Chấm điểm tín dụng bằng máy học

Chấm điểm tín dụng bằng máy học là gì?

Chấm điểm tín dụng bằng máy học (Machine Learning Credit Scoring) là phương pháp ứng dụng các thuật toán học máy để dự báo xác suất vỡ nợ (PD) của khách hàng dựa trên tập dữ liệu lịch sử lớn, gồm hàng trăm đến hàng nghìn biến đầu vào. Khác với mô hình scorecard truyền thống dựa trên hồi quy logistic và WOE/IV, ML cho phép mô hình hóa các quan hệ phi tuyến, tương tác đa biến và tự động chọn biến quan trọng.

Các thuật toán phổ biến

• Gradient Boosting (XGBoost, LightGBM, CatBoost): Hiệu quả cao trên dữ liệu dạng bảng, được dùng rộng rãi tại VPBank, Techcombank, MB.
• Random Forest & Ensemble: Giảm overfitting, dễ trích xuất feature importance.
• Neural Network / Deep Learning: Phù hợp dữ liệu phi cấu trúc như chuỗi thời gian giao dịch, hành vi click chuột.

Hiệu quả cải thiện

Mô hình ML thường cải thiện KS từ 5-15 điểm phần trăm và AUROC từ 0,03-0,08 so với scorecard logistic. Techcombank công bố đã nâng chỉ số Gini của mô hình PD lên trên 65% nhờ kết hợp dữ liệu CIC và hành vi trên app mobile.

Quy định tại Việt Nam

Thông tư 17/2024/TT-NHNN về quản lý rủi ro mô hình và Quyết định 2345/QĐ-NHNN yêu cầu mô hình tín dụng phải có khả năng giải thích được, kiểm định độc lập và được Hội đồng rủi ro phê duyệt trước khi vận hành.