- Thông tin chung về luận văn 1. - Tên luận văn: Nghiên cứu xây dựng công cụ xếp hạng tín dụng tự động trong ngân hàng 2. - Tác giả luận văn: Nguyễn Thị Thu Hiền Khóa: 2014A SHHV: CA140167 3. - Từ khóa : Credit rating, data mining, c 4.5, xếp hạng tín dụng tự động. - Luận văn hoàn thành với các nội dung tóm tắt sau: 1. - Ngân hàng được xem như là một chiếc cầu nối luân chuyển vốn trong nền kinh tế, sự tồn tại và phát triển của ngành ngân hàng có ảnh hưởng rất lớn đến thị trường tài chính và nền kinh tế của đất nước. - Kinh doanh ngân hàng là hoạt động kinh doanh loại hàng hóa đặc biệt – hàng hóa tiền tệ, tiềm ẩn rất nhiều rủi ro. - Rủi ro có quan hệ mật thiết với lợi nhuận, nơi nào có rủi ro cao nơi đó hứa hẹn có lợi nhuận cao và ngược lại. - Việc nhận biết, quản lý và đo lường rủi ro là khâu cực kỳ quan trọng. - Trong hoạt động kinh doanh ngân hàng rủi ro tı́n dụng là loại rủi ro phức tạp nhất, có ý nghĩa quan trọng bậc nhất trong việc quyết định đối với sự tồn tại và phát triển của một ngân hàng, việc quản lý và phòng ngừa rất khó khăn, rủi ro tı́n dụng có thể sảy ra ở bất cứ đâu, bất cứ khi nào với bất cứ khách hàng nào nếu không được phát hiện và xử lý kịp thời sẽ nảy sinh các rủi ro khác. - Hiện nay nhiều ngân hàng Việt Nam đã gặp phải khó khăn về dư nợ tı́n dụng tăng, nợ xấu tăng, mất đi khách hàng tốt do hoạt động cho vay của ngân hàng trở nên kém hiệu quả, họ đã đánh giá sai khách hàng khi thẩm định và cấp tín dụng, dẫn đến một số ngân hàng có nguy cơ mất vốn cao, giảm lợi nhuận và mất uy tı́n, một số phải sát nhập, giải thể hay vi phạm pháp luật. - Hơn nữa để đáp ứng nhu cầu tăng về vốn cho việc mở rộng sản xuất kinh doanh, cải tiến trang thiết bị kỹ thuật, nâng cao công nghệ và các nhu cầu khác phục vụ sản xuất kinh doanh thı̀ các ngân hàng luôn phải mở rộng quy mô hoạt động tı́n dụng, điều đó có nghı̃a là rủi ro tı́n dụng cũng phát sinh nhiều hơn. - 2 Trong số những nguyên nhân chủ quan dẫn đến rủi ro tín dụng với tı̉ lệ nợ xấu cao như hiện nay có thể kể ra như phương pháp xếp hạng tín dụng nội bộ chủ yếu dựa vào các nhân tố định tı́nh, xếp hạng tín dụng không được đánh giá và cập nhật thường xuyên, cơ cấu quản trị nội bộ và chức năng kiểm toán nội bộ còn yếu kém, giá trị tài sản thế chấp bị phóng đại và thiếu quy trı̀nh định giá độc lập và liên tục, thiếu hệ thống cảnh báo sớm để chı̉ ra dấu hiệu của nợ có vấn đề. - Càng phụ thuộc nhiều vào nhân tố định tı́nh trong quy trı̀nh thẩm định tı́n dụng thı̀ càng có nhiều rủi ro và ngân hàng càng có ı́t khả năng thu hồi nợ. - Mặt khác, trong bối cảnh ứng dụng công nghệ thông tin ngày càng tăng, dữ liệu phát sinh từ hoạt động quản lý, kinh doanh ngân hàng được lưu lại ngày càng nhiều, các ngân hàng cần phải nhanh chóng đưa ra các quyết định bằng cách xử lý nhiều yếu tố với quy mô và tính phức tạp ngày càng tăng. - Để có quyết định chính xác khi thẩm định phê duyệt và cấp hồ sơ tín dụng, cán bộ tín dụng cần thường xuyên thực hiện việc phân tích, dự đoán hay phân loại vấn đề cần giải quyết trước khi ra quyết định. - Điều này đòi hỏi phải có giải pháp thông minh hơn để tự động hoá việc phân tích dữ liệu, với một lượng lớn dữ liệu như vậy, dẫn đến một nhu cầu thực tế là cần có phương pháp khai phá dữ liệu thu thập được để làm căn cứ ra quyết định, điều chắc chắn rằng phương pháp này có thể rút trích được những thông tin đáng giá đang ẩn chứa trong các tập dữ liệu và quan trọng không chỉ xác định được dữ liệu đang nằm ở đâu mà còn phải trích xuất được những hiểu biết thực tế về khách hàng để đưa ra quyết định tốt hơn. - Xuất phát từ các vấn đề gặp phải trong các ngân hàng thương mại như đã trình bày ở trên, việc xây dựng công cụ xếp hạng tín dụng tự động không chı̉ hỗ trợ ngân hàng thương mại có được công cụ giúp dễ dàng hơn khi phân loại, dự đoán rủi ro cho các khoản vay để xét duyệt, quyết định cấp hồ sơ tı́n dụng. - mà còn là công cụ tư vấn, thống kê, phân loại nợ trung thực hơn giúp các nhà quản trị ngân hàng thương mại có định hướng chiến lược kinh doanh rõ ràng, hạn chế và ngăn ngừa được nhiều rủi ro, áp dụng phù hợp cho từng đối tượng khách hàng theo những tiêu chı́ khác nhau. - Chı́nh vì những lý do trên mà tôi chọn đề tài “Nghiên cứu xây dựng công cụ xếp hạng tı́n dụng tự động trong ngân hàng” làm đề tài luận văn của mı̀nh. - Xây dựng được một công cụ xếp hạng tín dụng tự động trong ngân hàng 3 - Cài đặt chương trình, chạy thử nghiệm - Hoàn thành luận văn 3. - Cài đặt thử nghiệm với các cơ sở dữ liệu mẫu của ngân hàng dành cho khách hàng là doanh nghiệp dạng file txt. - Nội dung chính của luận văn Bố cục luận văn được chia ra làm 3 chương chính cụ thể như sau: Kết cấu luận văn gồm 3 chương: Chương 1: Khái quát về nghiệp vụ xếp hạng tín dụng trong ngân hàng. - Chương này tác giả đã trình bày lý thuyết tổng quan về thị trường tài chính, lý thuyết về tín dụng ngân hàng, nghiệp vụ xếp hạng tín dụng trong ngân hàng, giới thiệu 2 mô hình xếp hạng tín dụng đang được áp dụng tại Việt Nam. - Chương 2: Cơ sở lý thuyết cho bài toán xếp hạng tín dụng. - Chương này tác giả đã tìm hiểu kĩ về lý thuyết tổng quan về khai phá dữ liệu, một số phương pháp khai phá dữ liệu thông dụng đặc biệt là phương pháp phân lớp dữ liệu với cây quyết định (C 4.5) là một thuật toán được ứng dụng để khai phá dữ liệu đặc biệt trong lĩnh vực ngân hàng. - Sau đó tác giả giới thiệu một số phương pháp, kỹ thuật đánh giá hiệu suất bộ phân lớp và cải thiện độ chính xác phân lớp. - Chương 3: Xây dựng công cụ thực hiện xếp hạng tín dụng tự động trong ngân hàng. - Phần thứ nhất tác giả xây dựng chương trình viết bằng Matlab để hiểu bài toán, trong Matlab một số hàm liên quan bài toán phân lớp đã được xây dựng sẵn ví dụ như hàm xây dựng cây quyết định Treebagger, hàm dự báo sai số Predict. - Trong luận văn tác giả có sử dụng các hàm trên của Matlab để xây dựng công cụ xếp hạng tự động bằng Matlab. - Tuy nhiên, Matlab là phần mềm thông dịch chạy rất chậm và các hàm trong Matlab đã được đóng gói, do đó chúng ta chỉ gọi hàm và truyền cho các hàm những đầu vào phù hợp, chúng ta không thể can thiệp sâu vào các hàm trong Matlab để tối ưu thuật toán để cải tiến bộ phân lớp được, chính vì những điều đó tác giả mở rộng bài toán code bằng ngôn ngữ Java. - Sử dụng kết hợp kỹ thuật bagging (giống Treebagger trong Matlab) với thuật toán sinh cây quyết định 4 C4.5 học với dữ liệu đầu vào là danh sách khách hàng mẫu trong quá khứ từ đó cho ra kết quả là phân loại các danh sách khách hàng mới. - Phương pháp nghiên cứu Phương pháp tài liệu: nghiên cứu các tài liệu liên quan đến khai phá dữ liệu, thuật toán C 4.5, các hàm trong Matlab, trong thư viện Java Machine Learning Phương pháp thực nghiệm: ứng dụng kết hợp kỹ thuật bagging và thuật toán cây quyết định C 4.5 để phân loại khách hàng vay vốn là doanh nghiệp trong ngân hàng. - Kết luận Kết quả của luận văn là đã xây dựng được công cụ xếp hạng tín dụng tự động cho ngân hàng. - Trước tiên, tác giả đã tìm hiểu và trình bày trong chương 1 lý thuyết về thị trường tài chính, tìm hiểu về mô hình quản trị rủi ro, hoạt động kinh doanh ngân hàng, quản trị rủi ro tín dụng, nghiệp vụ tín dụng, quy trình xếp hạng tín dụng khách hàng và tác giả đã thấy một thực tế rằng hiện nay các ngân hàng tại Việt Nam gặp rất nhiều khó khăn và rủi ro trong việc thẩm định, cấp tín dụng, quy trình xếp hạng tín dụng khách hàng doanh nghiệp chưa tuân theo các nhân tố định lượng, chưa tuân theo một chuẩn chung nhất, việc xếp hạng tín dụng chủ yếu dựa vào nội bộ ngân hàng và cơ quan đánh giá tín dụng theo phương pháp chấm điểm tín dụng và chủ yếu dựa vào các nhân tố định tính, phụ thuộc nhiều vào yếu tố đạo đức con người. - Chính vì vậy có rất nhiều ngân hàng đã gặp phải rủi ro trong hoạt động tín dụng và không có nhiều cơ hội tốt để phát triển hệ thống. - Sau đó, tác giả đã tìm hiểu kĩ về lý thuyết cơ sở liên quan đến bài toán phân loại mà tác giả đã trình bày tại chương 2, tác giả đã tổng hợp và nêu ra phương pháp phân lớp dữ liệu với cây quyết định cho bài toán xếp hạng tín dụng, nghiên cứu tập trung vào việc sử dụng kết hợp kỹ thuật bagging và thuật toán cây quyết định c4.5 để học có giám sát trên tập dữ liệu khách hàng lịch sử rồi đưa ra mô hình phân loại dự đoán rủi ro tín dụng cho khách hàng mới. - Cuối cùng, tác giả đã xây dựng được công cụ xếp hạng tín dụng tự động dựa trên Matlab, sau đó mở rộng xây dựng bằng ngôn ngữ Java. - Thành công của nghiên cứu sẽ hỗ trợ đưa ra hệ thống phân loại khách hàng vay vốn. - 5 Trong tương lai để cải tiến kĩ thuật, tác giả mong muốn việc nghiên cứu có thể tiếp tục với định hướng: dùng một kỹ thuật mạnh và hiện đại trong học máy có tên gọi tiếng anh là deep learning. - Thuật toán này tập trung giải quyết các vấn đề liên quan đến mạng thần kinh nhân tạo giúp cải tiến phương pháp học nhanh hơn nhằm xây dựng được công cụ xếp hạng tín dụng tự động tốt hơn.
Xem thử không khả dụng, vui lòng xem tại trang nguồn hoặc xem
Tóm tắt