi năm 2010, Quốc Hội ban hành [8] Ngân hàng Nhà Nước Việt Nam, Thông tư quy định tỷ lệ đảm bảo anh tồn hoạt động tổ chức tín dụng, số 13/2010/TT-NHNN, Hà Nội, ngày 20/05/2010 [9] Ngân hàng Nhà Nước Việt Nam, Quy định phân loại nợ, trích lập sử dụng dự phòng để xử lý rủi ro tín dụng hoạt đơng ngân hàng tổ chức tín dụng, số 493/2005/QĐ, Hà Nội, ngày 22/04/2005 TÀI LIỆU TIẾNG ANH [10] Boris Kovalerchuk and Evgenii Vityaev, Data Mining in Finance: Advances in Relational and Hybrid Methods, Kluwer Academic Publishers, Boston, Dordrecht - London, 2001 [11] Jamie MacLennan, ZhaoHui Tang, Bogdan Crivat, Data Mining with Microsoft SQL Server 2008, Wiley Publishing, Inc [12] Philo Janus and Guy Fouché, Pro SQL Server 2008 Analysis Services, Apress Publishing, www.apress.com TIEU LUAN MOI download : skknchat@gmail.com ... suy giảm Việc ứng dụng khai phá liệu vào lĩnh vực quản lý rủi ro nói chung rủi ro tín dụng nói riêng có ý nghĩa quan trọng nhằm giảm thiểu tình trạng nợ hạn, nâng cao chất lượng tín dụng, giảm thiểu. .. trị rủi ro tín dụng ngân hàng thƣơng mại ……………………… 41 CHƢƠNG III: ỨNG DỤNG KHAI PHÁ DỮ LIỆU, ÁP DỤNG VỚI NGUỒN DỮ LIỆU CỦA NGÂN HÀNG KỸ THƢƠNG VIỆT NAM TECHCOMBANK 43 3.1 Hệ thống xếp hạng tín dụng. .. HỌC CÔNG NGHỆ TRẦN XUÂN LỢI ỨNG DỤNG KHAI PHÁ DỮ LIỆU ĐỂ GIẢM THIỂU RỦI RO TÍN DỤNG Ngành: Cơng nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA

Ngày đăng: 27/06/2022, 15:41

Hình ảnh liên quan

Bước 6: Trong bảng con đang xét, đánh dấu các dòng có sự xuất hiện của - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

c.

6: Trong bảng con đang xét, đánh dấu các dòng có sự xuất hiện của Xem tại trang 30 của tài liệu.
Áp dụng đối với bảng con 1 - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

p.

dụng đối với bảng con 1 Xem tại trang 31 của tài liệu.
Bảng 2: Hạngtín dụng của khách hàng doanh nghiệp và đặc điểm của chúng - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 2.

Hạngtín dụng của khách hàng doanh nghiệp và đặc điểm của chúng Xem tại trang 47 của tài liệu.
Bảng 4: Quan điểm của ngân hàng đối vối các hạngtín dụng - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 4.

Quan điểm của ngân hàng đối vối các hạngtín dụng Xem tại trang 49 của tài liệu.
STT Loại hình công việc Điểm - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

o.

ại hình công việc Điểm Xem tại trang 55 của tài liệu.
d) Thời gian công tác - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

d.

Thời gian công tác Xem tại trang 56 của tài liệu.
3.1.2 Thống kê với dữ liệu ScoringF1 - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

3.1.2.

Thống kê với dữ liệu ScoringF1 Xem tại trang 60 của tài liệu.
Bảng 5: Thông tin xếphạng khách hàng ScoringF1 - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 5.

Thông tin xếphạng khách hàng ScoringF1 Xem tại trang 61 của tài liệu.
Bảng 7a: Vị trí công tác và hạngtín dụng Tỷ lệ phần trăm trên tổng số khách hàng được xếp hạng  - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 7a.

Vị trí công tác và hạngtín dụng Tỷ lệ phần trăm trên tổng số khách hàng được xếp hạng Xem tại trang 63 của tài liệu.
- Loại hình cơ quan đang làm việc - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

o.

ại hình cơ quan đang làm việc Xem tại trang 67 của tài liệu.
Bảng 11: Dữ liệu ScoringF2 - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 11.

Dữ liệu ScoringF2 Xem tại trang 75 của tài liệu.
Bảng 12b: Ma trận học vấn và hạngtín dụng ScoringF2 theo % - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 12b.

Ma trận học vấn và hạngtín dụng ScoringF2 theo % Xem tại trang 76 của tài liệu.
Bảng 13a: Ma trận vị trí công tác và hạngtín dụng Tỷ lệ phần trăm trên tổng số khách hàng được xếp hạng  - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 13a.

Ma trận vị trí công tác và hạngtín dụng Tỷ lệ phần trăm trên tổng số khách hàng được xếp hạng Xem tại trang 77 của tài liệu.
Bảng 14b: Ma trận nơi cư trú và hạngtín dụng theo % - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 14b.

Ma trận nơi cư trú và hạngtín dụng theo % Xem tại trang 78 của tài liệu.
Hình 3.2.2: Tỷ lệ % khoản vay được xếphạng theo ScoringF1, ScroingF2, và không xếp hạng  - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Hình 3.2.2.

Tỷ lệ % khoản vay được xếphạng theo ScoringF1, ScroingF2, và không xếp hạng Xem tại trang 79 của tài liệu.
Bảng 16: Dữ liệu tín dụng - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 16.

Dữ liệu tín dụng Xem tại trang 81 của tài liệu.
Hình 3.3.2.1: Mối quan hệ giữa khách hàng, hợp đồng tín dụng   và tài khoản tiền vay  - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Hình 3.3.2.1.

Mối quan hệ giữa khách hàng, hợp đồng tín dụng và tài khoản tiền vay Xem tại trang 82 của tài liệu.
Hình 3.3.2.2: Mối quan hệ giữa khách hàng, tài sản đảm bảo và hợp đồng tín dụng - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Hình 3.3.2.2.

Mối quan hệ giữa khách hàng, tài sản đảm bảo và hợp đồng tín dụng Xem tại trang 83 của tài liệu.
Hình 3.3.2.3: Hạnmức tín dụng và cáctài khoản tiền vay - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Hình 3.3.2.3.

Hạnmức tín dụng và cáctài khoản tiền vay Xem tại trang 84 của tài liệu.
Bảng 22a: Nhóm nợ và hạngtín dụng tính theo dư nợ Tỷ lệ (%) dư nợ của từng hạng tín dụng  - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 22a.

Nhóm nợ và hạngtín dụng tính theo dư nợ Tỷ lệ (%) dư nợ của từng hạng tín dụng Xem tại trang 88 của tài liệu.
Bảng 22b: Nhóm nợ và hạngtín dụng tính theo dư nợ, tính theo tỷ lệ % - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 22b.

Nhóm nợ và hạngtín dụng tính theo dư nợ, tính theo tỷ lệ % Xem tại trang 88 của tài liệu.
Bảng 23: Nợ xấu ở nhóm không được xếphạng theo số lượng khoản vay - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 23.

Nợ xấu ở nhóm không được xếphạng theo số lượng khoản vay Xem tại trang 89 của tài liệu.
Bảng 26: Thuộc tính dùng trong cấu trúc khai phá dữ liệu - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 26.

Thuộc tính dùng trong cấu trúc khai phá dữ liệu Xem tại trang 92 của tài liệu.
3.3.3 Tạo mining model - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

3.3.3.

Tạo mining model Xem tại trang 92 của tài liệu.
Bảng 27: Thông tin đầu vào của thuật toán Microsoft Association Rules - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 27.

Thông tin đầu vào của thuật toán Microsoft Association Rules Xem tại trang 93 của tài liệu.
Bảng 28: Các tham số dùng trong thuật toán Microsoft Association Rules - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 28.

Các tham số dùng trong thuật toán Microsoft Association Rules Xem tại trang 93 của tài liệu.
Bảng 29: Danh sách các luật kết hợp với độ hỗ trợ giảm dần - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 29.

Danh sách các luật kết hợp với độ hỗ trợ giảm dần Xem tại trang 96 của tài liệu.
Bảng 30: Danh sách luật kết hợp thỏa mãn độ hỗ trợ và độ tin cậy tối thiểu - (LUẬN VĂN THẠC SĨ) Ứng dụng khai phá dữ liệu để giảm thiểu rủi ro tín dụng

Bảng 30.

Danh sách luật kết hợp thỏa mãn độ hỗ trợ và độ tin cậy tối thiểu Xem tại trang 97 của tài liệu.

Tài liệu cùng người dùng

Tài liệu liên quan