Bối cảnh và vấn đề nghiên cứu

Trong hệ thống tài chính, ngân hàng thương mại (NHTM) giữ vai trò là trung gian tài chính huyết mạch, thực hiện chức năng chu chuyển và phân phối nguồn vốn nhàn rỗi trong nền kinh tế. Hoạt động trên nguyên tắc "đi vay để cho vay", các NHTM đối mặt trực tiếp với rủi ro tín dụng, đặc biệt là rủi ro nợ xấu và tình trạng mất khả năng thanh toán (vỡ nợ) từ phía khách hàng vay vốn. Theo báo cáo tài chính của các doanh nghiệp và tổ chức tài chính năm 2020, trong năm 2019 tỷ lệ nợ xấu của 22 ngân hàng tại Việt Nam đã tăng 41% so với năm 2018 (tương đương mức tăng khoảng 78,5 tỷ đồng). Đáng chú ý, tốc độ tăng nợ xấu ghi nhận mức cao tại một số đơn vị như Ngân hàng Tiên Phong (tăng 43,39%) và Ngân hàng Đại Dương (tăng 80,1%), đặt ra yêu cầu cấp bách về việc nâng cao năng lực nhận diện và kiểm soát rủi ro tín dụng.

Trước đây, công tác đánh giá rủi ro tín dụng tại các ngân hàng phần lớn dựa trên phương pháp định tính hoặc kinh nghiệm chủ quan từ các khoản lỗ trong quá khứ. Dù một số nghiên cứu đã tiếp cận định lượng nhưng chủ yếu dừng lại ở các công cụ hồi quy tuyến tính cổ điển, chưa tận dụng tối đa tiềm năng của dữ liệu lớn (Big Data). Do đó, việc ứng dụng các thuật toán học máy (Machine Learning) hiện đại nhằm phân loại, lượng hóa và dự báo khả năng vỡ nợ của khách hàng cá nhân (KHCN) là vấn đề nghiên cứu có tính cấp thiết cao cả về lý luận và thực tiễn.

Mục tiêu nghiên cứu: Mục tiêu tổng quát của đề tài là phát triển mô hình học máy giúp NHTM đánh giá khả năng vỡ nợ của khách hàng cá nhân, phân khúc khách hàng theo mức độ rủi ro, nhận diện các tín hiệu ảnh hưởng và kiểm tra thực nghiệm trên tập dữ liệu thực tế nhằm đề xuất chiến lược tín dụng phù hợp. Các mục tiêu cụ thể gồm:

  1. Xác định các tín hiệu ảnh hưởng đến khả năng vỡ nợ của khách hàng.
  2. Đánh giá, phân tích mức độ và chiều hướng tác động của các tín hiệu đó đến khả năng vỡ nợ của khách hàng.
  3. Đề xuất một số giải pháp và kiến nghị trong chiến lược cho vay của ngân hàng thương mại đối với từng nhóm khách hàng sau khi đã phân khúc theo khả năng vỡ nợ.

Nhiệm vụ và câu hỏi nghiên cứu:

  • Câu hỏi 1: Những yếu tố nào tác động đến khả năng vỡ nợ của khách hàng tại ngân hàng thương mại?
  • Câu hỏi 2: Biểu hiện và mức độ ảnh hưởng của những yếu tố đó đến khả năng vỡ nợ của khách hàng như thế nào?
  • Câu hỏi 3: Làm thế nào để ước lượng và dự báo khả năng vỡ nợ của khách hàng một cách có hiệu quả?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng thương mại.
  • Phạm vi nghiên cứu: Tập trung vào nhóm khách hàng cá nhân có quan hệ giao dịch và vay vốn tại ngân hàng thương mại.

Cơ sở lý thuyết và phương pháp

Khung pháp lý và cơ sở khái niệm

  • Cơ sở pháp lý: Đề tài viện dẫn Điều 20 Luật Các tổ chức tín dụng năm 2010 về hoạt động cấp tín dụng và Quyết định số 127/2005/QĐ-NHNN của Ngân hàng Nhà nước Việt Nam về quy định phân loại kỳ hạn cho vay (ngắn hạn dưới 1 năm, trung hạn từ 1 đến 5 năm, dài hạn trên 5 năm).
  • Khái niệm vỡ nợ (Default): Căn cứ theo định nghĩa của Ủy ban Giám sát Ngân hàng Basel (Basel Committee on Banking Supervision - 2006), khách hàng bị coi là vỡ nợ khi không có khả năng thực hiện nghĩa vụ thanh toán khi đến hạn hoặc phát sinh khoản nợ quá hạn trên 90 ngày (tương ứng với nợ xấu từ nhóm 3 đến nhóm 5 theo quy chuẩn phân loại nợ tại Việt Nam).
  • Khung đánh giá truyền thống:
    • Phương pháp định tính (Mô hình 5C): Đánh giá 5 khía cạnh gồm Uy tín/Đạo đức (Character), Năng lực (Capacity), Thu nhập/Dòng tiền (Cash), Tài sản bảo đảm (Collateral) và Các điều kiện tín dụng (Conditions).
    • Mô hình định lượng truyền thống: Hệ thống chấm điểm tín dụng cá nhân FICO (Fair Isaac Corp) với thang điểm từ 300 đến 850, phân bổ theo các trọng số: Lịch sử trả nợ (35%), Gánh nặng vay nợ (30%), Độ dài lịch sử tín dụng (15%), Số lần vay nợ mới (10%), Các loại tín dụng được sử dụng (10%); mô hình VantageScore (thang điểm 501–990 từ hạng A đến F); mô hình phân tích biệt số đa biến (Multiple Discriminant Analysis - MDA); và mô hình mạng nơ-ron (Artificial Neural Networks).

Phương pháp nghiên cứu thực nghiệm

Tác giả triển khai nghiên cứu định lượng thông qua sự kết hợp giữa thống kê mô tả và các thuật toán học máy có giám sát (Supervised Machine Learning):

  1. Hồi quy Logistic (Logistic Regression - LR): Mô hình hồi quy phân loại nhị phân dựa trên hàm liên kết logit, ước lượng tham số bằng phương pháp hợp lý cực đại (Maximum Likelihood Estimation), đánh giá thông qua hàm mất mát Log-loss và tỷ số nguy cơ (Odds Ratio).
  2. Máy vector hỗ trợ (Support Vector Machine - SVM): Xây dựng siêu phẳng (hyperplane) phân tách hai miền dữ liệu sao cho khoảng cách lề (margin) là cực đại; áp dụng kỹ thuật lề mềm (Soft-margin) với biến bù (slack variable $\xi_i$) và tham số phạt $C$; sử dụng thủ thuật kernel (Kernel Trick) để giải quyết bài toán phi tuyến (Linear, Polynomial bậc 2 và bậc 3, Radial Basis Function - RBF/Gaussian, Sigmoid).
  3. Rừng ngẫu nhiên (Random Forest - RF): Kỹ thuật học kết hợp (Ensemble Learning) dựa trên thuật toán cây quyết định (Decision Tree), kết hợp lấy mẫu ngẫu nhiên quan sát (Bootstrap Aggregation) và chọn ngẫu nhiên tập thuộc tính phân nhánh; đánh giá tầm quan trọng của biến qua chỉ số giảm độ tinh khiết Gini (MeanDecreaseGini).

Nguồn dữ liệu và tiêu chí đánh giá mô hình

  • Dữ liệu nghiên cứu thu thập từ hồ sơ tín dụng khách hàng cá nhân tại ngân hàng thương mại, bao gồm biến phụ thuộc phản ánh tình trạng vỡ nợ và các biến độc lập thuộc nhóm nhân khẩu học, thu nhập, lịch sử tín dụng và đặc điểm khoản vay.
  • Tiêu chí đánh giá hiệu năng phân loại: Ma trận nhầm lẫn (Confusion Matrix), Độ chính xác tổng thể (Accuracy), Độ nhạy (Sensitivity) và Độ đặc hiệu (Specificity).

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận và tổng quan nghiên cứu

Chương này hệ thống hóa toàn diện các lý thuyết nền tảng về tín dụng của NHTM, tín dụng khách hàng cá nhân và rủi ro vỡ nợ:

  • Khái niệm, đặc điểm và phân loại tín dụng: Tín dụng được phân loại theo thời hạn (ngắn, trung, dài hạn), theo mục đích sử dụng (kinh doanh, tiêu dùng), theo phương thức hoàn trả (trả một lần, trả góp), theo mức độ tín nhiệm (có bảo đảm, không có bảo đảm) và theo thành phần kinh tế.
  • Quy trình cấp tín dụng KHCN: Gồm 6 bước: Tiếp xúc và hướng dẫn lập hồ sơ $\rightarrow$ Thẩm định điều kiện cho vay $\rightarrow$ Giải ngân $\rightarrow$ Kiểm tra, giám sát khoản vay $\rightarrow$ Thu nợ gốc và xử lý phát sinh $\rightarrow$ Lưu trữ hồ sơ tín dụng và hồ sơ bảo đảm.
  • Tổng hợp các nhóm nhân tố ảnh hưởng đến KNVN:
    • Nhân khẩu học: Độ tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, tình trạng sở hữu nhà ở, số người phụ thuộc.
    • Nghề nghiệp và thu nhập: Loại hình nghề nghiệp, kinh nghiệm làm việc, mức thu nhập bình quân và tỷ lệ nợ/thu nhập.
    • Quan hệ tín dụng: Lịch sử nợ quá hạn, số nợ hiện tại, quan hệ tín dụng tại các tổ chức tín dụng khác.
    • Đặc điểm khoản vay: Quy mô khoản vay, thời hạn vay vốn, mục đích vay (đặc biệt là vay đầu tư bất động sản).
  • Tổng quan nghiên cứu: Tổng thuật chi tiết các công trình quốc tế (Dunn & Kim, 1999; Jacobson & Roszbach, 2003; Peter, 2006; Dufhues et al., 2011; Kocenda & Vojtek, 2011; Ojiaki & Ogbukwa, 2012; Abid et al., 2018) và các công trình tại Việt Nam (Kleimeier & Thanh, 2006; Vương Quân Hoàng et al., 2006; Trương Đông Lộc & Nguyễn Thanh Bình, 2011; Ngô Tiến Quý et al., 2019/2020), chỉ ra khoảng trống nghiên cứu về việc so sánh các thuật toán học máy nâng cao.

Chương 2: Phương pháp nghiên cứu của chuyên đề

Chương 2 trình bày chi tiết cơ sở toán học và thuật toán của ba phương pháp học máy được lựa chọn:

  • Hồi quy Logistic: Trình bày dạng hàm $P(Y=1|X) = \frac{e^{\beta_0 + \sum \beta_j X_j}}{1 + e^{\beta_0 + \sum \beta_j X_j}}$, tỷ số chênh Odds Ratio, nguyên lý tối thiểu hóa hàm mất mát (Loss Function) dạng $L = - [Y_i \ln(\hat{Y}_i) + (1-Y_i)\ln(1-\hat{Y}_i)]$, phân tích ưu - nhược điểm khi xử lý dữ liệu nhiều chiều.
  • Support Vector Machine (SVM): Thiết lập bài toán tối ưu hóa siêu phẳng $w^T x + b = 0$ thông qua hàm Lagrange; giải quyết bài toán lề mềm với tham số phạt $C$ và các biến bù $\xi_i$; làm rõ các hàm nhân Kernel biến đổi không gian dữ liệu gồm Kernel tuyến tính ($K(X,Y) = X^T Y$), Kernel đa thức ($K(X,Y) = (r + \gamma X^T Y)^d$), Kernel RBF ($K(X,Y) = \exp(-\gamma ||X-Y||^2)$) và Kernel Sigmoid ($K(X,Y) = \tanh(\gamma X^T Y + r)$).
  • Thuật toán Random Forest: Mô tả kiến trúc cây quyết định (Decision Tree), cơ chế hoạt động của thuật toán rừng ngẫu nhiên qua việc kết hợp nhiều cây độc lập, phương pháp chọn thuộc tính tối ưu tại mỗi nút phân nhánh, cơ chế biểu quyết đa số (majority voting), khả năng chống hiện tượng quá khớp (overfitting) và phương pháp xác định mức độ quan trọng của biến qua chỉ số MeanDecreaseGini.

Chương 3: Ứng dụng Machine Learning để dự báo khả năng vỡ nợ của khách hàng tại ngân hàng thương mại

Chương 3 tập trung vào công tác xử lý dữ liệu và thực nghiệm mô hình:

  • Thống kê mô tả và hệ thống biến số: Phân tích chi tiết phân phối của các biến nghiên cứu thông qua hệ thống biểu đồ và bảng số liệu:
    • Biến phụ thuộc: Tình trạng vỡ nợ của khách hàng (nhị phân).
    • Hệ thống biến độc lập: Tỷ lệ số tiền phải trả (gốc + lãi) tại tất cả các TCTD trên tổng thu nhập sau thuế (DTI/TNST), Độ tuổi, Giới tính, Tình trạng hôn nhân, Tình trạng sở hữu bất động sản, Trình độ học vấn, Số người phụ thuộc, Thời hạn hợp đồng lao động, Kinh nghiệm làm việc, Vị trí công tác, Quan hệ tín dụng với ngân hàng, Hình thức trả lương, Thời hạn khoản vay.
  • Ước lượng và đánh giá từng mô hình:
    • Hồi quy Logistic: Trình bày bảng kết quả ước lượng tham số, ma trận nhầm lẫn và 3 chỉ số đo lường hiệu năng (Accuracy, Sensitivity, Specificity).
    • Support Vector Machine: Ước lượng mô hình với các cấu hình tham số, xuất ma trận nhầm lẫn và bộ thước đo hiệu năng.
    • Random Forest: Trình bày kết quả phân lớp, ma trận nhầm lẫn, bảng chỉ số MeanDecreaseGini xác định thứ bậc quan trọng của các biến độc lập và 3 thước đo Accuracy, Sensitivity, Specificity.
  • So sánh và đối chiếu kết quả: Tổng hợp hiệu năng của ba mô hình (Logistic, SVM, Random Forest) trên cùng một tập kiểm thử để xác định thuật toán tối ưu nhất trong bài toán dự báo rủi ro vỡ nợ.

Chương 4: Kết luận và khuyến nghị

  • Tổng kết các kết luận nghiên cứu: Đúc kết các phát hiện định lượng chính về các yếu tố tác động mạnh nhất đến xác suất vỡ nợ của khách hàng cá nhân.
  • Hệ thống giải pháp và khuyến nghị:
    • Đề xuất quy trình phân khúc khách hàng tự động dựa trên xác suất rủi ro ước lượng từ mô hình học máy.
    • Khuyến nghị NHTM điều chỉnh chính sách cấp hạn mức, yêu cầu tài sản bảo đảm và lãi suất linh hoạt theo mức độ tín nhiệm của từng nhóm khách hàng.
    • Tăng cường kiểm soát các chỉ số nhạy cảm như tỷ lệ trả nợ trên tổng thu nhập sau thuế và lịch sử quan hệ tín dụng tại các TCTD khác.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  1. Thiết lập khung phân tích so sánh mô hình: Nghiên cứu đã xây dựng và kiểm định thành công ba mô hình học máy trên dữ liệu tín dụng KHCN tại Việt Nam.
Mô hình Đặc trưng kỹ thuật chính Công cụ đo lường hiệu năng sử dụng
Hồi quy Logistic (LR) Hàm liên kết Logit, ước lượng MLE, phân tích Odds Ratio Ma trận nhầm lẫn, Accuracy, Sensitivity, Specificity
Support Vector Machine (SVM) Siêu phẳng phân tách tối ưu, Soft-margin, Kernel Trick (RBF, Poly, Linear, Sigmoid) Ma trận nhầm lẫn, Accuracy, Sensitivity, Specificity
Random Forest (RF) Học kết hợp (Ensemble), tập hợp cây quyết định, chống overfitting Ma trận nhầm lẫn, Accuracy, Sensitivity, Specificity, MeanDecreaseGini
  1. Xác định các yếu tố trọng yếu: Thông qua phân tích hồi quy và chỉ số suy giảm độ tinh khiết Gini (MeanDecreaseGini) của thuật toán Random Forest, đề tài chỉ ra các biến có ảnh hưởng mang tính quyết định đến khả năng vỡ nợ, nổi bật là: Tỷ lệ tổng nghĩa vụ nợ trên thu nhập sau thuế, Lịch sử quan hệ tín dụng, Trình độ học vấn, Kinh nghiệm làm việc, Thời hạn hợp đồng lao động và Tình trạng sở hữu bất động sản.

Đóng góp của đề tài

  • Về mặt lý luận: Bổ sung cơ sở khoa học về việc ứng dụng các thuật toán học máy hiện đại (SVM, Random Forest) trong phân tích rủi ro tín dụng cá nhân, khắc phục các hạn chế về giả định phân phối chuẩn và quan hệ tuyến tính của các mô hình kinh tế lượng cổ điển.
  • Về mặt thực tiễn: Cung cấp công cụ phân loại rủi ro khách hàng có độ chính xác cao, hỗ trợ các NHTM tự động hóa khâu thẩm định tín dụng ban đầu, nâng cao năng lực cảnh báo sớm và tối ưu hóa chính sách quản trị rủi ro danh mục cho vay.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế: Nghiên cứu tập trung vào tập dữ liệu giao dịch của khách hàng cá nhân tại ngân hàng thương mại, các thuộc tính chủ yếu là dữ liệu định lượng và thông tin nhân khẩu học/tài chính truyền thống; thời gian tính toán của mô hình SVM có thể gia tăng đáng kể khi mở rộng quy mô tập dữ liệu lên mức cực lớn.
  • Hướng nghiên cứu tiếp: Mở rộng nghiên cứu bằng việc tích hợp các nguồn dữ liệu phi cấu trúc (dữ liệu hành vi người dùng, dữ liệu giao dịch số), thử nghiệm các kiến trúc học sâu (Deep Learning) hoặc các thuật toán tăng cường độ dốc (Gradient Boosting như XGBoost, LightGBM) để tiếp tục nâng cao độ chính xác dự báo.

Giá trị tham khảo

Chuyên đề tốt nghiệp là tài liệu tham khảo giá trị đối với:

  • Sinh viên, học viên ngành Toán Kinh tế, Khoa học dữ liệu, Fintech và Tài chính - Ngân hàng: Cung cấp tài liệu mẫu mực về quy trình triển khai một bài toán phân loại nhị phân thực tế từ xử lý dữ liệu, lập trình mô hình học máy (LR, SVM, RF) đến diễn giải kết quả tài chính.
  • Chuyên viên quản trị rủi ro và phân tích dữ liệu tại các NHTM, TCTD: Cung cấp khung phương pháp luận rõ ràng để xây dựng hệ thống chấm điểm tín dụng nội bộ, tham khảo cách thức tính toán chỉ số MeanDecreaseGini và thiết lập ngưỡng phân lớp khách hàng.

Câu hỏi thường gặp

1. Đề tài xác định tiêu chuẩn vỡ nợ của khách hàng cá nhân dựa trên cơ sở nào?

Tác giả căn cứ theo định nghĩa của Ủy ban Giám sát Ngân hàng Basel (Basel Committee on Banking Supervision, 2006) và quy định phân loại nợ tại Việt Nam. Theo đó, khách hàng bị xác định là vỡ nợ khi không thể hoàn thành nghĩa vụ trả nợ khi đáo hạn hoặc phát sinh nợ quá hạn từ 90 ngày trở lên (tương ứng với các khoản nợ xấu từ nhóm 3 đến nhóm 5).

2. Các mô hình định tính và định lượng truyền thống được đề cập trong công trình gồm những gì?

Chuyên đề tổng thuật mô hình định tính 5C (Character, Capacity, Cash, Collateral, Conditions) và các mô hình định lượng truyền thống gồm: Hệ thống chấm điểm FICO (Fair Isaac Corp), mô hình VantageScore, mô hình phân tích biệt số đa biến (MDA), mô hình mạng nơ-ron và các mô hình hồi quy Logit/Probit.

3. Thuật toán SVM giải quyết bài toán dữ liệu không phân biệt tuyến tính như thế nào?

Để giải quyết bài toán dữ liệu phi tuyến hoặc có nhiễu, thuật toán SVM áp dụng kỹ thuật lề mềm (Soft-margin) kết hợp biến bù $\xi_i$ và tham số phạt $C$, đồng thời sử dụng thủ thuật nhân (Kernel Trick) để chiếu không gian dữ liệu gốc sang không gian đặc trưng nhiều chiều hơn thông qua các hàm kernel (Linear, Polynomial, RBF/Gaussian, Sigmoid).

4. Thuật toán Random Forest đánh giá mức độ quan trọng của các yếu tố tác động đến khả năng vỡ nợ bằng chỉ số nào?

Mô hình Random Forest sử dụng bảng chỉ số MeanDecreaseGini (độ suy giảm độ tinh khiết Gini trung bình) để lượng hóa và xếp hạng mức độ quan trọng của từng biến độc lập trong quá trình phân tách các nhánh cây quyết định.

5. Những nhóm nhân tố chính nào được đưa vào bộ dữ liệu thực nghiệm tại Chương 3?

Hệ thống biến số thực nghiệm bao gồm: Nhóm nhân khẩu học (độ tuổi, giới tính, tình trạng hôn nhân, trình độ học vấn, số người phụ thuộc, sở hữu bất động sản), nhóm nghề nghiệp - thu nhập (thời hạn hợp đồng lao động, kinh nghiệm làm việc, vị trí công tác, hình thức trả lương, tỷ lệ nợ phải trả/tổng thu nhập sau thuế), và nhóm khoản vay - tín dụng (thời hạn khoản vay, quan hệ tín dụng với ngân hàng).


Kết luận

Chuyên đề thực tập tốt nghiệp "Ứng dụng Machine Learning vào việc đánh giá khả năng vỡ nợ của khách hàng cá nhân tại ngân hàng thương mại" của tác giả Nguyễn Thị Trang Nhung là một công trình nghiên cứu định lượng hoàn chỉnh, kết hợp chặt chẽ giữa lý thuyết kinh tế tài chính và kỹ thuật khoa học dữ liệu. Thông qua việc so sánh thực nghiệm ba thuật toán Hồi quy Logistic, Support Vector Machine và Random Forest, công trình đã xác lập một giải pháp phân loại rủi ro tín dụng khách quan, khoa học. Kết quả nghiên cứu cung cấp cơ sở thực tiễn quan trọng giúp các ngân hàng thương mại nâng cao hiệu quả thẩm định, tối ưu hóa danh mục cho vay và kiểm soát nợ xấu trong bối cảnh thị trường tài chính hiện đại.