Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á
Năm thứ. 34(12) , Tháng 12/2023, Trang 35-52


Dự báo kiệt quệ tài chính của các doanh nghiệp Việt Nam: Ứng dụng machine learning
Financial Distress Prediction of Vietnamese Companies: Machine Learning Approach
Lê Hồng Ngọc & Nguyễn Thế Long & Hồ Thị Lam & Hồ Thu Hoài

DOI:
Tóm tắt
Dự báo nguy cơ kiệt quệ tài chính (KQTC) là một trong những nhiệm vụ quan trọng trong đánh giá rủi ro doanh nghiệp. Trong nghiên cứu này, chúng tôi ứng dụng các thuật toán Machine Learning nhằm dự báo KQTC, đồng thời xem xét các yếu tố ảnh hưởng đến nguy cơ KQTC của các doanh nghiệp tại Việt Nam. Chúng tôi sử dụng dữ liệu của 657 doanh nghiệp niêm yết trên hai sàn HOSE và HNX giai đoạn 2009-2022 với sáu thuật toán gồm Logistic Regression, KNN, Decision Trees, Random Forests, AdaBoost và XGBoost. Nghiên cứu đã chỉ ra rằng mô hình XGBoost là phù hợp nhất cho dự báo KQTC tại Việt Nam. Từ kết quả nghiên cứu, chúng tôi cũng đã đề xuất một số hàm ý quản trị và hàm ý chính sách trong việc lựa chọn mô hình dự báo KQTC và theo dõi các yếu tố tác động đến KQTC để phát triển bền vững doanh nghiệp.

Abstract
Forecasting financial distress is one of the important tasks in enterprise risk assessment. In this study, the authors apply machine learning algorithms to predict the financial distress and consider factors affecting financial distress ability of Vietnamese companies. This article uses data of 657 listed companies on the HOSE and HNX over the period of 2009–2022 with six algorithms, including Logistic Regression, KNN, Decision Trees, Random Forests, AdaBoost, and XGBoost. The results show that the XGBoost algorithm is the most suitable for forecasting financial distress in Vietnam. From these results, this article proposes some management implications and policy implications in choosing a financial distress forecasting model and monitoring factors affecting financial distress for the sustainable development of the company.

Từ khóa
Kiệt quệ tài chính, dự báo kiệt quệ tài chính, XGBoost, machine learning
Financial Distress; Financial Distress Prediction; XGBoost; Machine Learning
Download
Nghiên cứu ảnh hưởng của năng lực số và lãnh đạo số đến năng lực đổi mới sáng tạo của các doanh nghiệp vừa và nhỏ Việt Nam
2024, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Hợp đồng nhà thầu với chính phủ và khả năng tồn tại của doanh nghiệp trong đại dịch COVID-19
2022, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Đo lường rủi ro hệ thống của các Ngân hàng Thương mại Việt Nam: Cách tiếp cận mới từ chỉ số COVAR và SRISK
2022, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Phân tích hiệu quả kinh tế và môi trường: Nghiên cứu trường hợp nghề nuôi thâm canh tôm thẻ chân trắng tại tỉnh Phú Yên
2022, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Sự thuận cả hai tay về bán hàng và dịch vụ của nhân viên kinh doanh trong ngành dược phẩm B2B
2022, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng