Mô Hình Điểm Tín Dụng Sử Dụng Machine Learning Tại Trường Đại Học Quốc Gia TP.HCM

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp use of machine learning to create a credit scoring model, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ thể cho vấn đề .

• Tác giả: Tran Hoang Long
• Người hướng dẫn: Dr. Cao Thi Nhan, PhD
• Trường học: University of Information Technology
• Chuyên ngành: Information Systems
• Đề tài: Mô Hình Điểm Tín Dụng Sử Dụng Machine Learning
• Loại tài liệu: Thesis
• Năm xuất bản: 2021
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENTS
• THESIS PROPOSAL
• Contents
• 1. CHAPTER 1: PROBLEM DEFINITION
• 2. CHAPTER 2: MACHINE LEARNING MODEL FOR CREDIT SCORING
• 2.1. Credit scoring methods
• 2.1.1. Expert judgements-based method
• 2.1.2. Model method
• 2.2. Why is credit scoring important?
• LIST OF TABLES
• LIST OF FIGURES
• LIST OF ACRONYMS AND ABBREVIATIONS

Tóm tắt

I. Tổng quan về Mô Hình Điểm Tín Dụng Sử Dụng Machine Learning

Mô hình điểm tín dụng sử dụng machine learning đang trở thành một công cụ quan trọng trong ngành tài chính. Nó giúp các tổ chức tài chính đánh giá khả năng trả nợ của khách hàng một cách chính xác hơn. Sự phát triển của công nghệ đã tạo ra cơ hội mới cho việc phân tích dữ liệu và đưa ra quyết định tín dụng. Các mô hình này không chỉ dựa vào thông tin truyền thống mà còn khai thác dữ liệu lớn để cải thiện độ chính xác.

1.1. Định nghĩa và vai trò của điểm tín dụng

Điểm tín dụng là một chỉ số quan trọng để đánh giá khả năng tài chính của cá nhân. Nó ảnh hưởng đến khả năng vay vốn và lãi suất mà khách hàng phải trả. Các tổ chức tài chính sử dụng điểm tín dụng để quyết định có nên cấp tín dụng hay không.

1.2. Lợi ích của việc sử dụng machine learning trong tín dụng

Việc áp dụng machine learning giúp cải thiện độ chính xác trong việc dự đoán rủi ro tín dụng. Các mô hình này có khả năng xử lý lượng dữ liệu lớn và phát hiện các mẫu mà con người khó nhận ra.

II. Thách thức trong việc xây dựng mô hình điểm tín dụng

Mặc dù có nhiều lợi ích, việc xây dựng mô hình điểm tín dụng cũng gặp phải nhiều thách thức. Các vấn đề như dữ liệu không đầy đủ, thiên lệch trong dữ liệu và sự phức tạp của các thuật toán machine learning có thể ảnh hưởng đến hiệu quả của mô hình. Đặc biệt, việc đảm bảo tính minh bạch và công bằng trong quyết định tín dụng là rất quan trọng.

2.1. Vấn đề về dữ liệu trong mô hình tín dụng

Dữ liệu không đầy đủ hoặc không chính xác có thể dẫn đến những quyết định sai lầm. Việc thu thập và xử lý dữ liệu là một bước quan trọng trong quá trình xây dựng mô hình.

2.2. Thiên lệch trong dữ liệu và ảnh hưởng của nó

Thiên lệch trong dữ liệu có thể dẫn đến việc mô hình đưa ra những quyết định không công bằng. Cần có các biện pháp để phát hiện và giảm thiểu thiên lệch này.

III. Phương pháp xây dựng mô hình điểm tín dụng hiệu quả

Để xây dựng một mô hình điểm tín dụng hiệu quả, cần áp dụng các phương pháp như phân tích dữ liệu, kỹ thuật feature engineering và lựa chọn mô hình phù hợp. Các thuật toán như hồi quy logistic, cây quyết định và rừng ngẫu nhiên thường được sử dụng trong lĩnh vực này.

3.1. Phân tích dữ liệu và kỹ thuật feature engineering

Phân tích dữ liệu giúp hiểu rõ hơn về các yếu tố ảnh hưởng đến điểm tín dụng. Kỹ thuật feature engineering giúp tạo ra các biến mới từ dữ liệu gốc để cải thiện hiệu suất của mô hình.

3.2. Lựa chọn mô hình và đánh giá hiệu suất

Lựa chọn mô hình phù hợp là rất quan trọng. Các mô hình cần được đánh giá dựa trên các chỉ số như độ chính xác, độ nhạy và độ đặc hiệu để đảm bảo tính hiệu quả.

IV. Ứng dụng thực tiễn của mô hình điểm tín dụng

Mô hình điểm tín dụng sử dụng machine learning đã được áp dụng rộng rãi trong các tổ chức tài chính. Nó không chỉ giúp cải thiện quy trình xét duyệt tín dụng mà còn giảm thiểu rủi ro cho các ngân hàng. Các ứng dụng này đã chứng minh được hiệu quả trong việc tăng cường khả năng tiếp cận tín dụng cho người tiêu dùng.

4.1. Các tổ chức tài chính áp dụng mô hình

Nhiều ngân hàng và tổ chức tài chính đã áp dụng mô hình điểm tín dụng để cải thiện quy trình cho vay. Điều này giúp họ đưa ra quyết định nhanh chóng và chính xác hơn.

4.2. Kết quả nghiên cứu và thực tiễn

Nghiên cứu cho thấy rằng việc sử dụng machine learning trong điểm tín dụng có thể giảm thiểu tỷ lệ nợ xấu và tăng cường khả năng tiếp cận tín dụng cho người tiêu dùng.

V. Kết luận và tương lai của mô hình điểm tín dụng

Mô hình điểm tín dụng sử dụng machine learning đang mở ra nhiều cơ hội mới cho ngành tài chính. Tương lai của mô hình này hứa hẹn sẽ tiếp tục phát triển với sự tiến bộ của công nghệ và dữ liệu. Việc cải thiện tính minh bạch và công bằng trong quyết định tín dụng sẽ là một trong những ưu tiên hàng đầu.

5.1. Xu hướng phát triển trong tương lai

Các công nghệ mới như trí tuệ nhân tạo và phân tích dữ liệu lớn sẽ tiếp tục cải thiện mô hình điểm tín dụng. Điều này sẽ giúp các tổ chức tài chính đưa ra quyết định chính xác hơn.

5.2. Tầm quan trọng của tính minh bạch

Đảm bảo tính minh bạch trong quy trình xét duyệt tín dụng sẽ giúp tăng cường niềm tin của người tiêu dùng vào hệ thống tài chính.

Nội dung chính

Tổng quan nghiên cứu

Thị trường tài chính tiêu dùng tại Việt Nam ghi nhận sự bùng nổ mạnh mẽ với tốc độ tăng trưởng tín dụng thuộc nhóm dẫn đầu khu vực Đông Nam Á, đạt mức 18,7% vào năm 2016, 18,17% năm 2017, duy trì 14% năm 2018 và đạt 12,1% năm 2019 trước khi phục hồi về mốc khoảng 14% sau giai đoạn biến động kinh tế. Cùng với sự tham gia của các tổ chức tài chính quy mô lớn như FE Credit với doanh số giải ngân vượt 79 tỷ đồng chỉ trong tháng 2 năm 2021, khối lượng hồ sơ vay vốn cá nhân không có tài sản đảm bảo ngày càng gia tăng áp lực lên hệ thống thẩm định truyền thống. Quy trình đánh giá thủ công dựa trên kinh nghiệm chuyên gia bộc lộ rõ các rào cản về chi phí nhân sự, thời gian xét duyệt kéo dài và tính nhất quán không cao giữa các thẩm định viên.

Vấn đề cốt lõi của nghiên cứu là giải quyết bài toán phân loại rủi ro tín dụng, tự động hóa quy trình dự báo khả năng vỡ nợ của khách hàng vay tiêu dùng bằng các thuật toán học máy hiện đại. Mục tiêu cụ thể của đề tài bao gồm việc phân tích quy trình nghiệp vụ cho vay, tiền xử lý và tinh lọc các đặc trưng rủi ro từ bộ dữ liệu lớn với 466.285 quan sát thực tế, từ đó phát triển mô hình chấm điểm tín dụng đạt hiệu năng cao và có khả năng giải thích rõ ràng.

Phạm vi nghiên cứu tập trung vào các khoản vay tín chấp cá nhân thuộc nền tảng Lending Club trong giai đoạn 2007 đến 2014, được triển khai hoàn thiện trong khung thời gian 6 tháng từ tháng 1 năm 2021 đến tháng 6 năm 2021. Ý nghĩa thực tiễn của công trình thể hiện ở việc cắt giảm từ 6% đến 25% tổng tổn thất rủi ro tín dụng theo ước tính của ngành, rút ngắn thời gian xử lý hồ sơ xuống mức tức thì và nâng cao năng lực cạnh tranh số hóa cho các ngân hàng thương mại và công ty công nghệ tài chính.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng kết hợp giữa lý thuyết quản trị rủi ro tín dụng truyền thống và các nguyên lý học máy tiên tiến trong khoa học dữ liệu. Khung lý thuyết trọng tâm bao gồm:

• Khung thẩm định 5C truyền thống: Đánh giá khách hàng qua 5 trụ cột gồm Tư cách người vay (Character), Vốn tự có (Capital), Tài sản bảo đảm (Collateral), Năng lực trả nợ (Capacity), và Điều kiện thị trường (Condition). Đây là nền tảng để lựa chọn các nhóm thuộc tính đầu vào đại diện cho hành vi tài chính.
• Lý thuyết xác suất vỡ nợ (Probability of Default - PD): Ứng dụng mô hình Hồi quy Logistic nhị phân (Binary Logistic Regression) nhằm chuyển đổi mối quan hệ phi tuyến giữa các thuộc tính tài chính thành xác suất xảy ra biến cố vỡ nợ trong khoảng giá trị từ 0 đến 1.
• Phương pháp Trọng số bằng chứng (Weight of Evidence - WoE) và Giá trị thông tin (Information Value - IV): Chuẩn hóa dữ liệu phân loại và liên tục thành các nhóm đơn điệu, đo lường sức mạnh dự báo của từng biến rủi ro, hỗ trợ xây dựng bảng điểm tín dụng chuẩn (Scorecard).
• Mô hình cây quyết định tăng cường Gradient (LightGBM): Sử dụng các kỹ thuật lấy mẫu một phía dựa trên gradient (GOSS) và gom cụm đặc trưng độc quyền (EFB) để so sánh hiệu năng với mô hình tuyến tính truyền thống.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ nền tảng cho vay ngang hàng Lending Club, bao gồm 466.285 quan sát cùng 74 biến thuộc tính phản ánh toàn diện lịch sử tín dụng, thu nhập và tình trạng hoàn trả của người vay. Cỡ mẫu nghiên cứu được phân chia theo phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Sampling) với tỷ lệ 80% cho tập huấn luyện (tương ứng 373.028 mẫu) và 20% cho tập kiểm tra độc lập (tương ứng 93.257 mẫu) nhằm bảo toàn tỷ lệ phân bố giữa nhóm hồ sơ tốt và nhóm hồ sơ xấu trong điều kiện dữ liệu mất cân bằng.

Lý do lựa chọn phương pháp phân tích: Nghiên cứu kết hợp kiểm định Chi-Square cho các biến phân loại và kiểm định phân tích phương sai ANOVA F-statistic cho các biến định lượng nhằm loại bỏ các thuộc tính có tính độc lập cao với biến mục tiêu. Sau đó, kỹ thuật tính toán hệ số tương quan cặp được áp dụng để loại trừ hiện tượng đa cộng tuyến. Quá trình huấn luyện mô hình áp dụng kỹ thuật kiểm định chéo phân tầng lặp lại 5 lần (5-Fold Stratified Cross Validation) với tham số trọng số lớp cân bằng (balanced class weight), giúp tối ưu hóa hàm mất mát và hạn chế tối đa nguy cơ quá khớp (overfitting). Toàn bộ quy trình nghiên cứu được thực hiện từ ngày 11 tháng 1 năm 2021 đến ngày 26 tháng 6 năm 2021 trên môi trường phần cứng máy tính chuẩn với hệ điều hành macOS Big Sur và bộ nhớ RAM 8GB.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm và đánh giá mô hình đã mang lại các phát hiện cốt lõi:

• Hiệu quả sàng lọc và tái cấu trúc đặc trưng dữ liệu: Trong số 74 thuộc tính ban đầu, nghiên cứu đã phát hiện và loại bỏ 18 đặc trưng có tỷ lệ thiếu dữ liệu vượt quá 80%, cùng các biến thông tin định danh và các biến ghi nhận sau thời điểm vỡ nợ để tránh rò rỉ dữ liệu (data leakage). Sau khi thực hiện kiểm định thống kê, 22 biến đặc trưng tối ưu được giữ lại và chuyển đổi thông qua kỹ thuật WoE thành 51 biến giả (dummy variables) đơn điệu, phục vụ trực tiếp cho việc tính toán điểm số.
• Hiệu năng vượt trội của mô hình Hồi quy Logistic: Trái với giả định thông thường về việc các thuật toán cây phức tạp luôn cho kết quả tốt hơn, mô hình Hồi quy Logistic đạt độ chính xác trung bình qua 5 lượt kiểm định chéo là 86,58%, đồng thời đạt diện tích dưới đường cong ROC (AUROC) trên tập kiểm tra là 0.866. Kết quả này vượt trội hơn so với mô hình LightGBM khi thuật toán này chỉ đạt mức AUC kiểm thử là 0.774 (chỉ số ngoài mẫu OOF AUC đạt 0.773).
• Chỉ số phân loại rủi ro đạt chuẩn mực cao: Trên tập dữ liệu kiểm tra độc lập gồm 93.257 quan sát, mô hình Hồi quy Logistic xác lập hệ số Gini đạt 0.732 và diện tích dưới đường cong Precision-Recall (PR AUC) đạt xấp xỉ 0.98. Các chỉ số này chứng minh khả năng tách biệt hồ sơ có độ tin cậy cao giữa khách hàng trả nợ đúng hạn và khách hàng có nguy cơ vỡ nợ cao.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy Hồi quy Logistic kết hợp với kỹ thuật mã hóa biến WoE là phương pháp tối ưu nhất cho bài toán xây dựng bảng điểm tín dụng tiêu dùng. Sự vượt trội của mô hình này bắt nguồn từ việc kỹ thuật WoE đã xử lý triệt để các mối quan hệ phi tuyến và giá trị ngoại lai, biến đổi các biến số thành dạng tuyến tính mượt mà với log-odds của xác suất vỡ nợ. Ngược lại, LightGBM dù có tham số cấu hình phức tạp với 64 lá nhánh (num_leaves) và cơ chế dừng sớm sau 100 vòng lặp (early stopping) vẫn dễ gặp hiện tượng suy giảm hiệu năng do tính chất đặc thù của dữ liệu tín dụng vốn cần sự ổn định trên từng khoảng giá trị biến số.

Khi so sánh với các công bố quốc tế trong cùng lĩnh vực chấm điểm tín dụng cá nhân, chỉ số AUROC 0.866 của nghiên cứu vượt trên mức trung bình ngành (thường dao động từ 0.75 đến 0.82). Mô hình đã chuyển hóa thành công các trọng số hồi quy thành bảng điểm tín dụng chuẩn hóa (Scorecard), tương tự hệ thống FICO Score. Dữ liệu đánh giá có thể được biểu diễn trực quan qua biểu đồ đường cong ROC, biểu đồ phân phối điểm số của toàn bộ danh mục và ma trận nhầm lẫn (Confusion Matrix). Từ các biểu đồ này, tổ chức tín dụng dễ dàng thiết lập các điểm cắt xét duyệt (Cut-off Threshold), cho phép kiểm soát chính xác tỷ lệ phê duyệt và tỷ lệ từ chối hồ sơ theo đúng khẩu vị rủi ro trong từng chu kỳ kinh doanh.

Đề xuất và khuyến nghị

Dựa trên các kết quả thực nghiệm và giá trị khoa học đạt được, nghiên cứu đề xuất 4 nhóm giải pháp mang tính ứng dụng thực tiễn cao:

• Tích hợp hệ thống chấm điểm tự động vào quy trình khởi tạo khoản vay (Loan Origination System - LOS): Đề nghị Khối Công nghệ thông tin và Khối Quản trị rủi ro tại các ngân hàng triển khai đóng gói mô hình Scorecard thành các dịch vụ API microservices. Mục tiêu là giảm 70% thời gian thẩm định sơ bộ hồ sơ vay tiêu dùng xuống dưới 5 phút, hoàn thành tích hợp trong vòng 3 đến 6 tháng.
• Thiết lập chính sách điểm cắt linh hoạt theo phân khúc sản phẩm (Dynamic Cut-off Policy): Đề nghị Hội đồng Tín dụng và Khối Kinh doanh sử dụng ma trận nhầm lẫn để xác định ngưỡng phê duyệt tối ưu cho từng loại hình cho vay (vay mua nhà, vay tiêu dùng, thẻ tín dụng). Mục tiêu là gia tăng 15% tỷ lệ chấp thuận hồ sơ đạt chuẩn và duy trì tỷ lệ nợ xấu danh mục dưới mức trần 3%, triển khai áp dụng trong khung thời gian 6 tháng.
• Mở rộng tích hợp nguồn dữ liệu viễn thông và dữ liệu phi cấu trúc: Đề nghị Khối Phân tích dữ liệu phối hợp với các đối tác Fintech và nhà mạng viễn thông để bổ sung các thuộc tính hành vi số, giúp nâng cao thêm 25% tỷ lệ bao phủ khách hàng chưa có lịch sử tín dụng tại trung tâm CIC (nhóm khách hàng underbanked), thực hiện trong giai đoạn từ 9 đến 12 tháng.
• Thiết lập quy trình giám sát và tái chuẩn hóa mô hình định kỳ (Model Monitoring & Recalibration): Đề nghị Nhóm Chuyên gia Khoa học dữ liệu (Data Science Team) duy trì chu kỳ kiểm định độ suy giảm mô hình 6 tháng một lần, theo dõi sát sao chỉ số ổn định dân số (Population Stability Index - PSI dưới ngưỡng 0.1) và đảm bảo chỉ số AUC luôn duy trì trên 0.85 nhằm thích ứng kịp thời với biến động của thị trường kinh tế vĩ mô.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị học thuật và ứng dụng thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

• Chuyên viên Quản trị rủi ro và Thẩm định tín dụng tại các Ngân hàng thương mại: Tiếp cận phương pháp xây dựng bảng điểm Scorecard chuẩn mực quốc tế, hỗ trợ lượng hóa rủi ro vỡ nợ và chuẩn hóa quy trình ra quyết định cấp tín dụng tự động, giúp giảm thiểu sai sót chủ quan và tiết kiệm 20% chi phí vận hành.
• Kỹ sư Dữ liệu và Chuyên gia Khoa học dữ liệu trong lĩnh vực Công nghệ tài chính (Fintech): Nắm vững quy trình xử lý dữ liệu quy mô lớn với hơn 450.000 dòng dữ liệu, phương pháp mã hóa biến WoE, tính toán chỉ số IV và kỹ thuật tinh chỉnh tham số chuyên sâu trên cả mô hình hồi quy lẫn cây quyết định LightGBM.
• Các nhà sáng lập và quản lý nền tảng Cho vay ngang hàng (P2P Lending): Tham khảo kiến trúc mô hình thẩm định trực tuyến tốc độ cao để định giá lãi suất theo phân tầng rủi ro người vay, bảo vệ nguồn vốn của nhà đầu tư và gia tăng tính thanh khoản cho nền tảng.
• Giảng viên, Nghiên cứu sinh và Sinh viên ngành Hệ thống thông tin, Tài chính - Ngân hàng: Sử dụng công trình như một tài liệu tham khảo học thuật hoàn chỉnh về ứng dụng khoa học dữ liệu trong tài chính ngân hàng, cung cấp đầy đủ công thức toán học, quy trình thực nghiệm và phương pháp đánh giá mô hình phân loại nhị phân.

Câu hỏi thường gặp

Tại sao nghiên cứu lại ưu tiên lựa chọn mô hình Hồi quy Logistic thay vì thuật toán phức tạp như LightGBM?
Trong bài toán chấm điểm tín dụng thực tế, tính minh bạch và khả năng giải thích (Interpretability) của mô hình là yêu cầu bắt buộc theo các chuẩn mực Basel và quy định pháp lý. Hồi quy Logistic kết hợp WoE không chỉ đạt hiệu năng phân loại cao hơn với chỉ số AUROC đạt 0.866 so với 0.774 của LightGBM, mà còn cho phép quy đổi trực tiếp hệ số hồi quy thành các thang điểm số cụ thể cho từng thuộc tính khách hàng.

Phương pháp Trọng số bằng chứng (WoE) và Giá trị thông tin (IV) có vai trò như thế nào trong mô hình?
Phương pháp WoE đo lường tỷ lệ phân tách giữa khách hàng tốt và khách hàng xấu trong từng nhóm thuộc tính, giúp biến đổi các quan hệ phi tuyến thành quan hệ đơn điệu dạng tuyến tính. Đi kèm với đó, chỉ số IV cho phép định lượng mức độ đóng góp của từng biến số, từ đó hỗ trợ loại bỏ các đặc trưng có giá trị IV dưới 0.02 (không có sức mạnh dự báo) và giữ lại các biến mạnh phục vụ huấn luyện.

Nghiên cứu đã xử lý hiện tượng mất cân bằng dữ liệu tín dụng (Class Imbalance) bằng cách nào?
Bộ dữ liệu cho vay thực tế luôn có tỷ lệ hồ sơ hoàn trả đầy đủ (Fully Paid và Current chiếm trên 87%) vượt trội so với tỷ lệ vỡ nợ. Tác giả đã xử lý vấn đề này bằng cách thiết lập tham số trọng số lớp cân bằng (balanced class weight) trong quá trình huấn luyện Hồi quy Logistic, đồng thời áp dụng kỹ thuật phân tầng mẫu Repeated Stratified K-Fold để đảm bảo tỷ lệ nợ xấu đồng đều trên cả 5 tập kiểm tra.

Làm thế nào để chuyển đổi xác suất vỡ nợ (PD) thành bảng điểm Scorecard ứng dụng thực tế?
Xác suất dự báo từ mô hình Hồi quy Logistic được biểu diễn dưới dạng tỷ lệ cược (Odds Ratio). Bằng cách áp dụng các phép biến đổi tuyến tính với hệ số nhân (Factor) và độ dời (Offset), các trọng số hồi quy của 51 biến giả được quy đổi thành các điểm số nguyên tương ứng. Điểm tín dụng tổng thể của một hồ sơ sẽ là tổng điểm thành phần của tất cả các đặc trưng cá nhân và lịch sử tín dụng.

Mô hình được huấn luyện trên dữ liệu Lending Club có thể áp dụng trực tiếp cho thị trường Việt Nam không?
Khung phương pháp luận, quy trình tiền xử lý dữ liệu và cấu trúc thuật toán của luận văn hoàn toàn có thể áp dụng trực tiếp cho các ngân hàng và công ty tài chính tại Việt Nam. Tuy nhiên, khi triển khai thực tế, doanh nghiệp cần thay thế dữ liệu đầu vào bằng cơ sở dữ liệu khách hàng nội địa kết hợp thông tin định danh từ Trung tâm Thông tin Tín dụng Quốc gia (CIC) và dữ liệu viễn thông để đạt độ chính xác tối ưu.

Kết luận

• Đóng góp về mặt phương pháp luận: Luận văn đã chuẩn hóa toàn bộ quy trình tiền xử lý, chọn lọc đặc trưng và xây dựng mô hình chấm điểm tín dụng trên tập dữ liệu thực nghiệm lớn gồm 466.285 hồ sơ vay tiêu dùng.
• Hiệu năng thực nghiệm vượt trội: Mô hình Hồi quy Logistic kết hợp mã hóa WoE đạt độ chính xác 86,58%, diện tích dưới đường cong AUROC đạt 0.866, hệ số Gini đạt 0.732 và chỉ số PR AUC đạt 0.98, vượt qua mô hình LightGBM trên cùng tập dữ liệu kiểm tra.
• Tính ứng dụng thực tiễn cao: Nghiên cứu đã chuyển hóa thành công các trọng số toán học phức tạp thành bảng điểm tín dụng Scorecard trực quan, dễ dàng tích hợp vào hệ thống xét duyệt tự động của các ngân hàng thương mại và công ty Fintech.
• Lộ trình phát triển tiếp theo: Trong giai đoạn 12 tháng tới, hướng nghiên cứu mở rộng cần tập trung tích hợp các nguồn dữ liệu thay thế như dữ liệu hóa đơn tiện ích, dữ liệu viễn thông và thử nghiệm các mô hình học sâu (Deep Learning) có khả năng tự giải thích.
• Kêu gọi hành động: Các tổ chức tài chính và ngân hàng số cần nhanh chóng đẩy mạnh chuyển đổi từ quy trình thẩm định thủ công sang ứng dụng các mô hình học máy tự động hóa nhằm tối ưu hóa chi phí vận hành, kiểm soát chặt chẽ tỷ lệ nợ xấu và nâng cao trải nghiệm khách hàng.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY, HO CHI MINH CITY : UNIVERSITY OF INFORMATION TECHNOLOGY FACULTY OF INFORMATION SYSTEMS TRAN HOANG LONG - 17521305 GRADUATION THESIS USE OF MACHINE LEARNING TO CREATE A CREDIT SCORING MODEL BACHELOR OF ENGINEERING IN | INFORMATION SYSTEMS Thesis Advisor Cao Thi Nhan, PhD HO CHi MINH CITY, 2021 VIETNAM NATIONAL UNIVERSITY, HO CHI MINH CITY : UNIVERSITY OF INFORMATION TECHNOLOGY FACULTY OF INFORMATION SYSTEMS TRAN HOANG LONG - 17521305 GRADUATION THESIS USE OF MACHINE LEARNING TO CREATE A CREDIT SCORING MODEL BACHELOR OF ENGINEERING IN | INFORMATION SYSTEMS Thesis Advisor Cao Thi Nhan, PhD HO CHi MINH CITY, 2021 ASSESSMENT COMMITTEE 1. Nguyễn Dinh Thuan — Chairman. Nguyễn Thanh Binh — Member. ACKNOWLEDGEMENTS First off, I would like to thank all the Lecturers of the University of Information Technology, especially the Members of Information Systems Faculty who provided me with helpful and valuable knowledge.

I could not have accomplished my study in this university without their whole — hearted lectures. In particular, the completion of this study could not have been possible without the expertise of Dr. Cao Thi Nhan, my beloved thesis advisor. Her kindness and enthusiasm in assisting me during the work of this thesis are extremely precious to me as well as my study.

I was so lucky to have such a wise and devoted advisor. In the making of this thesis, I tried my best to apply my domain knowledge in banking that I had the opportunity to learn, along with new technologies research to making this thesis come true. Given that I am still an undergraduate, during the implementation of this thesis, shortcomings are unavoidable. Therefore, I am looking forward to comments and suggestions to make this paper even better and earn more valuable experience from experts.

Sincerely, Tran Hoang Long UNIVERSITY OF INFORMATION TECHNOLOGY AEF Advanced Education ADVANCED PROGRAM Program IN INFORMATION SYSTEMS THESIS PROPOSAL THESIS TITLE: USE OF MACHINE LEARNING TO CREATE A CREDIT SCORING MODEL Advisor: | Dr. Cao Thi Nhan Duration: January 11", 2021 — June 26", 2021 Student: — Tran Hoàng Long — 17521305 Contents: 1. Descriptions There are more and more financial institutions joining the lending operations in Vietnam, FE Credit particularly, the leading financial institution in lending, has disbursed over 79 billion VND just in the range of February 2021 (data collected from Trusting Social). Credit growth in Vietnam is the highest in the region, rising to 18.7 per cent in 2016, 18.17 per cent in 2017 and 14 per cent in 2018, owing to a more consumer-oriented economy and a low interest rate environment.

In 2019, credit growth in Vietnam reached 12.1 per cent, which was the lowest growth rate in the previous five years. In 2020, credit growth is expected to bounce back to around 14 per cent (after adjustment to account for the covid-19 situation). Therefore, this project is to study a suitable machine learning model aimed at credit scoring that can cope with the credit growth rate in Vietnam.Scope - Dataset about accepted and rejected loans. - Classification and Regression.

Objectives - Study about the lending operations in financial institutions and how they decide whether to approve the loan or not. - Understand core concepts and algorithm using in credit scoring and credit risk model. - Learn how to train and test predictive models by using available data. - Build a credit scoring model to analyze data and display results.

Methodologies > Data analysis: perform an exploratory analysis of the data and provide summary statistics about the variables. > Feature Engineering and Selection [2]: involves data manipulation processes like transformation of categorical features, missing values treatment, infinite values handling, outlier’s detection, data leakage avoidance. > Machine Learning Models [3]: assign a score to a lead using. = Logistic regression (LR): provides binary classifications using linear relationships.

= Decision tree (DT): is constructed to assess the potential improvement using a nonlinear model. = Random Forest (RF): is deployed by averaging over a collection of decision trees. - Understand the lending operations in financial institutions. - Understand fundamental algorithms and methodologies using in credit scoring and credit risk model.

- Successfully build the credit scoring model. Timeline: Phase 1 (11/01/2021 — 15/03/2021): Study about lending operations in financial institution and their statuses. Achieve by joining one of the biggest credit scoring partners of most financial institutions and banks in Vietnam — Trusting Social. Phase 2 (16/03/2021 — 13/04/2021): Study about Machine Learning models.

Study Logistic regression, Decision tree and Random Forest, which would be used in the scope of this project. Phase 3 (14/04/2021 — 23/05/2021): Apply Machine Learning models to credit scoring. Apply Machine Learning to assign credit ratings through genetic algorithms. Phase 4 (24/05/2021 — 26/06/2021): Build a credit scoring model.

Train and test a usable scoring model with available data and display the result. Dataset: The dataset is generated by collecting accepted and rejected loans from Lending Club [1] References: [1] Lending Club, retrieved from https://www.com/investing/peer-to- peer. Machine Learning approach for Credit Scoring, August 5, 2020. [3] Bernard Dushimimana, Yvonne Wambui, Timothy Lubega and Patrick E.

Use of Machine Learning Techniques to Create a Credit Score Model for Airtime Loans, 13 August 2020. Approved by the advisor. Ho Chi Minh city, 18" Mar 2021. Signature of advisor Signature of Student Table of Contents LIST OF TABLES .cccssssessssessssesessesesscssseeseseeseneecnesseseseeseaeeseneseneseeneseeneneeneneene 10 LIST OF FIGURES .cscscsssssssssessssesesscseseeseseeseseecseseeseseeseseesenesneneseeneseeneaeeneneeee 11 LIST OF ACRONYMS AND ABBREVIATIONS.

CREDIT SCORING SYSTEM&. Credit Information Center (CIC). ST TH TH TH TT HH TH Hàn rưếg 16 1. SG nh ngư 19 CHAPTER 2.

MACHINE LEARNING MODEL FOR CREDIT SCORING 20 2. CREDIT SCORING METHODS. Expert judgements-based ImetÏOd. cà ccscscererererertrrerreveex 20 PL.

Why is credit SCOrINg ÌIHĐOFAHẨP. CREDIT SCORECARD MODEL. Logistic regression algorithm. Weight of Evidence (WOE).

k-fold cross validation. PRELIMINARY DATA EXPLORATION & SPLITTING.SẶ «1S TH HH TT HH HH TH HH 34 3. WOE FEATURE ENGINEERING AND IV CALCULATION. MODEL TRAINING AND EVALUATION.

Model selection and l€SIÏHR. vn nh nh như rưến 49 3. Calculate Credit Scores for Test Š€Í. Setting Loan Approval CHÍ-QƒŸ§.

LIST OF TABLES Table 2-1. Advantages and disadvantages of expert judgements-based method. Example of a SCOT€CATC. St 1g riey 23 Table 2-3.

IV values interpretation. ccc - Strrrey 26 Table 3-1. Reasons to drop features after preliminary data exploration. Train and Test data after pr€DTOC€SSInE.

Original confusion ImAfTIX. List of reference Caf€ØOTI€S. - nh rrey 50 Table 3-6. Final feature scorecard.

Dummy variables table of the first 5 customers in the dataset. Score calculation for the first 5 customers in the dataset. Score quality after SCOTIN .cccecee esse eeeeteeeesesesesesesesesseeeeeeeeneneaes 70 Table 3-10. Confusion matrix after applying the best threshold.

Loan status results table.cccececeeeseeeeeeeeeeseseseseseseseseseeseseeeneeneneaes 73 10 LIST OF FIGURES Figure 1. Trust Scores Websif€.- nền HH He 16 Figure 1. General Credit Decision Process Diagraim. Operation flow chart ofa P2P lender [Š].

Runtime environment technical specification. List of 18 features with more than 80% missing values. Proportion of loan_status values. train_test_split configuration code snippet.

Calculated p — values of feafUT€S. Remaining features after feature selection. Calculated WoE and IV of gradĂe. Plot of WoE by grade .- + nh riey Al Figure 3.

k — fold validation accuracy tabÌ. Parameters tuning for LightGBM. LightGBM training Fold 1’s reSuÏ. LightGBM training Fold 2’s reSuÏ.

LightGBM training Fold 3’s reSuÏ. LightGBM training Fold 4’s reSuÏ. LightGBM training Fold 5’s reSuÏ(. Mean AUC of Logistic regression on training set Figure 3.

Mean AUC of LightGBM on training set. ROC AUC, Gini index and PR AUC on test Set. PR curve plot 0010117. Transposed coefficients of features.

The score range of FICO Scores [12]. Scorecard after features scores calculafiOn. Sample score VaÏU€S.- + tt TT 111gr riey 69 Figure 3. Score distribution on total |afa.

Score, approval and rejection rates at the best threshold. 73 12 LIST OF ACRONYMS AND ABBREVIATIONS No. Acronyms Meaning 1 CIC Credit Information Center 2 WoE Weight of Evidence 3 IV Information Value 4 ANOVA Analysis of Variance 5 ROC Receiver Operating Curve 6 AUC, AUROC Area under the ROC Curve 7 PR AUC Precision-Recall AUC 8 TPR True Positive Rate 9 FNR False Negative Rate 10 FPR False Positive Rate 11 TNR True Negative Rate 12 EDA Exploratory Data Analysis 13 PD Probability of Default 14 GBDT Gradient Boosting Decision Tree 15 GOSS Gradient-based One-Side Sampling 16 EFB Exclusive Feature Bundling 13 Chapter 1. Problem definition In the process of globalization, international economic integration requires the bank system to play a big role in the economic and financial relationship.

Among many operations that banks conduct, lending and deposit are the biggest two with the highest ratio in the source of capital and total assets of banks. Despite the fact that it has always been a critical business operation, lending, simultaneously, is a damaging threat, affects to banks’ operations the most. And among all credit products that banks offer on the market, personal credit is irreplaceable, in fact, personal loans account for a big ratio in the total loan amount. In 2020, credit growth in Vietnam reached 12.1 per cent, which was the lowest growth rate in the previous five years.

In 2021, credit growth is expected to bounce back to around 14 per cent [1]. Given the fact that credit growth in Vietnam is the highest in the region, credit risk cannot be effectively controlled by credit officers anymore, at least in the traditional way they have been doing. Therefore, many credits scoring systems have been created to shorten this process. Credit scoring systems Credit rating is an important part of the consumer lending process.

It is an endeavor seen as one of the most popular fields of application for both data mining and operations research techniques. However, credit scoring systems are somehow unfamiliar to general customers, here are some considerable institutions and businesses which have built trustworthy credit scoring systems. 14 TRANG CHỦ __ GIỚITHỆU _ TÀIUỆU ‘THONG BẢO VỀ GIÁ SAN PHẨM THONG TIN TÍN DỤNG KHÁCH HÀNG. VAY 17531 230072021 CCBess chan 1,THÔNG BẢO 96 SUNG A CAPTONA .THÔNG Bho VA TẠO LẬP LẠI BẢN TINO ‘THONG BẢO VE CHAM ĐIỂM CHẤT LƯỢNG BẢO CAO TTTD CUA TGTD.

THN TH UH THANG 6 NĂM 2021 1637 | 2906/2021 .3-IÔNG BẢO THIỂN hi HORT ĐỘNG DANG KY 108 ws one “TN(GỤNG TRỰC TUYẾN ĐỔI VỚIKHÒCH HANG VAY THE NHÂN TẠIHÀ NỘI TPHCM, HAI PHÒNG NGHỆ AM BÀNẴNG,CÀN THƠ 4, THONG BẢO THIỂN Ki HORT ĐỘNG DANG KY Ti DUNG TRỰC TUYỂN ĐỔI VỚI QC» HANG VAY “THE NHÂN TA HÀ NỘIVÀTPRCM. CCANH BẢO CÁC HÌNH THỨC LỮA BAO MỚI VE THONG TIN TÍN DỤNG.NGÀN HÀNG NHÀ NƯỚC CHỦ TAL HỘI THÁO ‘6 cag cung pháo áo đợg Đ hận hon tok in hí qua sb và ng dợng “TRAD 964 THÔNG TA TN DUNG XUYEN BIEN GÓP. ‘0 Great Core wn toa ông mien ivy. CC cá bà aac ing gd See ener in is og eg tr Oo 6.

7HONG BẢO VE GI SAN Pr THONG TH TẾ, seams = DỤNG KHÁCH HÀNG var cao `:-THÔNG BẢO VE CHẩùĐiỂM CHẤT LONG BẢO Figure 1. CIC Homepage CIC is an institution of the State Bank of Vietnam (as shown in Figure 1. This institution has its functions of collecting, storing, analyzing, forecasting personal credit information in support of banks and financial institutions’ operations [2]. CIC gathers profiles from commercial banks in Viet Nam and proceed credit scoring upon those datasets.

Individuals and businesses can access its database and get credit information with an amount of fee. As a government institution, CIC is an extremely reliable source of credit information, therefore, this database is being used by many banks and financial institutions throughout Viet Nam. 15 Trust Scores Credit Score Fraud Score Credit Score Instonty Why choose us? phone ni Trusting Social’s Credit insi is the ght most iting, mì accurate altemativ personalized product offerings 'itobiliy and market the world Its battle-tested on over 100 credit portfolios forthe La share multiple markets.