Bảo Cảo Tông Kết Đề Tài Nghiên Cứu Về Rủi Ro Tín Dụng Dựa Trên Dữ Liệu Khoa Học

Phân tích rủi ro tín dụng là một lĩnh vực quan trọng trong ngành tài chính, giúp các tổ chức tài chính… 64 trang · Đại Học Kinh Tế TP. Hồ Chí Minh · 2024.

• Trường học: Đại Học Kinh Tế TP. Hồ Chí Minh
• Chuyên ngành: Khoa Học Dữ Liệu
• Đề tài: Phân Tích Rủi Ro Tín Dụng Dựa Trên Dữ Liệu Khoa Học
• Loại tài liệu: Đồ Án
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• PHẦN MỞ ĐẦU: TỔNG QUAN VỀ KHOA HỌC DỮ LIỆU VÀ KHÁI QUÁT ĐỀ TÀI
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CHƯƠNG TRÌNH SỬ DỤNG VÀ CÁC PHƯƠNG PHÁP SỬ DỤNG
• 1.1. Phần mềm Excel
• 1.2. Khái quát về ứng dụng Orange
• 1.3. Tính năng của phần mềm Orange
• 1.4. Ứng dụng của phần mềm Orange
• 1.5. Giới thiệu về các phương pháp sử dụng
• 1.6. Giới thiệu về bài toán phân lớp dữ liệu
• 1.7. Các phương pháp phân lớp dữ liệu
• 1.8. Các phương pháp đánh giá mô hình phân lớp
• 2. CHƯƠNG 2: ỨNG DỤNG PHƯƠNG PHÁP VÀO BÀI TOÁN THỰC TẾ
• 2.1. Phân tích bộ dữ liệu Credit Risk Analysis
• 2.2. Ứng dụng thống kê mô tả dữ liệu Credit Risk Analysis
• 2.3. Độ tuổi của người vay tín dụng
• 2.4. Thu nhập của người vay tín dụng
• 2.5. Tình trạng phê duyệt vay tín dụng
• 2.6. Tình trạng vỡ nợ các khoản vay tín dụng trước
• 2.7. Thời gian sử dụng tín dụng
• 2.8. Mô tả dữ liệu
• 2.9. Tiền xử lý dữ liệu
• 2.10. Phân lớp dữ liệu
• 2.11. Sử dụng mô hình
• 2.12. Phương pháp đánh giá mô hình và ma trận nhầm lẫn
• 2.13. Phương pháp Cross Validation
• 3. CHƯƠNG 3: ĐÁNH GIÁ KẾT QUẢ CỦA MÔ HÌNH
• 3.1. Kết quả mô hình
• 3.2. Đánh giá ma trận nhầm lẫn (Confusion Matrix)
• 3.3. Đánh giá đồ thị ROC
• 3.4. Tiến hành dự báo
• 3.5. Đánh giá phương pháp
• PHẦN KẾT LUẬN VÀ KHUYÊN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phân Tích Rủi Ro Tín Dụng Dựa Trên Dữ Liệu Khoa Học

Phân tích rủi ro tín dụng là một lĩnh vực quan trọng trong ngành tài chính, giúp các tổ chức tài chính đánh giá khả năng trả nợ của khách hàng. Việc sử dụng dữ liệu khoa học trong phân tích này không chỉ giúp nâng cao độ chính xác mà còn tối ưu hóa quy trình ra quyết định. Trong bối cảnh nợ xấu gia tăng, việc áp dụng các phương pháp phân tích hiện đại trở nên cấp thiết hơn bao giờ hết.

1.1. Khái Niệm Về Rủi Ro Tín Dụng

Rủi ro tín dụng là khả năng mà người vay không thể thực hiện nghĩa vụ thanh toán đúng hạn. Điều này có thể dẫn đến tổn thất cho các tổ chức tài chính. Việc hiểu rõ về rủi ro này là rất quan trọng để xây dựng các chiến lược quản lý hiệu quả.

1.2. Tầm Quan Trọng Của Dữ Liệu Khoa Học Trong Tài Chính

Dữ liệu khoa học cung cấp các công cụ và phương pháp để phân tích và dự đoán các xu hướng trong rủi ro tín dụng. Việc áp dụng các mô hình thống kê và máy học giúp cải thiện độ chính xác trong việc đánh giá rủi ro.

II. Những Thách Thức Trong Phân Tích Rủi Ro Tín Dụng

Mặc dù có nhiều lợi ích, việc phân tích rủi ro tín dụng cũng gặp phải nhiều thách thức. Các yếu tố như dữ liệu không đầy đủ, chất lượng dữ liệu kém và sự phức tạp trong mô hình hóa có thể ảnh hưởng đến kết quả phân tích. Các tổ chức tài chính cần nhận diện và giải quyết những vấn đề này để tối ưu hóa quy trình phân tích.

2.1. Vấn Đề Về Chất Lượng Dữ Liệu

Chất lượng dữ liệu là yếu tố quyết định đến độ tin cậy của phân tích. Dữ liệu không chính xác hoặc thiếu sót có thể dẫn đến những quyết định sai lầm trong việc xét duyệt tín dụng.

2.2. Sự Phức Tạp Trong Mô Hình Hóa

Việc xây dựng mô hình phân tích rủi ro tín dụng đòi hỏi kiến thức chuyên sâu về thống kê và máy học. Sự phức tạp trong việc lựa chọn mô hình phù hợp có thể gây khó khăn cho các nhà phân tích.

III. Phương Pháp Phân Tích Rủi Ro Tín Dụng Hiệu Quả

Để phân tích rủi ro tín dụng một cách hiệu quả, các tổ chức tài chính có thể áp dụng nhiều phương pháp khác nhau. Các phương pháp này bao gồm phân tích thống kê, mô hình hóa dự đoán và sử dụng các công cụ khoa học dữ liệu. Việc kết hợp các phương pháp này sẽ giúp nâng cao độ chính xác trong việc đánh giá rủi ro.

3.1. Phân Tích Thống Kê

Phân tích thống kê giúp xác định các yếu tố ảnh hưởng đến rủi ro tín dụng. Các chỉ số như tỷ lệ nợ xấu, thu nhập và độ tuổi của người vay là những yếu tố quan trọng cần xem xét.

3.2. Mô Hình Hóa Dự Đoán

Mô hình hóa dự đoán sử dụng các thuật toán máy học để dự đoán khả năng trả nợ của người vay. Các mô hình như hồi quy logistic và cây quyết định thường được áp dụng trong phân tích này.

IV. Ứng Dụng Thực Tiễn Của Phân Tích Rủi Ro Tín Dụng

Phân tích rủi ro tín dụng không chỉ giúp các tổ chức tài chính đưa ra quyết định chính xác hơn mà còn hỗ trợ trong việc phát triển các sản phẩm tài chính phù hợp. Việc áp dụng các mô hình phân tích vào thực tiễn đã cho thấy nhiều kết quả tích cực trong việc giảm thiểu rủi ro và tối ưu hóa lợi nhuận.

4.1. Cải Thiện Quy Trình Xét Duyệt Tín Dụng

Việc áp dụng phân tích rủi ro tín dụng giúp cải thiện quy trình xét duyệt tín dụng, từ đó giảm thiểu thời gian và chi phí cho các tổ chức tài chính.

4.2. Tăng Cường Quản Lý Rủi Ro

Các tổ chức tài chính có thể sử dụng kết quả phân tích để xây dựng các chiến lược quản lý rủi ro hiệu quả hơn, từ đó bảo vệ tài sản và tăng cường sự ổn định của hệ thống tài chính.

V. Kết Luận Về Phân Tích Rủi Ro Tín Dụng Dựa Trên Dữ Liệu Khoa Học

Phân tích rủi ro tín dụng dựa trên dữ liệu khoa học là một công cụ mạnh mẽ giúp các tổ chức tài chính đưa ra quyết định chính xác hơn. Việc áp dụng các phương pháp phân tích hiện đại không chỉ giúp giảm thiểu rủi ro mà còn tối ưu hóa quy trình xét duyệt tín dụng. Tương lai của lĩnh vực này hứa hẹn sẽ còn phát triển mạnh mẽ hơn với sự hỗ trợ của công nghệ.

5.1. Xu Hướng Tương Lai Trong Phân Tích Rủi Ro

Với sự phát triển của công nghệ, các phương pháp phân tích rủi ro tín dụng sẽ ngày càng trở nên tinh vi hơn. Việc áp dụng trí tuệ nhân tạo và học máy sẽ mở ra nhiều cơ hội mới cho ngành tài chính.

5.2. Tầm Quan Trọng Của Đào Tạo Nhân Lực

Để tận dụng tối đa các công cụ phân tích hiện đại, việc đào tạo nhân lực có kiến thức về khoa học dữ liệu và phân tích rủi ro là rất cần thiết. Điều này sẽ giúp các tổ chức tài chính nâng cao năng lực cạnh tranh trên thị trường.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Hoạt động cấp tín dụng là nghiệp vụ kinh doanh cốt lõi và mang lại nguồn thu nhập chính cho các ngân hàng thương mại. Tuy nhiên, hoạt động này luôn tiềm ẩn rủi ro tín dụng với nguy cơ phát sinh nợ xấu, làm suy giảm lợi nhuận của tổ chức tài chính, đe dọa sự an toàn của hệ thống ngân hàng và có nguy cơ tác động tiêu cực đến nền kinh tế. Báo cáo đánh giá Top 10 Ngân hàng thương mại Việt Nam uy tín năm 2023 của Vietnam Report chỉ ra rằng nợ xấu gia tăng là thách thức lớn nhất mà hệ thống ngân hàng phải đối mặt, với mức tăng 9,1% so với cùng kỳ năm trước. Trong bối cảnh chuyển đổi số và nhu cầu vay tiêu dùng, sản xuất kinh doanh tăng cao, việc ứng dụng các phương pháp phân tích dữ liệu để nhận diện và dự báo sớm rủi ro tín dụng trở thành một yêu cầu cấp thiết.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định gồm:

1. Nhận biết và phân tích các yếu tố nhân khẩu học, thu nhập, tài sản và lịch sử giao dịch ảnh hưởng đến khả năng xét duyệt tín dụng cũng như rủi ro nợ xấu.
2. Xây dựng quy trình tiền xử lý, thống kê mô tả và áp dụng các thuật toán phân lớp học máy trên bộ dữ liệu tín dụng thực tế.
3. So sánh hiệu năng giữa các mô hình phân lớp, tiến hành dự báo trên tập dữ liệu kiểm nghiệm và đưa ra các đánh giá, khuyến nghị quản trị rủi ro cho các tổ chức tài chính.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các đặc trưng dữ liệu của người đi vay (độ tuổi, thu nhập, tình trạng sở hữu nhà, thời gian công tác, mục đích vay, số tiền vay, lãi suất, tỷ lệ vay trên thu nhập, lịch sử vỡ nợ, thời gian sử dụng tín dụng) và tình trạng phê duyệt khoản vay (Status).
• Phạm vi dữ liệu: Đề tài sử dụng bộ dữ liệu thứ cấp "Credit Risk Analysis" với tổng quy mô ban đầu gồm 32.581 quan sát. Nhóm nghiên cứu thu hẹp phạm vi thực nghiệm vào nhóm khách hàng trong độ tuổi từ 30 đến 35 tuổi, thu được tập dữ liệu gồm 5.607 quan sát để tiến hành phân tích chi tiết.
• Không gian và thời gian: Đề tài được hoàn thành vào tháng 02/2024 trong khuôn khổ xét giải thưởng nghiên cứu khoa học sinh viên tại Đại học Kinh tế TP. Hồ Chí Minh (UEH).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đề tài dựa trên nền tảng Khoa học dữ liệu (Data Science) và quy trình khai phá dữ liệu trong kinh doanh (Business Data Mining Process) gồm 6 giai đoạn: thấu hiểu kinh doanh (Business Understanding), thấu hiểu dữ liệu (Data Understanding), chuẩn bị dữ liệu (Data Preparation), mô hình hóa (Modeling), đánh giá (Evaluation) và triển khai (Deployment). Đề tài tiếp cận bài toán dự báo phê duyệt tín dụng dưới dạng bài toán phân lớp nhị phân (Binary Classification), trong đó biến mục tiêu Status nhận hai giá trị rời rạc (0: Chưa phê duyệt / Không thỏa điều kiện, 1: Đã phê duyệt / Có nguy cơ rủi ro).

Phương pháp nghiên cứu và công cụ thực hiện:

• Phương pháp thống kê mô tả: Nhóm nghiên cứu sử dụng phần mềm Microsoft Excel để tổng hợp dữ liệu, tạo bảng tần số, tần suất và trực quan hóa qua biểu đồ thông qua các hàm có điều kiện như =COUNTIF(), =COUNTIFS() và công cụ quản lý vùng dữ liệu Define Name.
• Phương pháp học máy có giám sát (Supervised Machine Learning): Nhóm triển khai thực nghiệm trên phần mềm Orange Data Mining với 3 thuật toán phân lớp:
  1. Hồi quy Logistic (Logistic Regression): Mô hình tính toán xác suất đầu ra thông qua hàm sigmoid dựa trên tổ hợp tuyến tính của các biến đặc trưng và phân lớp theo ngưỡng xác suất xác định.
  2. Máy vectơ hỗ trợ (Support Vector Machines - SVM): Phương pháp tìm siêu phẳng tối ưu trong không gian đa chiều nhằm tối đa hóa khoảng cách lề (margin) giữa hai lớp dữ liệu phân tách.
  3. Cây quyết định (Decision Tree): Cấu trúc cây phân cấp gồm các nút điều kiện phân tách không gian dữ liệu dựa trên các quy tắc thuộc tính nhằm đưa ra quyết định phân lớp.
• Phương pháp đánh giá mô hình:
  • Phân chia mẫu dữ liệu (Data Sampler): 70% tập dữ liệu dùng cho huấn luyện (training set) và 30% tập dữ liệu dùng cho kiểm thử/dự báo (test set).
  • Kiểm định chéo (Cross Validation): Phân chia mẫu ngẫu nhiên thành 5 phần (5-fold) và 10 phần (10-fold) để kiểm tra tính ổn định của mô hình.
  • Đánh giá qua ma trận nhầm lẫn (Confusion Matrix) với 4 đại lượng: True Positive (TP), True Negative (TN), False Positive (FP), False Negative (FN) cùng các chỉ số đo lường: Độ chính xác toàn thể (Accuracy), Độ chính xác (Precision), Độ phủ (Recall) và Điểm F1 (F1-Score).
  • Đường cong đặc tính hoạt động của bộ thu (ROC Curve) và diện tích dưới đường cong (AUC - Area Under Curve).

Nguồn dữ liệu và kỹ thuật tiền xử lý: Bộ dữ liệu gồm 12 biến thuộc tính. Trong tập dữ liệu 5.607 dòng thuộc độ tuổi 30-35, nhóm ghi nhận có khoảng 11 giá trị bị thiếu (chiếm 1,1%). Nhóm sử dụng công cụ Preprocess trong Orange với phương pháp Impute Missing Values chọn Average/Most frequent để thay thế các ô khuyết bằng giá trị trung bình hoặc giá trị xuất hiện nhiều nhất.

Nội dung chính theo từng chương

Phần Mở đầu: Tổng quan về khoa học dữ liệu và khái quát đề tài

Chương mở đầu hệ thống hóa khái niệm về khoa học dữ liệu như một ngành học đa ngành kết hợp giữa ba lĩnh vực cốt lõi: thống kê toán học, công nghệ thông tin (máy học) và tri thức chuyên ngành. Báo cáo phân tích ứng dụng thực tiễn của khoa học dữ liệu trong 7 lĩnh vực đời sống và kinh tế: y tế (chăm sóc sức khỏe ảo, nghiên cứu gen, điều chế thuốc), tìm kiếm thông tin trực tuyến (Google, Bing), truyền thông quảng cáo, thương mại điện tử và dịch vụ số (hệ thống gợi ý của Amazon, Netflix), tài chính - ngân hàng (phát hiện gian lận, mô hình hóa rủi ro, dự đoán thị trường), sản xuất công nghiệp và giao thông vận tải. Từ bức tranh tổng quan đó, nhóm nghiên cứu làm rõ tính cấp thiết của đề tài thông qua thực trạng nợ xấu gia tăng trong hệ thống ngân hàng thương mại Việt Nam và khẳng định vai trò của việc xây dựng mô hình dự báo phê duyệt tín dụng để hạn chế rủi ro cho các tổ chức tài chính.

Phần Nội dung 1: Tổng quan về chương trình sử dụng và các phương pháp sử dụng

Chương này trình bày cơ sở kỹ thuật và lý thuyết của các công cụ, thuật toán được sử dụng trong nghiên cứu:

• Phần mềm Microsoft Excel: Giới thiệu giao diện, tính năng đặt tên vùng dữ liệu (Define Name), cú pháp và cơ chế hoạt động của hàm đếm một điều kiện =COUNTIF(vùng chứa điều kiện, điều kiện) và hàm đếm nhiều điều kiện =COUNTIFS(vùng điều kiện 1, điều kiện 1, vùng điều kiện 2, điều kiện 2,...) phục vụ việc tổng hợp thống kê mô tả.
• Phần mềm khai phá dữ liệu Orange: Trình bày cấu trúc giao diện dựa trên luồng công việc (canvas workflow) và các nhóm công cụ (widgets) chính bao gồm Data (lấy mẫu, xem bảng dữ liệu), Transform (tiền xử lý, lọc biến), Visualize (trực quan hóa dữ liệu), Model (các thuật toán máy học), Evaluate (đo lường hiệu suất) và Unsupervised (học không giám sát).
• Cơ sở toán học và cơ chế vận hành của 3 phương pháp phân lớp: Hồi quy Logistic, Cây quyết định và SVM (bao gồm các dạng Hard Margin, Soft Margin, Multi-class và Kernel SVM). Đồng thời, chương này thiết lập công thức tính toán các chỉ số đánh giá hiệu năng: $$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}$$ $$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$ $$\text{F1-Score} = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$$

Phần Nội dung 2: Ứng dụng phương pháp vào bài toán thực tế

Chương này tập trung vào toàn bộ quá trình thực nghiệm, từ lọc dữ liệu, thống kê mô tả đến tiền xử lý và thiết lập luồng phân lớp trên công cụ Orange.

Từ tập dữ liệu gốc 32.581 dòng, nhóm sử dụng chức năng Filter trong Excel để trích xuất 5.607 bản ghi thuộc nhóm khách hàng từ 30 đến 35 tuổi. Danh mục các thuộc tính của bộ dữ liệu bao gồm:

STT	Tên biến	Ý nghĩa biến trong bộ dữ liệu
1	ID	Mã định danh người vay
2	Age	Độ tuổi người đi vay (từ 30 đến 35 tuổi)
3	Income	Thu nhập của người đi vay
4	Home	Tình trạng sở hữu nhà (RENT, MORTGAGE, OWN, OTHER)
5	Emp length	Thời gian làm việc tính theo năm
6	Intent	Mục đích vay (Venture, Education, Medical, Debt Consolidation, Personal, Home Improvement)
7	Amount	Số tiền đề nghị vay
8	Rate	Lãi suất của khoản vay
9	Status	Tình trạng phê duyệt vay nợ (Biến phụ thuộc mục tiêu)
10	Percent income	Tỷ lệ số tiền vay tính trên tổng thu nhập
11	Default	Lịch sử vỡ nợ các khoản vay trước đó (Y: Có, N: Không)
12	Cred length	Thời gian sử dụng lịch sử tín dụng (năm)

Kết quả thống kê mô tả chi tiết trên 5.607 quan sát ghi nhận các phân bổ thực tế sau:

• Phân bổ theo độ tuổi: Tuổi 30 chiếm 23,47% (1.316 người); tuổi 31 chiếm 20,37% (1.142 người); tuổi 32 chiếm 17,19% (964 người); tuổi 33 chiếm 15,27% (856 người); tuổi 34 chiếm 12,64% (709 người); tuổi 35 chiếm 11,06% (620 người).
• Phân bổ theo thu nhập: Mức thu nhập từ 0 đến dưới 150.000 chiếm đa số áp đảo với 5.260 người (93,81%), cao gấp 18,21 lần so với nhóm thu nhập từ 150.000 đến dưới 300.000 (chiếm 5,15%) và cao gấp 91,08 lần so với nhóm trên 300.000 (58 người, chiếm 1,03%).
• Tình trạng phê duyệt tín dụng (Status): 4.479 khoản vay chưa được phê duyệt (chiếm 79,88%) và 1.128 khoản vay đã được phê duyệt (chiếm 20,12%).
• Lịch sử vỡ nợ (Default): Khách hàng không có lịch sử vỡ nợ trước đó chiếm 81,79% (4.586 người), cao gấp 4,49 lần nhóm có lịch sử vỡ nợ với 1.021 người (18,21%).
• Thời gian sử dụng tín dụng (Cred length): Mức 9 năm chiếm tỷ trọng cao nhất với 17,17% (963 người), tiếp theo là 5 năm (16,89% - 947 người), 10 năm (16,75% - 939 người), 7 năm (16,59% - 930 người), 6 năm (16,32% - 915 người) và 8 năm chiếm 16,28% (913 người).
• Tình trạng sở hữu nhà (Home): Người đi vay ở nhà thuê chiếm tỷ lệ lớn nhất với 47,98% (2.690 người), thế chấp nhà chiếm 44,41% (2.490 người), sở hữu nhà riêng chiếm 7,51% (421 người) và loại hình khác chiếm 0,11% (6 người).

Quy trình chuẩn bị dữ liệu trong Orange: Dữ liệu sau khi xử lý missing values bằng widget Preprocess được đưa qua widget Data Sampler để phân tách thành 2 tập: credit_risk đã xử lí 70%.xlsx (tập huấn luyện) và credit_risk đã xử lí 30%.xlsx (tập kiểm thử). Trên tập 30%, biến mục tiêu Status được xóa dữ liệu bằng lệnh Clear Content trong Excel nhằm tạo tập dữ liệu mù phục vụ bước dự báo kiểm chứng.

Phần Nội dung 3: Đánh giá kết quả của mô hình

Chương này thực hiện việc kết nối dữ liệu huấn luyện vào 3 mô hình (Hồi quy Logistic, Cây quyết định và SVM), sử dụng công cụ Test and Score với phương pháp kiểm định chéo K-fold (k=5 và k=10) để đo lường hiệu năng. Kết quả phân lớp được phân tích qua ma trận nhầm lẫn của từng thuật toán để so sánh số lượng các trường hợp phân loại chính xác và phân loại sai lệch ở từng nhãn. Báo cáo đánh giá sự cân bằng giữa tỷ lệ dự báo đúng (TPR) và tỷ lệ dự báo sai (FPR) qua đồ thị ROC và diện tích AUC cho cả hai trạng thái của biến phụ thuộc (Status = 0 và Status = 1). Cuối cùng, mô hình tối ưu được kết nối với widget Predictions để tiến hành gán nhãn dự báo trên tập dữ liệu kiểm nghiệm 30%.

Kết quả và đóng góp

Báo cáo đề tài đã lượng hóa và làm rõ mối liên hệ giữa các thuộc tính của người đi vay với quyết định cấp tín dụng thông qua các số liệu thống kê cụ thể:

Thuộc tính phân tích	Đặc điểm chiếm tỷ trọng cao nhất	Tỷ lệ (%)	Đặc điểm chiếm tỷ trọng thấp nhất	Tỷ lệ (%)
Độ tuổi (30-35)	30 tuổi (1.316 người)	23,47%	35 tuổi (620 người)	11,06%
Mức thu nhập	0 - dưới 150.000 (5.260 người)	93,81%	Trên 300.000 (58 người)	1,03%
Tình trạng sở hữu nhà	Nhà thuê (2.690 người)	47,98%	Loại hình khác (6 người)	0,11%
Tình trạng phê duyệt	Chưa phê duyệt (4.479 người)	79,88%	Đã phê duyệt (1.128 người)	20,12%
Lịch sử vỡ nợ trước đó	Không vỡ nợ (4.586 người)	81,79%	Có tiền sử vỡ nợ (1.021 người)	18,21%
Thời gian dùng tín dụng	9 năm (963 người)	17,17%	8 năm (913 người)	16,28%

Các khuyến nghị và giải pháp tác giả đề xuất:

1. Tối ưu hóa tiêu chí thẩm định: Các tổ chức tài chính cần đặc biệt lưu ý đến yếu tố tài sản đảm bảo. Người đi vay sở hữu nhà riêng (7,51%) có lợi thế lớn về bảo đảm nghĩa vụ trả nợ so với khách hàng ở nhà thuê (47,98%) hoặc đang thế chấp nhà (44,41%).
2. Giám sát lịch sử tín dụng và tỷ lệ đòn bẩy: Cần kết hợp chặt chẽ chỉ số lịch sử vỡ nợ (Default) và tỷ lệ số tiền vay trên thu nhập (Percent income) để sàng lọc hồ sơ, giảm thiểu nguy cơ nợ xấu phát sinh.
3. Tự động hóa quy trình chấm điểm tín dụng: Đề xuất triển khai quy trình khai phá dữ liệu bằng các công cụ học máy như Orange để hỗ trợ cán bộ tín dụng đưa ra quyết định phê duyệt nhanh chóng, khách quan và giảm thiểu sai sót chủ quan.

Đóng góp của nghiên cứu: Đề tài đã xây dựng một quy trình phân tích dữ liệu thực hành hoàn chỉnh không phụ thuộc vào kỹ năng lập trình phức tạp, kết hợp hiệu quả giữa Microsoft Excel và phần mềm mã nguồn mở Orange Data Mining, làm mẫu tham khảo cho việc ứng dụng khoa học dữ liệu giải quyết bài toán nghiệp vụ tài chính - ngân hàng.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu:

• Nhóm nghiên cứu chỉ thực hiện phân tích trên tệp dữ liệu thu hẹp trong nhóm tuổi từ 30 đến 35 tuổi (5.607 quan sát), loại bỏ các nhóm tuổi khác trong tập dữ liệu gốc 32.581 quan sát, do đó kết quả chưa phản ánh toàn diện hành vi tín dụng của toàn bộ các phân khúc độ tuổi.
• Đề tài tập trung vào 3 thuật toán phân lớp cơ bản (Hồi quy Logistic, Cây quyết định, SVM) mà chưa khảo sát các thuật toán học máy kết hợp (Ensemble Learning) như Random Forest, Gradient Boosting hoặc mạng nơ-ron nhân tạo.
• Tỷ lệ mất cân bằng giữa hai lớp của biến mục tiêu (chưa phê duyệt chiếm tới 79,88%) chưa được xử lý bằng các kỹ thuật tái lấy mẫu chuyên biệt (như SMOTE hay Undersampling).

Hướng nghiên cứu tiếp theo được đề xuất:

• Mở rộng phạm vi nghiên cứu trên toàn bộ 32.581 quan sát và phân tầng theo nhiều nhóm tuổi, ngành nghề khác nhau.
• Áp dụng thêm các thuật toán học máy phức tạp, tối ưu hóa siêu tham số (Hyperparameter Tuning) và thử nghiệm các kỹ thuật cân bằng dữ liệu để nâng cao chỉ số Precision và Recall của mô hình dự báo rủi ro tín dụng.

Giá trị tham khảo

Tài liệu là nguồn tham khảo phù hợp cho sinh viên, giảng viên và người nghiên cứu thuộc các chuyên ngành Khoa học dữ liệu, Hệ thống thông tin quản lý, Tài chính - Ngân hàng, Phân tích kinh doanh (Business Analytics) và Công nghệ tài chính (Fintech).

Các nội dung có giá trị tham khảo cụ thể bao gồm:

• Quy trình thiết lập đường ống phân tích dữ liệu (Data Pipeline) từ tiền xử lý, điền khuyết dữ liệu, phân chia mẫu đến xây dựng và đánh giá mô hình học máy trên phần mềm Orange.
• Phương pháp kết hợp các hàm nâng cao trong Microsoft Excel để thực hiện thống kê mô tả và chuẩn bị dữ liệu đầu vào cho các bài toán phân loại nhị phân trong quản trị rủi ro tín dụng.

Câu hỏi thường gặp

1. Quy mô dữ liệu ban đầu và số lượng mẫu được nhóm tác giả chọn để phân tích chuyên sâu là bao nhiêu? Bộ dữ liệu gốc "Credit Risk Analysis" có quy mô 32.581 quan sát. Nhóm tác giả đã sử dụng chức năng Filter để lọc và chọn tập dữ liệu của những người đi vay trong độ tuổi từ 30 đến 35 tuổi, thu được tập dữ liệu thực nghiệm gồm 5.607 quan sát.

2. Dữ liệu bị khuyết (missing values) trong đề tài chiếm bao nhiêu và được xử lý bằng công cụ gì? Trong tập 5.607 quan sát độ tuổi 30-35, có khoảng 11 giá trị bị thiếu (chiếm tỷ lệ 1,1%). Nhóm tác giả xử lý bằng widget Preprocess trong phần mềm Orange, kích hoạt tùy chọn Impute Missing Values và chọn chế độ Average/Most frequent để tự động điền giá trị trung bình hoặc giá trị có tần số cao nhất vào các ô khuyết.

3. Tỷ lệ phân chia dữ liệu cho quá trình huấn luyện và thử nghiệm mô hình được thiết lập như thế nào? Nhóm sử dụng công cụ Data Sampler trong Orange để chia tập dữ liệu đã xử lý thành hai phần: 70% dữ liệu dùng làm tập huấn luyện (credit_risk đã xử lí 70%.xlsx) và 30% dữ liệu còn lại dùng làm tập thử nghiệm (credit_risk đã xử lí 30%.xlsx). Biến mục tiêu Status trong tập 30% được xóa để phục vụ bước dự báo độc lập.

4. Ba thuật toán phân lớp được nhóm nghiên cứu cài đặt và so sánh là gì? Ba thuật toán phân lớp được áp dụng trong đề tài gồm: Hồi quy Logistic (Logistic Regression), Máy vectơ hỗ trợ (Support Vector Machines - SVM) và Cây quyết định (Decision Tree).

5. Trong các thuộc tính được phân tích, đặc điểm nào về tình trạng sở hữu nhà chiếm tỷ trọng cao nhất? Theo kết quả thống kê mô tả trên 5.607 mẫu, người đi vay đang ở nhà thuê (RENT) chiếm tỷ trọng cao nhất với 47,98% (2.690 người), tiếp theo là nhà đang thế chấp (MORTGAGE) chiếm 44,41% (2.490 người), người sở hữu nhà riêng (OWN) chỉ chiếm 7,51% (421 người) và các tình trạng khác chiếm 0,11% (6 người).

Kết luận

Đề tài nghiên cứu khoa học "Phân tích dữ liệu về rủi ro tín dụng dựa trên bộ dữ liệu Credit Risk Analysis" của nhóm tác giả tại Đại học Kinh tế TP. Hồ Chí Minh đã hệ thống hóa cơ sở lý thuyết về khoa học dữ liệu và quy trình khai phá dữ liệu trong lĩnh vực tài chính. Bằng việc kết hợp công cụ Microsoft Excel và phần mềm Orange Data Mining, nghiên cứu đã xử lý tập dữ liệu 5.607 quan sát (nhóm tuổi 30-35), thực hiện thống kê mô tả 12 thuộc tính then chốt và thử nghiệm thành công 3 mô hình phân lớp gồm Logistic Regression, SVM và Decision Tree. Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm rõ ràng về các yếu tố tác động đến khả năng phê duyệt khoản vay, đồng thời đề xuất giải pháp ứng dụng học máy vào hoạt động quản trị rủi ro tín dụng cho các tổ chức tài chính.

Trích đoạn nội dung tài liệu

Chương 1: Khoa học dừ liệu là gì? Giới thiệu về đồ án. Chương này sẽ tông quan về môn khoa học dữ liệu, thực tê ửng dụng cùa môn học vả kê đên là giới thiệu sơ qua vê lý do chọn đề tài. Chương 2: Nhừng chương trình sử dụng chính trong bài đô án (Orange & Excel) và những ứng dụng của những chương trinh này. Hiểu được các tính năng và cách thức những chương trình này hoạt động đê có thẻ áp dụng những thuật toán vào đô án một cách tối ưu.

Chương 3: Áp dụng nhùng thuật toán vào bộ dữ liệu “Credit Risk Analysis”, sau đó liến hành lập dự báo và trinh bày kết quả dự báo. Chương 4: Kết qua của mô hình, lựa chọn thuật toán phù họp nhất với mô hình, đồng thời nêu nhũng diêm sáng và những thiếu sót cũa phương pháp. Và cuối cùng, đưa ra kết luận và phương hướng phát triên sau này cua đồ án. 2 MỤC LỤC TÓM TẤT.2 PHẦN MỞ ĐÀU: TỚNG QUAN VỀ KHOA HỌC DỮ LIỆU VÀ KHÁI QUÁT ĐỀ TÀI.

Tông quan về khoa học dữ liệu:. ú ng dụng cua khoa học dữ liệu:. Trong tìm kiếm thông tin:. Trong lĩnh vực quảng cáo:.

Trong thương mại điện tử, dịch vụ số:. Trong lĩnh vực tài chính, ngân hàng:. Trong sản xuất:. Trong giao thông vận tải:.

Giói thiệu đề tài:.16 PHẦN NỘI DUNG 1: TỐNG QUAN VỀ CHUÔNG TRÌNH sử DỤNG VÀ CÁC PHU ONG PHÁP SỬ DỤNG. Phần mềm Excel:. Khái quát về ứng dụng Orange:. Tính năng của phần mềm Orange.

U ng dụng của phần mem Orange. Giói thiệu về các phương pháp sử dụng. Giói thiệu về bài toán phân lóp dữ liệu. Các phương pháp phân lóp dữ liệu.

Các phương pháp đánh giá mô hình phân lóp. 31 PHẰN NỘI DUNG 2: ÚNG DỤNG PHUONG PHÁP VÀO BÀI TOÁN THựCTE. Phân tích bộ dữ liệu Credit Risk Analysis:. ứng dụng thống kê mô tả dữ liệu Credit Risk Analysis:.

Độ tuổi của ngưòi vay tín dụng:. Thu nhập của ngưòi vay tín dụng:. Tình trạng phê duyệt vay tín dụng. Tình trạng võ' nọ' các khoản vay tín dụng trước:.5 Thòi gian sử dụng tín dụng:.

Mô tả dữ liệu:.3 Tiền xử lý dữ liệu. Phân lóp dữ liệu. Sử dụng mô hình. Phương pháp đánh giá mô hình và ma trận nhầm lẫn.

Phuong pháp Cross Validation.52 PHẢN NỘI DUNG 3: ĐÁNH GIÁ KẾT QUẢ CỦA MÔ HÌNH. Kết quả mô hình. Đánh giá ma trận nhầm lẫn (Confusion Matrix). Đánh giá đồ thị ROC.

Tiến hành dự báo. Đánh giá phương pháp. 58 PHÀN KÉT LUẬN VÀ KHUYÊN NGHỊ.61 Hướng phát triển của đề tài:. 61 TÀI LIỆU THAM KHẢO.

63 4 DANH MỤC HÌNH ẢNH Hình 1.1: Khoa học dữ liệu (Nguồn: Google).2: Quy trình khai thác dũ' liệu (Nguồn: aws.4: Tìm kiếm thông tin (Nguồn: Glints).5: Lĩnh vực quảng cáo (Nguồn: Glints).6: Thương mại điện tử, dịch vụ số (Nguồn: Glints).7: Lĩnh vực tài chính, ngân hàng (Nguồn: Glints).9: Giao thông vận tải (Nguồn: Glints).1: Logo của phần mềm Excel (Nguồn: Google).2: Giao diện của phần mềm Excel.3: Hình mô tả giao diện Define name.4: Sử dụng hàm Define name cho cột Age (độ tuổi).5: Kết quả của hàm Countif.6: Ket quả của hàm Countifs.7: Logo của phần mềm Orange (Nguồn: Google).8: Giao diện của phần mem Orange.9: Bảng công cụ của nhóm Data.10: Bảng công cụ của nhóm Transform.11: Báng công cụ của nhóm Visualize.12: Bảng công cụ của nhóm Model.13: Bảng công cụ của nhóm Evaluate.14: Bảng công cụ của nhóm Unsupervised.15: Bảng chọn Options.16: Giao diện để tải thêm các chức năng khác của phần mem Orange.17: Xây dựng mô hình phân lóp.18: Đánh giá mô hình phân lóp.19: Phân lóp dữ liệu mới.21: Mô hình phân lớp nhị phân sử dụng phương pháp Hồi quy logistics.22: Mô tả margin của một siêu phẳng.23: Xây dựng mô hình Cây quyết định.24: Ma trận nhầm lẫn trong bài toán chẩn đoán bệnh ung thư.26: Phần diện tích AUC (Area Under Curve).1: Dừ liệu gốc về rủi ro tín dụng của các độ tuổi.2: Chức năng Filter.3: Dữ liệu về các độ tuổi.5: Dừ liệu sau khi lọc (30 - 35 tuổi).6: Biểu đồ về độ tuổi người vay tín dụng.7: Biểu đồ về thu nhập ngưòi vay tín dụng.8: Biếu đồ về tình trạng phê duyệt vay tín dụng.9: Biếu đồ về tình trạng vờ nợ các khoản vay tín dụng trước.10: Biếu đồ về thời gian sử dụng tín dụng.11: Biểu đồ về tình trạng sở hữu nhà.12: Quy trình tiền xử lí dữ liệu.13: Hình thể hiện bảng dừ liệu về rủi ro tín dựng của người đi vay từ 30­ 35 tuổi.15: Bảng dừ liệu của file “Dừ liệu đã được xử lí”.16: Quy trình tạo file dữ liệu huấn luyện (70%) và file dũ' liệu thử nghiệm (30%).18: Edit Links - Data Sampler (70%).19: Edit Links - Remaining Data (30%).20: Dữ liệu credit risk đã xử lí 30%.21: Dữ liệu cột biến phụ thuộc “Status” bị xóa.22: Đưa file credit_risk đã xử lí 70%.xlsx vào Orange và chọn biến phụ thuộc “Status”.23: Mô hình các phương pháp phân lóp (Hồi quy Logistic , Cây quyết định, SVM).24: Ket quả chia dữ liệu mầu thành 5 phần.25: Kết quá chia dữ liệu mầu thành 10 phần.1: Mô hình đánh giá phân lóp.2: Kết quả ma trận nhầm lẫn của Hồi quy Logistic (Logistic Regression)54 Hình 4.3: Kết quả ma trận nhầm lẫn của SVM.4: Kết quả ma trận nhầm lẫn của Cây quyết định (Tree).5: Đồ thị ROC - Biến phụ thuộc là 0.6: Đồ thị ROC - Biến phụ thuộc là 1.7: Mô hình dụ báo 30% của file “Dữ liệu đã xủ lí”.8: Bảng kết quả dự báo.9: Bảng dừ liệu kết quả dự báo. 58 7 DANH MỤC BẢNG BIÉU Bảng 3.1: Bảng tần số và tần suất thể hiện độ tuổi của ngưòi vay tín dụng.2: Bảng tần số và tần suất thể hiện thu nhập của người vay tín dụng.3: Bảng tần số và tần suất thể hiện tình trạng phê duyệt vay tín dụng.4: Bảng tần sổ,tần suất thể hiện tình trạng võ’ nọ’ các khoản vay tín dụng trưóc.5: Bảng tần số và tần suất thể hiện thời gian sử dụng tín dụng.6: Bảng tần số và tần suất thể hiện tình trạng sỏ' hữu nhà.7: Bảng thuộc tính của bộ dũ' liệu. 44 8 PHÀN MÓ ĐÀU: TÔNG QUAN VỀ KHOA HỌC DŨ LIỆU VÀ KHÁI QUÁT ĐỀ TÀI Trong mờ đâu của bài đô án, nhóm sẽ giới thiệu những lý thuyêt cơ bàn vê khoa học dừ liệu, cách ứng dụng trong nhiều lĩnh vực và nhóm sẽ nêu lý do chọn đe tài thông qua thực trạng, ảnh hường cua nợ xấu và rủi ro tin dụng đối với nền kinh tê. Tông quan vê khoa học dũ' liệu: I.

Định nghĩa: Data science hay còn được biết đến là Khoa học dừ liệu, là một ngành học về việc khai thác, quán lý và phân tích dừ liệu dựa trên thống kê, toán học, kĩ thuật máy tỉnh và trí tuệ nhân tạo đê dự đoán các xu hướng trong tương lai, hồ trợ việc ra quyết định, chiến lược. Data science bao gồm ba khía cạnh, đỏ là: tạo và quán trị dù’ liệu, phân tích dừ liệu, và áp dụng kết quả phân tích vào trong thực tế đê tạo ra giá trị. Việc phân tích và sứ dụng dừ liệu dựa vào ba nguồn tri thức: toán học (thống ke toán học - Mathematical Statistics), công nghệ thông tin (máy học - Machine Learning) và tri thức cúa lình vực ứng dụng cụ thể. ANALYSIS SYSTEM PROCESS DATA STRUCTURE SCIENCE PROGRAMMING SOLVING I KNOWLEDGE Hình 1.1: Khoa học dừ liệu (Nguôn: Google) Trong thời kỳ 4.0, kì thuật sổ phát triên nhanh, mọi thứ đều có xu hướng chuyến biển không ngừng đế có thể bắt kịp thị hiếu của ngirời dùng.

Vậy việc nắm bắt được những sờ thích, nhu câu cũng như hiêu rõ những yêu tô ánh hường đên quyẻt định lựa chọn sản phấm cùa một doanh nghiệp là vô cùng quan trọng. Có thê thấy, các doanh nghiệp phải đối mặt với khối lượng dừ liệu vô cùng không lồ, được thu thập bới nhiều 9 cách thức và tồn tại ờ nhiều định dạng khác nhau. Và việc thu thập, xứ lý, phân tích thủ công khôi dừ liệu lớn đó đẻ đưa ra được những thông tin thật sự hừu ích đôi với doanh nghiộp dường như bất khá thi. Chính vi thế, khoa học dừ liộu ra đời và ngày càng phát triên chinh là chìa khỏa có thê giúp cho việc thu thập và xứ lý dừ liệu nhăm tạo ra thông tin hừu ích cho doanh nghiộp hiộu quá hơn.

Hơn thế, băng cách sừ dụng nhừng dừ liệu thu thập từ những sự kiện trong quá khứ, hay những sự kiện đang dien ra, từ đỏ xử lý số liộu, phân lích chuyên sâu đe đưa ra đánh giá khách quan, đông thời đưa ra nhừng dự đoán tương lai. Từ những đánh giá và kết quà dự báo đó, các doanh nghiệp đều có thể biết được tỉnh hình hoạt động, đồng thời đưa ra những chính sách phù hợp hơn, chính xác hơn, giúp cho doanh nghiệp cỏ thế xây dựng được một chiến lược hiệu quả đê đây mạnh tăng trưởng và nắm lợi thể cạnh tranh trên thị trường. Một số lợi ích có thể kể đến như: • Khám phá các mầu biến đôi tiêm ân: Cho phép phát hiện ra những biến và mối quan hộ giữa các biến trong mầu có khá năng thay đối toàn bộ tố chức. • Sáng tạo sán phẩm và giai pháp mới: cỏ thô tim ra nhưng điều còn thiếu sót.

Thông tin được tỉm kiếm sẽ chi tiết hơn, từ đó giúp thúc đây sự đôi mới sáng tạo trong hoạt động nội bộ cũng như nhừng giái pháp bên ngoài. • Tôi ưu hóa trong thời gian thực: Doanh nghiệp lớn gặp nhiêu khó khăn khi đổi mặt với những tinh huống xảy ra theo thời gian thực, dần đến mất mát hay trục trặc trong hoạt động kinh doanh. Khoa học dừ liệu giúp các công ty dự đoán những thay đôi và nên phàn ứng như thế nào với nhiều tinh huống khác nhau. Các bước liếp cận vấn đề khai phá dừ liệu trong kinh doanh: 1.

Business Understanding: sứ dụng mục tiêu kinh doanh và bổi cánh hiện lại để xác định mục tiêu khai thác dừ liệu. Data Understanding: kiêm tra tình trạng dừ liệu đê xác định dừ liệu đang cỏ liệu có phù hợp với mục tiêu khai thác hay không. Data preparation: các bước tiền xử lý được thực hiện đế chuẩn hóa dừ liệu sằn sàng cho các giai đoạn tiếp theo. Giai đoạn này thường chiếm phần lớn thời 10 gian của cá quy trinh.

Mô hình hóa: dùng các mô hỉnh thông kẻ, máy học đê chi ra các mâu/ quy luật của dữ liộu. Đánh giá: mỏ hình được kiêm tra xem có hiệu quá, phù hợp với mục tiêu kinh doanh hay không, có đủ tin cậy hay không.