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.
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
| Câu hỏi | Lựa chọn ở An Phát | Vì sao |
|---|---|---|
| Ai trong mẫu? | Đại lý gia nhập trước 2024, có ít nhất 1 hoá đơn đã trả năm 2024: 472 đại lý | Cần lịch sử để tính đặc trưng |
| “Xấu” là gì? | Có hoá đơn quá hạn > 90 ngày trong năm 2025 | Chuẩn phổ biến; khớp ngưỡng KRI |
| Tỷ lệ xấu | 50/472 = 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 nợ | Quyết định cách đánh giá: xếp hạng (AUC) quan trọng hơn xác suất chính xác tuyệt đối |
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 trưng | Ý nghĩa | Nguồn |
|---|---|---|
| avg_days_late | Số ngày trễ trung bình các hoá đơn trả trong 12 tháng trước điểm quan sát | invoices (paid_date ≤ 31/12/2024) |
| utilization | Dư nợ tại 31/12/2024 / hạn mức | invoices còn nợ tại ngày chốt + dim_dealer (SCD2) |
| years_in_business | Số năm hoạt động | dealers |
| segment, region | Phân khúc, vùng | dealers |
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
| Số ngày trễ TB | Số đại lý | Số xấu | Tỷ lệ xấu | WoE |
|---|---|---|---|---|
| 0–2 | 138 | 1 | 0,7% | 2,39 |
| 2–5 | 158 | 9 | 5,7% | 0,62 |
| 5–10 | 130 | 25 | 19,2% | -0,71 |
| ≥10 | 46 | 15 | 32,6% | -1,42 |
| Biến | IV | Đọc theo quy ước thường dùng |
|---|---|---|
| Số ngày trễ TB | 1,33 | > 0,5: rất mạnh, cần kiểm tra rò rỉ (đã kiểm: point-in-time) |
| Tỷ lệ dùng hạn mức | 0,31 | 0,3–0,5: mạnh |
| Số năm hoạt động | 0,19 | 0,1–0,3: trung bình |
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 số | Đọc |
|---|---|---|
| Số ngày trễ TB 12 tháng | 0,77 | tăng rủi ro |
| Tỷ lệ dùng hạn mức | 0,03 | gần như không đóng góp |
| Số năm hoạt động | -0,25 | giảm rủi ro |
| Là siêu thị mini | 0,05 | tăng rủi ro |
| Là đại lý Cấp 1 | -0,17 | giảm rủi ro |
| Ở miền Trung | -0,21 | giảm rủi ro |
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.
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).
| Hạng | Số đại lý | Số xấu | Tỷ lệ xấu thực tế | PD dự báo TB |
|---|---|---|---|---|
| A (rất thấp) | 94 | 1 | 1,1% | 2,7% |
| B (thấp) | 94 | 2 | 2,1% | 4,5% |
| C (trung bình) | 95 | 5 | 5,3% | 6,6% |
| D (cao) | 94 | 18 | 19,1% | 10,9% |
| E (rất cao) | 95 | 24 | 25,3% | 28,1% |
🟡 Từ xác suất ra điểm
| PD | Odds tốt:xấu | Điểm |
|---|---|---|
| 1,0% | 99,0:1 | 620 |
| 2,0% | 49,0:1 | 599 |
| 5,0% | 19,0:1 | 572 |
| 10,0% | 9,0:1 | 551 |
| 20,0% | 4,0:1 | 527 |
| 40,0% | 1,5:1 | 499 |
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
| Hạng | Chính sách hạn mức gợi ý | Theo dõi |
|---|---|---|
| A–B | Giữ/ tăng hạn mức theo doanh số | Hằng quý |
| C | Giữ hạn mức, không tăng | Hằng tháng |
| D | Giảm 20–30%, yêu cầu thanh toán đúng hạn mới giao tiếp | Hằng tuần |
| E | Bảo lãnh/ đặt cọc, hoặc chuyển sang thanh toán trước | Hằng 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 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
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.
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.
Vì sao nguy hiểm: Lạc quan quá mức.
Cách làm đúng: Kiểm định chéo và kiểm định theo thời gian.
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.
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).
Vì sao nguy hiểm: Báo cáo đẹp, không ai dùng.
Cách làm đúng: Chính sách hạn mức theo hạng, cảnh báo theo hạng.
- 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
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
3. AUC 0,5 nghĩa là:
A. Hoàn hảo
B. Không hơn đoán ngẫu nhiên
C. Tệ hơn ngẫu nhiên
4. PD 2% (odds 49:1) cho điểm khoảng:
A. 600
B. 520
C. 700
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
🏋️ Bài tập thực hành
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
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
- scikit-learn: Logistic regressionHồi quy logistic, điều chuẩnTài liệu
- scikit-learn: Cross-validationĐánh giá mô hình trung thựcTài liệu
- IFRS 9 Financial InstrumentsTổn thất tín dụng kỳ vọngChuẩn mực
✅ 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