Lý thuyết đánh giá tín dụng thể nhân (P.2)
2. Các phương pháp đánh giá tín dụng thể nhân
Ban đầu, cách tiếp cận cơ bản chỉ đơn thuần dựa trên phương pháp đánh giá cá
nhân. Các chuyên viên tín dụng dựa trên thông tin khách hàng cung cấp (qua một
mẫu đơn bao gồm các câu hỏi thống nhất) để đưa ra các quyết định chấp nhận
hoặc từ chối cấp tín dụng. Do vậy, các quyết định của họ thường bị mang tính chất
chủ quan và dựa vào các nguyên lý phân loại tổng quát. Các chỉ tiêu thường được
xem xét để đưa ra quyết định bao gồm:
 Đặc điểm của khách hàng (tình trạng hôn nhân, gia đình, nghề nghiệp, tuổ
tác...);
 Số lượng tín dụng xin được vay;
 Thế chấp (khách hàng sẽ sẵn sàng trả nợ bằng những nguồn tài sản gì trong
trường hợp phá sản);
 Năng lực trả nợ (Nguồn thu nhập khả dụng mà khách hàng có thể sử dụng
để trả nợi); và
 Các điều kiện thị trường khác.
Ngày nay, định mức tín nhiệm được dựa trên phương pháp nghiên cứu thống kê
hoặc phương pháp vận trù học (là phương pháp khoa học chủ yếu dựa trên toán
học để giải quyết các bài toán công nghiệp, tài chính và thương nghiệp, đặc biệt để
giúp nhà kinh doanh có được các quyết định hợp lý cho các hành động trong hiện
tại và tương lai). Các công cụ thống kê bao gồm phân tích phân biệt, về bản chất
dựa trên sự hồi quy loga và cây phân loại, đôi khi còn được gọi là thuật toán đệ
quy phân định. Các phương pháp vận trù học bao gồm một loạt các biến thể của
quy hoạch tuyến tính. Hầu hết các phương pháp ghi điểm sử dụng một trong
những phương pháp này hay có thể kết hợp nhiều phương pháp lại với nhau để
đáp ứng được những đặc điểm ngày một phức tạp của thị trường tín dụng. Bên
cạnh đó, định mức tín nhiệm cũng rất thích hợp với các cách tiếp cận thống kê phi
thông số hay các mô hình AI, trong số đó nổi bật lên các phương pháp mạng lưới
trung hòa đồng thời, hệ thống chuyên gia, các thuật toán dựa trên phép phân loại
gen sinh học, hay phương pháp khoảng cách gần nhất. Tuy nhiên, đặc điểm hết
sức thuận lợi ở đây là các phương pháp tiếp cận khác nhau có thể được sử dụng

phải được xác định ngay từ ban đầu để kết quả đạt được mức độ ổn định qua thời
gian.
Câu hỏi còn để ngỏ là tỷ lệ của các khoản nợ tốt hay xấu được xác định như thế
nào ở trong tập hợp mẫu. Nó cần phản ánh đúng tỷ lệ thực tế của tổng thể, hay nên
để tỷ lệ đạt được sự cân bằng giữa các khoản nợ tốt và xấu này. Trong luận án tiến
sỹ về các vấn đề thống kê trong tính điểm tín dụng, Henley dù có đề cập tới một số
điểm nhưng vẫn chưa giải quyết được câu hỏi này.
Định mức tín nhiệm đã thực sự trở thành một bài toán xếp loại, khi các dữ liệu đầu
vào chính là các thông tin do khách hàng cung cấp và kết quả kiểm tra đối chiếu
với các cơ sở kinh tế khác cũng lưu giữ hồ sơ của khách hàng (ví dụ các nhà cung
cấp điện thoại), và đầu ra chính là sự phân loại thành các khoản nợ tốt hay xấu.
Một tập hợp các câu trả lời A được phân chia thành 2 tập hợp con - Tập hợp x Î
A
B
đại diện cho nhóm khách hàng được dự báo là sẽ cho những khoản nợ xấu, tập
hợp x Î A
G
đại diện cho nhóm khách hàng được dự báo là sẽ cho những khoản nợ
tốt. Quy tắc ra quyết định với các khách hàng mới khi đó sẽ là: chấp nhận đơn xin
cấp tín dụng nếu các câu trả lời của khách hàng thuộc tập hợp A
G
và ngược lại bác
bỏ đơn nếu câu trả lời thuộc tập hợp A
B.
Cũng cần phải đề cập đến một thực tế
xuyên suốt ở đây là chúng ta không thể tiến hành phân định mọi trường hợp trong
mẫu một cách chính xác. Tuy nhiên, mục đính mà chúng ta đang muốn tìm kiếm là
giảm thiểu sự phân loại sai xuống mức thấp nhất có thể nhưng vẫn thỏa mãn được
những yêu cầu đặt ra một cách hợp lý. Rất nhiều các phương pháp tiếp cận khác
nhau đã được nghiên cứu và phát triển nhằm giả quyết bài toán này. Dưới đây