Luận án tiến sĩ về ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng

Tổng hợp kiến thức Ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng, tiếp cận khoa học, hỗ trợ học tập và nghiên cứu hiệu quả trong y học

Chuyên ngành

Tài chính ngân hàng

Người đăng

Ẩn danh

Thể loại

luận án tiến sĩ

2024

210
5
0

Phí lưu trữ

55 Point

Mục lục chi tiết

LỜI CAM KẾT

LỜI CẢM ƠN

TÓM TẮT LUẬN ÁN

DANH MỤC TỪ VIẾT TẮT

DANH MỤC BẢNG BIỂU

DANH MỤC CÁC HÌNH

MỤC LỤC

1. CHƯƠNG 1: GIỚI THIỆU

1.1. Bối cảnh nghiên cứu

1.2. Mục tiêu nghiên cứu

1.2.1. Mục tiêu tổng quát

1.2.2. Mục tiêu cụ thể

1.3. Câu hỏi nghiên cứu

1.4. Đối tượng và phạm vi nghiên cứu

1.5. Phương pháp nghiên cứu

1.6. Ý nghĩa khoa học và thực tiễn

1.7. Cấu trúc luận án

2. CHƯƠNG 2: KHẢO LƯỢC LÝ THUYẾT

2.1. Tổng quan về rủi ro tín dụng và các lý thuyết liên quan

2.1.1. Các quan điểm về rủi ro tín dụng

2.1.2. Lý thuyết về việc sử dụng các hệ số trong dự báo rủi ro tín dụng

2.1.3. Các phương pháp dự báo rủi ro tín dụng

2.1.3.1. Phương pháp dựa trên chuyên gia
2.1.3.2. Phương pháp thống kê
2.1.3.3. Phương pháp máy học

2.2. Các khái niệm cơ bản về máy học giải thích

2.2.1. Khái niệm về máy học

2.2.2. Máy học giải thích

2.2.3. Phân loại máy học giải thích

2.3. Các công trình nghiên cứu trong và ngoài nước

2.3.1. Các nghiên cứu nước ngoài

2.3.1.1. Nghiên cứu so sánh hiệu quả giữa các mô hình học máy
2.3.1.2. Nghiên cứu sử dụng kết hợp kỹ thuật thống kê giải thích và máy học

2.3.2. Các nghiên cứu trong nước

2.3.3. Khoảng trống nghiên cứu

2.4. Tóm tắt chương 2

3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Thiết kế nghiên cứu

3.2. Mô hình nghiên cứu

3.2.1. Mô tả biến phụ thuộc

3.2.2. Mô tả biến độc lập

3.3. Dữ liệu nghiên cứu

3.3.1. Nguồn dữ liệu và quy trình thu thập dữ liệu

3.3.2. Xử lý và làm sạch dữ liệu

3.4. Mô hình máy học

3.4.1. Hồi quy logistic

3.4.2. Cây quyết định

3.4.3. Rừng ngẫu nhiên

3.4.4. Thuật toán tăng cường độ dốc cực đại (XGBoost)

3.4.5. Mạng thần kinh nhân tạo

3.4.6. Máy vectơ hỗ trợ (SVM)

3.5. Xác thực mô hình và điều chỉnh tham số

3.6. Kỹ thuật thống kê giải thích

3.6.1. Biểu đồ phụ thuộc bán phần (PDP)

3.7. Đánh giá hiệu quả mô hình

3.7.1. Ma trận nhầm lẫn (confusion matrix)

3.7.2. Thang đo hiệu suất

3.8. Công cụ và thư viện cho phân tích dữ liệu

3.9. Tóm tắt chương 3

4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Thực trạng thị trường trái phiếu doanh nghiệp và rủi ro vỡ nợ của các doanh nghiệp phát hành

4.2. Thống kê mô tả

4.3. Kết quả của các mô hình dự báo

4.3.1. Hồi quy logistic

4.3.2. Cây quyết định

4.3.3. Rừng ngẫu nhiên

4.3.4. Tăng cường độ dốc cực đại

4.3.5. Mạng thần kinh nhân tạo

4.3.6. Máy Vector hỗ trợ

4.4. So sánh kết quả giữa các mô hình máy học

4.5. Kết quả của mô hình giải thích

4.5.1. Khả năng diễn giải tổng thể

4.5.2. Khả năng diễn giải riêng lẻ

4.5.2.1. CTCP Chế biến và XNK Thủy sản Cadovimex (CAD)
4.5.2.2. Công ty Cổ phần Đức Long Gia Lai (DLG)
4.5.2.3. Tập đoàn Long Điền (LGD)

4.6. Thảo luận kết quả

4.7. Tóm tắt chương 4

5. CHƯƠNG 5: HÀM Ý CHÍNH SÁCH VÀ KHUYẾN NGHỊ

5.1. Đóng góp của nghiên cứu

5.2. Các khuyến nghị đối với các bên liên quan

5.2.1. Đối với các tổ chức tín dụng

5.2.2. Đối với các công ty chứng khoán và công ty quản lý quỹ

5.2.3. Đối với các tổ chức xếp hạng tín nhiệm

5.2.4. Đối với cơ quan quản lý

5.3. Hạn chế của nghiên cứu

5.4. Định hướng nghiên cứu trong tương lai

5.5. Tóm tắt chương 5

TÀI LIỆU THAM KHẢO

PHỤ LỤC 1: Đồ thị phụ thuộc của các biến độc lập

PHỤ LỤC 2: Biểu đồ phân phối của các biến

PHỤ LỤC 3: Các hệ số của CAD giai đoạn 2020 - 2022

PHỤ LỤC 4: Các hệ số của DLG giai đoạn 2020 - 2022

PHỤ LỤC 5: Các hệ số của LGD giai đoạn 2020 - 2022

PHỤ LỤC 6: Danh sách các bài báo khoa học

Tóm tắt

I. Giới thiệu về ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng

Trong bối cảnh thị trường tài chính ngày càng phức tạp, việc ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng trở nên cần thiết. Các mô hình máy học có khả năng xử lý và phân tích dữ liệu lớn, giúp phát hiện các mẫu và xu hướng mà các phương pháp truyền thống không thể nhận diện. Việc áp dụng máy học không chỉ nâng cao độ chính xác trong việc dự báo rủi ro tín dụng mà còn tạo ra những dự báo nhanh chóng và linh hoạt hơn. Theo báo cáo của Ngân hàng Nhà nước Việt Nam, tỷ lệ nợ xấu gia tăng đã đặt ra thách thức lớn cho các tổ chức tài chính. Do đó, việc phát triển các phương pháp đo lường và dự báo rủi ro tín dụng là rất cấp thiết.

1.1. Tầm quan trọng của máy học trong quản trị rủi ro tín dụng

Sự phát triển của công nghệ tài chính đã mở ra nhiều cơ hội cho việc ứng dụng máy học trong quản lý rủi ro tín dụng. Các mô hình như Cây quyết định, Rừng ngẫu nhiên và XGBoost đã chứng minh hiệu quả vượt trội trong việc dự báo rủi ro tín dụng so với các phương pháp truyền thống. Việc sử dụng máy học giúp các ngân hàng và tổ chức tài chính có thể phân tích dữ liệu một cách nhanh chóng và chính xác, từ đó đưa ra quyết định kịp thời nhằm giảm thiểu rủi ro. Các nghiên cứu cho thấy rằng, việc áp dụng máy học có thể cải thiện đáng kể khả năng phát hiện sớm các dấu hiệu của rủi ro tín dụng.

II. Phân tích dữ liệu và mô hình máy học

Quá trình phân tích dữ liệu là bước quan trọng trong việc ứng dụng máy học vào quản trị rủi ro tín dụng ngân hàng. Dữ liệu được thu thập từ nhiều nguồn khác nhau, bao gồm báo cáo tài chính và các chỉ số kinh tế vĩ mô. Việc xử lý và làm sạch dữ liệu lớn là cần thiết để đảm bảo tính chính xác của các mô hình. Các mô hình máy học như Mạng nơ-ron nhân tạo và Máy vectơ hỗ trợ đã được áp dụng để dự báo rủi ro tín dụng. Kết quả cho thấy các mô hình này có khả năng phân biệt tốt giữa các doanh nghiệp có nguy cơ vỡ nợ và không vỡ nợ, thể hiện qua các chỉ số AUC cao.

2.1. Các mô hình máy học phổ biến

Trong nghiên cứu, các mô hình như Cây quyết định, Rừng ngẫu nhiên và XGBoost đã được sử dụng để dự báo rủi ro tín dụng. Mô hình XGBoost đạt độ chính xác tổng quát lên đến 100% trên tập huấn luyện và 89,6% trên tập kiểm tra. Điều này cho thấy khả năng của máy học trong việc xử lý dữ liệu lớn và phát hiện các mẫu phức tạp. Việc so sánh hiệu suất giữa các mô hình cho thấy rằng máy học không chỉ cải thiện độ chính xác mà còn giúp các nhà phân tích có cái nhìn sâu sắc hơn về các yếu tố ảnh hưởng đến rủi ro tín dụng.

III. Kỹ thuật giải thích trong máy học

Kỹ thuật giải thích như SHAP (SHapley Additive exPlanations) đóng vai trò quan trọng trong việc nâng cao tính minh bạch của các mô hình máy học. SHAP cho phép phân tích các yếu tố ảnh hưởng đến quyết định dự báo của mô hình, từ đó giúp nhà đầu tư và nhà quản lý hiểu rõ hơn về kết quả của các dự báo rủi ro tín dụng. Việc áp dụng SHAP không chỉ nâng cao tính minh bạch mà còn tạo ra sự tin tưởng hơn từ phía người sử dụng khi đưa ra những quyết định đầu tư quan trọng.

3.1. Lợi ích của việc sử dụng SHAP

SHAP cung cấp thông tin chi tiết về tầm quan trọng của các biến trong mô hình dự báo. Các biến như tỷ lệ thu nhập giữ lại trên tổng tài sản và tỷ lệ nợ ròng trên tổng tài sản được xác định là có tác động đáng kể đến khả năng dự báo rủi ro tín dụng. Việc hiểu rõ mối quan hệ giữa các biến này giúp các nhà phân tích đưa ra quyết định chính xác hơn trong việc quản lý rủi ro tín dụng. Kết quả nghiên cứu cho thấy rằng việc kết hợp giữa máy học và kỹ thuật giải thích có thể mang lại những kiến thức và công cụ hữu ích cho các tổ chức tài chính.

IV. Kết luận và khuyến nghị

Nghiên cứu đã chứng minh tính hiệu quả của việc ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng. Các mô hình máy học không chỉ nâng cao độ chính xác trong việc dự báo rủi ro tín dụng mà còn cung cấp những thông tin chi tiết về các yếu tố ảnh hưởng. Các tổ chức tài chính nên xem xét việc áp dụng các mô hình này để cải thiện khả năng quản lý rủi ro. Đồng thời, việc sử dụng các kỹ thuật giải thích như SHAP sẽ giúp tăng cường tính minh bạch và độ tin cậy của các dự báo.

4.1. Khuyến nghị cho các tổ chức tài chính

Các tổ chức tài chính nên đầu tư vào việc phát triển và áp dụng các mô hình máy học trong quản trị rủi ro tín dụng. Việc này không chỉ giúp nâng cao hiệu quả quản lý rủi ro mà còn tạo ra giá trị gia tăng cho các nhà đầu tư. Hơn nữa, việc đào tạo nhân viên về các kỹ thuật máy học và giải thích sẽ giúp họ có khả năng đưa ra quyết định chính xác hơn trong việc đánh giá rủi ro tín dụng.

07/02/2025

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu. Chương này cung cấp cái nhìn tổng quan về bối cảnh nghiên cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và ý nghĩa của luận án. Chương 2: Khảo lược lý thuyết. Chương này xem xét các lý thuyết nền tảng về rủi ro tín dụng, lý thuyết về sử dụng các hệ số trong dự báo rủi ro tín dụng, lý thuyết về máy học và ứng dụng trong dự báo rủi ro vỡ nợ và lược khảo các công trình nghiên cứu trong và ngoài nước.

Chương 3: Phương pháp nghiên cứu. Chương này mô tả thiết kế nghiên cứu, mô hình nghiên cứu, phương pháp thu thập dữ liệu, kỹ thuật phân tích dữ liệu cũng như quy trình đánh giá và phát triển mô hình máy học, và kỹ thuật thống kê giải thích SHAP được sử dụng trong nghiên cứu. Chương 4: Kết quả và thảo luận. Chương này trình bày kết quả nghiên cứu, bao gồm hiệu suất dự báo của các mô hình máy học tiên tiến trên mẫu dữ liệu doanh nghiệp Việt Nam, mối quan hệ của các yếu tố chính góp phần vào khả năng dự báo của các mô hình máy học.

Chương này cũng trình bày kết quả đánh giá và giải thích trên ba doanh nghiệp là CAD, DLG và LGD. Chương 5: Hàm ý và khuyến nghị. Chương này tóm tắt các kết quả nghiên cứu và nêu các khuyến nghị đối với các bên liên quan trong việc ứng dụng máy học vào việc quản lý rủi ro tín dụng. Chương này cũng trình bày các giới hạn và đề xuất các hướng nghiên cứu trong tương lai.

6 CHƯƠNG 2 KHẢO LƯỢC LÝ THUYẾT 2.1 Tổng quan về rủi ro tín dụng và các lý thuyết liên quan 2.1 Các quan điểm về rủi ro tín dụng Rủi ro tín dụng là một khái niệm quan trọng trong lĩnh vực tài chính, đề cập đến khả năng người vay trong một hợp đồng nợ không trả nợ đúng hạn hoặc chậm trễ trong việc hoàn trả nợ, dù là toàn bộ hay một phần. Anderson (2013) định nghĩa rủi ro tín dụng là “xác suất mà một hợp đồng hợp pháp có thể trở nên vô giá trị (hoặc giảm đáng kể giá trị) vì bên đối tác không thực hiện nghĩa vụ và phá sản”. Theo Saunders và cộng sự (2021), đây là “rủi ro mà các dòng tiền đã cam kết thanh toán đối với các khoản vay và chứng khoán do các tổ chức tài chính nắm giữ có thể không được thanh toán đầy đủ.” Theo Bessis (2011), rủi ro tín dụng là rủi ro mất mát do người vay không thực hiện nghĩa vụ hoặc suy giảm khả năng tín dụng. Trong các giao dịch phái sinh thì rủi ro tín dụng phát sinh được định nghĩa là khả năng nhà phát hành không thực hiện nghĩa vụ của mình đối với các bên đối tác trong các giao dịch phái sinh (Hull, 2012).

Dựa theo định nghĩa trên thì rủi ro tín dụng xảy ra có thể được phân thành hai trường hợp như sau (i) Một là, người đi vay hoặc nhà phát hành không thể thanh toán các nghĩa vụ tài chính khi khoản nợ đến hạn; (ii) Hai là, chất lượng khoản tín dụng suy giảm, như trong trường hợp các trái phiếu bị hạ hạng tín nhiệm. Điểm chung của hai trường hợp này là đều đề cập đến khả năng trả nợ bị suy giảm của người đi vay hoặc nhà phát hành. Tuy nhiên trong trường hợp thứ hai, mặc dù khoản nợ có thể chưa đến thời gian đáo hạn nhưng có những bằng chứng rõ ràng cho thấy khả năng trả nợ bị suy yếu. Cách tiếp cận này phù hợp với quan điểm phòng ngừa rủi ro của các nhà quản lý với mục tiêu thực hiện các biện pháp đánh giá và theo dõi rủi ro trước khi nó thực sự xảy ra.

Một khái niệm tương tự thường được đề cập đến khi đánh giá rủi ro tín dụng là rủi ro vỡ nợ. Theo Bessis (2011), rủi ro vỡ nợ là khả năng mà người vay không tuân thủ các nghĩa vụ thanh toán theo hợp đồng. Nhiều sự kiện khác nhau có thể được coi là vỡ nợ như (i) Người đi vay chậm thanh toán tạm thời hoặc không thanh toán; (ii) Người đi vay buộc phải cơ cấu lại các nghĩa vụ nợ do sự suy giảm khả năng trả nợ; (iii) Người đi vay bị phá sản. Tuy nhiên, tác giả cũng lưu ý rằng vỡ nợ có thể chỉ là tình trạng tạm thời nếu tình trạng thiếu hụt tiền được khắc phục trong một khoảng thời gian ngắn.

7 Ủy ban Basel về giám sát Ngân hàng (BCBS, 2004) đã định nghĩa về rủi ro vỡ nợ như sau. Rủi ro vỡ nợ xảy ra dựa trên sự tồn tại ít nhất một trong hai sự kiện sau: (i) Ngân hàng cho rằng bên nghĩa vụ khó có khả năng thanh toán đầy đủ các nghĩa vụ tín dụng của mình đối với các ngân hàng, mà không cần ngân hàng phải thực hiện các hành động như xử lý tài sản đảm bảo (nếu có); (ii) Bên nghĩa vụ đã quá hạn hơn 90 ngày đối với bất kỳ nghĩa vụ tín dụng nào đối với nhóm ngân hàng. Các khoản thấu chi sẽ được coi là quá hạn khi khách hàng vi phạm một giới hạn đã được thông báo” (BCBS, 2004). Tiêu chí kép này đảm bảo khả năng bao quát các sự kiện vỡ nợ, phù hợp với nhiều loại nghĩa vụ, hợp đồng và các khu vực pháp lý khác nhau (Stephanou & Mendoza, 2005).

Quy định này rất quan trọng vì nó đảm bảo rằng các ngân hàng vẫn có khả năng thu hồi tín dụng khi rủi ro xảy ra. Theo Altman và cộng sự (2019), một loại trái phiếu hoặc tổ chức phát hành bị vỡ nợ khi tồn tại một trong các sự kiện sau: (i) Tổ chức phát hành nộp đơn xin phá sản và được chấp nhận. Trong trường hợp này, tất cả các khoản nợ của tổ chức phát hành đều bị vỡ nợ; (ii) Tổ chức phát hành không thanh toán lãi hoặc trả nợ gốc, kèm theo việc thanh toán không được khắc phục trong thời hạn ân hạn được thỏa thuận trong hợp đồng (thường là 30 ngày); (iii) Việc chuyển nhượng hoặc quá trình tái cơ cấu các khoản nợ gặp nhiều khó khăn. Việc tái cơ cấu có thể bao gồm việc mua bán khoản nợ, cho vay mới để thanh toán khoản vay cũ hoặc chuyển nợ thành vốn chủ sở hữu.

Một thuật ngữ khác liên quan đến rủi ro tín dụng là vỡ nợ về mặt kỹ thuật (technical default). Các trường hợp vỡ nợ kỹ thuật xảy ra khi người đi vay vi phạm một điều khoản khác ngoài việc thanh toán theo lịch trả nợ, chẳng hạn như vi phạm một cam kết như duy trì một tỷ lệ thanh toán tối thiểu hoặc tỷ lệ nợ tối đa (Altman và cộng sự, 2019). Việc vi phạm một cam kết vay thường dẫn đến việc tái đàm phán và thường là dấu hiệu cảnh báo tình trạng tín dụng của công ty đang xấu đi. Nếu các vấn đề không được khắc phục trong thời gian ân hạn, tổ chức phát hành sẽ được tuyên bố là "đã vi phạm".

Sau khoảng thời gian này, chủ nợ có thể thực hiện các biện pháp khắc phục, chẳng hạn như tuyên bố toàn bộ số tiền nợ đến hạn ngay lập tức. Thường thì, một sự vi phạm thanh toán sẽ kích hoạt việc tái cấu trúc các khoản thanh toán nợ hoặc nộp đơn phá sản chính thức. Dưới góc nhìn thực tế, rủi ro tín dụng có thể được xem như một quá trình chuyển hóa gồm nhiều giai đoạn nối tiếp nhau, chứ không chỉ là một sự kiện đơn lẻ. Đây là quan điểm động, trong đó xem xét rủi ro tín dụng là một quá trình chuyển động không ngừng, đối lập với quan điểm tĩnh xem rủi ro chỉ dựa vào một sự kiện (Barboza và cộng sự, 2017).

8 Các tổ chức tài chính có thể phải đối mặt với rủi ro tín dụng ở nhiều thời điểm khác nhau trong suốt vòng đời hoạt động cho vay và đầu tư của mình. Giai đoạn ban đầu, rủi ro tín dụng xuất hiện khi các tổ chức đánh giá và ra quyết định đầu tư vào các công cụ nợ. Việc thẩm định hoặc đánh giá rủi ro không đầy đủ có thể dẫn đến rủi ro tín dụng trong quá trình ra quyết định tín dụng. Trong giai đoạn giám sát, những thay đổi về điều kiện tài chính của tổ chức phát hành, những thay đổi của ngành hoặc các yếu tố kinh tế vĩ mô có thể làm tăng khả năng vỡ nợ.

Rủi ro tín dụng cũng có thể phát sinh từ các hoạt động quản lý danh mục tín dụng không hiệu quả, chẳng hạn như việc đa dạng hóa không đầy đủ, tập trung quá nhiều vào một lĩnh vực hoặc một khu vực cụ thể hoặc nhóm đối tượng có mối tương quan cao. Ngay cả sự kiện vỡ nợ xảy ra, các tổ chức tài chính vẫn có thể phải đối mặt với rủi ro tín dụng trong giai đoạn thu hồi. Các yếu tố như chất lượng tài sản thế chấp, sự phức tạp của các quy định pháp lý hoặc sự thay đổi của điều kiện thị trường có thể ảnh hưởng đến khả năng thu hồi nợ. Trong một số nghiên cứu, một số học giả xem rủi ro tín dụng tương đồng với việc doanh nghiệp bị phá sản, tuy nhiên đây là hai khái niệm khác nhau.

Phá sản là một thủ tục pháp lý liên quan đến việc một cá nhân hoặc công ty không có khả năng thanh toán các khoản nợ của mình (Lewis, 2018). Ở hầu hết các quốc gia, việc phá sản được áp dụng theo lệnh của tòa án, thường do các chủ nợ hoặc đại diện của họ đệ trình. Trong quá trình tố tụng phá sản, toàn bộ tài sản thuộc sở hữu của doanh nghiệp đều được định giá và thanh lý để thanh toán một phần hoặc toàn bộ nghĩa vụ nợ tồn đọng và các chi phí liên quan. Ở Việt Nam, Luật phá sản năm 2014 định nghĩa phá sản là “ tình trạng doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản ”.

Như vậy thuật ngữ phá sản được dùng để mô tả một công ty đang gặp khó khăn trong việc thanh toán các khoản nợ và khả năng cao sẽ chấm dứt việc kinh doanh theo quyết định của tòa án. Trong khi đó, không phải doanh nghiệp nào chậm thanh toán nợ cũng sẽ bị phá sản, mà họ có thể đàm phán với các chủ nợ để gia hạn nợ hoặc tái cơ cấu lại các khoản trả nợ. Để nhận diện rủi ro vỡ nợ, có hai phương pháp được sử dụng trong nghiên cứu, đó là phương pháp tiếp cận dựa trên dòng tiền và phương pháp tiếp cận dựa trên bảng cân đối kế toán.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Bài viết "Ứng dụng máy học trong quản trị rủi ro tín dụng ngân hàng" khám phá cách mà công nghệ máy học có thể cải thiện quy trình quản lý rủi ro tín dụng trong ngành ngân hàng. Tác giả trình bày các phương pháp phân tích dữ liệu lớn để dự đoán khả năng trả nợ của khách hàng, từ đó giúp ngân hàng đưa ra quyết định cho vay chính xác hơn. Những lợi ích mà bài viết mang lại cho độc giả bao gồm việc hiểu rõ hơn về cách thức hoạt động của máy học trong tài chính, cũng như những ứng dụng thực tiễn của nó trong việc giảm thiểu rủi ro và tối ưu hóa lợi nhuận.

Nếu bạn muốn tìm hiểu thêm về các khía cạnh khác của công nghệ tài chính, hãy tham khảo bài viết Nghiên cứu phát hiện gian lận trong giao dịch thẻ tín dụng dựa vào học sâu, nơi mà máy học cũng được áp dụng để phát hiện gian lận. Ngoài ra, bài viết Công nghệ ngân hàng hiện đại: Xu hướng và thách thức sẽ giúp bạn nắm bắt được những xu hướng công nghệ mới trong ngành ngân hàng. Cuối cùng, bạn có thể tham khảo Các yếu tố ảnh hưởng đến ý định sử dụng smart banking tại ngân hàng TMCP Quân Đội chi nhánh Vũng Tàu để hiểu rõ hơn về sự chuyển mình của ngân hàng trong kỷ nguyên số. Những liên kết này sẽ mở ra cho bạn nhiều góc nhìn và kiến thức bổ ích về công nghệ trong lĩnh vực tài chính.