Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài

Chấm điểm và xếp hạng tín dụng đóng vai trò then chốt trong việc đánh giá hiệu quả hoạt động tài chính cũng như quản trị rủi ro tại các tổ chức tín dụng và ngân hàng thương mại. Hoạt động cấp tín dụng luôn đi kèm với rủi ro tiềm ẩn; khi tỷ lệ nợ xấu và rủi ro gia tăng, ngân hàng không chỉ chịu thiệt hại trực tiếp về nguồn vốn mà còn suy giảm uy tín với khách hàng và nhà đầu tư, gây khó khăn cho quá trình huy động vốn trong tương lai. Bài học từ cuộc khủng hoảng nợ dưới chuẩn năm 2008 – bắt nguồn từ các khoản vay thế chấp mua nhà thiếu kiểm soát – đã chứng minh sự cần thiết của việc xây dựng hệ thống đo lường và thẩm định rủi ro tín dụng chuẩn xác (Gatzert & Wesker, 2012).

Trong lĩnh vực bất động sản và tiêu dùng cá nhân, việc định lượng điểm tín dụng giúp phân loại chính xác các hồ sơ vay vốn, hỗ trợ giải ngân hiệu quả cho nhóm khách hàng có khả năng thanh toán cao nhằm kích cầu thị trường, đồng thời hạn chế cấp tín dụng cho nhóm có độ rủi ro cao để bảo toàn vốn vay (Crook, 1996). Xuất phát từ yêu cầu thực tiễn đó, đề tài "Phân tích điểm tín dụng của khách hàng dựa trên bộ dữ liệu German Credit Data" được nhóm tác giả thực hiện nhằm ứng dụng quy trình khoa học dữ liệu để phân khúc và dự báo khả năng hoàn trả tín dụng của khách hàng.

Mục tiêu nghiên cứu

  • Mục tiêu tổng quát: Sử dụng phần mềm khai phá dữ liệu Orange kết hợp kiến thức chuyên ngành kinh tế - tài chính để phân tích và dự báo rủi ro tín dụng trên bộ dữ liệu German Credit Data, hỗ trợ các tổ chức tài chính tối ưu hóa quyết định cấp vốn, nâng cao khả năng sinh lời và hạn chế nguy cơ thất thoát nguồn vốn.
  • Mục tiêu cụ thể:
    1. Bài toán 1 (Phân cụm dữ liệu): Phân khúc nhóm khách hàng có xếp hạng tín dụng tốt thành các nhóm đặc thù dựa trên các đặc tính nhân khẩu học và giao dịch, từ đó đề xuất chiến lược chăm sóc và duy trì khách hàng phù hợp.
    2. Bài toán 2 (Phân lớp dữ liệu): Xây dựng và so sánh các mô hình học máy để dự báo điểm tín dụng của khách hàng (Tốt/Xấu), xác định các nhân tố ảnh hưởng trọng yếu đến khả năng trả nợ để hỗ trợ phê duyệt khoản vay.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hồ sơ tài chính và thông tin định danh của các khách hàng cá nhân sử dụng các gói vay mượn tín dụng tại Đức.
  • Phạm vi nghiên cứu: Toàn bộ không gian dữ liệu gồm 1.000 quan sát khách hàng với 21 biến thuộc tính được trích xuất từ bộ dữ liệu German Credit Data tích hợp sẵn trong thư viện Dataset của phần mềm Orange.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và công cụ phân tích

Nghiên cứu vận dụng quy trình khai phá dữ liệu (Data Mining) và máy học (Machine Learning) kết hợp với tri thức chuyên ngành quản trị rủi ro ngân hàng. Công cụ chính được sử dụng là phần mềm mã nguồn mở Orange Data Mining (nền tảng viết bằng ngôn ngữ Python, hỗ trợ các widget trực quan hóa dữ liệu và thực thi thuật toán).

Hệ thống widget và toolbox của Orange được áp dụng trong nghiên cứu gồm:

  • Data & Transform: Tải tệp dữ liệu, chọn lọc mẫu, chuẩn hóa biến và xử lý định dạng.
  • Visualize: Quan sát trực quan cấu trúc phân bố của các biến.
  • Model: Thiết lập các thuật toán phân lớp gồm Cây quyết định (Decision Tree), Hồi quy Logistic (Logistic Regression) và Máy học vectơ hỗ trợ (Support Vector Machine - SVM).
  • Evaluate: Đo lường hiệu năng mô hình qua Test & Score (chỉ số diện tích dưới đường cong ROC - AUC), Ma trận nhầm lẫn (Confusion Matrix) và công cụ dự báo (Prediction).
  • Unsupervised: Thực hiện gom cụm dữ liệu với thuật toán K-Means và tính toán ma trận khoảng cách (Distance).

Quy trình tiền xử lý dữ liệu

Quy trình chuẩn bị dữ liệu trong đồ án được nhóm tác giả đối chiếu qua bốn giai đoạn:

  1. Làm sạch dữ liệu (Data Cleaning): Bộ dữ liệu German Credit Data không tồn tại giá trị khuyết thiếu (no missing data), không có nhiễu dị biệt lớn nên đồ án không can thiệp điền khuyết hay loại bỏ mẫu.
  2. Tích hợp dữ liệu (Data Integration): Sử dụng một nguồn tập trung duy nhất từ Dataset có sẵn, không thực hiện hợp nhất từ nhiều kho lưu trữ.
  3. Chỉnh dạng dữ liệu (Data Transformation): Thực hiện chuẩn hóa đưa các biến liên tục về đoạn giá trị $[0, 1]$ (Normalize to interval [0, 1]) thông qua widget Preprocess để đồng nhất thang đo giữa các biến có biên độ lớn.
  4. Thu gọn dữ liệu (Data Reduction): Nhóm chạy mô hình Hồi quy Logistic ban đầu để đánh giá mức độ tương quan giữa các biến độc lập và biến mục tiêu Credit. Từ đó, nhóm tiến hành tinh chỉnh vai trò (Role) của 10 thuộc tính có trọng số tác động cao nhất sang dạng phân tích chính và chuyển các thuộc tính ít ảnh hưởng sang trạng thái "skip" nhằm giảm chiều dữ liệu và hạn chế sai số mô hình.

Nội dung chính theo từng chương

Chương 1: Giới thiệu về Khoa học dữ liệu và giới thiệu đề tài

Chương 1 hệ thống hóa các khái niệm nền tảng về Khoa học dữ liệu (Data Science), được định nghĩa là ngành khoa học quản trị và phân tích dữ liệu nhằm trích xuất tri thức hành động. Khoa học dữ liệu hình thành từ giao điểm của ba trụ cột: Toán học (Thống kê toán học), Công nghệ thông tin (Học máy) và Tri thức chuyên ngành ứng dụng. Chương này phân tích chi tiết bối cảnh cấp bách của việc ứng dụng máy học vào quản trị rủi ro tín dụng tại các định chế tài chính, đồng thời xác lập mục tiêu tổng quát, hai mục tiêu cụ thể, đối tượng khảo sát và phạm vi giới hạn của đề tài.

Chương 2: Tổng quan về chương trình sử dụng và các phương pháp sử dụng

Chương 2 trình bày tổng quan cấu trúc phần mềm Orange cùng hệ thống các toolbox chuyên biệt. Trọng tâm của chương là mô tả chi tiết từ điển dữ liệu của bộ dữ liệu German Credit Data bao gồm 1.000 mẫu và 21 trường thông tin:

STT Tên thuộc tính Kiểu dữ liệu Khoảng giá trị / Danh mục giá trị Ý nghĩa nghiệp vụ
1 Credit Categorical Good, Bad Trạng thái xếp hạng tín dụng (Biến mục tiêu)
2 Status of existing checking account Categorical Negative, Low, Stable, None Tình trạng số dư tài khoản vãng lai/séc hiện có
3 Duration in month Numeric 4 đến 72 tháng Thời gian duy trì hợp đồng tín dụng
4 Credit history Categorical Bank-payed, Critical, Fully-paid, On-time, Past-delay Lịch sử thanh toán các khoản tín dụng trước đây
5 Purpose Categorical Business, Car (new/used), Domestic appliances, Education, Furniture/equipment, Radio/TV, Repairs, Retraining, Others Mục đích sử dụng khoản vốn vay
6 Credit amount Numeric Từ 250 trở lên Độ lớn khoản tiền vay tín dụng
7 Savings account/bonds Categorical High, Medium, Low, Minimal, None Số dư tài khoản tiết kiệm hoặc giá trị trái phiếu nắm giữ
8 Present employment since Categorical Less than 1, Good to 4, 4 to 7, 7 plus, Unemployed Thời gian làm việc tại cơ quan/nơi làm việc hiện tại
9 Installment rate Numeric Từ 1,0 đến 4,0 Tỷ lệ trả góp tính theo phần trăm thu nhập khả dụng
10 Personal status and sex Categorical Female divorced/separated/married, Male single, Male divorced/separated, Male married/widowed Giới tính và tình trạng hôn nhân của khách hàng
11 Other debtors / guarantors Categorical None, Co-applicant, Guarantor Người cùng đứng tên vay hoặc người bảo lãnh tín dụng
12 Present residence since Numeric Từ 1,0 đến 4,0 Thời gian cư trú tại nơi ở hiện tại
13 Property Categorical Real-estate, Savings-agreement/life-insurance, Car/other, Unknown/none Loại tài sản sở hữu dùng bảo đảm
14 Age in years Numeric Từ 19 tuổi trở lên Độ tuổi của người đi vay
15 Other installment plans Categorical Bank, Stores, None Các kế hoạch trả góp khác đang duy trì
16 Housing Categorical Own, Rent, For free Tình trạng nhà ở (Sở hữu, Thuê, Miễn phí)
17 Number of existing credits Numeric Từ 1,0 trở lên Số lượng khoản tín dụng hiện có tại ngân hàng này
18 Job Categorical Skilled-employee, Unskilled-resident, High-qualification, Unskilled/non-resident Trình độ chuyên môn và tính chất công việc
19 Number of people liable Numeric Từ 1,0 trở lên Số người phụ thuộc mà người vay chịu trách nhiệm chu cấp
20 Telephone Categorical Registered-telephone, No-telephone Tình trạng đăng ký số điện thoại cá nhân
21 Foreign worker Categorical Foreign worker, Local worker Người lao động nước ngoài hay lao động địa phương

Sau khi phân tích sơ bộ, nhóm lựa chọn 10 biến có độ tương quan mạnh nhất bao gồm: Duration in month, Status of existing checking account, Installment rate in percentage of disposable income, Other debtors/guarantors, Age in years, Savings account/bonds, Purpose, Credit amount, Credit history, Foreign worker.

Chương 3: Ứng dụng phương pháp vào bài toán thực tế

Chương 3 xây dựng cơ sở phương pháp luận cho hai bài toán nghiệp vụ:

  • Bài toán phân cụm: Thiết kế mô hình nhằm nhóm các khách hàng có xếp hạng tín dụng "Good" thành các nhóm có đặc trưng tiêu dùng và tài chính tương đồng, hỗ trợ cá nhân hóa gói vay và chính sách giữ chân khách hàng.
  • Bài toán phân lớp: Khái quát tiến trình phát triển từ các phương pháp phân loại thống kê cổ điển (như Hồi quy Logistic - LR, Phân tích biệt số tuyến tính - LDA) đến các thuật toán máy học hiện đại (Cây quyết định - DT, SVM, Mạng nơ-ron). Chương này tổng hợp các nghiên cứu thực nghiệm tiền nhiệm (Davis và cộng sự, 1992; Baesens và cộng sự, 2003; Akko, 2012) khẳng định tính hiệu quả của các mô hình học máy trong dự báo nguy cơ vỡ nợ.

Chương 4: Chạy mô hình và đánh giá kết quả của mô hình

1. Triển khai bài toán phân cụm (K-Means)

Nhóm nghiên cứu tiến hành lọc các bản ghi có nhãn Credit là "Good" bằng widget Select Rows, đưa biến Credit vào danh sách ẩn (Ignore) qua Select Column và tiến hành phân cụm bằng thuật toán K-Means. Kết quả phân chia tập khách hàng tín dụng tốt thành 2 phân khúc rõ rệt:

Tiêu chí đặc trưng Cụm 1 (Phân khúc giá trị cao) Cụm 2 (Phân khúc tiêu dùng nhanh)
Kỳ hạn hợp đồng trung bình 37 tháng (Kỳ hạn dài) 18 tháng (Kỳ hạn ngắn)
Giá trị khoản vay trung bình 7.155,57 đơn vị tiền tệ 1.915,79 đơn vị tiền tệ
Tỷ lệ trả góp trên thu nhập 2,6% 3,8%
Độ tuổi trung bình 36 tuổi 37 tuổi
Trạng thái tài khoản séc Không có thông tin (None) Không có thông tin (None)
Mục đích vay vốn chủ yếu Mua xe ô tô đã qua sử dụng Mua sắm thiết bị Radio và Tivi
Tài khoản tiết kiệm/trái phiếu Giá trị ở mức tối thiểu Giá trị ở mức tối thiểu
Người bảo lãnh/cùng trả nợ Không có Không có
Nguồn gốc lao động Lao động nước ngoài Lao động nước ngoài
Lịch sử tín dụng Trả nợ đúng kỳ hạn Trả nợ đúng kỳ hạn

2. Triển khai bài toán phân lớp và dự báo

Dữ liệu được phân chia theo tỷ lệ 70% dùng để huấn luyện mô hình (File Huấn luyện) và 30% dùng để kiểm tra dự báo độc lập (File Dự báo - gồm 301 mẫu). Nhóm tác giả thực hiện so sánh ba thuật toán: Decision Tree, Support Vector Machine (SVM) và Logistic Regression.

Trong đánh giá rủi ro tín dụng ngân hàng, việc phân tích Ma trận nhầm lẫn (Confusion Matrix) đóng vai trò quyết định:

  • Sai lầm loại I (False Positive): Thực tế khách hàng "Good" nhưng dự báo là "Bad" $\rightarrow$ Ngân hàng từ chối cấp tín dụng, dẫn đến mất khách hàng tiềm năng và tổn thất phần doanh thu lãi vay.
  • Sai lầm loại II (False Negative): Thực tế khách hàng "Bad" nhưng dự báo là "Good" $\rightarrow$ Ngân hàng duyệt cấp tín dụng cho khách hàng có rủi ro vỡ nợ, dẫn đến nguy cơ mất toàn bộ vốn gốc ban đầu.

Do tổn thất mất vốn gốc nghiêm trọng hơn nhiều so với mất lãi vay, Sai lầm loại II được xác định là tiêu chí cần hạn chế tối đa.

Tiêu chí đánh giá Support Vector Machine (SVM) Decision Tree Logistic Regression
Số lượng mẫu phạm Sai lầm loại II 137 mẫu (Cao nhất) 98 mẫu (Thấp nhất) 126 mẫu (Mức trung bình)
Chỉ số AUC (Test & Score) Không tối ưu 0,638 0,752 (Tốt nhất)
Kết luận lựa chọn Loại bỏ Không chọn làm mô hình chính Chọn làm mô hình dự báo chính

Khi ứng dụng mô hình Logistic Regression lên tập dữ liệu kiểm thử (301 mẫu), việc so sánh đối chiếu nhãn dự báo và nhãn thực tế bằng hàm =COUNTIF(O4:O303, TRUE) trong bảng tính cho thấy mô hình dự báo chính xác 240/301 mẫu (tương đương độ chính xác xấp xỉ 79,73%).

3. Phân tích tương quan hệ số từ mô hình Hồi quy Logistic

Sau khi chuẩn hóa dữ liệu trên khoảng $[0, 1]$, mô hình Logistic Regression xác định trọng số tác động của các biến lên xác suất xếp hạng tín dụng Tốt (Credit = Good):

  • Duration in month (Hệ số: -1,47): Tương quan âm mạnh; thời gian vay càng kéo dài thì xác suất tín dụng tốt càng giảm, rủi ro vỡ nợ càng tăng.
  • Credit amount (Hệ số: -0,80): Tương quan âm; quy mô khoản tiền vay càng lớn thì nguy cơ rủi ro cấp tín dụng càng cao.
  • Status of existing checking account: Trạng thái số dư tài khoản séc ảnh hưởng trực tiếp đến độ tin cậy tín dụng (None = +1,03; Stable = +0,03; Low = -0,36; Negative = -0,69). Khách hàng có số dư tài khoản séc âm hoặc thấp có nguy cơ vỡ nợ cao hơn.
  • Credit history: Critical (+0,60), Past-delay (+0,29), On-time (+0,16), Bank-payed (-0,50), Fully-paid (-0,52). Kết quả thực nghiệm cho thấy nhóm khách hàng có lịch sử tín dụng biến động phức tạp (critical) lại có tương quan dương với nhãn xếp hạng tốt trong tập dữ liệu này, trong khi nhóm đã thanh toán hết trong quá khứ lại có tương quan âm.
  • Foreign worker: Lao động địa phương (Local worker = +0,50) có mức độ an toàn tín dụng cao hơn so với lao động nước ngoài (Foreign worker = -0,50).

4. Khai thác tập luật phân loại từ mô hình Cây quyết định (Decision Tree)

Mô hình Cây quyết định cung cấp 4 nhánh quy tắc tường minh hỗ trợ cán bộ tín dụng ra quyết định nhanh:

  1. Luật 1: Nếu Status of existing checking account là "None" VÀ Purpose thuộc nhóm {Kinh doanh, Mua xe mới, Giáo dục, Mua nội thất/thiết bị, Sửa chữa} $\rightarrow$ Dự báo xếp hạng tín dụng Tốt (Độ chính xác: 84,6%).
  2. Luật 2: Nếu Status of existing checking account là "None" VÀ Purpose thuộc nhóm {Mua xe cũ, Đồ gia dụng, Radio/TV, Đào tạo nghiệp vụ, Khác}: Nếu Age in years > 22 tuổi $\rightarrow$ Dự báo Tốt; nếu Age in years $\le$ 22 tuổi $\rightarrow$ Dự báo Xấu (Độ chính xác: 93,9%).
  3. Luật 3: Nếu Status of existing checking account thuộc nhóm {Thấp, Âm, Ổn định} VÀ Duration in month > 11 tháng: Nếu Savings account/bonds ở mức {Thấp, Tối thiểu} $\rightarrow$ Dự báo Xấu; nếu Savings account/bonds ở mức {Cao, Trung bình, Không có} $\rightarrow$ Dự báo Tốt (Độ chính xác: 53,4%).
  4. Luật 4: Nếu Status of existing checking account thuộc nhóm {Thấp, Âm, Ổn định} VÀ Duration in month $\le$ 11 tháng: Nếu Purpose là {Mua xe cũ, Giáo dục} $\rightarrow$ Dự báo Xấu; nếu Purpose là {Mua xe mới, Đồ gia dụng, Nội thất/thiết bị, Radio/TV, Sửa chữa, Đào tạo, Khác} $\rightarrow$ Dự báo Tốt (Độ chính xác: 80,8%).

Kết quả và đóng góp

Kết quả chính định lượng

  • Xác định được 10 biến đặc trưng mang tính chi phối cao nhất đối với rủi ro tín dụng từ 21 biến ban đầu của bộ dữ liệu German Credit Data.
  • Phân khúc thành công 1.000 khách hàng thành 2 nhóm tín dụng tốt riêng biệt (Cụm 1: Vay dài hạn 37 tháng, giá trị cao 7.155,57 mua xe cũ; Cụm 2: Vay ngắn hạn 18 tháng, giá trị thấp 1.915,79 mua đồ điện tử).
  • Mô hình Hồi quy Logistic được kiểm chứng là mô hình phân lớp tối ưu nhất trên dữ liệu nghiên cứu với chỉ số AUC đạt 0,752, phân loại chính xác 240/301 mẫu thử nghiệm độc lập (đạt tỷ lệ 79,73%).
  • Xác lập 4 tập luật phân nhánh từ Cây quyết định với độ chính xác phân lớp đạt từ 53,4% đến 93,9%.

Giải pháp và khuyến nghị quản trị

Từ kết quả mô hình, nhóm nghiên cứu đề xuất các giải pháp thực thi cho ngân hàng thương mại và tổ chức tài chính:

  • Đối với nhóm khách hàng tín dụng tốt Cụm 1: Áp dụng chính sách lãi suất ưu đãi cạnh tranh để giữ chân nhóm khách hàng vay vốn lớn dài hạn có lịch sử thanh toán đúng hạn.
  • Đối với nhóm khách hàng tín dụng tốt Cụm 2: Đưa ra các chương trình nới hạn mức tín dụng, cắt giảm phí dịch vụ kèm quà tặng kích cầu nhằm khuyến khích khách hàng gia tăng giá trị vay vốn.
  • Liên kết đối tác bán lẻ: Thiết lập liên kết ưu đãi giảm giá trực tiếp với các đơn vị kinh doanh xe ô tô cũ và chuỗi siêu thị điện máy (radio, tivi, gia dụng) khi khách hàng thanh toán qua gói tín dụng của ngân hàng.
  • Chính sách thẩm định và phòng ngừa rủi ro:
    • Thiết lập biểu lãi suất cao tương ứng đối với các hợp đồng vay có kỳ hạn dài và quy mô lớn để bù đắp rủi ro kỳ hạn.
    • Cung cấp tín dụng có điều kiện (yêu cầu duy trì số dư tiền gửi tối thiểu trên tài khoản séc).
    • Kiểm soát chặt chẽ hạn mức đối với khách hàng có số dư tài khoản séc thấp/âm hoặc có lịch sử thanh toán trễ hạn.
    • Tối giản thủ tục cấp tín dụng nhưng nâng cao quy trình xác minh tính pháp lý và nguồn thu nhập đối với nhóm khách hàng là lao động nước ngoài.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế của nghiên cứu: Nghiên cứu chỉ thực hiện trên tập dữ liệu thứ cấp gồm 1.000 mẫu tại thị trường Đức, chưa bao quát biến động đa chiều của thị trường tín dụng tại các quốc gia đang phát triển. Đồng thời, mô hình xuất hiện hiện tượng nghịch lý thực nghiệm khi nhóm khách hàng có lịch sử tín dụng biến động (critical) lại tương quan dương với nhãn tín dụng tốt (Credit = good), phản ánh hạn chế về phân bố mẫu hoặc cách gán nhãn trong tập dữ liệu gốc.
  • Hướng nghiên cứu tiếp theo: Tác giả đề xuất mở rộng ứng dụng trên các tập dữ liệu tín dụng thực tế có quy mô lớn hơn, cập nhật thêm các biến số kinh tế vĩ mô và thử nghiệm các mô hình học máy nâng cao kết hợp (Ensemble Learning, Deep Learning) để tăng cường độ chính xác dự báo.

Giá trị tham khảo

Báo cáo đồ án mang lại giá trị tham khảo thực tiễn cho sinh viên các ngành Khoa học dữ liệu, Hệ thống thông tin quản lý, Công nghệ tài chính (Fintech) và Tài chính - Ngân hàng:

  • Cung cấp tài liệu hướng dẫn từng bước quy trình tiền xử lý, phân tích tương quan và chạy mô hình phân lớp, phân cụm trực quan bằng phần mềm Orange mà không đòi hỏi kỹ năng lập trình phức tạp.
  • Minh họa phương pháp kết hợp giữa chỉ số thống kê kỹ thuật (AUC, Ma trận nhầm lẫn) với tư duy nghiệp vụ tài chính ngân hàng (phân biệt tổn thất giữa Sai lầm loại I và Sai lầm loại II).

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại ưu tiên chọn mô hình Hồi quy Logistic thay vì Cây quyết định hay SVM?

Mặc dù mô hình Cây quyết định có số lượng mẫu phạm Sai lầm loại II thấp hơn (98 mẫu so với 126 mẫu của Logistic Regression), nhưng mô hình Hồi quy Logistic đạt chỉ số năng lực phân loại tổng thể vượt trội với AUC = 0,752 (so với AUC = 0,638 của Cây quyết định). Trong khi đó, mô hình SVM bị loại bỏ do có tỷ lệ phạm Sai lầm loại II cao nhất (137 mẫu).

2. Sự khác biệt cốt lõi giữa hai cụm khách hàng có điểm tín dụng Tốt là gì?

Cụm 1 đại diện cho nhóm khách hàng vay mua ô tô cũ với giá trị khoản vay lớn (trung bình 7.155,57 đơn vị) và kỳ hạn dài (trung bình 37 tháng). Cụm 2 đại diện cho nhóm khách hàng vay tiêu dùng ngắn hạn mua thiết bị nghe nhìn (Radio/TV) với khoản vay nhỏ (trung bình 1.915,79 đơn vị) và kỳ hạn ngắn (trung bình 18 tháng).

3. Biến độc lập nào có tác động tiêu cực mạnh nhất đến khả năng được xếp hạng tín dụng Tốt?

Biến Duration in month (Kỳ hạn hợp đồng tín dụng) có tác động tiêu cực mạnh nhất với hệ số hồi quy là -1,47, tiếp theo là biến Credit amount (Khoản tín dụng đi vay) với hệ số -0,80. Điều này chỉ ra rằng thời gian vay càng dài và số tiền vay càng lớn thì nguy cơ vỡ nợ của khách hàng càng cao.

4. Quy tắc phân loại nào của Cây quyết định đạt độ chính xác cao nhất?

Quy tắc đạt độ chính xác cao nhất là 93,9%, áp dụng cho nhóm khách hàng không có thông tin tài khoản séc (checking account = None), vay vốn với mục đích mua xe cũ, đồ gia dụng, radio/tivi, đào tạo nghiệp vụ hoặc mục đích khác, và có độ tuổi trên 22 tuổi (dự báo xếp hạng Tốt) hoặc dưới 22 tuổi (dự báo xếp hạng Xấu).

Kết luận

Báo cáo đồ án đã giải quyết hoàn chỉnh hai bài toán khoa học dữ liệu trên tập dữ liệu German Credit Data thông qua công cụ Orange. Nghiên cứu đã phân khúc thành công nhóm khách hàng tín dụng tốt thành 2 nhóm đặc trưng phục vụ chiến lược tiếp thị mục tiêu, đồng thời xây dựng mô hình Hồi quy Logistic đạt chỉ số AUC 0,752 với độ chính xác dự báo thực tế xấp xỉ 79,73%. Các kết quả định lượng thu được cung cấp căn cứ thực nghiệm rõ ràng để các ngân hàng và tổ chức tài chính ban hành chính sách cấp tín dụng phù hợp, góp phần kiểm soát nợ xấu và tối ưu hóa hiệu quả hoạt động kinh doanh.