Bối cảnh và vấn đề nghiên cứu

Trong hệ thống tài chính, tín dụng là hoạt động kinh doanh cốt lõi và chiếm tỷ trọng lớn nhất trong tổng tài sản của các ngân hàng thương mại (thường dao động từ 50% đến 70%). Hoạt động cấp tín dụng luôn tiềm ẩn rủi ro tín dụng (RRTD) phát sinh khi khách hàng vay vốn không thực hiện hoặc không có khả năng thực hiện nghĩa vụ trả nợ đúng hạn theo hợp đồng. Tổn thất tín dụng không chỉ làm suy giảm lợi nhuận mà còn có thể đe dọa sự an toàn thanh khoản và dẫn tới nguy cơ mất vốn của tổ chức tín dụng.

Để kiểm soát rủi ro đối với danh mục khách hàng cá nhân (KHCN), các ngân hàng thương mại cần thiết lập hệ thống xếp hạng tín dụng (XHTD) nhằm dự báo xác suất vỡ nợ hoặc quá hạn của khách hàng ngay từ khâu tiếp nhận hồ sơ. Tại Ngân hàng TMCP Kỹ thương Việt Nam (Techcombank), trong giai đoạn 2014–2019, quy mô hợp đồng vay cá nhân gia tăng liên tục trên nhiều phân khúc sản phẩm, đặt ra yêu cầu xây dựng một mô hình chấm điểm tín dụng mới dựa trên phương pháp định lượng khách quan.

Đề tài chuyên đề thực tập tập trung giải quyết các nhiệm vụ và mục tiêu nghiên cứu cụ thể sau:

  1. Hệ thống hóa cơ sở lý luận về quản trị rủi ro tín dụng, xếp hạng tín dụng khách hàng cá nhân và tổng quan các nghiên cứu ứng dụng mô hình định lượng trong ngành ngân hàng.
  2. Trình bày quy trình kỹ thuật xây dựng mô hình chấm điểm tín dụng bằng hồi quy Logistic, bao gồm các phương pháp xử lý biến khuyết thiếu, kỹ thuật biến đổi dữ liệu Weight of Evidence (WOE), chọn biến qua chỉ số Information Value (IV) và các thước đo kiểm định hiệu năng mô hình (Gini, PSI).
  3. Đánh giá thực trạng hoạt động cho vay khách hàng cá nhân tại Techcombank giai đoạn 2014–2019.
  4. Triển khai xây dựng mô hình hồi quy Logistic trên bộ dữ liệu thực tế gồm 89.592 quan sát của Techcombank, từ đó thiết lập bảng xếp hạng tín dụng phân vị phục vụ công tác ra quyết định cấp tín dụng.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống mô hình xếp hạng tín dụng nội bộ đối với khách hàng cá nhân vay vốn tại ngân hàng thương mại.
  • Phạm vi không gian: Ngân hàng TMCP Kỹ thương Việt Nam (Techcombank).
  • Phạm vi dữ liệu và thời gian: Mẫu dữ liệu gồm 89.592 quan sát khách hàng cá nhân phát sinh trong giai đoạn từ năm 2014 đến năm 2019, với biến mục tiêu theo dõi tình trạng quá hạn trong chu kỳ 18 tháng kể từ thời điểm quan sát.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình tiếp cận

Nghiên cứu vận dụng lý thuyết quản trị rủi ro tín dụng hiện đại theo định hướng Basel, tập trung vào mô hình chấm điểm hồ sơ xin vay (Application Score - A-score). Trong các phương pháp định lượng rủi ro tín dụng, mô hình hồi quy Logistic nhị phân (Binary Logistic Regression) được lựa chọn nhờ khả năng mô hình hóa mối quan hệ phi tuyến giữa các thuộc tính của khách hàng và xác suất xảy ra biến cố vỡ nợ ($P(Y=1)$), đồng thời có thể chuyển đổi về dạng tuyến tính theo logarit của tỷ số chênh (Log-odds):

$$\ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k$$

Trong đó:

  • $p$: Xác suất khách hàng không trả được nợ ($P(\text{Bad})$).
  • $1-p$: Xác suất khách hàng hoàn thành nghĩa vụ nợ ($P(\text{Good})$).
  • $\frac{p}{1-p}$: Tỷ số chênh lệch rủi ro (odds).
  • $\beta_i$: Các hệ số hồi quy được ước lượng bằng phương pháp hợp lý cực đại (Maximum Likelihood Estimation - MLE).

Phương pháp xử lý dữ liệu và chọn biến

Nghiên cứu ứng dụng kỹ thuật biến đổi trọng số bằng chứng (Weight of Evidence - WOE) và chỉ số giá trị thông tin (Information Value - IV) cho toàn bộ các biến độc lập:

  1. Kỹ thuật biến đổi WOE: $$\text{WOE}_i = \ln\left(\frac{\text{Distr Good}_i}{\text{Distr Bad}_i}\right)$$ Biến đổi này giúp tuyến tính hóa mối quan hệ phi tuyến, giải quyết triệt để các giá trị ngoại lai (outliers), chuẩn hóa thang đo đơn vị giữa các nhóm biến và cho phép mã hóa trực tiếp các giá trị khuyết thiếu (missing values) thành một nhóm phân tích riêng biệt mà không làm mất quan sát.

  2. Chỉ số Information Value (IV): $$\text{IV} = \sum_{i=1}^{k} \left(\text{Distr Good}_i - \text{Distr Bad}_i\right) \times \text{WOE}_i$$ Chỉ số IV được sử dụng để sàng lọc sơ bộ sức mạnh phân tách của các biến độc lập theo các ngưỡng chuẩn:

    • $\text{IV} < 0{,}02$: Không có sức mạnh phân biệt (loại bỏ).
    • $0{,}02 \le \text{IV} < 0{,}10$: Ảnh hưởng yếu.
    • $0{,}10 \le \text{IV} < 0{,}30$: Ảnh hưởng trung bình.
    • $0{,}30 \le \text{IV} < 0{,}50$: Ảnh hưởng mạnh.
    • $\text{IV} \ge 0{,}50$: Ảnh hưởng rất mạnh (cần kiểm tra tính thực tế).

  3. Quy trình lựa chọn biến đa biến: Kết hợp thuật toán hồi quy từng bước (Stepwise Regression - tích hợp Forward Selection và Backward Elimination), kiểm tra ma trận tương quan đa cộng tuyến (loại bỏ biến có tương quan cặp $> 0{,}5$ với biến có hệ số Gini thấp hơn), kiểm định mức ý nghĩa thống kê ($P\text{-value} < 0{,}05$) và kiểm soát tính đơn điệu phù hợp với lý thuyết kinh tế tài chính.

Thước đo đánh giá mô hình

  • Hệ số Gini: Đo lường khả năng phân biệt giữa nhóm khách hàng tốt và xấu dựa trên diện tích dưới đường cong ROC (AUC): $$\text{Gini} = 2 \times \text{AUC} - 1$$
  • Chỉ số ổn định quần thể (Population Stability Index - PSI): Đánh giá mức độ suy giảm phân phối xác suất dự báo giữa tập phát triển (Train) và tập kiểm định (Validation/Test): $$\text{PSI} = \sum_{i=1}^{B} \left(%D_i - %V_i\right) \times \ln\left(\frac{%D_i}{%V_i}\right)$$ Quy chuẩn đánh giá: $\text{PSI} < 0{,}10$ (mức độ ổn định cao, hiển thị xanh); $0{,}10 \le \text{PSI} \le 0{,}25$ (thay đổi nhẹ, hiển thị vàng); $\text{PSI} > 0{,}25$ (biến động mạnh, hiển thị đỏ).

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về xếp hạng tín dụng tại ngân hàng và tổng quan nghiên cứu

Chương 1 hệ thống hóa khung lý luận về vai trò của hoạt động xếp hạng tín dụng trong ngân hàng thương mại. Tác giả phân tích 4 nhóm đối tượng XHTD chính: khách hàng cá nhân, khách hàng doanh nghiệp, quốc gia và các công cụ tài chính. Đối với phân khúc khách hàng cá nhân, XHTD giúp ngân hàng phê duyệt tín dụng tự động, xác định hạn mức và lãi suất phù hợp với khẩu vị rủi ro, phân loại giám sát và trích lập dự phòng tổn thất tín dụng.

Chương này cũng tổng hợp các nhóm thông tin ảnh hưởng đến rủi ro tín dụng cá nhân, bao gồm: thông tin nhân khẩu học, thông tin tài chính cá nhân, hành vi sử dụng tín dụng và dữ liệu giao dịch phi truyền thống (viễn thông, ví điện tử). Tác giả so sánh hai trường phái xếp hạng tín dụng:

  • Phương pháp chuyên gia: Dựa trên kinh nghiệm chủ quan của cán bộ tín dụng, dễ dẫn đến sai lệch và khó mở rộng quy mô.
  • Phương pháp thống kê định lượng: Sử dụng các mô hình toán học (Logistic Regression, Decision Trees, Mạng nơ-ron nhân tạo ANN, XGBoost) trên tập dữ liệu lớn nhằm đảm bảo tính khách quan và có thể kiểm định giả thuyết khoa học.

Phần tổng quan nghiên cứu phân tích các công trình tiêu biểu:

  • Vương Quân Hoàng và cộng sự (2006): Ứng dụng hồi quy Logistic với 16 biến ban đầu, rút gọn còn 14 biến có ý nghĩa tại Việt Nam; phát hiện thu nhập, chênh lệch thu chi và tài sản có tác động cùng chiều đến khả năng trả nợ, trong khi độ tuổi, học vấn, số người phụ thuộc và dư nợ có tác động ngược chiều.
  • Maria Aparecida Gouvéa và Eric Bacconi Gonçalves (2007): So sánh Logistic Regression, Neural Network và Genetic Algorithm tại một ngân hàng Brazil; kết quả cho thấy hồi quy Logistic đạt hiệu năng tối ưu nhất với các biến số lượng khoản nợ và tổng dư nợ có ảnh hưởng rõ nét.
  • Eliana Costa e Silva và cộng sự (2010): Nghiên cứu tại Bồ Đào Nha trên 13 biến độc lập (giai đoạn 2008–2009), chọn lọc được 6 biến tối ưu giải thích rủi ro quá hạn.

Chương 2: Quy trình nghiên cứu trong xếp hạng tín dụng tại ngân hàng

Chương 2 mô tả chi tiết quy chuẩn kỹ thuật xây dựng mô hình chấm điểm tín dụng bán lẻ. Tác giả lý giải việc ưu tiên sử dụng hồi quy Logistic thay vì các mô hình học máy phức tạp là do yêu cầu quản trị ngân hàng cần tính minh bạch, dễ giải trình lý do từ chối hồ sơ vay và dễ chuẩn hóa thành hệ thống điểm số tín dụng.

Chương này trình bày chi tiết 4 cách thức xử lý dữ liệu khuyết thiếu:

  1. Loại bỏ quan sát (chỉ áp dụng khi tỷ lệ khuyết thiếu $< 5%$).
  2. Loại bỏ biến (khi tỷ lệ khuyết thiếu $> 50%$).
  3. Gộp các giá trị khuyết thiếu thành một nhóm phân tích riêng biệt và chuyển đổi thành giá trị WOE tương ứng.
  4. Thay thế bằng giá trị trung bình/trung vị.

Bên cạnh đó, tác giả chuẩn hóa quy trình phân tích qua các bước:

  • Tính toán WOE và IV cho từng biến đơn lẻ.
  • Sử dụng thuật toán hồi quy Stepwise kết hợp Forward Selection và Backward Elimination.
  • Xử lý đa cộng tuyến qua ma trận tương quan.
  • Đánh giá khả năng phân tách bằng hệ số Gini và độ ổn định mô hình bằng chỉ số PSI qua 3 tập dữ liệu độc lập.
Chỉ số / Phương pháp Mục đích kỹ thuật Tiêu chuẩn đánh giá / Công thức
Biến đổi WOE Chuẩn hóa biến, đơn điệu hóa quan hệ, xử lý missing value $\text{WOE}_i = \ln(\text{Distr Good}_i / \text{Distr Bad}_i)$
Chỉ số IV Đánh giá sức mạnh dự báo của từng biến đơn lẻ $\text{IV} < 0{,}02$ (loại); $0{,}1 - 0{,}3$ (vừa); $0{,}3 - 0{,}5$ (mạnh)
Stepwise Logit Tối ưu hóa tổ hợp biến dự báo đa biến Tích hợp Forward Selection và Backward Elimination
Hệ số Gini Đo lường mức độ phân biệt Good / Bad $\text{Gini} = 2\text{AUC} - 1$ (Chuẩn A-score: $> 40%$)
Chỉ số PSI Đánh giá độ ổn định phân phối giữa các tập dữ liệu $\text{PSI} < 0{,}10$ (xanh/ổn định); $\text{PSI} > 0{,}25$ (đỏ/biến động)

Chương 3: Kết quả thực nghiệm

Chương 3 trình bày toàn bộ kết quả thực nghiệm trên bộ dữ liệu thực tế tại Techcombank. Trong giai đoạn 2014–2019, danh mục bán lẻ của Techcombank tập trung vào 4 sản phẩm chính: cho vay mua nhà dự án, cho vay mua nhà bình thường, cho vay mua ô tô và thẻ tín dụng. Do tỷ lệ nợ quá hạn ổn định nhưng số lượng hợp đồng tăng nhanh, ngân hàng triển khai xây dựng hệ thống mô hình mới nhằm dự báo biến cố quá hạn trong 18 tháng tiếp theo.

Quy trình thực nghiệm được triển khai qua 4 giai đoạn cụ thể trên mẫu 89.592 khách hàng:

  1. Khảo sát dữ liệu: Mẫu ban đầu gồm 89.592 quan sát với 159 biến độc lập thuộc các nhóm: sản phẩm tín dụng, giao dịch phi tín dụng, số dư tài khoản phi tín dụng, kênh giao dịch, tỷ lệ số dư và giao dịch rút tiền.
  2. Phân chia dữ liệu: Dữ liệu được chia thành tập Intime và Outtime tách biệt về mặt thời gian. Tập Intime tiếp tục được chia ngẫu nhiên thành tập Train (70% quan sát) để huấn luyện mô hình và tập Validation (30% quan sát) để tinh chỉnh. Tập Outtime đóng vai trò là tập Test để kiểm định khả năng tổng quát hóa.
  3. Phân tích đơn biến: Tính toán WOE và IV cho 159 biến độc lập. Loại bỏ các biến có $\text{IV} < 0{,}02$, giữ lại 99 biến đạt tiêu chuẩn sức mạnh dự báo và phù hợp với chiều hướng kinh tế.
  4. Phân tích đa biến: Đưa các biến vào hồi quy Stepwise, rút gọn được 21 biến có hiệu năng tốt nhất. Tiến hành gom nhóm thủ công (manual binning) nhằm đảm bảo tính đơn điệu của từng biến, kiểm tra ma trận tương quan (loại biến tương quan $> 0{,}5$) và kiểm định $P\text{-value} < 0{,}05$.

Mô hình cuối cùng giữ lại 7 biến độc lập đạt đầy đủ ý nghĩa thống kê và kinh tế lượng:

Tên biến độc lập Nhóm biến Chỉ số IV Hệ số hồi quy ($\beta$) Ý nghĩa tác động kinh tế
non_lending_bal_25 Số dư tài khoản phi tín dụng 0,96 -0,7135722 Số dư tài khoản tăng giúp giảm tỷ số chênh lệch rủi ro nợ xấu
non_lending_bal_19 Số dư tài khoản phi tín dụng 0,43 -0,5020089 Tăng tích lũy tài chính làm giảm khả năng mất khả năng thanh toán
non_lending_bal_30 Số dư tài khoản phi tín dụng 0,61 -0,5260442 Số dư duy trì ổn định phản ánh năng lực tài chính tốt của khách hàng
trans_channel_withdraw_9 Giao dịch rút tiền 0,12 -1,2073298 Tần suất rút tiền lớn phản ánh dòng tiền không ổn định
trans_channel_33 Kênh giao dịch chuyển tiền 0,25 (Được chọn vào mô hình) Giao dịch luân chuyển tiền đều đặn phản ánh tài chính lành mạnh
pcb_product_11 Sử dụng thẻ tín dụng (Đạt chuẩn) (Được chọn vào mô hình) Hành vi sử dụng thẻ tín dụng trong hạn mức thông thường
pcb_product_12 Sử dụng thẻ tín dụng 0,13 -0,3831208 Lạm dụng hạn mức thẻ tín dụng quá mức làm tăng rủi ro quá hạn

Phương trình hồi quy Log-odds của mô hình:

$$\ln\left(\frac{p}{1-p}\right) = - 0{,}7136 \times \text{non_lending_bal_25} - 0{,}5020 \times \text{non_lending_bal_19} - 0{,}5260 \times \text{non_lending_bal_30} - 1{,}2073 \times \text{trans_channel_withdraw_9} - 0{,}3831 \times \text{pcb_product_12} - \dots$$

Kết quả kiểm định hiệu năng và tính ổn định:

  • Độ phân biệt (Gini/AUC):
    • Tập Train: $\text{AUC} = 80{,}71%$, $\text{Gini} = 61{,}42%$.
    • Tập Validation: $\text{AUC} = 79{,}20%$, $\text{Gini} = 58{,}40%$.
    • Tập Test: $\text{AUC} = 73{,}0%$, $\text{Gini} = 46{,}52%$. Theo tiêu chuẩn của Naeem Siddiqi, đối với mô hình chấm điểm hồ sơ xin vay (A-score), hệ số Gini $> 40%$ được coi là đạt chất lượng tốt. Kết quả thực nghiệm trên cả 3 tập đều vượt ngưỡng yêu cầu.
  • Độ ổn định (PSI): Chỉ số PSI giữa tập Train và Validation đạt $0{,}1%$ ($< 0{,}10$), chỉ số PSI giữa Train và Test duy trì ở mức thấp thuộc vùng an toàn (Green), khẳng định mô hình có tính ổn định cao qua thời gian.
  • Bảng xếp hạng tín dụng: Xác suất dự báo được chia thành 10 phân vị xếp hạng tương ứng với tỷ lệ nợ xấu tăng dần đều, cung cấp căn cứ để ban lãnh đạo xác định điểm cắt (cutoff score) phê duyệt tín dụng theo khẩu vị rủi ro từng thời kỳ.

Chương 4: Kết luận và khuyến nghị

Chương 4 đúc kết các phát hiện thực nghiệm và đưa ra kết luận:

  1. Mô hình xây dựng gồm 7 biến độc lập có hệ số hồi quy đều mang dấu âm khi ước lượng trên dữ liệu biến đổi WOE, hoàn toàn nhất quán với lý thuyết kinh tế tài chính: khi giá trị biến độc lập tăng làm tăng trọng số WOE, xác suất rủi ro không trả được nợ sẽ giảm xuống.
  2. Dữ liệu thực tế cho thấy các biến phi tín dụng (số dư tài khoản thanh toán, số dư tiền gửi tiết kiệm, tần suất giao dịch) đóng vai trò dự báo chủ đạo và không có giá trị khuyết thiếu. Ngược lại, các biến lịch sử tín dụng có tỷ lệ khuyết thiếu cao do mô hình áp dụng cho nhóm khách hàng lần đầu vay vốn tại Techcombank, chưa phát sinh lịch sử tín dụng trước đó.

Kết quả và đóng góp

Kết quả định lượng chính của công trình

Công trình đã xây dựng thành công mô hình chấm điểm tín dụng bán lẻ trên tập dữ liệu 89.592 quan sát thực tế tại Techcombank với các thông số định lượng cụ thể:

  • Rút gọn không gian biến từ 159 biến ban đầu xuống 7 biến có sức mạnh dự báo cao nhất thông qua quy trình chọn biến chặt chẽ (IV, Stepwise, ma trận tương quan, P-value).
  • Khả năng phân loại rủi ro đạt mức cao: $\text{Gini}{\text{Train}} = 61{,}42%$, $\text{Gini}{\text{Validation}} = 58{,}40%$, $\text{Gini}_{\text{Test}} = 46{,}52%$ (vượt chuẩn $40%$ của Naeem Siddiqi đối với A-score).
  • Mức độ ổn định dữ liệu xuất sắc: $\text{PSI}_{\text{Train-Validation}} = 0{,}1%$, nằm hoàn toàn trong ngưỡng an toàn cao nhất ($\text{PSI} < 0{,}10$).
  • Thiết lập bảng phân hạng tín dụng 10 phân vị với tỷ lệ nợ xấu đơn điệu, hỗ trợ phân tầng khách hàng thành các nhóm rủi ro: ưu đãi, bình thường, cảnh báo và từ chối cấp tín dụng.

Đóng góp thực tiễn của đề tài

  • Giải quyết bài toán thiếu lịch sử tín dụng (Thin-file): Chứng minh tính hiệu quả của việc khai thác dữ liệu giao dịch phi tín dụng và số dư tài khoản thanh toán để chấm điểm rủi ro cho nhóm khách hàng mới nộp hồ sơ vay vốn.
  • Quy chuẩn hóa quy trình phát triển mô hình Scorecard: Áp dụng đầy đủ khung phương pháp luận chuẩn mực của ngành tài chính quốc tế (biến đổi WOE, chọn biến bằng IV/Stepwise, kiểm định tính ổn định bằng PSI) vào thực tế hoạt động của một ngân hàng thương mại cổ phần quy mô lớn tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và nội dung được tác giả trình bày trong văn bản, công trình tồn tại một số điểm hạn chế:

  1. Hạn chế về cấu trúc dữ liệu: Mẫu dữ liệu trích xuất từ ngân hàng không bao gồm nhóm biến nhân khẩu học (độ tuổi, trình độ học vấn, tình trạng hôn nhân, số người phụ thuộc) do chính sách bảo mật dữ liệu mẫu, dẫn đến mô hình thiếu vắng các biến giải thích truyền thống này.
  2. Đặc thù biến tín dụng: Các biến liên quan đến lịch sử tín dụng có tỷ lệ khuyết thiếu lớn do đặc thù nhóm khách hàng vay lần đầu, khiến mô hình phải phụ thuộc chủ yếu vào các biến số dư và giao dịch phi tín dụng.
  3. Phạm vi triển khai: Nghiên cứu mới dừng lại ở bước xây dựng mô hình và kiểm định ngoại mẫu (bước 3 trong quy trình 5 bước); chưa thực hiện bước triển khai tích hợp vào hệ thống phần mềm nghiệp vụ (bước 4) và kiểm soát chất lượng vận hành dài hạn trong thực tế (bước 5).

Hướng nghiên cứu mở rộng:

  • Bổ sung nhóm biến nhân khẩu học và kết nối dữ liệu viễn thông, dữ liệu thương mại điện tử, ví điện tử để tăng cường sức mạnh phân tách của mô hình.
  • Theo dõi biến động của hệ số PSI và Gini theo các chu kỳ kinh tế khác nhau sau khi tích hợp mô hình vào quy trình phê duyệt tự động.

Giá trị tham khảo

Tài liệu là tài liệu tham khảo chuyên ngành cho:

  • Sinh viên và học viên cao học: Thuộc các chuyên ngành Toán Kinh tế, Toán Tài chính, Kinh tế lượng, Khoa học Dữ liệu tài chính, Tài chính - Ngân hàng đang thực hiện khóa luận tốt nghiệp hoặc đề tài nghiên cứu về mô hình chấm điểm tín dụng (Credit Scoring) và quản trị rủi ro định lượng.
  • Chuyên viên phân tích rủi ro tín dụng (Credit Risk Modeler): Cần tài liệu tham khảo chi tiết về quy trình kỹ thuật làm sạch dữ liệu, chia tập Train/Validation/Test, biến đổi dữ liệu bằng WOE, lựa chọn biến qua chỉ số IV và kiểm định độ ổn định PSI theo chuẩn ngân hàng thương mại.
  • Nội dung giá trị nhất: Toàn bộ Chương 2 (Phương pháp luận toán học và kỹ thuật WOE/IV) cùng quy trình sàng lọc 4 giai đoạn từ 159 biến xuống 7 biến trong Chương 3.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại ưu tiên mô hình hồi quy Logistic thay vì các mô hình Machine Learning phức tạp hơn?

Theo phân tích của tác giả trong Chương 2, bài toán xếp hạng tín dụng tại ngân hàng thương mại yêu cầu tính minh bạch rất cao nhằm giải trình lý do chấp nhận hoặc từ chối từng khoản vay cụ thể của khách hàng. Mô hình Logistic cho phép chuyển đổi hàm phi tuyến về dạng tuyến tính (Log-odds), giúp lượng hóa trực tiếp và giải thích rõ ràng mức độ tác động của từng thuộc tính lên xác suất vỡ nợ. Các mô hình Machine Learning phức tạp (hộp đen) dù có thể cho độ chính xác cao nhưng khó giải thích cơ chế tham số phù hợp với lý thuyết kinh tế tài chính và quy định quản trị rủi ro.

2. Quy trình sàng lọc biến từ 159 biến ban đầu xuống 7 biến cuối cùng được thực hiện như thế nào?

Quy trình lựa chọn biến gồm 4 bước liên tiếp:

  1. Lọc đơn biến: Tính toán WOE và loại bỏ các biến có $\text{IV} < 0{,}02$, rút gọn từ 159 biến xuống còn 99 biến.
  2. Hồi quy từng bước (Stepwise): Kết hợp Forward Selection và Backward Elimination trên tập Train, chọn ra tổ hợp 21 biến tối ưu.
  3. Gom nhóm thủ công (Manual Binning): Đảm bảo xu thế biến đổi của từng biến đơn điệu và phù hợp với lý thuyết kinh tế.
  4. Kiểm tra đa biến: Đưa vào hồi quy Logistic, loại bỏ các biến có $P\text{-value} \ge 0{,}05$ và xử lý các cặp biến có tương quan $> 0{,}5$ (loại biến có Gini thấp hơn), thu được mô hình cuối cùng gồm 7 biến.

3. Kỹ thuật Weight of Evidence (WOE) mang lại những ưu điểm kỹ thuật gì?

Kỹ thuật WOE mang lại 4 lợi ích chính trong xây dựng Scorecard:

  • Triệt tiêu ảnh hưởng của các giá trị ngoại lai (outliers) do các giá trị này được gom vào nhóm lân cận và gán bằng trọng số WOE của nhóm.
  • Xử lý các giá trị khuyết thiếu (missing values) bằng cách mã hóa chúng thành một nhóm giá trị riêng biệt mà không cần loại bỏ quan sát.
  • Đảm bảo mối quan hệ đơn điệu (đồng biến hoặc nghịch biến) giữa biến giải thích và biến phụ thuộc, giúp các hệ số hồi quy phản ánh đúng bản chất kinh tế.
  • Khắc phục sự chênh lệch về đơn vị đo lường giữa các biến trong mô hình mà không cần dùng biến giả (dummy variables).

4. Hiệu năng phân tách và độ ổn định của mô hình đạt kết quả ra sao trên các tập dữ liệu?

  • Khả năng phân biệt (Gini): Đạt $61{,}42%$ trên tập Train, $58{,}40%$ trên tập Validation và $46{,}52%$ trên tập Test. Các mức này đều vượt ngưỡng chuẩn $40%$ theo tiêu chuẩn của Naeem Siddiqi đối với mô hình A-score.
  • Độ ổn định phân phối (PSI): Chỉ số PSI giữa tập Train và Validation đạt $0{,}1%$ ($< 0{,}10$), nằm trong vùng an toàn (Green), khẳng định mô hình duy trì tính ổn định phân phối cao và không bị hiện tượng quá khớp (overfitting).

5. Vì sao các biến liên quan đến lịch sử tín dụng lại có tỷ lệ khuyết thiếu cao và chiếm tỷ trọng ít trong mô hình cuối cùng?

Do bài toán thực tế đặt ra tại Techcombank là xây dựng mô hình chấm điểm hồ sơ xin vay (A-score) cho nhóm khách hàng cá nhân nộp hồ sơ lần đầu tại ngân hàng. Nhóm đối tượng này phần lớn chưa từng có lịch sử quan hệ tín dụng hoặc chưa mở/chưa sử dụng thẻ tín dụng tại Techcombank, dẫn đến dữ liệu tín dụng truyền thống bị khuyết thiếu nhiều. Do đó, các nhóm biến giao dịch phi tín dụng (số dư tài khoản thanh toán, số dư tiền gửi, hành vi luân chuyển tiền) trở thành nguồn dữ liệu thay thế đóng vai trò chủ đạo để dự báo năng lực tài chính và hành vi trả nợ.

Kết luận

Chuyên đề tốt nghiệp của tác giả Nguyễn Khánh Ly đã xây dựng thành công mô hình xếp hạng tín dụng cho khách hàng cá nhân tại Techcombank bằng phương pháp hồi quy Logistic nhị phân kết hợp kỹ thuật biến đổi WOE và sàng lọc IV. Trên mẫu dữ liệu thực nghiệm gồm 89.592 quan sát (2014–2019), mô hình 7 biến tối ưu đã chứng minh được hiệu năng phân tách vượt trội ($\text{Gini}{\text{Train}} = 61{,}42%$, $\text{Gini}{\text{Test}} = 46{,}52%$) và độ ổn định vững chắc qua thời gian ($\text{PSI} = 0{,}1%$). Kết quả nghiên cứu cung cấp cơ sở khoa học và công cụ định lượng thực tiễn giúp ngân hàng thương mại tối ưu hóa quy trình phê duyệt tín dụng tự động và kiểm soát rủi ro nợ xấu hiệu quả.