Xây dựng mô hình điều phối tối ưu quan hệ tín dụng thông qua môi giới điện tử trong thời đại công nghệ số

Nội dung text: Xây dựng mô hình điều phối tối ưu quan hệ tín dụng thông qua môi giới điện tử trong thời đại công nghệ số

1. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 XÂY DỰNG MÔ HÌNH ĐIỀU PHỐI TỐI ƯU QUAN HỆ TÍN DỤNG THÔNG QUA MÔI GIỚI ĐIỆN TỬ TRONG THỜI ĐẠI CÔNG NGHỆ SỐ Lê Diên Tuấn, Phan Đặng My Phương Trường Đại học Kinh tế Đà Nẵng TÓM TẮT Thời đại công nghệ số đang tạo động lực cho nền kinh tế Việt nam nói chung và hệ thống ngân hàng nói riêng phát triển theo hướng hiện đại, năng động sáng tạo và hiệu quả. Bài viết tập trung nghiên cứu đề xuất mô hình môi giới điện tử trong quan hệ tín dụng nhằm tối đa hóa lợi ích chung cho người đi vay dựa các đòi hỏi của người cho vay. Mô hình đề xuất liên quan đến mô hình hóa hành vi cuả người đi vay và người cho vay để điều phối thích hợp lượng vốn tín dụng khả dụng. Các kết quả thí nghiệm thể hiện mô hình này thỏa mãn tối đa lợi ích chung của người đi vay dựa vào các đòi hỏi của người cho vay đặt ra thông qua quan hệ tín dụng. Từ đó đưa ra một số kiến nghị, hàm ý chính sách nhằm thúc đẩy sự phát triển của môi giới điện tử trong quan hệ tín dụng ngân hàng ở thời đại công nghệ số. Từ khoá: công nghệ số, yêu cầu của người đi vay, điều kiện của người cho vay, điều phối quan hệ tín dụng, mô hình tối ưu, môi giới điện tử. 1. Đặt vấn đề Nằm ở khu vực phát triển năng động nhất thế giới, Việt Nam đang có lợi thế trong nhiều lĩnh vực liên quan đến công nghệ số [2, 4]. Ngành công nghiệp phần mềm Việt nam đang là điểm đến gia công phần mềm lớn thứ 2 trên thế giới nghệ [10]. Hơn thế nữa trong quyết định số 34/ QĐ-NHNN ngày 07/01/2019 xác định rõ ngân hàng số là tương lai để phát triển tài chính toàn diện ở Việt Nam. Quá trình tự động hóa quy trình nghiệp vụ sẽ góp phần tăng năng suất lao động và hiệu quả hoạt động kinh doanh của hệ thống ngân hàng. Chính sự phát triển mạnh mẽ của công nghệ số tạo nền tảng quan trọng cho sự bùng nổ của nhiều mô hình mới của nền tài chính công nghệ [7, 10]. Trong đó, mô hình quan hệ tài chính dựa vào trung gian (broker) là rất cần thiết, thuận lợi cho cả người đi vay và người cho vay. Giao dịch này liên quan đến người đi vay, người cho vay, và người trung gian (broker) với những yêu cầu ràng buộc từ người đi vay và người cho vay. Giao dịch liên quan nhiều bên được mô hình hóa qua hình 1 dưới đây: Hình 1: Quan hệ tín dụng thông qua trung gian (broker) Người trung gian (broker) có chức năng nhận các yêu cầu từ người đi vay và người cho vay. Trong bài viết này, trách nhiệm của broker là điều phối quan hệ tín dụng giữa nhiều người đi vay dựa vào các điều kiện đòi hỏi của người cho vay làm sao thỏa mãn người đi vay và đồng thời tối đa hóa lợi ích chung người đi vay. 355
2. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Xét về phương diện người đi vay, những yêu cầu liên quan nhiều thuộc tính như thời hạn vay, lãi suất, tài sản đảm bảo, cách thức trả lãi Nhìn chung một số thuộc tính với thông tin rõ ràng thì dễ dàng cho việc xác định giá trị theo đúng nhu cầu của người đi vay. Mặt khác, còn có một số thuộc tính thuộc thông tin không rõ ràng; vì vậy rất khó khăn để ước tính giá trị của thuộc tính đúng theo yêu cầu của người đi vay. Do đó, giá trị ước tính của thuộc tính theo yêu cầu của người vay sẽ được giải quyết ở phương pháp đề xuất của nhóm tác giả bằng cách dựa vào lý thuyết mờ (fuzzy). Broker sẽ xây dựng một hàm liên thuộc (membership function) để đo mức độ thỏa mãn của người đi vay cho loại thuộc tính có thông tin không rõ ràng (vague information). Tương tự, xét về phương diện người cho vay, nhiều thuộc tính ràng buộc khác nhau cũng được đặt ra. Do người cho vay là người sở hữu lượng vốn khả dụng nên yêu cầu của họ đặt ra tương đối rõ ràng và hợp lí. Vì vậy, giá trị của mỗi thuộc tính cung cấp đến broker tương đối chi tiết và broker có thể dễ dàng nắm được yêu cầu của người cho vay. Dựa vào sự phân tích trên, vấn đề chính là làm sao giúp broker giải quyết một số việc như sau: (i) mô hình hóa hành vi của người đi vay liên quan nhiều thuộc tính chẳng hạn như thuộc tính với ràng buộc cứng, ràng buộc mềm (trong đó bao gồm thuộc tính với thông tin mờ); (ii) mô hình hóa hành vi của người cho vay liên quan đến nhiều thuộc tính; và (iii) thực hiện điều phối tối ưu lượng vốn khả dụng giữa nhiều người đi vay và người cho vay nhằm tối đa hóa lợi ích cho người đi vay. 2. Cơ sở lý luận Trong những năm gần đây, môi trường số trở nên phổ biến đối với các doanh nghiệp và tổ chức; nó sẽ dần dần thay thế mô hình kinh doanh truyền thống. Giao dịch tín dụng giữa người đi vay và người cho vay thường xuyên xảy ra ở môi trường kinh doanh. Trong môi trường tín dụng truyền thống, việc điều phối giữa người đi vay và người cho vay cực kỳ khó khăn và phức tạp bởi vì số lượng người đi vay và người cho vay tham gia vào thị trường tín dụng rất lớn. Đối mặt với những khó khăn đó, môi giới điện tử (electronic broker) là nhu cầu rất cấp thiết. Mục đích của broker là điều phối quan hệ tín dụng để tìm ra các cặp quan hệ tối ưu [1]. Nghiên cứu liên quan đến broker ở môi trường số là hướng nghiên cứu tích cực trong những năm gần đây. Do lượng thông tin trên môi trường số rất lớn do đó cả người đi vay và người cho vay sẽ rất khó khăn để nhận biết thông tin nào là chính xác và thông tin nào không chính xác nhằm hỗ trợ ra quyết định cuối cùng. Khó khăn này là cơ hội cho broker tham gia vào môi trường số để giải quyết quan hệ tín dụng [6, 8]. Broker hỗ trợ cho cá nhân hoặc tố chức giành được các thông tin hữu dụng trên thị trường số [9]. Jung và cộng sự [5] đã đề xuất một hệ thống trung gian điện tử để tìm ra người bán phù hợp với giá thấp nhất và dịch vụ tốt nhất. Mục đích của bài báo này là đề xuất một phương pháp điều phối quan hệ tín dụng giữa người đi vay và người cho vay để tối đa hóa lợi ích chung cho người đi vay. Đóng góp chính của bài báo này như sau: (i) mô hình hóa hành vi của người đi vay theo nhiều thuộc tính khác nhau; (ii) xây dựng được quy trình để điều phối quan hệ tín dụng; và (iii) xây dựng một hàm mục tiêu với bộ ràng buộc để thực hiện điều phối quan hệ tín dụng giữa người đi vay và người cho vay. 3. Phương pháp đề xuất về điều phối quan hệ tín dụng dựa vào trung gian (broker). 3.1. Quy trình điều phối quan hệ tín dụng Quy trình điều phối quan hệ tín dụng giữa người đi vay và người cho vay được thực hiện thông qua broker. Trong bài báo này, trách nhiệm của broker là làm sao tối ưu hóa lợi ích chung của người đi vay dựa vào những yêu cầu của người đi vay và người cho vay với nhiều điều kiện ràng buộc khác nhau. Nguyên lý của quy trình điều phối quan hệ tín dụng dựa vào broker được trình bày ở hình 2 như sau: 356
3. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Hình 2: Quy trình điều phối quan hệ tín dụng trong thời đại công nghệ số Bước 1: Broker nhận yêu cầu từ người đi vay với nhiều thuộc tính khác nhau. Để mô hình hóa hành vi của người đi vay liên quan đến thuộc tính với thông tin mờ (fuzzy information), broker phải nắm thông tin từ người đi vay nhằm xây dựng một hàm liên thuộc (membership function) để mô tả hành vi của người đi vay cho loại thuộc tính này. Bước 2: Người cho vay sẽ cung cấp thông tin cho vay đến broker và người cho vay mong muốn tìm được người đi vay thỏa mãn được yêu cầu của họ. Bước 3: Sau khi broker mô hình hóa được hành vi của người đi vay và nhận được yêu cầu từ người cho vay, broker thực hiện việc điều phối quan hệ tín dụng để tìm ra các cặp quan hệ tín dụng tối ưu. Phương pháp điều phối của broker là làm sao tối đa hóa lợi ích chung của người đi vay thông qua các yêu cầu của người đi vay và người cho vay. 3.2. Mô hình hóa hành vi người đi vay cho thuộc tính với thông tin mờ Do đặc thù một số yêu cầu của người đi vay không thể mô tả một cách chính xác giá trị của thuộc tính; broker sử dụng hàm liên thuộc mờ (fuzzy membership function) để mô hình hóa hành vi của người đi vay cho loại thuộc tính này. Hàm liên thuộc không chỉ đo lợi ích của người đi vay mà còn giúp broker so sánh lợi ích của người đi vay dựa trên thông tin của người cho vay. Cụ thể, hàm liên thuộc được định nghĩa như sau: Định nghĩa: Một tập không gian nền 푿 và một tập mờ in 푿, hàm liên thuộc (membership function) được định nghĩa như sau: 휇 (풙): 푿 ⟶ [0,1] (1) ∀ ∈ 푿 và 휇 (풙) là hàm liên thuộc nhằm lượng hóa mức độ mà các phần tử của thuộc về tập cơ sở 푿. Một số hàm liên thuộc phổ biến được sử dụng để mô hình hóa hành vi của người đi vay cho thuộc tính có thông tin mờ trong môi trường kinh doanh được trình bày ở hình 3 như sau: 357
4. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Hình 3: Trình bày thuộc tính với thông tin mờ, (a) Dạng hình thang trái; (b) Dạng hình thang phải; (c) Dạng hình thang; và (d) Dạng hình tam giác Trong bài báo này, mô hình hóa hành vi của người đi vay thông qua việc xây dựng hàm liên thuộc cho thuộc tính có thông tin mờ bằng cách sử dụng phương pháp ước lượng điểm [3]. Cụ thể, broker nắm được thông tin của người đi vay để xác định các điểm mong muốn thông qua các câu hỏi và biểu diễn trên một hình dạng cụ thể để xác định mức độ thỏa mãn của người đi vay dựa trên yêu cầu cụ thể của người cho vay. 3.3. Xây dựng phương pháp tính mức độ thỏa mãn cho người đi vay Giả sử = { 1, 2, , 푛}, 퐿 = {푙1, 푙2, , 푙 } lần lượt là tập gồm 푛 người đi vay và người cho vay với nhiều thuộc tính khác nhau. Để thuận tiện cho việc tính toán mức độ thỏa mãn cho người đi vay, nhóm thuộc tính của người đi vay được chia thành hai loại. Nhóm thuộc tính với ràng buộc cứng được định nghĩa như sau: = { 1, 2, , } và nhóm thuộc tính với ràng buộc mềm được định nghĩa như sau: = {푡1, 푡2, , 푡 } [5]. Nhóm thuộc tính với ràng buộc cứng thể hiện ở ký hiệu là dấu “=” nghĩa là người đi vay chỉ thỏa mản khi điều kiện xảy ra dấu “=” và nhóm thuộc tính với ràng buộc với ràng buộc mềm được thể hiện ở ký hiệu không phải dấu “=” nghĩa là giá trị của thuộc tính có thể diễn ra trong một khoảng giá trị nào đó. Có ba loại thuộc tính thuộc ràng buộc mềm như sau: (i) Thuộc tính với ràng buộc mềm thuận được hiểu là giá trị đưa ra của người cho vay càng lớn thì người đi vay càng hài lòng ví dụ như người đi vay mong muốn vay được số tiền từ người cho vay càng lớn càng tốt. (ii) Thuộc tính với ràng buộc mềm nghịch được hiểu là giá trị đưa ra của người cho vay càng nhỏ thì người đi vay càng hài lòng ví dụ như người đi vay mong muốn lãi suất đưa ra từ người cho vay càng nhỏ càng tốt. (iii) Thuộc tính với thông tin mờ được hiểu là mức độ thỏa mãn của người đi vay được thể hiện theo từng khoảng khác nhau. Đối với loại thuộc tính này broker sẽ mô hình hóa hành vi thỏa mản của người đi vay theo hình dạng khác nhau tùy thuộc vào việc trả lời câu hỏi của người đi vay. Các hình dạng phổ biến hành vi của người đi được trình bày ở hình 3. Yêu cầu của người cho vay được cung cấp đến broker và những yêu cầu này sẽ sắp xếp tương đồng với loại thuộc tính từ yêu cầu của người đi vay. ′ 푗 ∈ [1, ] là chỉ số của người cho vay thứ 푙푗 và 푄푗푖′ (푖 ∈ ( + )) là giá trị cụ thể của thuộc tính thứ ′ 푖 ở yêu cầu của người cho vay thứ 푙푗. 358
5. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 ′ Tương tự 푖 ∈ [1, 푛] là chỉ số của người đi vay thứ 푖 và 푖푖′ (푖 ∈ ( + )) là giá trị cụ thể của thuộc ′ tính thứ 푖 ở yêu cầu của người đi vay thứ 푖. Nếu thuộc tính 푡 là thuộc tính định lượng với thông tin mờ thì hành vi của người đi vay sẽ được mô hình hóa dựa vào nội dung đã đề cập ở phần 3.2 ở trên. Dựa vào một số ký hiệu của người đi vay và người cho vay ở trên, phương pháp tính mức độ thỏa mãn cho người đi vay đối với tất cả các thuộc tính được trình bày như sau: Đối với thuộc tính với số mờ (fuzzy number): Thuộc tính với số mờ có đơn vị đo khác với các thuộc tính khác do đó cần phải bình thường hóa dữ liệu (normalization) trước khi thực hiện điều phối quan hệ tín dụng giữa người đi vay và người cho vay. Việc thực hiện bình thường hóa dữ liệu để giúp broker xác định mức độ thỏa mãn của người đi vay 푖 ứng với thuộc tính 푡 푡 dựa vào hàm liên hợp của thuộc tính 푡 . Gọi 훽푖푗 là mức độ thỏa mãn của người đi vay 푖 tính cho thuộc 푡 푡 tính mờ 푡 dựa vào giá trị 푄푗 của người cho vay. Giá trị 훽푖푗 là nằm từ 0 cho đến 1. Việc tính 훽푖푗 tùy thuộc vào việc mô hình hóa hành vi cho thuộc tính với thông tin mờ đã trình bày ở Hình 3. Giả sử thuộc tính mờ 푡 푡 có dạng hình tam giác thì 훽푖푗 được tính cụ thể như sau: 푡 (2) 훽푖푗 = (푄푗 − 1)/( 2 − 1) nếu 1 ≤ 푄푗 푄푗 thì 훽푖푗 = −1. Điều này có nghĩa là người cho vay 푙푗 không thỏa mãn yêu cầu của người 푡 đi vay 푖. Nếu 푖 ≤ 푄푗 thì 훽푖푗 được tính như sau: Q -Q +∅ t' (8) 푡 jk min-k 훽푖푗 =( ) Qmax-k-Qmin-k+∅ ′ ′ Trong đó 푡 =Cik/Qmin-k, giá trị 푡 ∈ (0,1] và ∅= Qmin-k/2, Qmin-k là giá trị nhỏ nhất trong tập giá trị của thuộc tính 푡 ở yêu cầu của người cho vay và Qmax-k là giá trị lớn nhất trong tập giá trị của thuộc tính 푡 ở yêu 푡 푡 cầu của người cho vay. Giá trị 훽푖푗 nằm từ 0 đến 1 và nếu 훽푖푗 gần bằng 1 có nghĩa người cho vay 푙푗 đáp ứng yêu cầu cho người đi vay 푖 rất cao đối với thuộc tính 푡 . 359
6. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Đối với thuộc tính với ràng buộc mềm hướng nghịch: 푡 Nếu 푖 < 푄푗 thì 훽푖푗 = −1. Điều này có nghĩa là người cho vay 푙푗 không thỏa mãn yêu cầu của người 푡 đi vay 푖. Nếu 푖 ≥ 푄푗 thì 훽푖푗 được tính như sau: 1 (9) Q - Q +∅ t' 푡 max-k jk 훽푖푗 =( ) Qmax-k- Qmin-k+∅ Tóm lại, broker sẽ tính được mức độ thỏa mãn của người đi vay dựa vào yêu cầu của người đi vay và người cho vay đặt ra liên quan nhiều thuộc tính khác nhau. Những thuộc tính với ràng buộc cứng thì bắt buộc phải thỏa mãn mới được xem xét tiến hành điều phối quan hệ tín dụng. Do đó, các thuộc tính với ràng buộc cứng không cần phải xem xét yếu tố trọng số. Mặt khác, những thuộc tính với ràng buộc mềm cần phải xem xét thêm yêu tố trọng số để làm cho mô hình điều phối được linh hoạt hơn và cũng như sát với các tình huống thực tế hơn. Mức độ thỏa mãn của người đi vay có xem xét yếu tố trọng số cho các thuộc tính với ràng buộc mềm được trình bày như sau: 풌 (10) 푖 푡푙 ∑ 푤푙 훽푖푗 , 풍= 푖 Trong đó 푤푙 là gía trị trọng số của thuộc tính với ràng buộc mềm 푡푙 ở yêu cầu của người đi vay và 푖 ∑푙=1 푤푙 = 1. 3.4. Xây dựng hàm mục tiêu để điều phối quan hệ tín dụng Quá trình điều phối quan hệ tín dụng của broker có thể được xem như giải quyết hoàn chỉnh việc tìm ra các cặp quan hệ tín dụng tối ưu để thỏa mãn tối đa người đi vay dựa trên yêu cầu của người đi vay và người cho vay. Để giải quyết được vấn đề nêu ra, hàm mục tiêu và một bộ ràng buộc cần phải xây dựng như sau: n m k (11) 푖 푡푙 = ∑ ∑ ∑ 푤푙 훽푖푗 xij i=1 j=1 l=1 n (12) s.t. ∑ xij≤1, ∀j∈m i=1 m (13) ∑ xij≤1, ∀i∈n j=1 xij=1,0, ∀i∈n, ∀j∈m (14) k (15) 푖 ∑ 푤푙 =1, ∀i∈n l=1 푡푙 (16) xij=0 if 훽푖푗 =-1 Hoặc 푖ℎ ≠ 푗ℎ 360
7. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Công thức (11) là hàm mục tiêu nhằm để tối đa hóa mức độ thỏa mãn cho người đi vay có trọng số cho thuộc tính có ràng buộc mềm; công thức (12) mỗi người đi vay chỉ được quan hệ tín dụng tối đa với một người cho vay tại thời điểm điều phối; công thức (13) mỗi người cho vay chỉ được quan hệ tín dụng tối đa với một người đi vay tại thời điểm điều phối; công thức (14) là ràng buộc của biến; công thức (15) là xem xét yếu tố trọng số của thuộc tính có ràng buộc mềm; công thức (16) chỉ ra lớp thỏa mãn tham gia vào quá trình điều phối của broker. Hàm mục tiêu ở công thức (11) có thể được giải bằng phương pháp qui hoạch tuyến tính1. 4. Xây dựng thí nghiệm và thảo luận Ở phần này, kết quả thí nghiệm và phân tích hiệu quả của phương pháp đề xuất về điều phối quan hệ tín dụng dựa vào broker sẽ được trình bày. Những thí nghiệm này tập trung vào tối đa hóa lợi ích chung của người đi vay thông qua việc điều phối quan hệ tín dụng dựa vào môi trường số. Nội dung chi tiết được trình bày ở phần 4.1 liên quan đến thiết lập thí nghiệm và phần 4.2 liên quan đến kết quả thí nghiệm và phân tích. 4.1. Thiết lập thí nghiệm Ở trong phần thí nghiệm, dữ liệu mô phỏng liên quan đến 10 người đi vay và 30 người cho vay liên quan đến môi trường số ở Việt Nam được tạo dựng. Yêu cầu của người đi vay và người cho vay liên quan đến 5 thuộc tính như sau: thời hạn vay (푡1), lãi suất (푡2), cách thức trả lãi (푡3), số tiền vay (푡4), thời hạn xét duyệt 2 (푡5) .Xét dưới góc độ người đi vay thì thuộc tính 푡1, 푡3 và 푡4 có thể xem là thuộc tính với ràng buộc cứng; thuộc tính 푡2 có thể xem là thuộc tính với ràng buộc mềm và thuộc tính 푡5 được xem là thuộc tính với thông tin mờ (fuzzy). Giả sử rằng thuộc tính 푡5 được mô hình hóa hành vi của người đi vay theo dạng hình thang được trình bày ở Hình 3. Thêm vào đó trọng số của hai thuộc tính với ràng buộc mềm 푡2 và 푡5 giả sử là bằng nhau. Ở phần thí nghiệm này, phương pháp điều phối quan hệ tín dụng thông qua broker được xét ở cả 3 thí nghiệm khác nhau, nội dung chi tiết được trình bày ở Bảng 1 như sau: Bảng 1: Thiết lập thí nghiệm xét số người cho vay khác nhau Thí nghiệm Số người cho vay 1 Tối đa hóa lợi ích chung của người đi vay xét dưới góc độ là 10 người đi vay và 10 người cho vay. 2 Tối đa hóa lợi ích chung của người đi vay xét dưới góc độ là 10 người đi vay và 20 người cho vay. 3 Tối đa hóa lợi ích chung của người đi vay xét dưới góc độ là 10 người đi vay và 30 người cho vay. 4.2. Kết quả thí nghiệm và phân tích Ở phần thí nghiệm 1, broker sử dụng phương pháp đề xuất đề điều phối quan hệ tín dụng giữa 10 người đi vay và 10 người cho vay. Theo nguyên lý chung trên thị trường, khi số người đi vay bằng số người cho vay thì broker sẽ có ít cơ hội lựa chọn các cặp quan hệ tín dụng tốt cũng như tối đa hóa lợi ích chung cho người đi vay đạt kết quả cao. Kết quả mức độ thỏa mãn cho người đi vay được trình bày ở Hình 4 và kết quả quan hệ tín dụng cho từng cặp được thể hiện ở Bảng 2. Dựa vào kết quả ở Bảng 2 và Hình 4 ở thí nghiệm 1, dễ dàng nhận thấy rằng có 9 cặp quan hệ tín dụng được thỏa mãn dựa vào phương pháp điều phối thông qua broker. Tuy nhiên, mức độ thỏa mãn cho từng người đi vay không cao và mức độ thỏa mãn chung của người đi vay cũng không cao với giá trị 0.9 bởi vì số người đi vay và số cho vay bằng nhau. 1 Quy trình này sẽ kết thúc khi tìm ra từng cặp quan hệ tín dụng tối ưu. Trong trường hợp người cho vay vẫn còn lượng vốn khả dụng thì sẽ tiếp tục tham gia vào quy trình chọn lọc tiếp theo với những người đi vay mới. 2 Trong thí nghiệm chỉ lấy 5 thuộc tính làm ví dụ minh họa, mô hình này có thể áp dụng cho tất cả các thuộc tính. 361
8. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Tương tự, ở phần thí nghiệm 2, broker xem xét với 10 người đi vay và 20 cho vay. Dựa vào kết quả ở Bảng 2 và Hình 4, chúng ra dễ nhận ra rằng mức độ thỏa mãn cho từng người nhìn chung được cải thiện. Cụ thể, mức độ thỏa mãn của người đi vay thấp nhất là 0.87, cao nhất là 0.98 và mức độ thỏa mãn chung cho toàn bộ người đi vay với giá là 0.92. Kết quả ở thí nghiệm 2 cao hơn kết quả thí nghiệm 1 bởi vì số người cho vay tham gia vào thị trường gấp 2 lần so với thí nghiệm 1. Điều này được minh chứng thêm ở thí nghiệm 3, số người cho vay gấp 3 lần so với đi vay thì mức độ thỏa mãn cho từng người đi vay và chung cho toàn bộ người đi vay cũng đã được cải thiện đáng kể. Tóm lại phương pháp đề xuất để điều phối quan hệ tín dụng được thực hiện tốt ở trong các tình huống kinh doanh khác nhau. Nhìn chung, nếu số người cho vay tham gia càng nhiều thì mô hình đề xuất không chỉ mang lại lợi ích cho từng người đi vay mà còn mang lại lợi ích chung cho toàn bộ người đi vay. Bảng 2: Kết quả thí nghiệm với 3 tình huống khác nhau Thí nghiệm 1 Thí nghiệm 2 Thí nghiệm 3 1 1 ↔ 푙5 1 ↔ 푙6 1 ↔ 푙22 2 ↔ 푙 ↔ 푙 ↔ 푙 3 2 4 2 9 2 17 4 3 ↔ 푙6 3 ↔ 푙12 3 ↔ 푙25 5 4 ↔ 푙7 4 ↔ 푙15 4 ↔ 푙27 6 5 ↔ 푙10 5 ↔ 푙17 5 ↔ 푙19 7 6 ↔ 푙9 6 ↔ 푙8 6 ↔ 푙23 8 9 8 ↔ 푙8 7 ↔ 푙10 7 ↔ 푙15 10 9 ↔ 푙1 8 ↔ 푙13 8 ↔ 푙8 10 ↔ 푙3 9 ↔ 푙19 9 ↔ 푙6 10 ↔ 푙7 10 ↔ 푙10 = 0.9 = 0.92 = 0.98 Hình 4: Mức độ thỏa mãn của người đi vay ở 3 tình huống khác nhau 362
9. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 5. Kết luận và hàm ý chính sách Bài viết này đề xuất phương pháp điều phối quan hệ tín dụng thông qua trung gian điện tử giữa người đi vay và người cho vay xem xét dưới một nhóm điều kiện. Phương pháp này mới bởi vì (i) broker đã mô hình hóa hành vi của người đi vay xét nhiều thuộc tính khác nhau trong đó bao gồm thuộc tính với thông tin mờ (fuzzy); (ii) dựa vào mô hình hóa hành vi của người cho vay và người đi vay, bài báo đã đề xuất một hệ thống công thức để tính mức độ thỏa mãn cho người đi vay dựa vào yêu cầu của người đi vay và người cho vay; và (iii) xây dựng được một hàm mục tiêu và tập ràng buộc để thực hiện việc điều phối quan hệ tín dụng đạt tối đa hóa lợi ích chung của người đi vay. Thêm vào đó, kết quả thí nghiệm đã chứng minh rằng, phương pháp đề xuất đạt kết quả tốt dưới các tình huống khác nhau trên thị trường. Hướng nghiên cứu được mở rộng sắp đến là tối đa hóa lợi ích cho tất cả các bên trong quan hệ tín dụng cũng như xét thêm yếu tố cạnh tranh trên thị trường. Thêm vào đó chúng tôi dự định xây dựng một hệ thống hỗ trợ ra quyết định dựa vào broker trên nền tảng công nghệ tài chính. Thông qua kết quả nghiên cứu, nhóm tác giả nhận thấy tiềm năng phát triển môi giới điện tử trong lĩnh vực công nghệ tài chính (Fintech) rất có triển vọng. Do đó, các nhà hoạch định chính sách ở Việt Nam cần xây dựng và thực hiện các chính sách hướng đến cải thiện hệ sinh thái số, giúp người dân ở mọi khu vực có thể tiếp cận dễ dàng với các dịch vụ tài chính số. Đồng thời, việc bảo mật thông tin cá nhân và an ninh mạng trong hoạt động tín dụng cần được bảo vệ thông qua hành lang pháp lý chặt chẽ hơn. TÀI LIỆU THAM KHẢO [1] Ha, S. H., Park, S. C.” Matching buyers and suppliers: an intelligent dynamic exchange model”. IEEE Intelligent Systems,16(4): 28-40, 2001. [2] IMF, “The Digital Economy in Southeast Asia: Strengthening the Foundations for Future Growth”, 2018. [3] Jamali, A., Zadeh, N. N., Darvizeh, A., Masoumi, A., Hamrang, S.” Multi-objective evolu-tionary optimization of polynomial neural networks for modelling and prediction of explo-sive cutting process. Engineering Applications of Artificial Intelligence”, 22(4): 676-687, 2009. [4] John Vong- Đại học Paris Graduate School of Management “Chuyển đổi kỹ thuật số trong các dịch vụ tài chính”, Hội thảo phát triển công nghệ trong ngành ngân hàng, Hà Nội, 12/06/2018. [5] Jung, J. J., Jo, G. S.” Brokerage between buyer and seller agents using constraint satisfac-tion problem models. Decision Support Systems”, 28(4): 293-304, 2000. [6] Peters, M., Ketter, W., Tsechansky, M. S., Collins, J.: “A reinforcement learning approach to autonomous decision-making in smart electricity markets”. Machine Learning, 92(1): 5-39 (2013). [7] Quyết định 986/QĐ-TTg về “Chiến lược phát triển ngành Ngân hàng Việt Nam đến năm 2025, định hướng đến năm 2030” và Quyết định số 34/QĐ-NHNN ngày 07/01/2019 về “Chương trình hành động của ngành ngân hàng” [8] Reddy, P. P., Veloso, M. M.” Strategy learning for autonomous agents in smart grid mar-kets”. In: IJCAI Proceedings-International Joint Conference on Artificial Intelligence, pp. 1446-1451, 2011. [9] Srivastava, N. K., Singh, P., Singh, S.,”Optimal adaptive CSP scheduling on basis of pri-ority of specific service using cloud broker”. In: 9th International Conference, pp. 1-6, 2014. [10] Viện Đào tạo và Nghiên cứu BIDV: “Báo cáo đánh giá thực trạng, triển vọng và giải pháp thúc đẩy ngân hàng số tại Việt Nam” tháng 8/2019. 363