Cây quyết định là gì?

Cây quyết định là gì?

Cây quyết định (Decision Tree) là một mô hình học máy có giám sát, có cấu trúc dạng cây phân cấp từ gốc đến lá, trong đó mỗi nút trong đại diện cho một thuộc tính cần kiểm tra, mỗi nhánh thể hiện kết quả của phép kiểm tra đó, và mỗi nút lá biểu diễn một quyết định hoặc phân loại cuối cùng. Trong lĩnh vực ngân hàng, cây quyết định được ứng dụng rộng rãi trong việc phê duyệt tín dụng tự động, giúp phân loại khách hàng thành nhóm có khả năng trả nợ tốt hoặc nhóm có rủi ro cao.

Về bản chất, cây quyết định mô phỏng quy trình ra quyết định của con người theo dạng "nếu... thì...". Mỗi nút trung gian đại diện cho một câu hỏi hoặc kiểm tra một thuộc tính nào đó của dữ liệu, chẳng hạn như thu nhập hàng tháng hay lịch sử tín dụng. Các nhánh tỏa ra từ nút trung gian thể hiện các câu trả lời hoặc kết quả có thể có của phép kiểm tra đó.

Tại sao cây quyết định quan trọng trong ngân hàng?

Cây quyết định đóng vai trò then chốt trong hoạt động ngân hàng hiện đại với nhiều lý do quan trọng:

• Tính giải thích cao: Trong lĩnh vực tài chính ngân hàng, mọi quyết định tín dụng đều phải minh bạch và giải trình được. Cây quyết định cho phép giải thích rõ ràng tại sao một khoản vay được duyệt hoặc từ chối, đáp ứng yêu cầu của cơ quan quản lý và thực tiễn kiểm toán nội bộ.

• Xử lý khối lượng lớn hồ sơ: Ngân hàng Việt Nam hiện nay tiếp nhận hàng nghìn hồ sơ vay mỗi ngày. Cây quyết định tự động hóa quy trình sàng lọc ban đầu, giảm đáng kể thời gian xử lý và chi phí nhân sự.

• Phát hiện gian lận hiệu quả: Với khả năng phân tích nhanh các giao dịch bất thường, cây quyết định giúp ngăn chặn các hoạt động rửa tiền và gian lận thanh toán thẻ.

• Tuân thủ pháp lý: Thông tư 39/2016/TT-NHNN yêu cầu các tổ chức tín dụng phải có quy trình kiểm soát rủi ro chặt chẽ. Cây quyết định cung cấp bằng chứng về logic ra quyết định, hỗ trợ việc tuân thủ quy định.

Cách hoạt động và cách tính

Cách thức hoạt động của cây quyết định được mô tả qua các bước chính sau:

Bước 1 - Xây dựng nút gốc: Thuật toán bắt đầu với toàn bộ dữ liệu huấn luyện tại nút gốc. Dữ liệu này bao gồm thông tin của các khách hàng đã vay trước đó cùng với kết quả trả nợ của họ.

Bước 2 - Chọn thuộc tính phân chia: Tại mỗi nút, thuật toán đánh giá tất cả các thuộc tính có thể sử dụng để phân chia dữ liệu. Các tiêu chí phổ biến bao gồm:

• Độ lợi thông tin (Information Gain): Sử dụng entropy để đo lường mức độ hỗn loạn của dữ liệu trước và sau khi phân chia. Thuật toán chọn thuộc tính mang lại độ lợi thông tin cao nhất.
• Chỉ số Gini: Đo lường xác suất một mẫu bị phân loại sai khi được chọn ngẫu nhiên theo phân bố của các lớp tại nút đó.

Công thức Gini Impurity:

Gini = 1 - Σ (p_i)^2

Trong đó p_i là tỷ lệ mẫu thuộc lớp i tại nút đang xét.

Bước 3 - Phân chia dữ liệu: Dữ liệu tại mỗi nút được chia thành các tập con dựa trên giá trị của thuộc tính được chọn. Quá trình này lặp lại đệ quy cho đến khi đạt điều kiện dừng.

Bước 4 - Điều kiện dừng: Quá trình phân chia kết thúc khi một trong các điều kiện sau được thỏa mãn: tất cả mẫu tại nút thuộc cùng một lớp, không còn thuộc tính nào để phân chia, hoặc cây đạt độ sâu tối đa cho phép.

Bước 5 - Dự đoán: Khi cần phân loại khách hàng mới, dữ liệu được đi từ nút gốc xuống theo các nhánh thỏa mãn điều kiện tại mỗi nút cho đến khi đến nút lá. Nút lá đó chính là kết quả phân loại.

Các thuật toán phổ biến: ID3 sử dụng độ lợi thông tin, C4.5 cải tiến từ ID3 với tỷ lệ Gain, và CART sử dụng chỉ số Gini hoặc độ lệch trung bình.

Ví dụ thực tế

Ví dụ 1 - Phê duyệt tín dụng cá nhân tại Ngân hàng A

Ngân hàng A sử dụng cây quyết định để phê duyệt khoản vay tiêu dùng với hạn mức tối đa 100 triệu đồng. Quy trình ra quyết định như sau:

• Nút gốc: Kiểm tra thu nhập hàng tháng của khách hàng. Nếu thu nhập từ 15 triệu đồng trở lên, đi sang nhánh phải; nếu dưới 15 triệu, đi sang nhánh trái.
• Nhánh phải: Tiếp tục kiểm tra tỷ lệ nợ trên thu nhập (DTI). Nếu DTI dưới 40%, đi xuống nhánh tiếp theo; nếu DTI từ 40% trở lên, chuyển sang đánh giá thủ công.
• Nhánh tiếp theo: Kiểm tra lịch sử tín dụng trong 24 tháng qua. Nếu không có nợ xấu, hệ thống tự động duyệt vay; nếu có nợ xấu, chuyển sang từ chối hoặc đánh giá thủ công.

Với khách hàng có thu nhập 18 triệu đồng/tháng, DTI 35%, không có nợ xấu, hệ thống sẽ tự động duyệt khoản vay trong vòng 5 phút.

Ví dụ 2 - Phát hiện gian lận thẻ tại Ngân hàng B

Ngân hàng B triển khai cây quyết định giám sát giao dịch thẻ với logic:

• Giao dịch diễn ra tại quốc gia khác với địa điểm giao dịch thường lệ của khách hàng?
  • Nếu có → Giao dịch giá trị trên 5 triệu đồng?
    • Nếu có → Gửi cảnh báo xác thực qua SMS
    • Nếu không → Theo dõi bình thường
  • Nếu không → Giao dịch trong giới hạn cho phép?

Hệ thống này giúp Ngân hàng B phát hiện và ngăn chặn 340 giao dịch gian lận trong quý đầu năm 2024, với tổng giá trị tiền tiết kiệm được đạt 8,5 tỷ đồng.

Phân biệt với thuật ngữ liên quan

Khi nào chọn cây quyết định?

• Cần minh bạch trong quy trình ra quyết định tín dụng
• Dữ liệu có cấu trúc dạng bảng với các thuộc tính rõ ràng
• Cần trình bày kết quả cho cơ quan quản lý hoặc kiểm toán
• Khối lượng dữ liệu vừa phải

Câu hỏi thường gặp trong đề thi

1. Tiêu chí nào được sử dụng để chọn thuộc tính phân chia tốt nhất tại mỗi nút của cây quyết định?

2. Trong cây quyết định, nút lá (leaf node) đại diện cho đối tượng nào sau đây?

3. Vấn đề overfitting (quá khớp) trong cây quyết định có thể được giải quyết bằng phương pháp nào?

4. So với mạng nơ-ron, cây quyết định có ưu điểm nổi bật nào trong ứng dụng ngân hàng?

5. Thuật toán CART sử dụng tiêu chí đánh giá chất lượng phân chia dữ liệu là gì?

Tổng kết

Cây quyết định là một công cụ phân tích mạnh mẽ và thiết thực trong ngành ngân hàng, đặc biệt phù hợp với các bài toán phân loại tín dụng, phát hiện gian lận và đánh giá rủi ro. Ưu điểm nổi bật của mô hình này nằm ở tính giải thích cao và khả năng trực quan hóa quy trình ra quyết định, giúp ngân hàng đáp ứng yêu cầu minh bạch theo quy định của Ngân hàng Nhà nước.

Tuy nhiên, khi ôn thi các vị trí chuyên viên phân tích rủi ro hay chuyên viên công nghệ thông tin ngân hàng, thí sinh cần nắm vững không chỉ cách thức hoạt động mà còn phải hiểu các hạn chế như nguy cơ overfitting và phương pháp cắt tỉa (pruning) để kiểm soát độ phức tạp của mô hình. Việc so sánh cây quyết định với các mô hình học máy khác như hồi quy logistic hay mạng nơ-ron cũng là nội dung thường xuất hiện trong đề thi tuyển dụng ngân hàng.