Data Engineering cho Phân tích Rủi ro 🏠
🏠 Trang chủ / Data Engineering cho Phân tích Rủi ro / Phần 3 · Phân tích rủi ro trên dữ liệu / Module 11
💳 Module 11 / 18 · 2–3 tuần Nâng cao

Rủi ro tín dụng khách hàng: đặc trưng, scorecard và dự phòng

Định nghĩa bài toán vỡ nợ đúng thời điểm, xây đặc trưng point-in-time cho 472 đại lý, đo sức mạnh biến bằng WoE/IV, huấn luyện hồi quy logistic, đánh giá bằng AUC/Gini và kiểm định chéo, quy đổi ra điểm, chia hạng rủi ro và nối vào dự phòng, hạn mức.

PDWoE/IVLogisticAUC/GiniScorecardECL
📌 Vì sao module này quan trọng

Phải thu khách hàng thường là tài sản lớn nhất của doanh nghiệp phân phối, và rủi ro tín dụng là rủi ro gây lỗ trực tiếp nhất. Một mô hình chấm điểm đơn giản, xây đúng cách trên dữ liệu sạch, giúp phòng kinh doanh quyết định hạn mức bằng số thay vì cảm tính và giúp kế toán trích lập dự phòng có cơ sở. Phần khó nhất không phải thuật toán, mà là dữ liệu: định nghĩa nhãn, đặc trưng đúng thời điểm, không rò rỉ.

🎯 Mục tiêu học tập

  • Định nghĩa nhãn vỡ nợ, điểm quan sát và cửa sổ kết quả
  • Xây đặc trưng point-in-time bằng SQL
  • Tính WoE, IV và đọc ý nghĩa
  • Huấn luyện logistic, đánh giá AUC/Gini có kiểm định chéo
  • Quy đổi xác suất ra điểm, chia hạng và dùng cho hạn mức, dự phòng

🟢 Định nghĩa bài toán trước khi viết dòng code nào

Ba mốc thời gian của mô hình PD
Cửa sổ quan sát01/2024–12/2024: hành vi trả tiền, dư nợ
Điểm quan sát31/12/2024: “ngày ta ra quyết định”
Cửa sổ kết quả2025: có quá hạn > 90 ngày không?
Câu hỏiLựa chọn ở An PhátVì sao
Ai trong mẫu?Đại lý gia nhập trước 2024, có ít nhất 1 hoá đơn đã trả năm 2024: 472 đại lýCần lịch sử để tính đặc trưng
“Xấu” là gì?Có hoá đơn quá hạn > 90 ngày trong năm 2025Chuẩn phổ biến; khớp ngưỡng KRI
Tỷ lệ xấu50/472 = 10,6%Mẫu nhỏ → mô hình đơn giản, ít biến
Dùng để làm gì?Xếp hạng đại lý để đặt hạn mức, ưu tiên thu nợQuyết định cách đánh giá: xếp hạng (AUC) quan trọng hơn xác suất chính xác tuyệt đối
Định nghĩa nhãn là quyết định nghiệp vụ

Chọn 60 hay 90 ngày, tính trên số tiền hay số hoá đơn, có loại tranh chấp không: đều thay đổi mô hình. Hãy để GĐ Tài chính và phòng rủi ro ký định nghĩa, đưa vào thẻ định nghĩa (module 2).

🟡 Đặc trưng point-in-time bằng SQL

-- Đặc trưng point-in-time: chỉ dùng thông tin đã biết tại 31/12/2024
WITH paid AS (                     -- hoá đơn đã trả trong 12 tháng trước ngày chốt
  SELECT dealer_id, GREATEST(paid_date - due_date, 0) AS tre
  FROM 'invoices.csv'
  WHERE paid_date > DATE '2024-12-31' - INTERVAL 365 DAY AND paid_date <= DATE '2024-12-31'
), open_ar AS (                    -- dư nợ tại ngày chốt
  SELECT dealer_id, SUM(amount_vnd) / 1e6 AS du_no_trieu
  FROM 'invoices.csv'
  WHERE invoice_date <= DATE '2024-12-31' AND (paid_date IS NULL OR paid_date > DATE '2024-12-31')
  GROUP BY 1
), f AS (
  SELECT d.dealer_id, d.segment, d.years_in_business,
         AVG(p.tre)                                                         AS avg_days_late,
         COALESCE(ANY_VALUE(o.du_no_trieu), 0) / ANY_VALUE(d.credit_limit_mvnd) AS utilization
  FROM 'dealers.csv' d
  JOIN paid p USING (dealer_id)
  LEFT JOIN open_ar o USING (dealer_id)
  WHERE d.onboard_date < DATE '2024-01-01'
  GROUP BY d.dealer_id, d.segment, d.years_in_business
)
SELECT COUNT(*) AS so_dai_ly, ROUND(AVG(avg_days_late), 2) AS tre_tb, ROUND(AVG(utilization), 3) AS dung_han_muc_tb,
       ROUND(quantile_cont(avg_days_late, 0.9), 1) AS tre_p90
FROM f;
+-----------+--------+-----------------+---------+
| so_dai_ly | tre_tb | dung_han_muc_tb | tre_p90 |
+-----------+--------+-----------------+---------+
|       472 |   4.66 |           0.645 |     9.9 |
+-----------+--------+-----------------+---------+
(1 dòng)
Đặc trưngÝ nghĩaNguồn
avg_days_lateSố ngày trễ trung bình các hoá đơn trả trong 12 tháng trước điểm quan sátinvoices (paid_date ≤ 31/12/2024)
utilizationDư nợ tại 31/12/2024 / hạn mứcinvoices còn nợ tại ngày chốt + dim_dealer (SCD2)
years_in_businessSố năm hoạt độngdealers
segment, regionPhân khúc, vùngdealers

Điều kiện paid_date <= DATE '2024-12-31' là hàng rào chống rò rỉ: mọi thông tin của năm 2025 bị chặn. Ở module 5 bạn đã thấy cùng đặc trưng nhưng tính tại 31/12/2025 cho AUC 0,99.

🟡 WoE và IV: biến nào có sức phân loại

WoE(nhóm) = ln(%tốt trong nhóm / %xấu trong nhóm) IV = Σ (%tốt − %xấu) × WoE
Số ngày trễ TBSố đại lýSố xấuTỷ lệ xấuWoE
0–213810,7%2,39
2–515895,7%0,62
5–101302519,2%-0,71
≥10461532,6%-1,42
Tỷ lệ vỡ nợ năm 2025 theo số ngày trễ trung bình năm 202409.3718.728.137.50.70–25.72–519.25–1032.6≥10
Đơn điệu tăng: trễ càng nhiều, xác suất vỡ nợ năm sau càng cao. Tính đơn điệu là điều kiện để biến đưa vào scorecard dễ giải thích.
BiếnIVĐọc theo quy ước thường dùng
Số ngày trễ TB1,33> 0,5: rất mạnh, cần kiểm tra rò rỉ (đã kiểm: point-in-time)
Tỷ lệ dùng hạn mức0,310,3–0,5: mạnh
Số năm hoạt động0,190,1–0,3: trung bình
Quy ước IV chỉ để tham khảo

Ngưỡng < 0,02 vô dụng, 0,02–0,1 yếu, 0,1–0,3 trung bình, 0,3–0,5 mạnh, > 0,5 đáng ngờ là quy ước thực hành, phụ thuộc cách chia nhóm và cỡ mẫu. Với vài chục mẫu xấu, IV dao động đáng kể khi đổi ranh giới nhóm.

🟡 Mô hình logistic và đánh giá trung thực

import duckdb
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import StratifiedKFold, cross_val_predict
from sklearn.metrics import roc_auc_score

con = duckdb.connect()
# Đặc trưng tại 31/12/2024 (như truy vấn ở trên) + nhãn: có quá hạn > 90 ngày trong năm 2025 không
df = con.sql('''
WITH paid AS (
  SELECT dealer_id, GREATEST(paid_date - due_date, 0) AS tre FROM 'invoices.csv'
  WHERE paid_date > DATE '2024-12-31' - INTERVAL 365 DAY AND paid_date <= DATE '2024-12-31'
), open_ar AS (
  SELECT dealer_id, SUM(amount_vnd) / 1e6 AS du_no FROM 'invoices.csv'
  WHERE invoice_date <= DATE '2024-12-31' AND (paid_date IS NULL OR paid_date > DATE '2024-12-31') GROUP BY 1
), label AS (     -- nhãn chỉ nhìn vào TƯƠNG LAI so với ngày chốt: năm 2025
  SELECT dealer_id, MAX(CASE WHEN COALESCE(paid_date, DATE '2025-12-31') - due_date > 90 THEN 1 ELSE 0 END) AS bad
  FROM 'invoices.csv' WHERE due_date BETWEEN DATE '2025-01-01' AND DATE '2025-09-30' GROUP BY 1
)
SELECT d.dealer_id, AVG(p.tre) AS avg_days_late,
       COALESCE(ANY_VALUE(o.du_no), 0) / ANY_VALUE(d.credit_limit_mvnd) AS utilization,
       ANY_VALUE(d.years_in_business) AS years,
       (ANY_VALUE(d.segment) = 'Siêu thị mini')::INT AS seg_mini,
       (ANY_VALUE(d.segment) = 'Cấp 1')::INT AS seg_c1,
       COALESCE(ANY_VALUE(l.bad), 0) AS bad
FROM 'dealers.csv' d JOIN paid p USING (dealer_id)
LEFT JOIN open_ar o USING (dealer_id) LEFT JOIN label l USING (dealer_id)
WHERE d.onboard_date < DATE '2024-01-01'
GROUP BY d.dealer_id
''').df()

X = df[["avg_days_late", "utilization", "years", "seg_mini", "seg_c1"]].to_numpy()
y = df["bad"].to_numpy()
model = LogisticRegression(max_iter=1000, class_weight="balanced")
cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
p = cross_val_predict(model, (X - X.mean(0)) / X.std(0), y, cv=cv, method="predict_proba")[:, 1]
auc = roc_auc_score(y, p)
print(f"Số đại lý: {len(df)} | tỷ lệ xấu: {y.mean():.1%}")
print(f"AUC kiểm định chéo 5 lớp: {auc:.3f} | Gini: {2 * auc - 1:.3f}")
Số đại lý: 472 | tỷ lệ xấu: 10.0%
AUC kiểm định chéo 5 lớp: 0.756 | Gini: 0.512
Đặc trưng (đã chuẩn hoá)Hệ sốĐọc
Số ngày trễ TB 12 tháng0,77tăng rủi ro
Tỷ lệ dùng hạn mức0,03gần như không đóng góp
Số năm hoạt động-0,25giảm rủi ro
Là siêu thị mini0,05tăng rủi ro
Là đại lý Cấp 1-0,17giảm rủi ro
Ở miền Trung-0,21giảm rủi ro
Đọc hệ số như một chuyên gia

Tỷ lệ dùng hạn mức có IV mạnh nhưng hệ số gần 0: nó tương quan với số ngày trễ, nên thông tin đã nằm trong biến kia. Hệ số “miền Trung” âm, ngược kỳ vọng nghiệp vụ (miền Trung rủi ro hơn): với mẫu nhỏ, đây nhiều khả năng là nhiễu. Biến có dấu trái nghiệp vụ nên bị loại hoặc gộp, vì người dùng sẽ không tin một scorecard “thưởng điểm” cho điều họ biết là rủi ro.

Đường ROC trên mẫu phát triển00.20.40.60.8100.20.40.60.81Tỷ lệ báo nhầm (FPR)Tỷ lệ bắt được (TPR)Mô hình (AUC 0,80)Ngẫu nhiên (AUC 0,5)
Trục ngang: tỷ lệ đại lý tốt bị gắn nhầm là xấu; trục dọc: tỷ lệ đại lý xấu bị bắt được. Càng cong về góc trên trái càng tốt.

Hai con số AUC khác nhau và cả hai đều đúng: 0,80 là AUC trên chính dữ liệu dùng để huấn luyện (lạc quan), còn kết quả kiểm định chéo 5 lớp ở trên thấp hơn và gần với hiệu quả khi dùng thật. Luôn báo cáo con số kiểm định, và về lâu dài kiểm định theo thời gian (huấn luyện trên 2024, kiểm tra trên năm sau).

HạngSố đại lýSố xấuTỷ lệ xấu thực tếPD dự báo TB
A (rất thấp)9411,1%2,7%
B (thấp)9422,1%4,5%
C (trung bình)9555,3%6,6%
D (cao)941819,1%10,9%
E (rất cao)952425,3%28,1%

🟡 Từ xác suất ra điểm

Điểm = 600 + 20/ln(2) × ln(odds / 50) odds = (1 − PD)/PD; 600 điểm ứng odds 50:1, cứ 20 điểm odds gấp đôi (PDO = 20)
PDOdds tốt:xấuĐiểm
1,0%99,0:1620
2,0%49,0:1599
5,0%19,0:1572
10,0%9,0:1551
20,0%4,0:1527
40,0%1,5:1499

Điểm dễ dùng hơn xác suất cho người kinh doanh: “đại lý dưới 520 điểm cần bảo lãnh” dễ nhớ hơn “PD trên 15%”. Bảng quy đổi cố định giúp so sánh qua các phiên bản mô hình.

🔴 Nối mô hình vào quyết định: hạn mức và dự phòng

HạngChính sách hạn mức gợi ýTheo dõi
A–BGiữ/ tăng hạn mức theo doanh sốHằng quý
CGiữ hạn mức, không tăngHằng tháng
DGiảm 20–30%, yêu cầu thanh toán đúng hạn mới giao tiếpHằng tuần
EBảo lãnh/ đặt cọc, hoặc chuyển sang thanh toán trướcHằng ngày + cảnh báo trễ hạn (module 16)

Áp mô hình lên 535 đại lý đang hoạt động tại 31/12/2025: tổng dư nợ 564 tỷ; 95 đại lý rơi vào hạng E với dư nợ 92,5 tỷ. Với LGD 60%, tổn thất kỳ vọng 12 tháng của nhóm đang hoạt động ≈ 30,7 tỷ. Phần này cộng với dự phòng cho các khoản đã quá hạn nặng (ma trận dự phòng module 3: 31,1 tỷ, phần lớn từ các đại lý đã vỡ nợ) cho bức tranh đầy đủ.

IFRS 9 và chuẩn mực Việt Nam

IFRS 9 yêu cầu tổn thất tín dụng kỳ vọng có tính tới triển vọng tương lai; với phải thu thương mại có thể dùng ma trận dự phòng. Doanh nghiệp áp dụng VAS trích lập theo quy định hiện hành. Mô hình nội bộ hỗ trợ quản trị; con số trên báo cáo tài chính phải theo chuẩn mực mà doanh nghiệp áp dụng, do kế toán và kiểm toán xác nhận.

⚠️ Sai lầm thường mắc

❌ Nhãn định nghĩa mơ hồ

Vì sao nguy hiểm: Mỗi lần huấn luyện ra mô hình khác nhau.

Cách làm đúng: Định nghĩa ký duyệt, ghi trong thẻ định nghĩa.

❌ Đặc trưng dùng dữ liệu sau điểm quan sát

Vì sao nguy hiểm: AUC đẹp giả tạo, thất bại khi dùng thật.

Cách làm đúng: Lọc event_time ≤ điểm quan sát cho mọi đặc trưng.

❌ Báo cáo AUC trên tập huấn luyện

Vì sao nguy hiểm: Lạc quan quá mức.

Cách làm đúng: Kiểm định chéo và kiểm định theo thời gian.

❌ Quá nhiều biến cho mẫu nhỏ

Vì sao nguy hiểm: Với 50 mẫu xấu, mô hình học thuộc nhiễu.

Cách làm đúng: Ít biến, có ý nghĩa nghiệp vụ, có điều chuẩn.

❌ Chỉ nhìn AUC

Vì sao nguy hiểm: Xếp hạng tốt nhưng PD lệch xa thực tế → dự phòng sai.

Cách làm đúng: Kiểm tra hiệu chuẩn theo hạng (module 17).

❌ Mô hình không nối vào quyết định

Vì sao nguy hiểm: Báo cáo đẹp, không ai dùng.

Cách làm đúng: Chính sách hạn mức theo hạng, cảnh báo theo hạng.

📌 Cần nhớ
  • Ba mốc: cửa sổ quan sát → điểm quan sát → cửa sổ kết quả.
  • Đặc trưng point-in-time; nhãn chỉ nhìn tương lai.
  • Số ngày trễ TB là biến mạnh nhất (IV 1,33); tỷ lệ xấu tăng đơn điệu theo nhóm.
  • Báo cáo AUC kiểm định chéo/ theo thời gian, không phải trên tập huấn luyện.
  • Điểm = 600 + 20/ln2 × ln(odds/50); hạng → chính sách hạn mức, dự phòng.

🧩 Tự kiểm tra (bấm để xem đáp án)

1. Điểm quan sát 31/12/2024. Đặc trưng nào hợp lệ?
A. Số ngày trễ TB các hoá đơn trả trong 2025
B. Số ngày trễ TB các hoá đơn trả trong 2024
C. Trạng thái nợ xấu 06/2025
Đáp án: B. Chỉ dùng thông tin đến điểm quan sát.
2. WoE của một nhóm âm nghĩa là:
A. Nhóm có tỷ lệ xấu cao hơn trung bình
B. Nhóm tốt hơn trung bình
C. Không ý nghĩa
Đáp án: A. %xấu > %tốt → ln(<1) < 0.
3. AUC 0,5 nghĩa là:
A. Hoàn hảo
B. Không hơn đoán ngẫu nhiên
C. Tệ hơn ngẫu nhiên
Đáp án: B. Đường chéo ROC.
4. PD 2% (odds 49:1) cho điểm khoảng:
A. 600
B. 520
C. 700
Đáp án: A. Gần odds 50:1 → ~600.
5. Mô hình có AUC huấn luyện 0,80, kiểm định chéo 0,76. Nên báo cáo:
A. 0,80
B. 0,76 (kèm giải thích)
C. Trung bình 0,78
Đáp án: B. Con số trên dữ liệu chưa thấy trung thực hơn.

🏋️ Bài tập thực hành

Kiểm định theo thời gian

Huấn luyện mô hình với điểm quan sát 30/06/2024 (nhãn: quá hạn > 90 ngày trong 12 tháng sau), rồi áp lên điểm quan sát 31/12/2024 và đo AUC trên năm 2025. So với AUC kiểm định chéo. Thêm biến “trễ TB 3 tháng gần nhất” xem có cải thiện không.

💡 Gợi ý lời giải
Viết đặc trưng thành hàm SQL nhận tham số ngày (CTE params). Nhãn: MAX(CASE WHEN COALESCE(paid_date, ngày_chốt_kết_quả) - due_date > 90 ...) cho các hoá đơn đến hạn trong cửa sổ kết quả. Cẩn thận: cửa sổ kết quả của mẫu 06/2024 kéo tới 06/2025, phải chắc dữ liệu đã “chín” (đủ 90 ngày sau hạn).

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Viết định nghĩa nhãn và ba mốc thời gian
  • Chạy truy vấn đặc trưng point-in-time
  • Tính WoE/IV cho 3 biến
  • Chạy mô hình và đọc AUC kiểm định chéo
  • Đề xuất chính sách hạn mức theo hạng
Lưu ý: đây là tài liệu giáo dục. Công ty An Phát Distribution, đại lý, nhà cung cấp, nhân viên và mọi số liệu đều là giả định do code sinh ra, không đại diện cho doanh nghiệp thật. Phương pháp (scorecard, ECL, VaR, Benford...) được đơn giản hoá cho mục đích học; khi áp dụng thật, hãy đối chiếu chuẩn mực kế toán (VAS/ IFRS 9), quy định pháp luật hiện hành (ví dụ về bảo vệ dữ liệu cá nhân) và chính sách nội bộ của tổ chức bạn.