Dự án CTR#DIV- FSMIMS-DG#1 được ký kết giữa Bảo hiểm tiền gửi Việt Nam (DIV) và Công ty TNHH Hệ thống thông tin FPT (FIS) nhằm xây dựng một cơ sở hạ tầng CNTT & truyền thông hiện đại, tập trung, tích hợp theo chuẩn mực quốc tế.

Việc thực hiện thành công dự án này sẽ giúp DIV: (i) Có các phần mềm ứng dụng hỗ trợ DIV nâng cao hiệu quả hoạt động và triển khai các quy trình nghiệp vụ lõi; (ii) Xây dựng một kho dữ liệu tập trung để quản lý, thu thập, quản lý, khai thác thông tin; (iii) Xây dựng một cơ sở hạ tầng công nghệ thông tin với trung tâm dự phòng nhằm đảm bảo an toàn dữ liệu và hoạt động liên tục của DIV.

Dự án được chia thành 07 phân hệ chính. Mỗi phân hệ được phát triển trên nền tảng công nghệ tiên tiến, kết hợp giữa công nghệ của hãng và các sản phẩm in-house của FIS. Bảng sau mô tả các phân hệ và công nghệ sử dụng.

STTPhân hệCông nghệ sử dụng
1Quản lý thông tin IMOracle ODI, OBIEE, EDQ.
2Xử lý RLĐược phát triển trên nền tảng FPT – Core. Sản phẩm in-house của FIS.
3Quản lý tài chính FMĐược phát triển trên nền tảng FPT – Core. Sản phẩm in-house của FIS.
4Giám sát rủi ro RMĐược phát triển trên nền tảng FPT – Core. Sản phẩm in-house của FIS.

Oracle Advanced Analytics

5ERPOracle EBS
6Quản lý nguồn nhân lực HRiHPR. Sản phẩm của FIS GMC.
7Quản lý tài liệu DCMNewgen OmniDoc và OminiScan

Giám sát rủi ro – nghiệp vụ cốt lõi của DIV

Giám sát rủi ro là phân hệ chính của hệ thống phần mềm nghiệp vụ, có ý nghĩa quan trọng trong việc hỗ trợ DIV nâng cao năng lực đánh giá và dự báo rủi ro của các tổ chức tham gia bảo hiểm tiền gửi (TCTGBHTG), hỗ trợ hiệu quả trong việc bảo vệ quyền lợi của người gửi tiền.

Là một bộ phận của hệ thống tài chính quốc gia, DIV có vai trò nhiệm vụ: Bảo vệ người gửi tiền, tạo ra lòng tin chung của thị trường tài chính đối với lĩnh vực ngân hàng. Do đó, DIV cần có hệ thống để giám sát rủi ro của các TCTGBHTG. DIV thực hiện bằng 2 phương pháp, bao gồm: Xếp hạng các TCTGBHTG; Ước tính xác suất đổ vỡ của TCTGBHTG 

Xếp hạng các TCTGBHTG   

Hệ thống xếp hạng hỗ trợ DIV trong việc phân tích, xác định rủi ro và đưa ra những cảnh báo một cách nhanh chóng, chính xác. Xếp hạng là cơ sở để tổ chức BHTG quản trị rủi ro, phân loại các TCTGBHTG. Hệ thống xếp hạng cho phép DIV xếp hạng một TCTGBHTG theo hai cách:

  • Dựa trên mô hình Heuristic. Phương pháp này được xây dựng dựa trên ý kiến chuyên gia và xếp hạng các TCTGBHTG căn cứ vào các chỉ tiêu tài chính; các chỉ tiêu phi tài chính và các thông tin khác. Các chỉ tiêu sẽ được phân tích, gán trọng số và chuẩn hóa thành thang điểm dựa trên kinh nghiệm của chuyên gia để đánh giá, so sánh giữa các TCTGBHTG.
  • Dựa trên kết quả của của việc áp dụng các mô hình toán học: căn cứ trên kết quả xác suất đổ vỡ của việc chạy mô hình hồi quy hoặc kết quả tính điểm các TCTGBHTG của các mô hình phân tích khác biệt hoặc phân tích nhân tố, người sử dụng có thể quy đổi kết quả này ra thành các hạng tương ứng cho từng TCTGBHTG. Tùy theo chính sách của DIV ở từng thời kỳ mà giá trị quy đổi có thể khác nhau với mỗi hạng. 

Ước tính xác suất đổ vỡ

Dựa trên tập dữ liệu lịch sử đã có của TCTGBHTG mà DIV thu thập được qua 10 năm, từ đó xây dựng mô hình ước tính xác suất đổ vỡ của các TCTGBHTG trong tương lai. Theo khía cạnh toán học, tập dữ liệu này sẽ được biểu diễn dưới dạng ma trận n hàng × m cột; trong đó n là các TCTGBHTG theo thời gian, m là các chỉ tiêu được sử dụng. Trong các cột dữ liệu này, có một cột dữ liệu quan trọng gọi là dữ liệu nhãn. Nhãn có 2 giá trị, 0- đổ vỡ, 1- không đổ vỡ.

Dự án đã sử dụng các kỹ thuật khai phá dữ liệu như phương pháp hồi quy và phương pháp phân lớp để đề xuất cho DIV một mô hình phù hợp tại thời điểm hiện tại. Việc lựa chọn mô hình nào là thích hợp được xác định dựa trên thuộc tính của dữ liệu huấn luyện như: số lượng dữ liệu, phân bố nhãn dữ liệu, giá trị dữ liệu; độ chính xác mong muốn. Quá trình thực nghiệm mô hình được thực hiện lặp lại để lựa chọn ra mô hình phù hợp nhất đối với dữ liệu lịch sử hiện có tại BHTGVN.

Quy trình xây dựng mô hình được mô tả trong hình dưới đây.

Dữ liệu sau khi thu thập sẽ được tiền xử lý theo một số phương pháp như: chuẩn hóa, chuyển đổi dữ liệu, rời rạc hóa,… Dữ liệu đã được làm sạch tiếp tục được chia thành 2 phần theo tỷ lệ xác định (thông thường là 70-30). Phần 1 là dữ liệu dùng để huấn luyện và phần 2 là dữ liệu kiểm thử. Dữ liệu huấn luyện sẽ được sử dụng trên các mô hình như hồi quy, phân lớp. Sau quá trình huấn luyện, mô hình sẽ được hình thành. Để kiểm tra tính chính xác của mô hình, dữ liệu kiểm thử sẽ được sử dụng; ngoài ra, các hệ số kiểm định tiêu chuẩn (Ví du: R-Square, Mean absolute error,…) sẽ được dùng để đánh giá.  Các chức năng tiền xử lý dữ liệu, huấn luyện dữ liệu, kiểm thử mô hình và chạy mô hình đều được thực hiện trên công cụ OAA (Oracle Advanced Analytics).

Phạm Thị Quỳnh – FPT IS
(Bài viết được đăng trên ấn phẩm Đặc san công nghệ FPT, FPT TechInsight No.1)