Dự báo kiệt quệ tài chính của các doanh nghiệp Việt Nam: Ứng dụng machine learning

Abstract

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.