Ứng dụng mô hình mạng thần kinh nhân tạo trong quản trị rủi ro tín dụng tại một số ngân hàng thương mại trên địa bàn thành phố Biên Hòa

Bài viết sử dụng mô hình mạng thần kinh nhân tạo trong quản trị rủi ro tín dụng, và nêu ra được một số giải pháp và kiến nghị nhằm nâng cao chất hiệu quả của công tác quản trị rủi ro tín dụng, giảm thiểu những rủi ro không mong muốn cho ngân hàng.

Tạp chí Khoa học Lạc Hồ ng Số (2016), trang 31-35 Journal of Science of Lac Hong University Vol (2016), pp 31-35 ỨNG DỤNG MƠ HÌNH MẠNG THẦN KINH NHÂN TẠO TRONG QUẢN TRỊ RỦI RO TÍN DỤNG TẠI MỘT SỐ NGÂN HÀNG THƯƠNG MẠI TRÊN ĐỊA BÀN THÀNH PHỐ BIÊN HÒA Applying artificial neural network in managing credit risks at commercial banks in Bien Hoa City Đào Trọng Thịnh1, Dỗn Văn Tồn 1dtthinh2707@gmail.com, 2uglyboy300593@gmail.com Khoa Tài – Kế tốn Trường Đại học Lạc Hồng, Đồng Nai Đến tòa soạn: 20/5/2016; Chấp nhận đăng: 23/7/2016 Tóm tắt Dựa vào sở lý thuyết rủi ro tín dụng quản trị rủi ro tín dụng, viết phân tích thực trạng quản trị rủi ro tín dụng số ngân hàng thương mại địa bàn thành phố Biên Hòa giai đoạn 2012-2014 Từ đưa nhận xét, đánh giá thực trạng quản trị rủi ro tín dụng số ngân hàng thương mại Bài viết sử dụng mơ hình mạng thần kinh nhân tạo quản trị rủi ro tín dụng, nêu số giải pháp kiến nghị nhằm nâng cao chất hiệu cơng tác quản trị rủi ro tín dụng, giảm thiểu rủi ro không mong muốn cho ngân hàng Từ khoá: Rủi ro; Quản trị; Ngân hàng; Tín dụng; Mơ hình ANN Abstract According to the theoretical bases of credit risk and credit risk management, this study analyzes the situation of credit risk management activities in some commercial banks in Bien Hoa city during the period 2012- 2014, then identifies some key issues to deal with the situation By applying artificial neural network model for credit risk management, this study also provides suggestion for commercial banks to improve their credit risk management activities in an effort of reduce actual loan defaults Keywords: Risk; Management; Bank; Credit; Model ANN GIỚI THIỆU Tín dụng hoạt động chủ yếu mang lại nhiều lợi nhuận cho ngân hàng nói chung ngân hàng thương mại nói riêng Tuy nhiên q trình cấp tín dụng phải trải qua nhiều bước nhiều công đoạn khác nhau, dẫn đến nhiều vấn đề phát sinh từ nhận hồ sơ đưa định cấp tín dụng, dễ phát sinh rủi ro vốn sơ suất q trình kiểm tra, phân tích, thẩm định Từ vấn đề bất cập công tác quản trị giảm thiểu rủi ro hoạt động cấp tín dụng nên nhóm tác giả định nghiên cứu đề tài: “Ứng dụng mơ hình mạng thần kinh nhân tạo quản trị rủi ro tín dụng số ngân hàng thương mại địa bàn Thành phố Biên Hòa” cơng cụ giúp cán tín dụng đưa định xác trình thẩm định, xem xét lực khách hàng có đảm bảo hay khơng Nhiều cơng trình nghiên cứu ngồi nước tiến hành nghiên cứu vấn đề có phát quan trọng tạo tảng cho nghiên cứu Cụ thể, Dadios & Solis [1] sử dụng mô hình mạng thần kinh nhằm giải vấn đề quản trị rủi ro tín dụng 16 biến có ảnh hưởng tới rủi ro tín dụng, cho thấy tính khả dụng mơ hình xác đáng tin cậy Hay, Jagric & c.s [2] đưa mơ hình mạng thần kinh nhằm giải thích mối quan hệ biến rủi ro tín dụng ngân hàng bán lẻ Slovenia; đồng thời đưa 19 biến ảnh hưởng tới mơ hình quản trị rủi ro tín dụng Mơ hình cho thấy vượt trội so với mơ hình khác dự báo [2] Bên cạnh đó, Trịnh Nguyễn Thanh Hải [3] khái quát sở lý luận quản trị rủi ro tín dụng từ xây dựng ứng dụng mơ hình mạng thần kinh nhân tạo nhằm hỗ trợ định cấp dụng Ngân hàng thương mại Việt Nam NỘI DUNG NGHIÊN CỨU 2.1 Phương pháp nghiên cứu - Dữ liệu thứ cấp: Thu thập từ hai nguồn, thứ từ việc tham khảo hợp đồng tín dụng cán bộ, nhân viên tín dụng hồn thành cấp thơng qua phán tín dụng xem hồ sơ có chấp nhận cho vay hay từ chối; thứ hai nguồn thu thập từ nguồn từ ngân hàng cung cấp số nguồn khác từ Internet, sách báo, tạp chí - Đối tượng nghiên cứu: Quản trị rủi ro hoạt động cấp tín dụng - Đối tượng khảo sát: Các hồ sơ cấp tín dụng số Ngân hàng thương mại địa bàn Thành phố Biên Hòa - Thời gian nghiên cứu: Đề tài nghiên cứu phạm vi năm: 2012, 2013, 2014 - Không gian nghiên cứu: Tại số Ngân hàng địa bàn thành phố Biên Hòa như: Agribank, Vietinbank, Sacombank, Đơng Á, MBbank 2.2 Thiết lập mơ hình nghiên cứu Số lớp ẩn: Theo Cybenko [4], việc sử dụng lớp ẩn đủ để mạng thần kinh nhân tạo xử lý, mơ dự báo nhiều mơ hình có dạng phi tuyến cho kết có độ xác cao Ngồi , nhóm tác giả chạy thực nghiệm so sánh kết mơ hình lớp ẩn hai lớp ẩn thu kết lớp ẩn có độ xác cao so với hai lớp Vì thế, nhóm tác giả sử dụng mơ hình với lớp ẩn Tạp chí Khoa học Lạc Hồng Số 05 31 Applying artificial neural network in managing credit risks at commercial banks in Bien Hoa city Số nơ-ron lớp ẩn: Theo đề xuất Bailey & Thompson [5], từ nghiên cứu thực nghiệm lựa chọn số nơ-ron lớp ẩn xác định sau: Mạng thần kinh nhân tạo bao gồm ba lớp, gồm n lớp nơ-ron đầu vào m lớp nơ-ron đầu mà số nơ-ron lớp ẩn có nơ-ron Số nơ-ron ẩn mạng thần kinh ba lớp chiếm khoảng 75% số nơ-ron đầu vào Số nơ-ron ẩn tối ưu mạng nên mức ½ đến lần số nơ -ron đầu vào Nhân đôi số lượng nơ-ron ẩn phần liệu dùng để kiểm tra trở nên xấu theo nguyên tắc chọn mơ hình mạng thần kinh hoạt động tốt phần liệu dủng để kiểm tra với số lượng lớp ẩn Số lượng nơ-ron đầu ra: Nhóm tác giả nghiêng hướng xây dựng mơ hình mang tính định lượng, có nghĩa sau thu thập số liệu từ hồ sơ thực tế, xử lý số liệu đưa vào mơ hình, điều chỉnh thông số, tiến hành chạy thực nghiệm sau mơ hình xuất kết cho vay hay từ chối cho vay Nên này, nhóm tác giả dùng nơ-ron đầu [6] Lựa chọn hàm truyền: Có loại hàm truyền hàm truyền tuyến tính, phi tuyến tính, hàm phức, v.v… Khi sử dụng hàm truyền liệu phải chuẩn hóa nằm ngưỡng giới hạn quy định hàm truyền Đối với hàm truyền tuyến tính chạy mơ hình với biến số kinh tế tỏ khả dụng; thế, sử dụng hàm phi tuyến tính trường hợp cho kết cách tốt hơn, việc chạy mơ hình với biến đầu vào với giá trị liên tục việc sử dụng hàm truyền tuyến tính thích hợp Với chương trình Matlab mà nhóm tác giả sử dụng nghiên cứu có tích hợp loại hàm truyền : LogSig, TanSig, PureLin Mơ hình sử dụng thuật tốn BackPropagation kết hợp với Momentum để điều chỉnh trọng số mơ hình nhằm giảm thiểu sai số tìm mơ hình tối ưu Khi khởi tạo chương trình, nhóm tác giả sử dụng: hàm huấn luyện TraindGDX, hàm thích ứng LearnGDM để tự thích ứng điều chỉnh trọng số mơ hình sử dụng hàm truyền LogSis , nhằm tạo kết mang tính xác hiệu [6,7] Các tiêu chuẩn đánh giá: Trong nghiên cứu, nhóm tác giả trích 2% tổng mẫu để chạy thực nghiệm sau thống kê % kết xác, kết đạt độ xác từ 80% trở lên, đánh giá tốt; ngồi ra, ta dựa vào đồ thị huấn luyện đồ thị phân tích hồi quy thu từ kết chạy mơ hình [6,7] động chúng, qua phòng ngừa rủi ro cách hiệu Đồng thời lượng hóa mức độ ảnh hưởng tới ngân hàng Kiểm soát rủi ro: Là bước quan trọng Bao gồm biện pháp, kỹ thuật, cơng cụ, chiến lược, chương trình hoạt động để ngăn ngừa, phòng tránh giảm thiểu tổn thất, ảnh hưởng khơng mong đợi xảy ngân hàng Tài trợ rủi ro: Trước hết cần theo dõi, xác định xác tổ n thất tài sản, nguồn nhân lực giá trị pháp lý Sau đó, cần thiết lập biện pháp tài trợ phù hợp Tình hình hoạt động tín dụng ngân hàng thương mại khảo sát nghiên cứu thể Biểu đồ sau: Biểu đồ Tình hình huy động vốn số ngân hàng địa bàn Thành phố Biên Hòa giai đoạn 2012-2014 (tỷ đồng) Nhìn chung, tình huy động vốn ngân hàng có xu hướng tăng qua năm từ 2012 đến 2014, xét mức tăng giá trị tăng trưởng tình hình huy động ta thấy hai ngân hàng Vietinbank Sacombank đứng đầu mảng huy động Còn xét tình hình dư nợ ngân hàng thương mại khảo sát nghiên cứu này, Biểu đồ cho thấy tổng dư nợ ngân hàng địa bàn thành phố Biên Hòa 2012 -2014 có xu hướng tăng qua năm Trong tăng mạnh ngân hàng Vietinbank, Sacombank, Đông Á, MB Bank Huấn luyện mơ hình: Việc huấn luyện mơ hình thực nhiều loại thuật tốn phù hợp, với loại mơ hình khác Có hai loại huấn luyện, huấn luyện có giám sát huấn luyện khơng có giám sát [6,7] 2.3 Thực trạng cơng tác quản trị rủi ro tín dụng Mơ hình quản trị rủi ro tín dụng trình bày Sơ đồ sau [8]: Nhận diện rủi ro: trình liên tục có hệ thống, hoạt động ngân hàng nhằm thống kê loại rủi ro mà ngân hàng gặp phải, từ đưa biện pháp kiểm sốt phù hợp Sơ đồ Mơ hình quản trị rủi ro tín dụng Phân tích, đo lường rủi ro: Tìm nguyên nhân, tác 32 Tạp chí Khoa học Lạc Hồng Số 05 Biểu đồ Tình hình dư nợ số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 (tỷ đồng) Biểu đồ thể hệ số thu hồi nợ số ngân hàng thương mại địa bàn TP Biên Hòa ta thấy ngân hàng Đơng Á có thay đổi đột biến Đào Trọng Thịnh, Dỗn Văn Tồn Biểu đồ Hệ số khả thu hồi nợ số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 Hệ số vòng quay vốn tín dụng ngân hàng có xu hướng giảm giai đoạn từ 2012-2014 thể Biểu đồ 4; theo đó, nguyên nhân phần biến động kinh tế nói chung ngành ngân hàng nói riêng Vượt trội ngân hàng nói ngân hàng Sacombank, với doanh số cho vay cao đồng nghĩa với vòng quay vốn tín dụng lớn Biểu đồ Hiệu sử dụng vốn số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 Chứng tỏ công tác quản lý nợ ngân hàng kém, nguy rủi ro vốn cao Trong đó, Vietinbank ngân hàng dẫn đầu, với tình hình sử dụng vốn hợp lý hiệu cao so với ngân hàng khác, thể Biểu đồ Đồng thời, Biểu đồ thấy hệ số an toàn vốn tối thiểu ngân hàng có xu hướng tăng qua năm đạt mức yêu cầu NHNN 9% Nếu so với mức an toàn vốn ngân hàng thương mại khu vực hệ số an tồn vốn Việt Nam t hấp Do đó, ngân hàng cần nâng cao hệ số an tòan vốn tối thiểu để chống lại biến động bất ổn kinh tế thị trường Biểu đồ Hệ số vòng quay vốn tín dụng số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 Biểu đồ cho thấy có biến động rõ rệt ngân hàng qua năm từ năm 2012 đến năm 2014, chuyển biến đáng ý ngân hàng Đơng Á với tỷ lệ nợ hạn mức cao khoảng 25% Theo sau Agribank tỷ lệ nợ hạn năm 2014 lên tới 20% Biểu đồ Hệ số an toàn vốn tối thiểu số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 2.4 Mơ hình nghiên cứu biến Dựa nghiên cứu liên quan bàn luận trên, mơ hình nghiên cứu viết thể Sơ đồ 2; đó, biến độc lập trình bày Bảng biến phụ thuộc Y định cấp tín dụng Biểu đồ Tỷ lệ nợ hạn số ngân hàng địa bàn Tp Biên Hòa giai đoạn 2012-2014 Sơ đồ Mơ hình nghiên cứu đề xuất Cấu trúc mơ hình nghiên cứu thể Sơ đồ 3; Tạp chí Khoa học Lạc Hồng Số 05 33 Applying artificial neural network in managing credit risks at commercial banks in Bien Hoa city theo đó, số lượng nơ-ron đầu vào 17 nơ-ron; lớp ẩn, bao gồm 10 nơ -ron ẩn; lớp nơ -ron đầu bao gồm nơ-ron phát tín hiệu đầu (xem Sơ đồ 3) lệch thấp, điều cho thấy giá trị kiểm tra có độ xác sát với thực tế từ nguồn liệu thu thập từ hồ sơ cấp tín dụng, phù hợp với mục tiêu mà nhóm tác giả đề Ta thấy rằng, R mơ hình có giá trị huấn luyện = 0,92311, giá trị chuẩn = 0,98705, giá trị kiểm tra = 0,90786, giá trị tổng =0,91656, giá trị R mức cao; điều cho thấy kết dự báo mang tính xác cao, nghĩa R lớn mơ hình cho kết có độ tin cậy cao Sơ đồ Cấu trúc mơ hình mạng thần kinh lớp ẩn Bảng Các biến độc lập mơ hình X01 - Tuổi người vay X02 - Gia cảnh khách hàng so với mặt vùng X03 - Trình độ học vấn X04 - Tình trạng sở hữu nhà X05 - Số người phụ thuộc X06 - Cơ cấu gia đình X07 - Mức thu nhập ròng hàng tháng X08 - Thu nhập gia đình/ năm X09 - Tỷ lệ thu nhập ròng tổng số tiền phải trả X10 - Thời gian công tác quan X11 - Thời gian làm công việc X12 - Nghề nghiệp X13 - Thời gian vay X14 - Tình hình trả nợ gốc lãi 12 tháng vừa qua cho tổ chức tín dụng X15 - Tổng dư nợ X16 - Các dịch vụ khác sử dụng ngân hàng X17 - Số dư tiền gửi tiết kiệm trung bình ngân hàng Cho nên, mơ hình tổng thể thể sau: Y=X1W1+b1+ X2W2+b2+ X3W3+b3+ X4W4+b4+ X5W5+b5 + X6W6+b6+ X7W7+b7+ X8W8+b8+ X9W9+b9+ X10W10+b10+ X11W11+b11+ X12W12+b12+ X13W13+b13+ X14W14+b14+ X15W15+b15+ X16W16+b16+ X17W17+b17 đó: Wi trọng số liên kết mơ hình tự khởi tạo; bi độ lệch chương trình tự điều chỉnh cho phù hợp mơ hình (i=1,2,…,17) 2.5 Kết nghiên cứu từ mơ hình Đồ thị huấn luyện mạng thần kinh nhân tạo (ANN) nghiên cứu thể Hình Hình Kết phân tích mơ hình hồi quy Căn vào tổng số mẫu 3003 liệu thu thập từ hồ sơ cấp tín dụng thực tế, nhóm tác giả dịnh trích 2% (tương ứng với 60 mẫu) để tiến hành chạy thực nghiệm mơ hình so sánh với định cán tín dụng đưa trước · Nếu Output ≥ 0,5 “Chấp nhận cấp tín dụng” · Nếu Output ≤ 0,5 “Từ chối cấp tín dụng” Theo bảng kết thu từ việc chạy mơ hình, ta thống kê 2% mẫu ngẫu nhiên sử dụng (tương ứng với 60 giá trị dùng để chạy thực nghiêm mơ hình), có 57 mẫu dự đốn xác so với định thực tế (tương ứng với độ xác 95%) Điều đặc biệt ba kết thứ: 20, 48, 59 có dự đoán khác so với thực tế, nghĩa cán tín dụng đưa định khơng cấp tín dụng cho khách hàng mơ hình lại đề xuất kết chấp nhận cấp tín dụng cho vay ngược lại Nguyên nhân yếu tố mà kết dự đốn khác với phán cán tín dụng đưa ra, từ tiến hành truy xuất hồ sơ thẩm định lại, nhằm tạo tiền đề cho việc nâng cao hoạt động quản trị rủi ro tín dụng ngân hàng thương mại KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH Hình Đồ thị huấn luyện mạng thần kinh nhân tạo Ta thấy rằng, đường kiểm tra (Test), đường chuẩn dùng để phê duyệt (Validation) biến thiên chiều có độ 34 Tạp chí Khoa học Lạc Hồng Số 05 Qua phân tích thực trạng cơng tác quản trị rủi ro tín dụng, tình hình huy động, dư nợ, thu nợ tiêu đánh giá chất lượng hoạt động ngân hàng việc tiến hành chạy, phân tích mơ hình với kết có độ xác lên tới 95%, nhóm tác giả đánh giá sát với tình hình thực tế, tính khả dụng mơ hình cao Sau thu kết tiến hành thống kê lại kết quả, phép so sánh, nhóm tác giả lọc dự đoán khác với định tín dụng hồ sơ thực tế, tiến hành truy vấn hồ sơ xem xét đánh giá lại, nhóm tác giả có kết luận rằng, việc sử dụng mơ hình mạng thần kinh nhân tạo đề tài nghiên cứu nghiêng mang tính định lượng để cán tín dụng tham khảo, hỗ trợ đưa định Đào Trọng Thịnh, Dỗn Văn Tồn cách tốt Cho nên, mơ hình áp dụng thực tiễn ngành ngân hàng nói chung ngân hàng thương mại Tp Biên Hòa nói riêng Cụ thể, nhóm tác giả xin đề xuất số giải pháp sau: Giải pháp từ kết mơ hình nghiên cứu: Cán tín dụng phải thu thập thơng tin đầy đủ xác khách hàng để phòng tránh xử lý kịp thời trường hợp xấu xảy Mặt khác, cán tín dụng phải đánh giá khách quan khách quan nhiều mặt như: tình trạng pháp lý, khả trả nợ vay, tài sản đảm bảo v.v… Đồng thời xây dựng mơ hình định lượng để hỗ trợ đưa định cấp tín dụng phù hợp đắn Hoặc nhà quản trị sử dụng mơ hình cơng tác quản lý, xem xét đánh giá lại hồ sơ để từ đưa định cấp tín dụng hiệu mang tính xác hơn, nhằm giảm thiểu rủi ro Ngồi ra, nhà quản trị xem qua hồ sơ đưa định hay bị từ chối cấp tín dụng để từ nắm bắt thơng tin sau nhập liệu đầu vào để thơng qua mơ hình xuất kết mang tính kiểm tra tham khảo sau kiểm tra, kết chạy so với thực tế tốt, kết sai lệch so với định thực tế nhà quản trị tiến hành xem xét lý kết lại khác Giải pháp từ thực trạng quản trị rủi ro tín dụng: Hồn thiện quy định, sách tín dụng phù hợp với thực tế, tuân thủ theo quy định pháp luật nhà nước: Các sách, quy định ngân hàng phải bắt buộc thực xây dựng tuân thủ cách nghiêm túc đầy đủ theo quy định pháp luật nhằm hạn chế tối đa rủi ro xảy Đặc biệt q trình cấp tín dụng khâu quan trọng nhất, khả rủi ro cho vay cao, gây thiệt hại lớn tài sản uy tín ngân hàng Hồn thiện quy trình thẩm định quản lý rủi ro khoản vay: Ln tìm hiểu phân tích thơng tin khách hàng để định cho vay Thực tốt công tác thẩm định, giám sát trước sau vay quan trọng cần thắt chặt tìm hiểu kĩ Điều đòi hỏi cán tín dụng phải nắm bắt am hiểu kiến thức thị trường, đặc trưng loại đối tượng khách hàng ngành nghề, công việc khác Nếu thiếu yếu tố khiến định cấp tín dụng sai từ gây rủi ro cho ngân hàng Hồn thiện hệ thống cơng nghệ thơng tin: Các ngân hàng cần phải hoàn thiện xây dựng hệ thống thông tin tiên tiến, đại, ổn định Thường xuyên kiểm tra bảo trì, bảo dưỡng kịp thời thay bổ sung cần thiết để đảm bảo hoạt động ổn định trường hợp đảm bảo nhanh chóng xác ngân hàng nhằm nắm bắt tốt thông tin khách hàng, quản lý tốt khoản vay đo lường phòng tránh được rủi ro thể xảy ra, giảm thiểu tối đa thiệt hại cho ngân hàng Nâng cao chất lượng, ý thức đội ngũ cán tín dụng, kiểm tra, kiểm soát: ngân hàng phải xây dựng hoàn chỉnh quy chế tuyển dụng tuân thủ nghiêm ngặt quy chế để có nguồn nhân lực tốt, chuyên nghiệp phù hợp với khối lượng công việc Thường Đào Trọng Thịnh Lớp 11TC311, Đại học Lạc Hồng, Đồng Nai xuyên mở lớp tập huấn chuyên môn, nghiệp vụ nhằm nâng cao lực trình độ thẩm định, trình độ quản lý khách hàng Không đào tạo chuyên môn mà đào tạo phẩm chất đạo đức yêu cầu quan trọng Chế độ tiền lương, đãi ngộ, v.v… cần quan tâm mức để thu hút nhân tài phục vụ cho hoạt động ngân hàng Hoàn thiện cơng cụ, biện pháp kỹ thuật kiểm sốt rủi ro tín dụng: Thực sách quản lý rủi ro tín dụng, mơ hình giám sát rủi ro tín dụng, phương pháp xác định đo lường rủi ro tín dụng có hợp lý hiệu quả, bao gồm cách thức đánh giá khả trả nợ khách hàng, hợp đồng tín dụng, tài sản bảo đảm, khả thu hồi nợ quản lý nợ tổ chức tín dụng biện pháp như: mơ hình xếp hạng Moody’s Standard & Poor’s, mơ hình chất lượng dựa yếu tố 6C, mơ hình điểm số Z (Z - Credit scoring model), v.v… LỜI CẢM ƠN Chúng em xin gửi lời tri ân sâu sắc tới quý Thầy, Cô giảng viên Khoa Tài – Kế tốn, người giảng dạy chúng em thời gian qua Đặc biệt, chúng em muốn gửi lời cảm ơn chân thành tới Thầy Th.s Nguyễn Cao Quang Nhật nhiệt tình giúp đỡ hướng dẫn chúng em thực nghiên cứu Tiếp theo, chúng em xin gửi lời cảm ơn tới Ban lãnh đạo anh chị phòng kế hoạch - kinh doanh Ngân hàng TMCP Sài Gòn Thương Tín chi nhánh Đồng Nai Ngân hàng Nông nghiệp phát triển nông thôn Việt Nam chi nhánh Biên Hòa tạo điều kiện cho chúng em thực tập tiếp xúc với thực tế, bổ sung thêm tảng kiến thức để hoàn thành báo cáo trang bị cho công việc sau TÀI LIỆU THAM KHẢO [1] Elmer P Dadios, James Solis, “Fuzzy-Neuro Model for Intelligent Credit Risk Management”, Intelligent Information Management, Vol 4, No 5, pp 251-260, 2012 [2] Jagric V., Kracun D., Jagric T., “Does non-linearity matter in retail credit risk modeling?”, Czech Journal of Economics and Finance, Vol 61, No 4, pp 384-402, 2011 [3] Trịnh Nguyễn Thanh Hải, “”Ứng dụng mơ hình ANN hỗ trợ định cấp tín NHTM Việt Nam”, Tập san Đại Học Kinh Tế TP HCM, 2013 [4] Cybenko G.,“Approximation by superpositions of a sigmoidal function”, Mathematics of Control, Signals, and Systems, Vol 2, pp 303-314, 1989 [5] Bailey D., Thompson D., “How to develop neural-network applications”, AI Expert, Vol 5, No 6, papes 38-47, 1990 [6] Nguyễn Đình Thúc, “Trí tuệ nhân tạo - Mạng Nơron – Phương pháp ứng dụng”, NXB Giáo dục, tr 34-40, 2000 [7] Lê Đạt Chí, “Ứng dụng mơ hình mạng thần kinh nhân tạo dự báo kinh tế-trường hợp thị trường chứng khoán Việt Nam”, Luận án Tiến sĩ Kinh tế, Đại học Kinh tế, tr 19-25, 2011 [8] Phạm Thị Nghiêm Trang, “Phân tích yếu tố tác động đến quản trị rủi ro tín dụng ngân hàng thương mại cổ phần Ngoại thương Việt Nam – Chi nhánh Đồng Nai”, Báo cáo NCKH Trường Đại Học Lạc Hồng, 2014 TIỂU SỬ TÁC GIẢ Dỗn Văn Tồn Lớp11TC117, Đại học Lạc Hồng, Đồng Nai Tạp chí Khoa học Lạc Hồng Số 05 35 ... lớp nơ-ron đầu mà số nơ-ron lớp ẩn có nơ-ron Số nơ-ron ẩn mạng thần kinh ba lớp chiếm khoảng 75% số nơ-ron đầu vào Số nơ-ron ẩn tối ưu mạng nên mức ½ đến lần số nơ -ron đầu vào Nhân đôi số lượng... để thu hút nhân tài phục vụ cho hoạt động ngân hàng Hoàn thiện cơng cụ, biện pháp kỹ thuật kiểm sốt rủi ro tín dụng: Thực sách quản lý rủi ro tín dụng, mơ hình giám sát rủi ro tín dụng, phương... thẩm định lại, nhằm tạo tiền đề cho việc nâng cao hoạt động quản trị rủi ro tín dụng ngân hàng thương mại KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH Hình Đồ thị huấn luyện mạng thần kinh nhân tạo Ta thấy rằng,