Data Analysis and Credit Part 1

  • Tổng quan về FICO score

    • FICO score đo lường khả năng thanh toán chậm 90 ngày trở lên trong vòng 24 tháng tới.
    • Các cơ quan tín dụng thu thập thông tin từ hồ sơ tín dụng của cá nhân và sử dụng phân tích hồi quy để tính toán FICO score.

  • Giới thiệu về hồi quy

    • Hồi quy là công cụ dùng để phân tích dữ liệu giữa hai biến có thể liên quan đến nhau.
    • Ví dụ: Mối quan hệ giữa lãi suất và lạm phát trong tương lai.

  • Phân tích hồi quy tuyến tính

    • Xác định xem lãi suất hiện tại có thể dự đoán lạm phát trong 12 tháng tới hay không.
    • Dữ liệu được thể hiện qua đồ thị phân tán với:
    • Trục x: Lãi suất trái phiếu kho bạc kỳ hạn một năm.
    • Trục y: Tăng trưởng chỉ số giá tiêu dùng trong 12 tháng sau.
    • Mối quan hệ tăng trưởng giữa lãi suất và lạm phát được thể hiện qua một đường hồi quy.

  • Kết quả hồi quy

    • Hồi quy cho ra kết quả: ( ext{Lạm phát} = 1.08 + 0.53 imes ext{Lãi suất} \
    • Ý nghĩa:
    • Hằng số (intercept) 1.08 cho biết khi lãi suất là 0, lạm phát dự kiến là 1.08%.
    • Hệ số độ dốc (slope coefficient) 0.53 cho biết mỗi lần tăng 1% lãi suất, lạm phát dự kiến tăng 0.53%.
    • R² = 0.5 chỉ ra rằng 50% biến động của lạm phát tương lai được giải thích bởi lãi suất hiện tại.

  • Biến phụ thuộc giới hạn

    • Trong trường hợp khảo sát tín dụng (FICO score), chỉ có hai kết quả: "trả chậm" hoặc "không trả chậm".
    • Biến Y chỉ có hai giá trị: 1 nếu trả chậm, 0 nếu không.
    • Điều này tạo ra một biến phụ thuộc giới hạn, không phù hợp với hồi quy tuyến tính.

  • Dữ liệu từ LendingClub

    • LendingClub cung cấp nền tảng cho vay, cho phép người vay kết nối với người cho vay.
    • Trạng thái của khoản vay được sử dụng để xác định biến chỉ báo tính phí hoặc không.
    • Tương tự như trên, ta kết hợp chỉ số debt-to-income để phân tích.

  • Phân tích đồ thị

    • Đồ thị phân tán cho thấy mối quan hệ giữa chỉ số deb-to-income và tình trạng khoản vay bao gồm chỉ báo tính phí.
    • Hồi quy không thể hiện mối quan hệ với dữ liệu thực tế.
    • R² = 0.0017 cho thấy rằng hồi quy tuyến tính không phù hợp vì không giải thích được biến động tình trạng tính phí.

  • Giải pháp

    • Để xử lý biến phụ thuộc giới hạn, cần áp dụng phương pháp khác.
    • Trong video tiếp theo sẽ thảo luận về hồi quy logistic, phương pháp phù hợp hơn cho loại dữ liệu này.