Bài viết liên quan
Quản trị rủi ro
Chấm điểm tín dụng bằng học máy
Machine Learning Credit Scoring
Phương pháp sử dụng các thuật toán học máy (gradient boosting, random forest, neural network) để phân tích dữ liệu khách hàng và dự báo xác suất vỡ nợ (PD). Mô hình ML có khả năng xử lý đồng thời hàng trăm biến và bắt được các quan hệ phi tuyến mà hồi quy logistic truyền thống không phát hiện được. Tại Việt Nam, VPBank và Techcombank đã triển khai ML scoring để tự động hóa quyết định cho vay bán lẻ và cá nhân.
Chấm điểm tín dụng bằng học máy là gì?
Chấm điểm tín dụng bằng học máy (Machine Learning Credit Scoring) là phương pháp ứng dụng các thuật toán học máy như Gradient Boosting (XGBoost, LightGBM), Random Forest, Neural Network và Deep Learning để phân tích tập dữ liệu lớn của khách hàng và dự báo xác suất vỡ nợ (Probability of Default - PD). Khác với mô hình hồi quy logistic truyền thống chỉ xử lý được vài chục biến và giả định quan hệ tuyến tính, mô hình ML có khả năng xử lý đồng thời hàng trăm đến hàng nghìn biến số, bắt được các tương quan phi tuyến và tương tác phức tạp giữa các yếu tố.
Đặc điểm chính
- Xử lý dữ liệu phi cấu trúc: hành vi lướt web, lịch sử giao dịch, dữ liệu viễn thông
- Độ chính xác cao: AUC thường đạt 0.80-0.90, vượt trội so với 0.65-0.75 của logistic
- Cập nhật liên tục qua cơ chế online learning và drift detection
- Tuân thủ yêu cầu quản trị mô hình theo Thông tư 11/2021/TT-NHNN về phân loại tài sản có
Ví dụ thực tế
VPBank triển khai mô hình ML scoring trên nền tảng Lending Cloud từ 2020, tự động phê duyệt khoản vay mua xe, vay tiêu dùng trong 5 phút với tỷ lệ bad rate dưới 2%. Techcombank ứng dụng XGBoost kết hợp dữ liệu CIC và lịch sử app để chấm điểm khách hàng cá nhân, phục vụ quyết định cấp tín dụng theo Quyết định 1600/QĐ-NHNN về đề án fintech.