Mô hình học máy dự báo khả năng vỡ nợ của khách hàng vay tín dụng tại ngân hàng thương mại

Phan Ngọc Mai Anh; Nguyễn Huỳnh Anh Vũ

doi:https://doi.org/10.63065/ajdsai.vn.2026.02.001

Ấn phẩm Khoa học Dữ liệu và Trí tuệ Nhân tạo Châu Á

SỐ 02 , Tháng 8/2026, Trang 5-21

Mô hình học máy dự báo khả năng vỡ nợ của khách hàng vay tín dụng tại ngân hàng thương mại

Phan Ngọc Mai Anh, Nguyễn Huỳnh Anh Vũ

DOI: https://doi.org/10.63065/ajdsai.vn.2026.02.001

Ngày nhận bài: 26/02/2026

Ngày nhận bài sửa: 02/08/2026

Ngày duyệt đăng: 12/08/2026

Email: vunha@hub.edu.vn

Đơn vị công tác: Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Lượt xem: 26

Downloads: 0

Các định dạng trích dẫn

Tóm tắt

Mục tiêu nghiên cứu: Nghiên cứu này nhằm xây dựng và đánh giá các mô hình học máy để dự báo khả năng vỡ nợ của khách hàng vay tín dụng cá nhân tại ngân hàng thương mại, đồng thời phát hiện và khắc phục hiện tượng rò rỉ dữ liệu (RRDL) khi áp dụng kỹ thuật xử lý dữ liệu mất cân bằng. Mục tiêu cụ thể bao gồm so sánh hiệu suất của ba mô hình học máy (Hồi quy Logistic, Random Forest và XGBoost), xác định tác động của RRDL và tối ưu hóa ngưỡng phân loại nhằm nâng cao khả năng phát hiện rủi ro tín dụng.

Thiết kế/phương pháp/tiếp cận: Nghiên cứu sử dụng dữ liệu tín dụng thực tế từ 18.805 hồ sơ khách hàng với 27 biến đặc trưng thuộc ba nhóm thông tin: (i) Nhân khẩu xã hội; (ii) Năng lực tài chính và khoản vay; và (iii) Các chỉ số kinh tế vĩ mô. Quy trình thực nghiệm gồm hai giai đoạn nhằm phát hiện và khắc phục RRDL phát sinh khi áp dụng kỹ thuật tạo mẫu tổng hợp SMOTE không đúng cách. Tối ưu hóa siêu tham số bằng GridSearchCV kết hợp kiểm định chéo năm lớp (5-fold cross-validation). Việc phân tích SHAP được sử dụng để giải thích các yếu tố có ảnh hưởng đến dự báo.

Kết quả nghiên cứu chính: Nghiên cứu phát hiện RRDL nghiêm trọng khi SMOTE áp dụng không đúng quy trình, dẫn đến Random Forest và XGBoost đạt hiệu suất hoàn hảo không thực tế (AUC-ROC = 1,0000). Sau khắc phục, mô hình XGBoost đạt AUC-ROC = 0,9973 và F1 = 0,9900 sau tối ưu hóa ngưỡng phân loại từ 0,5 xuống 0,4303.

Giá trị đóng góp mới: Nghiên cứu cung cấp bằng chứng thực nghiệm về mức độ nghiêm trọng của RRDL trong dự báo vỡ nợ, đề xuất quy trình chuẩn để phát hiện và khắc phục vấn đề này, đồng thời cung cấp giải pháp tối ưu hóa ngưỡng phân loại phù hợp với mục tiêu quản trị rủi ro ngân hàng.

Từ khóa

Dự báo vỡ nợ, rủi ro tín dụng, học máy, rò rỉ dữ liệu, SMOTE, mất cân bằng dữ liệu, hồi quy Logistic, Random Forest, XGBoost, tối ưu hóa ngưỡng.

Download Mua ngay Buy now

Tài liệu tham khảo

Alonso Robisco, A., & Carbó Martínez, J. M. (2022). Measuring the model risk-adjusted performance of machine learning algorithms in credit default prediction. Financial Innovation, 8(1), 70. https://doi.org/10.1186/s40854-022-00366-1.

Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x.

Basel Committee on Banking Supervision. (2006). International convergence of capital measurement and capital standards: A revised framework. Bank for International Settlements.

Bouke, M. A., & Abdullah, A. (2024). An empirical assessment of ML models for 5G network intrusion detection: A data leakage-free approach. e-Prime - Advances in Electrical Engineering, Electronics and Energy, 8, 100590. https://doi.org/10.1016/j.prime.2024.100590.

Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32. https://doi.org/10.1023/A:1010933404324.

Chawla, N. V., Bowyer, K. W., Hall, L. O., & Kegelmeyer, W. P. (2002). SMOTE: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16, 321-357. https://doi.org/10.1613/jair.953.

Chen, T., & Guestrin, C. (2016). Xgboost: A scalable tree boosting system. In Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining (pp. 785-794). https://doi.org/10.1145/2939672.2939785.

Hand, D. J., & Henley, W. E. (1997). Statistical classification methods in consumer credit scoring: a review. Journal of the royal statistical society: series a (statistics in society), 160(3), 523-541. https://doi.org/10.1111/j.1467-985X.1997.00078.x.

Hasanin, T., & Khoshgoftaar, T. (2018). The effects of random undersampling with simulated class imbalance for big data. In 2018 IEEE international conference on information reuse and integration (IRI) (pp. 70-79). IEEE. https://doi.org/10.1109/IRI.2018.00018.

He, H., & Garcia, E. A. (2009). Learning from imbalanced data. IEEE Transactions on Knowledge and Data Engineering, 21(9), 1263-1284. https://doi.org/10.1109/TKDE.2008.239.

Hosmer Jr, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression. John Wiley & Sons.

Iparraguirre-Villanueva, O., & Cabanillas-Carbonell, M. (2024). Predicting business bankruptcy: A comparative analysis with machine learning models. Journal of Open Innovation: Technology, Market, and Complexity, 10(3), 100375. https://doi.org/10.1016/j.joitmc.2024.100375.

Kapoor, S., & Narayanan, A. (2023). Leakage and the reproducibility crisis in machine-learning-based science. Patterns, 4(9). https://doi.org/10.1016/j.patter.2023.100804.

Kaufman, S., Rosset, S., Perlich, C., & Stitelman, O. (2012). Leakage in data mining: Formulation, detection, and avoidance. ACM Transactions on Knowledge Discovery from Data, 6(4), 15. https://doi.org/10.1145/2382577.2382579.

Lessmann, S., Baesens, B., Seow, H. V., & Thomas, L. C. (2015). Benchmarking state-of-the-art classification algorithms for credit scoring: An update of research. European Journal of Operational Research, 247(1), 124-136. https://doi.org/10.1016/j.ejor.2015.05.030.

Li, X., Ergu, D., Zhang, D., Qiu, D., Cai, Y., & Ma, B. (2022). Prediction of loan default based on multi-model fusion. Procedia Computer Science, 199, 757-764. https://doi.org/10.1016/j.procs.2022.01.094.

Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765-4774. https://doi.org/10.48550/arXiv.1705.07874.

Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S. I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2(1), 56-67. https://doi.org/10.1038/s42256-019-0138-9.

Maehara, R., Benites, L., Talavera, A., Aybar-Flores, A., & Muñoz, M. (2024). Predicting financial inclusion in Peru: Application of machine learning algorithms. Journal of Risk and Financial Management, 17(1), 34.

Ngân hàng Nhà nước Việt Nam. (2023). Báo cáo thường niên về tình hình hoạt động ngân hàng năm 2022.

Nguyen, Q. G., Nguyen, L. H., Hosen, M. M., Rasel, M., Shorna, J. F., Mia, M. S., & Khan, S. I. (2025). Enhancing credit risk management with machine learning: A comparative study of predictive models for credit default prediction. The American Journal of Applied Sciences, 7(01), 21-30. https://doi.org/10.37547/tajas/Volume07Issue01-04.

Qiu, Y., & Wang, J. (2025). Credit default prediction using time series-based machine learning models. Artificial Intelligence and Applications, 3(3), 284-294. https://doi.org/10.47852/bonviewaia52023655.

Rahmani, R., Parola, M., & Cimino, M. G. (2024). A machine learning workflow to address credit default prediction. arXiv preprint arXiv:2403.03785. https://doi.org/10.48550/arXiv.2403.03785.

Talaei Khoei, T., & Kaabouch, N. (2023). Machine learning: Models, challenges, and research directions. Future Internet, 15(10), 332. https://doi.org/10.3390/fi15100332.

Thomas, L. C., Edelman, D. B., & Crook, J. N. (2002). Credit scoring and its applications. SIAM.

Wang, Y., Wang, M., Pan, Y., & Chen, J. (2023). Joint loan risk prediction based on deep learning-optimized stacking model. Engineering Reports, 6(4), Article e12748. https://doi.org/10.1002/eng2.12748.

Wang, Y., Xu, Z., Ma, K., Chen, Y., & Liu, J. (2024). Credit default prediction with machine learning: A comparative study and interpretability insights. In 2024 4th International Conference on Communication Technology and Information Technology (ICCTIT) (pp. 496-500). IEEE. https://doi.org/10.1109/ICCTIT64404.2024.10928657.

Weber, P., Carl, K. V., & Hinz, O. (2024). Applications of explainable artificial intelligence in finance: A systematic review of finance, information systems, and computer science literature. Management Review Quarterly, 74(2), 867-907. https://doi.org/10.1007/s11301-023-00320-0.

Yang, K., Stoyanovich, J., Asudeh, A., Howe, B., Jagadish, H. V., & Miklau, G. (2018). A nutritional label for rankings. In Proceedings of the 2018 international conference on management of data (pp. 1773-1776). https://doi.org/10.1145/3183713.3193568.

Zheng, Y. (2022). A default prediction method using XGBoost and lightgbm. In 2022 International Conference on Image Processing, Computer Vision and Machine Learning (ICICML) (pp. 210-213). IEEE. https://doi.org/10.1109/ICICML57342.2022.10009823.