1.2. Tổng quan về mô hình logit đo lường khả năng trả nợ của khách hàng doanh
1.2.1.4. Mơ hình kết hợp
Những phân tích và nhận xét về các mơ hình đo lường khả năng trả nợ của
KHDN cho thấy khơng có mơ hình nào tỏ ra toàn năng mà mỗi mơ hình có thể áp dụng thích hợp cho một số nội dung đánh giá nhất định. Vì vậy, để tận dụng những ưu điểm và hạn chế nhược điểm của mỗi mơ hình, ngân hàng có thể áp dụng mơ hình
kết hợp.
đánh giá và với mỗi nội dung cần đánh giá chỉ áp dụng những mơ hình đánh giá phù
hợp với tiêu thức đó. Các mơ hình thường được kết hợp với một trong các dạng mơ
hình khác. Phương pháp kết hợp này thể hiện có nhiều lợi thế vì bổ sung cho nhau. Ví dụ như mơ hình thống kê và quan hệ nhân quả chứng tỏ sức mạnh đặc biệt trong đánh giá được dữ liệu định lượng, và đồng thời hầu hết có thể xử lý hầu hết dữ liệu định tính mà khơng cần nỗ lực bổ sung thêm mơ hình khác, sự kết hợp của các loại mơ hình có thể được thường xuyên gặp phải trong thực tế. Tuy nhiên, các mơ
hình thống kê và mơ hình nhân quả có lợi thế phân loại cao hơn so với các mơ hình chuẩn đốn; nhưng mơ hình khơng sử dụng kiến thức của các chuyên gia như mơ
hình chuẩn đốn thì những thông tin quan trọng về KHDN không trả nợ sẽ bị mất trong những trường hợp cá biệt, đặc biệt với những mẫu dữ liệu nhỏ. Hơn nữa,
không phải tất cả các mơ hình thống kê có khả năng thực hiện với dữ liệu định tính một cách trực tiếp như mơ hình phân tích phân biệt, hoặc mơ hình thống kê đòi hỏi một số lượng lớn dữ liệu để tìm một hàm đúng như mơ hình Logit và Probit.
Mơ hình chuẩn đốn địi hỏi phải có một số lượng lớn các chuyên gia trong
quá trình đánh giá hơn trong trường hợp đánh giá tín dụng tự động khi sử dụng các mơ hình thống kê và lý thuyết. Để đạt được một bức tranh đầy đủ về khả năng trả nợ của KHDN và giảm thiểu sai sót trong mơ hình chuẩn đốn, sẽ rất thích hợp khi kết hợp với mơ hình thống kê để kiểm định lại các giả thuyết trong mơ hình chuẩn đốn.