Hiện tại, BIDV đang sử dụng mô hình điểm số hay bảng câu hỏi đánh giá để
tiến hành XHTD cá nhân. Như đã trình bày ở chương I, mô hình này có ưu điểm là
đơn giản, dễ tiếp cận và được sử dụng khá phổ biến trong hệ thống ngân hàng Việt Nam. Nhưng vì xuất phát từ phương pháp chuyên gia nhưng mô hình có nhược điểm là thiếu tính khách quan, phụ thuộc nhiều vào ý kiến của nhân viên tín dụng.
Ngoài ra, cách thức cho điểm và trọng số với mỗi chỉ tiêu trong bảng câu hỏi được
xây dựng theo kinh nghiệm của chuyên gia mà chưa được kiểm chứng bởi các
nghiên cứu thống kê định lượng rõ ràng.
Trong xu hướng hiện đại, để dự báo khả năng trả nợ của khách hàng, các
phương pháp thống kê định lượng được đưa vào áp dụng. Các mô hình sử dụng phương pháp thống kê như mô hình phân tích phân biệt, mô hình hồi qui Logistic, mô hình Probit, phương pháp lân cận gần nhất K,…Tuy nhiên cùng với những nhận
xét về các mô hình thống kê đã trình bày trong chương II, các biến đưa vào đánh giá
bao gồm cả biến định tính và định lượng nên không áp dụng được với mô hình phân tích phân biệt, dữ liệu nghiên cứu không đủ lớn để áp dụng phương pháp lân cận
gần nhất K, mô hình hồi qui Logistic và Probit tương đối giống nhau về ý nghĩa
thống kê và vì mô hình Logistic dễ áp dụng hơn trong tính toán và không đòi hỏi
mẫu nghiên cứu phải tuân theo phân phối chuẩn nên hồi qui Binary Logistic được
sử dụng nhiều trong các nghiên cứu về XHTD cá nhân.
Trên cơ sở so sánh các phương pháp, định hướng giải pháp phát triển hệ
thống XHTD cá nhân của BIDV là kết hợp giữa mô hình điểm số và mô hình kiểm định các yếu tố ảnh hưởng đến khả năng trả nợ của khách hàng theo hồi qui Binary
Logistic nhằm tăng tính khách quan và chính xác của hệ thống XHTD cá nhân của
BIDV.