Ứng dụng học máy (Machine Learning) trong thẩm định tín dụng khách hàng cá nhân tại Ngân hàng TMCP Ngoại thương Việt Nam

Abstract

Đề án nghiên cứu việc ứng dụng mô hình học máy nhằm hỗ trợ thẩm định rủi ro tín dụng bán lẻ đối với khách hàng cá nhân tại Ngân hàng Ngoại thương Việt Nam. Động cơ nghiên cứu xuất phát từ giới hạn của hệ thống phê duyệt dựa nhiều vào quy tắc tuyến tính, trong khi dữ liệu tín dụng có cấu trúc đa chiều và thay đổi theo hành vi khách hàng. Trên cơ sở đó, đề án thiết lập khung định lượng dự báo xác suất vỡ nợ PD để hỗ trợ quá trình đánh giá rủi ro. Phương pháp nghiên cứu triển khai theo quy trình CRISP-DM. Tác giả thu thập mẫu dữ liệu tín dụng thực tế, sử dụng kỹ thuật SMOTE xử lý lệch mẫu và huấn luyện chuỗi thuật toán đối chiếu gồm Hồi quy Logistic, Rừng ngẫu nhiên, XGBoost, LightGBM. Kết quả thực nghiệm cho thấy LightGBM là mô hình phù hợp nhất trong nhóm mô hình so sánh theo các chỉ số AUC, KS và F1-score. Nghiên cứu cung cấp hàm ý thực tiễn cho việc thiết lập ngưỡng điểm rủi ro, hỗ trợ tự động hóa có kiểm soát trong khâu phê duyệt, đồng thời bổ sung tín hiệu cảnh báo sớm nhằm kiểm soát chất lượng danh mục tín dụng bán lẻ.