So sánh hiệu quả các mô hình học máy trong đánh giá rủi ro tín dụng

Tóm tắt

      Trong ngành ngân hàng, quản lý rủi ro tín dụng ngày càng trở nên phức tạp và quan trọng trong bối cảnh toàn cầu hóa. Rủi ro tín dụng là một trong những thách thức chính đối diện các tổ chức tài chính, khi những người vay không thực hiện nghĩa vụ trả nợ theo cam kết. Để giảm thiểu rủi ro này, các phương pháp học máy đã trở thành một công cụ quan trọng trong việc đánh giá khả năng vay của cá nhân. Nghiên cứu này so sánh hiệu suất của bốn mô hình học máy phổ biến: “Cây quyết định”, “Rừng ngẫu nhiên”, “Máy véctơ hỗ trợ”, và “Hồi quy logistic” trong việc đánh giá rủi ro tín dụng. Dữ liệu đã trải qua kiểm thử và phân tích cho thấy mô hình “Rừng ngẫu nhiên” vượt trội hơn so với các mô hình còn lại, với độ chính xác cao nhất là 93,22 %. Kết quả này cung cấp cái nhìn sâu sắc về khả năng ứng dụng của các mô hình học máy trong việc đánh giá rủi ro tín dụng và có thể hỗ trợ các tổ chức tài chính trong quyết định về việc cấp tín dụng cho cá nhân.