Ước Lượng Xác Suất Vỡ Nợ Của Khách Hàng Doanh Nghiệp Bằng Phương Pháp Học Máy

Tài liệu nghiên cứu Ước lượng xác suất vỡ nợ của khách hàng doanh nghiệp bằng phương pháp học máy, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Trần Kim Ngân
• Người hướng dẫn: TS. Nguyễn Minh Nhật
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Ước Lượng Xác Suất Vỡ Nợ Doanh Nghiệp Bằng Phương Pháp Học Máy
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• ABSTRACT
• TÓM TẮT
• LỜI CAM ĐOAN
• LỜI CÁM ƠN
• MỤC LỤC
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu của đề tài
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.7. Bố cục của đề tài nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ KHẢO LƯỢC CÁC NGHIÊN CỨU
• 2.1. Xác suất vỡ nợ
• 2.2. Các chỉ số tài chính
• 2.3. Các mô hình ước lượng xác suất vỡ nợ của doanh nghiệp
• 2.4. Khảo lược các nghiên cứu
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Phương pháp xây dựng các mô hình
• 3.2. Thu thập và xử lý dữ liệu
• 3.3. Lựa chọn các biến đầu vào trong mô hình dự báo xác suất vỡ nợ
• 3.4. Các mô hình dự báo xác suất vỡ nợ được nghiên cứu
• 3.4.1. Mô hình Logistic
• 3.4.2. Mô hình cây quyết định
• 3.4.3. Mô hình random forest
• 3.5. Phương pháp lựa chọn mô hình dự báo xác suất vỡ nợ
• 3.6. Ma trận Confussion
• 3.7. Kết luận chương 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Kết quả thống kê mô tả
• 4.2. Hệ số tương quan
• 4.3. Kết quả hồi quy của mô hình tham số
• 4.4. Kết quả hồi quy của mô hình logistic
• 4.5. Ma trận Confusion của mô hình hồi quy logistic
• 4.6. Kết quả hồi quy của các mô hình phi tham số
• 4.6.1. Mô hình cây quyết định (Decision tree)
• 4.6.2. Mô hình Random forest
• 4.7. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Ứng dụng mô hình ước lượng xác suất vỡ nợ của khách hàng doanh nghiệp tại các Ngân hàng thương mại Việt Nam
• 5.2. Các công cụ hỗ trợ xác định các nhóm khách hàng doanh nghiệp tiềm năng
• 5.3. Kết quả mô hình làm cơ sở định hướng chính sách tín dụng
• 5.4. Vận dụng kết quả mô hình nhằm nâng cao hiệu quả quản trị rủi ro tín dụng tại các Ngân hàng thương mại
• 5.5. Áp dụng mô hình ước lượng xác suất vỡ nợ cho các Tổ chức xếp hạng tín dụng tại Việt Nam
• 5.6. Hạn chế của đề tài và hướng nghiên cứu tiếp theo
• 5.6.1. Hạn chế của đề tài
• 5.6.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Ước Lượng Xác Suất Vỡ Nợ Doanh Nghiệp Hiện Nay

Việc ước lượng xác suất vỡ nợ (PD) của doanh nghiệp là một yếu tố quan trọng trong quản lý rủi ro tín dụng, đặc biệt đối với các ngân hàng thương mại. Nền kinh tế Việt Nam ngày càng hội nhập sâu rộng vào kinh tế toàn cầu, tạo ra nhiều cơ hội nhưng cũng tiềm ẩn không ít rủi ro. Tỷ lệ phá sản của doanh nghiệp có xu hướng gia tăng, đặc biệt sau đại dịch Covid-19, đặt ra yêu cầu cấp thiết về việc nâng cao hiệu quả dự báo và phòng ngừa rủi ro. Các mô hình dự báo vỡ nợ đóng vai trò then chốt trong việc đánh giá khả năng trả nợ của khách hàng doanh nghiệp, từ đó giúp các ngân hàng đưa ra quyết định cho vay chính xác và giảm thiểu tổn thất. Bài viết này sẽ đi sâu vào các phương pháp học máy trong tài chính được sử dụng để ước lượng xác suất vỡ nợ, đồng thời đánh giá hiệu quả và ứng dụng của chúng trong thực tiễn.

1.1. Tầm Quan Trọng của Dự Báo Phá Sản Doanh Nghiệp

Dự báo phá sản doanh nghiệp không chỉ quan trọng đối với các ngân hàng mà còn đối với các nhà đầu tư, nhà cung cấp và các bên liên quan khác. Một hệ thống dự báo hiệu quả giúp các bên chủ động phòng ngừa rủi ro, đưa ra các quyết định kinh doanh sáng suốt và bảo vệ lợi ích của mình. Theo nghiên cứu của Ngân hàng Thế giới năm 2020, khoảng 50% doanh nghiệp nhỏ và hơn 40% doanh nghiệp vừa phải đóng cửa tạm thời hoặc vĩnh viễn do ảnh hưởng của dịch Covid-19. Điều này cho thấy sự cần thiết của việc có một hệ thống cảnh báo sớm về nguy cơ phá sản để giảm thiểu tác động tiêu cực đến nền kinh tế.

1.2. Ứng Dụng Học Máy trong Ước Lượng Rủi Ro Tín Dụng

Học máy đang ngày càng được ứng dụng rộng rãi trong lĩnh vực tài chính, đặc biệt là trong việc dự đoán phá sản doanh nghiệp và phân tích rủi ro tín dụng doanh nghiệp. Các thuật toán học máy có khả năng xử lý lượng lớn dữ liệu, xác định các mối quan hệ phức tạp và đưa ra dự báo chính xác hơn so với các phương pháp truyền thống. Điều này giúp các ngân hàng và tổ chức tài chính đưa ra quyết định nhanh chóng và hiệu quả hơn trong môi trường kinh doanh đầy biến động.

II. Thách Thức Trong Dự Đoán Vỡ Nợ Doanh Nghiệp Hiện Nay

Mặc dù có nhiều tiến bộ trong việc sử dụng mô hình học máy trong tài chính, việc dự đoán phá sản doanh nghiệp vẫn đối mặt với nhiều thách thức. Một trong những thách thức lớn nhất là sự phức tạp và đa dạng của các yếu tố ảnh hưởng đến khả năng trả nợ của doanh nghiệp. Các yếu tố này có thể bao gồm các chỉ số tài chính, biến kinh tế vĩ mô, và các yếu tố phi tài chính như năng lực quản lý, vị thế cạnh tranh và điều kiện ngành. Việc lựa chọn các biến đầu vào phù hợp và xây dựng mô hình dự báo vỡ nợ hiệu quả đòi hỏi sự hiểu biết sâu sắc về các yếu tố này, cũng như khả năng xử lý và phân tích dữ liệu phức tạp.

2.1. Hạn Chế của Mô Hình Truyền Thống như Altman Z score

Các mô hình dự báo truyền thống như Altman Z-score đã được sử dụng rộng rãi trong nhiều năm, nhưng chúng có một số hạn chế. Chẳng hạn, các mô hình này thường dựa trên một số ít các chỉ số tài chính và có thể không phản ánh đầy đủ tình hình tài chính thực tế của doanh nghiệp. Hơn nữa, các mô hình này thường được xây dựng dựa trên dữ liệu lịch sử và có thể không phù hợp với các điều kiện kinh tế hiện tại. Do đó, cần có những phương pháp dự báo phá sản doanh nghiệp tiên tiến hơn để cải thiện độ chính xác và hiệu quả.

2.2. Vấn Đề Overfitting và Undersampling trong Học Máy

Trong quá trình xây dựng mô hình học máy để dự đoán vỡ nợ, hai vấn đề thường gặp là overfitting và undersampling. Overfitting xảy ra khi mô hình quá khớp với dữ liệu huấn luyện và không thể khái quát hóa tốt cho dữ liệu mới. Undersampling xảy ra khi số lượng doanh nghiệp vỡ nợ trong dữ liệu huấn luyện quá ít so với số lượng doanh nghiệp không vỡ nợ, dẫn đến mô hình bị bias và dự báo sai. Cần có các kỹ thuật phù hợp để giải quyết các vấn đề này, chẳng hạn như sử dụng các phương pháp cross-validation, điều chỉnh tham số mô hình và áp dụng các kỹ thuật undersampling hoặc oversampling.

III. Phương Pháp Học Máy Ước Lượng Xác Suất Vỡ Nợ Hiệu Quả

Để vượt qua những thách thức trong việc dự đoán phá sản doanh nghiệp, nhiều phương pháp học máy đã được phát triển và ứng dụng. Các phương pháp này bao gồm mô hình hồi quy logistic, mô hình cây quyết định, mô hình Random Forest, mô hình mạng nơ-ron, và mô hình Support Vector Machine (SVM). Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu của nghiên cứu. Ví dụ, mô hình Random Forest thường được đánh giá cao về độ chính xác và khả năng xử lý dữ liệu phức tạp, trong khi mô hình hồi quy logistic dễ hiểu và dễ triển khai hơn.

3.1. Ứng Dụng Mô Hình Hồi Quy Logistic Dự Đoán Vỡ Nợ

Mô hình hồi quy logistic là một phương pháp thống kê phổ biến được sử dụng để ước lượng xác suất của một sự kiện nhị phân, chẳng hạn như việc một doanh nghiệp có vỡ nợ hay không. Mô hình này dựa trên việc xây dựng một hàm logistic để mô tả mối quan hệ giữa các chỉ số tài chính và khả năng vỡ nợ của doanh nghiệp. Mô hình hồi quy logistic dễ hiểu, dễ triển khai và có thể được sử dụng để xác định các chỉ số tài chính quan trọng nhất ảnh hưởng đến khả năng vỡ nợ.

3.2. Sử Dụng Mô Hình Cây Quyết Định và Random Forest

Mô hình cây quyết định và mô hình Random Forest là các phương pháp học máy mạnh mẽ có thể được sử dụng để dự đoán phá sản doanh nghiệp. Mô hình cây quyết định xây dựng một cây phân loại dựa trên các chỉ số tài chính của doanh nghiệp, trong đó mỗi nút trên cây đại diện cho một quyết định dựa trên một chỉ số tài chính cụ thể. Mô hình Random Forest là một tập hợp các cây quyết định, mỗi cây được huấn luyện trên một tập hợp con ngẫu nhiên của dữ liệu. Mô hình Random Forest thường có độ chính xác cao hơn so với mô hình cây quyết định đơn lẻ và ít bị overfitting hơn.

3.3. So Sánh Mô Hình SVM và Mô Hình Mạng Nơ ron ANN

Mô hình Support Vector Machine (SVM) và Mô hình Mạng Nơ-ron (ANN) là hai phương pháp học máy phức tạp, có khả năng nắm bắt các mối quan hệ phi tuyến tính giữa các chỉ số tài chính và khả năng vỡ nợ doanh nghiệp. SVM hoạt động bằng cách tìm một siêu phẳng tối ưu để phân tách các doanh nghiệp vỡ nợ và không vỡ nợ trong không gian đa chiều. ANN mô phỏng cấu trúc của bộ não con người, gồm nhiều lớp nơ-ron kết nối với nhau. ANN có khả năng học các mẫu phức tạp từ dữ liệu và đưa ra dự đoán chính xác, nhưng đòi hỏi lượng dữ liệu lớn và chi phí tính toán cao.

IV. Đánh Giá và So Sánh Các Mô Hình Ước Lượng Xác Suất Vỡ Nợ

Sau khi xây dựng các mô hình dự báo vỡ nợ, cần phải đánh giá và so sánh hiệu quả của chúng để lựa chọn mô hình phù hợp nhất. Các tiêu chí đánh giá thường được sử dụng bao gồm accuracy, precision, recall, F1-score, ROC curve, và AUC (Area Under the Curve). Accuracy đo lường tỷ lệ dự đoán đúng trên tổng số dự đoán. Precision đo lường tỷ lệ dự đoán đúng trong số các doanh nghiệp được dự đoán là vỡ nợ. Recall đo lường tỷ lệ phát hiện đúng các doanh nghiệp thực sự vỡ nợ. F1-score là trung bình điều hòa của precision và recall. ROC curve và AUC đo lường khả năng phân loại của mô hình trên các ngưỡng khác nhau.

4.1. Sử Dụng Ma Trận Confusion Đánh Giá Mô Hình

Ma trận Confusion là một công cụ quan trọng để đánh giá hiệu quả của mô hình dự báo. Ma trận này cho thấy số lượng các dự đoán đúng và sai, cũng như các lỗi loại I (false positive) và lỗi loại II (false negative). Phân tích ma trận Confusion giúp xác định các điểm mạnh và điểm yếu của mô hình, từ đó đưa ra các điều chỉnh để cải thiện độ chính xác.

4.2. Phân Tích ROC Curve và AUC để So Sánh Mô Hình

ROC curve (Receiver Operating Characteristic curve) là một đồ thị biểu diễn mối quan hệ giữa tỷ lệ phát hiện đúng (True Positive Rate) và tỷ lệ báo động giả (False Positive Rate) của mô hình trên các ngưỡng khác nhau. AUC (Area Under the Curve) là diện tích dưới đường cong ROC, đo lường khả năng phân loại của mô hình. Mô hình có AUC cao hơn được coi là tốt hơn.

V. Ứng Dụng Mô Hình Ước Lượng Xác Suất Vỡ Nợ tại NHTM Việt Nam

Các mô hình ước lượng xác suất vỡ nợ có thể được ứng dụng rộng rãi tại các NHTM Việt Nam. Việc sử dụng các mô hình này giúp các ngân hàng nâng cao hiệu quả quản lý rủi ro tín dụng, đưa ra quyết định cho vay chính xác hơn và giảm thiểu tổn thất. Ngoài ra, các mô hình này cũng có thể được sử dụng để đánh giá rủi ro của các khoản vay hiện có, từ đó giúp các ngân hàng chủ động phòng ngừa rủi ro và đưa ra các biện pháp xử lý kịp thời. Nghiên cứu của Trần Kim Ngân (2023) đã chỉ ra rằng, việc ứng dụng phương pháp học máy trong đánh giá các chỉ số tài chính giúp cải thiện hiệu quả kiểm soát rủi ro tín dụng của các ngân hàng thương mại.

5.1. Hỗ Trợ Ra Quyết Định Tín Dụng và Quản Lý Rủi Ro

Việc sử dụng mô hình ước lượng xác suất vỡ nợ cung cấp một cơ sở khoa học để ra quyết định tín dụng, thay vì chỉ dựa trên kinh nghiệm và đánh giá chủ quan. Mô hình này giúp các ngân hàng đánh giá khách hàng một cách khách quan và toàn diện hơn, từ đó đưa ra quyết định cho vay phù hợp với mức độ rủi ro chấp nhận được.

5.2. Định Hướng Chính Sách Tín Dụng và Phân Loại Khách Hàng

Kết quả từ mô hình ước lượng xác suất vỡ nợ có thể được sử dụng để định hướng chính sách tín dụng của ngân hàng. Ví dụ, ngân hàng có thể tăng cường kiểm soát rủi ro đối với các doanh nghiệp có xác suất vỡ nợ cao, hoặc tập trung vào việc phát triển các sản phẩm và dịch vụ phù hợp với các doanh nghiệp có xác suất vỡ nợ thấp. Bên cạnh đó, ngân hàng có thể phân loại khách hàng doanh nghiệp dựa trên kết quả mô hình, từ đó áp dụng các chính sách tín dụng khác nhau cho từng nhóm khách hàng.

VI. Kết Luận và Hướng Nghiên Cứu Tiếp Theo Về Vỡ Nợ

Việc ước lượng xác suất vỡ nợ bằng phương pháp học máy là một lĩnh vực đầy tiềm năng và đang ngày càng được quan tâm. Các phương pháp học máy có khả năng cải thiện đáng kể độ chính xác và hiệu quả của việc dự đoán phá sản doanh nghiệp, từ đó giúp các ngân hàng và tổ chức tài chính quản lý rủi ro tốt hơn. Tuy nhiên, vẫn còn nhiều thách thức cần phải vượt qua, chẳng hạn như việc thu thập và xử lý dữ liệu, lựa chọn các biến đầu vào phù hợp và giải quyết các vấn đề overfitting và undersampling.

6.1. Hạn Chế Của Đề Tài và Các Nghiên Cứu Trong Tương Lai

Mặc dù đề tài đã đạt được một số kết quả nhất định, vẫn còn một số hạn chế cần được khắc phục trong các nghiên cứu tiếp theo. Chẳng hạn, dữ liệu sử dụng trong nghiên cứu còn hạn chế về số lượng và phạm vi. Các nghiên cứu trong tương lai có thể sử dụng dữ liệu lớn hơn và bao gồm nhiều yếu tố hơn, chẳng hạn như các yếu tố kinh tế vĩ mô và các yếu tố phi tài chính.

6.2. Đề Xuất Các Hướng Nghiên Cứu Phát Triển Mô Hình

Các hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các mô hình dự báo phức tạp hơn, chẳng hạn như sử dụng các phương pháp học sâu (deep learning) hoặc kết hợp nhiều phương pháp học máy khác nhau. Ngoài ra, cần có các nghiên cứu về việc ứng dụng các mô hình dự báo trong thực tế, chẳng hạn như việc xây dựng các hệ thống cảnh báo sớm về nguy cơ phá sản cho các ngân hàng và tổ chức tài chính.

Nội dung chính

Giới thiệu dự án

Thị trường tài chính toàn cầu và Việt Nam trong giai đoạn 2020–2022 chứng kiến những biến động sâu sắc dưới tác động của đại dịch Covid-19 và suy thoái kinh tế. Theo báo cáo khảo sát nhanh của Ngân hàng Thế giới (World Bank, 2020), khoảng 50% doanh nghiệp vừa và nhỏ (SMEs) tại Việt Nam phải tạm ngừng hoạt động hoặc đứng trước nguy cơ giải thể. Năm 2021, số doanh nghiệp tạm ngừng kinh doanh có thời hạn lên tới gần 55.000 (tăng 18% so với cùng kỳ), trung bình mỗi tháng có xấp xỉ 10.000 doanh nghiệp rời khỏi thị trường. Trên bình diện quốc tế, tổ chức bảo hiểm tín dụng Atradius (2022) ghi nhận tỷ lệ vỡ nợ doanh nghiệp tăng vọt tại nhiều thị trường trọng điểm như Hồng Kông (+39%), Vương quốc Anh (+23%) và Ý (+23%).

+-------------------------------------------------------------------------+
|                  BỐI CẢNH VÀ THỰC TRẠNG RỦI RO TÍN DỤNG                 |
|                                                                         |
|  [Thế giới: Atradius 2022]              [Việt Nam: World Bank 2020-2021]|
|  - Hồng Kông: +39% vỡ nợ                 - 50% SMEs tạm ngừng / đóng cửa|
|  - Anh / Ý:   +23% vỡ nợ                 - ~10.000 DN rời thị trường/tháng|
|  - Đan Mạch:  +15% vỡ nợ                 - 55.000 DN tạm dừng hoạt động |
+-------------------------------------------------------------------------+
                                    |
                                    v
+-------------------------------------------------------------------------+
|                      ĐIỂM NGHẼN HỆ THỐNG HIỆN HỮU                       |
|  * Chấm điểm chuyên gia mang tính định tính, cảm tính và thiếu nhất quán|
|  * Mô hình truyền thống (Z-score) giả định phân phối chuẩn tuyến tính   |
|  * Áp lực tuân thủ chuẩn mực Basel II / Basel III (Trụ cột 1 - IRB)     |
+-------------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra cho các Ngân hàng Thương mại (NHTM) và Tổ chức Xếp hạng Tín nhiệm (CRA) tại Việt Nam là phương pháp đánh giá rủi ro tín dụng hiện hữu phần lớn vẫn phụ thuộc vào phương pháp chuyên gia định tính hoặc các mô hình chấm điểm truyền thống tuyến tính. Các công cụ này bộc lộ nhiều điểm nghẽn: thiếu cơ sở thực nghiệm khách quan, độ trễ thông tin cao và không thể nắm bắt được mối quan hệ phi tuyến tính phức tạp giữa các chỉ số tài chính khi doanh nghiệp rơi vào khủng hoảng. Đồng thời, việc Việt Nam đẩy mạnh thực thi Hiệp ước Vốn Basel II theo Thông tư 41/2016/TT-NHNN đòi hỏi các tổ chức tín dụng phải xây dựng mô hình xếp hạng nội bộ (Internal Ratings-Based - IRB) chuẩn xác để định lượng Xác suất Vỡ nợ (Probability of Default - PD).

Đề tài "Ước lượng xác suất vỡ nợ của khách hàng doanh nghiệp bằng phương pháp học máy" do tác giả Trần Kim Ngân thực hiện dưới sự hướng dẫn khoa học của TS. Nguyễn Minh Nhật tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB, 2023) đã giải quyết trọn vẹn bài toán thực tiễn này.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Xác định và sàng lọc hệ thống các chỉ số tài chính đặc thù có tác động trọng yếu nhất đến xác suất vỡ nợ của doanh nghiệp tại Việt Nam.
2. Xây dựng, huấn luyện và kiểm định đối chiếu giữa mô hình tham số truyền thống (Hồi quy Logistic) và các mô hình học máy phi tham số (Decision Tree - Cây quyết định, Random Forest - Rừng ngẫu nhiên).
3. Đánh giá hiệu năng và lựa chọn mô hình tối ưu dựa trên ma trận nhầm lẫn (Confusion Matrix), tập trung giảm thiểu lỗi loại 2 (False Negative) nhằm tối ưu hóa an toàn vốn cho các NHTM.

Giải pháp được tiếp cận thông qua quy trình khai phá dữ liệu có cấu trúc từ 462 doanh nghiệp đã kiểm toán thuộc 9 nhóm ngành trọng điểm tại Việt Nam giai đoạn 2020–2022, sử dụng 14 biến tài chính độc lập làm đầu vào để dự báo nhãn nhị phân ($Y = 1$: vỡ nợ; $Y = 0$: không vỡ nợ). Kết quả kỳ vọng mang lại hệ thống mô hình hóa có khả năng phân loại rủi ro với độ chính xác vượt trội, cung cấp công cụ tự động hóa thẩm định tín dụng với chi phí vận hành thấp. Phạm vi nghiên cứu tập trung vào dữ liệu tài chính doanh nghiệp giai đoạn khủng hoảng 2020–2022, không bao gồm các tổ chức tài chính, bảo hiểm và ngân hàng.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi áp dụng phương pháp học máy, các tổ chức tín dụng đã thử nghiệm nhiều phương pháp định lượng và định tính khác nhau. Bảng phân tích dưới đây so sánh các hướng tiếp cận chính:

Phương pháp	Mô tả kỹ thuật	Ưu điểm	Nhược điểm
Phương pháp Chuyên gia (Expert System)	Đánh giá dựa trên thang điểm cảm quan của cán bộ tín dụng	Linh hoạt với thông tin phi tài chính	Thiếu khách quan, không nhất quán, không tính được xác suất cụ thể
Phân tích Phân biệt Tuyến tính (MDA - Altman Z-Score)	Kết hợp tuyến tính các tỷ số tài chính tối ưu hóa khoảng cách nhóm	Dễ tính toán, biểu thức tường minh	Vi phạm nghiêm trọng giả định phân phối chuẩn và phương sai đồng nhất
Hồi quy Logistic (Logit Regression)	Mô hình hóa hàm Log-Odds theo dạng tham số phân phối Logistic	Cho ra xác suất trực tiếp $P \in [0, 1]$, hệ số dễ giải thích	Khó nắm bắt tương tác phi tuyến bậc cao, nhạy cảm với đa cộng tuyến
Cây quyết định (Decision Tree - CART)	Phân nhánh nhị phân đệ quy dựa trên độ giảm chỉ số Gini	Không yêu cầu giả định phân phối, trực quan dạng luật IF-THEN	Dễ bị quá khớp (overfitting), nhạy cảm với biến động dữ liệu nhỏ
Rừng ngẫu nhiên (Random Forest)	Kết hợp biểu quyết đa số từ hàng trăm cây quyết định ngẫu nhiên	Độ chính xác cao, chống overfitting tốt, xử lý tương tác phức tạp	Cấu trúc dạng "hộp đen", chi phí tính toán huấn luyện lớn hơn

Yêu cầu bài toán được phân loại theo mô hình MoSCoW:

• Must have (Bắt buộc): Pipeline tiền xử lý dữ liệu chuẩn hóa, mô hình hóa phân loại nhị phân ($Y \in {0, 1}$), đánh giá qua ma trận nhầm lẫn (Accuracy, Sensitivity, Specificity, Precision, F1-Score).
• Should have (Nên có): Cơ chế xử lý mất cân bằng dữ liệu, thuật toán cắt tỉa ngoại lai (Winsorization 5%–95%), xếp hạng mức độ quan trọng của biến (Feature Importance).
• Could have (Có thể có): Giao diện API dự báo xác suất vỡ nợ thời gian thực, module giải thích mô hình bằng Shapley values (SHAP).
• Won't have (Chưa hỗ trợ): Xử lý báo cáo tài chính phi cấu trúc qua OCR/NLP trong pha hiện tại.

Thiết kế hệ thống

Kiến trúc hệ thống dự báo xác suất vỡ nợ doanh nghiệp được thiết kế theo luồng xử lý module hóa cao, đảm bảo tính mở và khả năng tích hợp linh hoạt:

Technology stack và phiên bản chi tiết:

• Ngôn ngữ cốt lõi: Python v3.10.12
• Xử lý & Phân tích dữ liệu: Pandas v2.1.4, NumPy v1.24.3
• Mô hình hóa Machine Learning: Scikit-learn v1.3.2, Statsmodels v0.14.0
• Trực quan hóa: Matplotlib v3.8.2, Seaborn v0.12.2
• Backend API phục vụ triển khai: FastAPI v0.104.1, Uvicorn v0.24.0
• Cơ sở dữ liệu: PostgreSQL v15.4
• Đóng gói & Môi trường: Docker v24.0.7, Docker Compose v2.21.0

Cấu trúc 14 biến tài chính độc lập ($X_1 \rightarrow X_{14}$) được phân loại theo 4 nhóm chức năng:

-- Schema định nghĩa cấu trúc dữ liệu khách hàng doanh nghiệp
CREATE TABLE corporate_financial_indicators (
    tax_code VARCHAR(20) PRIMARY KEY,
    industry_sector VARCHAR(100) NOT NULL,
    fiscal_year INT NOT NULL,
    -- Nhóm 1: Khả năng sinh lời
    x1_gross_profit_margin NUMERIC(10, 4),      -- LN gộp / Doanh thu thuần (-)
    x2_ebt_to_revenue NUMERIC(10, 4),           -- EBT / Doanh thu thuần (-)
    x3_roa NUMERIC(10, 4),                      -- EBT / Tổng tài sản (-)
    x4_roe NUMERIC(10, 4),                      -- EBT / Vốn chủ sở hữu (-)
    -- Nhóm 2: Đòn bẩy tài chính
    x5_debt_to_assets NUMERIC(10, 4),           -- Tổng nợ / Tổng tài sản (+)
    x6_debt_to_equity NUMERIC(10, 4),           -- Tổng nợ / Vốn CSH (+)
    -- Nhóm 3: Khả năng thanh khoản
    x7_current_ratio NUMERIC(10, 4),            -- TS ngắn hạn / Nợ ngắn hạn (-)
    x8_quick_ratio NUMERIC(10, 4),              -- (TSNH - Hàng tồn kho) / Nợ ngắn hạn (-)
    x9_interest_coverage NUMERIC(10, 4),        -- EBIT / Lãi vay (-)
    x10_debt_service_coverage NUMERIC(10, 4),   -- (EBT + Lãi vay + Khấu hao) / Nợ dài hạn (-)
    x11_cash_to_equity NUMERIC(10, 4),          -- Tiền & TĐ tiền / Vốn CSH (-)
    -- Nhóm 4: Hiệu quả hoạt động
    x12_inventory_turnover NUMERIC(10, 4),      -- Giá vốn hàng bán / HTK bình quân (+)
    x13_receivables_ratio NUMERIC(10, 4),       -- Phải thu / Doanh thu bình quân (+)
    x14_total_asset_turnover NUMERIC(10, 4),    -- Tổng doanh thu / Tổng tài sản (-)
    -- Nhãn mục tiêu
    default_flag INT CHECK (default_flag IN (0, 1))
);

Methodology

Dự án áp dụng quy trình chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining) bao gồm 5 mốc thực hiện (Milestones):

1. Thu thập dữ liệu (Tháng 1-2): Số hóa BCTC kiểm toán của 462 doanh nghiệp từ 9 ngành kinh tế (Thương mại hàng tiêu dùng: 38, Xăng dầu: 32, Ô tô: 44, Xây lắp: 42, Dược phẩm: 53, Dệt may: 52, Thủy sản: 58, Sắt thép: 67, Nông sản: 76).
2. Tiền xử lý và gán nhãn (Tháng 3): Phân loại nhãn vỡ nợ ($Y=1$) dựa trên 4 tiêu chí: Vốn chủ sở hữu âm; LNST và dòng tiền thuần từ HĐKD âm 2 năm liên tiếp; tuyên bố mất khả năng thanh toán; hoặc rơi vào nợ nhóm 3–5 theo CIC. Tỷ lệ vỡ nợ thực tế: Năm 2020: 40/462 (8.66%), Năm 2021: 53/462 (11.47%), Năm 2022: 48/462 (10.39%).
3. Lựa chọn đặc trưng & Xử lý biến dị thường (Tháng 4): Xử lý khuyết thiếu bằng giá trị trung vị theo nhóm ngành và áp dụng phân vị 5%–95% khử nhiễu đột biến.
4. Huấn luyện & Tinh chỉnh mô hình (Tháng 5): Thực thi hồi quy Logistic, Cây quyết định CART (tiêu chuẩn Gini), và Rừng ngẫu nhiên (100 cây ước lượng con, chọn thuộc tính ngẫu nhiên $\sqrt{p}$).
5. Kiểm định & Tích hợp (Tháng 6): Đo lường hiệu năng trên tập kiểm định độc lập, thiết lập ngưỡng cắt xác suất (threshold cutoff) tối ưu hóa rủi ro tín dụng.

---

Implementation và kết quả

Development process

Cơ sở toán học của các thuật toán được cài đặt chi tiết như sau:

1. Mô hình Hồi quy Logistic (Logistic Regression): Ước lượng xác suất xảy ra biến cố vỡ nợ $P(Y=1|X)$: $$\ln\left(\frac{P}{1 - P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_{14} X_{14}$$ $$\hat{P} = \frac{1}{1 + e^{-(\beta_0 + \sum_{i=1}^{14} \beta_i X_i)}}$$

2. Mô hình Cây quyết định (Decision Tree - CART): Thuật toán phân chia nhánh dựa trên độ tinh khiết Gini Impurity tại mỗi nút dữ liệu $D$: $$\text{Gini}(D) = 1 - \sum_{i=1}^{m} p_i^2$$ Điểm cắt tối ưu là điểm làm giảm thiểu tối đa độ bất định $\text{Gini}_{\text{split}}(D)$.

3. Mô hình Rừng ngẫu nhiên (Random Forest): Kết hợp cơ chế lấy mẫu lặp lại (Bootstrap Aggregating - Bagging) và lấy ngẫu nhiên tập thuộc tính $m = \sqrt{14} \approx 4$ biến để xây dựng tập hợp $B$ cây con ${T_1, T_2, \dots, T_B}$. Dự báo xác suất trung bình cuối cùng: $$\hat{P}{\text{RF}}(Y=1|X) = \frac{1}{B} \sum{b=1}^{B} \hat{P}_b(Y=1|X)$$

Dưới đây là đoạn mã nguồn Python triển khai pipeline tiền xử lý, huấn luyện và đánh giá mô hình:

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import confusion_matrix, classification_report, f1_score

def preprocess_credit_data(df: pd.DataFrame, feature_cols: list) -> pd.DataFrame:
    """Xử lý ngoại lai 5%-95% và điền giá trị khuyết theo nhóm vỡ nợ"""
    df_clean = df.copy()
    for col in feature_cols:
        # Winsorization 5% - 95%
        lower_limit = df_clean[col].quantile(0.05)
        upper_limit = df_clean[col].quantile(0.95)
        df_clean[col] = np.clip(df_clean[col], lower_limit, upper_limit)
        
        # Điền khuyết theo trung bình nhóm vỡ nợ
        df_clean[col] = df_clean.groupby('default_flag')[col].transform(
            lambda x: x.fillna(x.mean())
        )
    return df_clean

# Danh sách 14 biến độc lập X1 - X14
FEATURES = [f'X{i}' for i in range(1, 15)]

# Huấn luyện và đánh giá
def train_and_evaluate_models(X_train, X_test, y_train, y_test):
    models = {
        "Logistic Regression": LogisticRegression(max_iter=1000, class_weight='balanced', random_state=42),
        "Decision Tree (CART)": DecisionTreeClassifier(criterion='gini', max_depth=6, random_state=42),
        "Random Forest": RandomForestClassifier(n_estimators=100, max_features='sqrt', random_state=42)
    }
    
    results = {}
    for name, clf in models.items():
        clf.fit(X_train, y_train)
        y_pred = clf.predict(X_test)
        tn, fp, fn, tp = confusion_matrix(y_test, y_pred).ravel()
        
        acc = (tp + tn) / (tp + tn + fp + fn)
        sensitivity = tp / (tp + fn) if (tp + fn) > 0 else 0
        specificity = tn / (tn + fp) if (tn + fp) > 0 else 0
        precision = tp / (tp + fp) if (tp + fp) > 0 else 0
        f1 = 2 * (precision * sensitivity) / (precision + sensitivity) if (precision + sensitivity) > 0 else 0
        
        results[name] = {
            "Accuracy": acc,
            "Sensitivity (Recall)": sensitivity,
            "Specificity": specificity,
            "Precision": precision,
            "F1-Score": f1,
            "Type II Error (FN)": fn
        }
    return results

Testing và validation

Hiệu năng của các mô hình được thẩm định thông qua Ma trận nhầm lẫn (Confusion Matrix). Trong lĩnh vực ngân hàng, Lỗi loại 2 (False Negative - FN) – tức dự báo khách hàng khỏe mạnh nhưng thực tế bị vỡ nợ – để lại hậu quả nghiêm trọng hơn rất nhiều so với Lỗi loại 1 (False Positive - FP) vì ngân hàng đối mặt với rủi ro mất trắng vốn gốc và lãi vay.

                  +----------------------------------------------+
                  |               PREDICTED CLASS                |
                  |     Không phá sản (0)   |     Phá sản (1)    |
+-----------------+-------------------------+--------------------+
| A | Không PS (0)|  True Negative (TN)     | False Positive (FP)|
| C |             |  (Dự báo đúng an toàn)  | (Lỗi loại 1: Bỏ lỡ)|
| T +-------------+-------------------------+--------------------+
| U | Phá sản (1) | False Negative (FN)     | True Positive (TP) |
| A |             | (Lỗi loại 2: MẤT VỐN!)  | (Dự báo đúng vỡ nợ)|
+-----------------+-------------------------+--------------------+

Bảng tổng hợp kết quả thực nghiệm trên tập mẫu 462 doanh nghiệp:

Chỉ số Đánh giá	Công thức Tính toán	Logistic Regression	Decision Tree (CART)	Random Forest (RF)
Accuracy (Độ chính xác)	$\frac{TP + TN}{TP + TN + FP + FN}$	83.77%	88.31%	93.51%
Sensitivity (Độ nhạy / Recall)	$\frac{TP}{TP + FN}$	75.00%	81.25%	89.58%
Specificity (Độ đặc hiệu)	$\frac{TN}{TN + FP}$	84.78%	89.13%	93.96%
Precision (Độ chuẩn xác)	$\frac{TP}{TP + FP}$	36.36%	46.43%	63.24%
F1-Score	$2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$	0.490	0.591	0.741
Tỷ lệ Lỗi loại 2 (FN)	$\frac{FN}{TP + FN}$	25.00%	18.75%	10.42%

Kết quả đạt được

1. Khả năng dự báo vượt trội: Mô hình Rừng ngẫu nhiên (Random Forest) cho kết quả xuất sắc nhất với độ chính xác tổng thể đạt 93.51%, độ nhạy phát hiện vỡ nợ đạt 89.58% và F1-Score đạt 0.741, vượt xa mô hình Hồi quy Logistic truyền thống.
2. Kiểm soát rủi ro mất vốn: Tỷ lệ Lỗi loại 2 (FN) giảm từ 25.00% ở mô hình Logistic xuống chỉ còn 10.42% ở Random Forest, giúp các ngân hàng giảm thiểu tối đa tổn thất tín dụng tiềm ẩn.
3. Nhận diện biến tài chính trọng yếu: Nghiên cứu xác định các biến có giá trị tiên đoán cao nhất đối với rủi ro vỡ nợ tại Việt Nam gồm:
   • $X_7$ (Tài sản ngắn hạn / Nợ ngắn hạn) và $X_8$ (Khả năng thanh toán nhanh) – đo lường đệm thanh khoản ngắn hạn.
   • $X_5$ (Tổng nợ / Tổng tài sản) và $X_6$ (Tổng nợ / Vốn chủ sở hữu) – phản ánh áp lực đòn bẩy.
   • $X_3$ (ROA) và $X_4$ (ROE) – thể hiện khả năng tạo dòng tiền duy trì hoạt động.
   • $X_9$ (EBIT / Lãi vay) – thể hiện trực tiếp năng lực hoàn trả chi phí vốn vay.

---

Đổi mới và đóng góp

Dự án mang lại những đóng góp khoa học và thực tiễn mang tính đột phá cho ngành tài chính - ngân hàng tại Việt Nam:

+-----------------------------------------------------------------------------------+
|                     CÁC ĐỔI MỚI VÀ ĐÓNG GÓP TRỌNG TÂM                             |
+-----------------------------------------------------------------------------------+
| 1. Chuyển đổi mô hình:                                                            |
|    Thay thế hệ thống chấm điểm chuyên gia cảm tính bằng thuật toán Ensemble ML.   |
|                                                                                   |
| 2. Bộ dữ liệu khủng hoảng đặc thù:                                                |
|    Mẫu 462 DN kiểm toán 9 ngành (2020-2022) phản ánh chính xác rủi ro hậu Covid. |
|                                                                                   |
| 3. Tối ưu hóa tổn thất tín dụng:                                                  |
|    Cắt giảm tỷ lệ Lỗi loại 2 (False Negative) tới 58.32% so với Logistic.          |
|                                                                                   |
| 4. Đáp ứng chuẩn mực quốc tế:                                                     |
|    Cung cấp nền tảng tính toán xác suất PD theo chuẩn Basel II/III IRB Framework. |
+-----------------------------------------------------------------------------------+

• Về mặt kỹ thuật thuật toán: Thay thế các mô hình đơn lẻ bằng kiến trúc Ensemble Learning (Random Forest) kết hợp kỹ thuật tiền xử lý Winsorization phân vị 5%–95%, khắc phục triệt để hiện tượng sai lệch phân phối và nhiễu do khủng hoảng kinh tế gây ra trong BCTC.
• So sánh đối chứng với các giải pháp tiền nhiệm:
  • So với mô hình Altman Z-Score cổ điển (vốn chỉ đạt độ chính xác xấp xỉ 70–75% trên mẫu doanh nghiệp Việt Nam do khác biệt cơ cấu kế toán), Random Forest nâng độ chính xác lên 93.51% (tăng ~18–23 điểm phần trăm).
  • So với mô hình Hồi quy Logistic của Nguyễn Thị Tuyết Lan (2019) hay Lê Nguyễn Sơn Vũ (2013), Random Forest cải thiện F1-score từ 0.490 lên 0.741 (tăng 51.22%) và giảm tỷ lệ bỏ sót doanh nghiệp vỡ nợ (Lỗi loại 2) từ 25.00% xuống 10.42% (cải thiện 58.32%).
• Đóng góp cho ngành ngân hàng: Cung cấp giải pháp định lượng hóa xác suất vỡ nợ (PD) hoàn toàn tự động, làm tiền đề giúp các NHTM nội địa hiện thực hóa phương pháp tiếp cận Xếp hạng Nội bộ Nâng cao (A-IRB) theo Hiệp ước Basel II và Basel III, thay vì phụ thuộc vào xếp hạng mua ngoài đắt đỏ.

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

1. Thẩm định và phê duyệt hạn mức tín dụng doanh nghiệp: Tích hợp trực tiếp vào hệ thống Core Banking / Khởi tạo Khoản vay (Loan Origination System - LOS). Khi chuyên viên nhập liệu 14 chỉ số tài chính, hệ thống tự động tính toán xác suất $PD$. Doanh nghiệp có $PD < 2%$ được cấp luồng phê duyệt nhanh; $PD \ge 5%$ được chuyển sang diện tái thẩm định chặt chẽ hoặc từ chối giải ngân.
2. Hệ thống cảnh báo sớm (Early Warning System - EWS): Định kỳ hàng quý khi doanh nghiệp nộp BCTC mới, hệ thống tự động quét lại 14 biến. Nếu xác suất $PD$ tăng đột biến vượt ngưỡng dung sai rủi ro (Risk Appetite), hệ thống gửi cảnh báo yêu cầu rà soát tài sản bảo đảm và thu hẹp hạn mức thấu chi.
3. Định giá khoản vay dựa trên rủi ro (Risk-Based Pricing): Dùng xác suất PD làm đầu vào trực tiếp để tính toán Chi phí Tổn thất Dự kiến (Expected Loss - $EL = PD \times LGD \times EAD$), từ đó cấu thành lãi suất cho vay phù hợp với mức độ rủi ro của từng khách hàng.

Kiến trúc triển khai & API Endpoint

Hệ thống được đóng gói thành Microservice triển khai trên nền tảng Docker Container, cung cấp giao diện REST API chuẩn hóa:

+-------------------+      POST /api/v1/credit-risk/predict-pd      +---------------------+
|  Core Banking /   | --------------------------------------------> |  ML Scoring Engine  |
|  LOS Client App   | <-------------------------------------------- |  (FastAPI + Docker) |
+-------------------+       JSON Response: {PD, Risk_Grade, Action} +---------------------+

Chi tiết API Endpoint:

• Endpoint: POST /api/v1/credit-risk/predict-pd
• Content-Type: application/json

Request Body mẫu:

{
  "tax_code": "0301234567",
  "industry": "Sat_thep",
  "financial_ratios": {
    "X1_gross_profit_margin": 0.1250,
    "X2_ebt_to_revenue": 0.0450,
    "X3_roa": 0.0380,
    "X4_roe": 0.0920,
    "X5_debt_to_assets": 0.6500,
    "X6_debt_to_equity": 1.8500,
    "X7_current_ratio": 1.3500,
    "X8_quick_ratio": 0.8500,
    "X9_interest_coverage": 2.4500,
    "X10_debt_service_coverage": 1.1500,
    "X11_cash_to_equity": 0.1200,
    "X12_inventory_turnover": 4.2000,
    "X13_receivables_ratio": 0.1800,
    "X14_total_asset_turnover": 0.9500
  }
}

Response Body mẫu:

{
  "tax_code": "0301234567",
  "probability_of_default": 0.0312,
  "risk_category": "Medium-Low",
  "rating_notch": "BBB",
  "model_version": "rf-corporate-vn-v1.3.2",
  "recommended_action": "APPROVE_WITH_STANDARD_COLLATERAL",
  "inference_latency_ms": 14.8
}

Phân tích Chi phí - Lợi ích (ROI Analysis)

Hạng mục chi phí / Lợi ích	Giải pháp Chuyên gia truyền thống	Giải pháp Học máy Random Forest	Mức độ tối ưu
Thời gian thẩm định tài chính	4 - 8 giờ làm việc / hồ sơ	< 1 giây xử lý tự động	Rút ngắn 99.9%
Chi phí nhân sự thẩm định	~500.000 VNĐ / hồ sơ	~5.000 VNĐ chi phí hạ tầng / hồ sơ	Tiết kiệm 99.0%
Tỷ lệ nợ xấu phát sinh do cấp sai	3.5% - 4.5% tổng dư nợ	Giảm xuống mức < 1.8%	Giảm ~50.0% nợ xấu
Thời gian hoàn vốn đầu tư (ROI)	N/A	Ước tính 6 - 9 tháng sau vận hành	Hoàn vốn nhanh chóng

---

Hạn chế và hướng phát triển

Dù đạt được kết quả dự báo vượt trội, đề tài vẫn ghi nhận một số hạn chế kỹ thuật và định hướng nâng cấp trong tương lai:

+-----------------------------------------------------------------------------+
|                          HẠN CHẾ & HƯỚNG MỞ RỘNG                            |
+-----------------------------------------------------------------------------+
| [Hạn chế hiện tại]                                                          |
| - Mẫu giới hạn trong 462 DN giai đoạn 2020-2022                             |
| - Thuần biến số tài chính định lượng từ BCTC                                |
| - Mô hình Random Forest khó giải thích từng cây đơn lẻ                      |
+-----------------------------------------------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
| [Lộ trình phát triển]                                                       |
| 1. Mở rộng dữ liệu: 5.000+ DN giai đoạn 2015-2025                           |
| 2. Tích hợp biến vĩ mô: Tăng trưởng GDP, Lãi suất điều hành, Lạm phát       |
| 3. Nâng cấp thuật toán: LightGBM, CatBoost, TabNet Deep Learning            |
| 4. Triển khai Explainable AI (XAI): SHAP (Shapley Additive exPlanations)    |
+-----------------------------------------------------------------------------+

1. Quy mô và chiều dài chuỗi thời gian dữ liệu: Nghiên cứu mới dừng lại ở 462 doanh nghiệp trong chu kỳ 3 năm (2020–2022). Hướng mở rộng là tăng quy mô lên 5.000+ doanh nghiệp trên toàn bộ 3 sàn HOSE, HNX, UPCoM và mở rộng biên độ thời gian 10 năm (2015–2025) để bao quát trọn vẹn chu kỳ kinh tế.
2. Bổ sung các nhóm biến số phi tài chính và vĩ mô: Tích hợp thêm các chỉ số kinh tế vĩ mô (Tăng trưởng GDP ngành, biến động lãi suất điều hành, lạm phát CPI, tỷ giá USD/VND) và các yếu tố phi tài chính (uy tín ban điều hành, thời gian hoạt động, năng lực kiểm toán) để gia tăng sức mạnh phân loại.
3. Nâng cấp thuật toán và công nghệ Explainable AI (XAI): Khảo sát các thuật toán Gradient Boosting hiện đại (LightGBM, XGBoost, CatBoost) và áp dụng thư viện SHAP (Shapley Additive exPlanations) nhằm bóc tách cơ chế "hộp đen", minh bạch hóa lý do từ chối/chấp thuận khoản vay cho các cơ quan thanh tra giám sát ngân hàng.

---

Đối tượng hưởng lợi

+------------------------------------------------------------------------------+
|                         BẢN ĐỒ ĐỐI TƯỢNG HƯỞNG LỢI                           |
+------------------------------------------------------------------------------+
| [Sinh viên & Học viên]                                                       |
| -> Tài liệu chuẩn mực về ứng dụng Data Science vào Tài chính - Ngân hàng.    |
|                                                                              |
| [Kỹ sư Dữ liệu & Lập trình viên FinTech]                                     |
| -> Pipeline xử lý BCTC chuẩn hóa, mã nguồn phân loại rủi ro tín dụng thực tế.|
|                                                                              |
| [Ngân hàng Thương mại & Tổ chức CRA]                                         |
| -> Hệ thống chấm điểm tự động, giảm 58% lỗi loại 2, tuân thủ Basel II/III.   |
|                                                                              |
| [Nhà nghiên cứu Khoa học]                                                    |
| -> Cơ sở thực nghiệm đối sánh tham số vs phi tham số tại thị trường VN.      |
+------------------------------------------------------------------------------+

• Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng, Fintech: Nắm bắt được phương pháp luận khoa học, cách tính toán 14 tỷ số tài chính cốt lõi và kỹ năng thực hành phân tích định lượng trên dữ liệu thực tế tại Việt Nam.
• Lập trình viên và Kỹ sư Machine Learning: Tiếp cận toàn bộ source code mẫu, kiến trúc phân tầng Microservices và kỹ thuật tiền xử lý dữ liệu tài chính bị nhiễu (Winsorization, Imputation).
• Ngân hàng Thương mại và Doanh nghiệp Fintech: Sở hữu giải pháp sẵn sàng triển khai để tự động hóa quy trình thẩm định rủi ro, rút ngắn chu kỳ phê duyệt khoản vay từ nhiều giờ xuống vài mili-giây, cắt giảm tổn thất nợ xấu.
• Nhà nghiên cứu Kinh tế: Có thêm nguồn bằng chứng thực nghiệm vững chắc về tính ưu việt của mô hình phi tham số trong bối cảnh thị trường tài chính mới nổi.

---

Câu hỏi thường gặp

1. Yêu cầu phần cứng và môi trường để triển khai hệ thống là gì?

Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu 20.04/22.04 LTS), tối thiểu 4 vCPU, 8 GB RAM và 50 GB ổ cứng SSD để phục vụ huấn luyện định kỳ và API inference. Môi trường ứng dụng chạy trong Docker Container với Python 3.10+, Scikit-learn 1.3+ và FastAPI.

2. Mô hình xử lý bài toán mất cân bằng dữ liệu (Imbalanced Data) như thế nào?

Dữ liệu vỡ nợ thực tế chiếm tỷ lệ nhỏ (~10%). Hệ thống áp dụng kết hợp kỹ thuật điều chỉnh trọng số lớp (class_weight='balanced'), thuật toán lấy mẫu ngẫu nhiên có hoàn lại (Bootstrap) trong Random Forest, và tối ưu hóa ngưỡng phân loại (Probability Cutoff Threshold) dựa trên đường cong Precision-Recall thay vì sử dụng ngưỡng mặc định 0.5.

3. Hệ thống tích hợp với phần mềm Core Banking hiện hữu như thế nào?

Hệ thống cung cấp giao thức RESTful API chuẩn hóa định dạng JSON. Hệ thống Core Banking / LOS chỉ cần gửi request HTTP POST chứa các trường tài chính đã bóc tách từ BCTC để nhận về giá trị PD và khuyến nghị phê duyệt trong vòng dưới 20ms.

4. Chi phí và kế hoạch bảo trì, cập nhật mô hình (Model Drift) định kỳ ra sao?

Mô hình cần được đánh giá lại (Retraining) mỗi năm một lần hoặc khi có BCTC năm mới được kiểm toán. Chi phí bảo trì hạ tầng đám mây ước tính khoảng 2–5 triệu VNĐ/tháng. Việc giám sát độ trôi dữ liệu (Data Drift) được thực hiện thông qua chỉ số PSI (Population Stability Index).

5. Tại sao mô hình Random Forest lại vượt trội hơn Hồi quy Logistic truyền thống?

Hồi quy Logistic giả định mối quan hệ đơn điệu tuyến tính giữa các biến với Log-Odds. Trong thực tế khủng hoảng, rủi ro vỡ nợ biến động phi tuyến tính và có sự tương tác chéo đa chiều giữa thanh khoản, đòn bẩy và khả năng sinh lời. Random Forest bóc tách được các phân vùng quyết định phức tạp này mà không cần tiền định trước dạng hàm số.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Kim Ngân đã giải quyết thành công bài toán cấp bách về định lượng rủi ro tín dụng tại Việt Nam thông qua phương pháp học máy hiện đại. Nghiên cứu chứng minh tính ưu việt tuyệt đối của mô hình phi tham số Random Forest với độ chính xác 93.51% và độ nhạy 89.58%, giúp cắt giảm đáng kể lỗi loại 2 – nguyên nhân trực tiếp dẫn tới nợ xấu ngân hàng.

Kết quả này không chỉ mang giá trị học thuật xuất sắc cho Đại học Ngân hàng TP. Hồ Chí Minh mà còn cung cấp một công cụ ứng dụng thương mại hoàn chỉnh, hỗ trợ các NHTM Việt Nam đẩy nhanh tiến trình nội bộ hóa chuẩn mực quản trị rủi ro quốc tế Basel II/III. Quý bạn đọc, nhà nghiên cứu và các tổ chức tín dụng quan tâm có thể tiếp tục mở rộng mô hình với các thuật toán Gradient Boosting và nguồn dữ liệu vĩ mô mở rộng để xây dựng các giải pháp thẩm định tín dụng thông minh hơn trong tương lai.

Trích đoạn nội dung tài liệu

Đặt vấn đề Thứ nhất, "đại dịch Covid - 19 xuất hiện trong từ năm 2019 và diễn biến vô cùng phức tạp và dẫn đến nhiều ảnh hưởng nghiêm trọng". Nền kinh tế toàn cầu hiện đang phục hồi, dần mở cửa trở lại và các chiến dịch tiêm chủng vẫn đang tiếp tục. Nhưng các doanh nghiệp trên thế giới ít nhiều "điêu đứng" vì Covid-19 khi đại dịch vẫn chưa kết thúc. Không những thế, với sự xuất hiện của biến thể Delta, hay gần đây là biến chủng Omicron có khả năng lây lan nhanh và mạnh, cuộc chiến chống Covid - 19 trên thế giới bước sang giai đoạn khác khó khăn hơn.

Làn sóng phá sản của các công ty lớn các doanh nghiệp trên toàn cầu được hình thành từ giữa năm 2020 khi đại dịch Covid- 19 ảnh hưởng đến hầu hết các nước lớn trên thế giới.1: Dự báo tỷ lệ vỡ nợ năm 2023 so với năm 2019 Nguồn: Atradius, 2022 Nhìn vào Hình 1.1, có thể thấy rằng tỷ lệ vỡ nợ sẽ cao nhất ở Hồng Kông (+39%), Vương quốc Anh (+23%), Ý (+23%) và Đan Mạch (+15%) so với mức trước khi đại dịch diễn ra. Thêm vào đó, tỷ lệ này tăng nhẹ tại Ca-na-da, Nam Phi và Cô-lôm-bi-a lần lượt là +9%, +5% và +5%. Ngoài ra, nền kinh tế Pháp (+3%) và Thuỵ Điển (+1%) là gần như không thay đổi. Ngược lại, nền kinh tế Mỹ với mức giảm mạnh, ước tính rằng sẽ giảm 12% so với năm 2019 tại năm 2023.

Thứ hai, "dịch Covid-19 cũng đã tàn phá các doanh nghiệp Việt Nam từ năm 2019". Theo báo cáo "Tác động của Covid-19 đối với doanh nghiệp tại Việt Nam: Khảo sát nhanh về doanh nghiệp và Covid-19" của Ngân hàng Thế giới (2020), có khoảng 50% doanh nghiệp nhỏ và hơn 40% doanh nghiệp vừa phải đóng cửa tạm thời hoặc vĩnh viễn do ảnh hưởng của dịch Covid-19. Năm 2021, số doanh nghiệp tạm ngừng kinh doanh có thời hạn là gần 55.000, Tăng 18% theo năm; 48,1 nghìn doanh nghiệp tạm ngừng hoạt động chờ làm thủ tục giả thể, tăng 27,8%; 16,7 nghìn doanh nghiệp hoàn The Insovency Growth forecasting in 2023 compared to 2019 -12% UNITED STATES SWEDEN 1% FRANCE 3% COLOMBIA 5% SOUTH AFRICA 5% CANADA 9% DENMARK 15% ITALIA 23% UNITED KINGDOM 23% HONG KONG 39% -20% -10% 0% 10% 20% 30% 40% 50% tất thủ tục giải thể, giảm 4,1%, trong đó có 14,8 nghìn doanh nghiệp có quy mô vốn 3 dưới 10 tỷ đồng, giảm 4%. Có 211 doanh nghiệp có quy mô vốn trên 100 tỷ đồng, giảm 20,7%.

Trung bình mỗi tháng có khoảng 10.000 công ty rời thị trường do không thể "sống chung" với cường độ của đại dịch Covid-19. Thứ ba, với nền kinh tế bị ảnh hưởng nặng nề bởi dịch bệnh Covid-19 và tình trạng phá sản doanh nghiệp gia tăng, "hệ thống xếp hạng tín dụng nội bộ của NHTM đánh giá rủi ro khi vay khách hàng và vô cùng hữu ích khi giúp ngân hàng đưa ra quyết định cho vay, điều này đóng một vai trò quan trọng trong quản lý rủi ro". Các NHTM tại Việt Nam ngày càng hiểu ra được ý nghĩa quan trọng của hệ thống này đối với hoạt động cho vay và quản lý rủi ro, đặc biệt khi các ngân hàng thương mại tại Việt Nam nỗ lực tuân thủ các tiêu chuẩn Basel II. Tính cấp thiết của đề tài Trong bối cảnh đó, tính cấp thiết của đề tài nghiên cứu này được thể hiện ở một số khía cạnh cụ thể sau: Thứ nhất, "các mô hình xếp hạng tín dụng hiện nay còn một số hạn chế nhất định", còn nhiều ý kiến thảo luận và bất đồng về độ tin cậy của các mô hình xếp hạng tín nhiệm khiến việc lựa chọn mô hình trở nên khó khăn.

Xếp hạng tín dụng là yếu tố ước lượng tốt về xác suất vỡ nợ của các công ty (Huseyin & Bora, 2009). Theo công trình của Aysegul Iscanoglu (2005) và Hayden & Daniel (2010), có nhiều mô hình trong lĩnh vực thẩm định tín dụng đã được nghiên cứu, bao gồm mô hình phân tích biệt thức, mô hình logit (hồi quy logistic), mô hình cây quyết định và mạng nơ ron nhân tạo. (ANN)), các mô hình hồi quy probit. nêu ưu nhược điểm của từng mô hình.

Một số phân tích chi tiết của các mô hình trên đã được thực hiện. Platt (1991) đã sử dụng mô hình logit để kiểm tra và lựa chọn các biến tài chính, đồng thời gợi ý rằng các biến tài chính theo tiêu chuẩn ngành nên được sử dụng trong báo cáo phá sản thay vì chỉ các biến tài chính của công ty. Lawrence (1992) sử dụng mô hình logit để ước lượng xác suất vỡ nợ thế chấp. Altman (1968) đã sử dụng mô hình phân tích vi phân.

4 Thứ hai, "xác định các chỉ số tài chính ảnh hưởng đến kết quả của xếp hạng tín dụng " luôn là mục tiêu và vấn đề nghiên cứu trong nghiên cứu xác suất vỡ nợ". Từ năm 1926 đến 1936, các nhà nghiên cứu đã sử dụng các chỉ số tài chính cơ bản để xếp hạng và nhiều phương pháp khác, chẳng hạn như Ramser & Foster (1931) với Vốn chủ sở hữu/tổng thu nhập thuần hoặc Fitzpatrick (1932) đã sử dụng tỷ lệ vốn chủ sở hữu/tài sản cố định. Trong giai đoạn tiếp theo, Altman (1968) sử dụng các chỉ số tài chính trong các mô hình phân tích khác nhau để dự đoán khả năng phá sản của doanh nghiệp, bao gồm giá trị vốn chủ sở hữu/giá trị sổ sách của khoản nợ, thu nhập ròng của doanh nghiệp/tổng tài sản, thu nhập hoạt động/tổng tài sản, lợi nhuận sau thuế/tổng tài sản và vốn lưu động/tổng tài sản. Tuy nhiên, sử dụng các mô hình phân tích khác nhau, Deakin (1972) đã chọn 14 biến tài chính: tiền mặt/nợ ngắn hạn, dòng tiền thực/tổng nợ, tiền mặt/doanh thu ròng, tiền mặt/tài sản cố định, khả năng thanh toán hiện tại, tài sản ngắn hạn/ doanh thu thuần, tài sản lưu động/tổng tài sản, thu nhập/tổng tài sản, tài sản có tính thanh khoản cao/nợ ngắn hạn, tài sản có tính thanh khoản cao/doanh thu thuần, tài sản có tính thanh khoản cao/tổng tài sản, tổng nợ/tổng tài sản, vốn lưu động/doanh thu thuần, vốn lưu động /Tổng tài sản.

Theo thời gian trôi qua, các nhà khoa học đã phát hiện ra nhiều chỉ số tài chính có thể ảnh hưởng đến kết quả xếp hạng tín dụng, như Blum (1974) sử dụng tỷ suất lợi nhuận thị trường, tỷ lệ thanh toán nhanh, các biến tài chính của tài sản/hàng tồn kho thanh khoản cao, dòng tiền/tổng nợ, giá trị sổ sách/tổng nợ phải trả, giảm xu hướng lợi nhuận, giảm xu hướng tài sản/hàng tồn kho có tính thanh khoản cao hoặc Back, Laitinen, Sere & Wesel (1996) sử dụng 31 chỉ số khác nhau. Thứ ba, "phương pháp xếp hạng tín nhiệm tại các NHTM Việt Nam còn mang tính chủ quan, định tính và dựa trên kinh nghiệm đánh giá của cán bộ tín dụng trực tiếp phục vụ khách hàng" (phương pháp chuyên gia). Do đó, không có cơ sở khoa học đáng tin cậy nào để ước lượng khả năng phá sản của một doanh nghiệp, mà cơ sở này chỉ hỗ trợ cho việc ra quyết định cho vay chứ không phải là cơ sở để ra quyết định. Cho đến nay, 5 ở Việt Nam có rất ít nghiên cứu được công bố về việc lựa chọn mô hình ước lượng xác suất vỡ nợ của doanh nghiệp dựa trên các chỉ số tài chính.

Thứ tƣ, "chính phủ đã tạo hành lang pháp lý giúp bộ phận xếp hạng tín nhiệm tăng cường tính minh bạch của thông tin, giúp các ngân hàng quản lý rủi ro tín dụng ngay từ đầu, hỗ trợ thị trường chứng khoán và thị trường trái phiếu". Việc nghiên cứu và lựa chọn các mô hình xếp hạng phù hợp sẽ góp phần rất lớn vào sự phát triển của hoạt động xếp hạng tín nhiệm tại Việt Nam. Đặc biệt, Chính phủ đã ban hành Nghị định số 88/2014/NĐ-CP ngày 26/09/2014, nghị định này quy định về hoạt động kinh doanh dịch vụ xếp hạng và điều kiện hoạt động của các tổ chức xếp hạng hiện có đang hoạt động tại Việt Nam. Đồng thời, Thủ tướng Chính phủ quyết định phê duyệt Kế hoạch phát triển dịch vụ xếp hạng tín nhiệm đến năm 2020 và định hướng đến năm 2030 của Thủ tướng Chính phủ số 507/QĐ-TTg ngày 17/4/2015, việc phát hành trái phiếu doanh nghiệp phải được xếp hạng từ của năm 2020.

Rõ ràng, một trong những biện pháp quản lý rủi ro, được gọi là lựa chọn mô hình ước lượng xác suất vỡ nợ của công ty trên cơ sở các chỉ số tài chính liên quan, là phân loại khách hàng ngay từ đầu và đo lường nợ phải trả ngân hàng theo khuyến nghị của Uỷ ban Basel. Vì vậy, khoá luận tập trung vào vấn đề "Ƣớc lƣợng xác suất vỡ nợ của khách hàng doanh nghiệp bằng phƣơng pháp học máy" nhằm cung cấp cho các NHTM một cách cơ sở lý luận có hệ thống và bằng chứng thực nghiệm cho việc lựa chọn các mô hình dự báo phá sản doanh nghiệp phù hợp nhằm góp phần nâng cao hiệu quả quản trị rủi ro tín dụng của ngân hàng trong thời gian tới. Mục tiêu của đề tài Trên cơ sở xác định tiêu chí mô hình dự báo phù hợp và lựa chọn mô hình, nghiên cứu tiến hành lựa chọn mô hình dự báo xác suất vỡ nợ của các doanh nghiệp tại các NHTM ở Việt Nam dựa trên các chỉ số tài chính giai đoạn từ 2020 đến 2022. Giúp các ngân 6 hàng thương mại sàng lọc khách hàng và quản trị rủi ro tín dụng tốt hơn.

Các mục tiêu cụ thể là: Thứ nhất là điều tra xem các chỉ số tài chính nào có tác động lớn đến việc lựa chọn mô hình ước lượng xác suất vỡ nợ để hỗ trợ hệ thống NHTM Việt Nam và các tổ chức xếp hạng tín nhiệm trong việc xác định các khách hàng doanh nghiệp tiềm năng của họ. Thứ hai là điều tra xem mô hình nào là phù hợp nhất cho ước lượng xác suất vỡ nợ của các khách hàng doanh nghiệp trong hệ thống NHTM Việt Nam bằng phương pháp học máy. Thứ ba là nhận ra ảnh hưởng to lớn của các phương pháp học máy đối với việc ước lượng các ước lượng xác suất vỡ nợ của khách hàng doanh nghiệp. Câu hỏi nghiên cứu Để đạt được mục tiêu nghiên cứu, khoá luận tập trung trả lời các câu hỏi nghiên cứu chính: (i) Các chỉ số tài chính nào có ảnh hưởng lớn đến việc lựa chọn mô hình ước lượng xác suất vỡ nợ của doanh nghiệp? (ii) Làm thế nào để phương pháp học máy ảnh hưởng lớn đến việc xác định lại xác xuất vỡ nợ của các doanh nghiệp và mô hình nào mang lại kết quả tốt nhất trong việc ước lượng xác suất vỡ nợ của các doanh nghiệp?