Ứng dụng Machine Learning trong dự báo vỡ nợ doanh nghiệp nhỏ và vừa tại Việt Nam

Nguyễn Đức Duy

Email: duynd1201@gmail.com

PGS. TS. Nguyễn Việt Dũng

Email: vd.nguyen@ftu.edu.vn

Trường Đại học Ngoại thương

Tóm tắt

Nghiên cứu này được thực hiện trong bối cảnh rủi ro tín dụng tại Việt Nam gia tăng, đặc biệt ở khu vực doanh nghiệp nhỏ và vừa (SME), nhằm xây dựng và kiểm định mô hình dự báo vỡ nợ dựa trên Machine Learning. Dữ liệu nghiên cứu gồm 1.462 doanh nghiệp trong năm 2024, tổng hợp từ 3 nguồn: dữ liệu kế toán (MISA AMIS), hóa đơn điện tử và sao kê ngân hàng. Thuật toán Extreme Gradient Boosting (XGBoost) được lựa chọn và tối ưu hóa bằng Grid Search kết hợp kiểm định chéo 5 lần. Kết quả cho thấy mô hình đạt độ chính xác 77,4%, AUC-ROC đạt 0,8592 và AUC-PR đạt 0,8226, thể hiện khả năng phân biệt và hiệu chỉnh xác suất tốt. Đặc biệt, biến tỷ lệ dòng tiền thực thu trên giá trị hóa đơn phát hành là yếu tố dự báo quan trọng nhất. Nghiên cứu cung cấp bằng chứng thực nghiệm về hiệu quả của dữ liệu vận hành động trong nâng cao chất lượng quản trị rủi ro tín dụng SME tại Việt Nam.

Từ khóa: Cashflow, doanh nghiệp nhỏ và vừa, Machine Learning, rủi ro tín dụng, XGBoost

Abstract

This study is conducted in the context of increasing credit risk in Vietnam, particularly among small and medium-sized enterprises (SMEs), with the objective of developing and validating a default prediction model using Machine Learning. The dataset consists of 1,462 SMEs observed in fiscal year 2024, integrating accounting data (MISA AMIS), e-invoice records, and bank statement transactions. The Extreme Gradient Boosting (XGBoost) algorithm is selected and optimized through Grid Search with 5-fold cross-validation. Empirical results indicate that the model achieves an overall accuracy of 77.4%, an AUC-ROC of 0.8592, and an AUC-PR of 0.8226, demonstrating strong discriminatory power and well-calibrated probability estimates. Notably, the ratio of actual cash inflows to issued invoice values emerges as the most significant predictor of default risk. The findings provide robust empirical evidence on the effectiveness of integrating dynamic operational data to enhance SME credit risk management in Vietnam.

Keywords: Cashflow, Credit risk, Machine Learning, SMEs, XGBoost

GIỚI THIỆU

Bối cảnh kinh tế Việt Nam sau đại dịch Covid-19 tiếp tục chịu tác động đan xen từ suy giảm tăng trưởng, thắt chặt tài chính toàn cầu và điều chỉnh chu kỳ tín dụng trong nước. Áp lực chất lượng tài sản tại các tổ chức tín dụng gia tăng rõ rệt, phản ánh qua mức nợ xấu nội bảng đến quý I/2025 đã vượt 300 nghìn tỷ đồng, tăng 16,8% so với cùng kỳ năm 2024 và 13,4% so với đầu năm 2025; tỷ lệ nợ xấu toàn ngành (kể cả các ngân hàng yếu kém) dao động 4,3 - 4,75%. Diễn biến này không chỉ bào mòn lợi nhuận thông qua chi phí dự phòng gia tăng mà còn đặt ra thách thức đối với ổn định tài chính vĩ mô, làm thu hẹp dư địa chính sách và khả năng hỗ trợ tăng trưởng.

Trong bức tranh tín dụng nêu trên, khu vực doanh nghiệp nhỏ và vừa (SME) - chiếm gần 98% tổng số doanh nghiệp - vừa là động lực việc làm, đổi mới và liên kết chuỗi, vừa là nhóm khách hàng chịu nhiều rào cản tiếp cận vốn. Theo FiinGroup (2025), chỉ khoảng 9,3% SME tiếp cận được vốn vay ngân hàng, trong khi ở nhóm doanh nghiệp lớn tỷ lệ này đạt 56,1%. Báo cáo cho thấy đến cuối năm 2024, dư nợ tín dụng dành cho SME xấp xỉ 2,74 triệu tỷ đồng, tương đương khoảng 17,6% tổng dư nợ nền kinh tế (Diễn đàn Doanh nghiệp, 2025). Khoảng trống tài chính từ đó được ước tính gần 24 tỷ USD, tương đương 62% tổng nhu cầu vốn chưa được đáp ứng (FiinGroup, 2025). Sự thiếu hụt tiếp cận tín dụng không chỉ kiềm chế đầu tư và mở rộng sản xuất ở khu vực doanh nghiệp chiếm tỷ trọng áp đảo này, mà còn làm suy giảm đà phục hồi và năng lực cạnh tranh của nền kinh tế.

Một căn nguyên có tính cấu trúc dẫn tới trạng thái “thiếu vốn - thiếu dữ liệu” của SME là mức độ minh bạch và chất lượng thông tin tài chính còn hạn chế. Phần lớn SME có quy mô nhỏ, lịch sử hoạt động ngắn, ít tài sản bảo đảm, báo cáo tài chính chưa được kiểm toán, thậm chí chưa tuân thủ đầy đủ chuẩn mực kế toán; hệ quả là ngân hàng thương mại buộc phải dựa nặng vào các tiêu chí truyền thống như hồ sơ pháp lý, CIC và tài sản thế chấp.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết và khung phân tích

Các mô hình truyền thống

Giai đoạn đầu tiên được đánh dấu bằng sự thống trị của các mô hình thống kê cổ điển. Công trình tiên phong và có ảnh hưởng sâu rộng nhất là mô hình Phân tích phân biệt đa biến (MDA) của Altman (1968). Trong nghiên cứu gốc, mô hình Z-score đã đạt được độ chính xác 95% trong việc dự báo phá sản trước một năm. Mặc dù có tính đột phá, mô hình này vẫn bộc lộ những hạn chế. Ví dụ, trong một nghiên cứu kiểm định lại sau này của chính Altman và các cộng sự, độ chính xác của mô hình giảm xuống còn khoảng 70-80% khi áp dụng cho các bộ dữ liệu mới và các thị trường khác nhau.

Tiếp nối sau đó, các mô hình hồi quy như Logistic Regression (Ohlson, 1980) đã trở nên phổ biến hơn. Các mô hình này khắc phục được một số giả định nghiêm ngặt của MDA và trực tiếp đưa ra xác suất vỡ nợ. Trong thực tế, độ chính xác của các mô hình hồi quy Logistic cho bài toán dự báo vỡ nợ thường dao động trong khoảng 75% đến 85%, tùy thuộc vào chất lượng dữ liệu và đặc thù thị trường.

Các mô hình ứng dụng Machine Learning

Giai đoạn hiện đại chứng kiến sự xuất hiện của Machine Learning (ML) như một phương pháp tiếp cận mạnh mẽ hơn. Một nghiên cứu so sánh toàn diện của Barboza, Kimura, & Altman (2017) trên một bộ dữ liệu lớn tại Bắc Mỹ đã chỉ ra rằng các mô hình ML, cụ thể là Support Vector Machines và Random Forest, đạt độ chính xác trung bình cao hơn khoảng 10% so với các mô hình MDA và Logistic Regression.

Trong số các phương pháp học tập quần thể, Extreme Gradient Boosting (XGBoost) (Chen & Guestrin, 2016) đặc biệt nổi bật. Một nghiên cứu của Moscatelli và cộng sự (2020) tại Ngân hàng Trung ương Ý đã cho thấy mô hình XGBoost trong dự báo rủi ro tín dụng SME đạt được chỉ số AUC là 0.89, vượt trội đáng kể so với mô hình Logistic Regression (AUC là 0.81) trên cùng một bộ dữ liệu. Tương tự, một nghiên cứu tại thị trường Trung Quốc của Xia và cộng sự (2017) cũng chỉ ra rằng mô hình dựa trên XGBoost đạt độ chính xác 92.5%, cao hơn so với các thuật toán ML khác như SVM hay Mạng nơ-ron. Các ưu điểm chính của XGBoost bao gồm: (1) hiệu suất dự báo vượt trội nhờ cơ chế boosting tuần tự, (2) tích hợp các kỹ thuật chính quy hóa để chống lại hiện tượng quá khớp (overfitting), và (3) khả năng xử lý hiệu quả các giá trị bị thiếu trong dữ liệu.

Khoảng trống nghiên cứu

Tại Việt Nam, các nghiên cứu về dự báo vỡ nợ đã được thực hiện, tuy nhiên, phần lớn vẫn tập trung áp dụng các mô hình thống kê truyền thống trên dữ liệu báo cáo tài chính của các công ty niêm yết. Các nghiên cứu ứng dụng ML cho khối SME, đặc biệt là khai thác các nguồn dữ liệu động, phi truyền thống như hóa đơn điện tử hay sao kê ngân hàng, vẫn còn là một lĩnh vực tương đối mới mẻ. Dữ liệu này có ưu thế vượt trội về tính cập nhật và khách quan, có khả năng cung cấp những hiểu biết sâu sắc hơn về sức khỏe tài chính thực của doanh nghiệp. Do đó, nghiên cứu này góp phần lấp đầy khoảng trống đó bằng cách áp dụng một thuật toán ML tiên tiến (XGBoost) trên một bộ dữ liệu đa dạng và độc đáo, nhằm cung cấp một mô hình dự báo có độ chính xác và giá trị thực tiễn cao hơn.

Phương pháp nghiên cứu

Dữ liệu và mẫu nghiên cứu

Bộ dữ liệu được sử dụng trong nghiên cứu này là dữ liệu được ẩn danh của 1.462 SME tại Việt Nam, với các quan sát được thu thập trong khung thời gian của năm tài chính 2024. Để có được một cái nhìn toàn diện về sức khỏe tài chính và hoạt động của doanh nghiệp, dữ liệu được tổng hợp từ ba nguồn chính, có độ tin cậy cao:

- Dữ liệu kế toán: Trích xuất từ phần mềm kế toán mà doanh nghiệp đang sử dụng (MISA AMIS Kế toán), cung cấp thông tin cho việc tính toán các chỉ số trên báo cáo tài chính.

- Dữ liệu hóa đơn điện tử: Bao gồm thông tin chi tiết về các giao dịch mua bán, tần suất và giá trị hóa đơn điện tử.

- Dữ liệu sao kê ngân hàng: Được đồng bộ hóa từ tài khoản ngân hàng của doanh nghiệp, cung cấp thông tin chính xác về dòng tiền thực tế.

Định nghĩa Biến phụ thuộc (Dependent Variable): Biến mục tiêu của mô hình là tình trạng vỡ nợ (Default) của doanh nghiệp. Đây là một biến nhị phân, được định nghĩa như sau:

- Default = 1: Nếu doanh nghiệp có ít nhất một khoản nợ quá hạn trên 90 ngày tại thời điểm cuối kỳ quan sát.

- Default = 0: Trong trường hợp ngược lại, doanh nghiệp không có khoản nợ quá hạn trên 90 ngày nào tại cuối kỳ quan sát.

Trong mẫu nghiên cứu, tỷ lệ doanh nghiệp được ghi nhận là vỡ nợ chiếm 47%, cho thấy một bộ dữ liệu tương đối cân bằng, phù hợp cho việc xây dựng mô hình phân loại.

Lựa chọn Biến độc lập (Independent Variables): Các biến dự báo (features) được lựa chọn dựa trên cơ sở lý thuyết tài chính, các nghiên cứu thực nghiệm trước đây và tính sẵn có của dữ liệu. Các biến này được trình bày trong Bảng 1.

Bảng 1: Mô tả các biến độc lập trong mô hình

Nguồn: Tổng hợp và đề xuất của nhóm tác giả

Phân tích tập dữ liệu đầu vào

Bảng 2: Phân tích tập dữ liệu đầu vào

Nguồn: Phân tích của nhóm tác giả

Qua phân tích bảng thống kê mô tả (Bảng 2), có thể nhận thấy bộ dữ liệu đầu vào phản ánh rõ các đặc điểm điển hình của nhóm SME Việt Nam. Cụ thể:

- Nhóm chỉ tiêu về thanh khoản (Current_Ratio) có độ phân tán lớn, với một số doanh nghiệp có giá trị rất cao, phản ánh thực trạng quản trị vốn lưu động chưa đồng đều trong khu vực SME.

- Nhóm chỉ tiêu về cơ cấu tài chính (Debt_to_Asset) có phân phối tương đối hợp lý, phần lớn doanh nghiệp có tỷ lệ nợ trên tài sản dao động quanh mức trung bình (~0,57), phù hợp với thực tế các SME thường có xu hướng sử dụng đòn bẩy tài chính ở mức vừa phải đến cao.

- Nhóm chỉ tiêu sinh lời (ROA, ROE, ROS) nhìn chung ở mức thấp, với trung bình tiệm cận 0, thể hiện thực trạng hiệu quả kinh doanh còn hạn chế của phần lớn SME.

- Các chỉ tiêu liên quan đến tăng trưởng (Sales_Growth, Profit_Growth) và vận hành hóa đơn (Sales_Invoice_to_FS, Inv_Cancel_Rate_Qty, Inv_Cancel_Rate_Value) có độ phân tán khá lớn, phản ánh sự đa dạng trong mô hình kinh doanh và mức độ ổn định của các doanh nghiệp trong tập dữ liệu.

Lựa chọn thuật toán và xây dựng mô hình Machine Learning

Thứ nhất, dữ liệu tài chính của các SME vốn có đặc điểm phân phối không chuẩn, tồn tại nhiều giá trị ngoại lai và có độ phân tán cao. Là một thuật toán dựa trên cây quyết định, XGBoost có khả năng xử lý hiệu quả các loại dữ liệu phức tạp này mà không yêu cầu các giả định nghiêm ngặt về phân phối hay cần đến bước chuẩn hóa dữ liệu. Thứ hai, mối quan hệ giữa các yếu tố tài chính và nguy cơ vỡ nợ vốn phức tạp và phi tuyến, một đặc điểm mà các mô hình tuyến tính truyền thống khó có thể nắm bắt đầy đủ. XGBoost lại vượt trội trong việc phát hiện các mẫu và tương tác phi tuyến tiềm ẩn trong dữ liệu, qua đó nâng cao độ chính xác dự báo. Hơn nữa, với quy mô mẫu ở mức trung bình, nguy cơ quá khớp (overfitting) là một rủi ro đáng kể; tuy nhiên, XGBoost tích hợp sẵn các kỹ thuật chính quy hóa L1 và L2 giúp kiểm soát hiệu quả độ phức tạp của mô hình, đảm bảo khả năng tổng quát hóa tốt trên dữ liệu mới.

Mô hình XGBoost được huấn luyện và tối ưu hóa thông qua một quy trình khoa học và chặt chẽ. Đầu tiên, bộ dữ liệu được phân chia ngẫu nhiên thành tập huấn luyện (70%) và tập kiểm tra (30%). Tập kiểm tra được giữ riêng hoàn toàn để đánh giá khách quan hiệu suất cuối cùng của mô hình.

KẾT QUẢ VÀ THẢO LUẬN

Ma trận phân loại

Bảng 3: Ma trận phân loại

Nguồn: Phân tích của nhóm tác giả

Kết quả đầu tiên được xem xét là báo cáo phân loại (Classification Report). Mô hình đạt độ chính xác tổng thể (Accuracy) là 77,4% trên tập kiểm tra. Quan trọng hơn, các chỉ tiêu Precision, Recall và F1-score - vốn phản ánh tốt hơn chất lượng của mô hình trong các bài toán phân loại rủi ro tín dụng - cũng cho thấy những kết quả khả quan. Cụ thể, nhóm doanh nghiệp không vỡ nợ (Default = 0) có Precision = 0,82, Recall = 0,77, và F1-score = 0,80; trong khi nhóm doanh nghiệp có vỡ nợ (Default = 1) đạt Precision = 0,72, Recall = 0,78, và F1-score = 0,75 (Bảng 3).

Các đường cong ROC, PR, Calibre

Hình 1: Đường cong ROC

Nguồn: Phân tích của nhóm tác giả

Tiếp theo, xét về khả năng phân biệt tổng thể giữa hai nhóm, mô hình đạt diện tích dưới đường cong ROC (AUC-ROC) là 0,8592. Một giá trị AUC trên 0,85 được đánh giá là rất tốt trong các bài toán phân loại tín dụng, cho thấy mô hình có khả năng phân biệt rõ ràng giữa nhóm doanh nghiệp có và không có nguy cơ vỡ nợ, bất kể ngưỡng phân loại được lựa chọn (Hình 1).

Hình 2: Đường cong Precision-Recall

Nguồn: Phân tích của nhóm tác giả

Bên cạnh đó, đường cong Precision-Recall với AUC-PR = 0,8226 càng củng cố thêm tính hiệu quả của mô hình, đặc biệt trong bối cảnh bài toán có tỷ lệ lệch lớp nhất định (tỷ lệ vỡ nợ khoảng 47% trong tập dữ liệu). Precision-Recall Curve là chỉ tiêu phù hợp cho các bài toán mà chi phí của false negative (doanh nghiệp vỡ nợ nhưng bị dự báo nhầm là không vỡ nợ) cao hơn false positive. Giá trị AUC-PR cao cho thấy mô hình duy trì được Precision tốt ngay cả khi Recall tăng, đảm bảo tính hữu dụng trong ứng dụng thực tiễn (Hình 2).

Hình 3: Đường cong Calibration

Nguồn: Phân tích của nhóm tác giả

Đặc biệt, đường cong Calibration cho thấy các xác suất dự báo của mô hình có mức độ hiệu chỉnh tốt. Đường Calibration Curve bám sát đường lý tưởng trong hầu hết các khoảng xác suất, phản ánh rằng khi mô hình dự báo một doanh nghiệp có 70% nguy cơ vỡ nợ, thì tỷ lệ thực tế quan sát được cũng tương ứng với mức đó. Đây là yếu tố rất có giá trị khi ứng dụng mô hình vào hệ thống quản trị rủi ro của ngân hàng thương mại, bởi trong thực tiễn, không chỉ quyết định có/không phê duyệt mà còn cần sử dụng các xác suất rủi ro này để thiết kế các mức hạn mức tín dụng, tỷ lệ ký quỹ, hoặc lãi suất điều chỉnh (Hình 3).

Ảnh hưởng của các biến đầu vào

Hình 4: Ảnh hưởng của các biến đầu vào trong mô hình

Nguồn: Phân tích của nhóm tác giả

Xét về tầm quan trọng của các biến đầu vào (Feature Importance) trong mô hình XGBoost, kết quả cho thấy biến Cashflow_to_Invoice_Sales giữ vai trò nổi trội, với trọng số cao hơn hẳn so với các biến còn lại. Đây là kết quả hoàn toàn phù hợp với các phân tích dữ liệu đầu vào trước đó cũng như với lý luận nghiệp vụ về đặc điểm quản trị tài chính của các doanh nghiệp vừa và nhỏ tại Việt Nam. Các chỉ tiêu khác cũng chiếm trọng số nhất định, phù hợp với ý nghĩa thực tế mà chỉ tiêu đó phản ánh (Hình 4).

KẾT LUẬN

Nghiên cứu này đã giải quyết thành công mục tiêu đề ra là xây dựng và kiểm định một mô hình dự báo vỡ nợ hiệu quả cho các SME tại Việt Nam bằng cách ứng dụng thuật toán Machine Learning tiên tiến. Thông qua việc sử dụng thuật toán Extreme Gradient Boosting (XGBoost) trên một bộ dữ liệu đa nguồn độc đáo, bao gồm cả dữ liệu tài chính truyền thống và dữ liệu động phi truyền thống, mô hình đã chứng tỏ được năng lực dự báo vượt trội. Với độ chính xác tổng thể đạt 77,4% và chỉ số AUC-ROC là 0,8592, mô hình cho thấy khả năng phân biệt cao giữa các doanh nghiệp có rủi ro và không có rủi ro.

Kết quả nghiên cứu không chỉ tái khẳng định tiềm năng to lớn của Machine Learning trong lĩnh vực tài chính - ngân hàng mà còn mang lại một phát hiện đặc biệt quan trọng: dòng tiền thực tế, được đo lường qua tỷ lệ giữa dòng tiền thu về từ sao kê ngân hàng và doanh thu ghi nhận trên hóa đơn, là yếu tố dự báo khả năng vỡ nợ mạnh mẽ nhất, vượt qua các chỉ số tài chính kinh điển. Phát hiện này nhấn mạnh sự cần thiết của việc chuyển đổi từ phương pháp phân tích tĩnh, dựa trên các báo cáo có độ trễ, sang phương pháp phân tích động, dựa trên dữ liệu giao dịch gần thời gian thực để có được một đánh giá rủi ro tín dụng chính xác, kịp thời và toàn diện hơn.

Tài liệu tham khảo:

1. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.

2. Baesens, B., Van Gestel, T., Viaene, S., Stepanova, M., Suykens, J., & Vanthienen, J. (2003). Benchmarking state-of-the-art classification algorithms for credit scoring. Journal of the Operational Research Society, 54(6), 627-635.

3. Barbiero, F., Popov, A., & Wolski, M. (2020). Debt overhang, global growth opportunities, and investment. Journal of Banking & Finance, 120, 105950.

4. Barboza, F., Kimura, H., & Altman, E. (2017). Machine learning models and bankruptcy prediction. Expert systems with applications, 83, 405-417.

5. Chen, T., & Guestrin, C. (2016, August). Xgboost: A scalable tree boosting system. In Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining (pp. 785-794).

6. Hand, D. J. & Henley, W. E. (1997). Statistical Classification Methods in Consumer Credit Scoring: A Review. Journal of the Royal Statistical Society, Series A, 160(3), 523-541.

7. Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of accounting research, 109-131.

8. Xia, Y., Liu, C., Li, Y., & Liu, N. (2017). A boosted decision tree approach using Bayesian hyper-parameter optimization for credit scoring. Expert systems with applications, 78, 225-241.