Mô hình chấm điểm tín dụng dựa trên sự kết hợp giữa mô hình Cây quyết định, Logit, K láng giềng gần nhất và Mạng thần kinh nhân tạo

<br /> <br /> QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP <br /> <br /> Mô hình chấm điểm tín dụng dựa trên sự kết hợp<br /> giữa mô hình Cây quyết định, Logit, K láng giềng<br /> gần nhất và Mạng thần kinh nhân tạo<br /> Nguyễn Tiến Hưng<br /> Lê Thị Huyền Trang<br /> Ngày nhận: 03/06/2018 <br /> <br /> Ngày nhận bản sửa: 06/06/2018 <br /> <br /> Ngày duyệt đăng: 18/06/2018<br /> <br /> Tìm kiếm một mô hình chấm điểm tín dụng hiệu quả đang là một vấn<br /> đề quan trọng khi tình trạng nợ xấu đã và đang ảnh hưởng nghiêm<br /> trọng tới hoạt động của các tổ chức tín dụng (TCTD) tại Việt Nam.<br /> Vài thập kỉ qua đã có nhiều nghiên cứu trong lĩnh vực thống kê tại<br /> các nước phát triển được tiến hành nhằm nâng cao tính chính xác<br /> của các mô hình chấm điểm tín dụng. Tuy nhiên, tại Việt Nam chưa<br /> có nhiều nghiên cứu về lĩnh vực này. Các nghiên cứu chủ yếu sử dụng<br /> các mô hình truyền thống như Logit (LR), phân tích phân biệt (DA).<br /> Một vài nghiên cứu có đề cập tới các mô hình học máy như cây quyết<br /> định (DT), K láng giềng gần nhất (KNN), mạng thần kinh nhân tạo<br /> (ANN). Bài nghiên cứu hướng đến việc xây dựng, đánh giá hiệu quả<br /> của các mô hình kết hợp DT_LR, DT_KNN, DT_ANN, đây là một xu<br /> hướng trong các nghiên cứu ứng dụng nhằm tăng cường độ chính<br /> xác cho các mô hình chấm điểm tín dụng.<br /> Từ khóa: Chấm điểm tín dụng, Cây quyết định, K láng giềng gần<br /> nhất, Mạng thần kinh nhân tạo<br /> <br /> 1. Giới thiệu<br /> <br /> số lượng tiền là bao nhiêu và họ cần phải xây<br /> dựng những chiến lược gì để gia tăng được lợi<br /> nhuận trong khi vẫn quản lý hiệu quả các rủi ro<br /> đi kèm. Việc xây dựng được một công cụ chấm<br /> điểm hiệu quả đem lại rất nhiều lợi ích cho các<br /> TCTD:<br /> ○○ Cải thiện dòng vốn<br /> ○○ Bảo đảm tài sản thế chấp là phù hợp<br /> ○○ Giảm các khoản lỗ tín dụng<br /> <br /> hấm điểm tín dụng được hiểu<br /> một cách rộng rãi là việc đánh<br /> giá rủi ro tiềm tàng của các đối<br /> tượng đi vay theo một thang<br /> điểm nhất định. Mô hình chấm<br /> điểm tín dụng là một công cụ giúp cho nhà<br /> quản trị biết được khi nào họ nên cho vay, với<br /> © Học viện Ngân hàng<br /> ISSN 1859 - 011X<br /> <br /> 46<br /> <br /> Tạp chí Khoa học & Đào tạo Ngân hàng<br /> Số 193- Tháng 6. 2018<br /> <br />  <br /> <br /> QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP<br /> <br /> ○○ Giảm chi phí phân tích tín dụng<br /> hợp hiệu quả đã được tìm ra, tuy nhiên càng<br /> ○○ Giảm thời gian đưa ra quyết định cấp tín<br /> kết hợp nhiều kỹ thuật thì việc giải thích sự tác<br /> dụng<br /> động giữa các dữ liệu đầu vào đến kết quả điểm<br /> ○○ Đa dạng hoá các sản phẩm tín dụng theo các<br /> được chấm càng khó khăn. Bài nghiên cứu sẽ<br /> phân cấp rủi ro khác nhau<br /> xây dựng, đánh giá hiệu quả của mô hình kết<br /> ○○ Hiểu được hành vi của khách hàng.<br /> hợp các mô hình DT_LR, DT_KNN, DT_ANN,<br /> Chấm điểm tín dụng đo lường định lượng rủi ro<br /> nhằm tăng cường độ chính xác cho các mô hình<br /> tiềm tàng của khách hàng bằng cách phân tích<br /> chấm điểm tín dụng.<br /> dữ liệu cá nhân để tìm ra khả năng vỡ nợ của họ<br /> với khoản vay trong tương lai. Hoạt động này<br /> 2. Các mô hình xếp hạng tín dụng<br /> cũng có thể được hiểu như là một kỹ thuật khai<br /> phá dữ liệu, tìm kiếm các quy luật của các dữ<br /> 2.1. Mô hình Logit<br /> liệu lịch sử và áp dụng đưa ra quyết định cấp<br /> tín dụng cho các khách hàng trong tương lai.<br /> Mô hình Logit là mô hình hồi quy với biến phụ<br /> Các kĩ thuật khai phá dữ liệu sử dụng trong lĩnh<br /> thuộc (Y) là biến nhị phân, chỉ nhận hai giá trị<br /> vực chấm điểm tín dụng được phát minh từ thập<br /> là 0 và 1; các biến độc lập có thể là biến nhị<br /> niên 50 thế kỉ trước (Lando, 2004). Đến nay, đã<br /> phân, biến rời rạc hoặc biến liên tục. Trong mô<br /> có rất nhiều các kĩ thuật được phát triển và ứng<br /> hình xếp hạng tín dụng, biến phụ thuộc Y nhận<br /> dụng, trong đó phổ biến nhất phải kể đến các<br /> giá trị 0 khi khách hàng không trả được nợ và<br /> kĩ thuật như: Phân tích phân biệt (DA), logit,<br /> 1 khi khách hàng trả được nợ (Lee và cộng sự,<br /> K láng giềng gần nhất, mạng thần kinh nhân<br /> 2000). Các biến độc lập đại diện cho các thông<br /> tạo (ANN) (Thomas và cộng sự, 2009; Abdou,<br /> tin định tính và định lượng của khách hàng như<br /> 2011). Sự bùng nổ của công nghệ thông tin 4.0<br /> thu nhập, độ tuổi, giới tính, trình độ học vấn...<br /> cùng với sự phát triển của trí tuệ thông minh,<br /> Sau khi hồi quy mô hình Logit, thu được Ŷ = α<br /> thì việc tập trung vào khai phá dữ liệu sử dụng<br /> + β1X1 + β2X2 + ... + βkXk là giá trị ước lượng<br /> các kỹ thuật trí tuệ nhân tạo đang là xu hướng<br /> của Y. Khi đó, xác suất trả nợ của khách hàng<br /> trong lĩnh vực chấm điểm tín dụng.<br /> được tính bằng công thức sau:<br /> Bên cạnh sự phát triển của các kĩ thuật phân<br /> P = 1/ (1 + e−Y)<br /> loại đơn lẻ, đã có nhiều nghiên cứu tiến hành<br /> Giá trị P nhận được trong khoảng (0,1) được<br /> đánh giá hiệu quả của việc kết hợp các thuật<br /> so sánh với các ngưỡng mà ngân hàng đặt ra<br /> toán đơn lẻ nhằm tối đa hoá khả năng dự báo<br /> để xếp hạng khách hàng. Tuy nhiên, trong bài<br /> trong các mô hình chấm điểm tín dụng. Một số<br /> nghiên cứu này, để dễ dàng hơn trong việc so<br /> nghiên cứu của Kim và cộng sự (2001), Ahn và<br /> sánh hiệu quả của các mô hình, giá trị ngưỡng<br /> cộng sự (2009), Luo và cộng sự (2009) đề cập<br /> để phân loại khách hàng được chọn là 0,5. Điều<br /> đến việc sử dụng các kĩ thuật phân loại dữ liệu<br /> này có nghĩa rằng nếu giá trị P < 0,5, khách<br /> như Seft-Organzing Map (SOM), thuật toán<br /> hàng sẽ được dự báo vỡ nợ, và ngược lại nếu P<br /> di truyền (GA), thuật toán phân<br /> nhóm (K-MC), sau đó sử dụng<br /> Hình 1. Cây quyết định (Decision tree)<br /> dữ liệu mới này cho các mô hình<br /> chấm điểm như phân tích phân biệt<br /> (DA), Logit (LR), K-NN, ANN.<br /> Một số nghiên cứu khác của Lee<br /> và cộng sự (2005), Li và cộng sự<br /> (2010) kết hợp các kĩ thuật phân<br /> loại, trong đó kết quả dự báo của<br /> kĩ thuật này sẽ được sử dụng như<br /> là một nhân tố đầu vào cho kĩ thuật<br /> khác. Đã có rất nhiều cách kết<br /> <br /> Nguồn: Abdou. (2011)<br /> <br /> Tạp chí Khoa học & Đào tạo Ngân hàng<br /> <br /> Số 193- Tháng 6. 2018<br /> <br /> 47<br /> <br /> QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP <br /> <br /> ≥ 0,5, khách hàng sẽ được dự báo trả được nợ.<br /> 2.2. Cây quyết định (Decision Tree- DT)<br /> Cây quyết định (DT) là một kiểu mô hình phân<br /> lớp các quan sát dựa vào dãy các luật. Mô hình<br /> này bao gồm một nút gốc (Root node), các nút<br /> bên trong (Internal node) và nút lá (Leaf node).<br /> Mỗi một nút trong DT tương ứng với một biến;<br /> đường nối giữa nó với nút con của nó thể hiện<br /> một giá trị cụ thể cho biến đó (đây chính là điều<br /> kiện hay luật để phân nhánh cho mỗi node).<br /> Mỗi nút lá đại diện cho giá trị dự đoán của biến<br /> mục tiêu; các giá trị cho trước của các biến<br /> được biểu diễn bởi đường đi từ nút gốc tới nút<br /> lá đó (Hình 1).<br /> Cây quyết định được xây dựng bằng cách phân<br /> tách thuộc tính các giá trị tại mỗi nút dựa trên<br /> một thuộc tính đầu vào. Quá trình phân lớp sử<br /> dụng các thuộc tính phân tách được thực hiện<br /> liên tục cho tới khi gặp các nút lá (giá trị mục<br /> tiêu). Tập hợp các luật đường đi từ nút gốc tới<br /> nút lá sẽ xác định cho chúng ta các luật quyết<br /> định mà hàm mục tiêu trả về giá trị là mức độ<br /> rủi ro tương ứng với khách hàng. <br /> DT là một phương pháp phân lớp rất hiệu quả<br /> và dễ hiểu. Tuy nhiên, hiệu quả phân lớp của<br /> cây quyết định phụ thuộc rất lớn vào dữ liệu<br /> huấn luyện (training data). Do vậy, việc sử<br /> dụng một bộ dữ liệu lớn về lịch sử vay nợ của<br /> khách hàng là rất cần thiết để xây dựng mô hình<br /> DT đáng tin cậy.<br /> <br /> 2.3. K Láng giềng gần nhất (K-Nearest<br /> Neighbor- KNN)<br /> KNN là phương pháp học máy để phân lớp các<br /> đối tượng dựa vào khoảng cách gần nhất giữa<br /> đối tượng cần xếp lớp và tất cả các đối tượng<br /> trong dữ liệu huấn luyện. Lớp của một điểm dữ<br /> liệu mới (hay phân loại khách hàng) được suy<br /> ra trực tiếp từ K điểm dữ liệu gần nhất trong<br /> dữ liệu huấn luyện. Lớp này có thể được quyết<br /> định theo lớp có số lượng điểm (trong K điểm<br /> gần nhất) nhiều nhất.<br /> Từ Hình 2 có thể thấy, nếu chọn số điểm gần<br /> nhất để phân loại là 3 thì xung quanh điểm cần<br /> phân lớp có 3 điểm trong đó 1 điểm thuộc lớp 1<br /> và 2 điểm thuộc lớp 2. Với số điểm thuộc lớp 2<br /> nhiều hơn, điểm cần phân lớp được đưa vào lớp<br /> số 1. Tương tự như vậy, nếu lựa chọn số điểm<br /> gần nhất k=5 thì có năm điểm xung quanh điểm<br /> cần phân lớp, trong đó có 3 điểm thuộc lớp số 1<br /> và 2 điểm thuộc lớp 2. Nếu theo dữ liệu này thì<br /> điểm cần phân lớp sẽ thuộc lớp số 1.<br /> Trên thực tế dữ liệu cần phân loại có nhiều<br /> thuộc tính trong đó mỗi thuộc tính tương ứng<br /> với một chiều không gian, do vậy khi tính<br /> khoảng cách gần nhất cần tính khoảng cách<br /> vector trong không gian đa chiều với công thức<br /> khoảng cách Euclidean:<br /> <br /> Hình 2. K Láng giềng gần nhất (K-Nearest neighbor- KNN)<br /> <br /> Nguồn: Marinakis và cộng sự (2008)<br /> <br /> 48 Số 193- Tháng 6. 2018<br /> <br /> Tạp chí Khoa học & Đào tạo Ngân hàng<br /> <br />  <br /> <br /> QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP<br /> <br /> Hình 3. Cơ chế hoạt động nơ ron nhân tạo (node)<br /> <br /> Nguồn: Lee và cộng sự (2000)<br /> <br /> Trong đó: x, y là 2 điểm cần xác định khoảng<br /> cách; n là số chiều không gian (số thuộc tính<br /> của biến mục tiêu).<br /> 2.4. Mô hình Mạng Nơ ron nhân tạo (ANN)<br /> Nơ ron nhân tạo<br /> Ý tưởng về mạng nơ ron nhân tạo<br /> (ANN) được hình thành từ những quan<br /> sát bộ não con người với chức năng cơ<br /> bản là tiếp nhận thông tin, xử lý thông<br /> tin và đưa ra kết quả. Cụ thể, bộ não<br /> được cấu thành từ các nơ ron liên kết<br /> với nhau. Mỗi nơ ron tiếp nhận thông<br /> tin đầu vào, xử lý và xuất thông tin đầu<br /> ra. Vì các nơ ron có sự liên kết phức tạp<br /> với nhau nên thông tin đầu ra của nơ<br /> ron này sẽ là thông tin đầu vào của nơ<br /> ron khác. Đến khi các thông tin được<br /> xử lý thỏa mãn theo các yêu cầu thì não<br /> bộ sẽ ngừng quá trình này lại và đưa ra<br /> kết quả cuối cùng.<br /> Sự tương tác phức tạp của hàng tỉ nơ<br /> ron được mô hình hóa thành các mô<br /> hình nơ ron nhân tạo (ANN). Về cơ<br /> bản, ANN cấu tạo bởi các nơ ron nhân<br /> tạo hay còn được gọi là các “node”.<br /> Hình 3 mô tả cơ chế hoạt động của một<br /> node.<br /> Các biến số sẽ được các node tiếp nhận<br /> theo các trọng số khác nhau thể hiện<br /> sự quan trọng của các nhân tố đầu vào<br /> này. Các biến số đầu vào sau khi nhân<br /> với các trọng số sẽ được lấy tổng để<br /> <br /> Tạp chí Khoa học & Đào tạo Ngân hàng<br /> <br /> trở thành 1 đầu vào duy nhất. Tại các node sẽ<br /> có các hàm kích hoạt để tính toán các kết quả<br /> đầu ra. Trong nghiên cứu này, để có sự tương<br /> đồng với mô hình logit, hàm kích hoạt sigmoid<br /> sẽ được dùng để xây dựng mô hình ANN. Hàm<br /> Hình 4. Mô hình mạng nơ ron đa lớp truyền thẳng<br /> (MLP)<br /> <br /> Nguồn: Lee và cộng sự (2005)<br /> <br /> Số 193- Tháng 6. 2018<br /> <br /> 49<br /> <br /> QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP <br /> <br /> sigmoid được mô tả bởi công thức S(x) = 1/<br /> (1- ), do đó, với mọi giá trị đầu vào x nhận giá<br /> trị từ -∞ đến +∞ thì kết quả đầu ra nằm trong<br /> khoảng (0,1)<br /> Mạng Nơ ron nhân tạo<br /> Một mạng nơ ron đầy đủ bao gồm 3 lớp với tên<br /> gọi lớp đầu vào (input layer), lớp ẩn (hidden<br /> layer) và lớp đầu ra (output layer). Trong đó<br /> một mạng nơ ron có thể có nhiều hơn một lớp<br /> ẩn, tuy nhiên, Lee và cộng sự (2005) chỉ ra rằng<br /> mạng nơ ron một lớp ẩn có thể giải quyết hầu<br /> hết các bộ số liệu kinh tế phức tạp. Mỗi lớp<br /> được cấu tạo từ một cho đến nhiều node. Trong<br /> lịch sử phát triển của mạng nơ ron nhân tạo,<br /> nhiều kiểu kiến trúc mạng quy định kết nối giữa<br /> các node được hình thành, tuy nhiên, bài nghiên<br /> cứu sử dụng mạng nơ ron truyền thẳng đa lớp<br /> (MLP), một trong những mạng được sử dụng<br /> phổ biến và đem lại hiệu quả cao nhất.<br /> Cấu trúc của mạng truyền thẳng đa lớp được<br /> mô tả trong Hình 4. Số lượng node trong một<br /> lớp và số lượng lớp phụ thuộc vào sự phức tạp<br /> của cơ sở dữ liệu đầu vào và yêu cầu xử lý. Các<br /> node của lớp trước sẽ được truyền thẳng và kết<br /> nối tới tất cả node của lớp sau. Thông tin lan<br /> truyền trong mạng sẽ được gắn với các trọng số<br /> khác nhau.<br /> Các trọng số được ước lượng bằng thuật<br /> toán lan truyền ngược (Back-Propagation<br /> alogorithm), lần đầu tiên được giới thiệu bởi<br /> Rumelhart và cộng sự (1986). Thuật toán này<br /> điều chỉnh liên tục các trọng số của các kết nối<br /> trong mạng để tối thiểu hóa sự khác biệt giữa<br /> giá trị đầu ra ước lượng và giá trị đầu ra thực<br /> tế, quá trình này còn được gọi là quá trình huấn<br /> luyện mạng. Cụ thể, trong giai đoạn đầu tiên<br /> khi hình thành mạng MLP, các trọng số được<br /> khởi tạo ngẫu nhiên. Các giá trị đầu ra của<br /> mạng được thiết lập thông qua giá trị bộ giữ<br /> liệu đầu vào. Sự chênh lệch giữa giá trị đầu ra<br /> ước lượng và đầu ra thực tế, hay còn gọi là sai<br /> số của mạng được xác định bởi công thức:<br /> <br /> Trong đó f(Xi) là ước lượng đầu ra thứ i, Yj là<br /> giá trị đầu ra thực tế và p là số trường hợp trong<br /> <br /> 50 Số 193- Tháng 6. 2018<br /> <br /> bộ dữ liệu. Sau mỗi lần huấn luyện mạng sai số<br /> sẽ được lan truyền ngược lại và các trọng số sẽ<br /> được điều chỉnh để giảm sai số. Quá trình huấn<br /> luyện sẽ dừng lại khi khi mạng đạt được sai số<br /> nhỏ nhất, hay nói cách khác, mạng MLP đạt<br /> được cấu trúc hợp lý nhất để hiểu về bộ dữ liệu.<br /> 3. Đề xuất Mô hình kết hợp<br /> Phương pháp kết hợp này dùng để cải thiện<br /> hiệu suất và độ chính xác phân loại. Hệ thống<br /> phân loại được chia làm nhiều lớp dựa trên sự<br /> kết hợp của hai hay nhiều các mô hình phân<br /> loại để đạt được hiệu suất cao hơn. Mục tiêu<br /> của các mô hình kết hợp là sẽ điều chỉnh các<br /> tập dữ liệu huấn luyện, xây dựng các tập dữ liệu<br /> đào tạo mới trong đó có sử dụng được kết quả<br /> (thế mạnh dự báo) của các mô hình khác. Nhiều<br /> nghiên cứu chỉ ra rằng dữ liệu huấn luyện có<br /> thể không cung cấp đủ thông tin để lựa chọn<br /> một mô hình phân loại tốt nhất. Việc sử dụng<br /> các mô hình phân loại kết hợp có thể bù trừ<br /> giảm thiểu những hạn chế của các mô hình đơn<br /> lẻ.<br /> Một số nghiên cứu trước đây của Peter và cộng<br /> sự (2015), Radall (2017) đã tiến hành kết hợp<br /> mô hình DT và mô hình mạng ANN. Sự kết hợp<br /> này được đánh giá là hiệu quả khi hai mô hình<br /> được kết hợp có chung khả năng là xử lý khối<br /> lượng dữ liệu lớn. Mô hình DT với ưu điểm là<br /> khả năng giải thích biến rõ ràng giúp cải thiện<br /> khả năng giải thích của mô hình chấm điểm tín<br /> dụng khi kết hợp với các mô hình “hộp đen”<br /> như ANN.<br /> Mô hình đề xuất trong bài nghiên cứu là sự<br /> kết hợp giữa mô hình DT và các mô hình LR,<br /> KNN, ANN nhằm so sánh hiệu quả giữa mô<br /> hình kết hợp với các kĩ thuật hiện đại và truyền<br /> thống. Quy trình kết hợp được mô tả trong Hình<br /> 5, trong đó mô hình DT được thiết lập dựa trên<br /> bộ dữ liệu nghiên cứu. Kết quả từ mô hình DT<br /> bao gồm dự báo về phân loại khách hàng và xác<br /> xuất rủi ro được xem như 2 biến mới để kết hợp<br /> với bộ dữ liệu đã có làm nhân tố đầu vào cho<br /> các mô hình được kết hợp cùng.<br /> 4. Dữ liệu nghiên cứu<br /> <br /> Tạp chí Khoa học & Đào tạo Ngân hàng<br /> <br />