Credit Risk Analysis

🎯 Mục tiêu bài học

TB5 min

Sau bài học này, bạn sẽ:

Phân tích default rate theo các segment khác nhau (credit score, income, product)
Hiểu approval rate và các yếu tố ảnh hưởng đến quyết định cho vay
Tính và diễn giải WOE (Weight of Evidence) và IV (Information Value)
Xây dựng credit risk report cơ bản bằng SQL

📋 Thông tin bài học

Thông tin	Chi tiết
⏱️ Thời lượng	2 giờ
📖 Chủ đề chính	Default Rate, Credit Score Analysis, WOE/IV, Risk Segmentation
💡 Kiến thức cần có	Bài 03 — Banking KPIs, SQL cơ bản
🎯 Output	Credit Risk Analysis Report

Task 0

📖 Thuật ngữ quan trọng

TB5 min

Thuật ngữ	Tiếng Việt	Mô tả
Default	Vỡ nợ	Khách hàng không trả được nợ (thường DPD > 90 ngày)
Default Rate	Tỷ lệ vỡ nợ	% khoản vay bị vỡ nợ trên tổng số khoản vay
PD (Probability of Default)	Xác suất vỡ nợ	Xác suất KH vỡ nợ trong 12 tháng
LGD (Loss Given Default)	Tổn thất khi vỡ nợ	% tổn thất trên số tiền vay khi KH vỡ nợ
EAD (Exposure at Default)	Dư nợ khi vỡ nợ	Số tiền ngân hàng đang cho KH vay khi vỡ nợ
Expected Loss	Tổn thất dự kiến	EL = PD × LGD × EAD
WOE	Weight of Evidence	Đo sức mạnh phân biệt good/bad của biến
IV	Information Value	Đo tổng sức mạnh dự đoán của biến
Scorecard	Thẻ điểm tín dụng	Mô hình chấm điểm dựa trên nhiều biến
Cut-off Score	Điểm cắt	Ngưỡng credit score để approve/reject

Checkpoint

Expected Loss = PD × LGD × EAD — công thức cốt lõi của credit risk. PD dự đoán bằng credit score. WOE đo sức phân biệt good/bad của từng biến. IV đánh giá biến nào tốt nhất để đưa vào mô hình: IV > 0.3 = Strong, 0.1-0.3 = Medium, < 0.02 = Useless.

Task 1

📊 Phân tích Default Rate — SQL

TB5 min

Default Rate tổng thể

SQL

1-- 1. Default Rate tổng thể
2SELECT 
3  COUNT(*) AS total_loans,
4  SUM(default_flag) AS total_defaults,
5  ROUND(AVG(default_flag) * 100, 2) AS default_rate_pct
6FROM fact_loan_application
7WHERE status = 'Approved';

Default Rate theo Credit Score Band

SQL

1-- 2. Default Rate theo credit score band
2SELECT 
3  CASE 
4      WHEN credit_score >= 750 THEN '750+ (Excellent)'
5      WHEN credit_score >= 700 THEN '700-749 (Good)'
6      WHEN credit_score >= 650 THEN '650-699 (Fair)'
7      WHEN credit_score >= 600 THEN '600-649 (Below Avg)'
8      WHEN credit_score >= 550 THEN '550-599 (Poor)'
9      ELSE '<550 (Very Poor)'
10  END AS score_band,
11  COUNT(*) AS total_loans,
12  SUM(default_flag) AS defaults,
13  ROUND(AVG(default_flag) * 100, 2) AS default_rate_pct,
14  ROUND(AVG(loan_amount), 0) AS avg_loan_amount
15FROM fact_loan_application
16WHERE status = 'Approved'
17GROUP BY 
18  CASE 
19      WHEN credit_score >= 750 THEN '750+ (Excellent)'
20      WHEN credit_score >= 700 THEN '700-749 (Good)'
21      WHEN credit_score >= 650 THEN '650-699 (Fair)'
22      WHEN credit_score >= 600 THEN '600-649 (Below Avg)'
23      WHEN credit_score >= 550 THEN '550-599 (Poor)'
24      ELSE '<550 (Very Poor)'
25  END
26ORDER BY default_rate_pct;

Default Rate theo DTI Ratio

SQL

1-- 3. Default Rate theo DTI bands
2SELECT 
3  CASE 
4      WHEN dti_ratio < 20 THEN '<20% (Low)'
5      WHEN dti_ratio < 35 THEN '20-35% (Moderate)'
6      WHEN dti_ratio < 43 THEN '35-43% (High)'
7      WHEN dti_ratio < 50 THEN '43-50% (Very High)'
8      ELSE '>50% (Extreme)'
9  END AS dti_band,
10  COUNT(*) AS total_loans,
11  SUM(default_flag) AS defaults,
12  ROUND(AVG(default_flag) * 100, 2) AS default_rate_pct,
13  ROUND(AVG(credit_score), 0) AS avg_credit_score
14FROM fact_loan_application
15WHERE status = 'Approved'
16GROUP BY 
17  CASE 
18      WHEN dti_ratio < 20 THEN '<20% (Low)'
19      WHEN dti_ratio < 35 THEN '20-35% (Moderate)'
20      WHEN dti_ratio < 43 THEN '35-43% (High)'
21      WHEN dti_ratio < 50 THEN '43-50% (Very High)'
22      ELSE '>50% (Extreme)'
23  END
24ORDER BY default_rate_pct;

Insight kỳ vọng

Bạn sẽ thấy mối quan hệ nghịch đảo rõ rệt giữa credit score và default rate, và mối quan hệ thuận giữa DTI ratio và default rate. Đây là nền tảng của mọi mô hình credit scoring.

Task 2

🔍 Phân tích theo Product & Customer Profile

TB5 min

Default Rate theo sản phẩm

SQL

1-- 4. Default Rate theo product type
2SELECT 
3  p.product_type,
4  p.product_name,
5  COUNT(*) AS total_loans,
6  SUM(l.default_flag) AS defaults,
7  ROUND(AVG(l.default_flag) * 100, 2) AS default_rate_pct,
8  ROUND(AVG(l.loan_amount), 0) AS avg_loan_amount,
9  ROUND(AVG(l.interest_rate), 2) AS avg_interest_rate
10FROM fact_loan_application l
11JOIN dim_product p ON l.product_id = p.product_id
12WHERE l.status = 'Approved'
13GROUP BY p.product_type, p.product_name
14ORDER BY default_rate_pct DESC;

Default Rate theo Customer Profile

SQL

1-- 5. Default Rate theo thu nhập và loại hình công việc
2SELECT 
3  c.employment_type,
4  CASE 
5      WHEN c.monthly_income < 10000000 THEN '<10M'
6      WHEN c.monthly_income < 20000000 THEN '10-20M'
7      WHEN c.monthly_income < 35000000 THEN '20-35M'
8      WHEN c.monthly_income < 50000000 THEN '35-50M'
9      ELSE '>50M'
10  END AS income_band,
11  COUNT(*) AS total_loans,
12  SUM(l.default_flag) AS defaults,
13  ROUND(AVG(l.default_flag) * 100, 2) AS default_rate_pct
14FROM fact_loan_application l
15JOIN dim_customer c ON l.customer_id = c.customer_id
16WHERE l.status = 'Approved'
17GROUP BY c.employment_type, 
18  CASE 
19      WHEN c.monthly_income < 10000000 THEN '<10M'
20      WHEN c.monthly_income < 20000000 THEN '10-20M'
21      WHEN c.monthly_income < 35000000 THEN '20-35M'
22      WHEN c.monthly_income < 50000000 THEN '35-50M'
23      ELSE '>50M'
24  END
25ORDER BY default_rate_pct DESC;

Approval Rate Analysis

SQL

1-- 6. Approval Rate theo credit score
2SELECT 
3  CASE 
4      WHEN credit_score >= 700 THEN '700+ (Good-Excellent)'
5      WHEN credit_score >= 600 THEN '600-699 (Fair-Below)'
6      ELSE '<600 (Poor)'
7  END AS score_group,
8  COUNT(*) AS total_applications,
9  SUM(CASE WHEN status = 'Approved' THEN 1 ELSE 0 END) AS approved,
10  SUM(CASE WHEN status = 'Rejected' THEN 1 ELSE 0 END) AS rejected,
11  ROUND(AVG(CASE WHEN status = 'Approved' THEN 1.0 ELSE 0 END) * 100, 1) AS approval_rate_pct
12FROM fact_loan_application
13GROUP BY 
14  CASE 
15      WHEN credit_score >= 700 THEN '700+ (Good-Excellent)'
16      WHEN credit_score >= 600 THEN '600-699 (Fair-Below)'
17      ELSE '<600 (Poor)'
18  END
19ORDER BY approval_rate_pct DESC;

Task 3

⚖️ WOE & IV — Sức mạnh dự đoán của biến

TB5 min

WOE (Weight of Evidence)

WOE_i = \ln\left(\frac{\text{Distribution of Good}_i}{\text{Distribution of Bad}_i}\right)

Trong đó:

$\text{Good}_i$ = % khách hàng không default trong bin $i$
$\text{Bad}_i$ = % khách hàng default trong bin $i$

IV (Information Value)

IV = \sum_{i=1}^{n} (\text{Good}_i - \text{Bad}_i) \times WOE_i

Bảng đánh giá IV

IV Range	Sức mạnh dự đoán	Quyết định
< 0.02	Useless	Loại bỏ
0.02 - 0.1	Weak	Cần kết hợp
0.1 - 0.3	Medium	Sử dụng được
0.3 - 0.5	Strong	Biến tốt
> 0.5	Suspicious	Kiểm tra overfitting

Tính WOE/IV bằng SQL

SQL

1-- 7. WOE/IV cho Credit Score bands
2WITH score_bands AS (
3  SELECT 
4      CASE 
5          WHEN credit_score >= 750 THEN '1_750+'
6          WHEN credit_score >= 700 THEN '2_700-749'
7          WHEN credit_score >= 650 THEN '3_650-699'
8          WHEN credit_score >= 600 THEN '4_600-649'
9          WHEN credit_score >= 550 THEN '5_550-599'
10          ELSE '6_<550'
11      END AS score_band,
12      default_flag
13  FROM fact_loan_application
14  WHERE status = 'Approved'
15),
16totals AS (
17  SELECT 
18      SUM(CASE WHEN default_flag = 0 THEN 1 ELSE 0 END) AS total_good,
19      SUM(CASE WHEN default_flag = 1 THEN 1 ELSE 0 END) AS total_bad
20  FROM score_bands
21),
22woe_calc AS (
23  SELECT 
24      s.score_band,
25      COUNT(*) AS total,
26      SUM(CASE WHEN default_flag = 0 THEN 1 ELSE 0 END) AS good,
27      SUM(CASE WHEN default_flag = 1 THEN 1 ELSE 0 END) AS bad,
28      ROUND(SUM(CASE WHEN default_flag = 0 THEN 1.0 ELSE 0 END) / t.total_good, 4) AS dist_good,
29      ROUND(SUM(CASE WHEN default_flag = 1 THEN 1.0 ELSE 0 END) / t.total_bad, 4) AS dist_bad
30  FROM score_bands s
31  CROSS JOIN totals t
32  GROUP BY s.score_band, t.total_good, t.total_bad
33)
34SELECT 
35  score_band,
36  total,
37  good,
38  bad,
39  dist_good,
40  dist_bad,
41  ROUND(LOG(dist_good / NULLIF(dist_bad, 0)), 4) AS woe,
42  ROUND((dist_good - dist_bad) * LOG(dist_good / NULLIF(dist_bad, 0)), 4) AS iv_component
43FROM woe_calc
44ORDER BY score_band;

Ứng dụng WOE/IV

WOE/IV là công cụ chuẩn trong ngành ngân hàng để:

Feature selection: Chọn biến có IV > 0.1 cho mô hình
Binning: Gộp các bin có WOE tương tự
Scorecard: Convert WOE thành điểm trên thẻ chấm điểm
Monitoring: Theo dõi Population Stability Index (PSI) qua thời gian

Checkpoint

Default Rate phân tích theo nhiều chiều: Credit Score (nghịch đảo), DTI (thuận), Product Type (unsecured > secured), Income (nghịch đảo). WOE cho biết sức phân biệt good/bad của từng bin. IV tổng hợp sức dự đoán: > 0.3 là biến strong. Trong banking, credit_score và dti_ratio thường có IV cao nhất.

Task 4

📋 Tổng kết

TB5 min

Kiến thức đã học

Chủ đề	Nội dung chính
Default Rate Analysis	Phân tích tỷ lệ vỡ nợ theo nhiều chiều
Credit Score Bands	Excellent/Good/Fair/Poor/Very Poor
DTI Analysis	Tỷ lệ nợ/thu nhập và ngưỡng rủi ro
Product Risk	So sánh rủi ro giữa các loại sản phẩm
WOE/IV	Weight of Evidence, Information Value
Feature Selection	Chọn biến dự đoán cho credit scoring model

Key Takeaways

✅ Default Rate là metric trung tâm — phân tích đa chiều để tìm root cause
✅ WOE dương = rủi ro thấp hơn trung bình, WOE âm = rủi ro cao hơn
✅ IV > 0.3 là biến có predictive power mạnh cho credit scoring
✅ Unsecured loans luôn có default rate cao hơn secured loans

Câu hỏi tự kiểm tra

Credit Score band nào có default rate cao nhất trong dataset?
WOE dương cho một bin nghĩa là gì?
IV > 0.3 cho biết điều gì về biến phân tích?
Tại sao unsecured loans có rủi ro cao hơn secured loans?

Bài tiếp theo: Loan Portfolio Analysis →

🎉 Tuyệt vời! Bạn đã thành thạo Credit Risk Analysis!

Nhớ: Default Rate + WOE/IV = bộ công cụ cốt lõi cho credit risk. Mọi ngân hàng đều cần DA biết phân tích rủi ro tín dụng!

Task 5

🎯 Mục tiêu bài học

📖 Thuật ngữ quan trọng

Checkpoint

📊 Phân tích Default Rate — SQL

Default Rate tổng thể

Default Rate theo Credit Score Band

Default Rate theo DTI Ratio

🔍 Phân tích theo Product & Customer Profile

Default Rate theo sản phẩm

Default Rate theo Customer Profile

Approval Rate Analysis

⚖️ WOE & IV — Sức mạnh dự đoán của biến

WOE (Weight of Evidence)

IV (Information Value)

Bảng đánh giá IV

Tính WOE/IV bằng SQL

Checkpoint

📋 Tổng kết

Kiến thức đã học

Key Takeaways

Câu hỏi tự kiểm tra

Khóa học

Mentor & Hỗ trợ

Blog

Giới thiệu