Nghiên cứu mô hình học máy dự đoán xác suất vỡ nợ của khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần ở Việt Nam
Tác giả: Nguyễn Quốc Hùng, Quan Toại Mẫn, Trương Thị Minh Lý
Số trang:
Tr. 108-122
Số phát hành:
Số 08
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
209 Phan Thanh
Mã phân loại:
658
Ngôn ngữ:
Tiếng Việt
Từ khóa:
Dự đoán vỡ nợ, Decision Tree, Random Forest, XGBoost, CatBoost
Chủ đề:
Khách hàng doanh nghiệp
&
Dự đoán vỡ nợ
Tóm tắt:
Bài báo sử dụng các dữ liệu liên quan đến thông tin tín dụng, tài chính và đặc điểm của khách hàng doanh nghiệp tại ngân hàng để xây dựng mô hình máy học, từ đó tiến hành thử nghiệm đánh giá và lựa chọn ra một mô hình tốt nhất. Với kết quả này, ngân hàng có thể áp dụng mô hình vào thực tế để hỗ trợ quyết định kinh doanh, giúp tăng cường khả năng dự báo rủi ro tín dụng, nâng cao hiệu suất hoạt động của ngân hàng và giảm thiểu các tổn thất không mong muốn.
Tạp chí liên quan
- Xác định các rủi ro cho dự án đầu tư xây dựng sử dụng nguồn vốn đầu tư trực tiếp nước ngoài
- Một số giải pháp khai thác và quản trị dữ liệu tuần hoàn thông qua ứng dụng hộ chiếu sản phẩm kỹ thuật số
- Quản lý phát triển nhà ở cho công nhân phục vụ khu công nghiệp Cát Lái 2, TP Thủ Đức, TP. Hồ Chí Minh
- Phong cách lãnh đạo doanh nghiệp trong cách mạng công nghiệp 4.0 và chuyển đổi số
- Rủi ro thanh quyết toán cho nhà thầu trong ngành công nghiệp xây dựng Việt Nam : nguồn rủi ro và pháp lý bảo vệ