Ứng dụng phương pháp LASSO trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam

Bài viết "Ứng dụng phương pháp LASSO trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam" đánh giá khả năng ứng dụng phương pháp lựa chọn biến chủ động dựa trên dữ liệu LASSO (Least Absolute Shrinkage and Selection Operator) để nâng cao hiệu suất dự báo rủi ro phá sản của các doanh nghiệp Việt Nam.
Nội dung trích xuất từ tài liệu:
Ứng dụng phương pháp LASSO trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam Ứng dụng phương pháp LASSO trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam Lê Hải Trung, Trương Thị Thùy Dương Học viện Ngân hàng Ngày nhận: 07/01/2023 Ngày nhận bản sửa: 15/02/2023 Ngày duyệt đăng: 21/03/2023 Tóm tắt: Dự báo rủi ro phá sản của doanh nghiệp có ý nghĩa quan trọng trong việc đưa ra các quyết định đối với chủ doanh nghiệp, chủ nợ, nhà đầu tư và các cơ quan quản lý, giúp thực hiện giám sát và cảnh báo sớm sức khỏe tài chính của doanh nghiệp. Các mô hình dự báo thống kê truyền thống và các mô hình thông minh hiện đại dựa trên kỹ thuật máy học được phát triển để dự báo tương đối chính xác về rủi ro phá sản của các doanh nghiệp. Tuy nhiên, hiệu suất dự báo của các mô hình này phụ thuộc vào các biến số dự báo được đưa vào mô hình theo quan điểm chủ quan của người thực hiện. Bài viết đánh giá khả năng ứng dụng phương pháp lựa chọn biến chủ động dựa trên dữ liệu LASSO (Least Absolute Shrinkage and Selection Operator) để nâng cao hiệu suất dự báo rủi ro phá sản của các doanh nghiệp Việt Nam. Kết quả nghiên Corporate bankruptcy risk prediction in Vietnam: An application with LASSO method Abstract: Corporate bankruptcy risk prediction has important implications to the corporate owners, lenders, investors and regulators in their supervision, decision makings, which provides early warning indicators to the firm’s financial strength. Several statistical and machine-learning based models have been developed to predict the corporate bankruptcy risks, however, the performance of these models largely depends on the arguably choice of the predictors. In this study, we examine the potentials of the popular variable selection method, namely LASSO (Least Absolute Shrinkage and Selection Operator) to improve the predicting ability of the corporate bankruptcy risks in Vietnam. Using data sample from 284 Vietnamese companies in period 2017- 2019, our study shows that the use of the LASSO technique to ex-ante select suitable predictors significantly improve the forecasting power of the prediction models, especially for the machine-learning based models in correctly identifying bankrupted firms in the testing sample. Keywords: bankruptcy risks, forecasting, LASSO, machine learning. Le, Hai Trung Email: trunglh@hvnh.edu.vn Truong, Thi Thuy Duong Email: duongtt@hvnh.edu.vn Organization of all: Banking Academy of Vietnam © Học viện Ngân hàng Tạp chí Khoa học & Đào tạo Ngân hàng ISSN 1859 - 011X 25 Số 250- Tháng 3. 2023 Ứng dụng phương pháp LASSO trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam cứu thực nghiệm trên 284 doanh nghiệp Việt Nam giai đoạn 2017-2019 cho thấy, khi kết hợp với phương pháp LASSO để lựa chọn biến dự báo phù hợp giúp nâng cao hiệu suất của các mô hình dự báo so với việc không thực hiện lựa chọn biến dự báo phù hợp. Kết quả này có nghĩa cao hơn với các mô hình thông minh. Từ khóa: rủi ro phá sản, dự báo, LASSO, máy học 1. Giới thiệu được phát triển và đã được ứng dụng trong dự báo khả năng phá sản (Le và Viviani, Những biến động khó dự đoán của kinh tế 2018; Chen và cộng sự, 2019). So sánh với thế giới kể từ sau đại dịch Covid-19 với các phương pháp thống kê, mô hình học tình hình lạm phát tăng cao sau giai đoạn máy đã được chứng minh có hiệu suất vượt nới lỏng tiền tệ kéo dài, cùng với những bất trội hơn, cho phép xử lý hiệu quả các mối ổn địa chính trị từ chiến tranh và mâu thuẫn quan hệ phi toán cũng như các bài toán có chính trị như cuộc chiến tại Ukraine khiến độ phức tạp cao mà không đòi hỏi nhiều các doanh nghiệp đối mặt với rủi ro phá sản yêu cầu về dữ liệu. Một số phương pháp gia tăng. Điều này có thể dẫn đến những tiếp cận nổi bật như mô hình rừng ngẫu hệ lụy tiêu cực đối với nền kinh tế và môi nhiên RF- Random Forest (Xie và cộng trường xã hội do tác động lan truyền tới sự, 2009), thuật toán K-Nearest Neighbor các doanh nghiệp khác trong chuỗi cung (KNN) (Chandra và cộng sự 2009), ứng hoặc sự suy giảm thu nhập của người mô hình máy học vector hỗ trợ SVM- lao động. Chính vì vậy, việc đưa ra những Support Vectow Machine (Serrano-Cinca dự báo có tính chính xác cao đối với rủi ro và GutiéRrez-Nieto, 2013) hay mô hình phá sản của doanh nghiệp thu hút sự quan thuật toán tăng cường XGboost- Extreme tâm của các tổ chức, doanh nghiệp, cũng Gradient Boosting (Heo và Zhang, 2014). như các nhà quản lý để giám sát và cảnh Barboza và cộng sự (2017) đã chỉ ra rằng báo sớm sức khỏe tài chính của các doanh các phương pháp dự báo dựa trên mô hình nghiệp, trên cơ sở đó, đưa ra các quyết định thông minh thể hiện khả năng dự báo tốt quản trị, đầu tư và quản lý phù hợp. hơn so với các mô hình thống kê truyền Các mô hình dự báo rủi ro phá sản của thống. doanh nghiệp đã được phát triển từ rất Bên cạnh đưa ra các dự báo có tỷ lệ chính sớm với những nghiên cứu tiên phong của xác cao thì một mô hình dự báo hiệu quả Beaver (1966) và Altman (1968). Các mô cần xác định được các thuộc tính đặc trưng hình truyền thống này sử dụng ...