Bối cảnh và vấn đề nghiên cứu
Hoạt động tín dụng giữ vai trò huyết mạch trong việc cung ứng nguồn vốn phục vụ sản xuất, kinh doanh và tiêu dùng của các cá nhân cũng như tổ chức trong nền kinh tế. Tuy nhiên, hoạt động cho vay luôn đi kèm rủi ro tín dụng tiềm ẩn — tình trạng người đi vay không thực hiện hoặc không có khả năng thực hiện nghĩa vụ hoàn trả nợ gốc và lãi đúng hạn. Khi rủi ro tín dụng phát sinh, tổ chức tín dụng (TCTD) phải đối mặt với nguy cơ mất cân đối thu chi, tổn thất vốn, sụt giảm uy tín, thậm chí dẫn đến nguy cơ đổ vỡ hệ thống và gây tác động tiêu cực đến toàn bộ nền kinh tế.
Trước đây, việc đánh giá khả năng trả nợ của khách hàng phần lớn phụ thuộc vào phương pháp chuyên gia. Khi số lượng các khoản vay tiêu dùng và kinh doanh quy mô vừa và nhỏ gia tăng nhanh chóng, phương pháp thẩm định thủ công bộc lộ nhiều hạn chế về chi phí vận hành, thời gian xét duyệt kéo dài và tính thiếu nhất quán do yếu tố chủ quan. Sự phát triển của khoa học dữ liệu và các kỹ thuật học máy (machine learning) cung cấp công cụ định lượng hỗ trợ tự động hóa quá trình phân loại khách hàng trên quy mô dữ liệu lớn, giúp tối ưu hóa công tác giám sát và dự báo rủi ro.
Đề tài đặt ra các mục tiêu và nhiệm vụ nghiên cứu cụ thể:
- Tìm hiểu các nhân tố ảnh hưởng đến rủi ro tín dụng của khách hàng cá nhân tại các tổ chức tín dụng.
- Khảo sát các phương pháp phân loại và chấm điểm khách hàng trong thực tế quản trị rủi ro tín dụng.
- Đánh giá tính ứng dụng và hiệu quả của mô hình học máy Gradient Boosting trong bài toán phân loại nhị phân khách hàng vay vốn.
- Đối tượng nghiên cứu: Các đặc trưng tài chính, lịch sử tín dụng ảnh hưởng đến trạng thái thanh toán khoản vay; các mô hình phân loại nhị phân gồm Hồi quy Logistic và Gradient Boosting Machine (GBM).
- Phạm vi dữ liệu: Dữ liệu thứ cấp thu thập từ tổ chức cho vay ngang hàng Lending Club trong năm 2018 với quy mô hơn 50.000 hồ sơ vay của khách hàng cá nhân, được chuẩn hóa và giới hạn ở hai trạng thái kết quả: đã hoàn thành nghĩa vụ trả nợ (
Fully Paid) hoặc vỡ nợ/không còn khả năng thanh toán (Charged Off).
Cơ sở lý thuyết và phương pháp
Khung lý thuyết của nghiên cứu được xây dựng trên các khái niệm chuẩn mực về tín dụng và rủi ro tín dụng theo Anthony Saunders (2007) và Khoản 1 Điều 3 Thông tư số 02/2013/TT-NHNN của Ngân hàng Nhà nước Việt Nam. Nghiên cứu hệ thống hóa các nguyên nhân gây rủi ro tín dụng (từ chính sách của TCTD, năng lực quản lý tài chính của khách hàng và các cú sốc vĩ mô khách quan), cùng quy trình quản trị rủi ro 4 bước (Nhận biết, Xác định hạn mức, Định lượng, Kiểm soát) kết hợp xây dựng hệ thống xếp hạng tín dụng nội bộ.
Về mặt toán học và phương pháp luận, tác giả sử dụng các nền tảng sau:
- Mô hình Cây quyết định (Decision Tree): Cơ chế phân tách nhánh (splitting) dựa trên hệ số độ vẩn đục Gini ($GI = 1 - \sum_{i=1}^K P_{mi}^2$) và chỉ số Entropy ($-\sum_{i=1}^K P_{mi} \log P_{mi}$), kết hợp kỹ thuật tỉa cây (tree pruning).
- Thuật toán Gradient Boosting: Cơ chế học kết hợp (ensemble learning) xây dựng tuần tự các mô hình cây yếu (weak learners) nhằm tối thiểu hóa hàm mất mát (loss function) thông qua thuật toán giảm độ dốc (Gradient Descent). Đối với bài toán phân loại nhị phân ($y_i \in {0, 1}$), hàm mất mát được thiết lập theo hàm hợp lý tối đa Bernoulli:
$$L(y_i, F(x_i)) = y_i F(x_i) - \log(1 + e^{F(x_i)})$$
Mỗi cây mới $h_m(x)$ được huấn luyện trên phần dư giả (pseudo-residuals) $r_{mi} = -\left[\frac{\partial L(y_i, F(x_i))}{\partial F(x_i)}\right]{F=F{m-1}}$, kết hợp với tốc độ học (learning rate $\nu$) để kiểm soát độ phức tạp và tránh hiện tượng quá khớp (overfitting).
- Hồi quy Logistic và kỹ thuật tiền xử lý Scorecard: Sử dụng hàm liên kết logit để ước lượng xác suất vỡ nợ $p_i$, kết hợp phương pháp tính toán Trọng số bằng chứng (Weight of Evidence - WOE) và Giá trị thông tin (Information Value - IV) nhằm mã hóa lại biến số và chọn lọc các biến có khả năng phân tách tốt.
- Thước đo đánh giá mô hình: Ma trận nhầm lẫn (Confusion Matrix) với các chỉ số True Positive (TP), False Positive (FP - sai lầm loại II), True Negative (TN), False Negative (FN - sai lầm loại I), Độ chính xác tổng thể (Accuracy), Đường cong đặc trưng hoạt động máy thu (ROC) và Diện tích dưới đường cong (AUC).
- Công cụ triển khai: Môi trường lập trình R và gói thư viện
gbm.
Nội dung chính theo từng chương
CHƯƠNG I: CƠ SỞ LÝ THUYẾT
Chương I trình bày tổng quan về bản chất kinh tế của tín dụng và định nghĩa rủi ro tín dụng. Tác giả phân tích các nguyên nhân dẫn đến rủi ro tín dụng từ phía tổ chức cho vay (chính sách thẩm định lỏng lẻo, thông tin bất đối xứng, áp lực tăng trưởng quy mô), từ phía khách hàng (năng lực quản lý tài chính yếu kém, hành vi trục lợi) và các yếu tố ngoại cảnh (khủng hoảng kinh tế, thiên tai). Đồng thời, chương này nêu rõ các tác động tiêu cực của rủi ro tín dụng đến cán cân thanh toán của ngân hàng và sự ổn định của nền kinh tế vĩ mô.
Tiếp đó, chương I hệ thống hóa cơ sở toán học của các giải pháp định lượng rủi ro:
- Cấu trúc cây quyết định phân cấp (Root Node, Decision Node, Branch, Leaf Node, Splitting, Tree Pruning) và hai độ đo lựa chọn điểm cắt tối ưu là Gini Index và Entropy.
- Kỹ thuật Boosting và giải thuật Gradient Descent, nguyên lý cập nhật mô hình cộng dồn $F_m(x) = F_{m-1}(x) + \nu \rho_m h_m(x)$ dựa trên việc xấp xỉ phần dư hàm mục tiêu.
- Các tiêu chuẩn kiểm định độ chính xác phân loại, chỉ ra rằng sai lầm loại II (dự báo sai khách hàng xấu thành khách hàng tốt) gây ra thiệt hại tài chính nặng nề hơn sai lầm loại I đối với các TCTD; cách thức xác lập đường cong ROC dựa trên TPR (True Positive Rate) và FPR (False Positive Rate) cùng chỉ số AUC.
CHƯƠNG II: PHƯƠNG PHÁP PHÂN LOẠI KHÁCH HÀNG PHỔ BIẾN TẠI CÁC TỔ CHỨC TÍN DỤNG
Chương II phân tích và so sánh ba nhóm phương pháp phân loại khách hàng vay vốn đang được áp dụng:
- Phương pháp chuyên gia (Mô hình 5C): Đánh giá dựa trên 5 khía cạnh gồm Tư cách người vay (Character), Năng lực tài chính/Vốn (Capital), Tài sản bảo đảm (Collateral), Khả năng trả nợ (Capacity), và Điều kiện kinh tế - xã hội (Condition). Phương pháp này tốn kém nhân lực, thời gian xét duyệt chậm và kết quả không đồng nhất giữa các chuyên viên thẩm định.
- Phương pháp thống kê: Sử dụng mô hình toán học (Hồi quy Logistic, Cây quyết định, Học máy) để tính toán điểm số tín nhiệm tự động. Ưu điểm nổi bật là năng suất xử lý dữ liệu lớn, giảm thiểu chi phí nhân sự, đảm bảo tính nhất quán khách quan và khả năng xử lý số lượng biến số đầu vào không hạn chế.
- Phương pháp hỗn hợp (Hybrid): Kết hợp thẩm định chuyên gia với mô hình định lượng, áp dụng cho các khoản vay doanh nghiệp lớn hoặc các lĩnh vực kinh doanh phức tạp.
Chương này cũng chuẩn hóa quy trình 4 bước xây dựng mô hình phân loại định lượng: (1) Định nghĩa trạng thái nợ xấu; (2) Sàng lọc nhân tố rủi ro trong dữ liệu; (3) Kiểm định tính hợp lý và tính tương thích thực tế của các nhân tố; (4) Tối ưu hóa mô hình. Cuối chương, tác giả trình bày mô hình Hồi quy Logistic nhị phân và nguyên lý biến đổi scorecard dựa trên kỹ thuật WOE và IV.
CHƯƠNG III: ỨNG DỤNG MÔ HÌNH GRADIENT BOOSTING TRONG PHÂN LOẠI KHÁCH HÀNG
Chương III là phần thực nghiệm phân tích và kiểm thử mô hình trên tập dữ liệu Lending Club năm 2018 với 26 trường thông tin ban đầu:
| STT |
Tên biến |
Kiểu biến |
Ý nghĩa nghiệp vụ |
| 1 |
funded_amnt_inv |
Định lượng |
Khoản tiền khách hàng được phê duyệt vay |
| 2 |
term |
Định tính |
Kỳ hạn khoản vay (36 tháng hoặc 60 tháng) |
| 3 |
int_rate |
Định lượng |
Lãi suất khoản vay (%) |
| 4 |
emp_title |
Định tính |
Nghề nghiệp hiện tại của khách hàng |
| 5 |
emp_length |
Định tính |
Số năm kinh nghiệm làm việc (<1 năm đến 10+ năm) |
| 6 |
home_ownership |
Định tính |
Tình trạng sở hữu nhà (OWN, RENT, MORTGAGE, ANY) |
| 7 |
annual_inc |
Định lượng |
Thu nhập bình quân năm của khách hàng |
| 8 |
loan_status |
Định tính |
Biến phụ thuộc: Fully Paid (tốt) hoặc Charged Off (xấu) |
| 9 |
title |
Định tính |
Mục đích vay tiền |
| 10 |
dti |
Định lượng |
Tỷ lệ nợ trên thu nhập (Debt to Income) |
| 11 |
delinq_2yrs |
Định lượng |
Số lần nợ quá hạn trong 2 năm gần nhất |
| 12 |
open_acc |
Định lượng |
Số tài khoản/thẻ tín dụng đang hoạt động |
| 13 |
pub_rec_bankruptcies |
Định lượng |
Số lần phá sản công khai tại các TCTD |
| 14 |
revol_bal |
Định lượng |
Dư nợ tín dụng quay vòng chưa thanh toán |
| 15 |
revol_util |
Định lượng |
Tỷ lệ sử dụng hạn mức tín dụng quay vòng (%) |
| 16 |
total_acc |
Định lượng |
Tổng số tài khoản tín dụng từng được mở |
| 17 |
total_pymnt_inv |
Định lượng |
Tổng số tiền phải trả trên khoản vay |
| 18 |
total_rec_int |
Định lượng |
Tổng số tiền lãi đã trả |
| 19 |
total_rec_late_fee |
Định lượng |
Tổng số tiền phạt chậm trả |
| 20 |
total_rec_prncp |
Định lượng |
Tổng số tiền gốc đã trả |
| 21 |
earliest_cr_line |
Định tính |
Thời điểm bắt đầu sử dụng tín dụng |
| 22 |
inq_last_6mths |
Định lượng |
Số lần bị kiểm tra lịch sử tín dụng trong 6 tháng |
Quá trình tiền xử lý và làm sạch dữ liệu:
- Chuyển đổi biến
earliest_cr_line thành biến định lượng credit_his = $2018 - \text{earliest_cr_line}$ (số năm có lịch sử tín dụng).
- Loại bỏ biến
emp_title do có tới 20.332 giá trị định danh phân tán và tỷ lệ bỏ trống lên tới 8,4% (4.155 quan sát).
- Xử lý biến
annual_inc bằng cách loại bỏ các giá trị ngoại lai (outliers) có thu nhập bất thường lên đến 9.300.000 USD/năm so với mức bình quân 82.947,40 USD/năm.
- Loại bỏ biến
total_pymnt_inv do có mức độ đa cộng tuyến cao với biến total_rec_prncp.
Thực nghiệm xây dựng và so sánh các mô hình:
- Mô hình Hồi quy Logistic:
- Tính toán IV cho thấy biến
total_rec_prncp có $IV = 3,290$ (hoặc 3,532) rất lớn nhưng bị loại bỏ vì phản ánh trực tiếp định nghĩa của trạng thái hoàn trả thay vì mang tính chất dự báo độc lập; các biến annual_inc, revol_bal, delinq_2yrs, pub_rec_bankruptcies bị loại do $IV < 0,02$.
- Mô hình Logistic đạt AIC = 16.797, tỷ lệ dự báo chính xác (Accuracy) đạt 87,51% trên tập kiểm tra (TP = 4.987, TN = 713, FP = 166, FN = 81).
- Mô hình Gradient Boosting Machine cơ sở (GBM):
- Thiết lập tham số: số lượng cây $M = 1.000$, độ sâu cây $d = 4$, hàm mất mát Bernoulli.
- Các biến có mức độ ảnh hưởng tương đối (Relative Influence) cao nhất:
total_rec_int_lf (14,18%), int_rate (13,40%), funded_amnt_inv (10,75%), revol_bal (9,97%), revol_util (8,94%).
- Kết quả ma trận nhầm lẫn: TP = 4.811, TN = 558, FP = 321, FN = 257; Độ chính xác đạt 87,16%.
- Mô hình Gradient Boosting tinh chỉnh (Tuned GBM):
- Tinh chỉnh tham số: $M = 1.000$, $d = 6$, tốc độ học $\nu = 0,01$, xác định điểm dừng tối ưu qua mẫu Out-of-bag (OOB) và kiểm định chéo (Cross-validation) tại vòng lặp thứ 999 - 1.000.
- Các biến đóng vai trò quyết định sau tinh chỉnh:
funded_amnt_inv (38,10%), total_rec_int_lf (21,40%), int_rate (16,40%), total_acc (3,39%), home_ownership (2,71%).
- Kết quả ma trận nhầm lẫn: TP = 5.040, TN = 659, FP = 220, FN = 28; Độ chính xác nâng lên 89,25% và chỉ số AUC đạt 0,832.
Kết quả và đóng góp
Kết quả định lượng
Kết quả thử nghiệm thực tế trên tập dữ liệu cho thấy sự khác biệt về năng lực phân loại giữa mô hình kinh tế lượng cổ điển và các thuật toán học máy:
| Tiêu chí đánh giá |
Hồi quy Logistic |
Gradient Boosting (Cơ sở) |
Gradient Boosting (Tinh chỉnh) |
| Độ sâu cây ($d$) |
— |
4 |
6 |
| Tốc độ học ($\nu$) |
— |
Mặc định |
0,01 |
| Số quan sát TP (Fully Paid) |
4.987 |
4.811 |
5.040 |
| Số quan sát TN (Charged Off) |
713 |
558 |
659 |
| Sai số FP (Loại II) |
166 |
321 |
220 |
| Sai số FN (Loại I) |
81 |
257 |
28 |
| Độ chính xác (Accuracy) |
87,51% (hoặc ~86,65%) |
87,16% (hoặc ~86,30%) |
89,25% (hoặc ~88,8%) |
| Diện tích dưới đường cong (AUC) |
Thấp hơn GBM |
Trung bình |
0,832 |
Mô hình GBM tinh chỉnh đạt hiệu suất phân loại tốt nhất, đặc biệt giảm thiểu số lượng sai lầm loại I (FN) xuống còn 28 trường hợp và nâng diện tích dưới đường cong ROC lên 0,832.
Phát hiện về các yếu tố rủi ro tín dụng
Nghiên cứu chỉ ra ba nhân tố chi phối mạnh mẽ nhất đến khả năng vỡ nợ của khách hàng vay cá nhân:
- Quy mô khoản vay (
funded_amnt_inv): Chiếm tỷ trọng ảnh hưởng lớn nhất (38,10% sau khi tinh chỉnh mô hình).
- Tổng nghĩa vụ chi trả lãi và phí (
total_rec_int_lf): Chiếm tỷ trọng 21,40%, phản ánh gánh nặng chi phí tài chính lũy kế.
- Lãi suất khoản vay (
int_rate): Chiếm 16,40%, các khoản vay có mức lãi suất cao (trên 18%) có phân phối rủi ro vỡ nợ tập trung rõ rệt.
Đóng góp của đề tài
- Chứng minh tính khả thi và hiệu quả của việc ứng dụng kỹ thuật học kết hợp (Boosting) trên dữ liệu tín dụng thực tế quy mô lớn thay thế cho các phương pháp đánh giá định tính thủ công.
- Xác lập quy trình làm sạch, lọc biến định tính nhiều giá trị (
emp_title), loại trừ các biến định nghĩa kết quả (total_rec_prncp) và tinh chỉnh siêu tham số thông qua kiểm định OOB/Cross-validation.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận tự chỉ ra các hạn chế cố hữu trong quá trình thực hiện:
- Tính phức tạp và độ diễn giải thấp: Thuật toán Gradient Boosting hoạt động theo cơ chế "hộp đen" phức tạp, thiếu tính tường minh trong việc giải thích cụ thể trọng số của từng quyết định phê duyệt tín dụng riêng lẻ.
- Không chuyển đổi được sang mẫu biểu Scorecard: Khác với Hồi quy Logistic có thể chuyển đổi trực tiếp các hệ số thành hệ thống điểm số tín nhiệm (scorecard) tiêu chuẩn, mô hình GBM khó tích hợp trực tiếp vào hạ tầng xếp hạng tín dụng truyền thống mà các ngân hàng và TCTD đang vận hành.
- Giới hạn phạm vi ứng dụng nghiệp vụ: Mô hình mới chỉ dừng lại ở bài toán phân loại nhị phân khả năng thu hồi nợ/vỡ nợ để kiểm soát rủi ro khoản vay, chưa mở rộng hỗ trợ định giá sản phẩm hay đề xuất các giải pháp tài chính đa dạng khác.
- Dữ liệu nghiên cứu: Mới khảo sát tập trung trên tập dữ liệu cắt ngang năm 2018 của Lending Club với nhóm khách hàng cá nhân tại thị trường Mỹ.
Hướng nghiên cứu tiếp theo được tác giả đề xuất:
- Thử nghiệm thuật toán XGBoost (Extreme Gradient Boosting) nhằm tối ưu hóa hơn nữa về tốc độ xử lý tính toán và tối ưu hóa hàm mục tiêu.
- Phát triển mô hình Multiclass Gradient Boosting để mở rộng bài toán phân loại khách hàng sang biến mục tiêu đa trạng thái (nợ đủ tiêu chuẩn, nợ cần chú ý, nợ dưới tiêu chuẩn, nợ nghi ngờ, nợ có khả năng mất vốn).
Giá trị tham khảo
Tài liệu là tài liệu tham khảo chuyên đề cho sinh viên, học viên cao học và chuyên viên phân tích thuộc các ngành: Toán Kinh tế, Khoa học Dữ liệu trong Tài chính, Tài chính - Ngân hàng, và Công nghệ Tài chính (Fintech).
Các nội dung có giá trị tham khảo kỹ thuật cao gồm:
- Quy trình tiền xử lý dữ liệu tín dụng thực tế: cách thức phát hiện và xử lý biến có tính định nghĩa biến phụ thuộc qua chỉ số Information Value (IV) và biểu đồ Weight of Evidence (WOE).
- Cấu trúc triển khai mô hình học máy Gradient Boosting từ khâu thiết lập hàm mất mát Bernoulli, chọn độ sâu cây, tốc độ học đến việc kiểm soát điểm dừng tối ưu bằng Out-of-bag sample set và Cross-validation trên R.
- Phương pháp luận so sánh đối chuẩn (benchmarking) giữa mô hình kinh tế lượng truyền thống (Logistic Regression) và mô hình học máy (Machine Learning Classification).
Câu hỏi thường gặp
1. Vì sao biến total_rec_prncp (tổng tiền gốc đã trả) có chỉ số IV rất cao nhưng lại bị loại bỏ khỏi mô hình?
Biến total_rec_prncp có chỉ số $IV = 3,290$ (hoặc 3,532) rất cao, nhưng phân tích biểu đồ WOE cho thấy biến này thuộc nhóm "định nghĩa biến phụ thuộc" thay vì dự báo độc lập. Các khoản vay bị gán nhãn vỡ nợ (Charged Off) vốn dĩ đều có số tiền gốc thu hồi được rất thấp. Việc đưa biến này vào mô hình sẽ gây sai lệch logic dự báo do sử dụng thông tin phát sinh sau khi khoản vay đã xảy ra vỡ nợ.
2. Sự khác biệt cơ bản giữa phương pháp chuyên gia (5C) và phương pháp thống kê trong phân loại khách hàng là gì?
Phương pháp chuyên gia dựa trên đánh giá định tính của cán bộ thẩm định qua 5 yếu tố (Tư cách, Vốn, Tài sản bảo đảm, Khả năng trả nợ, Điều kiện), dẫn đến chi phí cao, thời gian xử lý chậm và tính đánh giá không đồng nhất giữa các chuyên gia. Ngược lại, phương pháp thống kê lượng hóa dữ liệu qua mô hình toán học/học máy, giúp xử lý đồng loạt hàng vạn hồ sơ với tốc độ nhanh, chi phí vận hành thấp và đưa ra kết quả nhất quán dựa trên cùng một hệ tiêu chuẩn định lượng.
3. Phương pháp tinh chỉnh siêu tham số mô hình Gradient Boosting trong khóa luận được thực hiện như thế nào?
Tác giả thay đổi độ sâu cây tối đa từ $d = 4$ lên $d = 6$, thiết lập tốc độ học cố định $\nu = 0,01$ với tổng số cây $M = 1.000$. Điểm dừng tối ưu (optimal iteration) nhằm ngăn chặn hiện tượng quá khớp (overfitting) được xác định thông qua việc theo dõi giá trị sai số kiểm định (validation error) trên mẫu dữ liệu Out-of-bag (OOB) và phương pháp kiểm định chéo (Cross-validation), xác định điểm hội tụ tối ưu tại vòng lặp thứ 999 - 1.000.
4. Tại sao mô hình Gradient Boosting có độ chính xác cao hơn nhưng vẫn khó thay thế hoàn toàn mô hình Hồi quy Logistic trong nghiệp vụ ngân hàng?
Mặc dù GBM đạt độ chính xác cao hơn (89,25% so với 87,51%) và AUC tốt hơn (0,832), thuật toán này có cấu trúc phức tạp và tính diễn giải thấp ("hộp đen"). Quan trọng hơn, GBM không thể chuyển đổi trực tiếp thành bảng điểm tín dụng (scorecard) với các mức điểm số thành phần rõ ràng — công cụ quản trị bắt buộc đang được hầu hết các TCTD áp dụng để giải trình và kiểm soát nội bộ.
5. Bộ dữ liệu nghiên cứu có nguồn gốc từ đâu và tiêu chí chọn mẫu của tác giả là gì?
Dữ liệu được trích xuất từ tập dữ liệu công khai của nền tảng Lending Club trong năm 2018. Tác giả áp dụng bộ lọc chỉ giữ lại các khoản vay của khách hàng cá nhân (loại bỏ hồ sơ vay chung/doanh nghiệp) và đã hoàn thành toàn bộ chu kỳ thanh toán với hai kết quả rõ ràng: hoàn thành nghĩa vụ trả nợ (Fully Paid) hoặc đã xử lý vỡ nợ (Charged Off), thu về tập dữ liệu hơn 50.000 quan sát.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Quang Huy đã nghiên cứu thực nghiệm ứng dụng mô hình học máy Gradient Boosting trong bài toán phân loại rủi ro tín dụng khách hàng cá nhân dựa trên bộ dữ liệu Lending Club năm 2018. Kết quả nghiên cứu khẳng định mô hình Gradient Boosting sau khi tinh chỉnh đạt hiệu suất vượt trội so với Hồi quy Logistic truyền thống với độ chính xác 89,25% và chỉ số AUC đạt 0,832, đồng thời xác định số tiền vay, tổng lãi đã trả và lãi suất là những yếu tố có tác động chi phối mạnh nhất đến khả năng trả nợ. Mặc dù còn rào cản về tính diễn giải và khả năng chuyển đổi sang bảng điểm scorecard trong thực tiễn ngân hàng, đề tài đã cung cấp một quy trình xử lý dữ liệu và minh chứng định lượng về tiềm năng ứng dụng của các thuật toán học kết hợp trong quản trị rủi ro tài chính.
