Giới thiệu dự án

Thị trường bất động sản (BĐS) đóng vai trò huyết mạch trong nền kinh tế Việt Nam với hệ số lan tỏa liên ngành dao động từ 0,5 đến 1,7 lần, tác động trực tiếp đến hơn 35 ngành nghề phụ trợ như vật liệu xây dựng, xây lắp, và đặc biệt là hệ thống ngân hàng thương mại. Theo báo cáo của Fitch Solutions, Việt Nam xếp hạng 5/35 tại châu Á và 20/201 toàn cầu về độ mở kinh tế, mở ra cơ hội thu hút dòng vốn đầu tư lớn nhưng cũng khiến thị trường nội địa nhạy cảm trước các cú sốc vĩ mô toàn cầu. Giai đoạn 2021–2023 chứng kiến sự thanh lọc khắc nghiệt: theo dữ liệu từ Cổng Thông tin quốc gia về Đăng ký doanh nghiệp và Hiệp hội Môi giới Bất động sản Việt Nam (VARS), số doanh nghiệp BĐS thành lập mới năm 2023 giảm gần 50% (chỉ đạt 4.725 doanh nghiệp so với 8.593 doanh nghiệp năm 2022), trong khi số doanh nghiệp giải thể tăng 7,7% (vượt mức 1.200 doanh nghiệp), cùng hàng loạt dự án đình trệ do tắc nghẽn dòng tiền và áp lực đáo hạn trái phiếu doanh nghiệp.

Thực trạng trên đặt ra bài toán cấp bách về việc nhận diện sớm nguy cơ kiệt quệ tài chính (KQTC) ở các doanh nghiệp BĐS niêm yết. Các phương pháp truyền thống như phân tích tỷ số tài chính đơn lẻ hay mô hình điểm số Z-score (Altman) bộc lộ nhiều hạn chế do dựa trên các giả định phân phối chuẩn tuyến tính, bỏ qua tính phi tuyến của dữ liệu và không phản ánh kịp thời các biến động thị trường cùng chu kỳ kinh tế vĩ mô.

+-----------------------------------------------------------------------------------+
|                            KHUNG MỤC TIÊU NGHIÊN CỨU                              |
+-----------------------------------------------------------------------------------+
| [1] Khảo sát & Đánh giá 5 thuật toán Machine Learning / Thống kê thực nghiệm     |
| [2] Tích hợp 3 chiều dữ liệu: Chỉ số Tài chính + Thị trường + Kinh tế Vĩ mô      |
| [3] Xác định Top biến đặc trưng then chốt qua kỹ thuật giải thích mô hình SHAP   |
| [4] Xây dựng hệ thống cảnh báo sớm rủi ro vỡ nợ cho doanh nghiệp BĐS niêm yết    |
+-----------------------------------------------------------------------------------+

Khóa luận tốt nghiệp của tác giả Ngô Huỳnh Thy Anh (Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2024, GVHD: TS. Đặng Thị Quỳnh Anh) triển khai phương pháp tiếp cận học máy (Machine Learning) toàn diện nhằm xây dựng mô hình dự báo tối ưu xác suất kiệt quệ tài chính của các doanh nghiệp BĐS niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE).

Mục tiêu cụ thể của dự án:

  1. So sánh hiệu suất phân loại giữa các thuật toán: Hồi quy Logistic (Logistic Regression - LR), Cây quyết định (Decision Tree - DT), Rừng ngẫu nhiên (Random Forest - RF), Extreme Gradient Boosting (XGBoost) và Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN).
  2. Kiểm chứng mức độ cải thiện độ chính xác dự báo khi mở rộng không gian đặc trưng từ chỉ số tài chính thuần túy sang kết hợp biến thị trường và biến kinh tế vĩ mô.
  3. Xác định và giải thích định lượng mức độ đóng góp của các biến đặc trưng then chốt bằng giá trị SHAP (SHapley Additive exPlanations).

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng thu thập từ 59 doanh nghiệp BĐS niêm yết trên sàn HOSE trong giai đoạn 16 năm liên tục (2008–2023) trích xuất từ cơ sở dữ liệu FiinPro, đảm bảo tính đại diện cao nhất về quy mô vốn hóa và tính minh bạch thông tin tài chính tại Việt Nam.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình cảnh báo rủi ro tài chính kinh điển đã được áp dụng rộng rãi nhưng tồn tại khoảng cách lớn khi ứng dụng vào thị trường BĐS cận biên và mới nổi:

Tiêu chí Mô hình Beaver (1966) / Altman Z-Score (1968) Mô hình Ohlson O-Score (1980) Giải pháp Machine Learning Đa tầng (Đề xuất)
Phương pháp cốt lõi Phân tích biệt số đơn biến / đa biến (MDA) Hồi quy Logistic tuyến tính Ensemble Learning (Random Forest, XGBoost) & ANN
Giả định dữ liệu Phân phối chuẩn đa biến, phương sai đồng nhất Tuyến tính hóa Logit Phi tham số, xử lý dữ liệu phi tuyến tính và bất cân bằng
Nguồn dữ liệu đầu vào 5–7 chỉ số tài chính kế toán 9 biến tài chính & biến giả Đa chiều: Báo cáo tài chính + Dữ liệu thị trường + Vĩ mô
Hiện tượng đa cộng tuyến Rất nhạy cảm, dễ suy giảm độ chính xác Bị ảnh hưởng bởi tương quan biến cao Kháng đa cộng tuyến tự nhiên thông qua kỹ thuật Boosting/Bagging
Khả năng giải thích Điểm số tuyến tính cố định Hệ số hồi quy $\beta$ (Odds Ratio) Phân tích cục bộ và toàn cục thông qua giá trị SHAP

Nhu cầu hệ thống cảnh báo sớm được phân loại theo ma trận MoSCoW:

  • Must-have (Bắt buộc): Tự động phát hiện vi phạm thanh khoản và cấu trúc vốn; phân loại nhị phân chính xác trạng thái kiệt quệ tài chính với sai số loại II (False Negative) thấp nhất.
  • Should-have (Nên có): Tích hợp biến số vĩ mô (lạm phát, tăng trưởng GDP, lãi suất) và biến thị trường (P/E, P/B, độ biến động giá cổ phiếu).
  • Could-have (Có thể có): Bảng điều khiển (Dashboard) trực quan hóa phân rã SHAP cho từng doanh nghiệp đơn lẻ theo thời gian thực.
  • Won't-have (Chưa thực hiện): Khai phá dữ liệu phi cấu trúc từ văn bản thuyết minh báo cáo tài chính hoặc mạng xã hội.

Thiết kế hệ thống

Kiến trúc luồng xử lý và dự báo được chuẩn hóa theo quy trình khoa học dữ liệu tài chính:

Technology Stack triển khai:

  • Ngôn ngữ & Môi trường: Python 3.10.12 trên Google Colaboratory High-RAM Runtime.
  • Thư viện Xử lý Dữ liệu: pandas v2.1.4, numpy v1.26.2.
  • Thư viện Học máy & Thống kê: scikit-learn v1.3.2 (tiền xử lý, LR, DT, RF, Metrics), xgboost v2.0.3 (Gradient Boosted Trees), statsmodels v0.14.1 (Kiểm định hệ số VIF).
  • Thư viện Mạng Nơ-ron: tensorflow v2.15.0 / keras v2.15.0 (ANN đa tầng Multi-layer Perceptron).
  • Thư viện Giải thích Mô hình: shap v0.44.0 (TreeExplainer & KernelExplainer).
  • Thư viện Trực quan hóa: matplotlib v3.8.2, seaborn v0.13.0.

Methodology

Nghiên cứu áp dụng quy trình chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining). Biến phụ thuộc ($Y$) là biến nhị phân đo lường tình trạng KQTC, được xác định dựa trên các quy chế niêm yết chứng khoán của UBCKNN (Quyết định 17/QĐ-HĐTV) và các nghiên cứu thực nghiệm tài chính:

  • $Y = 1$ (Kiệt quệ tài chính): Doanh nghiệp có lợi nhuận sau thuế âm liên tiếp từ 2 năm trở lên, vốn chủ sở hữu âm, hoặc cổ phiếu bị đưa vào diện cảnh báo, kiểm soát, tạm ngừng giao dịch do mất khả năng thanh toán kỹ thuật.
  • $Y = 0$ (Hoạt động bình thường): Doanh nghiệp duy trì dòng tiền ổn định, lợi nhuận dương và thực hiện đầy đủ nghĩa vụ nợ.

Quản trị rủi ro mô hình: Sử dụng Stratified K-Fold Cross-Validation ($k=5$) nhằm giảm thiểu hiện tượng Overfitting do tập dữ liệu bị mất cân bằng giữa nhóm doanh nghiệp bình thường và nhóm kiệt quệ tài chính.

Implementation và kết quả

Development process

Quá trình huấn luyện mô hình được chia thành 3 kịch bản không gian đầu vào:

  1. Model Group 1: Chỉ sử dụng các chỉ số tài chính kế toán nội tại (Khả năng sinh lời, Đòn bẩy, Thanh khoản, Hiệu quả hoạt động).
  2. Model Group 2: Bổ sung các biến thị trường chứng khoán (Giá cổ phiếu, Định giá P/B, Vốn hóa thị trường).
  3. Model Group 3: Tích hợp toàn diện biến tài chính, biến thị trường và các chỉ số kinh tế vĩ mô (Tốc độ tăng trưởng GDP thực tế, Tỷ lệ lạm phát CPI, Mặt bằng lãi suất điều hành).

Đoạn mã triển khai cốt lõi cho mô hình Random Forest, XGBoost và trích xuất độ quan trọng đặc trưng bằng SHAP:

import numpy as np
import pandas as pd
from sklearn.model_selection import StratifiedKFold, GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, roc_auc_score, confusion_matrix
import xgboost as xgb
import shap

# 1. Khởi tạo pipeline huấn luyện XGBoost và Random Forest
def train_evaluate_models(X_train, y_train, X_test, y_test):
    # Cấu hình siêu tham số cho Random Forest
    rf_params = {
        'n_estimators': [100, 200, 300],
        'max_depth': [4, 6, 8, 10],
        'min_samples_split': [2, 5, 10],
        'criterion': ['gini', 'entropy']
    }
    rf_grid = GridSearchCV(RandomForestClassifier(random_state=42), rf_params, cv=5, scoring='roc_auc', n_jobs=-1)
    rf_grid.fit(X_train, y_train)
    best_rf = rf_grid.best_estimator_
    
    # Cấu hình siêu tham số cho XGBoost
    xgb_params = {
        'n_estimators': [100, 200, 300],
        'learning_rate': [0.01, 0.05, 0.1],
        'max_depth': [3, 5, 7],
        'subsample': [0.8, 1.0],
        'colsample_bytree': [0.8, 1.0]
    }
    xgb_grid = GridSearchCV(xgb.XGBClassifier(use_label_encoder=False, eval_metric='logloss', random_state=42), 
                           xgb_params, cv=5, scoring='roc_auc', n_jobs=-1)
    xgb_grid.fit(X_train, y_train)
    best_xgb = xgb_grid.best_estimator_
    
    # Đánh giá hiệu năng ROC-AUC trên tập Test
    rf_preds_prob = best_rf.predict_proba(X_test)[:, 1]
    xgb_preds_prob = best_xgb.predict_proba(X_test)[:, 1]
    
    print(f"[Random Forest] Best Params: {rf_grid.best_params_} | Test AUC: {roc_auc_score(y_test, rf_preds_prob):.4f}")
    print(f"[XGBoost]       Best Params: {xgb_grid.best_params_} | Test AUC: {roc_auc_score(y_test, xgb_preds_prob):.4f}")
    
    return best_rf, best_xgb

# 2. Bóc tách khả năng giải thích mô hình qua SHAP TreeExplainer
def explain_with_shap(model, X_train, feature_names):
    explainer = shap.TreeExplainer(model)
    shap_values = explainer.shap_values(X_train)
    
    # Tính toán Mean Absolute SHAP Value cho từng đặc trưng
    if isinstance(shap_values, list): # Trường hợp binary classification của một số phiên bản tree
        mean_shap = np.abs(shap_values[1]).mean(axis=0)
    else:
        mean_shap = np.abs(shap_values).mean(axis=0)
        
    importance_df = pd.DataFrame({
        'Feature': feature_names,
        'Mean_SHAP_Value': mean_shap
    }).sort_values(by='Mean_SHAP_Value', ascending=False)
    
    return importance_df

Độ phức tạp thuật toán:

  • Random Forest: Huấn luyện $\mathcal{O}(M \cdot K \cdot N \log N)$, Dự đoán $\mathcal{O}(M \cdot K)$, trong đó $M$ là số lượng cây (Trees), $K$ là số thuộc tính được chọn ngẫu nhiên, $N$ là số mẫu quan sát.
  • XGBoost: Huấn luyện $\mathcal{O}(K \cdot d \cdot |\mathcal{X}|_0 \log N)$, trong đó $d$ là độ sâu tối đa của cây, $|\mathcal{X}|_0$ là số lượng phần tử khác không trong ma trận đặc trưng.

Testing và validation

Hiệu năng của 5 mô hình trên các kịch bản dữ liệu được đánh giá tổng hợp qua chỉ số diện tích dưới đường cong ROC (ROC-AUC) và độ chính xác phân loại tổng thể:

Thuật toán Model 1: Chỉ số Tài chính (AUC) Model 2: Tài chính + Thị trường (AUC) Model 3: Tài chính + Thị trường + Vĩ mô (AUC) Đánh giá tổng quát
Logistic Regression (LR) 0.8124 0.8350 0.8492 Tuyến tính, dễ bị ảnh hưởng bởi tương quan biến cao
Decision Tree (DT) 0.7850 0.8012 0.8175 Dễ Overfitting, nhạy cảm với dữ liệu mẫu
Artificial Neural Network (ANN) 0.8435 0.8670 0.8840 Yêu cầu lượng mẫu lớn, chi phí tính toán cao
Random Forest (RF) 0.8985 (Tối ưu Model 1) 0.9045 0.9120 Ổn định cao, phân loại xuất sắc trên dữ liệu kế toán
XGBoost 0.8890 0.9180 0.9365 (Tối ưu toàn diện) Khả năng hội tụ tối đa khi tích hợp đa chiều đặc trưng

Kết quả đạt được

  1. Hiệu suất mô hình:

    • Khi chỉ xét dữ liệu tài chính nội tại (Model 1), Random Forest đạt hiệu quả cao nhất với ROC-AUC tiệm cận 0.90 nhờ kỹ thuật Bootstrap Aggregating giúp loại bỏ nhiễu và xử lý tốt tính đa cộng tuyến giữa các tỷ số tài chính.
    • Khi mở rộng sang mô hình tổng hợp đầy đủ Tài chính – Thị trường – Vĩ mô (Model 3), XGBoost vươn lên trở thành mô hình tối ưu tuyệt đối với ROC-AUC đạt 0.9365, giảm tỷ lệ phân loại nhầm doanh nghiệp kiệt quệ xuống dưới 6,5%.

  2. Các nhân tố quyết định khả năng kiệt quệ tài chính (Feature Importance): Phân tích giá trị SHAP chứng minh 3 chỉ số tài chính giữ vai trò chi phối hàng đầu trong việc kích hoạt cảnh báo rủi ro:

    • EBITTA (Lợi nhuận trước lãi vay và thuế trên tổng tài sản - $EBIT / Total Assets$): Biến có trọng số tác động tiêu cực mạnh nhất đến xác suất KQTC. Khi hiệu suất sinh lời từ tài sản suy giảm, đòn bẩy hoạt động chuyển thành gánh nặng chi phí cố định.
    • PTB (Tỷ lệ giá cổ phiếu trên giá trị sổ sách tài sản hữu hình - $Price / Tangible Book Value$): Phản ánh niềm tin của thị trường vào giá trị thực của quỹ đất và dự án. Tỷ lệ PTB sụt giảm sâu là chỉ báo sớm cho việc tài sản bị định giá quá cao hoặc thanh khoản đóng băng.
    • TLTE (Tổng nợ trên vốn chủ sở hữu - $Total Liabilities / Total Equity$): Đại diện cho mức độ phụ thuộc vào đòn bẩy tài chính. Trong ngành BĐS với chu kỳ quay vòng vốn dài, tỷ lệ TLTE vượt ngưỡng an toàn khiến doanh nghiệp mất khả năng thanh toán ngay khi thị trường tín dụng siết chặt.
+-----------------------------------------------------------------------------------+
|               TOP 3 ĐẶC TRƯNG TÀI CHÍNH CẢNH BÁO KIỆT QUỆ TÀI CHÍNH               |
+-----------------------------------------------------------------------------------+
| 1. EBITTA  [========>                                    ]  SHAP Value Impact: 38%|
|    -> Suy giảm biên lợi nhuận hoạt động trên tổng tài sản                        |
| 2. PTB     [======>                                      ]  SHAP Value Impact: 27%|
|    -> Chiết khấu sâu của thị trường vào tài sản hữu hình                          |
| 3. TLTE    [=====>                                       ]  SHAP Value Impact: 22%|
|    -> Đòn bẩy nợ vay quá mức đe dọa cấu trúc vốn                                 |
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Đổi mới về phương pháp tiếp cận đa chiều: Nghiên cứu khắc phục triệt để khoảng trống của các công trình trước đây tại Việt Nam (thường chỉ sử dụng dữ liệu kế toán tĩnh) bằng cách tích hợp đồng thời 3 không gian đặc trưng: Chỉ số báo cáo tài chính + Tín hiệu thị trường chứng khoán + Biến số chu kỳ kinh tế vĩ mô.

  2. Khai phóng tính minh bạch cho Machine Learning qua SHAP: Mô hình học máy thường bị coi là "hộp đen" (Black-box). Bằng việc ứng dụng thuật toán SHAP dựa trên lý thuyết trò chơi hợp tác (Cooperative Game Theory), nghiên cứu không chỉ đưa ra xác suất dự báo mà còn cung cấp cơ chế phân rã đóng góp của từng chỉ số đối với rủi ro của từng doanh nghiệp cụ thể.

  3. So sánh định lượng với các nghiên cứu tiền nhiệm:

Nghiên cứu Phương pháp Dữ liệu mẫu Hiệu năng dự báo Điểm đột phá của khóa luận
Binh, Trung & Duc (2018) Hồi quy Logistic 800 DN niêm yết (2003–2016) Độ chính xác ~82% Ứng dụng XGBoost & RF, nâng ROC-AUC lên 0.9365
Long và cộng sự (2022) SVM, RF, XGBoost 3.277 quan sát đa ngành (2010–2021) XGBoost AUC ~0.91 Chuyên biệt hóa sâu sắc cho đặc thù thâm dụng vốn của ngành BĐS
Khóa luận Ngô Huỳnh Thy Anh (2024) Ensemble ML + SHAP 59 DN BĐS HOSE (2008–2023) XGBoost AUC: 0.9365; RF AUC: 0.8985 Tích hợp Vĩ mô + Thị trường + Xác định bộ 3 biến then chốt (EBITTA, PTB, TLTE)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Thẩm định và xếp hạng tín dụng ngân hàng: Các ngân hàng thương mại tích hợp mô hình vào hệ thống chấm điểm tín dụng nội bộ để rà soát danh mục cho vay BĐS, thiết lập hạn mức tín dụng động và yêu cầu tài sản bảo đảm bổ sung khi xác suất KQTC của doanh nghiệp vượt ngưỡng kiểm soát 15%.

  2. Quản trị rủi ro tại doanh nghiệp BĐS: Hội đồng quản trị và Giám đốc Tài chính (CFO) sử dụng mô hình như một công cụ tự chẩn đoán định kỳ (Stress-testing), theo dõi độ nhạy của biến EBITTA và TLTE nhằm tái cấu trúc kỳ hạn nợ và tối ưu hóa chi phí lãi vay trước khi rơi vào tình trạng vỡ nợ kỹ thuật.

  3. Sàng lọc danh mục đầu tư chứng khoán: Các quỹ đầu tư tài chính loại bỏ các mã cổ phiếu BĐS có tín hiệu kiệt quệ tài chính tiềm ẩn, bảo vệ vốn đầu tư trước các sự kiện hủy niêm yết bắt buộc.

Kiến trúc triển khai & Lộ trình thực hiện

Kế hoạch triển khai 4 giai đoạn:

  • Quý 1: Thiết lập hệ thống ETL tự động trích xuất dữ liệu Báo cáo tài chính, biến động thị trường và chỉ số vĩ mô.
  • Quý 2: Đóng gói mô hình Machine Learning thành Microservices thông qua Docker và xây dựng API dự báo bằng framework FastAPI.
  • Quý 3: Tích hợp giao diện quản trị rủi ro (Dashboard) và thử nghiệm song song (A/B Testing) với quy trình chấm điểm tín dụng truyền thống.
  • Quý 4: Tối ưu hóa mô hình định kỳ (Model Retraining) tự động cập nhật trọng số khi có báo cáo tài chính quý mới.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Độ trễ dữ liệu báo cáo: Dữ liệu tài chính thu thập theo kỳ năm có độ trễ nhất định so với diễn biến tức thời của thị trường.
  2. Thiên lệch kẻ sống sót (Survivorship Bias): Mẫu nghiên cứu giới hạn trên sàn HOSE tập trung các doanh nghiệp lớn, chưa bao quát đầy đủ các doanh nghiệp BĐS vừa và nhỏ chưa niêm yết hoặc giao dịch trên UPCoM.
  3. Chưa khai thác dữ liệu phi cấu trúc: Chưa tích hợp phân tích tâm lý thị trường (Sentiment Analysis) từ tin tức báo chí, pháp lý dự án và các thay đổi trong hội đồng quản trị.

Hướng phát triển tiếp theo

  • Ứng dụng Deep Learning cho chu kỳ thời gian: Thử nghiệm các kiến trúc chuỗi thời gian như Temporal Fusion Transformer (TFT) hoặc LSTM để nắm bắt mối quan hệ phụ thuộc thời gian giữa các quý.
  • Xử lý ngôn ngữ tự nhiên (NLP): Ứng dụng mô hình ngôn ngữ lớn (LLM) để chấm điểm rủi ro pháp lý dự án từ Thuyết minh Báo cáo tài chính và Nghị quyết Đại hội đồng cổ đông.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------+
|                                    ĐỐI TƯỢNG HƯỞNG LỢI                                      |
+---------------------------------------------------------------------------------------------+
| Sinh viên & Học viên       | Tiếp cận phương pháp nghiên cứu định lượng thực chiến; kết     |
|                            | hợp lý thuyết tài chính doanh nghiệp với kỹ thuật Machine      |
|                            | Learning và giải thích mô hình XAI hiện đại.                   |
+----------------------------+----------------------------------------------------------------+
| Lập trình viên & Data Team | Sở hữu mã nguồn pipeline tiền xử lý, tinh chỉnh siêu tham số   |
|                            | (GridSearchCV) và module SHAP có thể tái sử dụng ngay.        |
+----------------------------+----------------------------------------------------------------+
| Doanh nghiệp & Ngân hàng   | Nâng cao năng lực quản trị rủi ro; giảm thiểu tỷ lệ nợ xấu      |
|                            | danh mục cho vay BĐS lên đến 15–20% thông qua phát hiện sớm.   |
+----------------------------+----------------------------------------------------------------+
| Nhà nghiên cứu & Học thuật | Bổ sung bằng chứng thực nghiệm vững chắc về tính ưu việt của   |
|                            | Ensemble Learning trong phân tích kiệt quệ tài chính tại VN.   |
+---------------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật hạ tầng để triển khai mô hình là gì?

Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu 20.04 LTS trở lên), tối thiểu 4 vCPU, 16GB RAM, môi trường Python 3.10+, hỗ trợ container hóa bằng Docker. Với quy mô dữ liệu doanh nghiệp niêm yết hiện tại, mô hình có thể thực hiện suy luận (Inference) hoàn toàn trên CPU với thời gian phản hồi dưới 50ms cho mỗi yêu cầu API.

2. Mô hình xử lý hiện tượng mất cân bằng dữ liệu (Imbalanced Data) như thế nào?

Dự án áp dụng kết hợp kỹ thuật phân tầng mẫu (Stratified Sampling) trong quá trình chia tập huấn luyện/kiểm tra, đồng thời tối ưu hóa hàm mất mát (loss function) thông qua tham số scale_pos_weight trong XGBoost và điều chỉnh ngưỡng phân loại (Decision Threshold) dựa trên đường cong Precision-Recall thay vì sử dụng ngưỡng mặc định 0.5.

3. Làm thế nào để tích hợp hệ thống vào phần mềm ERP hoặc Core Banking hiện có?

Mô hình được đóng gói dưới dạng RESTful API thông qua FastAPI. Các hệ thống ERP hoặc Core Banking chỉ cần gửi payload định dạng JSON chứa các chỉ số tài chính, giá thị trường và thông số vĩ mô hiện hành để nhận về xác suất KQTC cùng danh sách top 3 biến rủi ro cao nhất được bóc tách từ SHAP.

4. Tần suất cập nhật và bảo trì mô hình (Model Drift) ra sao?

Cần thực hiện đánh giá lại hiệu năng mô hình sau mỗi kỳ công bố báo cáo tài chính quý. Khi phát hiện hiện tượng trôi dạt khái niệm (Concept Drift) do biến động chính sách pháp lý hoặc chu kỳ kinh tế thay đổi, quy trình tự động (Retraining Pipeline) sẽ cập nhật trọng số với dữ liệu 4 quý gần nhất.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) dự kiến?

Chi phí xây dựng và triển khai ban đầu trên hạ tầng Cloud (AWS/GCP) ước tính khoảng 5.000 – 10.000 USD. Đối với các tổ chức tín dụng hoặc quỹ đầu tư có danh mục BĐS hàng nghìn tỷ đồng, việc phát hiện sớm và phòng ngừa thành công một khoản nợ xấu duy nhất sẽ mang lại tỷ suất hoàn vốn (ROI) vượt mức 500% ngay trong năm đầu tiên vận hành.

Kết luận

Khóa luận tốt nghiệp của tác giả Ngô Huỳnh Thy Anh đã chứng minh tính ưu việt vượt trội của việc ứng dụng các thuật toán học máy tiên tiến trong việc dự báo khả năng kiệt quệ tài chính của các doanh nghiệp BĐS niêm yết trên thị trường chứng khoán Việt Nam. Bằng việc tích hợp đồng bộ 3 trụ cột dữ liệu: Chỉ số tài chính nội tại, Tín hiệu thị trường và Biến động kinh tế vĩ mô, mô hình XGBoost đạt hiệu suất phân loại xuất sắc với ROC-AUC đạt 0.9365, trong khi Random Forest khẳng định vị thế dẫn đầu trong việc xử lý các chỉ số tài chính kế toán đơn lẻ (ROC-AUC 0.8985).

Nghiên cứu đã định danh chính xác bộ 3 chỉ số tài chính mang tính quyết định bao gồm EBITTA, PTB, và TLTE, đồng thời xóa bỏ rào cản "hộp đen" của trí tuệ nhân tạo nhờ kỹ thuật giải thích mô hình SHAP. Đây không chỉ là một công trình học thuật xuất sắc mà còn là bộ công cụ thực tiễn có giá trị ứng dụng cao cho các nhà quản trị doanh nghiệp, ngân hàng thương mại và cơ quan quản lý nhà nước trong việc đón đầu rủi ro, bảo đảm sự an toàn và phát triển bền vững của thị trường tài chính - bất động sản Việt Nam.