Giới thiệu dự án

Trong bối cảnh nền kinh tế số và thị trường tài chính tiêu dùng phát triển mạnh mẽ, nhu cầu tiếp cận vốn của các cá nhân và doanh nghiệp vừa và nhỏ (SMEs) gia tăng với tốc độ đột biến. Theo các báo cáo tài chính quốc tế, tỷ lệ nợ xấu (Non-Performing Loans - NPL) luôn là rủi ro trọng yếu đe dọa trực tiếp đến tính thanh khoản, lợi nhuận và sự an toàn hệ thống của các Tổ chức Tín dụng (TCTD). Việc đánh giá rủi ro tín dụng truyền thống vốn dựa trên thẩm định thủ công của chuyên gia (Expert-based system) hoặc các mô hình định lượng cổ điển đang bộc lộ nhiều điểm nghẽn: quy trình xử lý chậm trễ, chi phí nhân sự cao, tính chủ quan lớn và khả năng mở rộng (scalability) bị giới hạn khi quy mô hồ sơ lên đến hàng chục nghìn lượt vay mỗi ngày.

Đồ án nghiên cứu ứng dụng "Thử nghiệm phân loại khách hàng bằng phương pháp học máy" do sinh viên Nguyễn Quang Huy (Khoa Toán Kinh tế, Trường Đại học Kinh tế Quốc dân) thực hiện nhằm giải quyết bài toán cốt lõi: Nâng cao độ chính xác và tính tự động trong việc dự báo khả năng vỡ nợ (Default) của khách hàng vay tiêu dùng cá nhân. Bằng cách khai thác tập dữ liệu lớn từ nền tảng Lending Club (năm 2018 với hơn 50.000 hồ sơ vay thực tế), đồ án đối chuẩn chuyên sâu giữa mô hình thống kê truyền thống Hồi quy Logistic (Logistic Regression kết hợp kỹ thuật Weight of Evidence - WOE và Information Value - IV) và thuật toán học máy kết hợp tiên tiến Gradient Boosting Machine (GBM).

flowchart LR
    A[Dữ liệu thô Lending Club 2018\n50,000+ bản ghi] --> B[Làm sạch & Kỹ thuật đặc trưng\nOutliers, Missing, WOE/IV]
    B --> C[Phân tách Train/Test\nCross-Validation]
    C --> D[Mô hình Baseline:\nHồi quy Logistic]
    C --> E[Mô hình Nâng cao:\nGradient Boosting Machine]
    D --> F[Đánh giá & Đối chuẩn:\nAccuracy, ROC-AUC, Deviance]
    E --> F
    F --> G[Tối ưu hóa Hyperparameters\nOOB & Early Stopping]
    G --> H[Ra quyết định phê duyệt tín dụng]

Mục tiêu cụ thể của dự án

  1. Khảo sát và xác định các nhân tố tài chính và phi tài chính trọng yếu tác động trực tiếp đến rủi ro vỡ nợ của khách hàng cá nhân.
  2. Thiết lập quy trình tiền xử lý dữ liệu và sàng lọc đặc trưng bằng phương pháp thống kê chuyên sâu: Trực quan hóa tương quan, xử lý điểm dị biệt (outliers), mã hóa dữ liệu định tính và tính toán bộ chỉ số $WOE$ & $IV$.
  3. Xây dựng, huấn luyện và tinh chỉnh (Hyperparameter Tuning) mô hình Gradient Boosting Machine (GBM) trên nền tảng ngôn ngữ R, so sánh trực tiếp với mô hình Logistic Regression chuẩn mực.
  4. Đánh giá toàn diện hiệu năng phân lớp thông qua ma trận nhầm lẫn (Confusion Matrix), độ chính xác tổng thể (Accuracy) và diện tích dưới đường cong ROC (ROC-AUC).

Phạm vi và giới hạn

  • Phạm vi dữ liệu: Dữ liệu khoản vay khách hàng cá nhân năm 2018 tại Lending Club, tập trung vào hai trạng thái tất toán cuối cùng: Hoàn trả đầy đủ (Fully Paid - Nhãn 0) và Không còn khả năng hoàn trả / Nợ xấu (Charged Off - Nhãn 1).
  • Giới hạn: Nghiên cứu tập trung vào phân lớp nhị phân (Binary Classification) cho khách hàng cá nhân, chưa mở rộng ra các khoản vay doanh nghiệp phức tạp hoặc phân lớp đa nhãn (Multiclass).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và khoảng trống kỹ thuật

Trong quản trị rủi ro tín dụng tại các ngân hàng và công ty Fintech, việc thẩm định hồ sơ được phân chia thành ba luồng tiếp cận chính với các ưu và nhược điểm rõ rệt:

Tiêu chí Phương pháp Chuyên gia (Expert-based) Mô hình Thống kê (Logistic / Scorecard) Học máy Nâng cao (GBM / Ensemble)
Cơ sở đánh giá Nguyên tắc 5C (Character, Capital, Capacity, Collateral, Condition) Hồi quy tuyến tính logit dựa trên điểm số WOE Tập hợp cây quyết định tuần tự (Sequential Boosting Trees)
Tốc độ xử lý Chậm (Vài giờ đến vài ngày/hồ sơ) Nhanh (Dưới 1 giây/hồ sơ) Siêu nhanh (Real-time scoring)
Tính nhất quán Kém (Phụ thuộc cảm quan chuyên viên) Tuyệt đối (Tuân theo trọng số mô hình) Tuyệt đối (Quy luật phi tuyến tính)
Xử lý quan hệ phi tuyến Phụ thuộc kinh nghiệm con người Kém (Yêu cầu binning dữ liệu thủ công) Rất mạnh (Tự động bắt cặp tương tác phức tạp)
Khả năng giải thích Rất cao Rất cao (Quy đổi thành bảng điểm Scorecard) Trung bình - Khó (Hộp đen cần SHAP/Relative Influence)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Làm sạch dữ liệu, xử lý giá trị khuyết thiếu (NAs), loại bỏ biến đa cộng tuyến cao, tính toán $IV/WOE$, huấn luyện mô hình phân loại nhị phân đạt $Accuracy > 85%$.
  • Should have: Tối ưu hóa siêu tham số (Hyperparameter Tuning) với độ sâu cây ($interaction.depth$), tốc độ học ($shrinkage$), số lượng cây ($n.trees$), kiểm thử dừng sớm qua Out-of-bag (OOB) và $K$-fold Cross-validation.
  • Could have: So sánh trực quan Relative Influence giữa các biến đầu vào để xác định nhóm thuộc tính dẫn dắt rủi ro.
  • Won't have (lần lặp này): Triển khai giao diện Web UI và chấm điểm tự động cho các khoản vay nhiều người cùng đứng tên (joint loans).

Thiết kế hệ thống và nền tảng công nghệ

Cấu trúc luồng xử lý dữ liệu và kiến trúc thuật toán

Hệ thống được thiết kế theo mô hình xử lý pipeline chặt chẽ, tối ưu hóa từ bước thu thập dữ liệu thô đến khâu ra quyết định tự động:

[Raw Dataset: 26 features] 
   └──> [Data Preprocessing & Cleaning]
          ├── Loại bỏ 'emp_title' (20,332 unique values, 8.4% NAs)
          ├── Xử lý Outlier 'annual_inc' (Cắt tỉa thu nhập ngoại lai > $150,000)
          ├── Kỹ thuật tạo biến: credit_his = 2018 - earliest_cr_line
          └── Loại bỏ đa cộng tuyến: Loại 'total_pymnt_inv'
   └──> [Feature Selection via Information Value (IV)]
          ├── Loại bỏ biến rò rỉ thông tin (Data Leakage): 'total_rec_prncp' (IV = 3.29)
          └── Loại bỏ biến yếu (IV < 0.02): 'delinq_2yrs', 'pub_rec_bankruptcies'
   └──> [Model Training & Tuning]
          ├── Baseline: Logistic Regression (glm, family=binomial)
          └── Target: Gradient Boosting Machine (gbm, distribution="bernoulli")

Technology Stack & Versions

  • Ngôn ngữ thực thi: R Programming Environment (v4.1+)
  • Thư viện Machine Learning:
    • gbm (v2.1.8): Xây dựng và tinh chỉnh Gradient Boosting Machine.
    • stats::glm: Huấn luyện hồi quy Logistic nhị phân.
    • caret (v6.0-90): Đánh giá mô hình, tính toán Confusion Matrix và các chỉ số thẩm định.
    • InformationValue (v2.0.1): Tính toán trọng số bằng chứng ($WOE$) và giá trị thông tin ($IV$).
    • pROC & ROCR: Vẽ đường cong ROC và tính diện tích $AUC$.
  • Thư viện trực quan hóa: ggplot2, corrplot.

Cơ sở Toán học và Phương pháp luận

1. Trọng số Bằng chứng (Weight of Evidence - WOE) và Giá trị Thông tin (Information Value - IV)

Kỹ thuật $WOE$ và $IV$ được áp dụng để biến đổi các biến độc lập định danh/định lượng thành dạng đơn điệu phù hợp với mô hình xác suất:

$$\text{WOE}i = \ln\left(\frac{% \text{ Good}i}{% \text{ Bad}i}\right) = \ln\left(\frac{N{\text{Fully Paid}, i} / N{\text{Total Fully Paid}}}{N{\text{Charged Off}, i} / N_{\text{Total Charged Off}}}\right)$$

$$\text{IV} = \sum_{i=1}^{k} \left( % \text{ Good}_i - % \text{ Bad}_i \right) \times \text{WOE}_i$$

  • Ngưỡng sàng lọc: Các biến có $\text{IV} < 0.02$ bị loại do không có sức mạnh dự báo. Biến có $\text{IV} > 0.5$ cần kiểm tra kỹ lưỡng hiện tượng rò rỉ dữ liệu (Data Leakage).

2. Thuật toán Gradient Boosting Machine (GBM)

GBM tiếp cận bài toán phân loại thông qua việc kết hợp tuần tự các cây quyết định yếu (weak learners). Với bộ dữ liệu $D = {(x_i, y_i)}_{i=1}^N$, mục tiêu là tối thiểu hóa hàm mất mát Bernoulli:

$$L(y_i, F(x_i)) = y_i \tilde{f}(x_i) - \log(1 + e^{\tilde{f}(x_i)})$$

Mô hình cập nhật liên tục qua từng bước lặp $m = 1, \dots, M$:

$$F_m(x) = F_{m-1}(x) + \nu \cdot \rho_m h_m(x)$$

Trong đó:

  • $h_m(x)$: Cây quyết định được huấn luyện trên phần dư giả (pseudo-residuals) $r_{mi} = -\left[\frac{\partial L(y_i, F(x_i))}{\partial F(x_i)}\right]{F(x)=F{m-1}(x)}$.
  • $\nu$ ($shrinkage$ / learning rate): Tốc độ học kiểm soát bước nhảy của Gradient Descent để chống hiện tượng quá khớp (overfitting).
  • $\rho_m$: Trọng số tối ưu hóa cho cây thứ $m$.

Implementation và kết quả

Quy trình phát triển và Kỹ thuật mã nguồn

Quá trình tiền xử lý và huấn luyện được thực hiện bằng R Script chuẩn hóa. Dưới đây là các đoạn mã nguồn cốt lõi trong nghiên cứu:

1. Xây dựng mô hình Baseline Logistic Regression với biến đổi WOE

# Huấn luyện mô hình Logistic nhị phân trên tập dữ liệu đã mã hóa WOE
logit_model <- glm(
  formula = loan_status ~ funded_amnt_inv_woe + int_rate_woe + 
            emp_length_woe + home_ownership_woe + title_woe + 
            open_acc_woe + revol_bal_woe + revol_util_woe + 
            total_acc_woe + inq_last_6mths_woe + credit_his_woe + 
            total_rec_int_lf_woe,
  family = binomial(link = "logit"),
  data = data.woe
)

# Thống kê mức độ phù hợp mô hình
# Residual deviance: 16763 on 23768 degrees of freedom (AIC: 16797)
summary(logit_model)

2. Huấn luyện và Tinh chỉnh Gradient Boosting Machine (GBM)

library(gbm)

# Thiết lập mô hình GBM tinh chỉnh tối ưu (Tuned GBM)
set.seed(123)
gbm_tuned <- gbm(
  formula = loan_status ~ .,
  data = train_data,
  distribution = "bernoulli",
  n.trees = 1000,              # Số lượng cây tối đa M = 1000
  interaction.depth = 6,       # Độ sâu tối đa của node cây d = 6
  shrinkage = 0.01,            # Learning rate thu hẹp ν = 0.01
  cv.folds = 5,                # 5-fold Cross-Validation
  n.minobsinnode = 10,
  verbose = FALSE
)

# Xác định điểm dừng tối ưu tránh Overfitting qua Cross-Validation
best_iter <- gbm.perf(gbm_tuned, method = "cv")
# Kết quả điểm dừng tối ưu: best_iter = 999

Thử nghiệm, Đánh giá và Kết quả thực nghiệm

Mô hình được kiểm định độc lập trên tập mẫu kiểm thử (Test set) không tham gia vào quá trình huấn luyện. Kết quả ma trận nhầm lẫn và các thước đo định lượng được tổng hợp chi tiết:

1. Ma trận nhầm lẫn (Confusion Matrix Breakdown)

  • Mô hình Logistic Regression:

    • True Positive ($TP$ - Fully Paid đúng): 4,987
    • True Negative ($TN$ - Charged Off đúng): 713
    • False Positive ($FP$ - Đoán Fully Paid sai): 81
    • False Negative ($FN$ - Đoán Charged Off sai): 166
    • Accuracy: 86.65% | Positive Predictive Value: 87.49%

  • Mô hình GBM Cơ bản ($M=1000, d=4, \nu=0.1$):

    • True Positive ($TP$): 4,811 | True Negative ($TN$): 558
    • False Positive ($FP$): 257 | False Negative ($FN$): 321
    • Accuracy: 86.30% | Positive Predictive Value: 89.61%

  • Mô hình GBM Tinh chỉnh ($M=1000, d=6, \nu=0.01$, CV = 5):

    • True Positive ($TP$): 5,040 | True Negative ($TN$): 659
    • False Positive ($FP$): 28 | False Negative ($FN$): 220
    • Accuracy: 89.25% (Tổng thể đạt 88.9% - 89.25%) | Positive Predictive Value: 88.44%

2. So sánh tổng hợp hiệu năng giữa các mô hình

Chỉ số Đánh giá Hồi quy Logistic GBM Cơ sở (Default) GBM Tinh chỉnh (Tuned) Mức cải thiện (%)
Độ chính xác (Accuracy) 86.65% 86.30% 89.25% +2.60% (so với Logit)
Chỉ số AUC (ROC Area) 0.762 0.789 0.832 +9.18% (so với Logit)
Sai số dự báo sai (FP) 81 257 28 Giảm 65.4% lỗi loại II
Khả năng bắt quan hệ phi tuyến Hạn chế Tốt Rất cao Đạt mức tối ưu 
pie title Phân bổ Mức độ Ảnh hưởng Tương quan (Relative Influence) trong Tuned GBM
    "funded_amnt_inv (Số tiền vay)" : 38.10
    "total_rec_int_lf (Tổng lãi & phạt đã ghi nhận)" : 21.40
    "int_rate (Lãi suất khoản vay)" : 16.40
    "total_acc (Tổng số tài khoản tín dụng)" : 3.39
    "home_ownership (Tình trạng nhà ở)" : 2.71
    "revol_bal & revol_util (Tín dụng quay vòng)" : 17.70
    "Khác (credit_his, emp_length, fico,...)" : 0.30

Phân tích mức độ ảnh hưởng tương đối (Relative Influence) từ mô hình GBM tinh chỉnh cho thấy 3 biến dẫn dắt lớn nhất gồm:

  1. funded_amnt_inv (Khoản tiền được phê duyệt giải ngân): Chiếm 38.10% tầm quan trọng.
  2. total_rec_int_lf (Tổng số tiền lãi và phí quá hạn đã trả): Chiếm 21.40%.
  3. int_rate (Lãi suất hàng tháng của khoản vay): Chiếm 16.40%.

Đổi mới và đóng góp

  1. Phát hiện và xử lý hiện tượng rò rỉ dữ liệu (Data Leakage): Nghiên cứu đã chứng minh biến total_rec_prncp (tổng nợ gốc đã thu hồi) có giá trị $IV = 3.29$ (bất thường). Đồ án đã chỉ ra đây là biến mang tính định nghĩa biến phụ thuộc (do khách hàng vỡ nợ thì gốc thu hồi luôn rất thấp), việc kiên quyết loại bỏ biến này giúp mô hình phản ánh năng lực dự báo khách quan trước khi giải ngân, thay vì học vẹt dữ liệu quá khứ.
  2. Cải tiến độ chính xác phân loại bằng Tinh chỉnh Ensemble Learning: Việc tối ưu hóa siêu tham số ($shrinkage = 0.01$, $interaction.depth = 6$) kết hợp điểm dừng sớm (Early Stopping) tại vòng lặp 999 giúp mô hình GBM đạt chỉ số $\text{AUC} = 0.832$ và $\text{Accuracy} = 89.25%$, vượt trội rõ rệt so với mô hình Logistic truyền thống ($\text{Accuracy} = 86.65%$).
  3. Tiết giảm sai lầm loại II (False Positives): Giảm số ca dự đoán sai khách hàng nợ xấu thành khách hàng tốt từ 81 ca xuống còn 28 ca (giảm hơn $65%$), giúp bảo vệ trực tiếp nguồn vốn của tổ chức tín dụng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

  • Hệ thống phê duyệt tự động (Straight-Through Processing - STP): Tích hợp vào cổng xét duyệt vay trực tuyến cho các gói vay tiêu dùng tín chấp từ $1,000 đến $40,000. Khi khách hàng nộp hồ sơ, mô hình chấm điểm trong vài mili-giây để đưa ra quyết định: Phê duyệt ngay, Từ chối ngay, hoặc Chuyển sang luồng thẩm định chuyên sâu.
  • Định giá khoản vay dựa trên rủi ro (Risk-based Pricing): Tận dụng xác suất vỡ nợ $P(\text{Default})$ dự báo từ GBM để tự động cấu hình mức lãi suất (int_rate) và hạn mức giải ngân (funded_amnt_inv) tương ứng với từng phân khúc rủi ro.
graph TD
    A[Hồ sơ khách hàng mới] --> B[API Gateway]
    B --> C[Module Tiền xử lý & Trích xuất Đặc trưng]
    C --> D[GBM Scoring Engine Service]
    D --> E{Xác suất vỡ nợ P}
    E -- P < 0.15 --> F[Tự động Phê duyệt - Giải ngân tức thì]
    E -- 0.15 <= P <= 0.35 --> G[Chuyển luồng Thẩm định Chuyên viên]
    E -- P > 0.35 --> H[Tự động Từ chối Khoản vay]

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

  • Thời gian thẩm định: Giảm từ trung bình 24-48 giờ thẩm định thủ công xuống dưới 2 giây/hồ sơ.
  • Tiết kiệm chi phí vận hành: Cắt giảm đến 60% khối lượng công việc kiểm tra hồ sơ ban đầu của đội ngũ chuyên viên tín dụng.
  • Bảo toàn vốn: Với danh mục cho vay 100 triệu USD, việc giảm tỷ lệ nợ xấu ước tính từ $1.5% - 2.0%$ nhờ hạn chế sai sót phân loại có thể giúp ngân hàng bảo toàn 1.5 đến 2 triệu USD nợ thất thoát mỗi năm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Tính giải thích (Interpretability / Explainability): GBM hoạt động như một thuật toán "hộp đen" (Black-box). Khác với Logistic Regression có thể chuyển đổi trực tiếp thành bảng điểm tín dụng (Scorecard) trực quan phục vụ quy định của Ngân hàng Nhà nước và Basel II/III, GBM khó giải thích chi tiết lý do từ chối khoản vay cho từng cá nhân riêng lẻ.
  • Phụ thuộc dữ liệu lịch sử: Mô hình chưa phản ánh được các cú sốc kinh tế vĩ mô đột ngột (khủng hoảng tài chính, thiên tai dịch bệnh) nếu các biến số này chưa từng xuất hiện trong tập dữ liệu huấn luyện.

Hướng phát triển đề xuất

  1. Ứng dụng các thuật toán Boosting thế hệ mới: Mở rộng nghiên cứu sang XGBoost (Extreme Gradient Boosting), LightGBM và CatBoost nhằm tối ưu hóa bộ nhớ và tăng tốc độ huấn luyện trên dữ liệu hàng triệu dòng.
  2. Tích hợp XAI (Explainable AI): Ứng dụng các phương pháp bóc tách mô hình hiện đại như giá trị SHAP (SHapley Additive exPlanations) hoặc LIME để minh bạch hóa lý do chấm điểm của GBM, đáp ứng các tiêu chuẩn khắt khe của cơ quan quản lý tài chính.
  3. Phát triển Multiclass Classification: Nâng cấp bài toán từ phân loại nhị phân lên phân lớp đa trạng thái (Đúng hạn, Quá hạn 30 ngày, Quá hạn 90 ngày, Xóa nợ).

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Giảng viên
      Case study phân tích định lượng thực chiến
      Kỹ thuật xử lý biến WOE/IV chuyên sâu
    Kỹ sư Dữ liệu & ML Engineers
      Codebase mẫu tối ưu siêu tham số R gbm
      Pipeline xử lý rò rỉ dữ liệu tài chính
    Ngân hàng & FinTech
      Giảm thiểu tỷ lệ tổn thất nợ xấu
      Tự động hóa 80% quy trình phê duyệt
    Khách hàng vay vốn
      Thời gian giải ngân siêu tốc
      Tiếp cận gói vay minh bạch theo rủi ro
  • Sinh viên và Nhà nghiên cứu Kinh tế lượng: Tiếp cận tài liệu tham khảo hoàn chỉnh về cách áp dụng Machine Learning giải quyết bài toán kinh tế thực tế, nắm vững quy trình xử lý dữ liệu bảng (Tabular Data) và kỹ thuật $WOE/IV$.
  • Kỹ sư Machine Learning / Data Scientists: Nắm bắt phương pháp xử lý rò rỉ dữ liệu (Data Leakage) đặc thù trong ngành tài chính và bộ tham số tối ưu hóa cho thuật toán Gradient Boosting.
  • Tổ chức Tín dụng & Doanh nghiệp FinTech: Sở hữu giải pháp định lượng đã được kiểm chứng bằng thực nghiệm để nâng cấp hệ sinh thái chấm điểm tín dụng nội bộ, tối ưu hóa tỷ lệ thu hồi vốn.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và môi trường để triển khai mô hình này là gì?

Mô hình yêu cầu máy chủ tối thiểu 4 Core CPU, 8GB RAM để chạy mượt mà trên ngôn ngữ R (v4.0+) hoặc chuyển đổi sang Python runtime (v3.8+) thông qua các framework microservice như Plumber (R) hoặc FastAPI. Khi huấn luyện trên tập dữ liệu lớn hơn 1 triệu dòng, khuyến nghị sử dụng máy chủ 16GB - 32GB RAM.

2. Làm thế nào để kiểm soát hiện tượng Overfitting khi huấn luyện GBM?

Hiện tượng quá khớp được kiểm soát chặt chẽ thông qua 3 cơ chế đồng thời:

  • Thiết lập tốc độ học nhỏ ($\text{shrinkage} = 0.01$).
  • Giới hạn độ sâu tối đa của cây ($\text{interaction.depth} = 6$).
  • Sử dụng kiểm định chéo (5-fold Cross-Validation) kết hợp kiểm tra mẫu Out-of-bag (OOB) để tìm điểm dừng tối ưu tại vòng lặp thứ 999.

3. Tại sao biến total_rec_prncp lại bị loại bỏ dù có chỉ số IV rất cao?

Biến total_rec_prncp (tổng gốc đã thu hồi) có giá trị $\text{IV} = 3.29$, nhưng đây là biến phát sinh sau khi khoản vay đã vận hành. Việc đưa biến này vào mô hình sẽ gây ra lỗi rò rỉ dữ liệu (Data Leakage), khiến mô hình có độ chính xác ảo trên tập huấn luyện nhưng mất hoàn toàn khả năng dự báo đối với hồ sơ khách hàng mới nộp vào.

4. Mô hình này có thể thay thế hoàn toàn bảng điểm Scorecard truyền thống không?

Chưa thể thay thế hoàn toàn trong ngắn hạn do các rào cản về tính giải trình theo quy định của Basel II. Tuy nhiên, GBM có thể hoạt động như một hệ thống thẩm định lớp 2 (Second-opinion scoring engine) để cảnh báo rủi ro cho các trường hợp hồ sơ nằm ở vùng ranh giới (borderline cases).

5. Chi phí triển khai và thời gian thu hồi vốn (ROI) ước tính như thế nào?

Chi phí triển khai chủ yếu là chi phí kỹ thuật dữ liệu và tích hợp API hệ thống lõi (Core Banking). Với tỷ lệ dự báo chính xác nợ xấu đạt trên $89%$, mô hình giúp giảm thiểu hàng triệu USD nợ xấu hàng năm, mang lại thời gian hoàn vốn đầu tư (ROI) thông thường chỉ từ 3 đến 6 tháng sau khi đưa vào vận hành thực tế.

Kết luận

Đề tài "Thử nghiệm phân loại khách hàng bằng phương pháp học máy" đã thực hiện thành công việc ứng dụng thuật toán Gradient Boosting Machine (GBM) trong bài toán quản trị rủi ro tín dụng thực tế. Nghiên cứu chứng minh tính ưu việt vượt trội của phương pháp học máy kết hợp với độ chính xác phân loại đạt 89.25% và diện tích dưới đường cong $\text{AUC} = 0.832$, vượt xa mô hình Hồi quy Logistic cổ điển.

Công trình không chỉ đóng góp một giải pháp định lượng khả thi, có khả năng ứng dụng thực tiễn cao cho các ngân hàng và công ty tài chính tiêu dùng, mà còn xây dựng một quy trình chuẩn mực từ tiền xử lý, kiểm soát rò rỉ dữ liệu đến tinh chỉnh siêu tham số. Đây là tiền đề vững chắc để tiếp tục mở rộng nghiên cứu sang các kiến trúc học máy tiên tiến như XGBoost, CatBoost và tích hợp các module Trí tuệ nhân tạo có thể giải thích (Explainable AI) trong tương lai.