Việt Nam: Nghiên cứu AI giảm tới 15,5% chi phí ra quyết định cho vay

Tối ưu mô hình trí tuệ nhân tạo chấm điểm tín dụng giúp giảm 11,8-15,5% chi phí kỳ vọng của quyết định cho vay so với dùng ngưỡng phân loại mặc định, theo một nhóm nghiên cứu giới thiệu tại hội nghị quốc tế tại Việt Nam.

Công trình được trình bày tại SIMC 2026 do Trường Đại học Ngân hàng TP. Hồ Chí Minh tổ chức ngày 10-11/11, sử dụng khoảng 307.000 hồ sơ từ bộ dữ liệu Home Credit Default Risk để so sánh 4 mô hình chấm điểm tín dụng gồm Logistic Regression, Random Forest, XGBoost và LightGBM. XGBoost có khả năng phân biệt rủi ro tốt nhất với chỉ số ROC-AUC 0,7573, trong khi LightGBM có chi phí kỳ vọng thấp nhất theo giả định của nghiên cứu.

Nhóm tác giả Trương Quốc Hội, Nguyễn Xuân Phi và Đỗ Trí Nhựt (Trường Đại học Công nghệ Thông tin - Đại học Quốc gia TP. Hồ Chí Minh và Trường Đại học Công Thương TP. Hồ Chí Minh) cho rằng mô hình dự báo tốt nhất chưa chắc mang lại hiệu quả kinh tế cao nhất. Các ngân hàng phải cân đối giữa tổn thất khi chấp thuận khách hàng rủi ro cao và chi phí cơ hội khi từ chối khách hàng có khả năng trả nợ tốt, nên lựa chọn mô hình cần tính đến hiệu quả kinh tế và khả năng giải thích bên cạnh độ chính xác.

Nhóm nghiên cứu lưu ý kết quả mới được thử nghiệm trên bộ dữ liệu nghiên cứu, chưa phản ánh mức tiết kiệm thực tế tại các ngân hàng. Hội nghị do Trường Đại học Ngân hàng TP. Hồ Chí Minh đăng cai, với phát biểu của Hiệu trưởng, GS. Nguyễn Đức Trung, về việc tạo diễn đàn kết nối các nhà khoa học, trường đại học, viện nghiên cứu và doanh nghiệp công nghệ, mở rộng hợp tác nghiên cứu và đổi mới sáng tạo. Hội nghị có 37 nghiên cứu được trình bày và 3 báo cáo chuyên đề của các học giả đến từ New Zealand, Singapore và Hàn Quốc; các công trình được chấp nhận dự kiến xuất bản trong bộ sách Lecture Notes in Electrical Engineering của Springer và được lập chỉ mục Scopus.