Rủi ro mô hình

Rủi ro mô hình là gì?

Rủi ro mô hình (Model Risk) là nguy cơ gây tổn thất tài chính hoặc ra quyết định sai lầm do việc sử dụng các mô hình toán học, thống kê hoặc thuật toán (như mô hình chấm điểm tín dụng, mô hình VaR, mô hình định giá...) cho kết quả không chính xác, sai lệch hoặc bị vận dụng không đúng cách. Đây là loại rủi ro ngày càng được quan tâm trong bối cảnh ngân hàng số và AI.

Đặc điểm

• Rủi ro từ dữ liệu đầu vào: Dữ liệu sai, thiếu hoặc không đại diện (data quality) dẫn đến kết quả mô hình lệch.
• Rủi ro từ giả định mô hình: Giả định không còn phù hợp khi điều kiện thị trường thay đổi (model drift).
• Rủi ro từ việc sử dụng sai: Áp dụng mô hình ngoài phạm vi thiết kế (out-of-scope) hoặc hiểu nhầm kết quả.
• Khó phát hiện tức thì: Sai sót có thể tích lũy âm thầm trong thời gian dài trước khi bộc lộ.
• Yêu cầu kiểm định độc lập: Cần có quy trình validation (back-testing, stress testing, benchmark) định kỳ.

Ví dụ

Một ngân hàng xây dựng mô hình chấm điểm tín dụng (credit scoring) dựa trên dữ liệu 3 năm trước. Khi dịch COVID-19 bùng phát, mô hình tiếp tục phân loại nhiều khách hàng vào nhóm A1 (an toàn) dù thực tế doanh thu sụt giảm mạnh, dẫn đến cấp tín dụng sai và phát sinh nợ xấu 500 tỷ đồng. Theo quy định tại Thông tư 13/2018/TT-NHNN và Quyết định 1055/QĐ-NHNN (Hệ thống chỉ tiêu an toàn vốn Basel II), ngân hàng có nghĩa vụ kiểm định mô hình định kỳ và gửi báo cáo kết quả cho Ngân hàng Nhà nước khi phát hiện sai lệch đáng kể.