Ứng dụng Deep learning trong dự đoán tình trạng khủng hoảng của các ngân hàng tại Việt Nam dựa trên tin tức và dữ liệu tài chính

Abstract

Dự đoán khủng hoảng ngân hàng có vai trò quan trọng giúp phát hiện và phòng ngừa sớm các rủi ro, bảo vệ sự ổn định của hệ thống tài chính (Scaramozzino và cộng sự, 2021). Trong bối cảnh ngành ngân hàng Việt Nam, các mô hình dự đoán hiện nay chủ yếu dựa trên dữ liệu tài chính và chỉ số vĩ mô. Dẫn đến hạn chế là chưa khai thác, tận dụng nguồn thông tin từ các tin tức tài chính vốn chứa đựng nhiều yếu tố dự báo tiềm năng. Trong nghiên cứu này, tác giả đã đề xuất một cách tiếp cận mới: Ứng dụng mô hình học sâu kết hợp dữ liệu tin tức với dữ liệu tài chính. Thông tin từ các bài báo tài chính sẽ được mã hóa và xử lý bằng mô hình học sâu, sau đó tích hợp với các chỉ số tài chính từ 13 ngân hàng Việt Nam trong giai đoạn 2009-2023 cho phân tích dự đoán. Cách tiếp cận này đảm bảo mô hình đề xuất có đầy đủ đầu vào như các mô hình hiện nay, đồng thời bổ sung thêm thông tin thị trường và kết hợp thế mạnh của AI trong dự đoán. Nhờ đó mô hình đạt độ chính xác cao hơn trong dự đoán trạng thái khủng hoảng của các ngân hàng. Kết quả thử nghiệm đã chỉ ra rằng việc kết hợp thông tin thị trường không chỉ cải thiện chất lượng dự báo, mà còn cung cấp thông tin hữu ích cho các nhà đầu tư và nhà hoạch định chính sách trong việc ra quyết định, đóng góp vào sự ổn định của ngành ngân hàng