Phân tích khả năng thanh toán khoản nợ của khách hàng ở đài loan

lOMoARcPSD|18034504 ĐẠI HỌC UEH TRƯỜNG KINH DOANH KHOA KẾ TOÁN – KIỂM TỐN BÁO CÁO CUỐI KỲ PHÂN TÍCH KHẢ NĂNG THANH TOÁN KHOẢN NỢ CỦA KHÁCH HÀNG Ở ĐÀI LOAN Môn học: Khoa học liệu – 22C1INF50905970 Giảng viên: Ths Nguyễn Mạnh Tuấn Nhóm thực thiện: Nhóm Thành viên nhóm: Nguyễn Th椃⌀ Cऀm Nhung – 31211023058 Nguyễn Th椃⌀ Yến Nhi – 31211025420 Trần Gia Linh – 31211022114 Lương Th椃⌀ Thủy Tiên – 31211023975 Trương Tấn Lộc - 31211022116 TP Hồ Chí Minh, ngày 26 tháng 09 năm 2022 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 DANH MỤC BIỂU ĐỒ Biểu đồ 1: Tổng trung bình hạn mức tín dụng cấp theo giới tính Biều đồ 2: Tổng trung bình số tiền tín dụng cấp theo độ tuổi Biểu đồ 3: Tổng trung bình số tiền tín dụng cấp theo tình trạng nhân Biểu đồ 5: Minh hoạ Scatter Plot PAY_0 từ 21 đến 25 tuổi Biểu đồ 6: Minh hoạ Scatter Plot PAY_0 từ 26 đến 30 tuổi Biểu đồ 7: Minh hoạ Scatter Plot PAY_0 từ 31 đến 34 tuổi Biểu đồ 8: Minh hoạ Scatter Plot PAY_0 từ 35 đến 39 tuổi Biểu đồ 10: Minh hoạ Scatter Plot PAY_0 từ 40 đến 49 tuổi Biểu đồ 11: Minh hoạ Scatter Plot PAY_0 từ 50 đến 59 tuổi Biểu đồ 12: Minh hoạ Scatter Plot PAY_0 từ 60 đến 69 tuổi Biểu đồ 13: Minh hoạ Scatter Plot PAY_0 từ 70 đến 75 tuổi Biểu đồ 14: Minh hoạ Scatter Plot BILL_ATM1 từ 21 đến 25 tuổi Biểu đồ 15: Minh hoạ Scatter Plot BILL_ATM1 từ 26 đến 30 tuổi Biểu đồ 16: Minh hoạ Scatter Plot BILL_ATM1 từ 31 đến 34 tuổi Biểu đồ 17: Minh hoạ Scatter Plot BILL_ATM1 từ 35 đến 39 tuổi Biểu đồ 18: Minh hoạ Scatter Plot BILL_ATM1 từ 40 đến 49 tuổi Biểu đồ 19: Minh hoạ Scatter Plot BILL_ATM1 từ 50 đến 59 tuổi Biểu đồ 20: Minh hoạ Scatter Plot BILL_ATM1 từ 60 đến 69 tuổi Biểu đồ 21: Minh hoạ Scatter Plot BILL_ATM1 từ 70 đến 75 tuổi Biều đồ 22: Minh hoạ Scatter Plot PAY_ATM1 từ 21 đến 25 tuổi Biều đồ 23: Minh hoạ Scatter Plot PAY_ATM1 từ 26 đến 30 tuổi Biều đồ 24: Minh hoạ Scatter Plot PAY_ATM1 từ 31 đến 34 tuổi Biều đồ 25: Minh hoạ Scatter Plot PAY_ATM1 từ 35 đến 39 tuổi Biều đồ 26: Minh hoạ Scatter Plot PAY_ATM1 từ 40 đến 49 tuổi Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biều đồ 27: Minh hoạ Scatter Plot PAY_ATM1 từ 50 đến 59 tuổi Biều đồ 28: Minh hoạ Scatter Plot PAY_ATM1 từ 60 đến 69 tuổi Biều đồ 29: Minh hoạ Scatter Plot PAY_ATM1 từ 70 đến 75 tuổi DANH MỤC HÌNH ẢNH Hình 1: Mơ hình đánh giá Hình 2: Kết dự đốn tổng số tiền hóa đơn kê tháng tới Hình 3: Kết dự đốn tổng số tiền khách hàng tốn tín dụng tháng tới Hình : Mơ hình tốn Hình : Kết Test and Score Hình 6: Kết Confusion Matrix phương pháp Logistic Regression Hình 7: Kết Confusion Matrix phương pháp Neural Network Hình 8: Kết Confusion Matrix phương pháp SVM Hình 9: Kết dự báo tốn Hình 10: Mơ hình tốn Hình 11: Kết k-Means từ 21 đến 25 tuổi Hình 12: Kết k-Means từ 26 đến 30 tuổi Hình 13: Kết k-Means từ 31 đến 34 tuổi Hình 14: Kết k-Means từ 35 đến 39 tuổi Hình 15: Kết k-Means từ 40 đến 49 tuổi Hình 16: Kết k-Means từ 50 đến 59 tuổi Hình 17: Kết k-Means từ 60 đến 69 tuổi Hình 18: Kết k-Means từ 70 đến 75 tuổi DANH MỤC BẢNG Bảng 1: Tình trạng nợ khách hàng (số lượng khách hàng theo tình trạng trả nợ) từ tháng 4/2005 đến tháng 9/2005 Bảng 2: Số tiền tín dụng khách hàng đại trà sử dụng toán tháng Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Bảng 3: Số tiền tín dụng khách hàng tiềm sử dụng toán tháng MỤC LỤC DANH MỤC BIỂU ĐỒ DANH MỤC HÌNH ẢNH DANH MỤC BẢNG CHƯƠNG I: TỔNG QUAN .4 Lí chọn đề tài .4 Mục tiêu nghiên cứu .5 Mô tả liệu 3.1 Nguồn gốc liệu 3.2 Cấu trúc liệu 3.3 Mơ tả tốn 3.4 Mô tả phương pháp CHƯƠNG II: QUY TRÌNH THỰC HIỆN VÀ KẾT QUẢ 10 Bài tốn 1: Phân tích tình hình trả nợ tín dụng khách hàng từ tháng 4/2005 đến tháng 9/2005 .10 1.1 Mô tả toán: .10 1.2 Chạy mơ hình kết .10 Bài toán 2: Dự đoán khả vỡ nợ khách hàng vào tháng tới (10/2015) (bài toán phân lớp) .16 2.1 Mơ tả tốn 16 2.2 Mô tả liệu 17 2.3 Xử lý liệu 17 2.4 Chạy mơ hình kết .17 Bài toán 3: Phân cụm tình trạng trả nợ, số tiền hố đơn kê số tiền toán vào tháng năm 2005 theo độ tuổi .21 3.1 Quy trình thực hiện: .21 3.2 Đánh giá kết .21 CHƯƠNG III: ĐÁNH GIÁ CHUNG .41 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Bài toán .41 Bài toán .41 Bài toán .41 Kết luận 41 Những hạn chế .41 CHƯƠNG 4: LỜI KẾT 42 TÀI LIỆU THAM KHẢO 43 CHƯƠNG I: TỔNG QUAN Lí chọn đề tài Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Hiện hoạt động phát hành thẻ, cho vay vốn hay hoạt động trung gian liên quan đến tài giúp trì hoạt động cá nhân, doanh nghiệp vô phổ biến Các hoạt động giúp giảm tình trạng đói nghèo giúp giải nhanh vấn đề tài cá nhân doanh nghiệp Trong hệ thống hoạt động ngân hàng hoạt động tín dụng cho khách hàng vay hoạt động có khả sinh lời cao Tuy nhiên với khả sinh lời cao rủi ro vô lớn, ngân hàng phải sẵn sàng đối mặt với trường hợp xấu vỡ nợ khách hàng, khách hàng khơng cịn khả tốn nợ Một số ngân muốn phát triển, mở rộng th椃⌀ phần nhanh chóng mà cho phát hành thẻ tín dụng cách mức bỏ qua điều kiện tiên Bên cạnh với khơng có ý thức khách hàng họ sử dụng thẻ để chi tiêu bất hợp lí dẫn đến tình trạng khơng cịn khả tốn nợ Điều dẫn đến nhiều thiệt hại hậu nghiêm trọng cho ngân hàng Chính việc đánh giá rủi ro tín dụng khâu quan trọng tất yếu trước tiến hành hoạt động cho vay Các ngân hàng cần tích cực việc nâng cao chất lượng tín dụng cho khách hàng Bên cạnh phải xây dựng hệ thống tiêu chí đánh giá rủi ro tín dụng cách tối ưu Với phát triển trí tuệ nhân tạo máy móc có nhiều nghiên cứu sử dụng phương pháp ước lượng để lựa chọn mơ hình phù hợp Logistic, Propit, SVM, đ椃⌀nh, để phát triển mơ hình dự đốn rủi ro Với tò mò muốn hiểu mơ hình cách thức hoạt động chúng tơi đ椃⌀nh sâu vào nghiên cứu chúng Đề tài mà chọn để thực cho dự án cuối kì mơn khoa học liệu “Phân tích khả toán nợ khách hàng Đài Loan” Chủ đề có liên quan gần với chun ngành kiểm tốn Mục tiêu nghiên cứu  Thứ 1: Phân tích tình hình tốn nợ khách hàng Đài Loan năm khảo sát  Thứ 2: Phân tích xác suất toán nợ khách hàng Đài Loan  Thứ 3: Phương án nâng cao kế hoạch toán nợ khách hàng Đài Loan  Thứ 4: Đánh giá tiềm toán nợ khách hàng Đài Loan tương lai Mô tả liệu 3.1 Nguồn gốc liệu Dữ liệu toán khoản nợ khác hàng Đài Loan cung cấp I-Cheng Yeh đến từ tổ chức Department of Information Management, Chung Hua University, Taiwan (2) Department of Civil Engineering, Tamkang University, Taiwan Link truy cập vào liệu: https://archive.ics.uci.edu/ml/datasets/default+of+credit+card+clients# Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Dữ liệu kiểm tra xử lý số liệu không phù hợp: Loại bỏ liệu không rõ nguồn gốc (unknown): education loại bỏ liệu chứa 0, hôn nhân loại bỏ 5,6 Dữ liệu sau xử lý lưu lại dùng cho nghiên cứu Default of credit card clients xử lý.xlsx 3.2 Cấu trúc liệu -Biến đ椃⌀nh danh eduaction, marriage, sex default payment next month -Biến đ椃⌀nh lượng biến cịn lại Thuộc tính Ý nghĩa Mơ tả ID Mã đ椃⌀nh danh khách hàng chuỗi ký tự số LIMIT_BAL Số tiền tín dụng cho số tiền (NT dollar) SEX Giới tính = nam = nữ Trình độ = trường cao đẳng = đại học = cấp ba = khác MARRIAGE Tình trạng nhân = kết hôn = độc thân = khác AGE Độ tuổi số tự nhiên PAY_0 Tình trạng trả nợ vào tháng năm 2005 PAY_2 Tình trạng trả nợ vào tháng năm 2005 -1 = toán hợp lệ -2 = khơng sử dụng 0= Thanh tốn tín dụng xoay vịng = tốn trễ tháng PAY_3 Tình trạng trả nợ vào tháng năm 2005 PAY_4 Tình trạng trả nợ vào tháng EDUCATION Downloaded by vu ga (vuchinhhp2@gmail.com) = toán trễ tháng = toán trễ lOMoARcPSD|18034504 năm 2005 PAY_5 PAY_6 Tình trạng trả nợ vào tháng năm 2005 tháng Tình trạng trả nợ vào tháng 4 = toán trễ tháng = toán trễ tháng năm 2005 = toán trễ tháng = toán trễ tháng = toán trễ tháng = tốn trễ tháng BILL_AMT1 Số tiền hóa đơn kê tháng 9/2005 BILL_AMT2 Số tiền hóa đơn kê tháng 8/2005 BILL_AMT3 Số tiền hóa đơn kê tháng 7/2005 Số tiền (NT dollar) BILL_AMT4 Số tiền hóa đơn kê tháng 6/2005 BILL_AMT5 Số tiền hóa đơn kê tháng 5/2005 BILL_AMT6 Số tiền hóa đơn kê tháng 4/2005 PAY_AMT1 Số tiền toán đợt tháng 9/2005 Downloaded by vu ga (vuchinhhp2@gmail.com) Số tiền (NT dollar) lOMoARcPSD|18034504 PAY_AMT2 Số tiền toán đợt tháng 8/2005 PAY_AMT3 Số tiền toán đợt tháng 7/2005 PAY_AMT4 Số tiền toán đợt tháng 6/2005 PAY_AMT5 Số tiền toán đợt tháng 5/2005 PAY_AMT6 Số tiền toán toán đợt tháng 4/2005 default payment next month Thanh toán mặc đ椃⌀nh vào tháng tới 3.3 = yes = no Mô tả toán - Sử dụng Excel phần mềm Orange để xử lý liệu giải toán sau: + Bài tốn 1: Phân tích tình hình trả nợ tín dụng khách hàng từ tháng 4/2005 đến tháng 9/2005 (sử dụng excel đưa bảng biểu) + Bài tốn 2: + Bài tốn 3: 3.4 Mơ tả phương pháp  Phương pháp phân lớp liệu *Phân lớp (Classification, Supervised Learning): xếp items vào N lớp (đã biết trước) → gán nhãn liệu (dự đốn) Phân lớp liệu q trình phân đối tượng liệu vào hay nhiều lớp (loại) cho trước nhờ mơ hình phân lớp Mơ hình xây dựng dựa tập liệu gán nhãn trước Q trình gán nhãn cho đối tượng liệu trình phân lớp Phương pháp SVM (Support Vector Machine) thuật tốn có giám sát, SVM nhận liệu vào, xem chúng vector không gian phân lo ại chúng vào Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 lớp khác cách xây dựng siêu phẳng không gian nhiều chiều làm mặt phân cách lớp liệu Để tối ưu kết phân lớp phải xác đ椃⌀nh siêu phẳng (hyperplane) có khoảng cách đến điểm liệu (margin) tất lớp xa SVM có nhiều biến thể để phù hợp với nhiều toán phân loại khác Phương pháp hồi quy logistic mơ hình hồi quy nhằm dự đốn giá tr椃⌀ đầu rời rạc (discrete target variable) y ứng với véc-tơ đầu vào x.Việc tương đương với chuyện phân loại đầu vào x vào nhóm y tương ứng Phương pháp K-nearest neighbors thuật toán học máy có giám sát, đơn giản dễ triển khai Thường dùng toán phân loại hồi quy Thuật toán KNN cho liệu tương tự tồn gần khơng gian, từ cơng việc tìm k điểm gần với liệu cần kiểm tra  Bước 1: Xử lý liệu  Thay liệu thiếu orange nhờ pp thay giá tr椃⌀ tb cho số b椃⌀ thiếu  Bước 2: Xây dựng mơ hình phân lớp  Dữ liệu đầu vào: liệu mẫu gán nhãn tiền xử lý  Các thuật toán phân lớp: đ椃⌀nh, hàm số toán học, tập luật…  Kết bước mơ hình phân lớp huấn luyện (trình phân lớp)  Bước 3.1: Đánh giá mơ hình  Dữ liệu đầu vào: tập liệu mẫu khác gán nhãn tiền xử lý Tuy nhiên lúc đưa vào mô hình phân lớp, ta “lờ” thuộc tính gán nhãn  Tính đắn mơ hình xác đ椃⌀nh cách so sánh thuộc tính gán nhãn liệu đầu vào kết phân lớp mơ hình  Bước 3.2: Phân lớp liệu  Dữ liệu đầu vào: liệu “khuyết” thuộc tính cần dự đốn lớp (nhãn)  Mơ hình tự động phân lớp (gán nhãn) cho đối tượng liệu dựa vào huấn luyện bước  Phương pháp phân cụm liệu Là q trình gom cụm/nhóm đối tượng/dữ liệu có đặc điểm tương đồng vào cụm/nhóm tương ứng Trong đó: + Các đối tượng cụm có tính chất tương tự + Các đối tượng thuộc cụm/nhóm khác có tính chất khác  Đặc điểm: - Nhiệm vụ tìm đo đạc khác biệt đối tượng liệu - Phân cụm thuộc nhóm phương pháp học khơng giám sát (unsupervised learning) khơng biết trước số nhóm (khác với tốn phân lớp) - Một phương pháp phân cụm tốt phương pháp tạo cụm có chất lượng cao: + Độ tương đồng bên cụm cao + Độ tương tự cụm thấp (khác biệt cao) - Các ứng dụng điển hình: Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biểu đồ 11: Minh hoạ Scatter Plot PAY_0 từ 50 đến 59 tuổi Hạ thọ (từ 60 đến 69 tuổi) Minh hoạ kết phân cụm Biểu đồ 12: Minh hoạ Scatter Plot PAY_0 từ 60 đến 69 tuổi 29 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Trung thọ (từ 70 đến 75 tuổi) Minh hoạ kết phân cụm Biểu đồ 13: Minh hoạ Scatter Plot PAY_0 từ 70 đến 75 tuổi Kết luận - - Về mật độ phân bố: Số người cần trả nợ giảm dần theo độ tuổi, tập trung chủ yếu độ tuổi thành niên, nhiều nhóm tuổi từ 31 đến 39 tuổi Từ độ tuổi trung niên trở thấy rõ sụt giảm số người cần trả nợ, đỉnh điểm nhóm tuổi từ 70 đến 75 tuổi có người Trong số nhóm độ tuổi có phân biệt số lượng nguời cần trả nợ: độ tuổi 21 nhóm từ 21 đến 25 tuổi có mật độ thưa, có lẽ độ tuổi trẻ cho nhu cầu vay nợ Tình trạng trả nợ nhóm độ tuổi có nét tương đồng, tập trung nhiều mức -4 đến thưa dần hai mức này, khơng có trường hợp trễ q năm cho thấy xu hướng toán nợ sớm hạn trả nợ không lâu, giải nhanh vịng năm đổ lại 3.2.3 Số tiền hố đơn kê vào tháng năm 2005 (BILL_ATM1) Tuổi thành niên (từ 21 đến 39 tuổi) Từ 21 đến 25 tuổi: Minh hoạ kết phân cụm 30 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biểu đồ 14: Minh hoạ Scatter Plot BILL_ATM1 từ 21 đến 25 tuổi Từ 26 đế 30 tuổi Minh hoạ kết phân cụm Biểu đồ 15: Minh hoạ Scatter Plot BILL_ATM1 từ 26 đến 30 tuổi 31 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Từ 31-34 tuổi Minh hoạ kết phân cụm Biểu đồ 16: Minh hoạ Scatter Plot BILL_ATM1 từ 31 đến 34 tuổi Từ 35 đến 39 tuổi Minh hoạ kết phân cụm 32 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biểu đồ 17: Minh hoạ Scatter Plot BILL_ATM1 từ 35 đến 39 tuổi Tuổi trung niên (từ 40 đến 59 tuổi) Từ 40-49 tuổi Minh hoạ kết phân cụm 33 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biểu đồ 18: Minh hoạ Scatter Plot BILL_ATM1 từ 40 đến 49 tuổi Từ 50 đến 59 tuổi Minh hoạ kết phân cụm Biểu đồ 19: Minh hoạ Scatter Plot BILL_ATM1 từ 50 đến 59 tuổi Hạ thọ (từ 60 đến 69 tuổi) 34 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biểu đồ 20: Minh hoạ Scatter Plot BILL_ATM1 từ 60 đến 69 tuổi Trung thọ (từ 70 đến 75 tuôi) Minh hoạ kết phân cụm Biểu đồ 21: Minh hoạ Scatter Plot BILL_ATM1 từ 70 đến 75 tuổi 35 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Kết luận - Số tiền hoá đơn kê nhóm độ tuổi có xu hướng tập trung nhiều mức từ -200.000 NT dollar đến 200.000 NT dollar Mức số dư tài khoản kê khách hàng Đài Loan theo độ tuổi có ổ đ椃⌀nh cho thấy khả quản lý chi tiêu khàng hàng tương đối tốt 3.2.4 Số tiền toán đợt tháng năm 2005 (PAY_ATM1) Tuổi thành niên (từ 21-39 tuổi) Từ 21 đến 25 tuổi Minh hoạ kết phân cụm: Biều đồ 22: Minh hoạ Scatter Plot PAY_ATM1 từ 21 đến 25 tuổi Từ 26 đến 30 tuổi Minh hoạ kết phân cụm 36 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biều đồ 23: Minh hoạ Scatter Plot PAY_ATM1 từ 26 đến 30 tuổi Từ 31-34 tuổi Minh hoạ kết phân cụm Biều đồ 24: Minh hoạ Scatter Plot PAY_ATM1 từ 31 đến 34 tuổi 37 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Từ 35 đến 39 tuổi Minh hoạ kết phân cụm Biều đồ 25: Minh hoạ Scatter Plot PAY_ATM1 từ 35 đến 39 tuổi Tuổi trung niên (từ 40 đến 59 tuổi) Từ 40-49 tuổi Minh hoạ kết phân cụm 38 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Biều đồ 26: Minh hoạ Scatter Plot PAY_ATM1 từ 40 đến 49 tuổi Từ 50 đến 59 tuổi Minh hoạ kết phân cụm Biều đồ 27: Minh hoạ Scatter Plot PAY_ATM1 từ 50 đến 59 tuổi Hạ thọ (từ 60 đến 69 tuổi) 39 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Minh hoạ kết phân cụm Biều đồ 28: Minh hoạ Scatter Plot PAY_ATM1 từ 60 đến 69 tuổi Trung thọ (từ 70 đến 75 tuôi) Minh hoạ kết phân cụm Biều đồ 29: Minh hoạ Scatter Plot PAY_ATM1 từ 70 đến 75 tuổi Kết luận 40 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 - Nhìn chung, số tiền tốn tháng nhóm độ tuổi chủ yếu từ -100.000 NT dollar đến 100.000 NT dollar Một vài nhóm có phân bố đặc biệt: Nhóm từ 35 đến 39 tuổi có số tiền tốn tháng từ -200.000 đến 200.000 Nhóm độ tuổi trung thọ từ mức nhỏ -40.000 đổ lại không vượt qua mức -100.000 100.000) Trong nhóm độ tuổi có phân bố đồng CHƯƠNG III: ĐÁNH GIÁ CHUNG Bài toán Bằng cách sử dụng công cụ Pivot Table công cụ Data Analysis Excel cho kết cụ thể, số khách hàng tốn tín dụng xoay vịng chiếm 48-55%, với số khách hàng toán đại trà 11,08%-13,33% Bài toán Theo bảng đánh giá kết quả, phương pháp Neural Network cho kết Accuracy, F1Score, Precision Recall cao hai phương pháp SVM Logistic Regression, Neural Network có độ xác Precision cao ba phương pháp 0,77 Ma trận nhầm lẫn Neural Network có sai lầm loại 3074 nhỏ ba phương pháp Bài toán Theo bảng đánh giá kết quả, phương pháp k-Means cho thấy phân bố không đồng độ tuổi số tiền toán Số tiền toán chủ yếu độ tuổi nằm -100.000 NT dollar đến 100.000 NT dollar Kết luận Thời đại công nghẹ hóa đại hóa, việc trở nên dễ dàng tiện nghi Cách tốn nợ khơng ngoại lệ Ngày nhiều người sử dụng d椃⌀ch vụ tốn, nghiên cứu phân tích tình hình tốn tín dụng Đài Loan Nghiên cứu cịn xác đ椃⌀nh khả tốn nợ Đài Loan qua nhiều cách thức xác đ椃⌀nh theo đặc điểm cá nhân chi trả số tiền thời gian toán, dự đoán tương lai lẫn khả vỡ nợ khách hàng Các doanh nghiệp, nhà nước dựa vào phân tích để hiểu rõ tình hình chi trả nợ tín dụng đối tượng khách hàng, giảm tối thiểu mầm móng rủi ro gây ảnh hưởng đáng kể Đồng thời, có nhìn cụ thể hóa với nhóm khách hàng để đưa biện pháp tiếp cận khách hàng hợp lí hiệu nhất, hạn chế vỡ nợ tổn thất doanh thu Những hạn chế 41 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 - Kết nghiên cứu chưa thực cô đọng với kiến thức chưa chuyên sâu sinh viên độ tuổi 19,20 - Các số liệu lấy từ Đài Loan, không tiếp cận trực tiếp CHƯƠNG 4: LỜI KẾT Sau trình nghiên chúng tơi phần hiểu mơ hình dự đốn rủi ro cách hoạt động lợi ích Đồng thời đưa nhận đ椃⌀nh,đánh giá chúng Và cuối xin nhấn mạnh lần để hạn chế rủi ro tín dụng, ngân hàng cần nâng cao khả nhận diện khách hàng cách tối ưu nhằm lựa chọn phù hợp khách hàng đủ điều kiện khả vay Ngân hàng cần nhạy bén việc phát xử lí khoản vay có nguy cách k椃⌀p thời Ngân hàng cần cऀn trọng từ khâu chuỗi hệ thống hoạt động để tránh trường hợp không may xảy Cuối xin trân trọng cảm ơn thầy Nguyễn Mạnh Tuấn – giảng viên môn Khoa học liệu trường Đại học UEH tạo hội cho chúng em thực dự án nghiên cứu Do kiến thức hiểu biết cịn hạn chế nên q trình nghiên cứu có sai sót mong thầy góp ý để chúng em rút kinh nghiệm cho dự án nghiên cứu sau 42 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 TÀI LIỆU THAM KHẢO [1] Tài liệu, slide giảng môn Khoa học liệu – UEH [2] Yeh, I C., & Lien, C H (2009) The comparisons of data mining techniques for the predictive accuracy of probability of default of credit card clients Expert Systems with Applications, 36(2), 2473-2480 [3] https://archive.ics.uci.edu/ml/datasets/default+of+credit+card+clients# 43 Downloaded by vu ga (vuchinhhp2@gmail.com) ... khảo sát  Thứ 2: Phân tích xác suất tốn nợ khách hàng Đài Loan  Thứ 3: Phương án nâng cao kế hoạch toán nợ khách hàng Đài Loan  Thứ 4: Đánh giá tiềm toán nợ khách hàng Đài Loan tương lai Mô... học liệu ? ?Phân tích khả tốn nợ khách hàng Đài Loan? ?? Chủ đề có liên quan gần với chuyên ngành kiểm toán Mục tiêu nghiên cứu  Thứ 1: Phân tích tình hình tốn nợ khách hàng Đài Loan năm khảo sát... Bài toán dự đoán khả vỡ nợ khách hàng vào tháng tới giúp cho doanh nghiệp xác đ椃⌀nh khách hàng cịn khả khơng b椃⌀ vỡ nợ khách hàng b椃⌀ vỡ nợ => Doanh nghiệp tìm biện pháp thích hợp để thu hồi nợ,