Chuyên đề thực tập tốt nghiệp: Ứng dụng machine learning vào việc đánh giá khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng thương mại

Nhưng ta có thé thấy rằng, với mặthàng đặc biệt này tuy ngân hàng thương mại sẽ thu được nguồn lợi rất lớn từ các hoạt động tín dụng nhưng song hành với đó thì ngân hàng thương mại sẽ ph

Trang 1

TRƯỜNG ĐẠI HỌC KINH TE QUOC DÂN

KHOA TOÁN KINH TE

Dé tai:

UNG DUNG MACHINE LEARNING VAO VIEC DANH

GIA KHA NANG VO NO CUA KHACH HANG CA

NHAN TAI NGAN HANG THUONG MAI

Ho va tên sinh viên : Nguyễn Thị Trang Nhung

Mã sinh viên : 11173624

Lép : Toán kinh tế 59

Giảng viên hướng dẫn : PGS TS Nguyễn Thị Minh

HÀ NOI - 4/2021

Trang 2

Chuyên đê thực tập chuyên ngành Toán Kinh tế

LOI CAM ONEm xin gửi lời cảm sơn sâu sắc nhất tới PGS.TS Nguyễn Thị Minh —

người đã tận tình hướng dẫn và giúp đỡ em trong suốt quá trình làm chuyên đềtốt nghiệp Em cũng xin gửi lời cảm ơn đến các thầy/cô khoa Toán Ứng dụng

trong Kinh tế - Trường Đại học Kinh tế Quốc dân đã giảng dạy và truyền đạt cho

chúng em rất nhiều kiến thức chuyên ngành cũng như cuộc sông trong suốt 4 năm học qua Nhờ sự hỗ trợ của các thầy/cô chúng em đã có thêm hành trangvững trãi hơn cho con đường sau này Tuy đã dành nhiều công sức song kiến

thức bản thân em còn nhiều hạn chế và cần được cải thiện nên bài nghiên cứu

khó tránh những sai sót Em mong sẽ nhận được sự thông cảm và những đánhgiá, góp ý của thầy cô để em có thể hoàn thiện bài hơn

Em xin chân thành cảm on!

Tác giả

Nguyễn Thị Trang Nhung

Nguyễn Thi Trang Nhung - 11173624

Trang 3

Trang 4

MỤC LUC

DANH MỤC TỪ VIET TẮTT -° 2s s°ssssSs£EssEssEss£sseEseEssessesserserse VIJ.9J:8010/9:790)c2177 viDANH MỤC HINH VỄ .- 5-5 << se se se EsEEsEEsEEsEssEseEsersersersessee viiPHAN MỞ ĐẦU s -%°eE+eESE.HEEE.44E77140E72131 92244 2A4 prkdeoroe 1

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TONG QUAN NGHIÊN CỨU 4

1.1 Tin dụng của ngân hang thương IT4Ì << se «5= «se sessseese 4

1.1.1 Tín dụng ngân hàng là 91? - ch SH re 4

1.1.2 Đặc điểm và vai trò của tín dụng ngân hàng: - 2-25: 5

1.1.3 Các hình thức tín dung của ngân hang thương mại: - 6

1.2 Tín dụng đối với khách hàng cá nhân của NHTM 7

1.2.1 Tin dụng khách hang cá nhân là 1? - - 55 S5 Si 7

1.2.2 Đặc điểm và vai trò của tin dụng khách hàng cá nhân 7

1.2.3 Những chính sách tin dụng khách hang cá nhân - 8

1.2.4 Quy trình cho vay tin dụng với khách hang cá nhân 9

1.3 Một số nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá

TthẪNN 5< <£ 5< EU HH HH 009.000 00008000 050 10

1.3.1 Kha năng vỡ nợ của khách hàng cá nhân 5+5 <+s>++x 10

1.3.2 Các nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hang 111.4 Tống quan nghiên CUrU ccccsscssssessesssssssssessessessssssessessesssssscssessesensssesseees 14

1.4.1 Các nghiên cứu ở nước ngOải - - + st*vvseirserrrsrsssrres 14

1.4.2 Các nghiên cứu tại Việt Nam - +5 SE sssrsrkrskkee 16

1.5 Thực trạng đánh giá khả năng vỡ nợ của khách hàng cá nhân tại các

ngân hàng thwong IT14Ì o5 5s 5S 9 9 9.99 91 03900000 0040506 18

1.5.1 Phương pháp định tính (Mô hình 5C) -<<+<<<+<<ss2 18

1.5.2 Mô hình định lượng - - 5 5 2+ SH HH ng nưệt 19

CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU CUA CHUYEN ĐÈ 22

2.1 Giới thiệu về Machine Learning -ss-sssssssessessesssessesse 222.2 Một số phương pháp Machine Learning phục vụ cho nghiên cứu 23

2.2.1 Mô hình hồi quy LogistiC -¿- 2-2 2 ©£+S++£E+£EerEzEezrxerxerxee 23

2.2.2 Mô hình Support Vector Machine (SVM) c.eeeieiie, 26

Nguyễn Thi Trang Nhung - 11173624 11

Trang 5

2.2.3 Thuật toán rừng ngẫu nhiên (Random forest) -. ¿55s 37

CHUONG 3: UNG DUNG MACHINE LEARNING DE DU BAO KHẢNANG VO NO CUA KHACH HANG TẠI NGAN HANG THUONG MẠI42

3.1 Số liệu và biẾn $6 seccesssssssessescescessesssssssssscsessescesssssssscsucsecsessessesscesceneees 42

3.1.1 Biến số sử dụng - + s- St St E21 1E21211211211211 2111111111111, 423.1.2 Thống kê mô tả đữ liệu - 2-2 5¿©++2+++Ex++£x++Exvzxxerxeerxesrxee 45

3.2 Kết qua ước lượng sử dung Machine Learning . s «- 55

3.2.1 Kết quả ước lượng sử dung mô hình hồi quy Logistic 553.2.2 Kết quả ước lượng sử dung Support Vector Machine 59

3.2.3 Kết quả ước lượng sử dung Random Forest -. 2-5 5552 61

3.3 So sánh và đánh giá kết quả . ss-sess+ssevseesseessessserseersee 63

CHƯƠNG 4: KET LUẬN VÀ KHUYEN NGHỊ -s s©cs«¿ 64TÀI LIEU THAM KHAO s- 5° 5252 s£5s£ s2 ssESseEseEssessessesserssesee 65PHU LỤCC 2- 5 (5 5< E0 HH 0010500040040 84 68

Nguyễn Thi Trang Nhung - 11173624 1V

Trang 6

DANH MỤC TU VIET TAT

Ký hiệu Ý nghĩa

Tiếng Anh Tiếng Việt

ML Machine Learning Hoc may

LR Logistic Regression M6 hinh héi quy Logistic

RF Random Forest Rung ngau nhién

NHTM Ngan hang thuong mai

KHCN Khách hàng ca nhân

KHDN Khách hàng doanh nghiệp

TCTD Tổ chức tín dụngTNST Thu nhập sau thuế

KNVN Khả năng vỡ nợ

TKMT Thống kê mô tả

Nguyễn Thi Trang Nhung - 11173624

Trang 7

DANH MỤC BANG

Bảng 1 Các tiêu chi cham điểm theo mô hình tin dụng FICO - 20

Bang 2 Ưu và nhược điểm của mô hình Logistic trong phân tích KNVN của4:0 ` 26

Bảng 4 Ưu và nhược điểm của mô hình SVM -2¿©22©522cxz2zxccseees 37Bảng 5 Biến độc lập và cơ sở lựa chọn biến -¿ 2 2+ ++x+z++zserxerxez 42Bang 5 Tỷ lệ giữa số tiền phải trả (gốc + lãi) tại tat cả các tổ chức tín dung/Téngthu nhập sau thUẾ - 2 2 £+k9SE9EESEEEEE2E121121121217111111211211 11117111111 c1y 53Bang 6 Bảng kết qua ước lượng mô hình Logistic -. - 5c 52 552255: 55Bang 7 Bang ma trận nhằm lẫn với mô hình Logistic - 5-2-2 58Bảng 8 Bang kết quả 3 thước do accuary, sensitivity va specificity của mô hìnhIEU5I¬: 2 58

Bang 9: Tiêu chuẩn Đánh giá mức độ hiệu quả của ngưỡng Accuracy 58

Bang 10 Kết qua ước lượng sử dung Support Vector Machine - 59

Bang 11 Bảng kết quả ma trận nhằm lẫn với mô hình SVM 60

Bảng 11 Bảng kết quả 3 thước đo accuary, sensitivity và specificity của mô hìnhl2 60

Bảng 12 Bảng kết quả ước lượng mô hình Random forest - 61

Bang 13 Bảng kết quả ma trận nhằm lẫn với mô hình Random forest 61Bang 14: Bang chỉ số MeanDecreaseGini -2-©52-55c2cxccvccrxesrxrrrees 62

Bảng 15 Bảng kết quả 3 thước đo accuary, sensitivity và specificity của mô hình

Random forest - «6 + 1x E111 9 1191019111 TH HH TH HH TH kh 62

Bảng 16: So sánh kết quả 3 mô hình Logistic, SVM, RE «<<<<s+2 63

Nguyễn Thi Trang Nhung - 11173624 vi

Trang 8

DANH MỤC HÌNH VE

Hình 1 Các phương pháp thường được dùng trong dự báo khả năng vỡ nợ của

Hình 2 Đồ thị hàm loss - -55¿- 52t vttEEktrttEktrrtrttrrrtrrrrrrrrrrrriio 25Hình 3 Đồ thị hàm loss - - ¿55t 2+vt2EExttEEktrttrrtrrrrtrrrrtrrrrrrrrro 25

Hình 4 Minh hoa bài toán phân loại với SVM - SccSsssiseiresererrsee 27

Hình 5 Minh hoạc mặt siêu phăng trong không gian 2 chiều và không gian 3000000 28Hình 6 Minh họa máy các điểm khoanh tròn là các “ máy vector hỗ trợ” 29Hình 7 Minh hoa bài toán phân biệt tuyến tính 2 ¿5 se s2 ++£z2 +2 30

Hình 8 Minh họa các nhiỄU - - ¿6E k‡E‡E£EEE£EEEEEEEEEEEEEEEEEEEEEEEErrrrkrkrk 31

Hình 9 Minh họa dữ liệu gần phân biệt tuyến tính -¿2- 2 s52 31Hình 10 Minh họa biến Slack c.cccccssccsssssesssssesesseseseseesvsececsvscucevsveucavsvsncacaneneee 32Hình 11 Minh hoa đữ liệu ở dang không phân biệt tuyến tính - 33Hình 12 Minh họa quá trình xây dựng mặt siêu phăng -. 2-2 5¿ 34Hình 13 Ham kernel tuyến tính - 2-2 s+£+E£+EE+EE£+E++EE£EEeEEzEezrxerxerxee 35

Hình 14 Hàm kernel polynomial bậc 2 và bậc 3 - - - 52s x++ssvssres 35

Hình 15 Hàm Kernel R.ad1Ca]Ì - - - 6 + 1 113193 911 91 9 1 9v ngư 36

Hình 16 Ham kernel Sigmoid - - <5 c5 332 1E 333 E**EE+eEESeeEeeereeerereeree 36

Hình 17 Minh họa cây quyết định 2-2 ++x+EE£+E+E+£EEeExerxerrxrrxerseee 38

Hình 18 Minh họa thuật toán rừng ngẫu nhiên -2- ¿55 525+2c+25+25+2 39

Hình 19 TKMT biến tình TANG VO HỢ SH t 46Hình 20 TKMT độ tuổi của người đi Vay 2-52- 55c Sc2ccEcEEerEerErrxerrerree 47

Hình 21 TKMT tỉ lệ giới tinh của người di Vay -cccccssssseiserreererrres 47

Hình 22 TKMT biến tình trạng hôn nhân - 2-2 2 2+ +x+£x+£+2£++£z2 +2 48Hình 23 TKMT biến tinh trạng sở hữu bat động sản -5¿-5- 49Hình 24 TKMT biến trình độ học vấn -ccc¿-cccvccrrrrrterrrrrrrrrrrrrieg 50

Hình 25 TKMT biến số người phụ thuỘc - 2-2 2 2+s2+xe£xe£x+zszzszrszsez 51

Hình 26 TKMT biến thời han hợp đồng lao động - ¿2 s2 s52 51Hình 27 TKMT biến kinh nghiệm làm vVIỆC - - 5 5555 *++s+ssexsseeeseess 52

Nguyễn Thi Trang Nhung - 11173624 Vil

Trang 9

Chuyên đê thực tập chuyên ngành Toán Kinh tếHình 28 TKMT biến vị trí công tác -. 2¿ ¿+5<+E+EE2E2EEEEEEEEEErrkerkerxee 53Hình 29 TKMT biến quan hệ tin dụng với ngân hàng - 2-5-5: 54Hình 30 TKMT biến hình thức tra lương 2-2 2 2 2+E£+Ee£xe£x£xzrxzreee 54Hình 31 TKMT biến thời hạn khoản vayy - 2-2 2 2+ 2+s+Ee£xezxerxerszreee 55

Nguyễn Thi Trang Nhung - 11173624 viii

Trang 10

PHAN MỞ DAU

1 Ly do lwa chon dé tai

Ở trong giai đoạn hội nhập toàn cầu va sự mở cửa của nền kinh tế thì ngânhàng thương mại được ví như huyết mạch của nền kinh tế trên cả tầm nhìn vi môvà vĩ mô, khi nó giữ vai trò là trung gian tài chính giúp trung chuyển và lưuthông tiền tệ Nó tiến hành các hoạt động cho vay, đầu tư và hầu như bao trùmmọi sự vận động của nền kinh tế, cũng như sự vận hành của các doanh nghiệp.Thực chất, ngân hàng thương mại cũng đóng vai trò như một doanh nghiệp, tuy

nhiên nó không giao dịch những hàng hóa thông thường trên thị trường mà nó

giao dịch “tiền tệ” Vì vậy, mục tiêu chính của các ngân hàng thương mại vẫn là

tối đa hóa lợi nhuận và giảm thiểu rủi ro Nhưng ta có thé thấy rằng, với mặthàng đặc biệt này tuy ngân hàng thương mại sẽ thu được nguồn lợi rất lớn từ các

hoạt động tín dụng nhưng song hành với đó thì ngân hàng thương mại sẽ phải đốimặt với rất nhiều rủi ro về nợ xấu và vỡ nợ của khách hàng vay vốn do mat khanăng thanh toán gây ra những thiệt hai nặng nè, thậm trí là dẫn đến mat kha năngthanh khoản nếu khoản đầu tư đó quá lớn Đặc biệt trong tình hình dịch bệnhđang diễn biến rất phức tạp và thị trường đang tạm rơi vào thời kỳ khủng hoảngnhư hiện nay thì tình hình nội khoản của doanh nghiệp lại càng khó nắm bắtkhiến cho việc đâu tư tài chính lại càng rủi ro hơn nữa

Trên thực tế, dựa trên báo cáo của Tô chức tài chính, năm 2019, ty lệ nợ

xâu của 22 ngân hàng tại Việt Nam đã tăng 41% so với năm 2018 (khoảng 78.5tỷ đồng), một con số rất đáng báo động Trong đó, ở hầu hết các ngân hàng, nợxâu vẫn đang có xu hướng tăng, lớn nhất là Ngân hàng Tiên Phong với tốc độtăng nợ xấu là 43.39% và Ngân hàng Đại Dương là 80.1% so với cùng kỳ năm

2018 Và các ngân hàng khác xu hướng tăng nợ xấu cũng ở mức dưới 40% (theo

Báo cáo Tài chính các doanh nghiệp, 2020).

Đứng trước tình hình thực tiễn đó, việc giảm thiểu các rủi ro tài chính,giảm nợ xấu và tăng khả năng nhận diện rủi ro của các khách hàng vay vốn trởthành nhiệm vụ cần thiết và cấp bách Từ trước tới nay, việc xây dựng một hệ

thống giúp đánh giá rủi ro tín dụng cho vay một cách tối ưu vẫn luôn là một bài

toán nhức nhối mà các ngân hàng thương mại phải đối mặt, trên thế giới cũng đã

có rất nhiều các nghiên cứu được thực hiện với nhiều cách tiếp cận và khía cạnh

khác nhau Tuy nhiên, các nghiên cứu đa phần dựa trên thực tiễn xã hội cũng nhưkinh nghiệp tích lũy từ những khoản thua lỗ cũ mà đúc kết ra những kết luận về

phòng ngừa rủi ro tín dụng cho vay một cách khá chủ quan Như nghiên cứu của

Trang 11

Cox & Jappelli năm 1993 hay của Mathews & Slocum, 1969 đã chỉ ra rằngkhách hàng có mức thu nhập và địa vị xã hội thấp hơn thường có xu hướng sử

dụng vốn vay một cách kém hiệu quả hơn so với những người có thu nhập và địavị xã hội cao hơn Hay như một sỐ nghiên cứu có đề cập đến tầm ảnh hưởng củagiới tính và độ tuổi, nhân khẩu hoc cũng tác động đến khả năng trả nợ của một

khách hang (Lea et al., 1995; Zelizer, 1994; Livingstone & Lunt, 1992;

Tokunaga, 1993) Và một số những yếu tố thường được nhiều nhà nghiên cứuquan tâm hơn như thời gian cư trú, trình độ học vấn, rủi ro nghề nghiệp, tiết kiệmhàng tháng, (Lê Văn Triết, 2010; Agarwal et al., 2011; Hoàng Thị Kim Diễm,2012; ) Nói chung, trước đây các nhà nghiên cứu đa phần các nghiên cứu tậptrung vào nghiên cứu và giải thích các yêu tố tác động đến khả năng vỡ nợ củakhách hàng vay vốn tại các ngân hàng thương mại Mặc dù cũng đã có nhữngnghiên cứu đề cập trực tiếp đến khả năng vỡ nợ của khách hàng nhưng vẫn cònkhan hiém những nghiên cứu ứng dụng những tiến bộ khoa học trong lĩnh vựcphân tích và định lượng, trong khi bộ dit liệu về khách hàng ngày càng phong

phú, cùng với đó các mô hình và các phương pháp ước lượng cũng ngày càng hiệu quả, cho ta được những dự báo có tính khách quan và cơ sở lý luận rõ ràng.

Với tính cấp thiết của đề tài cũng như thực tiễn xã hội, em quyết định lựa

chọn đề tài: “Ứng dụng machine learning vào việc đánh giá khả năng vỡ nợ

của khách hàng tại ngân hàng thương mại” Em hy vọng răng đây sẽ là một đềtài có tính ứng dụng cao và các ngân hàng thương mại có thể áp dụng vào quátrình giảm thiểu rủi ro cho vay của minh Từ đó giúp các ngân hàng thương maicó thể vạch ra những chiến lược cho vay và đầu tư thích hợp

2 Mục tiêu nghiên cứu

Đề tài của tôi thực hiện với mục đích phát triển một mô hình nhằm giúp

ngân hàng thương mại đánh giá khả năng vỡ nợ của khách hàng; phân khúc

khách hàng theo khả năng vỡ nợ, phân loại các tín hiệu ảnh hưởng đến khả năng

vỡ nợ của khách hàng.Và kiểm tra thực nghiệm bằng cách sử dụng một mau dit

liệu thực tế đánh giá khả năng vỡ nợ của khách hàng dựa trên các tín hiệu vàthông tin của khách hàng Từ đó đưa ra kiến nghị để giúp các ngân hàng thươngmại đánh giá được khả năng vỡ vợ của một khách hàng để có những chiến lược,điều khoản cho vay hợp lý Các mục tiêu cụ thê bao gồm:

eXác định các tín hiệu ảnh hưởng đến khả năng vỡ nợ của khách hàng.eĐánh giá, phân tích ảnh hưởng của các tín hiệu đó đến khả năng vỡ nợ

của khách hàng.

Trang 12

eĐề xuất một số giải pháp và kiến nghị trong chiến lược cho vay của ngân

hàng thương mại với từng nhóm khách hàng sau khi đã phân khúc khách hàng

theo khả năng vỡ nợ.

3 Câu hỏi nghiên cứu

Đề thực hiện việc nghiên cứu đề tài, ta sẽ cần phải giải quyết các câu hỏi

sau đây:

Câu hỏi nghiên cứu 1: Những yếu tô nào tác động đến khả năng vỡ nợ của

khách hàng tại ngân hàng thương mại?

Câu hỏi nghiên cứu 2: Biêu hiện và mức độ ảnh hưởng của những yếu tố

đó đến khả năng vỡ nợ của khách hàng?

Câu hỏi nghiên cứu 3: Lam thé nào dé ước lượng, dự báo khả năng vỡ nợcủa khách hàng một cách có hiệu quả?

4 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Các nhân tô ảnh hưởng đến khả năng vỡ nợ củakhách hàng tại ngân hàng thương mại.

Phạm vi nghiên cứu: Những khách hàng có giao dịch với ngân hàng

thương mại.

5 Phương pháp nghiên cứu

Dé hoàn thành đề tài ứng dụng machine learning vào việc đánh giá khả

năng vỡ nợ của khách hàng cá nhân tại ngân hàng thương mại là ở Việt Nam, tôi đã sử dụng các phương pháp nghiên cứu dưới đây:

eSử dụng phương pháp phân tích thống kê mô tả

eSu dụng các phương pháp Machine Learning trong phân loại khách

hàng:

o_ Mô hình hồi quy Logistic

o Thuật toán Support Vector Machine

o Thuật toán Random Forest6 Bố cục chuyên đề

Chuyên đề được cấu trúc gồm 4 chương như sau:Chương 1: Cơ sở lý luận và Tổng quan nghiên cứu

Chương 2: Phương pháp nghiên cứu.

Chương 3: Ung dụng Maching Learning để dự báo khả năng vỡ nợ của

khách hàng tại ngân hàng thương mại.

Chương 4: Kết luận và kiến nghị

Trang 13

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VA TONG QUAN

dụng cho cá nhân và doanh nghiệp, đồng thời cũng là người đi vay nhận tiền gửicủa các nhà doanh nghiệp và cá nhân hoặc phát hành chứng chỉ tiền gửi, tráiphiếu dé huy động vốn trong xã hội

Theo Điều 20, Luật các tô chức tín dụng 2010 đã chỉ ra rằng: “Cấp tín

dụng là việc tơ chức tín dụng thỏa thuận dé khách hang sử dụng một khoản tiềnvới nguyên tắc có hoàn trả bằng các nghiệp vụ cho vay, chiết khấu, cho thuê tàichính, bảo lãnh ngân hàng và cac nghiệp cụ khác”

Như vậy, ta có thể hiểu tín dụng của các ngân hàng chính là mối quan hệchuyên nhượng quyên sử dụng vốn hoặc tài sản giữa các ngân hàng thương maivà các cá thể kinh tế trong một thời hạn thỏa thuận nhất định dựa trên nguyên tắchoàn trả cả vốn và lãi của bên đi vay khi đến thời điểm đáo hạn

Thật vậy, dự trên nguyên tắc “đi vay để cho vay”, ngân hàng thương mại

vừa là t6 chức huy động vốn đồng thời cũng là nhà đầu tư lớn cho hau hết cácchủ thé trong xã hội từ cá nhân, doanh nghiệp tư nhân đến doanh nghiệp nhànước Cụ thé hơn, dựa trên tính chất đặc trưng của vòng tuần hoàn vốn, khi phát

sinh sự chênh lệch về thời gian và số lượng giữa các khoản thu nhập và chỉ tiêutrong quá trình tái sản xuất xã hội mà thường xuyên hình thành lên dòng tiền

“nhàn rỗi”, và ngân hàng thương mại như một cau nối huy động những dòng tiền

nhàn rỗi đó dé “rót” về nhưng tô chức cần vay vốn đồng thời cũng dé duy trì các

khoản chi phí và thu lợi cho chính mình Quan hệ tín dụng ngân hàng dựa trên ba

Trang 14

1.1.2 Đặc điểm và vai trò của tín dụng ngân hàng:

bên đi vay như một phương thức phòng hộ rủi ro.

Thứ hai, tín dụng ngân hàng xây dựng trên cơ sở niềm tin và sự tự nguyệngiữa các bên tham gia Mối quan hệ tín dụng này chỉ thực sự được thiết lập khingân hàng tin tưởng vào ý muốn trả nợ và khả năng trả nợ của khách hàng Mặtkhác, người đi vay cũng tin tưởng rằng mình có thể sử dụng đồng vốn vay một

cách có hiệu quả Tuy nhiên, quá trình giao dịch giữa ngân hàng và khách hàng

cũng phải dựa trên những văn bản/ hợp đồng có giá trị pháp lý như: hợp đồng tín

dụng, khế ước nhận nợ, bảo lãnh,

Thứ ba, bản chất của ngân hàng thương mại là một doanh nghiệp hoạt

động trên cơ sở thu lợi, “di vay dé cho vay”, vi vậy với mỗi giao dịch tín dụng thì

ngân hàng phải nhận được giá trị hoàn trả lớn hơn giá trị cho vay (bao gồm cả

gốc, lãi và các loại phí)

Thứ tư, dựa trên tính bất đối xứng trong thông tin giữa ngân hàng thươngmại và các bên đi vay nên các khoản vay tín dụng thường tiềm ân nhiều rủi ro.Từ đó, một trong những nguyên nhân gây ra rủi ro tín dụng xuất phát từ chính

quá trình thâm định khách hàng của ngân hàng thương mại Bên cạnh đó, ngoài

nguyên nhân chủ quan đến từ nội bản ngân hàng thì còn có những nguyên nhân

khách quan hình thành lên rủi ro tín dụng như: sựu biến động của thị trường vànhững thay đổi về chính sách kinh tế, chu kỳ kinh tế, hay cả những rủi ro ngẫu

nhiên như thiên tai, dịch bệnh,

e Vai trò của tín dụng NHTM:

Chúng ta không thể không thừa nhận rang ngân hàng thương mại là mộtmắt xích quan trọng thúc đây sản xuất phát triển, điều tiết và chung chuyên vốn,đồng thời tăng hiệu quả của các dòng vốn trên thị trường, là nguồn cung vốn chủ

chốt cho các doanh nghiệp và cá nhân Bên cạnh đó, hiện nay khi mô hình hoạtđộng của ngân hàng đang dần hoàn thiện hơn thì các chủ thé trong nên kinh tế cóthé tiếp cận vốn vay một cách dé dang và nhanh chóng hon tạo nên sự điều hòa

nhịp nhàng cho nền kinh tế

Mặt khác, NHTM được gọi là trung gian tài chính bởi lẽ nó không chỉ là

nguồn cung vốn cho các chủ thể kinh tế mà nó còn đóng vai trò là một nơi tập

Trang 15

trung các dòng vốn nhàn rỗi của xã hội Từ đó, phát huy một cách tối đa tác dụngcủa những dòng vốn mà đáng lẽ ra bị “bỏ rơi” qua những chính sách tín dụng hấpdẫn đáp ứng mạch phát triển của thị trường, tạo đòn bẩy giúp các doanh nghiệp

start up và phát triển

Mở rộng ra, tin dụng ngân hàng còn là cái nôi góp phần mở rộng quan hệkinh tế quốc tế Thật vậy, trong nền kinh tế hội nhập toàn cầu, tỷ lệ công ty cóvốn đầu tư hoặc hợp tác với nước ngoài ngày càng tăng cao Cùng với đó, nhu

cầu về ngoại tệ cũng ngày một tăng, ma NHTM là nơi quy đổi ngoại tệ một cách

rõ ràng và minh bạch.

1.1.3 Các hình thức tín dụng của ngân hàng thương mai:

e Phân loại theo thời hạn cấp tin dụng:Cho vay ngăn hạn: là những khoản văn có thời hạn đưới 1 năm với mụcđích bù đắp những khoản vốn thiếu hụt hoặc các khoản chi tiếu trong ngăn hạn

Cho vay trung hạn: tại Việt Nam, theo quyết định 127/2005/QD-NHNN

của NHNN Việt Nam thì tín dụng trung hạn là những khoản vay có thời hạn từ 1đến 5 năm (với các nước trên thé giới là từ 1 đến 7 năm) Có thé với những mục

tiêu có khả năng thu hồi vốn nhanh như mua sắm thiết bị, tài sản cố định (những

tài sản có tốc độ hao mòn nhanh); mở rộng sản xuất kinh doanh; hoặc thực hiệndự án với quy mô vừa và nhỏ;

Cho vay dai hạn: là những khoản vay có thời hạn trên 5 năm và thậm trí

có thể kéo dài tới 30 năm; nhằm mục đích cung cấp vốn cho những mục tiêu đài

han của khách hàng như xây sửa xí nghiệp, nhà máy, khởi nghiệp,

Thời hạn tín dụng được hiểu nôm na là khoảng thời gian từ đúng NHTMbắt đầu cho khách hàng vay vốn đến khi nhận đủ và vốn và lãi vay từ kháchhàng Phân loại tín dụng theo thời hạn của khoản vay có ý nghĩa rất quan trọngđối với NHTM Nó đánh giá được khả năng hoàn trả của khách hàng cũng nhưđộ rủi ro tín dụng mà NHTM sẽ gặp phải khi quyết định cho vay

ePhân loại theo mục đích sử dụng vốn của khách hàng:Cho vay phục vụ mục đích sản xuất kinh doanh: là những khoản vay nhằm

mục đích phục vụ việc đầu tư, mở rộng sản xuất kinh doanh và cải tiến trang thiết

bị.

Cho vay phục vụ tiêu dùng: Là những khoản vay cung cấp cho khách hàngnguồn vốn tạm thời nhăm đáp ứng nhu cầu chi tiêu hàng ngày

e Phân loại theo phương thức hoàn trả nợ của khách hàng:

Trang 16

Cho vay hoàn trả một lần: là những khoản vay thanh toán cả gốc lẫn lãi

một lần khi đến thời gian đáo hạn mà NHTM và khách hàng đã thỏa thuận

Cho vay trả góp: Là những khoản vay mà khách hàng sẽ trả gốc và lãi

thành từng phần theo định kỳ được thỏa thuận Khoản vay này thường áp dụng

đối với những khoản vay cho bất động sản, nhà ở, tiêu dùng, thương mại.

ePhân loại theo mức độ tín nhiệm đối với khách hàng:

Cho vay có tài sản đảm bảo: Là những khoản vay được ngân hàng cho vay

kèm theo tài sản thế chấp/ cầm cố của khách hàng hoặc sự bảo lãnh của bên thứba Loại cho vay này để ngân hàng phòng ngừa rủi ro với những khách hàng cómức tín nhiệm thấp

Cho vay không tài sản đảm bảo: Là loại vay mà không cần đến thế chấp,cầm có hay sự bảo lãnh của bên thứ ba Nó chi dựa trên sự tín nhiệm của NHTMđối với khách hàng, thường sẽ được áp dụng đối với những khách hàng trung

thực và có năng lực trả nợ.

ePhân loại theo thành phan kinh tế:Khoản vay đối với các định chế tài chính ví dụ như hợp đồng tín dụng

giữa các ngân hàng, công ty bảo hiểm và một số định chế tài chính khác

Khoản vay đối với KHDN: Là những khoản vay cấp cho các doanh nghiệpsử dụng làm vốn lưu động, đầu tư dự án, mở rộng sản xuất, mua sắm vật tư,

Khoản vay đối với KHCN: Là những khoản vay cho các cá nhân nhằmđáp ứng nhu cầu về đời sống thông qua phát hành thẻ tín dụng

1.2 Tín dụng đối với khách hàng cá nhân của NHTM

1.2.1 Tín dụng khách hàng cá nhân là gì?

Theo nghiên cứu của Nguyễn Đăng Đờn (2013), ông đã nêu ra định nghĩa

về tín dụng của KHCN dựa trên định nghĩa về “tín dụng ngân hàng” răng tín

dụng của KHCN là những khoản vay của NHTM cho KHCN trong một thời hạn

nhất định và phải hoàn trả lại cả gốc lẫn lãi.1.2.2 Đặc điểm và vai trò của tín dụng khách hàng cá nhân

e Đặc điểm của tín dụng KHCN:

Những khoản vay của KHCN là những khoản vay có quy mô nhỏ nhưng

lại chiếm tỷ trọng lớn trong các khoản vay ở NHTM Với đặc tính của khoản vaynhằm đáp ứng những nhu cầu tiêu dùng trong đời sống hoặc cung cấp thêm vốncho kinh doanh, vì vậy những khoản vay này cũng bị giới hạn khối lượng bởinhững yếu tố như khả năng trả nợ, mục đích khoản vay cũng như tài sản đảm

bảo.

Trang 17

Tín dụng KHCN là một loại tín dụng tiềm ấn nhiều rủi ro đối với Ngânhàng, bởi lẽ thông tin của khách hàng khó tiếp cận một cách đầy đủ và trungthực Điều này đã hình thành lên sự bất đối xứng trong thông tin giữa Ngân hàngvà KHCN, khiến cho độ tin cậy của quá trình thâm định không được cao

Tín dụng KHCN gây ra nhiều chi phí cho NHTM khi KHCN khôngthường xuyên và chủ động tìm hiểu các thông tin về ngân hàng như các doanhnghiệp Bởi lẽ đó, nếu muốn phát triển hình thức tín dụng này, NHTM phải chủđộng đưa thương hiệu đến gần hơn với khách hàng thông qua quảng cáo, tiếp thị,phát triển số lượng nhân sự

e Vai trò của tín dụng khách hàng cá nhân.

Đối với KHCN, tín dụng KHCN là kênh cung cấp vốn an toàn và nhanh

chóng cho những nhu cau chi tiêu hằng ngày hoặc thiếu hụt vốn kinh doanh

Hiện nay, các NHTM cũng đã và dang phát triển hình thức này ngày một đa dạngvà phong phú giúp KHCN tiếp cận nguồn vốn một cách tiện lợi và dé dang hơn

Đối với NHTM, tín dụng KHCN như một “đứa con truyền thông” giúpquảng bá thương hiệu Song hành cùng với dịch vụ cung cấp tín dụng cho mộtlượng lớn KHCN là những chiến thuật bán chéo các sản phẩm như: cung cấpdịch vụ ngân hàng điện tử, phát hành thẻ tín dụng và gửi tiết kiệm, giúp nângcao vị thế và khả năng cạnh tranh trên thị trường

Đối với sự phát triển kinh tế, tín dụng KHCN như một cầu nối khai tháctriệt dé dòng vốn nhàn rỗi không lồ từ những KHCN Qua đó, giúp cho quá trìnhlưu thông vốn được tuần hoàn một cách hiệu quả hơn từ nơi thừa vốn đến nơithiếu vốn

1.2.3 Những chính sách tín dụng khách hàng cá nhân.

Việc đề ra các chính sách tín dụng cho KHCN tại các NHTM sẽ phụ thuộc

vào nhiều yếu tố và luôn có sự cải biên dé phù hợp với mạch tahy đổi của điềukiện kinh tẾ xã hội và lợi nhuận của Ngân hàng

Đối tượng KHCN được chấp thuận vay vốn tại các NHTM cần đảm bảo

được các điều kiện mà NHTM đặt ra như: có nghề nghiệp và thu nhập ôn định, lýlịch trong sạch, lịch sử tín dụng và quan hệ xã hội minh bạch, có tổng nợ phải trả/thu nhập hàng tháng đạt yêu cầu đề ra, chưa từng phát sinh nợ nhóm 3 trở lên

(các khoản nợ quá hạn từ 90 — 180 ngày) Các ngân hàng khác nhau sẽ có những

yêu cầu đặt ra đối với tín dụng KHCN khác nhau Tuy nhiên, việc xác định đúngcác đặc điểm của đối tượng khách hàng luôn là một khâu quan trọng giúp NHTM

có những chính sách cho vay hợp lý và phòng ngừa rủi ro tín dụng.

Trang 18

Tài sản đảm bao: Đây là yếu tổ rất quan trọng và mang tính quyết định đốivới các giao dịch cho vay của ngân hàng để phòng hộ rủi ro Thông thường, khicho vay NHTM sẽ yêu cầu KHCN những loại tài sản đảm bảo như: bất động sản

hợp pháp thuộc quyền sở hữu; số tiết kiệm, số dư tiền gửi và những chứng từ cógiá khác; tài sản cố định sở hữu hợp phap; Tại các ngân hàng khác nhau sẽ cótiêu chí về tài sản đảm bảo khác nhau, thậm trí sẽ có sự thay đổi theo thời gian

với cùng một ngân hàng.

Thời gian đáo hạn khoản vay: Tùy từng loại sản phẩm và tùy theo giai

đoạn mà các NHTM sẽ đề ra thời hạn tối đa có khoản vay

Hạn mức cho vay: Hạn mức cho vay mà các NHTM đồng ý cho KHCNvay dựa trên nhiều yếu tố như: nhu cau thực tế của khaorn vay, khả năng chi trảcủa khách hàng và tỷ lệ cho vay đối với từng loại tài sản đảm bảo và từng gói

vay.

Lãi suất cho vay: Lãi suất cho vay tại các NHTM được coi là một công cụhữu hiệu dé thu hút khách hàng Thông thường, lãi suất cho vay áp dụng đối với

KHCN sẽ cao hơn đối với doanh nghiệp Thêm vào đó, lãi suất cho vay của khác

khoản vay khác nhau cũng sẽ có sự khác nhau dựa trên mục đích khoản vay, thời

hạn vay, loại tiền vay và hạn mức của khoản vay,

1.2.4 Quy trình cho vay tín dụng với khách hàng cá nhân.

Thường các NHTM sẽ áp dụng cho vay KHCN theo quy trình sau:

Tiếp xúc và hướng dan khách hàng lập hồ sơ vay vốn: khách hàng sẽ cung

cấp thông tin cho NHTM theo yêu cầu và đảm bao rang đáp ứng được day đủ cácđiều kiện vay vốn của NHTM Hồ sơ vay vốn của khách hàng thường có: Các

chứng tờ pháp lý xác định lý lịch (chứng minh thu nhân dân, số hộ khẩu )s giấydé nghị vay vốn và phương án/mục đích sử dụng vốn, tài liệu chứng minh thunhập, giấy tờ chứng minh quyền sở hữu hợp pháp đối với tài sản đảm bảo,

Tham định các điều kiện cho vay: đây là bước quan trọng trong quyết địnhcho KHCN vay vốn Ở bước này, NHTM sẽ thẩm định lại tính chính xác củanhững giấy tờ mà KHCN cung cấp và căn cứ vào đó dé ngân hang cấp phép vay

vốn Theo đó, các nhân viên tín dụng của NHTM sẽ kiểm tra hồ sơ vay vốn củakhách hàng đảm bảo tính đầy đủ và hợp pháp của các danh mục, xác minh thông

tin khách hàng, phân tích và thâm định tư cách, năng lực pháp luật và hành vi

dân sự của khách hàng,

Giải ngân: Tùy vào thỏa thuận của khách hàng mà quá trình giải ngân sẽ

có hai loại là giải ngân từng phân và giải ngân toàn bộ.

Trang 19

Kiểm tra, giám sát khoản vay: Trong thời hạn của khoản vay, ngân hàng

sẽ định kỳ kiểm tra khoản vay dé chắc chắn răng khoản vay được sử dung đúng

mục đích thỏa thuận hay không.

Thu nợ sốc và xu lý phát sinh: Ngân hàng sẽ thu lại nợ gốc khi đến thời

gian đáo hạn của khoản vay và xử lý những vấn đề phát sinh trong trường hợp

khách hàng không có khả năng chi trả.

Luu trữ hé sơ tín dung và hồ sơ đảm bảo tiễn vay: Việc lưu trữ hồ sơ tín

dụng của khách hàng giúp ngân hàng có một kho dit liệu về lịch sử tín dụng cho

khách hàng dé tiện cho các công việc như thâm định và dự báo.1.3 Một số nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân

1.3.1 Kha năng vỡ nợ của khách hàng cá nhân

Hiện nay chưa có định nghĩa thống nhất nào về khả năng vỡ nợ của kháchhàng mà tập trung chủ yếu vào việc khách hàng có khả năng trả được nợ hay

không.

Tuy nhiên, Uy ban Basel cũng đã đưa ra định nghĩa về “default” — vỡ nợ

(không có khả năng trả nợ) trong tài liệu Basel Committee on Banking

Supervision — 2006 là những khách hàng có một hoặc một số dấu hiệu trong cácdấu hiệu sau:

+ Khách hàng không có khả năng thực hiện nghĩa vụ thanh toán đầy đủkhi đến thời gian đáo hạn mà chưa tính đến việc bán tài sản (nếu có) để hoàn trả

+ Khách hàng có khoản nợ xấu với thời gian quá hạn trên 90 ngày

Xét riêng tạo Việt Nam, nợ xấu là các khoản nợ từ nhóm 3 đến nhóm 5:

những khoản nợ được đánh giá là có khả năng mất một phần vốn và lãi (nợ nhóm

3), những khoản nợ có khả năng gây lên tốn thất cao (nợ nhóm 4) và những

khoản nợ không có khả năng thu hồi (nợ nhóm 5) Nợ nhóm 2 ít được quan tâm

hơn là những khoản nợ thuộc diện có khả năng trả nợ kém, tuy nhiên những

khoản vay đó chỉ cần lưu ý nhiều hơn vì khách hàng vẫn có khả năng trả nợ

Như vậy, có thể hiểu rằng khả năng vỡ nợ của KHCN là khả năng kháchhàng này không có khả năng thanh toán khoản vay và lãi suất khi đến thời gianđáo hạn hoặc khả năng xảy ra nợ xấu tại NHTM

Đứng trên phương diện của NHTM, rủi ro tín dụng là rủi ro mà ngân hàng

có thể gặp phải khi không thu hồi được nợ, gây ra một số vấn đề về xoay vòng

vốn và khả năng thanh khoản

Trên thực tế, ngân hàng quyết định cấp tín dụng phải dựa trên những thầmđịnh về khả năng trả nợ của khách hàng Tuy nhiên, bất kỳ dự báo hay kiểm định

Trang 20

nào cũng đều có sai số và kết quả thâm định có thé xảy ra sai sót theo nhiềunguyên nhân khác nhau Vì vậy, theo quan điểm quản lý của ngân hàng thì rủi ro

tín dụng là khó tránh khỏi và nó như một “người bạn đồng hành” trong các hoạtđộng kinh doanh và việc ngân hàng có thể làm là giảm rủi ro xuống mức tốithiểu

Rui ro tin dụng từ khách hàng cá nhân có thé chia thành 4 trường hợp sau:không thu hồi được gốc và lãi; không thu đủ gốc và lãi

Theo đó, việc không thu được lãi đúng hạn chỉ gây nên cho ngân hàng

thiệt hại ở mức thấp Trường hợp này, ngân hàng sẽ phát sinh thêm khoản lãi treođóng băng trừ trường hợp ngân hàng miễn giảm lãi suất cho khách hàng Trườnghợp rủi ro xảy ra với tiền gốc khi khách hàng không trả nợ đúng hạn, lúc nàyngân hang sẽ có khoản nợ quá hạn phát sinh Tuy nhiên, nó chưa mat hoàn toànmà có thê khách hàng vẫn sẽ trả nợ Trường hợp gây ra rủi ro tín dụng ở mức caonhất là việc khoản nợ của khách hàng không thẻ thu hồi (có thể do vỡ nợ)

1.3.2 Các nhân tô ảnh hưởng đến khả năng vỡ nợ của khách hàng

e Nhóm các nhân tô về đặc điểm nhân khẩu học của khách hang

Độ tudi: Day là một yếu tố có tần suất xuất hiện dày đặc trong các bài

nghiên cứu trước đây về khả năng vỡ nợ của khách hàng, kế đến như: JonathanCrook (1995), Boyes và cộng sự (2002), Theo các nghiên cứu trước đó, độ

tudi cấp tín dụng của khách hàng càng lớn thì khả năng vỡ nợ của họ càng thấp.Bởi lẽ, khách hàng trẻ tuổi có xu hướng bị ảnh hưởng bởi gánh nặng vay nợ

nhiều hơn, dẫn đến khả năng vỡ nợ cao hơn Ngược lại, đối với những khách

hàng lớn tuổi — những người mà có kinh nghiệm sống cũng như mức độ uy tincao hơn và rủi ro nghề nghiệp thấp hơn thì có khả năng vỡ nợ thấp hơn Tuynhiên, vẫn còn một số nghiên cứu có nhận định trái chiều với lý lẽ rằng nhữngngười có độ tuôi cao hơn đi kèm với sưc trẻ, nhiệt huyết kém hơn và có số ngườiphụ thuộc nhiều hơn dẫn đến khả năng vỡ nợ cao hơn

Giới tính: Nghiên cứu của Zelizer (1994) đã chỉ ra rằng, nhân tố giới tínhcó ảnh hưởng đến khả năng vỡ nợ của khách hàng vì có sự khác biệt về khả năngtiếp nhận, quan niệm cũng như thói quen sử dụng tiền bạc giữa nam giới và nữ

giới Một nghiên cứu khác được thực hiện bởi Weber và Musshoff (2012) chỉ ra

rằng dựa trên đặc điểm về sự thận trọng, it khả năng phạm tội va gây ra rui ro vềmặt đạo đức ở nữ giới thì họ có khả năng vỡ nợ thấp hơn nam giới

Tình trạng hôn nhân: Đây là một yếu tố gây ra nhiều tranh cãi khi có

những quan điểm cho rằng người đã lập gia đình có rủi ro tín dụng thấp bởi họ có

ràng buộc vê gia đình nên sẽ e ngại rủi ro và có những quyêt định chắc chăn hơn.

Trang 21

Chuyên đê thực tập chuyên ngành Toán Kinh tếTuy nhiên, một số nghiên cứu cho ra kết quả ngượi lại rằng yếu tổ này không quá

ảnh hưởng đến kha năng vỡ nợ, như nghiên cứu của Duygan — Bump & Grant

(2008).

Tình trạng sở hữu nhà ở: Yếu tố này phản ánh một phần lên năng lực tàichính và mức độ ổn định cuộc sống của khách hàng, đồng nghĩa với việc nóchính là một trong những yếu tố quan trọng tác động đến khả năng vỡ nợ củakhách hàng Điều này đã được khăng định trong nghiên cứu của Jonathan Crook

vào năm 2015 Và nó được khăng định một lần nữa trong nghiên cứu của Đặng

Thị Câm Nhung (2015) rằng việc khách hàng có sở hữu nhà làm giảm khả năng

VỠ no.

Trình độ học vấn: Nhân tố này cũng là một nhân tố “đắt khách” chonhững nghiên cứu về khả năng vỡ nợ của KHCN Đa số các nghiên cứu đồng ývới giả thiết rằng trình độ học vấn có tác động ngược chiều lên khả năng vỡ nợcủa khách hang Và theo nghiên cứu của Haile và cộng sự năm 2012 thì nhân tố

này có tương quan với ý chí trả nợ của khách hàng.

Số người phụ thuộc: Số người phụ thuộc vào khách hàng phản ánh lêngánh nặng về tài chính của khách hàng đó, điều này làm tăng khả năng vỡ nợ

Tuy nhiên, một só nghiên cứu lại cho rằng gánh nặng càng nhiều thì trách nhiệm

mà mức độ e ngại rủi ro càng lớn nên khả năng vỡ nợ sẽ thấp hơn Một kết luậnkhác được đưa ra là nhân tố này không ảnh hưởng đến khả năng vỡ nợ được

chứng minh bởi Roslan và Karim (2009).

eNhóm các nhân tô đặc điểm về nghề nghiệp và mức thu nhập của

khách hàng

Nghé nghiệp: Nhân tố này phản ánh mức độ ôn định trong nghề nghiệphiện tại cũng như cuộc sống của khác hàng và nó có thể tác động lên khả năng vỡnợ Giả thuyết được đưa ra là nhóm khách hàng có nghề nghiệp ồn định (nhân

viên văn phòng, công chức nhà nước, ) hay nhóm khách hàng có địa vị xã hội

(chủ tịch, giám đốc, ) và nhóm khách hàng có kinh nghiệp lâu năm cũng như

tay nghề cao (bác sĩ, kĩ sư, kế toán, ) có khả năng gây ra rủi ro tín dụng thấp

Kinh nghiệm làm việc trong lĩnh vực hiện tại của khách hàng: Biến số nàythể hiện năng lực, kinh nghiệp cũng như sự 6n định với nghề của khách hàng, từđó phần nào phản ánh lên năng lực tài chính và khả năng vỡ nợ của khách hàng

đó Nghiên cứu của Kohansal và Mansoori (2009) về khả năng vỡ nợ của các

nông dân tại tinh Khorasan — Razavi tại Iran cho thấy những nông dân số nămkinh nghiệp của họ ảnh hưởng ngược chiều lên khả năng vỡ nợ Một nghiên cứu

Trang 22

Chuyên đê thực tập chuyên ngành Toán Kinh tếkhác lại không tìm thấy ảnh hưởng của biến số này được thực hiện bởi Addo và

Acquah (2011).

Thu nhập của khách hang: đây là một trong những yếu tố phản ánh trựcdiện lên khả năng vỡ nợ của khách hàng và điều này đã được khẳng định tronghầu hết các nghiên cứu trước đây Một điều hiển nhiên từ lý thuyết cho đến thựcnghiệm đều chỉ ra rằng, khách hàng có thu nhập cao và ôn định sẽ có khả năngvỡ nợ thấp hơn Tuy nhiên, yếu tố này cũng thường xuyên bị các yếu tố khác như

ý chí trả nợ vay của khách hàng, độ tin cậy của kết quả thâm định của nhân viêntín dụng ngân hàng, ảnh hưởng.

e Nhóm các nhân tổ tình hình quan hệ tin dung của khách hàng

Lich sử vay tin dung của khách hàng: Đây là một trong những yếu tổ lòng

cốt mà Ngân hàng cần quan tâm khi quyết định cho khách hàng vay Bởi lẽ, nó

phản ánh tình hình trả nợ vay của khách hàng đó trong quá khứ Những khách

hàng có tiền sử phát sinh nợ quá hạn sẽ có nguy cơ xảy ra nợ xấu cao hơn nhữngkhách hàng chưa từng phát sinh nợ quá hạn tại các Ngân hàng Và điều này cũngnhận được sự đồng thuận của đa số các nghiên cứu như nghiên cứu của Jonathan

Crook (1995), Roslan & Karim (2009), Nguyễn Phúc Mẫn (2015)

Số nợ vay hiện tại: Khả năng vỡ nợ của khách hàng có thể cao hơn khingười đó đang phải gánh nhiều khoản nợ vay khác, bởi lẽ khoản nợ vay càngnhiều thì áp lực trả nợ sẽ càng cao và khả năng vỡ nợ cũng càng cao Nhân tố nàyđã được tìm ra trong nghiên cứu so sánh các phương pháp phân tích và kiêm địnhyếu tố ảnh hưởng đến khả năng vỡ nợ khách hàng cá nhân: Trường hợp của Ngânhàng hợp tác (Co-opBank) của Ngô Tiến Quý, Nguyễn Việt Dũng, Nguyễn Thiện

Toàn (2020).

Quan hệ tín dụng tại các tô chức tín dụng (TCTD) khác: Khách hàng cóquan hệ tín dụng với càng nhiều các TCTD chứng tỏ răng uy tín của khách hàngđó càng cao và điều này cũng tỷ lệ thuận với mức độ tín nhiệm do các TCTD đóđánh giá Tuy nhiên, một số nghiên cứu lại cho rằng việc khách hàng có quan hệtín dụng với nhiều TCTD chứng tỏ rằng họ có nhiều khoản vay và áp lực trả nợlớn Thực nghiệm tại nghiên cứu của Nguyễn Phúc Mẫn (2015) cho thấy kháchhàng có quan hệ tín dụng tại nhiều TCTD khác nhau sẽ có khả năng vỡ nợ thấphơn so với khách hàng chỉ có quan hệ tín dụng với 1 tô chức tín dụng

e Nhóm các nhân tô về đặc điểm khoản vay của khách hàng.Quy mô khoản vay: Biến số này khá quen thuộc trong các nghiên cứu về

khả năng vỡ nợ của KHCN tại NHTM Giả thuyết nhận được nhiều sự đồngthuận nhất là quy mô của khoản vay tỷ lệ thuận với khả năng vỡ nợ của kháchNguyễn Thi Trang Nhung - 11173624 13

Trang 23

hàng Mặt khác, kết quả ngược lại lại được tìm thấy trong nghiên cứu của Sharma

& Zeller (1997) và Kohansal & Mansoori (2009) Ở một khía cạnh nào đó, kếtluận này cũng đúng với thực tế khi các khoản vay lớn thường được sử dụng chomục đích đầu tư kinh doanh, còn các khoản vay quy mô nhỏ thường dùng cho chỉtiêu đơn thuần của các cá nhân vay vốn Bên cạnh đó, khoản vay lớn sẽ tăng áplực về nghĩa vụ trả nợ hơn

Thời gian của khoản vay: Kết luận được tìm thấy trong hầu hết cácnghiên cứu trước đây rằng thời gian vay vốn càng dai thì khả năng vỡ nợ của

khách hàng càng cao, tín dụng ngắn hạn (một năm trở xuống) sẽ giúp khả năng

vỡ nợ thấp hon (Chapman , 1940) Ở trong nghiên cứu của Onyeaagocha và cộngsự (2012) thì không tìm thấy ảnh hưởng của yếu tố này đến khả năng trả nợ của

khách hàng.

Mục đích vay vốn: Các giả thuyết của các nghiên cứu trước đây cho rằng,khách hàng có mục đích vay vốn khác nhau sẽ có khả năng vỡ nợ khác nhau.Theo nghiên cứu của Nguyễn Phúc Man (2015) cho thấy khả năng vỡ nợ củakhách hàng có ảnh hưởng bởi nhân tổ mục đích vay vốn, trong đó, mục đích vayvốn bất động sản có tác động cùng chiều đến khả năng vỡ nợ của khách hàng

Khi khách hàng vay vốn ngân hàng, nếu khách hàng sử dụng vốn sai mục đích

ban đầu, đem số vốn vay ngân hàng đầu tư vào những lĩnh vực rủi ro cao, sửdụng vốn của ngân hàng để chỉ tiêu không hợp lý, đầu tư bất động sản nhưngkhông bán lãi, dẫn đến thua lỗ dẫn đến khả năng trả nợ suy giảm, không có

nguôn dé trả nợ ngân hàng.1.4 Tổng quan nghiên cứu

1.4.1 Các nghiên cứu ở nước ngoài.

Vào năm 1999, Dunn & Kim đã thực hiện nghiên cứu về khả năng vỡ nợcủa khách hàng dựa trên bộ số liệu do Trung tâm nghiên cứu khảo sát tai Đại họcbang Ohio thực hiện cuộc điều tra ngẫu nhiên qua điện thoại hàng tháng cho 500hộ gia định ở bang này từ 2/1998 đến 5/1999 Hai nhà nghiên cứu tập trung chủyếu vào mối quan hệ giữa khả năng vỡ nợ của khách hàng và những đặc điểm vềnhân khẩu học cũng như tài chính của họ Nếu ban đầu họ giả thuyết răng cácyếu tố như trình độ học van, thu nhập và sở hữu nhà có ảnh hưởng mạnh mẽ đếnkhả năng vỡ nợ của khách hàng, thì kết quả của cuộc nghiên cứu lại cho ra kếtluận ngược lại rằng chính những biến nhân khâu học như tuổi tác, tình trạng hôn

nhân và số con mới là những yếu tố tác động mạnh đến khả năng khách hàng vỡ

nợ.

Trang 24

Một nghiên cứu khác được Jacobson & Roszbach thực hiện với bộ số liệugồm 13,338 hồ sơ xin vay tiêu dùng cá nhân tại một ngân hàng ở Thụy Điền vào

năm 2003 đã chỉ ra rằng, trong 57 biến nhận định ban đầu thì chỉ còn 16 biến

được áp dụng vào mô hình sau khi đã xử lý vẫn đề tương quan cao Và trong số

16 biến, các biến như tuổi tác, thu nhập, tăng trưởng thu nhập hàng năm và mộtsố điều kiện miễn thế chấp tín dụng là những biến có đáng động nhiều nhất đến

khả năng vỡ nợ.

Theo nghiên cứu của Peter vào năm 2006, ông đã dự báo khả năng vỡ nợ

cho bộ dữ liệu của 3431 hộ gia đình dựa trên số liệu của Cục thống kê Úc, ABS

2001 Theo đó, độ tuổi của chủ hộ tác động mạnh mẽ nhất đến khả năng vỡ nợcủa hộ gia đình Bên cạnh đó, những biến về thu nhập và nhân khẩu học như giáodục, tình trạng hôn nhân cũng có tác động đến khả năng vỡ nợ

Một nghiên cứu rộng hơn tại các nước Đông Nam A cụ thé là dự báo khảnăng trả nợ tín dụng bằng mô hình hôi quy Logistic tại hai quốc gia Thái Lan va

Việt Nam của Dufhues va Cộng sự được thực hiện vào năm 2011 Kết quả dự

báo trên 467 hộ gia đình tại Thái Lan cho thay rang ở nước này chỉ có hai yêu tốvề trình độ học vấn của chủ hộ và giá tri đầu tư của hộ có tác động cùng chiều lên

khả năng vỡ nợ của hộ gia đình và không tìm thấy sự ảnh hưởng từ các yếu tố

khác Nghiên cứu được thực hiện tương tự tại Việt Nam với 198 hộ thì hai yếu tố

được tìm ra là khoản vay của chủ hộ và dân tộc của chủ hộ.

Phát triển hơn so với nghiên cứu trên, ngoài mô hình hồi quy Logistic,

Kocenda & Vojtek (2011) đã sử dụng thêm Decision Trees để xây dựng mô hìnhrủi ro tín dụng cho ngân hàng cho vay bán lẻ của Cộng hòa Séc Nghiên cứu

được thực hiện với 3403 quan sát và 21 biến giải thích Cả hai mô hình đều chỉ ra

rằng, các biến như lượng tài sản của khách hàng, trình độ học vấn, tình trạng hôn

nhân, mục đích khoản vay và số năm có tài khoản với ngân hàng là những biến

quan trọng nhất dẫn đến khả năng vỡ nợ của khách hàng Từ đó, các tác giả đã

nhận định về tam quan trọng của các yếu tố xã hội học và đưa ra kiến nghị chocác thành viên mới của EU.

Cũng với mô hình Logistic, Ojiaki & Ogbukwa đã thực hiện một nghiên

cứu về khả năng trả nợ của nông dân khi vay vốn tại ngân hàng Nigeria vào năm2012 Kết quả của cuộc nghiên cứu đã chỉ ra rang trong các biến về đặc điểmriêng của hộ được đưa vào mô hình thì chỉ có ba biến thực sự tác động đến khảnăng trả nợ của hộ là: quy mô hộ gia đình, diện tích sử dụng đất cho nông nghiệp

của hộ và sô tiên vay.

Trang 25

Mô hình gần đây nhất được thực hiện vào năm 2018 bởi Abid và Cộng sự

Các tác giả đã thực hiện so sánh hiệu quả của hai mô hình hồi quy Logistic và mô

hình phân tích biệt số Discriminant analysis khi dự báo khả năng vỡ nợ củakhách hàng dựa trên bộ số liệu tại một ngân hàng thương mại từ 2010 đến 2012

Kết quả đã chỉ ra rằng trong khi hệ số accuary của LR đạt đến 99% thì của DAchỉ dat 68.49%, tức tỷ lệ dự báo lỗi lên đến 31.51% Từ đó, các tác giả đã nhậnđịnh rằng LR có khả năng dự báo khả năng vỡ nợ tốt hơn DA

1.4.2 Các nghiên cứu tại Việt Nam.

Dựa trên bộ số liệu năm 2005 của các Ngân hàng Thương mại Việt Nam,Kleimeier và Thanh (2006) đã thực hiện nghiên cứu về khả năng vỡ nợ của

khách hàng cho 56,037 mẫu dự liệu Bằng mô hình hồi quy Logistic, các tác giả

đã chỉ ra rằng khả năng vỡ nợ của khách hàng chịu các động bởi các yếu tố: giới

tính, tình trạng hôn nhân, thời gian cư trú tại địa chỉ hiện tại, mục đích vay, thời

hạn vay và số lần đã từng vay

Cũng với mô hình Logistic, Vương Quân Hoàng và cộng sự (2006) đã tìm

ra 14 yêu tô tác động đến khả năng trả nợ của khách hàng tại ngân hàngTechcombank Trong đó các yếu tố về nhân khẩu học như tuôi tác, trình độ họcvấn, tình trạng hôn nhân, nơi cư trú, thời gian cư trú, loại hình công việc, sỐngười phụ thuộc có tác động ngược chiều lên khả năng vỡ nợ Mặt khác, các yếutố tác động cùng chiều được kể đến như: thu nhập hàng tháng, chênh lệch thu —

chi, giá tri tài san.

Một mô hình khác được áp dung cho nghiên cứu về khả năng trả nợ của

khách hàng là Probit được PGS, TS Trương Đông Lộc và Ths Nguyễn Thanh

Bình thực hiện vào năm 2011 Họ đã tìm ra 5 yếu tố có tác động đến khả năng trảnợ của nông hộ tỉnh Tiền Giang là: số thành viên có thu nhập trong gia đình,trình độ học vẫn của chủ hộ, thu nhập sau khi cho vay, ngành nghề chính tạo rathu nhập cho hộ và lãi suất của khoản vay

Nghiên cứu tiếp theo được ké đến là nghiên cứu đã được đăng trên Tạp

chí Kinh tế đối ngoại ngày 18/11/2019 của Ngô Tiến Quý, Nguyễn Việt Dũng,

Nguyễn Thiện Toàn khi thực hiện nghiên cứu So sánh các phương pháp phân tích

và kiêm định yếu tố ảnh hưởng đến khả năng vỡ nợ trong tín dụng khách hàng cá

nhân: Trường hợp của Ngân hàng Hợp tác (Co-Opbank) Nghiên cứu đã thực

hiện dự báo khả năng vỡ nợ của khách hàng cá nhân dựa trên 3 phương pháp

phân tích biệt số (MDA), phân tích hồi quy Probit và phân tích hồi quy Logit.Kết quả cho thấy cả 3 phương pháp đều chỉ ra rằng các yếu tố như sở hữu diađiểm kinh doanh, tuổi nghề trung bình, chất lượng tô chức sản xuất kinh doanh,Nguyễn Thi Trang Nhung - 11173624 16

Trang 26

Chuyên đê thực tập chuyên ngành Toán Kinh tếkinh nghiệm sản xuất kinh doanh, tăng trưởng doanh thu, ghi chép kế toán và sử

dụng dịch vụ của tổ chức tín dụng khác có tác động ngược chiều lên khả năng vỡnợ của KHCN Trong khi các yếu tố như tuôi, trình độ học vấn, ngành nghề kinh

doanh, các yếu tố về khả năng sinh lời và nghiên cứu thị trường, cơ cấu vốn, hợpđồng tín dụng lại thấy được sự không đồng nhất trong kết quả của 3 phươngpháp Kết quả nghiên cứu cho thấy hồi quy Logit có độ tin cậy cáo nhất trongphân tích và kiểm định các yếu tố ảnh hưởng đến khả năng vỡ nợ của khách hàngcá nhân tại Ngân hàng Hợp tác Kết quả của phương pháp MDA có thể chấpnhận được.Trong khi đó, hồi quy Probit có hiệu quả thấp hơn khá rõ rệt so với 2

phương pháp trên.

Ở Việt Nam nói riêng và trên thế giới nói chung đã có rất nhiều cácnghiên cứu về khả năng vỡ nợ của khách hàng cá nhân tại các NHTM Tuynhiên, đa phần các nghiên cứu đều dựa trên khảo nghiệm và lý thuyết Gần đâycũng đã có một vai cái nghiên cứu sử dụng các phương pháp hồi quy — phân tíchở trong và ngoài nước những đều là những công cụ hồi quy đơn giản Ở trong bài

nghiên cứu này, tôi sẽ thực hiện dự báo khả năng vỡ nợ của KHCN tại NHTM

theo cả mô hình hồi quy Logistic truyền thống và so sánh nó với những phương

pháp Machine Learning như Support Vector Machine (SVM) va Random Forest

(RF).

Trang 27

1.5 Thực trạng đánh giá khả năng vỡ nợ của khách hàng cá nhân tại các

ngân hàng thương mại

Mô hinh Möhinh phân swskka:|L[ Môhình oe

M6 hình 5C | điểm sẽ tín | tích nhân biệt L Mo SEE hai | | mang a

Š i dung =|X{ (ĐAM) | suy | Notron |k|_ ad J

( =1 h ¬ fi — - =a ` j——— ¬ —.' `

| ˆ_ Mô hình E- sản pc

9 si tE iém số tín ; i

sooo sua Mô hình hỏi | | | Mô hình hỗi

b Tân căn nhận quy Logit quy Probit

Đây là mô hình xem xét ý định cũng như khả năng thanh toán khoản vay

của khách hàng khi đến thời gian đáo hạn Theo giáo trình Nghiệp vụ Ngân hàngThương mại (Trần Thị Xuân Hương và Hoàng Thị Minh Ngọc, 2012) và các tàiliệu nghiên cứu, mô hình 5C cụ thé bao gồm 05 yếu tố sau:

eUy tin và thái độ của khách hang (Character): Đây là yêu tô được nhận

định khá chủ quan từ phía khách hàng dựa trên thiện cảm về các yêu tô như: thái

độ giao dịch của khách hàng, độ chính xác trong thông tin khách hàng cung

cấp, Ngoài ra còn một số yếu tô định tính khác được xem xét như thâm niên

nghề nghiệp, phẩm chat cá nhân, trình độ học van,

eNăng lực người cho vay (Capacity): Nang lực của người vay ở trường

hợp này được xét trên các yếu tố như: năng lực hành vi dân sự, năng lực trách

nhiệm dân sự và năng lực tài chính Day là một trong những yếu té lòng cốt dé

đánh giá việc khách hàng có trả được nợ hay không.

eThu nhập của người vay (Cash): Day là yêu t6 phan ánh khả năng thanhtoán nợ vay của khách hàng Ở đây, thu nhập của người vay được xác định dựa

Trang 28

trên các yếu tổ như lương, nguồn thu từ cho thuê tài sản, doanh thu kinh doanh,

tiền lãi từ cổ phiếu/ cô tức,

eBao đảm tiễn vay (Collacteral): Ngoài thu nhập, đây là nguồn thứ 2 déngân hàng có thé đảm bảo về kha năng trả nợ của khách hàng và cũng là yếu tốđể ngân hàng xét tỷ lệ cho vay hợp lý

eCác điêu kiện (Conditions): Tùy theo chính sách tin dụng của ngân hàngtheo từng thời kỳ mà ngân hàng có thê đưa ra các quy định cụ thê về chính sáchưu đãi cho hạn mức tín dụng, lãi suất và tài sản đảm bảo cho từng đối tượngkhách hàng Ví dụ như đối với khách hang vay vốn nhăm mục đích xuất khẩu thi

có thê điều kiện sẽ là doanh thu và lãi suất phải được thanh toán qua ngân hàng

eUu và nhược điểm của mô hình 5C:

Uu điểm: Mô hình 5C khá đơn giản, dễ thực hiện và đánh giá

Nhược điểm: Kết quả của mô hình này phụ thuộc quá nhiều vào độ chính

xác trong thông tin khách hàng cung cấp và yếu tố chủ quan từ khả năng dự báo,phân tích của nhân viên thầm định tín dụng

1.5.2 Mô hình định lượng

eMô hình điểm số tín dung cá nhân FICO.Tổ chức Fair Isaac Corp đã xây dựng mô hình điểm số tín cụng cá nhânFICO dựa trên một phương trình toán học với đầu vào là các thông tin tín dụngcủa khách hàng thu thập được từ báo cáo tín dụng của các tổ chức tài chính cung

cấp Sau đó, FICO thực hiện so sánh những thông tin thu thập được với nhữngchỉ tiêu chuẩn được đúc kết qua kho báo cáo tin dụng không 16 trong quá khứ

nhằm đánh giá mức độ rủi ro tín dụng của ngân hàng Theo đó, với từng kháchhàng sẽ có điểm tín dụng riêng, điểm số càng thấp chứng tỏ rằng rủi ro tín dụngcủa khách hàng càng cao Trong quy ước của mô hình FICO, 300 là điểm số thấpnhất và 850 là điểm số cao nhất Cụ thể việc chấm điểm dựa trên những tiéu chí

sau đây:

Trang 29

Bảng 1 Các tiêu chí chấm điểm theo mô hình tín dụng FICOTy trọng Tiêu chí đánh giá

35% Lịch sử trả nợ (payment history): số lần thanh toán chậm, pha sản,

càng nhiêu điêm sô tín dụng càng thâp.30% Gánh nặng vay nợ tại các tô chức tín dụng (amount owed): Theo

FICO, có sáu số liệu khác nhau trong danh mục nợ bao gồm tỷ lệ nợ

trên giới hạn, số tài khoản có số dư, số tiền nợ trên các loại tài khoảnkhác nhau và số tiền trả cho các khoản vay trả góp.Nợ càng nhiều sẽ

càng làm giảm điêm sô tín dụng

15% Độ dài của lịch sử tín dụng (length of credit history): thông tin càng

nhiều năm càng đáng tin cậy và điểm số tín dụng sẽ càng cao Có hai

số liệu trong danh mục này: độ tuổi trung bình của các tài khoản trên

một báo cáo và độ tuôi của tài khoản cũ nhât.

10% Sô lân vay nợ mới (new credit): việc khách hàng vay nợ thường xuyên

bi xem là dau hiệu của việc có khó khăn về tài chính nên sẽ tac động

ngược chiêu đên diém sô tín dung

10% Các loại tín dụng được sử dụng (Types of credit used): các loại nợ

khác nhau ví dụ như trả góp, quay vong , tài chính tiêu dùng và théchấp sẽ được tính điểm khác nhau

(Nguôn: http://en.wikipedia.org)Theo đó, khách hàng có điểm tín dụng từ 700 trở lên là những khách hàngcó mức độ tín nhiệm cao Ngược lại, ngân hàng cần xem xét kĩ lưỡng khi cho vay

đối với những khách hàng có điểm tín dụng từ 620 trở xuống Mô hình điểm số

tín dụng FICO là một mô hình đơn giản và dễ thực hiện, tuy nhiên mô hình còn

thiếu nhân tố quan trọng là các yếu tô liên quan đến thân nhân của khách hàng —

một nguyên nhân quan trọng ảnh hưởng đến khả năng vỡ nợ của khách hàng

eMô hình điểm số tín dụng cá nhân Vantage Score

Cùng với mô hình của FICO, mô hình Vatage Score được sử dụng khá

rộng rãi ở Mỹ Với đầu vào là dữ liệu tin dụng từ ba công ty: Equifax, Experianvà TransUnion, mô hình Vantage Score được xây dựng với 5 mức xếp hạng giảmdần từ A tới F, tương ứng với mức điểm từ 501 đến 990 Cụ thể, A: 900 — 990, B:

Trang 30

khách hàng như: thông tin cá nhân, thông tin/lich sử vay nợ, mức độ tài chính va

các chỉ tiêu phi tài chinh,

eNhược điểm: Kết quả còn khá chủ quan dựa trên ý kiến chủ quan từngười đánh giá Các chỉ tiêu của mô hình cũng chưa được lượng hóa dé do khảnăng vỡ nợ của khách hàng và xác định các yêu tố quan trọng

eMô hình phân tích biệt tích (Multiple Discriminant Analysis - MDA)

Mô hình MDA cho phép phân loại khách hàng cá nhân thành các nhóm và

phân tích sự khác biệt giữa các nhóm Phương pháp MDA trên thực tế có khảnăng phân biệt thành nhiều hơn 2 nhóm, số hàm phân biệt sẽ ít hơn số nhómphân biệt 1 đơn vị Ở đây, phương pháp phân tích phân biệt tìm một hàm tuyếntính (hàm phân biệt — discriminant function) của các biến tài chính, thị trường déphan biệt giữa hai nhóm rủi ro vỡ nợ cao va thấp (Durand, 1941) Sự khác biệt

giữa hai nhóm được đo lường băng trung bình của các biến phân biệt — chỉ số z

giữa các biến đầu ra và đầu vào

Theo Rosenberg va Gleit (1994), mô hình này có ít giả định hơn các mô

hình khác, phù hợp nhất với các khoản cấp tín dụng không đồng nhất Tuy nhiên,

hiện nay việc ứng dụng phương pháp mạng nơ-ron còn khá phức tạp và khôngđảm bảo hiệu quả hơn nhiều so với các phương pháp truyền thống như mô hình

phân tích phân biệt và các mô hình hồi quy (Altman và cộng sự, 1994)

Ngoài ra, còn một số mô hình khác như mô hình chuỗi Markov, phân

vùng đệ quy (Breiman, 1984), lập trình toán (Hand, 1981), cũng được sử dụng

trong phân tích khả năng vỡ nợ của khách hàng

Trang 31

CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU

CUA CHUYEN DE

2.1 Giới thiệu về Machine Learning

Cùng với cuộc cách mạng công nghiệp lần thứ 4 (cách mạng công nghiệp4.0), những năm gần đây, trí tuệ nhân tao (Artificial Intelligence — AI) dần khẳngđịnh vị thế của mình AI đã và đang trở thanh nhân tố lòng cốt trong các hệthong công nghệ cao, vận dụng được vào hau hết các lĩnh vực trong cuộc sống

Khái niệm “học” (Learning) được Simon mô tả là quá trình cải thiện hành

vi thông qua việc tận dụng và khám phá các loại thông tin mới theo thời gian.

Ngày nay, khái nệm “học” được được phát triển lên thành “học máy” (MachineLearning — ML) khi nó được thực hiện bằng máy

Theo Wikipedia, ML là một tập con của trí tuệ nhân tạo, một lĩnh vực nhỏ

trong khoa học máy tính, nó có khả năng tự khám phá dựa trên dữ liệu được đưa

vào mà không cần phải được lập trình cụ thể Năm 2007, Sirmacek, B đã đưa ra

khái niệm về ML như sau: “Việc học là tình trạng tìm những giải pháp tốt nhất

cho các vấn đề trong tương lai, bằng cách tích lũy những kinh nghiệm từ các dữ

liệu hiện có trong quá trình học máy.”

Cùng với đó, khái niệm Big data (dữ liệu lớn) đã ra đời cùng với sự phát

triển nhanh chóng của công nghệ thông tin theo thời gian Theo Altunisik, R.(2015), dữ liệu lớn được định nghĩa là các tập dữ liệu rất lớn, không giới hạn và

liên tục được tích lũy thêm theo thời gian mà những phương pháp cơ sở dữ liệu

truyền thống chưa giải quyết được vấn đề này

Theo Gor, I (2014), các thuật toán thực hiện trên máy tính được tiễn hànhtheo một thứ tự nhất định mà không có bat kỳ sai số nào Tuy nhiên, không giốngnhư các lệnh được tạo dé lấy các dữ liệu đầu ra, cũng có những trường hợp quátrình ra quyết định đã diễn ra dựa trên những dữ liệu mẫu đã có sẵn Trong nhữngtrường hợp như vậy, những kết quả mà máy tính đưa ra có thé có sai số, changhạn như những sai lầm mà mọi người có thê mắc phải trong quá trình ra quyếtđịnh từ những kết quả dự báo, phân tích bằng máy học Nói cách khác, ML làquá trình máy tính có được khả năng học tập như bộ não của con người, bằngviệc tận dụng những lợi thế về dữ liệu và kinh nghiệm thực tế có sẵn

Mục đích chính của ML là phát triển các mô hình mà ta có thể đảo tạo(training), kiém dinh dé dua ra két quả một cach có cơ sở, cải thiện các mô hìnhnghiên cứu trước đây Theo Turkmenoglu, C (2016), bằng cách phát hiện cácNguyễn Thi Trang Nhung - 11173624 22

Trang 32

mẫu phức tạp, ML có thể tạo ra các mô hình mà giải quyết được những vấn đềmới, dựa trên dữ liệu lịch sử.

ML và các phương pháp tiếp cận dựa trên bộ dữ liệu lich sử dang dan trở

nên rat quan trọng trong nhiều lĩnh vực Ví dụ: phân loại thư rác thông minh débảo vệ e-mail của chúng ta, bằng cách liên kết và phân tích từ một lượng lớn dữliệu spam và phản hồi của người dùng; hệ thống phát hiện gian lận giúp ngânhàng phòng ngừa những kẻ tấn công an ninh; Hoặc cụ thé hơn: hệ thống tựnhận diện khuôn mặt trong ảnh đăng lên Facebook với điều kiện đó là người

dùng Facebook, gợi ý phim phù hợp dựa trên phân loại dữ liệu phim mà người

dùng đã xem, hệ thống dịch đa ngôn ngữ của Google Translate, là một vài ứngdụng nổi bật trong hàng ngàn ứng dụng có được từ ML nói riêng và AI nói

chung.

2.2 Một số phương pháp Machine Learning phục vụ cho nghiên cứu2.2.1 Mô hình hồi quy Logistic

Một phương pháp pho biến nhất góp mặt trong hầu hết các nghiên cứu

định lượng về khả năng vỡ nợ của khách hàng chính là mô hình hồi quy Logistic

Mô hình hồi quy Logistic (Logistic Regression — Maddala, 1984) là mộtloại mô hình tuyến tính tổng quát dùng để dự báo phân loại các biến nhị phântheo xác suất Việc phân loại này được thực hiện bang cach str dung ham logit déước tính xác suất xảy ra của biến phụ thuộc, với các nhãn của biến nay được thaythé bằng các mã hóa giả (0 va 1)

Ví dụ như chúng ta muốn dự báo khả năng vỡ nợ của một khách hàng thìbiến phụ thuộc sẽ là khả năng vỡ nợ ứng với hai giá trị vỡ nợ hoặc không vỡ nợ

Vào năm 1980, Wiginton đã thực hiện so sánh hồi quy Logistic và phương

pháp MDA Ông đã đưa ra kết luận rằng Logistic đem lại những kết quả phânloại tốt hơn trong việc chấm điểm tín dụng

eDang mô hình và lý thuyết toán học của mô hình

Gọi biến phụ thuộc là Y (Y là biến nhị phân), khi đó hai giá trị của Y đượcmã hóa thành 0 và 1 Với các biến độc lập là những biến có tác động đến khả

năng Y = 1 được ký hiệu là: x1, x2, Xa, , X„

Ý tưởng của mô hình hồi quy Logistic là dự báo xác suất dé Y = 1 (P(Y =1)) Như vậy ta có xác suất để Y = 0 là: P(Y = 0) = 1— P(Y = I)

Phương trình hồi quy Logistic có dang:

cl024P1142121-714n%

PY =l|vy)=

đ“n+@X+a¬x¬+†+ +d„X,

Lee 0 “E122 nin

Trang 33

trong đó e là hằng số Euler (~2,718), P e|0;1]

Nhiệm vụ của bài toán này là thực hiện hồi quy các hệ số øo,đỊ đ„dựa trên phương pháp ước lượng hợp lý tối đa

Tuy nhiên, rất khó dé đánh giá tác động của các biến phụ thuộc lên biếnđộc lập dựa trên dạng mô hình trên, vì vậy, người ta đánh giá chúng thông qua

một tỷ số được gọi là tỷ số nguy cơ (odds ratio):

đổi thì tỷ số odd T e ' lần hay In(odd) T a; don vi.

e Nguyên lý hoạt động của mô hình

Mô hình Logistic hoạt động tốt nhất khi nó đạt được độ phân loại cao nhấthay nói cách khác sai số dự báo là bé nhất Thật vậy, giả sử như một đối tượngnhận giá trị Y =1, vậy ta kỳ vọng răng Y, càng gần 1 càng tốt, hay nói cách kháclà xác suất dé Y, = 1 càng cao càng tốt Ngược lại, nêu đối tượng này nhận giá trịY, =0, vậy ta kỳ vọng rằng Ÿ càng gần 0 càng tốt, hoặc xác suất dé Y =1 càngthấp càng tốt

Vậy nên, ta cần một hàm dé đánh giá độ tốt của kết quả dự báo được gọi

là “Hàm mat mát — Loss Function”.

Với mỗi đối tượng le „ Y,), ta có hàm Loss được biéu diễn dưới dạng:

L = —Œ, xIn(f) + (1— Y,) x In(1— ;))

Trong đó: Y, giá trị dự báo của Y;

Tại sao hàm Loss lại giúp đánh giá kết quả dự báo? Chúng ta hãy kiểm tra

qua hai ví dụ dưới đây:

Ví dụ 1: Khi Y, =1 > L = —ln Œ) Khi đó ham Loss được biểu diễn

bằng đồ thị sau:

Trang 34

0.0 0.2 0.4 0.6 9.8 1.0

y

Hinh 2 Dé thi ham loss

[Nguon: Tác gia tong hop]

Như vậy, ta thay rằng khi Ÿ; càng gan 1 thì giá tri hàm Loss càng bé,ngược lại khi Ÿ càng xa 1 thì ham Loss trả về giá trị rất lớn

Vi dụ 2: Khi Y =0 L= —In(1—Y) Khi đó hàm Loss được biểudiễn bằng đồ thị sau:

Từ đó ta có thé kết luận rằng, khi kết quả dự báo càng gần với thực tế thìgiá trị hàm Loss càng nhỏ Vậy bài toán trở thành tìm giá trị nhỏ nhất của hàmLoss.

eUu và nhược diém của mô hình.

Trang 35

Bảng 2 Ưu và nhược điểm của mô hình Logistie trong phân tích

KNVN của KHCN

1 Mô hình Logistic là một mô hình

định lượng nên kết quả trở lên có cơ

sở và khách quan hơn những phương

pháp định tính.

2 Mô hình khá đơn giản cho việc đo

lường rủi ro tín dụng và dễ thực hiện.

3 Có thé phân tích được tác động của

các biến độc lập lên khả năng vỡ nợ

của khách hàng.

4 Mô hình Logit có thé là cơ sở dé

ngân hàng phân loại khách hàng và

nhân diện rủi ro tín dụng Thông qua

kết quả từ mô hình, chúng ta có thểước lượng được xác suất vỡ nợ củakhách hàng, từ đó Ngân hàng có thể

xác định được khách hàng nào đang

nằm trong vùng cảnh báo, khách hàngnào đang năm trong vùng an toàn vàgiúp ngân hàng chủ động trong việc

đưa ra những biện pháp phòng ngừa

rủi ro tín dụng.

1 Mô hình hoạt động không hiệu quả

với số liệu nhiều chiều2 Chỉ hoạt động với dữ liệu dang số

3 Không phải là một mô hình mạnh

khi đữ liệu có nhiều nhiễu4 Mô hình phụ thuộc nhiều vào độ

tin cậy từ các nguồn tin thu thập đượcvà khả năng dự báo của nhân viên tín

dụng.

eKhắc phục

Sử dụng mô hình SVM để khắc phục viêc hoạt động không hiệu quả với

dữ liệu nhiều chiều

2.2.2 Mô hình Support Vector Machine (SVM)

Mô hình Support Vector Machine được tìm ra bởi Vadimir N Vapnik và Corinna Cortes (1995) Đây là một thuật toán có giám sát được dùng trong bài

toán hồi quy và phân loại Tuy nhiên, ta sẽ bắt gặp SVM nhiều hơn ở những dạngtoán phân loại chính vì vậy SVM là một phương pháp đáng lưu ý tới cho việc dự

báo khả năng vỡ nợ của khách hàng.

Trang 36

Trong thuật toán này, bộ dữ liệu của từng đối tượng quan sát sẽ được biểuthị bằng một điểm trong không gian n chiều (các đối tượng sẽ được phân loại

thành n lớp ứng với n đặc điểm đặc trưng mà người nghiên cứu đang muốn khảo

sát) với giá trị của mỗi đối tượng ứng với một tọa độ cụ thể Và ý tưởng của thuật

toán SVM là sử dụng một mặt siêu phang (hyperplane) dé phân biệt giữa các lớp

Class A Margin Class A

lớp: lớp khách hàng có mua hàng và lớp khách hàng không mua hàng Dé làm

được điều này, chúng ta cần xác định một đường thăng phân cách giữa 2 miềnkhách hàng sao cho khoảng cách từ đường thăng này đến 2 đường biên đi quasupport vectors gần nhất là lớn nhất (margin) và độ rộng của mặt siêu phang làlớn nhất Hay nói cách khác chúng ta cần tìm một mặt siêu phẳng sao cho margin

của hai miền (hai classes) là bằng nhau và lớn nhất có thé để có được hiệu ứngphân lớp tốt hơn, tức là sự phân chia giữa hai miền rạch ròi hơn

eMặt siêu phẳng là gì?Mặt siêu phang (hyperplane) là mặt phân cách giữa hai miền dữ liệu

+ Trong không gian hai chiều thì nó là một đường thắng

+ Trong không gian 3 chiều thì nó gọi là 1 mặt phang

+ Trong không gian nhiều chiều hơn, nó được gọi là mặt siêu phẳng

Tiêu đề	Ứng dụng Machine Learning vào việc đánh giá khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng thương mại
Tác giả	Nguyễn Thị Trang Nhung
Người hướng dẫn	PGS. TS Nguyễn Thị Minh
Trường học	Trường Đại học Kinh tế Quốc dân
Chuyên ngành	Toán kinh tế
Thể loại	Chuyên đề thực tập chuyên ngành
Năm xuất bản	2021
Thành phố	Hà Nội

Định dạng
Số trang	72
Dung lượng	21,23 MB