Chuyên ngành kinh tế dữ liệu ứng dụng mô hình phân lớp dự đoán khách hàng ngừng sử dụng dịch vụ tín dụng tại ngân hàng mb

HỌC VIỆN CHÍNH SÁCH VÀ PHÁT TRIỂN KHOA KINH TẾ SỐ KHÓA LUẬN TỐT NGHIỆP CHỦ ĐỀ : Ứng dụng mơ hình phân lớp dự đốn khách hàng ngừng sử dụng dịch vụ tín dụng ngân hàng MB Giáo viên hướng dẫn: Nguyễn Hữu Xuân Trường Sinh viên thực hiện: Hoàng Mỹ Đức Mã sinh viên: 7103101308 Lớp: Kinh Tế Dữ Liệu 10 Hà Nội, tháng 03/2023 LỜI CAM ĐOAN Em xin cam đoan khóa luận với đề tài “Ứng dụng mơ hình phân lớp dự đốn ngưng sử dụng dịch vụ tín dụng ngân hàng MB” tự thân thực hiện, có hỗ trợ giáo viên hướng dẫn không chép cơng trình nghiên cứu người khác Các số liệu khóa luận sử dụng trung thực trích dẫn rõ ràng Nếu sai em xin hồn tồn chịu trách nhiệm Hà Nội, ngày 27 tháng năm 2023 Giảng viên hướng dẫn Sinh viên Hoàng Mỹ Đức LỜI CẢM ƠN Lời đầu tiên, em xin bày tỏ lịng biết ơn sâu sắc tới Học viện Chính sách Phát triển Khoa Kinh Tế Số thầy tạo điều kiện cho em có môi trường học tập tốt suốt thời gian học tập nghiên cứu học viện giúp em có thêm nhiều kiến thức từ có chuyên mơn, nhìn sâu sắc hồn thiện sống cơng việc sau Từ kiến thức mà thân em lĩnh hội khoảng thời gian ngồi giảng đường đại học, em đúc kết trình bày lại thông qua luận văn tốt nghiệp Em xin gửi lời cảm ơn sâu sắc tới thầy TS Nguyễn Hữu Xuân Trường – Thầy người trực tiếp hướng dẫn, dạy em suốt trình nghiên cứu hồn thiện khóa luận tốt nghiệp Kiến thức vô hạn, tiếp nhận kiến thức trình bày thân người tồn hạn chế định Do đó, q trình hồn thiện khóa luận, em khơng thể tránh khỏi thiếu sót Em mong nhận đóng góp dẫn, góp ý thầy, để khóa luận em hồn thiện Cuối cùng, Em chúc thầy, cô khỏe mạnh, gặt hái nhiều thành công sống tiếp tục dìu dắt nhiều hệ sinh viên chúng em ngày hồn thiện Em xin chân thành cảm ơn! Hà Nội, ngày 20 tháng 03 năm 2023 MỤC LỤC LỜI MỞ ĐẦU Lý thực đề tài Mục đích nhiệm vụ khóa luận Đối tượng phạm vi nghiên cứu khóa luận Phương pháp luận phương pháp nghiên cứu khóa luận Ý nghĩa lý luận thực tiễn khóa luận Kết cấu khóa luận CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ HOẠT ĐỘNG TÍN DỤNG ĐỐI VỚI KHÁCH HÀNG CÁ NHÂN VÀ BÀI TOÁN PHÂN LỚP 1.1 Hoạt động tín dụng khách hàng cá nhân 1.1.1 Khái niệm tín dụng cá nhân 1.1.2 Đặc điểm riêng biệt tín dụng cá nhân 1.1.3 Vai trị hoạt động tín dụng cá nhân 11 1.1.4 Các sản phẩm tín dụng cá nhân 13 1.2 Các nhân tố ảnh hưởng đến hoạt động tín dụng cá nhân 14 1.2.1 Các nhân tố môi trường hoạt động 14 1.2.2 Các nhân tố thuộc phía khách hàng 15 1.2.3 Các nhân tố thuộc phía ngân hàng 16 1.3 Sự cần thiết phải nâng cao chất lượng hoạt động tín dụng cá nhân 19 1.4 Kinh nghiệm nâng cao chất lượng hoạt động tín dụng cá nhân số ngân hàng thương mại Việt Nam 21 1.5 Tổng quan toán phân lớp 23 1.5.1 Giới thiệu toán phân lớp 23 1.5.2 Quá trình phân lớp liệu 25 1.5.3 Một số thuật toán áp dụng cho toán phân lớp liệu 26 Tiểu kết chương 30 CHƯƠNG : ỨNG DỤNG MƠ HÌNH MƠ HÌNH PHÂN LỚP DỰ ĐỐN KHÁCH HÀNG NGỪNG SỬ DỤNG DỊCH VỤ TÍN DỤNG TẠI NGÂN HÀNG MB 32 2.1 Quá trình hình thành phát triển Ngân hàng TMCP Quân Đội 32 2.1.1 Khái quát chung Ngân hàng TMCP Quân Đội 32 2.1.2 Quá trình hình thành phát triển Ngân hàng TMCP Quân Đội 32 2.1.3 Cơ cấu máy tổ chức chung Ngân hàng TMCP Quân Đội 34 Chức nhiệm vụ phòng ban Ngân hàng TMCP Quân Đội MB 35 2.2 Phân tích ngưng sử dụng dịch vụ tín dụng ngân hàng MB 36 2.2.1 Cài đặt thư viện chạy liệu 36 2.2.2 Khám phá, trực quan hóa biến tập liệu 38 2.2.3 Tìm kiếm xử lý liệu bị lỗi 58 2.2.4 Xây dựng mơ hình 64 CHƯƠNG 3: GIẢI PHÁP, KIẾN NGHỊ NÂNG CAO CHẤT LƯỢNG TÍN DỤNG KHÁCH HÀNG TẠI NGÂN HÀNG TMCP QUÂN ĐỘI 73 3.1 Những vấn đề tồn hoạt động tín dụng ngân hàng MB 73 3.1.1 Vấn đề bên phía ngân hàng 73 3.1.2 Vấn đề bên phía khách hàng 74 3.2 Một số kiến nghị ngân hàng MB 74 KẾT LUẬN 74 TÀI LIỆU THAM KHẢO 79 DANH MỤC BẢNG, SƠ ĐỒ Bảng 1: So sánh mức lương trung bình nam nữ tập liệu Bảng 2: Số người thành phố Bảng 3: Biến “City” Sơ đồ 1: Mơ hình tổ chức Ngân hàng TMCP Quân Đội MB DANH MỤC CÁC HÌNH SỬ DỤNG Hình 1: Chấm xám thuộc lớp xanh hay đỏ? – tốn phân lớp Hình 2: Phân lớp nhận dạng email spam Hình 3: Các bước hoạt động thuật tốn Random Forest Hình : Biểu diễn tập liệu Hình 5: Thơng số chi tiết liệu Hình 6: Biến “Age” Hình 7: “ratio” biến “Age” Hình 8: Biến “Tenure” Hình 9: “ratio” biến “Tenure” Hình 10: “Hà Nội” Hình 11: “Sài Gịn” Hình 12: “Đà Nẵng” Hình 13: độ phân bổ “Balance” Hình 14: Biến “Balance” Hình 15: Biểu đồ tỉ lệ biến “Balance” Hình 16: “ratio” khoảng khách hàng Hình 17: Phân bố “Credit Score” chung Hình 18: Phân bố “Credit Score” thành phố Hình 19: Biến “Active” chung Hình 20: Biến “Active” “Hà Nội” Hình 21: Biến “Active” “Thành phố Hồ Chí Minh” Hình 22: Biến “Active” “Đà Nẵng” Hình 23: Số lượng gói tín dụng khách hàng sử dụng Hình 24: Biểu diễn biến “City” biến “Gender” Hình 25: Lọc khách hàng ghép biến Hình 26: biểu đồ thể giới tính khách hàng ngừng sử dụng tín dụng thành phố Hình 27: biểu đồ thể giới tính khách hàng tiếp tục sử dụng tín dụng thành phố Hình 28: dòng sau ghép từ biến “Tenure”, “Gender”, ”Exited” Hình 29: Nhóm khách hàng ngừng tín dụng Hình 30: Nhóm khách hàng tiếp tục Hình 31: tỉ lệ “Ratio” biến “Tenure” “Gender” Hình 32: dòng biến “NOP”, “City” “Exited” Hình 33: Nhóm khách hàng tiếp tục Hình 34: Nhóm khách hàng ngừng tín dụng Hình 35: Số gói tín dụng khách hàng nam nữ Hình 36: Tìm kiếm liệu lỗi (1) Hình 37: Tìm kiếm liệu lỗi (2) Hình 38: outlier “Credit Score” Hình 39: “Credit Score” sau làm Hình 40: “Age” sau làm Hình 41: Biến “NOP” sau làm Hình 42: Tập liệu sau làm Hình 43: Sự tương quan biến với “Exited” Hình 44: Biểu đồ tương quan biến với “Exited” Hình 45: Biểu diễn lại liệu Hình 46: Dữ liệu Hình 47: “f1-score” thuật tốn Logistic Regression Hình 48 : “f1-score” thuật tốn Decision Tree Hình 49: f1-score thuật tốn Random Forest DANH MỤC CÁC KÍ HIỆU, CHỮ VIẾT TẮT TMCP Thương mại cổ phần MB Ngân hàng TMCP Quân Đội PGD Phòng giao dịch DNL Doanh nghiệp lớn QHKH Quan hệ khách hàng KHCN Khách hàng cá nhân KHDN Khách hàng doanh nghiệp TMCP Thương mại cổ phần NHTM Ngân hàng thương mại LỜI MỞ ĐẦU Lý thực đề tài Trải qua thời gian hoạt động lâu dài, ngành ngân hàng khẳng định vai trị quan trọng kinh tế Trong đó, hoạt động tín dụng ln đứng vị trí tảng, phát triển bền vững toàn ngành ngân hàng Trong năm vừa qua, kinh tế Việt Nam nói riêng kinh tế giới nói chung phải đối mặt với nhiều thách thức, khó khăn, khủng hoảng kinh tế, xung đột Nga với Ukraina trước đại dịch COVID-19 tác động trực tiếp đến tình hình tài tiền tệ Trong kinh tế thị trường hội nhập cạnh tranh hoạt động tín dụng ngân hàng đóng góp vai trò quan trọng hoạt động sản xuất kinh doanh ngân hàng, nguồn thu nhập mang lại lợi nhuận lớn ngân hàng, góp phần thúc đẩy tăng trưởng kinh tế quốc gia Đa dạng hóa sản phẩm, đổi cách thức làm việc điều mà ngân hàng luôn phải tiến hành nhằm thu hút khách hàng, chiếm giữ thị trường mà khách ngày có yêu cầu cao Theo Ngân hàng Nhà nước Việt Nam, tín dụng tăng từ đầu năm 2022 phù hợp với diễn biến tích cực kinh tế so với kỳ năm trước Tăng trưởng tín dụng đến cuối tháng 10/2022 đạt 11,5% so với cuối năm 2021, góp phần hỗ trợ doanh nghiệp kinh tế phục hồi khả quan tháng qua Trong bối cảnh giải ngân vốn đầu tư công gặp nhiều khó khăn mức tăng trưởng tín dụng thời gian qua góp phần đáp ứng yêu cầu tăng trưởng kinh tế Mặc dù hoạt động tín dụng có đà tăng trưởng từ 2022 đà phát triển vào tháng đầu năm 2023 số phận khách hàng không tiếp tục sử dụng dịch vụ tín dụng ngân hàng thương mại cổ phần quân đội MB Do em tìm hiểu phân tích lý thơng qua việc lựa chọn đề tài “ Ứng dụng mơ hình phân lớp dự đốn ngưng sử dụng dịch vụ tín dụng ngân hàng MB “ để làm khóa luận tốt nghiệp Hình 43: Sự tương quan biến với “Exited” Tiếp theo vẽ biểu đồ để thấy dễ sns.heatmap(corr) Hình 44: Biểu đồ tương quan biến với “Exited” Nhìn vào biểu đồ hình 44 thấy số biến có tương quan biến “Exited” thấp biểu diễn màu đen, ví dụ biến “Active” 2.2.4.2 Cân liệu Đầu tiên kiểm tra liệu có cân hay không df_cleaned['Exited'].value_counts() 7963 2037 Name: Exited, dtype: int64 65 Có thể thấy tập liệu bị cân biến Biến “0” có “7963” liệu, biến “1” có “2037” phải cân lại liệu biến “0” cho liệu biến “1” dataset_0_rus = dataset_0.sample(dataset_1.shape[0]) dataset_0_rus.shape Kết là: (2037, 11) Dữ liệu cân lại biến Tiếp theo nối lại liệu df_cleaned1 = pd.concat([dataset_0_rus,dataset_1]) df_cleaned1.shape Kết : (4074, 11) 2.2.4.3 Xây dựng thuật toán 2.2.4.3.1 Thuật toán Logistic Regression Để dùng thuật tốn phải cài đặt số thư viện sau: from sklearn.model_selection import train_test_split, cross_val_score from sklearn.linear_model import LogisticRegression from sklearn import datasets, metrics from sklearn.svm import SVC from sklearn.metrics import confusion_matrix, accuracy_score, classification_report from sklearn.metrics import roc_auc_score,roc_curve from sklearn.preprocessing import StandardScaler Tiếp theo dử dụng “StandardScaler” để xử lý chênh lệch biến phụ thuộc biến độc lập sc = StandardScaler() for i in ['CreditScore', 'Age', 'Balance', 'InCome']: df_cleaned[i]= sc.fit_transform(df_cleaned[i].values.reshape(-1, 1)) df_cleaned 66 Hình 45: Biểu diễn lại liệu Có thể thấy với tập liệu không cần dùng đến biến “group_bal” nên tiến hành xóa df_cleaned= df_cleaned.drop(columns=['group_bal']) df_cleaned Hình 46: Dữ liệu Sau liệu hồn tồn ta chia tập liệu thành phần “train” với “test” sau tính mối quan hệ phần kết lớn df_cleaned_dum = pd.get_dummies(df_cleaned) X = df_cleaned_dum.drop(columns=['Exited','HasCrCard','Balance'], axis=1) 67 y = df_cleaned_dum['Exited'] X = X.values y = y.values #Chia tập liệu X_train_cleaned, X_test_cleaned, y_train_cleaned, y_test_cleaned = train_test_split(X, y, test_size=0.3, random_state=0) model = LogisticRegression() model.fit(X_train_cleaned, y_train_cleaned) #Tính độ xác accuracy_score(y_test_cleaned, model.predict(X_test_cleaned)) Kết : 0,72= 72% Dùng “confusion matrix” để tính “f1-score” mơ hình tập “train” “test” cf_matrix= confusion_matrix(y_test_cleaned, model.predict(X_test_cleaned)) sns.heatmap(cf_matrix/np.sum(cf_matrix), annot=True, fmt= '.2%', cmap='Blues') print(classification_report(y_test_cleaned, model.predict(X_test_cleaned))) 68 Hình 47: “f1-score” thuật toán Logistic Regression Kết f1-score 0,73= 73% 2.2.4.3.2 Thuật toán Decision Tree Với thuật toán ta tính độ xác “f1-score” tập “train” tập “test” #Độ xác from sklearn.tree import DecisionTreeClassifier clf = DecisionTreeClassifier(max_depth=1) clf.fit(X_train_cleaned, y_train_cleaned) accuracy_score(y_test_cleaned, clf.predict(X_test_cleaned)) Kết : 0,702 = 70,2% 69 #Tính f1-score cf_matrix_dt=confusion_matrix(y_test_cleaned,model.predict(X_test_cleaned )) sns.heatmap(cf_matrix_dt/np.sum(cf_matrix_dt), annot=True, fmt= '.2%', cmap='Blues') print(classification_report(y_test_cleaned,clf.predict(X_test_cleaned))) Kết là: Hình 48 : “f1-score” thuật tốn Decision Tree Kết f1-score thuật toán Decision Tree là: 0,68 = 68% 2.2.4.3.3 Thuật toán Random Forest Thuật toán phải cài đặt số thư viện, sau tính độ xác “f1-score” tập “train” “test” 70 #Cài đặt thư viện from sklearn.ensemble import RandomForestClassifier, VotingClassifier from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import confusion_matrix, classification_report, classification_report #Độ xác rd_fr= RandomForestClassifier() rd_fr.fit(X_train_cleaned, y_train_cleaned) accuracy_score(y_test_cleaned, rd_fr.predict(X_test_cleaned)) Kết là: 0,746 ~ 74,6% #f1-score cf_matrix_rdfr=confusion_matrix(y_test_cleaned,model.predict(X_test_clean ed)) sns.heatmap(cf_matrix_rdfr/np.sum(cf_matrix_rdfr), annot=True, fmt= '.2%', cmap='Blues') print(classification_report(y_test_cleaned,rd_fr.predict(X_test_cleaned))) 71 Hình 49: f1-score thuật toán Random Forest Kết f1-score thuật toán Random Forest là: 0,74 = 74% 2.2.4.3.4 Kết luận thuật toán Sau sử dụng thuật tốn để tính độ xác tập “train” “tets” tập liệu giá trị “accuracy” thuật toán Random Forest cao nhất(74,6%) so với thuật tốn cịn lại mức 70,2% 72,9% Khơng điểm “f1-score” thuật toán cao lên đến 74%, thuật tốn cịn lại 68% 73% Đồng nghĩa với việc với tập liệu dùng thuật tốn Random Forest cho kết có độ xác cao tối ưu 72 CHƯƠNG 3: GIẢI PHÁP, KIẾN NGHỊ NÂNG CAO CHẤT LƯỢNG TÍN DỤNG KHÁCH HÀNG TẠI NGÂN HÀNG MB 3.1 Những vấn đề cịn tồn hoạt động tín dụng Ngân hàng MB 3.1.1 Vấn đề bên phía ngân hàng Để đạt mục tiêu tăng trưởng tín dụng, Ngân hàng TMCP Quân Đội không ngần ngại điều chỉnh vị rủi ro để mạnh tay việc giải ngân, thiếu đánh giá dự báo dẫn đến việc cho vay ngành tiềm ẩn nhiều rủi ro bất động sản, tiêu dùng tín chấp Với áp lực tiêu kinh doanh ngày lớn cộng thêm gia tăng cạnh tranh nhiều ngân hàng với buộc nhân viên phải tìm tới nguồn khách hàng mức tiêu chuẩn nhằm đạt tiêu kinh doanh Việc tìm kiếm khách hàng khơng có chọn lọc theo tiêu chí ngân hàng khách hàng có quy mơ sản xuất nhỏ, khơng có cơng ăn việc làm ổn định, khơng có nguồn trả nợ cố định, điều ảnh hưởng trực tiếp đến tình hình tín dụng ngân hàng Bên cạnh việc theo đuổi sách tín dụng chứa đựng nhiều rủi ro, cơng tác quản lý tín dụng ngân hàng cịn nhiều bất cập, đặc biệt khâu giám sát quản lý vốn vay gây nên rủi ro tiềm ẩn tương lai Ví dụ số cá nhân sử dụng vốn vay khơng mục đích, đầu tư vào lĩnh vực rủi ro cao, dẫn đến thua lỗ khả chi trả Việc giám sát vốn vay không trọng Nhiều nhân viên tư vấn tài cá nhân tự lập bảng kiểm tra mục đích sử dụng vốn, bảng kiểm tra định kỳ hoạt động kinh doanh khách hàng nhiên lại không kiểm tra sở để nhằm đối phó qua mặt phận hỗ tợ tín dụng, kiểm toán nội ngân hàng Các khoản cấp tín dụng cịn dựa vào yếu tố chủ quan cảm tính; nhân viên tín dụng cá nhân chi nhánh có 4, năm kinh nghiệm, hoạt động tín dụng chi nhánh chưa phong phú, cịn nhiều thiếu sót tâm lý chủ quan cơng tác thẩm định tính dụng, chưa đánh giá hết rủi ro tiềm ẩn hoạt động kinh doanh khách hàng 73 Với việc đẩy nhanh thời gian xử lý hồ sơ, nhân viên tín dụng tiếp xúc khách hàng lần nhằm thu thập thông tin cần thiết, đánh giá trước đề xuất cấp tín dụng NVTD khơng thể nắm bắt đánh giá hết thông tin tư cách nhân thân tình hình tài khách hàng Tiêu chí khoảng cách địa lý từ sở ngân hàng đến địa điểm kinh doanh hay nhà khách hàng xa khó theo dõi sát tình hình khách hàng kiểm tra mục đích sử dụng vốn vay 3.1.2 Vấn đề bên phía khách hàng Khách hàng khơng có kinh nghiệm dự báo rủi ro hoạt động kinh doanh khơng có kế hoạch kinh doanh cụ thể tác động đến tình hình chi trả nợ vay cho ngân hàng Thơng tin tín dụng tin cậy: Khách hàng không trung thực việc cung cấp thơng tin cho ngân hàng, chí giả mạo chứng từ nhằm chiếm đoạt vốn vay Nhận thấy ngân hàng dễ dãi việc cho vay nhiều khách hàng không ngần ngại vay vốn nhiên lại khơng có phương án sử dụng vốn vay cụ thể Hoặc khách hàng nắm bắt thông tin ngân hàng không cho vay mục đích đầu bất động sản, kinh doanh chứng khốn, nên tìm cách dấu thơng tin Những hệ lụy nợ xấu hệ thống ngân hàng kinh tế điều bàn cãi, tỷ lệ nợ xấu có xu hướng tăng kinh tế cịn nhiều khó khăn Nợ xấu yếu tố tất yếu hoạt động ngân hàng, song thực tế hoạt động ngân hàng vừa qua diễn biến kinh tế dự báo cịn nhiều khó khăn thời gian tới địi hỏi phải sớm có giải pháp nhằm kiểm sốt hiệu đà tăng nợ xấu tác động khó lường hệ thống ngân hàng toàn kinh tế 3.2 Một số kiến nghị ngân hàng MB - Cải tiến sản phẩm hình thức cho vay khách hàng cá nhân Tiềm thị trường cho vay tiêu dùng Việt Nam chuyên gia đánh giá lớn Với cạnh tranh ngày gay gắt từ khối ngân 74 hàng ngoại, thị phần tín dụng chia sẻ ngân hàng địi hỏi phát triển đa dạng sản phẩm tín dụng phong phú phương thức, loại tiền, kỳ hạn , sản phẩm kết hợp tín dụng, bảo hiểm, có tính chuyên biệt cao phù hợp nhu cầu khách hàng cải tiến sản phẩm có Ngân Hàng TMCP Quân Đội sản phẩm cho vay mua nhà cần gia tăng thời hạn cho vay tối đa lên 12 -15 năm mua nhà đất mục tiêu quan trọng người cần có thời gian dài để giảm bớt sế tiền trả nợ vay kỳ nhằm đảm bảo khả chi tiêu cho sống hàng ngày Mặt khác gia tăng thời hạn cho vay giúp MB cạnh tranh so với sản phẩm đối thủ cạnh tranh khác Tâp trung phát triển sản phẩm cho vay mang tính đặc thù địa phương nhằm tăng trưởng dư nợ tín dụng, phù hợp với điều kiện kinh tế vùng, địa phương, thực theo chủ trương đường lối phát triển kinh tế nhà nước đồng thời giúp ngân hàng phân bổ rủi ro kiểm soát tỷ lệ cho vay ngành, vùng kinh tế theo sách ngân hàng nhà nước Thiết kế bó sản phẩm phù hợp để thay đổi hành vi khách hàng đẩy mạnh tăng doanh sế tín dụng thơng qua cơng tác bán chéo sản phẩm tín dụng, sản phẩm thẻ, tiền gửi toán, thấu chi, Việc sử dụng bó sản phẩm giúp khách hàng sử dụng đa dạng tiện ích dịch vụ, sản phẩm ngân hàng tiếp cân nhiều ưu đãi lãi suất, phí so với sử dụng sản phẩm dịch vụ đơn lẻ - Xây dựng định hướng sách tín dụng Xây dựng sách tín dụng riêng cho mảng khách hàng cá nhân nhằm tạo linh hoạt, hiệu quả, phù hợp với đối tượng khách hàng nhu cầu tín dụng; thích ứng với mơi trường kinh tế sở cập nhật thơng tin, phân tích đánh giá thực trạng dự báo triển vọng ngành, sản phẩm đảm bảo góp phần gia tăng lực sản xuất, phát huy tiềm 75 thành phần kinh tế xã hội, đảm bảo hoạt động kinh doanh ngân hàng ổn định - Hồn thành quy trình tín dụng đảm bảo thực tốt cơng tác tín dụng Hồ sơ xét cấp tín dụng chun mơn hóa, giải theo nhiều khâu riêng biệt, có chia tách phận phân tích tín dụng, đơn vị kinh doanh, pháp lý chứng từ hay tài sản đảm bảo, Điều nhằm giảm thiểu rủi ro phát sinh trình xét cấp tín dụng thống việc đánh giá, quản lý theo dõi hồ sơ Bên cạnh đó, phận, phòng ban cần xây dựng quy trình chặt chẽ, hỗ trợ lẫn để máy ngân hàng vân hành trơn tru, đẩy nhanh tiến độ giải hồ sơ, tạo hình ảnh chuyên nghiệp ngân hàng Phân quyền hạn mức thẩm định cho nhân viên kinh doanh kênh phân phối hạn mức phê duyệt theo thẩm quyền trưởng đơn vị (phân cấp chuyên viên kênh phân phối) nhằm tạo linh động giải hồ sơ, đẩy mạnh tăng trưởng tín dụng Xây dựng quy trình phê duyệt nhanh sản phẩm tín dụng nhỏ lẻ, sản phẩm tín dụng chịu rủi ro Thiết lập luân chuyển tài liệu, hồ sơ điện tử để giảm thiểu thời gian giải khoản tín dụng vượt cấp Phân chia hạn mức phê duyệt cấp bậc đảm bảo công tác phê duyệt nhanh gọn, chia nhỏ rủi ro phê duyệt Đồng thời hạn chế quyền phê duyệt số trường hợp đặc biệt ngoại lệ quy định sản phẩm, ngoại lệ quy định sách đảm bảo lực phê duyệt theo cấp bậc thông qua đồng thuận cao cán phê duyệt có kinh nghiệm đẩy nhanh tiến độ thông báo kết hồ sơ tín dụng cho khách hàng Thành lập phận quản lý nghiệp vụ phân tích tín dụng cá nhân để xây dựng quy trình thủ tục đồng thời hướng dẫn công văn nghiệp vụ cho nhân viên - Tăng cường công tác đánh giá nợ xấu Rà soát khoản nợ xấu đủ điều kiện cấu theo quy định 780 76 NHNN thông tư 02 để cấu nợ, gia hạn nợ, miễn giảm lãi hạn, tạo điều kiện cho khách hàng tiếp cân vến vay để ổn định hoạt động kinh doanh, có nguồn vến để trả nợ cho ngân hàng giảm nợ xấu cho ngân hàng Đối với trường hợp nợ xấu khác nhau, cần tìm nguyên nhân nợ xấu để có hướng giải phù hợp với trường hợp khách hàng cụ thể Tuy nhiên, ngân hàng nên có kịch xử lý nợ xấu chung địa bàn, khu vực có nhiều khoản nợ xấu nhằm đẩy nhanh tiến độ xử lý nợ xấu, đảm bảo tính đồng thực Tăng cường cơng tác kiểm sốt nội ngân hàng, kiểm sốt chặt chẽ q trình kiểm tra trước, sau giải ngân 77 KẾT LUẬN Với xu hội nhập hội nhập quốc tế ngày sâu rộng, cạnh tranh ngân hàng ngày gay gắt Bên cạnh đó, tình hình kinh tế nước giới có diễn biến thiếu thuận lợi tình hình dịch bệnh tác động trực tiếp đếnn kinh tế chung Khiến cho hoạt động kinh doanh doanh nghiệp nước gặp khó khăn tìm kiếm đầu ra, giải phóng hàng tồn kho khó khăn việc tiếp cận vốn vay để đầu tư mở rộng sản xuất kinh doanh Điều có mối liên hệ tương quan đến mức cầu kinh tế thấp, đời sống người dân nước khó khăn ảnh hưởng đến tình hình trả nợ khoản vay Ngồi ra, tăng trưởng tín dụng hệ thống ngân hàng ln nằm mức cao nhiều năm trở lại Việc tăng trưởng tín dụng nóng gây rủi ro tín dụng cao Hậu tình trạng nợ xấu ngày gia tăng bộc lộ rõ nét từ cuối năm 2020 với tốc độ gia tăng mức cao Để tồn phát triển ngân hàng buộc phải chuyển hướng đẩy mạnh phát triển hoạt động ngân hàng bán lẻ nhằm nâng cao lực cạnh tranh đồng thời kiểm sốt tốt chất lượng tín dụng cá nhân Rủi ro tín dụng xuất phát từ nguyên nhân chủ quan khách quan cần đề xuất giải pháp thiết thực nhằm giảm nâng cao chất lượng tín dụng cá nhân Đề tài thực sở kiến thức thu thập trình học tập, vấn đề phát sinh MB trình hoạt động Mong giải pháp đề xuất đề tài đóng góp cải thiện hoạt đơng cho vay tín dụng cá nhân, khắc phục rủi ro giúp MB hoạt động ổn định, an tồn hiệu Trong q trình nghiên cứu khơng tránh khỏi sai sót thời gian kiến thức hạn chế Em mong nhận đóng góp q báu thành khoa để khóa luận tốt nghiệp em chu hoàn thiện 78 TÀI LIỆU THAM KHẢO Ngân hàng TMCP Quân Đội, QĐ Số 6711/ QĐ – HS Về việc Ban hành “Quy chế cấp tín dụng khách hàng cá nhân sản phẩm nhà đất (MG core)’’ Ngân hàng TMCP Quân Đội, QĐ Số 3220/QĐ – HS “Quy chế cấp tín dụng khách hàng cá nhân sản phẩm tiêu dùng có tài sản đảm bảo” Ngân hàng TMCP Quân Đội, QĐ Số 2160/QĐ – HS Về việc Ban hành “Quy chế cấp tín dụng khách hàng cá nhân sản phẩm Sản xuất kinh doanh” Bài Toán Phân Lớp Machine Learning - Classification in Machine Learning — AI & ML (iostream.vn) Hồi quy logistic gì? - Giải thích mơ hình hồi quy logistic - AWS (amazon.com) Decision Tree (viblo.asia) # Phân lớp Random Forests Python (viblo.asia) 79