Ứng dụng logic mờ trong bài toán xếp hạng tín dụng nội bộ khách hàng ngân hàng thương mại

Ứng dụng logic mờ cho bài toán xếp hạng tín dụng cá nhân khách hàng ngân hàng thương mại. Ứng dụng sử dụng công cụ Matlab để xây dựng, rất đơn giản, dễ sử dụng, thao tác, không cần biết về lập trình ...

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

KHOA KHOA HỌC MÁY TÍNH

- -BÁO CÁO ĐỒ ÁN

XẾP HẠNG TÍN DỤNG NỘI BỘ KHÁCH HÀNG CÁ NHÂN

NGÂN HÀNG THƯƠNG MẠI

MÔN: HỆ SUY DIỄN MỜ

MỤC LỤC

MỤC LỤC……… 2

DANH MỤC CÁC HÌNH ẢNH………4

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 ĐẶT VẤN ĐỂ……… 5

1.2 MỤC TIÊU NGHIÊN CỨU……….5

1.3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU……… 5

1.4 PHƯƠNG PHÁP NGHIÊN CỨU……… 6

1.5 NỘI DUNG THỰC HIỆN……… 6

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG 2.1.1 Khái niệm về xếp hạng tín dụng………7

2.1.2 Đối tượng xếp hạng tín dụng……… 7

2.1.3 Tầm quan trọng của xếp hạng tín dụng………7

2.1.4 Nguyên tắc xếp hạng tín dụng………8

2.1.5 Mô hình xếp hạng tín dụng……….8

2.1.6 Quy trình xếp hạng tín dụng……… 9

2.2 LOGIC MỜ 2.2.1 Giới thiệu về tập mờ……… 9

2.2.2 Phép giao trên tập mờ………11

2.2.3 Phép hội trên tập mờ ……….11

2.2.4 Quan hệ mờ……….12

2.2.5 Phép chiếu……… 12

2.2.6 Luật mờ và suy diễn luật………12

2.2.7 Mô hình suy diễn luật mờ……… 13

2.2.8 Áp dụng Mamdani……… 14

CHƯƠNG 3: GIẢI QUYẾT BÀI TOÁN VỚI LOGIC MỜ

3.1 MÔ HÌNH HÓA BÀI TOÁN

3.1.1 Chỉ tiêu thông tin cá nhân

3.1.1.1Mô hình “Nhân khẩu học”………17

3.1.1.2Mô hình “Tài chính”……….22

3.1.1.3Mô hình “Tài sản đảm bảo”……….27

3.1.1.4Mô hình “Xếp hạng”……….32

3.1.2 Chỉ tiêu quan hệ với ngân hàng 3.1.2.1Mô hình “Tình hình nợ”……… 38

3.1.2.2Mô hình “Tiêu chí đối với ngân hàng”………43

CHƯƠNG 4: ỨNG DỤNG 4.1 THIẾT KẾ ỨNG DỤNG 4.1.1 Mục tiêu ứng dụng………47

4.1.2 Chức năng của ứng dụng……….47

4.2 CÀI ĐẶT ỨNG DỤNG 4.2.1 Nền tảng công nghệ và công cụ……… 47

4.2.2 Tổ chức các giao diện 4.2.2.1Mô hình FIS – Nhân khẩu học………48

4.2.2.2Mô hình FIS – Tài chính……… 49

4.2.2.3Mô hình FIS – Tài sản đảm bảo……… 51

4.2.2.4Mô hình FIS – Kết quả xếp hạng………52

4.2.2.5Mô hình FIS – Tình hình nợ……… 54

4.2.2.6Mô hình FIS – Tiêu chí đối với ngân hàng……….55

CHƯƠNG 5: KẾT LUẬN 5.1 KẾT QUẢ CỦA ĐỀ TÀI……… 57

5.2 HẠN CHẾ CỦA ĐỀ TÀI……… 57

DANH MỤC CÁC HÌNH ẢNH

Hình 2.1: Hàm thành viên

Hình 2.2: Mô hình suy diễn mờ

Hình 2.3: Ví dụ về suy diễn mờ

Hình 3.1: Mô hình tổng quan của chỉ tiêu thông tin cá nhân

Hình 3.2: Mô hình “Nhân khẩu học” với logic mờ

Hình 3.3: Tập luật của mô hình “Nhân khẩu học”

Hình 3.4: Mô hình “Tài chính” với logic mờ

Hình 3.5: Tập luật của mô hình “Tài chính”

Hình 3.6: Mô hình “Tài sản đảm bảo” với logic mờ

Hình 3.7: Tập luật của mô hình “Tài sản đảm bảo”

Hình 3.8: Mô hình “Xếp hạng” với logic mờ

Hình 3.9: Tập luật của mô hình “Xếp hạng”

Hình 3.10: Mô hình tổng quan của chỉ tiêu quan hệ với ngân hàng

Hình 3.11: Mô hình “Tình hình nợ” với logic mờ

Hình 3.12: Tập luật của mô hình “Tình hình nợ”

Hình 3.13: Mô hình “Tiêu chí đối với ngân hàng” với logic mờ

Hình 3.14: Tập luật của mô hình “Tiêu chí đối với ngân hàng”

Hình 4.1, 4.4, 4.7, 4.10, 4.13, 4.16: Khởi tạo các giá trị đầu vào và đầu ra

Hình 4.2, 4.5, 4.8, 4.11, 4.14, 4.17: Xây dựng hàm thành viên cho các giá trị đầu vào

và đầu ra

Hình 4.3, 4.6, 4.9, 4.12, 4.15, 4.18: Thiết lập các luật suy diễn

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI

1.1 ĐẶT VẤN ĐỀ:

Trong những năm gần đây, tín dụng tiêu dùng ngày càng đóng vai trò quan trọngtrong nền kinh tế cũng như trong cơ cấu kinh doanh của các ngân hàng thương mại ViệtNam Tuy nhiên, với việc tăng trưởng tín dụng tiêu dùng quá mức cũng tạo ra những rủi

ro phát sinh từ loại hình cho vay này như là: thứ nhất, nguồn tiền đổ vào chứng khoán vàbất động sản ngày một gia tăng dẫn đến nguy cơ lạm phát tăng cao trở lại; thứ hai, các

ngân hàng thương mại với việc đẩy mạnh phát triển tín dụng tiêu dùng mà bỏ qua việc

quản lý rủi ro về thanh khoản, nhất là sử dụng các nguồn vốn huy động ngắn hạn để chovay trung và dài hạn; thứ ba, nợ xấu trong thời gian gần đây có xu hướng tăng trở lại, dotập trung về tăng trưởng tín dụng và lợi nhuận mà bỏ qua một số tiêu chí xét duyệt cho

vay, đặc biệt là các tiêu chí đánh giá về khả năng trả nợ của người vay; trong đó, ít quantâm đến hệ thống xếp hạng tín dụng làm cơ sở để ra quyết định cho vay, đặc biệt đối với

tín dụng tiêu dùng cá nhân lại càng ít hơn

Bên cạnh đó, việc logic mờ được ứng dụng rộng rãi trong hầu hết các lĩnh vực khoahọc kĩ thuật, cũng như dần chuyển sang các lĩnh vực khác và đạt được những kết quả khả

quan Đặc biệt, logic mờ được xem như một phương pháp tiếp cận mới để giải quyết các

bài toán trong lĩnh vực tài chính

1.2 MỤC TIÊU NGHIÊN CỨU:

Đề tài nghiên cứu nhằm mục đích sau:

Ứng dụng logic mờ trong lĩnh vực kinh tế - tài chính, ở đây là xây dựng mộtchương trình “Xếp hạng tín dụng nội bộ khách hàng cá nhân ngân hàng thương mại”

trên nền công cụ Matlab nhằm làm giảm rủi ro của các ngân hàng thương mại trongviệc thực hiện vay vốn đối với các đối tượng khách hàng tiêu dùng cá nhân

1.4 PHƯƠNG PHÁP NGHIÊN CỨU:

Báo cáo sử dụng phương pháp phân tích số liệu định tính để làm rõ hiện trạng hệthống xếp hạng tín dụng nội bộ và bằng cách sử dụng phương pháp so sánh với các tiêuchuẩn đánh giá phổ biến trên thị trường xếp hạng tín nhiệm quốc tế và trong nước Đồngthời, kết hợp với logic mờ để xây dựng một chương trình mang tính thực tiễn cho lĩnhvực tài chính

1.5 NỘI DUNG THỰC HIỆN:

Đề tài nghiên cứu “Ứng dụng logic mờ trong bài toán xếp hạng tín dụng nội bộ kháchhàng cá nhân ngân hàng thương mại ” được phân chia và xây dựng với kết cấu chi tiết

 Chương 3: Trình bày phương pháp mô hình hóa bài toán xếp hạng tín dụng cá

nhân với logic mờ (Mamdani)

 Chương 4: Giới thiệu về ứng dụng (được cấu thành từ 6 chương trình Matlab)

 Chương 5: Đánh giá về đề tài

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1 TỒNG QUAN VỀ XẾP HẠNG TÍN DỤNG:

2.1.1 Khái niệm về xếp hạng tín dụng:

Xếp hạng tín dụng là việc đưa ra nhận định về mức độ tín nhiệm đối với tráchnhiệm tài chính hoặc đánh giá mức độ rủi ro tín dụng phụ thuộc các yếu tố baogồm: năng lực đáp ứng các cam kết tài chính, khả năng dễ bị vỡ nợ khi các điềukiện kinh doanh thay đổi, ý thức và thiện chí trả nợ của người đi vay

2.1.2 Đối tượng xếp hạng tín dụng:

Hệ thống xếp hạng tín dụng tiếp cận đến tất cả các yếu tố có liên quan đến rủi

ro tín dụng, các ngân hàng thương mại không sử dụng kết quả xếp hạng tín dụngnhằm thể hiện giá trị của người đi vay mà đơn thuần là đưa ra ý kiến hiện tại dựatrên các nhân tố rủi ro, từ đó có chính sách tín dụng và giới hạn cho vay phù hợp.Một sự xếp hạng cao của một khách hàng đi vay chưa phải là chắc chắn trong việcthu hồi đầy đủ các khỏan nợ gốc và lãi vay, mà chỉ là cơ sở để đưa ra quyết định

đúng đắn về tín dụng đã được điều chỉnh theo dự kiến mức độ rủi ro tín dụng cóliên quan đến khách hàng là người đi vay và tất cả các khoản vay của khách hàngđó

2.1.3 Tầm quan trọng của xếp hạng tín dụng:

Hệ thống xếp hạng tín dụng của ngân hàng thương mại nhằm cung cấp những

dự đoán khả năng xảy ra rủi ro tín dụng có thể được hiểu là sự khác biệt về mặtkinh tế giữa những gì mà người đi vay hứa thanh toán với những gì mà ngân hàng

thương mại thực sự nhận được Khái niệm rủi ro được xét đến ở đây là một sự

không chắc chắn hay một tình trạng bất ổn có thể ước đoán được xác suất xảy ra

hàng đã được xếp hạng, qua đó điều chỉnh danh mục theo hướng ưu tiên nguồn lực

người đi vay và từng khoản vay; đánh giá rủi ro dài hạn dựa trên ảnh hưởng của

chu kỳ kinh doanh và xu hướng khả năng trả nợ trong tương lai; đánh giá rủi rotoàn diện và thống nhất dựa vào hệ thống ký hiệu xếp hạng

Trong phân tích xếp hạng tín dụng cần thiết sử dụng phân tích định tính để bổsung cho những phân tích định lượng Các dữ liệu định lượng là những quan sát

được đo bằng số, các quan sát không thể đo lường bằng số được xếp vào dữ liệuđịnh tính Các chỉ tiêu phân tích có thể thay đổi phù hợp với sự thay đổi của trình

độ công nghệ và yêu cầu quản trị rủi ro

Việc thu thập số liệu để đưa vào mô hình xếp hạng tín dụng cần được thực hiệnmột cách khách quan, linh động Sử dụng cùng lúc nhiều nguồn thông tin để có

được cái nhìn toàn diện về tình hình tài chính của khách hàng vay

độ học vấn của người vay …Nhược điểm của mô hình một biến số là kết quả dự

báo khó chính xác nếu thực hiện phân tích và đánh giá các chỉ tiêu theo một cách

khác nhau Để khắc phục nhược điểm này, các nghiên cứu đã phát triển mô hình

kết hợp nhiều biến số thành một giá trị để dự báo sự thất bại của doanh nghiệp như

mô hình phân tích hồi quy, phân tích logic, phân tích xác suất có điều kiện, phântích phân biệt nhiều biến số

2.1.6 Quy trình xếp hạng tín dụng:

Căn cứ vào chính sách tín dụng và các quy định có liên quan đến từng ngân

hàng nhằm xác lập quy trình xếp hạng tín dụng Một quy trình xếp hạng tín dụngbao gồm các bước cơ bản sau:

 Thu thập thông tin liên quan đến các chỉ tiêu sử dụng trong phân tích đánh

giá, thông tin xếp hạng của các tổ chức tín nhiệm khác liên quan đến đối

tượng xếp hạng Trong quá trình thu thập thông tin, ngoài những thông tin

do chính khách hàng cung cấp, cán bộ thẩm định phải sử dụng nhiều nguồnthông tin khác từ các phương tiện thông tin đại chúng, thông tin tín dụngnội bộ của ngân hàng …

 Phân tích bằng mô hình để kết luận về mức xếp hạng Sử dụng đồng thời

chỉ tiêu tài chính và chỉ tiêu phi tài chính Đặc biệt đối với những chỉ tiêuphi tài chính phải được sử dụng hết sức linh hoạt, khách quan, phù hợp vớitừng đối tượng khách hàng

 Theo dõi tình trạng tín dụng của đối tượng được xếp hạng để điều chỉnh

mức xếp hạng, các thông tin điều chỉnh được lưu giữ Tổng hợp kết quả xếphạng so sánh với thực tế rủi ro xảy ra và dựa trên tần suất phải điều chỉnhmức xếp hạng đã thực hiện đối với khách hàng để xem xét điều chỉnh môhình xếp hạng

2.2 LOGIC MỜ:

2.2.1 Giới thiệu về tập mờ:

Trong thực tế, khi định nghĩa một tập các số lớn hơn 10 và ký hiệu là A, ta có

định nghĩa như sau:

A = {x|x > 10}

Khi đó, rất dễ xác định được các phần tử chắc chắn thuộc và không thuộc khái

niệm A Tuy nhiên, nếu đưa ra một khái niệm về tập nhà giàu (với những người cóthu nhập hơn hay bằng 10 triệu một tháng) và ký hiệu B:

Gọi X là không gian các đối tượng và x là các phần tử tổng quát thuộc X Khi

đó, theo Zadeh (1965), một tập mờ A trong X được định nghĩa là tập các cặp như

sau:

trong đó, µA(x) được gọi là hàm thành viên của tập mờ A Hàm thành viên này

chỉ mức độ thuộc của x trong không gian X và có giá trị từ 0 đến 1 Hay ký hiệukhác khi X là không gian liên tục: (ký hiệu này không phải chỉ hàm tích phân màchỉ sự hội các phần tử liên tục)

A =∫ μA(x) | x

Dễ dàng nhận thấy, nếu như tập mờ A chỉ toàn những hàm thành viên có giá trị

0 hoặc 1 thì A trở thành một tập rõ

Lấy ví dụ: Khi mô tả tập khái niệm về độ tuổi là “trẻ”, ký hiệu là:

Khí đó, TUOI = [0, 200] và hàm thành viên µtre(t) có dạng như sau:

2.2.2 Phép giao trên tập mờ:

Cho tập mờ A và B cùng trong không gian X Giao của tập mờ A và tập mờ B

là tập mờ mới C trong không gian X được định nghĩa như sau:

Trong đó, T được biết như hàm T-norm (triangular norm) Hàm T này thường

có 4 dạng:

Algebraic product: T(a, b) = abBounded product: T(a, b) = 0 ˅ (a + b - 1)

Drastic product: T(a, b) =

Drastic sum: S(a, b) =

Cho tập mờ R trong không gian X x Y, khi đó ta định nghĩa phép chiếu của R

trên không gian X và Y như sau:

2.2.6 Luật mờ và suy diễn luật:

Luật mờ được biết đến như dạng luật “nếu … thì …” nhưng có sử dụng cáckhái niệm tập mờ chỉ ngữ nghĩa Cho 2 tập mờ A trong không gian X và B trongkhông gian Y Ta phát biểu một luật như sau:

2.2.7 Mô hình suy diễn luật mờ:

Hình 2.2: Mô hình suy diễn mờ

 Đầu vào: Các giá trị rõ hay mờ của các tính chất

 Hệ thống: Hệ suy luận dựa vào tập luật (tri thức)

 Đầu ra: Các giá trị rõ mà được suy luật dựa trên tập luật và phương pháp suy

luận

Theo như hệ suy diễn thì kết quả là một tập mờ, chính vì vậy mà có thành phần

giải mờ để làm kết quả trở thành kết quả rõ

Một số phương pháp giải mờ theo Mamdani:

 Phương pháp nhân đôi:

 Phương pháp bình quân hay lớn nhất hay nhỏ nhất của giá trị lớn nhất:

 Phương pháp trọng tâm vùng: zCOA=

2.2.8 Áp dụng Mamdani:

Ví dụ minh họa:

Cho tập luật mô tả tùy chỉnh nhiệt độ máy lạnh theo số người và nhiệt độ ngoàitrời:

bình thường

thường

Với các khái niệm mờ được biểu diễn dạng số mờ hình thành như sau:

Nhiều người [10, 15, 18, 22]

Ít người [2, 8, 12, 15]

Nóng(nhiệt) [26, 31, 31, 35 ]Bình thường [20, 22, 25, 29]

Lạnh [14, 16, 20, 24]

Vậy nếu phòng có 20 người và nhiệt độ ngoài trời là 28 thì máy điều hòa phải

ở chế độ thế nào?

Ta thấy có 20 người thuộc khái niệm “nhiều người” và 28 độ thuộc khái niệm

“nóng”, “bình thường” Ta sử dụng 2 luật đầu tiên trong 4 luật:

Hình 2.3: Ví dụ về suy diễn mờ

Giải mờ:

CHƯƠNG 3: GIẢI QUYẾT BÀI TOÁN

VỚI LOGIC MỜ

3.1 MÔ HÌNH HÓA BÀI TOÁN:

3.1.1 Chỉ tiêu thông tin cá nhân:

Hình 3.1: Mô hình tổng quan của chỉ tiêu thông tin cá nhân

Mô hình chỉ tiêu thông tin cá nhân có 10 giá trị đầu vào được chia thành 3 mô

hình con là mô hình “Nhân khẩu học”, mô hình “Tài chính” và mô hình “Tài sảnđảm bảo” Như vậy, giá trị đầu ra của mỗi mô hình con ở trên chính là các giá trịđầu vào của mô hình “Xếp hạng” => Gía trị đầu ra ở mô hình “Xếp hạng” là kết

quả xếp hạng tín dụng của khách hàng cá nhân ở phần đánh giá về thông tin cánhân của khách hàng

3.1.1.1Mô hình “Nhân khẩu học”:

Hình 3.2: Mô hình “Nhân khẩu học” với logic mờ

Chú thích:

 Các giá trị đầu vào (input): tuổi, trình độ học vấn, tình trạng

hôn nhân, số con

 Giá trị đầu ra (output): nhân khẩu học

a Biến ngôn ngữ: Tuổi [18; 65]

0 ; ≥ 0.7

có_gia_đình(x) =

0 ; ≤ 0.7

. ; 0.7 < < 0.9

1 ; ≥ 0.9

g Biến ngôn ngữ: Số con [0; 5]

0 ; ≥ 0.4

(x) =

⎪

⎧ . 0 ; ≤ 0.3. ; 0.3 < < 0.5

1 ; = 0.5

k Danh sách luật:

Hình 3.3: Tập luật của mô hình “Nhân khẩu học”

3.1.1.2Mô hình “Tài chính”:

Hình 3.4: Mô hình “Tài chính” với logic mờChú thích:

 Các giá trị đầu vào (input): thu nhập hàng tháng, thâm niên

công tác, loại hợp đồng lao động

 Giá trị đầu ra (output): tài chính

a Biến ngôn ngữ: Thu nhập hàng tháng [5000000; 150000000]

c Biến ngôn ngữ: Thâm niên công tác [0; 15]

d Hàm thành viên:

1 ; ≤ 3

. ; 3 < < 7.5

0 ; ≥ 11.25

0 ; ≤ 7.5

. ; 7.5 < < 12

1 ; = 1

g Biến ngôn ngữ: Tài chính [0; 1]

h Hàm thành viên:

1 ; ≤ 0.2

. ; 0.2 < < 0.4

1 ; = 0.5

. ; 0.5 < < 0.7

0 ; ≥ 0.7

0 ; ≤ 0.6

. ; 0.6 < < 0.8

1 ; ≥ 0.8

i Danh sách luật:

Hình 3.5: Tập luật của mô hình “Tài chính”

3.1.1.3Mô hình “Tài sản đảm bảo”:

Hình 3.6: Mô hình “Tài sản đảm bảo” với logic mờChú thích:

 Các giá trị đầu vào (input): giá trị tài sản xe, giá trị tài sản nhà

ở, giá trị tài sản khác

 Giá trị đầu ra (output): tài sản đảm bảo

a Biến ngôn ngữ: Gía trị tài sản xe [100000000; 1500000000]

1 ; = 0.5

. ; 0.5 < < 0.7

0 ; ≥ 0.7

0 ; ≤ 0.6

. ; 0.6 < < 0.8

1 ; ≥ 0.8

i Danh sách luật:

Hình 3.7: Tập luật của mô hình “Tài sản đảm bảo”

 Giá trị đầu ra (output): kết quả xếp hạng.

a Biến ngôn ngữ: Nhân khẩu học [0; 1]

b Hàm thành viên:

1 ; ≤ 0.2

. ; 0.2 < < 0.4

1 ; = 0.5

. ; 0.5 < < 0.7

0 ; ≥ 0.7

mạnh(x) =

0 ; ≤ 0.6

. ; 0.6 < < 0.8

1 ; = 0.5

. ; 0.5 < < 0.7

0 ; ≥ 0.7

0 ; ≤ 0.6

. ; 0.6 < < 0.8

0 ; ≥ 0.4

mạnh(x) =

0 ; ≤ 0.6

. ; 0.6 < < 0.8

1 ; = 0.5

. ; 0.5 < < 0.7

0 ; ≥ 0.7

rủi_ro_thấp(x) =

0 ; ≤ 0.7

. ; 0.7 < < 0.85

1 ; ≥ 0.85