Researching methods of data mining and application of models to financial indicators for forecasting decisions to choose quality audit company of businesses on the stock exchange

Nghiên cứu khai phá dữ liệu và ứng dụng mô hình dự báo chỉ số tài chính, hỗ trợ lựa chọn công ty kiểm toán uy tín cho doanh nghiệp niêm yết.

• Tác giả: Chung Nhật Duy
• Người hướng dẫn: Thầy Lương Ngọc Tú
• Trường học: Đại học UEH (Trường Kinh Doanh Khoa Tài Chính)
• Chuyên ngành: Khoa Học Dữ Liệu
• Đề tài: Researching Methods Of Data Mining And Application Of Models To Financial Indicators For Forecasting Decisions To Choose Quality Audit Company Of Businesses On The Stock Exchange
• Loại tài liệu: Tiểu luận cuối kỳ
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Hướng dẫn khai phá dữ liệu chọn công ty kiểm toán chất lượng

Trong bối cảnh thị trường chứng khoán Việt Nam phát triển mạnh mẽ, việc lựa chọn một công ty kiểm toán uy tín là yếu tố sống còn để đảm bảo tính minh bạch và tin cậy của thông tin tài chính. Tuy nhiên, quyết định này ngày càng phức tạp do khối lượng dữ liệu khổng lồ. Bài viết này sẽ giới thiệu phương pháp khai phá dữ liệu (Data Mining) như một công cụ khoa học, giúp doanh nghiệp niêm yết đưa ra lựa chọn sáng suốt. Thay vì dựa vào cảm tính, việc ứng dụng các mô hình dự báo từ chỉ số tài chính cho phép phân tích sâu, tìm ra các quy luật ẩn và dự báo quyết định chọn công ty kiểm toán chất lượng một cách khách quan và hiệu quả. Đây là cách tiếp cận hiện đại, giúp giảm thiểu rủi ro và nâng cao niềm tin cho nhà đầu tư.

1.1. Tầm quan trọng của việc lựa chọn đối tác kiểm toán tin cậy

Một công ty kiểm toán độc lập đóng vai trò giám sát bên ngoài, cung cấp sự đảm bảo về tính trung thực và hợp lý của các báo cáo tài chính. Đối với các doanh nghiệp trên thị trường chứng khoán Việt Nam, vai trò này càng trở nên quan trọng. Thông tin tài chính minh bạch là nền tảng để xây dựng lòng tin của nhà đầu tư, từ đó thu hút dòng vốn hiệu quả. Một báo cáo kiểm toán từ một đơn vị chất lượng, đặc biệt là các công ty thuộc nhóm Big4, không chỉ đáp ứng yêu cầu pháp lý mà còn là một dấu hiệu tích cực về quản trị doanh nghiệp. Theo nghiên cứu, việc này giúp giảm thiểu thông tin bất đối xứng giữa ban quản lý và các cổ đông, đảm bảo mọi hành động của nhà quản lý đều phù hợp với lợi ích của chủ sở hữu. Do đó, lựa chọn đúng đối tác kiểm toán là một quyết định chiến lược, ảnh hưởng trực tiếp đến uy tín và khả năng huy động vốn của doanh nghiệp.

1.2. Vai trò của khai phá dữ liệu trong quyết định tài chính

Sự phát triển của công nghệ đã tạo ra một lượng dữ liệu tài chính khổng lồ, mang đến cả cơ hội và thách thức. Khai phá dữ liệu, một bước quan trọng trong quy trình khám phá tri thức (Knowledge Discovery), nổi lên như một giải pháp mạnh mẽ. Kỹ thuật này cho phép các nhà phân tích sàng lọc, xử lý và tìm ra các mẫu quy luật có ý nghĩa từ những tập dữ liệu lớn. Trong lĩnh vực tài chính, ứng dụng data mining giúp xây dựng các mô hình dự báo rủi ro tín dụng, phân tích hành vi khách hàng và đặc biệt là hỗ trợ ra quyết định đầu tư. Đối với việc lựa chọn công ty kiểm toán, các thuật toán phân lớp dữ liệu có thể phân tích mối liên hệ giữa các chỉ số tài chính của doanh nghiệp (như EPS, P/E, ROA, ROE) với xu hướng lựa chọn đơn vị kiểm toán trong quá khứ, từ đó đưa ra dự báo chính xác cho các doanh nghiệp khác.

II. Thách thức khi chọn công ty kiểm toán trên sàn chứng khoán

Việc lựa chọn một công ty kiểm toán phù hợp không phải là một quyết định đơn giản, đặc biệt với các doanh nghiệp niêm yết trên sàn HOSE và HNX. Các nhà quản lý phải đối mặt với nhiều thách thức, từ việc phân tích một biển thông tin tài chính phức tạp đến việc đánh giá đúng năng lực và uy tín của các đơn vị kiểm toán. Quyết định sai lầm có thể dẫn đến những hậu quả nghiêm trọng, không chỉ làm tổn hại đến niềm tin của nhà đầu tư mà còn gây ra những rủi ro pháp lý và tài chính. Các vụ việc như của Tập đoàn FLC hay Tân Hoàng Minh là minh chứng rõ ràng cho thấy tầm quan trọng của việc kiểm toán chất lượng. Do đó, việc hiểu rõ những thách thức này là bước đầu tiên để xây dựng một phương pháp lựa chọn khoa học, dựa trên dữ liệu thay vì các yếu tố chủ quan.

2.1. Sự phức tạp của các chỉ số tài chính và thông tin bất đối xứng

Các báo cáo tài chính chứa đựng hàng loạt chỉ số phức tạp như EPS (Earning Per Share), P/E (Price-to-Earnings ratio), ROA (Return on Assets), và ROE (Return on Equity). Mỗi chỉ số phản ánh một khía cạnh khác nhau của sức khỏe doanh nghiệp. Tuy nhiên, các nhà quản lý có thể sử dụng các kỹ thuật kế toán để làm đẹp những chỉ số này, tạo ra một bức tranh không hoàn toàn chính xác. Tình trạng thông tin bất đối xứng này gây khó khăn cho các bên liên quan trong việc đánh giá thực chất hoạt động của công ty. Nhà đầu tư không thể chỉ dựa vào các chỉ số bề mặt mà cần một sự đảm bảo từ bên thứ ba. Đây chính là lúc một công ty kiểm toán chất lượng phát huy vai trò, nhưng việc đánh giá công ty kiểm toán nào đủ năng lực để "bóc tách" sự thật lại là một bài toán khó khác.

2.2. Rủi ro và hệ quả từ việc lựa chọn sai công ty kiểm toán

Lựa chọn một công ty kiểm toán không đủ năng lực hoặc thiếu tính độc lập có thể dẫn đến nhiều hệ lụy tiêu cực. Báo cáo tài chính sau kiểm toán có thể không phản ánh đúng thực trạng, che giấu các khoản nợ xấu hoặc các hoạt động kinh doanh yếu kém. Khi sự thật bị phanh phui, doanh nghiệp sẽ phải đối mặt với sự sụt giảm nghiêm trọng giá cổ phiếu, mất niềm tin từ nhà đầu tư và các đối tác. Hơn nữa, doanh nghiệp có thể vướng vào các cuộc điều tra pháp lý, bị xử phạt nặng và tổn hại danh tiếng không thể khắc phục. Những rủi ro này nhấn mạnh sự cần thiết của một quy trình lựa chọn đối tác kiểm toán cẩn trọng, và khai phá dữ liệu cung cấp một công cụ hữu hiệu để giảm thiểu các quyết định cảm tính và nâng cao độ tin cậy.

III. Quy trình khai phá dữ liệu tài chính để dự báo chính xác

Để ứng dụng thành công khai phá dữ liệu chọn công ty kiểm toán, cần tuân thủ một quy trình khoa học và chặt chẽ. Đây không chỉ là việc áp dụng một thuật toán, mà là cả một quá trình từ thu thập, làm sạch đến mô hình hóa và đánh giá kết quả. Quy trình này, còn gọi là khám phá tri thức từ cơ sở dữ liệu (KDD), đảm bảo rằng những tri thức rút ra được là hữu ích, đáng tin cậy và có thể áp dụng vào thực tiễn. Nghiên cứu đã áp dụng quy trình này trên dữ liệu thực tế từ SSI IBOARD, bắt đầu bằng việc xác định vấn đề, sau đó là các bước tiền xử lý dữ liệu, chuyển đổi, khai phá và cuối cùng là diễn giải, đánh giá các mẫu tìm được. Mỗi bước đều đóng vai trò quan trọng trong việc xây dựng một mô hình dự báo hiệu quả.

3.1. Các bước cốt lõi trong quy trình khám phá tri thức từ dữ liệu

Quy trình khám phá tri thức bao gồm các bước chính. Đầu tiên là Lựa chọn dữ liệu (Data Selection), nơi dữ liệu từ các nguồn khác nhau được tổng hợp. Tiếp theo là Tiền xử lý dữ liệu (Data Preprocessing), một bước quan trọng để xử lý các dữ liệu thiếu, nhiễu và không nhất quán. Sau đó, Chuyển đổi dữ liệu (Data Transformation) đưa dữ liệu về định dạng phù hợp cho việc phân tích. Bước trung tâm là Khai phá dữ liệu (Data Mining), sử dụng các thuật toán để phát hiện các mẫu tiềm ẩn. Cuối cùng, Đánh giá mẫu (Pattern Evaluation) xác định những mẫu thực sự có ý nghĩa và hữu ích. Việc tuân thủ nghiêm ngặt các bước này giúp tránh được các kết quả sai lệch và đảm bảo chất lượng của mô hình dự báo.

3.2. Các kỹ thuật phân lớp dữ liệu phổ biến được ứng dụng

Trong bài toán dự báo quyết định lựa chọn công ty kiểm toán, phân lớp dữ liệu là một kỹ thuật chủ đạo. Kỹ thuật này xây dựng một mô hình dựa trên một tập dữ liệu huấn luyện đã được gán nhãn (ví dụ: công ty A chọn Big4, công ty B không chọn Big4). Mô hình này sau đó được sử dụng để dự đoán nhãn cho các dữ liệu mới. Một số thuật toán phân lớp phổ biến được sử dụng trong nghiên cứu bao gồm Cây quyết định (Decision Tree), Máy véc-tơ hỗ trợ (Support Vector Machine - SVM), Hồi quy Logistic (Logistic Regression), và Mạng nơ-ron (Neural Network). Mỗi thuật toán có ưu và nhược điểm riêng, và việc lựa chọn thuật toán phù hợp nhất phụ thuộc vào đặc điểm của bộ dữ liệu và mục tiêu phân tích cụ thể.

IV. Top mô hình dự báo hiệu quả trong lựa chọn công ty kiểm toán

Nghiên cứu đã tiến hành xây dựng và so sánh hiệu quả của nhiều mô hình dự báo dựa trên các thuật toán phân lớp dữ liệu khác nhau. Mục tiêu là tìm ra mô hình tối ưu nhất để dự đoán quyết định của doanh nghiệp trong việc có lựa chọn công ty kiểm toán thuộc nhóm Big4 hay không. Bốn thuật toán chính được đưa vào thử nghiệm là Cây quyết định, SVM, Mạng nơ-ron và Hồi quy Logistic. Việc đánh giá được thực hiện một cách khách quan thông qua các chỉ số đo lường hiệu suất như AUC (Area Under the Curve), CA (Classification Accuracy), và F1-Score. Quá trình này được thực hiện trên phần mềm Orange, một công cụ trực quan mạnh mẽ cho Machine Learning và Data Mining, giúp so sánh và lựa chọn mô hình phù hợp nhất cho bài toán.

4.1. Phân tích thuật toán Mạng nơ ron Neural Network trong dự báo

Kết quả đánh giá cho thấy mô hình Mạng nơ-ron (Neural Network) tỏ ra vượt trội hơn hẳn so với các thuật toán còn lại trên bộ dữ liệu nghiên cứu. Mạng nơ-ron, với khả năng học các mối quan hệ phi tuyến phức tạp giữa các biến đầu vào, đã đạt được các chỉ số AUC, CA, F1 cao nhất. Cụ thể, khi sử dụng phương pháp kiểm định chéo K-fold (K=5), mô hình này cho thấy sự ổn định và độ chính xác cao. Phân tích qua ma trận nhầm lẫn (Confusion Matrix) cũng chỉ ra rằng Mạng nơ-ron phân loại chính xác một số lượng lớn các trường hợp, đặc biệt là trong việc xác định các công ty không chọn Big4. Điều này chứng tỏ Neural Network là mô hình phù hợp nhất để áp dụng vào việc dự báo lựa chọn công ty kiểm toán dựa trên các chỉ số tài chính.

4.2. So sánh hiệu quả với SVM Cây quyết định và Hồi quy Logistic

Mặc dù Mạng nơ-ron là mô hình chiến thắng, việc so sánh với các thuật toán khác cũng cung cấp những hiểu biết giá trị. Mô hình SVM cũng cho kết quả khá tốt, chỉ đứng sau Mạng nơ-ron, thể hiện khả năng phân tách dữ liệu hiệu quả trong không gian nhiều chiều. Trong khi đó, Cây quyết định cung cấp một mô hình dễ diễn giải nhưng độ chính xác không cao bằng. Hồi quy Logistic, một phương pháp thống kê kinh điển, cho kết quả khiêm tốn hơn. Sự so sánh này khẳng định rằng không có một mô hình nào là tốt nhất cho mọi bài toán; việc lựa chọn phụ thuộc vào cấu trúc dữ liệu. Tuy nhiên, đối với bài toán dự báo lựa chọn công ty kiểm toán với các biến tài chính, các mô hình phức tạp như Neural Network có khả năng nắm bắt các quy luật tinh vi tốt hơn.

V. Case study Ứng dụng mô hình dự báo trên thị trường Việt Nam

Để kiểm chứng tính thực tiễn của phương pháp, nghiên cứu đã tiến hành một case study cụ thể trên dữ liệu của 383 công ty niêm yết tại thị trường chứng khoán Việt Nam trong năm 2021. Dữ liệu được thu thập từ SSI IBOARD, bao gồm 5 biến độc lập là EPS, P/E, ROA, ROE, SIZE (Quy mô doanh nghiệp) và biến phụ thuộc là quyết định lựa chọn công ty kiểm toán (giá trị 1 nếu chọn Big4, 0 nếu ngược lại). Bằng cách sử dụng phần mềm Orange, nhóm nghiên cứu đã xây dựng, huấn luyện và đánh giá các mô hình, cuối cùng áp dụng mô hình tốt nhất để đưa ra dự báo. Quá trình này không chỉ minh họa cách khai phá dữ liệu hoạt động trong thực tế mà còn cung cấp những kết quả dự báo cụ thể.

5.1. Xây dựng tập dữ liệu huấn luyện và dự báo từ chỉ số tài chính

Bộ dữ liệu gồm 383 công ty được chia thành hai phần. Tập dữ liệu huấn luyện (training dataset) bao gồm 269 công ty, được sử dụng để "dạy" cho các thuật toán học cách nhận biết mối liên hệ giữa các chỉ số tài chính và việc lựa chọn công ty kiểm toán Big4. Mỗi công ty trong tập này đều có nhãn đầu ra (0 hoặc 1) rõ ràng. Phần còn lại, tập dữ liệu dự báo (forecasting dataset), bao gồm 114 công ty. Dữ liệu đầu vào của tập này cũng là 5 chỉ số tài chính, nhưng nhãn đầu ra được để trống. Nhiệm vụ của mô hình đã được huấn luyện là dự đoán giá trị nhãn cho 114 công ty này, tức là dự báo liệu họ có xu hướng chọn một công ty kiểm toán chất lượng hay không.

5.2. Kết quả dự báo và đánh giá độ chính xác của mô hình

Sau khi xác định Mạng nơ-ron là mô hình tối ưu từ giai đoạn huấn luyện, nó đã được áp dụng trên tập dữ liệu dự báo 114 công ty. Kết quả cho thấy mô hình đã phân loại 79 công ty vào nhóm "lựa chọn công ty kiểm toán Big4" và 35 công ty còn lại vào nhóm "không lựa chọn". Độ chính xác của mô hình được đánh giá thông qua phương pháp K-fold Cross Validation, cho thấy hiệu suất đáng tin cậy. Cụ thể, ma trận nhầm lẫn trên tập huấn luyện chỉ ra rằng mô hình đã phân loại đúng 160/178 công ty trong lớp "0" và 53/91 công ty trong lớp "1". Kết quả này chứng minh rằng việc ứng dụng data mining có thể cung cấp những dự báo giá trị, hỗ trợ doanh nghiệp và các bên liên quan trong việc ra quyết định.

VI. Tương lai của khai phá dữ liệu trong ngành kiểm toán tài chính

Nghiên cứu này đã chứng minh tiềm năng to lớn của việc ứng dụng data mining trong tài chính và kiểm toán. Việc sử dụng các mô hình dự báo không chỉ giúp doanh nghiệp tối ưu hóa quyết định lựa chọn đối tác kiểm toán mà còn mở ra nhiều hướng đi mới cho chính các công ty kiểm toán trong việc tìm kiếm khách hàng tiềm năng. Mặc dù nghiên cứu vẫn còn một số hạn chế nhất định về quy mô dữ liệu và số lượng biến, nó đã đặt một nền móng vững chắc. Tương lai của ngành kiểm toán chắc chắn sẽ gắn liền với phân tích dữ liệu lớn, giúp nâng cao chất lượng, tính minh bạch và hiệu quả của toàn bộ thị trường tài chính.

6.1. Đóng góp của nghiên cứu và ý nghĩa thực tiễn cho doanh nghiệp

Nghiên cứu mang lại giá trị thực tiễn cho nhiều bên. Đối với công ty kiểm toán chất lượng, mô hình có thể giúp xác định các khách hàng tiềm năng dựa trên các chỉ số tài chính công khai, từ đó xây dựng chiến lược tiếp cận hiệu quả. Đối với các doanh nghiệp được kiểm toán, kết quả phân tích giúp họ nhận biết các chỉ số tài chính cần cải thiện để nâng cao hình ảnh và thu hút các đơn vị kiểm toán hàng đầu. Điều này tạo động lực để doanh nghiệp nâng cao chất lượng công bố thông tin, từ đó thu hút vốn đầu tư hiệu quả hơn. Cuối cùng, đối với nhà đầu tư, phương pháp này góp phần củng cố một thị trường vốn minh bạch và đáng tin cậy hơn.

6.2. Hạn chế và hướng phát triển cho các nghiên cứu trong tương lai

Mặc dù thành công, nghiên cứu vẫn tồn tại một số hạn chế. Thứ nhất, số lượng mẫu (383 công ty) còn tương đối nhỏ, có thể ảnh hưởng đến tính đại diện của mô hình. Thứ hai, nghiên cứu chỉ sử dụng 5 chỉ số tài chính chính và chưa bao quát hết các yếu tố khác có thể ảnh hưởng đến quyết định. Các hướng phát triển trong tương lai bao gồm: mở rộng bộ dữ liệu với nhiều công ty và trong nhiều năm hơn; bổ sung thêm các biến số khác như doanh thu, hệ số phá sản, hoặc các thuộc tính của chính công ty kiểm toán như giá trị dịch vụ, giá trị thương hiệu. Việc này sẽ giúp xây dựng các mô hình dự báo ngày càng chính xác và toàn diện hơn.

Trích đoạn nội dung tài liệu

Lye ALS DAI HOC UEH TRUONG KINH DOANH KHOA TAI CHINH UEH UNIVERSITY TIEU LUAN CUOI KY MON KHOA HOC DU LIEU DE TAI: RESEARCHING METHODS OF DATA MINING AND APPLICATION OF MODELS TO FINANCIAL INDICATORS FOR FORECASTING DECISIONS TO CHOOSE QUALITY AUDIT COMPANY OF BUSINESSES ON THE STOCK EXCHANGE GIẢNG VIÊN HƯỚNG DAN: THAY LUGNG NGOC TÚ MA HOC PHAN: KHDL-22C LINF50909203-C2 NHOM: 8 CHUNG NHẬT DUY - 31211026730 LÊ THÀNH NHÂN - 31211022645 TRAN DAT DAT - 31211023903 DINH VAN KHANH QUANG - 31211024229 LE PHUC VINH - 31211025702 THANH PHO HO CHI MINH — 2022 2 Table of content 10-19099060. 4 CHAPTER IL: INNTRODUCTIƠN. Reasons ofchoosing the tOpIC. OblJectives of the study.

Object and scope of the study. Theoretical research methods. 2112 1122111111111 1 111111 ra 7 IV AN¿ vi. 7 CHAPTER 2: THEORETICAL BASIC.

Knowledge discovery and data mining. Data mining definition. The process of data minIng. Data mining techrniques.

Mining of fequent sets and assocIatIon rules. HH PA SP.Applications of data min1ng. Data classification DFOCSS:. Data classification algorithms used 1n this study.

Support Vector Machine. Logistic ÑegðT€SSIOH. Methods to evaluate classification modelÌs. vvivvadđaiađadđai.

Precision, Recall, Fl - score. Receiver Operating Characteristic (ROC) va Area Under the Curve (AUC). Cross Validation: K-fold và Hold-out. Proposed research modelÌ.

Description of the variables used 1n the modelL. Earning per share (EPS). Price-to-earnings ratio (P/E). Net return on assets (ROÀ).

Return on equity (ROE). 23 CHAPTER 3: ANALYSTS INTO DISCUSSION. Overview of Vietnam's stock market and auditing activifles. Description of training and forecasting datasets.

Contribution of the tOPIC. Limitations of the study and future research directions.--------<- 33 0 ¡cuoico nn ẽ ẽỐ.- Ác HH HH HH HH HH HH Hà HT HH TH TH 1k6 37 5 LIST OF ACRONYMS DTM Data mining ML Machine Learning DTB Database MS Master STM Statistical methods EXP Example STC Stock code STM Stock market 6 LIST OF IMAGES Figure 1: Process of Data ITINĐ. 2 2 22212212221 2251 1511553153 1113 12 1 1211811111111 1 1111 te, 10 Elgure 2: Process of data mIHIHØ. c0 22112211211 121 1211111151111 11821 8111112111111 1 1x cty 11 Figure 3: Data training.

cece ccccccceccsceseesseeseeseenecssesseesseeseccseesecnsessessseeeeeneseneeees 13 Figure 4: Evaluate the accuracy of the classification modelL. ¿2c +cccss s2 14 Flgure 5: New data classIficatIon. 16 Figure 7: Support Vector Machine. 17 Figure 9: Logistic Ñe8r€sSIOH.

19 Figure 11: Recerver Operatine Characteristic - RÖC. 22222 12211112 xsey 20 Figure 12: Area Under the Curve - AÙC. 1211211121121 11111121 11115111 8k ro 21 Figure 13: Training dataset (illustration of the stock codes of the first 35 companies) 27 Figure 14: Forecast data set (illustration of stock codes of the first 35 companies).28 Eigure L5: Declare attrtbutes for variables in the trainine dataset.--- -- 29 Figure 16: Overview of the training process on the Íorecast.- 22-22 30 Figure 17: The results of the model evaluation by the K-fold method. 30 Figure 18: Evaluating the class model through the Confusion Matrix.-- 31 Figure 19: Declare attributes for variables in the forecast dataset.

32 Figure 20: Forecast results (illustration of stock codes of the first 30 companies). Reasons of choosing the topic Sociecty is changing constantly thanks to the non-stop innovating of technology. This caused the data storage of information management system to bear bigger pressure, making data harder to control. In this situation, the decision makers in financial or scientific organization do not want to miss any pieces of it, they want every information to be stored because every data content some values that need to be analyzed and discovered.

That is the beginning of DTM when the demand for development, storing, analyzing data need to be smarter and more effective. There for, we can exploit all the useful knowledge that necessary to us. In many countries, DTM is still betng developing and used in many fields of life, science or in the economy. Many enterprises in the world has been using this technique in their manufactoring or business activities and gain many success.

This is quite new in Viet Nam to us but we are slowly accepting and using this technique especialy in the financial market. In the Vietnamese economy, the stock market is an extremely effective capital channel and has a lot of potential for future development. Realizing that, the Government has set out key tasks in helping this capital market operate safely and effectively. In particular, the reliability, accuracy and truthfulness of financial information in the economy are extremely important in promoting confidence for investors to make decisions.

To meet this practical need, finding and choosing an appropriate auditing firm is essential. An audit by an independent company acting as an external monitor provides different purposes for stakeholders and businesses with the information to be monitored, in order to reduce information asymmetry in the environment. internally between managers and owners. This will help ensure that all actions taken by managers are in line with the interests of the owners.

Therefore, it has a particularly important position in the market economy, contributing to the publicity and transparency of financial statements, perfectly serving the management and economic and financial management of enterprises and businesses. 8 However, choosing a quality audit firm, even a good one, is often not a simple decision for a manager. They cannot rely on their own feelings to make choices, but need help from scientific tools to reduce risks and avoid unnecessary mistakes. DTM technique is a suitable tool to do this, it helps to specialize in the choice decisions of enterprises.

For these reasons, the group decided to choose the topic: "Researching data mining methods and applying models to financial indicators to predict the decision to choose the quality auditing company of the companies." companies on the stock exchange”’. In the research paper, the group specifically mentions the commonly used technique in "Data classification", thereby making predictions in the decision to choose a company to audit the quality of enterprises on the stock exchange. Objectives of the study This study mainly focuses on the following objectives: O Research the general theories of DTM. O Proceed to build models based on the available training data set, then select the most suitable model to make the prediction for the selected forecast dataset.

0 Generate ideas for future research. Object and scope of the study Objective of the study: O DTM model and data classification algorithm for application in decision- making to choose the right auditing company for businesses on the Vietnam stock exchange. O The influence of financial information on management's decision to choose an audit firm is real data taken from SSI IBOARD website 0 Research scope: A total of 383 companies listed on Vietnam's stock market, including many different industries on two major exchanges, HOSE and HNX LI Time: Year 2021. Theoretical research methods 9 Analytical-synthetic method: from the available documents, read and synthesize to draw out the necessary content for the thesis of the research paper.

Modeling method: building a research model based on theory and applying the model to predict in order to test the accuracy of the model. Practical research methods From that theoretical basis, proceed to apply practical research methods: Use Orange software - a fairly intuitive tool to research about Machine learning algorithms and popular DTM practices today to analyze data and clarify research problems. Build predictive models based on available training data sets and compare the obtained results with each other to choose the most suitable model to understand the influence of financial information on decision making. Choosing a quality audit company.

Structure of the research In addition to the table of contents, the list of tables and figures, the list of acronyms, references and appendices, the topic is structured into 4 chapters as follows: Chapter 1: Introduction Chapter 2: Theoretical basic Chapter 3: Analysis and discussion Chapter 4: Conclusion 10 CHAPTER 2: THEORETICAL BASIC 2. Knowledge discovery and data mining Knowledge Discovery and Data Mining - a rapidly growing academic field that combines DTB management, statistics, machine learning (ML). with the ultimate aim of extracting useful knowledge from the dataset. We can understand: O Knowledge discovery is the process of identifying new values, latent knowledge, and eventual knowledge of patterns or patterns in data.

O Data mining is a step in the knowledge discovery process. This technique allows us to derive key knowledge. The knowledge discovery process consists of several basic steps as follows: O Data Selection: Aggregates data mined from a DTB, data warehouse, or web source into a single DTB. From there, select the necessary data for the following steps.

In the process of data collection, there will often be obstacles because the data is located in many places and different forms. O Data preprocessing: When aggregating data, it is easy to encounter errors such as: data is incomplete, tight and lacks logic due to the inconsistency of DTB. Therefore, this is a step that helps to avoid misleading results in data mining. O Data transformation: Data after being “preprocessed” will be returned to a convenient form for data exploration.

0 Data Mining: Using techniques to uncover key insights hidden in data. O Evaluation of sample results: Determine the evaluation criteria for the purpose of finding the necessary knowledge because not all samples are useful, meaningful, even some samples are wrong. Knowledge discovery is the whole process of extracting knowledge from DTBs, in which data mining is the key stage of the process. Data mining is done after having filtered and preprocessed the data, that is, it is done to extract meaningful patterns on the appropriate dataset.

11 Interpretation Evalaation Data mining = =1? Transformation Preprocessing Knowledge 20> a? Par Jo m ` p= Preprocessed ma Transformed data Figure 1: Process of Data mining Source: Phantuanduy (2013) 2. Data mining definition Data mining refers to the process of analyzing data and using specialized techniques to find a feature pattern in an extremely large data set. For professionals, Data Mining has many different definitions: O Ferrurra's definition: "Data mining is a set of methods used in the knowledge discovery process to find out the distinct relationships and unknown patterns within data. O Parsaye's definition: “Data mining is a decision aid process in which we look for unexpected and unknown patterns of information in large DTBs.

O Mitchell's definition: “Data mining is the use of existing data to discover rules and make informed decisions. O Definition of Berry & Linoff: “Data mining is the automatic discovery and analysis of large amounts of data to discover patterns and rules. In a nutshell, Data Mining refers to the process of using data analysis tools and techniques to find patterns from multiple angles with the aim of discovering associations between data, objects, and data. inside the DTB.

Process of data mining Thống kê tóm tắt = Xác Xác Thu thập Giải thuật định —y| định dir »„ị và tiền khai phá nhiệm liệu liên xử lý dữ dữ liệu vụ quan liệu mã = Figure 2: Process of data mining Souce: MS. Tran Hùng Cường, MS. Ngô Đức Vinh (2011) The data mining process starts from identifying the problem that is being encountered correctly, then learning the relevant data to use to build the solution. Then, the necessary data is carefully collected and preprocessed into a form that the data mining algorithm can understand.

Although it consists of only a few steps, this is not a simple process, when conducting may encounter some difficulties such as: if the model needs to modify the data, the whole process must be repeated until the model is modified. suitable for time consuming, or having to make multiple copies of extracted data into files, etc. Performing data mining is the next step after choosing the appropriate algorithm to find meaningful patterns represented in the corresponding forms. The pattern is characterized as having to be new (at least for that system).