Luận án Ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại ngân hàng nông nghiệp và phát triển nông thôn Việt Nam

LUẬN ÁN TIẾN SĨ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG QUẢN LÝ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM NGUYỄN TIẾN HƯNG BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM HỌC VIỆN NGÂN HÀNG ------------------ HÀ NỘI - 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM HỌC VIỆN NGÂN HÀNG ------------------ NGUYỄN TIẾN HƯNG HÀ NỘI - 2022 Chuyên ngành: Tài chính – Ngân hàng Mã số: 9340201 Người hướng dẫn khoa học: Hướng dẫn 1: TS. Bùi Tín Nghị Hướng dẫn 2: PGS.TS. Nguyễn Đức Trung ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG QUẢN LÝ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM LUẬN ÁN TIẾN SĨ I LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn của TS. Bùi Tín Nghị và PGS.TS. Nguyễn Đức Trung. Các tài liệu, số liệu trong nghiên cứu đều có nguồn gốc và được trích dẫn rõ ràng. Nghiên cứu sinh Nguyễn Tiến Hưng II DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt AI Artificial Intelligence Trí tuệ nhân tạo AIRB Advanced internal rating- based approach Cách tiếp cận nâng cao dựa trên xếp hạng nội bộ AUF Additional utilization factor Hệ số sử dụng bổ sung BOE Bank of England Ngân hàng trung ương Anh CFF Credit conversion factor Hệ số chuyển đổi tín dụng CIC Credit Information Center Trung tâm thông tin tín dụng quốc gia DP Deep learning Học sâu DT Decision tree Cây quyết định EAD Exposure at Default Dư nợ tại thời điểm vỡ nợ EADF Exposure at default factor Hệ số dư nợ tại thời điểm vỡ nợ FIRB Foundation internal ratings based approach Cách tiếp cận cơ bản dựa trên xếp hạng nội bộ FSB Financial Stability Board Hội đồng ổn định tài chính GA Genetic Algorithm Thuật toán di truyền KNN K-Nearest Neighbor K Láng giềng gần nhất LEQ Loan equivalent factor Hệ số tương đương khoản vay LGD Loss Given Default Tỷ lệ tổn thất khi vỡ nợ LQV learning vector quantization Học lượng tử hóa véc tơ LR Logitic regression Hồi quy logit LTV Loan to Value Ratio Tỷ lệ dư nợ trên tài sản đảm bảo III MDA Multiple Discriminant Analysis phân tích phân biệt ML Machine learning Học máy MLP Multi-layer perceptron Mạng nơ ron đa lớp MMLP Mulitple MLP Mạng kết hợp các mạng nơ ron đa lớp MNN modular neural networks Mạng nơ ron mô đun NN Neural network Mạng nơ ron OLS Ordinary least squares Bình phương nhỏ nhất thông thường P2P Peer to peer Cho vay ngang hàng PD Probability of default Xác suất vỡ nợ PNN probabilistic neural network mạng nơ ron xác suất RBF radial basis function Hàm cơ sở bán kính RD Random forests Rừng ngẫu nhiên ROA Return on Assets Lợi nhuận trên tổng tài sản ROC Receiver operating characteristic Đặc trưng hoạt động thu nhận ROE Return on Equity Lợi nhuận trên vốn chủ sở hữu SA Standard approach Cách tiếp cận tiêu chuẩn SOM Seft-Organzing Map Sơ đồ tự tổ chức SVM Support vector machine Máy véc tơ hỗ trợ VAMC Vietnam aset management company Công ty quản lý tài sản Việt Nam WB World bank Ngân hàng thế giới IV MỤC LỤC PHẦN MỞ ĐẦU ........................................................................................ 1 CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU VỀ TRÍ TUỆ NHÂN TẠO TRONG QUẢN LÝ RỦI RO TÍN DỤNG .................................................. 10 1.1. Các nghiên cứu về mô hình quản lý rủi ro tín dụng ................................. 10 1.2. Nghiên cứu về đánh giá rủi ro tín dụng. .................................................. 12 1.2.1. Nghiên cứu về đo lường xác suất vỡ nợ ......................................... 13 1.2.2. Nghiên cứu về tổn thất khi vỡ nợ. .................................................. 15 1.2.3. Nghiên cứu về mức độ rủi ro khi vỡ nợ. ........................................ 17 1.3. Nghiên cứu về mô hình trí tuệ nhân tạo trong quản lý rủi ro tín dụng. ... 18 1.4. Khoảng trống nghiên cứu. ........................................................................ 23 Kết luận chương 1 ..................................................................................... 24 CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG QUẢN LÝ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG THƯƠNG MẠI ................................................................................................................. 25 2.1. Cơ sở lý luận về quản lý rủi ro tín dụng tại ngân hàng thương mại ........ 25 2.1.1. Khái niệm về quản lý rủi ro tín dụng tại ngân hàng thương mại ... 25 2.1.2. Nội dung quản lý rủi ro tín dụng tại ngân hàng thương mại .......... 28 2.2. Cơ sở lý luận về ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại ngân hàng thương mại ..................................................................................... 43 2.2.1. Khái quát về trí tuệ nhân tạo. .......................................................... 43 2.2.2. Trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại ngân hàng thương mại ........................................................................................................... 46 2.2.3. Khung đo lường áp dụng cho mô hình trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại ngân hàng thương mại. ............................................... 59 2.2.4. Dữ liệu cho các mô hình trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại ngân hàng thương mại. ....................................................................... 66 2.2.5. Các tiêu chí đánh giá kết quả ứng dụng mô hình trí tuệ nhân tạo trong đo lường rủi ro tín dụng. ......................................................................... 68 2.2.6. Điều kiện ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng. 71 2.3. Kinh nghiệm quốc tế về nghiên cứu và ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng. ............................................................................................. 74 2.3.1. Kinh nghiệm từ Anh. ...................................................................... 74 V 2.3.2. Kinh nghiệm từ Mỹ ........................................................................ 81 2.3.3. Kinh nghiệm từ Ấn Độ ................................................................... 84 2.3.4. Kinh nghiệm từ Hội đồng ổn định tài chính (FSB) ........................ 87 2.3.5. Kinh nghiệm từ Ngân hàng thế giới (WB). .................................... 89 2.3.6. Bài học kinh nghiệm cho các ngân hàng thương mại tại Việt Nam ................................................................................................................. 91 Kết luận chương 2 ..................................................................................... 96 CHƯƠNG 3: THỰC TRẠNG QUẢN LÝ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM97 3.1. Khái quát về Agribank ............................................................................. 97 3.1.1. Lịch sử hình thành và phát triển ..................................................... 97 3.1.2. Tình hình hoạt động kinh doanh ..................................................... 99 3.2. Thực trạng quản lý rủi ro tín dụng tại Agribank. ................................... 102 3.2.1. Mô hình quản lý rủi ro tín dụng. ................................................... 102 3.2.2. Tổ chức thực hiện quản lý rủi ro tín dụng tại Agribank ............... 106 3.3. Đánh giá thực trạng quản lý rủi ro tín dụng tại Agribank ...................... 128 3.3.1. Các kết quả đạt được .................................................................... 128 3.3.2. Các hạn chế và nguyên nhân. ....................................................... 130 Kết luận chương 3 ................................................................................... 135 CHƯƠNG 4: XÂY DỰNG MÔ HÌNH TRÍ TUỆ NHÂN TẠO ĐO LƯỜNG RỦI RO TÍN DỤNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM. .......................................................... 136 4.1. Đề xuất mô hình ..................................................................................... 136 4.2. Xây dựng mô hình tính xác suất vỡ nợ (PD). ........................................ 137 4.2.1. Mô tả dữ liệu thu thập ................................................................... 137 4.2.2. Kết quả các mô hình tính xác suất vỡ nợ (PD). ............................ 142 4.3. Xây dựng mô hình LGD ........................................................................ 154 4.3.1. Mô tả dữ liệu ................................................................................. 154 4.3.2. Kết quả mô hình LGD .................................................................. 156 4.4. Xây dựng mô hình EAD ........................................................................ 159 4.5. Các điều kiện để ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng ....................................................................................................................... 163 VI Kết luận chương 4 ................................................................................... 166 CHƯƠNG 5: GIẢI PHÁP ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG QUẢN LÝ RỦI RO TÍN DỤNG TẠI NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM ............................................... 167 5.1. Định hướng phát triển hoạt động quản lý rủi ro tín dụng trong hệ thống ngân hàng thương mại Việt Nam. ................................................................. 167 5.2. Định hướng phát triển hoạt động quản lý rủi ro tín dụng tại Agribank . 170 5.3. Giải pháp ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại Agribank ........................................................................................................ 172 5.3.1. Về cơ cấu tổ chức quản lý rủi ro tín dụng .................................... 172 5.3.2. Về quy trình áp dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng. ............................................................................................................... 173 5.3.3. Về nhóm các giải pháp hỗ trợ cần thiết. ....................................... 183 5.4. Kiến nghị với Ngân hàng nhà nước Việt Nam ...................................... 186 Kết luận chương 5 ................................................................................... 188 PHẦN KẾT LUẬN ÁN ............................................................................... 189 Tài liệu Tham khảo ................................................................................. 192 PHỤ LỤC ............................................................................................... 202 1 PHẦN MỞ ĐẦU 1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI Hoạt động tín dụng được biết đến như một hoạt động truyền thống đóng vai trò quan trọng đối với các ngân hàng thương mại Việt Nam. Bên cạnh vai trò là nguồn thu lợi nhuận chủ yếu thì hoạt động tín dụng cũng tiềm ẩn rất nhiều rủi ro. Trong xu hướng phát triển mạnh mẽ, đa dạng của các sản phẩm tín dụng, các ngân hàng thương mại đã bộc lộ những hạn chế trong công tác quản lý rủi ro tín dụng đặc biệt là việc sử dụng các công cụ hiện đại trong việc kiểm soát rủi ro này. Việc xây dựng một hệ thống quản lý nói chung và quản lý rủi ro tín dụng nói riêng đáp ứng được các yêu cầu về hiệu quả có vai trò sống còn đối với hoạt động ngân hàng. Để đáp ứng kịp thời nhiệm vụ của ngành ngân hàng trong giai đoạn mới, Thống đốc NHNN đã ban hành chỉ thị 01 năm 2021, trong đó nhấn mạnh một trong những nhiệm vụ trọng tâm của ngành ngân hàng là tăng trưởng tín dụng hợp lý gắn với nâng cao chất lượng tín dụng, tập trung vào các lĩnh vực sản xuất, lĩnh vực ưu tiên, kiểm soát chặt tín dụng trong lĩnh vực tiềm ẩn rủi ro như bất động sản, chứng khoán, các dự án BOT, BT giao thông. Một trong những yêu cầu đưa ra đó là tiếp tục xây dựng phương án tái cơ cấu các TCTD gắn với xử lý nợ xấu giai đoạn 2021 – 2025. Đây là một căn cứ quan trọng để các ngân hàng thương mại xác định mục tiêu, lộ trình cho việc hoàn thiện hệ thống quản lý rủi ro tín dụng của mình Trong xu hướng bùng nổ của cuộc cách mạng 4.0, trí tuệ nhân tạo đang dần thể hiện được vai trò là công nghệ tiên phong đối với lĩnh vực ngân hàng nói chung và lĩnh vực tín dụng nói riêng. Công nghệ này đã được phát triển từ hơn 50 năm trước, tuy nhiên với sự tiến bộ của khoa học máy tính, sự dồi dào về dữ liệu và nhu cầu của thị trường thì trí tuệ nhân tạo đang được phát triển 2 một cách mạnh mẽ và dần định hình cuộc chơi của các ngân hàng trong tương lai. Việc quản lý rủi ro tín dụng được phát triển trong nhiều thập kỉ ở các nước phát triển với các công cụ từ truyền thống đến hiện đại như trí tuệ nhân tạo. Trong đó, Trí tuệ nhân tạo được coi là “chìa khóa” định hình cục diện ngành ngân hàng thông qua những thay đổi về cách ngân hàng tạo ra sản phẩm, quyết định cho vay, cũng như ngăn chặn từ sớm các rủi ro gian lận, gia tăng trải nghiệm và gắn kết khách hàng. Trong khi đó, ở các nước đang phát triển, việc sử dụng các công cụ quản lý rủi ro tín dụng vẫn đang còn nhiều hạn chế do những thiếu hụt về nhiều điều kiện để triển khai áp dụng các công nghệ mới. Nhận thấy tầm quan trọng và tiềm năng của trí tuệ nhân tạo, ngày 26/1/2021, Thủ tướng chính phủ ban hành Quyết định số 127/QĐ-TTg về chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030. Trong đó, nhiệm vụ cụ thể của ngành ngân hàng được chỉ rõ bao gồm: “ Phân tích, dự đoán nhu cầu vay vốn, đối tượng vay vốn, hỗ trợ hoạt động cấp tín dụng phát hiện các hành vi gian lận; cá nhân hóa các dịch vụ ngân hàng cho khách hàng; cung cấp các dịch vụ hỗ trợ tức thời cho khách hàng thông qua các trợ lý ảo và chatbot” Trong hệ thống ngân hàng thương mại Việt Nam thì Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam là ngân hàng có quy mô lớn nhất tính trên tổng tài sản và số lượng khách hàng, đóng vai trò chủ lực trong hệ thống ngân hàng. Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam góp phần thực hiện có hiệu quả chính sách tiền tệ quốc gia, đi đầu thực hiện chính sách tiền tệ, góp phần ổn định kinh tế vĩ mô, kiềm chế lạm phát, hỗ trợ tăng trưởng, luôn đồng hành cùng sự nghiệp phát triển nông nghiệp, nông dân, nông thôn, có nhiều đóng góp tích cực thúc đẩy quá trình tái cơ cấu nền kinh tế, xây dựng nông thôn mới và bảo đảm an sinh xã hội. 3 Tuy nhiên, trong giai đoạn trước thì Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam đã phát sinh nhiều vụ việc tiêu cực liên quan đến tín dụng, ảnh hưởng lớn đến hoạt động kinh doanh và uy tín của ngân hàng. Hậu quả của những vụ việc này còn kéo dài trong thời gian sau đó và tác động trực tiếp đến đời sống người lao động. Thực trạng này đã đặt ra yêu cầu cần có những giải pháp cải tiến, tăng cường hiệu quả của hệ thống quản lý rủi ro tín dụng và giảm thiểu, loại bỏ những hạn chế tồn tại trong một thời gian dài trước đó. Căn cứ vào tình hình bối cảnh chung và đặc điểm của Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam, tác giả nhận thấy việc nghiên cứu đề tài: “Ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam” có ý nghĩa cao về cả lý luận và thực tiễn. 2. MỤC TIÊU NGHIÊN CỨU 2.1. Mục tiêu tổng quát Luận án nghiên cứu tổng thể về lý luận và thực tiễn trí tuệ nhân tạo trong quản lý rủi ro tín dụng, từ đó đưa ra giải pháp kiến nghị ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam. 2.2. Mục tiêu cụ thể Mục tiêu tổng quát được cụ thể hóa thành bốn mục tiêu sau: Thứ nhất, hệ thống hóa cơ sở lý luận về trí tuệ nhân tạo trong quản lý rủi ro tín dụng; Thứ hai, đánh giá thực trạng quản lý rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam nhằm xác định các điều kiện và giải pháp ứng dụng trí tuệ nhân tạo trong hoạt động này; 4 Thứ ba, ứng dụng trí tuệ nhân tạo xây dựng mô hình đánh giá rủi ro tín dụng theo phương pháp nâng cao của Basel II tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam; Thứ tư, đề xuất các nhóm giải pháp và kiến nghị nhằm ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam. 3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 3.1. Đối tượng nghiên cứu Đối tượng nghiên cứu của luận án là ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng. 3.2. Phạm vi nghiên cứu Phạm vi nghiên cứu về không gian: Ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng tại Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam, trong đó tập trung mô hình hóa trí tuệ nhân tạo trong khâu đo lường rủi ro tín dụng. Phạm vi nghiên cứu về thời gian: 2009-2021. Trong đó dữ liệu dùng để xây dựng mô hình trí tuệ nhân tạo được thu thập trong khoảng thời gian 2009 - 2014. 4. PHƯƠNG PHÁP NGHIÊN CỨU Phương pháp thống kê, mô tả, phân tích, tổng hợp: nhằm trực quán hóa, hệ thống hóa các vấn đề về trí tuệ nhân tạo, quản lý rủi ro tín dụng và ứng dụng trí tuệ nhân tạo trong quản lý rủi ro tín dụng. Phương pháp khảo sát: Để đánh giá thực trạng công tác tổ chức thực hiện quản lý rủi ro tín dụng tại Agribank, tác giả thực hiện cuộc khảo sát với 95 cán bộ có liên quan trực tiếp tới hoạt động cho vay khách hàng (bao gồm 05 5 phó giám đốc chi nhánh và lãnh đạo ban tín dụng, phòng tín dụng loại 1, 28 lãnh đạo phòng tín dụng chi nhánh loại 2 và lãnh đạo phòng giao dịch, và 62 chuyên viên) với nội dung hỏi bao quát toàn bộ các hoạt động quản lý rủi ro tín dụng tại Agribank. Phương pháp định lượng: Luận án sẽ sử dụng các mô hình trí tuệ nhân tạo bao gồm: Mô hình Cây quyết định (Decision Tree- DT), Mô hình Mạng Nơ ron (Neural network - NN) để đo lường rủi ro tín dụng và có sự so sánh với các mô hình truyền thống như mô hình logit. Mô hình logit Mô hình Logit là mô hình hồi quy với biến phụ thuộc (Y) là biến nhị phân, chỉ nhận hai giá trị là 0 và 1; các biến độc lập Xi có thể là biến nhị phân, biến rời rạc hoặc biến liên tục. Trong mô hình xếp hạng tín dụng, biến phụ thuộc Y nhận giá trị 0 khi khách hàng không trả được nợ và 1 khi khách hàng trả được nợ (Lee và cộng sự, 2000). Các biến độc lập Xi đại diện cho các thông tin định tính và định lượng của khách hàng như thu nhập, độ tuổi, giới tính, trình độ học vấn... Sau khi hồi quy mô hình Logit, thu được Ŷ=α+β1X1 +β2X2++βkXk là giá trị ước lượng của Y. Khi đó, xác suất trả nợ của khách hàng được tính bằng công thức sau: P = 1/ (1+e−Y) Giá trị P nhận được trong khoảng (0,1) được so sánh với các ngưỡng mà ngân hàng đặt ra để xếp hạng khách hàng. Tuy nhiên, trong bài nghiên cứu này, để dễ dàng hơn trong việc so sánh hiệu quả của các mô hình, giá trị ngưỡng để phân loại khách hàng được chọn là 0,5. Điều này có nghĩa rằng nếu giá trị P 6 <0,5, khách hàng sẽ được dự báo vỡ nợ, và ngược lại nếu P ≥ 0,5, khách hàng sẽ được dự báo trả được nợ. Mô hình Cây quyết định (Decision Tree- DT) Cây quyết định (DT) là một kiểu mô hình phân lớp các quan sát dựa vào dãy các luật. Mô hình này bao gồm một nút gốc (Root node), các nút bên trong (Internal node) và nút lá (Leaf node). Mỗi một nút trong DT tương ứng với một biến; đường nối giữa nó với nút con của nó thể hiện một giá trị cụ thể cho biến đó (đây chính là điều kiện hay quy luật để phân nhánh cho mỗi node). Mỗi nút lá đại diện cho giá trị dự đoán của biến mục tiêu; các giá trị cho trước của các biến được biểu diễn bởi đường đi từ nút gốc tới nút lá đó. Cây quyết định được xây dựng bằng cách phân tách thuộc tính các giá trị tại mỗi nút dựa trên một thuộc tính đầu vào. Quá trình phân lớp sử dụng các thuộc tính phân tách được thực hiện liên tục cho tới khi gặp các nút lá (giá trị mục tiêu). Tập hợp các luật đường đi từ nút gốc tới nút lá sẽ xác định cho