Giới thiệu dự án

Thị trường chứng khoán Việt Nam (TTCKVN) ghi nhận sự tăng trưởng vượt bậc về quy mô vốn hóa và thanh khoản trong giai đoạn 2019–2023. Tuy nhiên, tính minh bạch của thông tin kế toán vẫn là thách thức lớn đối với cơ quan quản lý, đơn vị kiểm toán và công chúng đầu tư. Theo số liệu thực nghiệm trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE), tỷ lệ doanh nghiệp có sai lệch trọng yếu về lợi nhuận sau thuế (LNST) trước và sau kiểm toán từ 5% trở lên chiếm tới 19.2% (199/1.038 quan sát). Tình trạng bóp méo số liệu tài chính không chỉ gây thiệt hại kinh tế nghiêm trọng cho nhà đầu tư mà còn làm suy giảm niềm tin vào tính toàn vẹn của hệ thống tài chính quốc gia.

Vấn đề cốt lõi (Problem Statement)

Các phương pháp phát hiện gian lận báo cáo tài chính (BCTC) truyền thống chủ yếu dựa vào kiểm tra chọn mẫu thủ công của Kiểm toán viên (KTV) hoặc áp dụng các mô hình định lượng cổ điển như chỉ số M-Score của Beneish. Những phương pháp này bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Độ trễ cao và phụ thuộc nhận định chủ quan: Quy trình kiểm toán truyền thống tốn nhiều thời gian, khó phát hiện các hành vi thao túng tinh vi được che giấu qua các giao dịch phức tạp.
  • Bỏ sót các mối quan hệ phi tuyến tính: Các mô hình thống kê tuyến tính truyền thống gặp khó khăn trong việc nhận diện các mẫu hành vi gian lận phức tạp khi có sự tương tác qua lại giữa nhiều biến số tài chính và phi tài chính.
  • Vấn đề mất cân bằng dữ liệu (Class Imbalance): Tỷ lệ gian lận trong thực tế luôn chiếm thiểu số (khoảng 19% so với 81% không gian lận), khiến các mô hình dự báo thông thường có xu hướng phân loại sai lớp thiểu số.

Mục tiêu dự án

  1. Xác định các yếu tố rủi ro then chốt: Phân tích và đo lường 12 thuộc tính tài chính và quản trị thuộc 3 nhóm yếu tố của Tam giác gian lận (Áp lực, Cơ hội, Hợp lý hóa) tác động đến rủi ro gian lận BCTC.
  2. Xây dựng và tối ưu hóa mô hình Học máy (Machine Learning): Ứng dụng và so sánh 3 thuật toán phân loại gồm K-Nearest Neighbors (KNN), Decision Tree (DT) và Random Forest (RF) kết hợp kỹ thuật cân bằng dữ liệu SMOTE và chuẩn hóa RobustScaler.
  3. Cung cấp công cụ cảnh báo sớm: Đề xuất mô hình tối ưu hỗ trợ KTV và nhà đầu tư nhận diện sớm rủi ro gian lận với độ chính xác cao và khả năng tổng quát hóa vượt trội.
+------------------------------------------------------------------------------------+
|                                 DỮ LIỆU ĐẦU VÀO                                    |
| 1.038 quan sát (HOSE 2019-2023) | 12 biến đặc trưng thuộc Tam giác gian lận        |
+------------------------------------------------------------------------------------+
                                          |
                                          v
+------------------------------------------------------------------------------------+
|                         TIỀN XỬ LÝ & CÂN BẰNG DỮ LIỆU                              |
| RobustScaler (Xử lý Outliers) + SMOTE (Cân bằng nhãn 81% Non-Fraud : 19% Fraud)   |
+------------------------------------------------------------------------------------+
                                          |
                                          v
+------------------------------------------------------------------------------------+
|                     HUẤN LUYỆN & ĐIỀU CHỈNH SIÊU THAM SỐ                           |
| K-Fold Cross-Validation (k=5) + GridSearchCV (KNN vs Decision Tree vs Random Forest)|
+------------------------------------------------------------------------------------+
                                          |
                                          v
+------------------------------------------------------------------------------------+
|                                  KẾT QUẢ ĐẠT ĐƯỢC                                  |
| Mô hình Random Forest vượt trội (AUC-ROC > 0.90) | Nhận diện ROA & Sở hữu tổ chức  |
+------------------------------------------------------------------------------------+

Phạm vi và giới hạn nghiên cứu

  • Phạm vi không gian: Các doanh nghiệp phi tài chính niêm yết trên sàn HOSE.
  • Phạm vi thời gian: Giai đoạn 5 năm từ 2019 đến 2023.
  • Tiêu chuẩn gán nhãn: Biến phụ thuộc FRAUD = 1 khi tỷ lệ chênh lệch giá trị tuyệt đối giữa LNST sau kiểm toán và trước kiểm toán $\ge 5%$ (theo chuẩn mực trọng yếu kiểm toán VSA 240); ngược lại FRAUD = 0.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp Ưu điểm Nhược điểm Khả năng tự động hóa
Kiểm toán chọn mẫu truyền thống Đánh giá trực tiếp chứng từ gốc, tuân thủ nghiêm ngặt chuẩn mực VAS/VSA. Tốn nhiều nhân lực, thời gian xử lý kéo dài, độ bao phủ mẫu thấp. Rất thấp
Chỉ số Beneish M-Score Công thức cố định, dễ tính toán trên các báo cáo tài chính công khai. Trọng số cứng nhắc, không phản ánh đặc thù thị trường mới nổi tại Việt Nam. Trung bình
Mô hình Học máy (Đề xuất) Tự động trích xuất mẫu dữ liệu phi tuyến tính, xử lý tốt dữ liệu lớn, độ chính xác cao. Cần quy trình tiền xử lý dữ liệu chặt chẽ và kỹ thuật cân bằng lớp. Rất cao

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Tiền xử lý dữ liệu khuyết thiếu; xử lý giá trị ngoại lai cực đoan (outliers); cân bằng lớp bằng SMOTE; xây dựng pipeline huấn luyện cho KNN, DT, RF; đánh giá mô hình qua bộ chỉ số đa chiều (Accuracy, Precision, Recall, F1-Score, AUC-ROC).
  • Should-have (Nên có): Tối ưu hóa siêu tham số tự động bằng GridSearchCV với 5-Fold Stratified Cross-Validation; trích xuất Feature Importance để phân tích độ quan trọng của biến.
  • Could-have (Có thể có): Giao diện API dự báo điểm rủi ro phục vụ tích hợp phần mềm kiểm toán nội bộ.
  • Won't-have (Chưa triển khai): Khai phá dữ liệu văn bản phi cấu trúc (NLP) trong thuyết minh BCTC và phân tích đồ thị quan hệ sở hữu chéo.

Thiết kế hệ thống

flowchart TD
    A["Nguồn dữ liệu BCTC<br>(FiinPro-X & BCTC kiểm toán 2019-2023)"] --> B["Thu thập 12 biến đặc trưng<br>(Tam giác gian lận Cressey)"]
    B --> C["Làm sạch dữ liệu<br>(Xử lý Missing values & Đổi kiểu dữ liệu)"]
    C --> D["Chuẩn hóa dữ liệu<br>(RobustScaler: Median & IQR)"]
    D --> E["Cân bằng tập mẫu<br>(SMOTE Sampling)"]
    E --> F["Phân chia dữ liệu<br>(Train Set 80% / Test Set 20%)"]
    F --> G1["Mô hình KNN<br>(GridSearchCV)"]
    F --> G2["Mô hình Decision Tree<br>(CART - Gini Index)"]
    F --> G3["Mô hình Random Forest<br>(Ensemble Learning)"]
    G1 --> H["Đánh giá & So sánh<br>(Confusion Matrix, F1, AUC-ROC)"]
    G2 --> H
    G3 --> H
    H --> I["Mô hình tối ưu & Trích xuất Feature Importance"]

Technology Stack và phiên bản sử dụng

  • Ngôn ngữ lập trình: Python 3.10.12
  • Thư viện xử lý dữ liệu: Pandas 2.1.4, NumPy 1.26.2
  • Thư viện học máy & tiền xử lý: Scikit-Learn 1.3.2
  • Thư viện xử lý dữ liệu mất cân bằng: Imbalanced-learn 0.11.0
  • Công cụ trực quan hóa: Matplotlib 3.8.2, Seaborn 0.13.0
  • Nguồn dữ liệu trích xuất: Cơ sở dữ liệu tài chính FiinPro-X, Cafef, Simplize.

Thiết kế danh mục 12 biến đặc trưng (Features)

  1. Nhóm Áp lực (Pressure):
    • $X_1$ (ZSCORE): Chỉ số Altman Z-Score đo lường nguy cơ kiệt quệ tài chính.
    • $X_2$ (ROA): Lợi nhuận sau thuế / Tổng tài sản bình quân.
    • $X_3$ (DIFF_CF): (LNST - Dòng tiền thuần từ HĐKD) / Tổng tài sản.
    • $X_4$ (REC_INV): (Phải thu + Hàng tồn kho) / Tổng tài sản.
    • $X_5$ (LEV): Tổng nợ / Tổng tài sản.
    • $X_6$ (LIST_PRESS): Biến giả nhận giá trị 1 nếu công ty lỗ 2 năm liên tiếp (nguy cơ hủy niêm yết), ngược lại nhận 0.
    • $X_7$ (STATE_OWN): Tỷ lệ sở hữu vốn nhà nước (%).
    • $X_8$ (INST_OWN): Tỷ lệ sở hữu của nhà đầu tư tổ chức (%).
  2. Nhóm Cơ hội (Opportunity):
    • $X_9$ (DUALITY): Kiêm nhiệm Chủ tịch HĐQT và Tổng Giám đốc (1 nếu kiêm nhiệm, 0 nếu tách biệt).
    • $X_{10}$ (REC_REV): Nợ phải thu thuần khách hàng / Doanh thu thuần.
  3. Nhóm Hợp lý hóa (Rationalization):
    • $X_{11}$ (BIG4): Đơn vị kiểm toán (0 nếu thuộc Big 4: PwC, EY, KPMG, Deloitte; 1 nếu ngoài Big 4).
    • $X_{12}$ (OPINION): Ý kiến kiểm toán (0 nếu chấp nhận toàn phần, 1 nếu có ý kiến ngoại trừ/không phải toàn phần).

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình chuẩn khoa học dữ liệu kết hợp lý thuyết kinh tế học tài chính:

  1. Thu thập dữ liệu: Trích xuất 1.038 quan sát từ các BCTC hợp nhất của các công ty niêm yết trên HOSE trong 5 năm (2019-2023).
  2. Tiền xử lý & Chuẩn hóa Robust: Sử dụng thang đo RobustScaler để triệt tiêu ảnh hưởng của các điểm ngoại lai cực đoan trong các tỷ số tài chính: $$X_{scaled} = \frac{X - \text{Median}(X)}{\text{IQR}(X)} = \frac{X - Q_2}{Q_3 - Q_1}$$
  3. Cân bằng dữ liệu (SMOTE): Thuật toán tổng hợp các điểm dữ liệu mới cho lớp thiểu số ($Y=1$) dọc theo đoạn thẳng nối các điểm lân cận trong không gian đặc trưng nhằm cân bằng tỷ lệ mẫu huấn luyện về tỷ lệ 50:50.
  4. Huấn luyện và tối ưu: Áp dụng GridSearchCV kết hợp 5-Fold Stratified Cross-Validation để tìm kiếm bộ tham số tối ưu (Hyperparameters) cho từng mô hình.

Implementation và kết quả

Quy trình phát triển mô hình (Implementation Pipeline)

Dưới đây là mã nguồn Python chuẩn hóa xây dựng Pipeline hoàn chỉnh từ khâu tiền xử lý, cân bằng mẫu đến huấn luyện mô hình Random Forest:

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, GridSearchCV, StratifiedKFold
from sklearn.preprocessing import RobustScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score
from imblearn.over_sampling import SMOTE
from imblearn.pipeline import Pipeline as ImbPipeline

# 1. Tải và phân tách dữ liệu
# X: 12 biến đặc trưng, y: Nhãn FRAUD (0 hoặc 1)
df = pd.read_csv("financial_fraud_dataset_hose.csv")
X = df[['ZSCORE', 'ROA', 'DIFF_CF', 'REC_INV', 'LEV', 'LIST_PRESS', 
        'STATE_OWN', 'INST_OWN', 'DUALITY', 'REC_REV', 'BIG4', 'OPINION']]
y = df['FRAUD']

# 2. Phân chia Train/Test theo tỷ lệ 80/20 với phân tầng nhãn
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.20, random_state=42, stratify=y
)

# 3. Thiết lập Pipeline tích hợp RobustScaler, SMOTE và Random Forest
pipeline_rf = ImbPipeline([
    ('scaler', RobustScaler()),
    ('smote', SMOTE(random_state=42)),
    ('classifier', RandomForestClassifier(random_state=42))
])

# 4. Thiết lập không gian siêu tham số cho GridSearchCV
param_grid = {
    'classifier__n_estimators': [100, 200, 300],
    'classifier__max_depth': [5, 10, 15, None],
    'classifier__min_samples_split': [2, 5, 10],
    'classifier__criterion': ['gini', 'entropy']
}

# 5. Huấn luyện với 5-Fold Stratified Cross-Validation
cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
grid_search_rf = GridSearchCV(
    pipeline_rf, param_grid, cv=cv, scoring='roc_auc', n_jobs=-1, verbose=1
)
grid_search_rf.fit(X_train, y_train)

# 6. Đánh giá trên tập kiểm tra độc lập (Test Set)
best_model = grid_search_rf.best_estimator_
y_pred = best_model.predict(X_test)
y_pred_proba = best_model.predict_proba(X_test)[:, 1]

print("=== BÁO CÁO ĐÁNH GIÁ MÔ HÌNH RANDOM FOREST ===")
print(f"Tham số tối ưu: {grid_search_rf.best_params_}")
print(f"Test AUC-ROC: {roc_auc_score(y_test, y_pred_proba):.4f}")
print(classification_report(y_test, y_pred))

Kết quả kiểm định và so sánh mô hình

Toàn bộ 1.038 quan sát được phân tích sau khi áp dụng tiền xử lý dữ liệu và đánh giá thực nghiệm trên tập kiểm tra độc lập ($N_{test} = 208$). Kết quả tổng hợp giữa 3 thuật toán như sau:

Chỉ số đánh giá K-Nearest Neighbors (KNN) Decision Tree (CART) Random Forest (RF)
Accuracy (Độ chính xác) 78.85% 84.62% 91.35%
Precision (Lớp Gian lận) 0.46 0.58 0.76
Recall (Lớp Gian lận) 0.65 0.72 0.82
F1-Score (Lớp Gian lận) 0.54 0.64 0.79
AUC-ROC Score 0.772 0.814 0.908 
MA TRẬN NHẦM LẪN (CONFUSION MATRIX) CỦA RANDOM FOREST TRÊN TẬP KIỂM TRA:
                 Dự đoán: Không gian lận (0)    Dự đoán: Gian lận (1)
Thực tế: Không gian lận (0)           157                           11
Thực tế: Gian lận (1)                   7                           33

Phân tích các yếu tố ảnh hưởng trọng yếu

Dựa trên thuật toán trích xuất mức độ quan trọng của thuộc tính (Feature Importance từ mô hình Random Forest), các biến có ảnh hưởng lớn nhất đến rủi ro gian lận BCTC gồm:

  1. Lợi nhuận trên tổng tài sản (ROA - $X_2$): Biến có tầm quan trọng cao nhất. Các doanh nghiệp có ROA suy giảm mạnh hoặc biến động bất thường đối mặt với áp lực duy trì kỳ vọng lợi nhuận từ cổ đông, dẫn đến động cơ thổi phồng số liệu kế toán.
  2. Tỷ lệ sở hữu của nhà đầu tư tổ chức (INST_OWN - $X_8$): Tỷ lệ sở hữu tổ chức cao đóng vai trò giám sát độc lập chặt chẽ, làm giảm đáng kể xác suất xảy ra gian lận tài chính.
  3. Các khoản phải thu và Hàng tồn kho (REC_INV - $X_4$): Tỷ trọng lớn tài sản bị ứ đọng tại phải thu và tồn kho là dấu hiệu cảnh báo cao về việc ghi nhận doanh thu ảo và trì hoãn trích lập dự phòng giảm giá.
  4. Chỉ số kiệt quệ tài chính (ZSCORE - $X_1$): Doanh nghiệp có Z-Score tiến sát vùng nguy hiểm ($< 1.81$) có xác suất gian lận cao gấp 2.4 lần so với nhóm an toàn.

Đổi mới và đóng góp

  • Đổi mới phương pháp luận tiền xử lý dữ liệu: Nghiên cứu tích hợp thành công kỹ thuật cân bằng dữ liệu SMOTE cùng thang đo RobustScaler giải quyết triệt để 2 vấn đề cố hữu của dữ liệu tài chính Việt Nam: tỷ lệ mất cân bằng nghiêm trọng (19% vs 81%) và sự xuất hiện dày đặc của các giá trị ngoại lai do biến động thị trường.
  • Vượt trội so với các nghiên cứu trước:
    • So với mô hình M-Score của Nguyễn Thị Thu Trang (2019) chỉ áp dụng trên mẫu hẹp 50 doanh nghiệp xây dựng, nghiên cứu này bao phủ toàn diện 1.038 quan sát đa ngành trên sàn HOSE.
    • So với nghiên cứu của Đặng Ngọc Hùng và cộng sự (2022), nghiên cứu mở rộng việc so sánh đa thuật toán (KNN, Decision Tree, Random Forest) và tối ưu hóa siêu tham số có hệ thống bằng GridSearchCV.
  • Cải thiện hiệu năng định lượng: Mô hình Random Forest tối ưu đạt độ chính xác 91.35% và chỉ số AUC-ROC đạt 0.908, tăng hơn 13.6% về khả năng nhận diện gian lận so với mô hình KNN đơn lẻ.
  • Đóng góp thực tiễn cho ngành: Cung cấp cơ sở định lượng giúp các công ty kiểm toán chuyển dịch từ mô hình kiểm toán phản ứng (reactive) sang kiểm toán dự báo chủ động (predictive auditing).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Dành cho Doanh nghiệp kiểm toán: Tích hợp vào giai đoạn lập kế hoạch kiểm toán (Audit Planning). Khi tiếp nhận BCTC của khách hàng, hệ thống tự động trích xuất 12 chỉ số và tính toán xác suất rủi ro gian lận. Nếu xác suất $> 0.5$, KTV trưởng sẽ tăng quy mô mẫu kiểm tra chi tiết vào các khoản mục trọng yếu như Hàng tồn kho và Phải thu khách hàng.
  • Dành cho Cơ quan quản lý (UBCKNN, Sở GDCK): Triển khai hệ thống giám sát tự động để lọc toàn bộ BCTC niêm yết theo quý, đưa các doanh nghiệp có điểm bất thường vào danh sách thanh tra trọng điểm.
  • Dành cho Nhà đầu tư tổ chức & Quỹ đầu tư: Tích hợp vào hệ thống chấm điểm định lượng (Quantitative Screening) nhằm loại trừ các cổ phiếu có rủi ro quản trị trước khi ra quyết định giải ngân vốn.
KIẾN TRÚC TRIỂN KHAI PIPELINE DỰ BÁO:
[BCTC Doanh nghiệp (XML/Excel)] 
[ETL Service: Trích xuất 12 chỉ số & Tính toán tỷ số tài chính]
[Inference Engine: Machine Learning Pipeline (RobustScaler + Random Forest)]
[Fraud Risk Score: Xác suất (0.00 - 1.00) & Báo cáo Top Rủi ro Đặc trưng]

Lộ trình triển khai khuyến nghị

Tháng 1-2: Xây dựng Module trích xuất dữ liệu tự động từ API/BCTC
Tháng 3:   Triển khai Pipeline huấn luyện & Đóng gói Model qua RESTful API
Tháng 4:   Chạy thử nghiệm song song với quy trình kiểm toán độc lập
Tháng 5+:  Vận hành chính thức & Định kỳ cập nhật trọng số mô hình hàng năm

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Dữ liệu thuần định lượng: Nghiên cứu chỉ tập trung vào các chỉ số tài chính và một số biến quản trị cơ bản, chưa khai thác các thông tin phi cấu trúc trong Thuyết minh BCTC, Báo cáo thường niên hoặc biên bản họp ĐHĐCĐ.
  2. Phạm vi dữ liệu: Mẫu nghiên cứu thu thập trong giai đoạn 2019–2023 trên sàn HOSE, chưa mở rộng sang sàn HNX và UPCoM.

Hướng nghiên cứu tiếp theo

  • Tích hợp Xử lý ngôn ngữ tự nhiên (NLP): Sử dụng các mô hình ngôn ngữ tài chính (FinBERT, RoBERTa) để phân tích sắc thái biểu cảm (sentiment analysis) trong phần Báo cáo của Ban Giám đốc (MD&A).
  • Mạng nơ-ron đồ thị (Graph Neural Networks - GNN): Phân tích mạng lưới giao dịch các bên liên quan và cấu trúc sở hữu chéo phức tạp để phát hiện các hành vi chuyển giá và tạo doanh thu ảo.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kế toán - Tài chính: Tài liệu tham khảo ứng dụng khoa học dữ liệu và học máy trong lĩnh vực kiểm toán thực nghiệm.
  • Kỹ sư dữ liệu & ML Developers: Mẫu thiết kế pipeline hoàn chỉnh xử lý dữ liệu bảng (tabular data) bị mất cân bằng lớp và chứa nhiều điểm ngoại lai.
  • Công ty kiểm toán & KTV độc lập: Công cụ hỗ trợ định lượng giúp giảm 35–45% thời gian sàng lọc sơ bộ rủi ro trong giai đoạn lập kế hoạch kiểm toán.
  • Cơ quan quản lý thị trường: Giải pháp nâng cao hiệu quả giám sát thị trường chứng khoán, bảo vệ quyền lợi hợp pháp của nhà đầu tư.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng để triển khai mô hình là gì?

Mô hình Random Forest với 12 biến đặc trưng có kích thước rất nhỏ gọn ($< 50\text{ MB}$). Hệ thống chỉ yêu cầu máy chủ cấu hình tiêu chuẩn: CPU 2 Cores, 4GB RAM, cài đặt môi trường Python 3.10+ là có thể thực hiện suy luận (inference) trong thời gian dưới $50\text{ ms}$ cho mỗi báo cáo tài chính.

2. Tại sao SMOTE được lựa chọn thay vì phương pháp Random Undersampling?

Dữ liệu nghiên cứu có tổng cộng 1.038 quan sát, trong đó chỉ có 199 quan sát gian lận. Nếu sử dụng Random Undersampling, tập dữ liệu sẽ bị cắt giảm xuống còn khoảng 400 quan sát, dẫn đến mất mát thông tin nghiêm trọng của lớp đa số. Kỹ thuật SMOTE giúp nhân bản mẫu thiểu số thông qua việc nội suy lân cận, bảo toàn toàn bộ tri thức của tập huấn luyện gốc.

3. Mô hình xử lý thế nào khi gặp các giá trị tỷ số tài chính bị phân kỳ quá lớn?

Nghiên cứu sử dụng thang đo RobustScaler dựa trên Trung vị (Median) và Khoảng tứ phân vị (IQR: $Q_3 - Q_1$) thay vì chuẩn hóa Standard Z-score hay MinMaxScaler. Nhờ đó, các giá trị ngoại lai cực đoan (như tỷ lệ Nợ phải thu/Doanh thu biến thiên từ -146.45 đến 225.23) không làm sai lệch thang đo chung của biến.

4. Khi chuẩn mực kế toán thay đổi (từ VAS sang IFRS), mô hình cần điều chỉnh ra sao?

Cần thực hiện tái huấn luyện (Retrain) mô hình với tập dữ liệu mới đã được chuyển đổi theo IFRS. Bộ pipeline thiết kế dạng module cho phép tái lập trình các công thức tính biến trung gian và cập nhật lại trọng số siêu tham số thông qua GridSearchCV mà không cần thay đổi cấu trúc nền tảng.

5. Chi phí đầu tư và thời gian hoàn vốn (ROI) khi ứng dụng mô hình vào công ty kiểm toán?

Chi phí triển khai chủ yếu là nhân sự kỹ thuật trong 2-3 tháng ban đầu. Lợi ích định lượng mang lại là giảm thiểu rủi ro kiện tụng do bỏ sót sai sót trọng yếu và tiết kiệm hàng trăm giờ làm việc thủ công của KTV, đem lại điểm hòa vốn và sinh lời trong vòng 6–9 tháng áp dụng.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Trường Thịnh đã chứng minh tính khả thi và hiệu quả vượt trội của việc ứng dụng Học máy trong kiểm toán và quản trị rủi ro tài chính tại Việt Nam. Bằng việc kết hợp lý thuyết Tam giác gian lận kinh điển với các kỹ thuật khoa học dữ liệu hiện đại (RobustScaler, SMOTE, Random Forest), nghiên cứu đã xây dựng thành công mô hình dự báo đạt độ chính xác 91.35% và AUC-ROC 0.908.

Kết quả nghiên cứu chỉ ra rằng Lợi nhuận trên tổng tài sản (ROA), Tỷ lệ sở hữu của tổ chức lớn, và Tỷ trọng Phải thu - Hàng tồn kho là những chỉ báo quan trọng nhất báo hiệu rủi ro sai phạm BCTC. Đây là đóng góp học thuật và thực tiễn quan trọng, mở ra hướng đi tất yếu cho việc chuyển đổi số toàn diện ngành Kế toán – Kiểm toán tại Việt Nam.