Credit scoring models have been widely studied in academic world and the business community. Over the last decades, there have been many studies in the field of credit conducted to improve the accuracy of credit scoring models. However, in Vietnam, there is not much research in this field. Most of researchs uses traditional techniques such as Logistic Regression (LR), discriminant analysis (DA), some others studies modern techniques included decision tree (DT), K-nearest neighbor (KNN), Artificial neural network (ANN). In this paper, we propose hybrid credit scoring models based on Decision Tree, Logistic Regression, K-nearest neighbor and artificial neural network. The experimental results demonstrate that DT_MLP hybrid credit scoring models is the most effective model.Tìm kiếm một mô hình chấm điểm tín dụng hiệu quả đang là một vấn đề quan trọng khi tình trạng nợ xấu đã và đang ảnh hưởng nghiêm trọng tới hoạt động của các tổ chức tín dụng (TCTD) tại Việt Nam. Vài thập kỉ qua đã có nhiều nghiên cứu trong lĩnh vực thống kê tại các nước phát triển được tiến hành nhằm nâng cao tính chính xác của các mô hình chấm điểm tín dụng. Tuy nhiên, tại Việt Nam chưa có nhiều nghiên cứu về lĩnh vực này. Các nghiên cứu chủ yếu sử dụng các mô hình truyền thống như Logit (LR), phân tích phân biệt (DA). Một vài nghiên cứu có đề cập tới các mô hình học máy như cây quyết định (DT), K láng giềng gần nhất (KNN), mạng thần kinh nhân tạo (ANN). Bài nghiên cứu hướng đến việc xây dựng, đánh giá hiệu quả của các mô hình kết hợp DT_LR, DT_KNN, DT_ANN, đây là một xu hướng trong các nghiên cứu ứng dụng nhằm tăng cường độ chính xác cho các mô hình chấm điểm tín dụng.