Phân tích dữ liệu xếp hạng tín dụng ngân hàng

Abstract

Luận văn tốt nghiệp với đề tài “Phân tích dữ liệu xếp hạng tín dụng ngân hàng” tập trung nghiên cứu việc ứng dụng các phương pháp thống kê và học máy để dự báo rủi ro tín dụng dựa trên dữ liệu từ Ngân hàng Đông Á. Thông qua việc phân tích 136 mẫu khách hàng với 17 biến độc lập, tác giả đã hệ thống hóa lý thuyết xác suất thống kê và thực hiện thử nghiệm so sánh ba mô hình phân loại chính bao gồm Hồi quy Logistic, Máy vectơ hỗ trợ (SVM) và Rừng ngẫu nhiên (RF). Kết quả thực nghiệm cho thấy mô hình Hồi quy Logistic đạt hiệu suất tối ưu và ổn định nhất với chỉ số F1-score trung bình khoảng 0.62. Nghiên cứu đã chỉ ra những phát hiện quan trọng: hình thức nhận lương qua hệ thống ngân hàng nội bộ (DABank) là yếu tố quyết định nhất giúp giảm thiểu rủi ro nợ xấu, tiếp theo là tính ổn định của thâm niên công tác và thời gian cư trú của khách hàng. Cuối cùng, luận văn đề xuất các ngân hàng nên chuyển dịch tư duy thẩm định từ việc quá chú trọng vào phân hạng truyền thống hay chức vụ sang tập trung kiểm soát dòng tiền thực tế và tính ổn định cá nhân để nâng cao hiệu quả quản trị rủi ro tín dụng.