Ứng dụng Data Mining dự báo kiệt quệ tài chính ở các Công ty Dược niêm yết tại Việt Nam

Abstract

Nghiên cứu này sử dụng phương pháp khai phá dữ liệu (Data mining) để dự báo kiệt quệ tài chính. Mẫu nghiên cứu là các công ty đã và đang được niêm yết trên Sở Giao Dịch Chứng Khoán Thành Phố Hồ Chí Minh (HOSE), Sàn giao dịch chứng khoán Hà Nội (HNX) trong giai đoạn 2011 – 2015. Mục tiêu của nghiên cứu này là nhằm đánh giá xem phương pháp khai phá dữ liệu có thể sử dụng để dự báo kiệt quệ tài chính của các công ty ở Việt Nam chính xác hay không, những chỉ số tài chính nào có hiệu quả nhất trong dự báo và khung thời gian nào dùng để dự báo sẽ cho kết quả hiệu quả nhất. Để đạt được mục tiêu nghiên cứu, học viên đã lần lượt sử dụng các thuật toán gồm cây quyết định (decision tree), mạng nơ ron nhân tạo (neural network), Support Vector Machine (SVM) để xác định xem các thuật toán này có dự báo kiệt quệ tài chính tốt hay không và phương pháp nào dự báo tốt nhất. Dựa trên kết quả nghiên cứu, có thể thấy rằng cả 3 phương pháp đều dự báo khá chính xác tình trạng (kiệt quệ - không kiệt quệ) của các công ty trong mẫu nghiên cứu. Ngoài ra, học viên khuyến nghị việc sử dụng thuật toán cây quyết định (decision tree) sẽ cho kết quả dự báo chính xác cao nhất. Các khung thời gian cách năm cần dự báo từ 1 đến 3 năm cho kết quả dự báo khá tốt.Theo đó, có thể kết luận rằng các mô hình này đều phù hợp trong việc dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam trong giai đoạn hiện nay. Đặc biệt luận văn đã chỉ ra được một bộ gồm 09 các tỷ số tài chính có ý nghĩa quan trọng nhất trong dự báo kiệt quệ tài chính. Như vậy, với một bộ dữ liệu gọn nhẹ sẽ giúp cho việc dự báo kiệt quệ tài chính được nhanh chóng hơn mà vẫn có hiệu quả cao..