Thông tin tài liệu
HỌC VIỆN NGÂN HÀNG KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ BÀI THI KẾT THÚC HỌC PHẦN HỌC PHẦN : TRÍ TUỆ NHÂN TẠO TRONG KINH DOANH ĐỀ TÀI: ỨNG DỤNG AI XÂY DỰNG MƠ HÌNH DỰ ĐỐN KHẢ NĂNG TRẢ NỢ CỦA KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM - BIDV Giảng viên hướng dẫn : Bùi Thị Hồng Nhung Nhóm thực : Nhóm Lớp học phần : 212IS42A10 Hà Nội, ngày 22 tháng 06 năm 2022 DANH SÁCH THÀNH VIÊN NHÓM 2: STT Họ tên Mã Sinh Viên 14 Trương Mỹ Hạnh 23A4010211 Đóng góp Mục Phần IV, Tổng hợp Word, Góp ý chỉnh sửa hoàn thiện 36 Nguyễn Phương Nga 23A4010435 Lời mở đầu, Phần I, Phần II, Góp ý hồn thiện 43 Nguyễn Thị Minh 23A4010468 Ngọc 59 Võ Thị Thu Thủy Mục Phần IV, Góp ý chỉnh sửa hồn thiện 23A4010636 Phần III, Kết luận, Góp ý hoàn thiện MỤC LỤC Giảng viên hướng dẫn : Bùi Thị Hồng Nhung Nhóm thực : Nhóm LỜI MỞ ĐẦU .1 NỘI DUNG I XÁC ĐỊNH VẤN ĐỀ .2 1.1 Ngân hàng Thương mại cổ phần Đầu tư Phát triển Việt Nam – BIDV .2 1.2 Phát biểu toán II PHÂN TÍCH CÁC DỮ LIỆU CẦN THU THẬP 2.1 Xác định thuộc tính liệu cần thu thập 2.2 Cách thức thu thập liệu .5 III GIỚI THIỆU TỔNG QUAN THUẬT TOÁN SỬ DỤNG .6 3.1 Khái qt mơ hình định (Decision tree) 3.2 Mơ hình định IV MÃ LỆNH CHƯƠNG TRÌNH 10 Khai báo thư viện sử dụng .10 Khai báo liệu .10 Mô tả liệu 10 Vẽ biểu đồ thể mối quan hệ thuộc tính mơ tả hay thuộc tính mơ tả thuộc tính nhãn 11 Xây dựng mơ hình định dự đốn khả trả nợ theo kịch khác 16 KẾT LUẬN .28 TÀI LIỆU THAM KHẢO 29 LỜI MỞ ĐẦU Trong hoạt động kinh doanh ngân hàng, hoạt động tín dụng chiếm tỷ trọng lớn đóng góp phần lớn vào tổng lợi nhuận ngân hàng Đồng thời, hoạt động tín dụng hoạt động tiềm ẩn nhiều rủi ro cho ngân hàng khách hàng không đủ khả không thực đầy đủ nghĩa vụ trả nợ ngân hàng Rủi ro tín dụng ảnh hưởng trực tiếp đến ngân hàng cho vay, sau đến ngân hàng bên có liên quan, lan rộng cịn ảnh hưởng xấu đến tồn kinh tế, đặc biệt kinh tế phát triển Việt Nam Nhóm sản phẩm tín dụng bao gồm sản phẩm cho vay có tài sản đảm bảo (thế chấp) sản phẩm cho vay không tài sản đảm bảo (tín chấp), sản phẩm cho vay tín chấp dành cho khách hàng cá nhân sản phẩm phổ biến thị trường ngân hàng trọng phát triển nhằm phục vụ đối tượng khách hàng Sản phẩm khách hàng vay không cần chấp tài sản tiềm ẩn nhiều rủi ro ngân hàng khách hàng không đủ khả không thực đầy đủ nghĩa vụ trả nợ Hiểu khó khăn đó, chúng em lựa chọn đề tài nghiên cứu: “ Ứng dụng AI xây dựng mơ hình dự đoán khả trả nợ khách hàng cá nhân ngân hàng TMCP Đầu tư Phát triển Việt Nam - BIDV” cho thi kết học phần mơn “Trí tuệ nhân tạo kinh doanh” Trong q trình thực dự báo, triển khai tìm hiểu thực kỹ lưỡng khó tránh việc sai sót Vì chúng em mong nhận đánh giá, nhận xét từ Cô để chúng em hoàn thiện tốt NỘI DUNG I XÁC ĐỊNH VẤN ĐỀ 1.1 Ngân hàng Thương mại cổ phần Đầu tư Phát triển Việt Nam – BIDV 1.1.1 Giới thiệu chung - Ngân hàng TMCP Đầu tư Phát triển Việt Nam, tên giao dịch quốc tế: Joint Stock Commercial Bank for Investment and Development of Vietnam (BIDV); thành lập ngày 26/4/1957, BIDV ngân hàng thương mại lâu đời Việt Nam - Các lĩnh vực hoạt động kinh doanh: Ngân hàng: ngân hàng có kinh nghiệm hàng đầu cung cấp đầy đủ sản phẩm, dịch vụ ngân hàng đại tiện ích Bảo hiểm: cung cấp sản phẩm Bảo hiểm nhân thọ, phi nhân thọ thiết kế phù hợp tổng thể sản phẩm trọn gói BIDV tới khách hàng Chứng khốn: cung cấp đa dạng dịch vụ môi giới, đầu tư tư vấn đầu tư khả phát triển nhanh chóng hệ thống đại lý nhận lệnh tồn quốc Đầu tư tài chính: góp vốn thành lập doanh nghiệp để đầu tư dự án, bật vai trị chủ trì điều phối dự án trọng điểm đất nước như: Công ty Cổ phần cho thuê Hàng không (VALC) Công ty phát triển đường cao tốc (BEDC), Đầu tư sân bay Quốc tế Long Thành… - BIDV biết đến với thương hiệu ngân hàng nhận lựa chọn, tín nhiệm tổ chức kinh tế, doanh nghiệp cá nhân việc tiếp cận dịch vụ tài ngân hàng; cộng đồng nước quốc tế biết đến ghi nhận thương hiệu ngân hàng lớn Việt Nam; niềm tự hào hệ CBNV ngành tài ngân hàng 65 năm qua với nghề nghiệp truyền thống phục vụ đầu tư phát triển đất nước BIDV ngân hàng Top 30 ngân hàng có quy mơ tài sản lớn khu vực Đông Nam Á, 1.000 ngân hàng tốt giới Tạp chí The Banker bình chọn 1.1.2 Khó khăn doanh nghiệp gặp phải Hoạt động cho vay cá nhân phận quan trọng hoạt động tín dụng nói chung ngân hàng Đây lĩnh vực đem lại tiềm phát triển lớn nguồn lợi nhuận bền vững cho ngân hàng thương mại Tuy nhiên, ngân hàng kinh doanh bán lẻ tốt Việt Nam, BIDV có hoạt động cho vay với đối tượng khách hàng cá nhân phát triển mạnh đem lại rủi ro cao Việc nhận diện rủi ro BIDV, thực tập trung từ đầu mối Phòng Quản lý rủi ro, phòng tự thống kê, đánh giá công tác nhận diện phân loại rủi ro chưa kịp thời Do chưa có phận nghiên cứu nhận diện rủi ro chuyên nghiệp nên thơng tin đưa trước định tín dụng khách hàng đơi thiếu xác, nhận diện rủi ro khách hàng phát sinh nợ hạn hoạt động kinh doanh chuyển hướng xấu Về việc đo lường rủi ro tín dụng chủ yếu dựa vào kết chấm điểm xếp hạng tín dụng thực theo trình chấm điểm xếp hạng tín dụng khách hàng cá nhân Tuy nhiên, quy trình chấm điểm hạn chế vài nhóm ngành nghề chính, chấm điểm phương pháp tính tốn thủ cơng nên kết chấm phụ thuộc vào chủ quan cán chấm điểm, chưa có thống kê xếp hạng tín dụng khách hàng hệ thống thông tin chung BIDV Một số nhân tố bên ngồi làm cho rủi ro tín dụng gia tăng: Dịch Covid-19 khiến cho nhiều doanh nghiệp, cá nhân ngừng hoạt động kinh doanh, đình trệ, phá sản hay xu hướng gia tăng nợ xấu Do vậy, ngân hàng BIDV nhận định việc dự báo khả trả nợ hạn tìm hiểu nhân tố tác động đến khả trả nợ KHCN ứng dụng AI vô quan trọng cần thiết, để giúp ngân hàng tăng cường khả nhận diện, khả trả nợ hạn khách hàng, góp phần giảm thiểu nợ xấu tăng cường cơng tác quản trị rủi ro tín dụng 1.2 Phát biểu toán Đề xuất sử dụng mơ hình định để dự đốn khả trả nợ khách hàng cá nhân cho BIDV Xác định mối tương quan biến, thực đánh giá mức độ ảnh hưởng cao hay thấp thuộc tính mơ tả tới thuộc tính nhãn (khả trả nợ) Mơ hình giúp ngân hàng đưa đánh giá khả chi trả số tiền vay khách hàng, từ đưa định có cho khách hàng vay hay không, đồng thời nâng cao khả nhận diện khách hàng II PHÂN TÍCH CÁC DỮ LIỆU CẦN THU THẬP 2.1 Xác định thuộc tính liệu cần thu thập Thuộc tính mơ tả Tuổi: Theo quan sát cho thấy khách hàng có độ tuổi cao khả trả nợ cho ngân hàng cao khách hàng lớn tuổi chín chắn sử dụng vốn ưu việt hơn, hiệu khách hàng nhỏ tuổi Giới tính: Nam / Nữ: Sự khác giới tính khách hàng dẫn đến khác mặt tâm lý, ảnh hưởng đến khả trả nợ Theo quan sát thực tế thấy nam giới có khả trả nợ hạn cao Tuy nhiên, điều lại chưa nghiên cứu làm rõ Tình trạng nhân gia đình: Đã kết (Yes) / Chưa kết hôn (No) Theo quan sát, khách hàng có gia đình ln tơn trọng tồn gia đình uy tín gia đình với xã hội Bởi khách hàng có gia đình ổn định có khả trả nợ cao khách hàng độc thân, ly dị Khu vực sống khách hàng: Ngoại Ô / Nông Thôn / Thành Phố / Thị Trấn Từ nơi khách hàng suy mật độ chi nhánh ngân hàng điều kiện kinh tế khu vực Khó khăn mặt địa lý làm cản trở cán quản lý giám sát nợ Theo quan sát cho thấy khách hàng sống gần chi nhánh ngân hàng có khả trả nợ cao Thu nhập (nghìn đồng/ quý): Đây nhân tố ảnh hưởng quan trọng Có thể dễ dàng nhận định khách hàng có thu nhập cao có khả trả nợ hạn cao Tài khoản tiết kiệm: Có tài khoản tiết kiệm hay khơng? (Yes/No) Khi khách hàng có tài khoản tiết kiệm tương đương với việc khách hàng có khoản tiền dự phịng mang tính khoản cao nhận lãi từ số tiền Tức có khả trả nợ hạn Sở hữu nhà riêng: Có nhà riêng hay khơng? (Yes/No): Nếu khách hàng cá nhân có sở hữu nhà riêng khả trả nợ hạn khách hàng cao Tài sản chấp: Có tài sản chấp hay khơng? (Yes/No): Khi khách hàng vay chấp khả xảy rủi ro khoản vay cá nhân thấp hơn, tức khả trả nợ cao Thuộc tính nhãn Khả trả nợ: bao gồm hai thuộc tính trả nợ hạn (Yes) trả nợ không hạn (No) 2.2 Cách thức thu thập liệu Bộ số liệu lấy từ trang web kaggle.com Khách hàng cá nhân vay nợ Sau xử lý liệu gồm 600 quan sát với biến: Trả nợ, độ tuổi, giới tính, tình trạng kết hơn, khu vực sống, thu nhập, tài khoản tiết kiệm, sở hữu nhà riêng, tài sản chấp Những số liệu thu thập được sử dụng để hỗ trợ cho việc đánh giá khả trả nợ khách hàng cá nhân BIDV III GIỚI THIỆU TỔNG QUAN THUẬT TOÁN SỬ DỤNG 3.1 Khái qt mơ hình định (Decision tree) Mơ hình định phương pháp đơn giản sử dụng để phân loại đối tượng theo tính chúng Ví dụ: bạn có định cho bạn biết đối tượng bạn có phải táo hay khơng dựa thuộc tính sau: màu sắc, kích thước trọng lượng Một định hoạt động cách xuống từ nút gốc đạt đến nút định Các nút định có nhánh đưa đến nút nhiều nút định Các nút nút đầu cuối trình bày định cuối giống tên chúng cho thấy Trong lĩnh vực máy học, định kiểu mơ hình dự báo (predictive model), nghĩa ánh xạ từ quan sát vật/hiện tượng tới kết luận giá trị mục tiêu vật/hiện tượng Mỗi nút (internal mode) tương ứng với biến; đường nối với nút thể giá trị cụ thể cho biến Mỗi nút đại diện cho giá trị dự đoán biến mục tiêu, cho trước giá trị biến biểu diễn đường từ nút gốc tới nút Kỹ thuật học máy dùng định gọi học định, hay gọi với tên ngắn gọn định Cây định phương tiện có tính mơ tả dành cho việc tính tốn xác suất có điều kiện Cây định mơ tả kết hợp kỹ thuật toán học tính tốn nhằm hỗ trợ việc mơ tả, phân loại tổng quát hóa tập liệu cho trước – Khơng có khả trả nợ (No) – Có khả trả nợ (Yes) Biểu đồ cho thấy độ tuổi khách hàng có khả trả nợ lớn so với khách hàng khơng có khả trả nợ Như vậy, khách hàng độ tuổi cao khả trả nợ cho ngân hàng cao 4.6 Biểu đồ hộp phân bố thu nhập khách hàng theo khả trả nợ – Khơng có khả trả nợ (No) – Có khả trả nợ (Yes) Thơng qua biểu đồ ta thấy được, mức thu nhập khách hàng có khả trả nợ cao so với khách hàng khơng có khả trả trả nợ Như vậy, thu nhập khách hàng cao khả trả nợ lớn 15 Xây dựng mơ hình định dự đốn khả trả nợ theo kịch khác 5.1 Kịch 1: Dự đoán khả trả nợ theo thu nhập, khu vực, nhà riêng, tài sản chấp, tài khoản tiết kiệm Xác định thuộc tính mơ tả X thuộc tính dự đốn y Chia liệu thành tập train test theo tỷ lệ 80% train, 20% test 16 Khai báo mơ hình định Thực thi mơ hình xác định ma trận nhầm lẫn Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần 17 Độ xác mơ hình chạy lần Sử dụng mơ hình cho liệu 5.2 Kịch 2: Dự đoán khả trả nợ khách hàng kết hôn theo độ tuổi, nhà riêng, chấp Tách liệu xác định thuộc tính mơ tả X, thuộc tính dự đoán y Chia liệu thành tập train, test theo tỷ lệ 50% train, 50% test 18 Thực thi mơ hình khai báo mơ hình định Kiểm thử mơ hình Xác định ma trận nhầm lẫn 19 Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Sử dụng mơ hình dự đốn số liệu 5.3 Kịch 3: Dự đoán khả trả nợ khách hàng nông thôn Tách liệu xác định thuộc tính mơ tả X, thuộc tính dự đoán y 20 Chia liệu thành tập train test theo tỷ lệ 60% train, 40% test Thực thi mơ hình khai báo mơ hình định Kiểm thử mơ hình 21 Xác định ma trận nhầm lẫn Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Sử dụng mơ hình cho liệu 5.4 Kịch 4: Dự đoán khả trả nợ khách hàng với tỷ lệ train, test 90% train, 10% test Xác định thuộc tính mơ tả X thuộc tính dự đốn y 22 Chia bộ dữ liệu thành hai tập train và test theo tỉ lệ 90% train,10% test Khai báo mơ hình định thực thi mơ hình 23 Kiểm thử mơ hình Xác định ma trận nhầm lẫn Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Sử dụng mơ hình với số liệu 24 5.5 Kịch 5: Dự đoán khả trả nợ khách hàng với tỷ lệ train, test 50% train, 50% test Xác định thuộc tính mơ tả X thuộc tính dự đốn y Chia bộ dữ liệu thành hai tập train và test theo tỉ lệ 50% train, 50% test Khai báo mơ hình định thực thi mơ hình 25 Kiểm thử mơ hình Xác định ma trận nhầm lẫn Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Độ xác mơ hình chạy lần Sử dụng mơ hình với số liệu 26 Qua việc chạy thử mơ hình định (Decision Tree) với kịch khác nhau, chúng em nhận thấy việc sử dụng AI để dự đoán khả trả nợ khách hàng cá nhân loại mơ hình có độ xác tương đối cao (hầu hết 50%) Điều cho thấy mơ hình định dự đốn khả trả nợ hạn khách hàng ngân hàng BIDV để từ tăng cường nhận diện nhóm khách hàng khơng có khả trả nợ hạn giúp ngân hàng quản trị rủi ro hoạt động cho vay cá nhân tốt 27 KẾT LUẬN Theo dịng chảy Cách mạng Cơng nghiệp 4.0, ngày trí tuệ nhân tạo áp dụng vô phổ biến rộng rãi Bằng cách sử dụng mơ hình AI, ngân hàng dễ dàng sàng lọc liệu, yếu tố tác động đến tới biến động chi tiêu khách hàng Các yếu tố đánh giá rủi ro, thẩm định hồ sơ cho vay, mở rộng cung cấp dịch vụ hay cung ứng sản phẩm phù hợp cho khách hàng Kết nghiên cứu cho thấy, mơ hình định phù hợp cho việc dự đoán khả trả nợ khách hàng cá nhân Mơ hình phần giải vấn đề khó khăn BIDV, giúp giảm tỷ lệ rủi ro cho khách hàng cá nhân vay cho hiệu đồng thời nâng cao chất lượng phục vụ ngân hàng Từ đó, bước nâng cao chất lượng giữ vững danh hiệu Ngân hàng dẫn đầu dich vụ khách hàng cá nhân tốt Việt Nam Trong trình tìm Trong trình tìm hiểu chạy thử mơ hình dự đốn khả trả nợ khách hàng cá nhân Ngân hàng BIDV, khó tránh khỏi nguy phát sinh sai sót khách quan Chúng em chân thành mong muốn nhận cảm thơng, đánh giá góp ý từ phía để dự đốn chúng em hoàn hành cách tốt Chúng em xin chân thành cảm ơn cô giúp đỡ chúng em học phần “ Trí tuệ nhân tạo kinh doanh” giúp chúng em có thêm nhiều kiến thức bổ ích thú vị AI 28 TÀI LIỆU THAM KHẢO Khoa Hệ thống Thơng tin Quản lí (2021), Slide mơn học Trí tuệ nhân tạo kinh doanh, Học viện Ngân hàng Thuật toán định (P1) – Classification & Regression Tree (CR&T), BigData https://bigdatauni.com/tin-tuc/thuat-toan-cay-quyet-dinh-classification-regression-treecart-p-1.html Cây Quyết Định (Decision Tree), 2019, Trí tuệ nhân tạo https://trituenhantao.io/kien-thuc/decision-tree/ Các yếu tố ảnh hưởng đến khả trả nợ khách hàng cá nhân Ngân hàng BIDV Trà Vinh, 2021, Tạp chí tài https://tapchitaichinh.vn/ngan-hang/cac-yeu-to-anh-huong-den-kha-nang-tra-no-cuakhach-hang-ca-nhan-tai-ngan-hang-bidv-tra-vinh-334913.html Dự đoán hành vi trả nợ hạn khách hàng cá nhân ngân hàng thương mại, 2020, Tạp chí cơng thương https://tapchicongthuong.vn/bai-viet/du-doan-hanh-vi-tra-no-dung-han-cua-khachhang-ca-nhan-tai-ngan-hang-thuong-mai-76060.htm 29
Ngày đăng: 05/06/2023, 16:04
Xem thêm:
