Lựa chọn mô hình dự đoán xác suất vỡ nợ của khách hàng cá nhân vay tín chấp: Trường hợp Ngân hàng Thương mại Cổ phần Á Châu (ACB)
Các tác giả
-
Vũ Hữu Thành
thanh.vh@ou.edu.vn
Trường Đại học Mở Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Namhttps://orcid.org/0000-0003-2306-2565
- Hoàng Thị Kim Diễm
Ngân hàng Thương mại Cổ phần Á Châu, Thành phố Hồ Chí Minh, Việt NamDOI:
10.46223/HCMCOUJS.econ.vi.20.3.3394.2025Từ khóa:
dự báo; mô hình học máy; rủi ro tín dụng; xác suất vỡ nợPhân loại JEL:
G21Tóm tắt
Nghiên cứu này được thực hiện nhằm lựa chọn mô hình dự đoán xác suất vỡ nợ của hệ thống xếp hạng tín dụng nội bộ đối với khách hàng cá nhân. Từ đó, nghiên cứu cũng đề xuất tích hợp áp dụng mô hình vào quy trình tín dụng và đề xuất thu thập thông tin chính xác để tăng chất lượng dự đoán của mô hình. Trong nghiên cứu này, nhóm tác giả sử dụng bộ dữ liệu có thời gian lấy mẫu từ 01/01/2022 đến 31/12/2022 và thời gian quan sát từ 01/01/2023 đến 31/12/2023. Nhóm nghiên cứu đã sử dụng mô hình Logistic, 09 mô hình học máy và mô hình kết hợp Ensemble. Nhóm cũng sử dụng các biện pháp cân bằng dữ liệu và tiền xử lý dữ liệu trước khi đưa vào ước lượng mô hình. Kết quả, mô hình Logistic và mô hình kết hợp Ensemble là hai mô hình dự báo tốt nhất. Với ngưỡng xác suất phá sản tối ưu cho dự đoán độ nhạy, mô hình Logistic đã cho kết quả dự đoán trội hơn so với Ensemble. Ngoài ra, nghiên cứu cũng phát hiện các thông tin quan trọng để dự đoán xác suất vỡ nợ bao gồm: Trình độ học vấn, Loại hình tổ chức, Giới tính, Độ tuổi, Thời gian liên tục có thu nhập, Thời gian công tác, Thời hạn vay, Nhu cầu vay, Tổng thu nhập, Tổng chi phí, Nợ phải trả hàng tháng, Lịch sử tín dụng 06 tháng gần nhất.Tải xuống
Dữ liệu tải xuống chưa có sẵn.Tài liệu tham khảo
Alam, T. M., Shaukat, K., Hameed, I. A., Luo, S., Sarwar, M. U., Shabbir, S., Li, J., & Khushi, M. (2020). An investigation of credit card default prediction in the imbalanced datasets. Ieee Access, 8(1), 201173-201198.
BCBS. (2000). Principles for the management of credit risk. https://www.bis.org/publ/bcbs75.htm K:
BCBS. (2006). International convergence of capital measurement and capital standards. https://www.bis.org/publ/bcbs128.htm
Boehmke, B., & Greenwell, B. M. (2019). Hands-on machine learning with R. Chapman and Hall/CRC.
Chang, A. H., Yang, L. K., Tsaih, R. H., & Lin, S. K. (2022). Machine learning and artificial neural networks to construct P2P lending credit-scoring model: A case using Lending Club data. Journal, 6(2), 303-325.
Elmasry, W., Akbulut, A., & Zaim, A. H. (2019). Empirical study on multiclass classification‐based network intrusion detection. Computational Intelligence, 35(4), 919-954.
Giang, H. T. T. (2021). Một số kĩ thuật học máy cho chấm điểm tín dụng [Some machine learning techniques for credit scoring]. Tạp chí Khoa học & Đào tạo Ngân hàng, 227, 34-40.
Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression. John Wiley & Sons.
Jepkoech, B. G. (2020). Hybrid approach of machine learning algorithms in automated credit scoring prediction in banking sector: Case of a Rwandan commercial bank [Doctoral dissertation, University of Rwanda]. https://dr.ur.ac.rw/bitstream/handle/123456789/1461/ Biwott%20Gloria%20Jepkoech.pdf?sequence=1&isAllowed=y
Kuhn, M., Wing, J., Weston, S., & Williams, A. (2022). Package ‘caret’ - Classification and regression training. https://github.com/topepo/caret/
Ngân hàng Nhà nước Việt Nam. (2016). Thông tư 41/2016/TT-NHNN ngày 30 tháng 12 năm 2016 quy định tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng nước ngoài [Circular No. 41/2016/TT-NHNN dated December 30, 2016 stipulating the capital adequacy ratio for banks and foreign bank branches]. https://www.sbv.gov.vn
Ngân hàng Nhà nước Việt Nam. (2018). Thông tư số 13/2018/TT-NHNN ngày 18 tháng 05 năm 2018 về hệ thống kiểm soát nội bộ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài [Circular No. 13/2018/TT-NHNN dated May 18, 2018 on the internal control system of credit institutions and foreign bank branches]. https://www.sbv.gov.vn
Ngân hàng Nhà nước Việt Nam. (2021). Thông tư 11/2021/TT-NHNN ngày 30 tháng 07 năm 2021 Quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài [Circular No. 11/2021/TT-NHNN dated July 30, 2021, stipulating the classification of assets, the provisioning rates and methods for risk provisions, and the use of provisions to handle risks in the operations of credit institutions and foreign bank branches]. https://chinhphu.vn/default.aspx?pageid=27160&docid=203811
Quốc hội nước Cộng hòa Xã hội Chủ nghĩa Việt Nam. (2010). Luật các tổ chức tín dụng số 47/2010/QH12 ngày 16 tháng 06 năm 2010 [Law on Credit Institutions No. 47/2010/QH12 dated June 16, 2010]. https://vanban.chinhphu.vn
Siddiqi, N. (2006). Credit risk scorecards developing and implementing intelligent credit scoring (Vol. 3). John Wiley & Sons.
Teles, G., Rodrigues, J. J., Saleem, K., Kozlov, S., & Rabêlo, R. A. (2020). Machine learning and decision support system on credit scoring. Neural Computing and Applications, 32(1), 9809-9826.
Walusala, S., Rimiru, R., & Otieno, C. (2017). A hybrid machine learning approach for credit scoring using PCA and logistic regression. International Journal of Computer (IJC), 27(1), 84-102.
Youden, W. J. (1950). Index for rating diagnostic tests. Cancer, 3(1), 32-35.
Zou, Q., Xie, S., Lin, Z., Wu, M., & Ju, Y. (2016). Finding the best classification threshold in imbalanced classification. Big Data Research, 5(1), 2-8.
Tải xuống
Ngày nộp: 23-04-2024Ngày duyệt đăng: 22-11-2024Ngày xuất bản: 13-01-2025Thống kê truy cập
Trang tóm tắt: 775 PDF: 638Cách trích dẫn
Thành, V. H., & Diễm, H. T. K. (2025). Lựa chọn mô hình dự đoán xác suất vỡ nợ của khách hàng cá nhân vay tín chấp: Trường hợp Ngân hàng Thương mại Cổ phần Á Châu (ACB). TẠP CHÍ KHOA HỌC ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH - KINH TẾ VÀ QUẢN TRỊ KINH DOANH, 20(3), 31–47. https://doi.org/10.46223/HCMCOUJS.econ.vi.20.3.3394.2025Tải xuống trích dẫnGiấy phép
Bản quyền (c) 2025 Vũ Hữu Thành; Hoàng Thị Kim Diễm
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
- Hoàng Thị Kim Diễm