Dự báo kiệt quệ tài chính các doanh nghiệp bất động sản và xây dựng trên thị trường chứng khoán Việt Nam: Ứng dụng Stacking Ensemble Learning với các chỉ số tài chính và quản trị doanh nghiệp

Abstract

Đề án được thực hiện nhằm ứng dụng phương pháp máy học Stacking Ensemble Learning (SEL) trong chủ đề dự đoán kiệt quệ tài chính (KQTC) ngành bất động sản (BĐS) và xây dựng tại Việt Nam. Mẫu dữ liệu gồm 54 công ty thuộc lĩnh vực BĐS và xây dựng niêm yết trên Sở giao dịch Chứng khoán Hồ Chí Minh (HOSE) và Sở giao dịch Chứng khoán Hà Nội (HNX) từ năm 2016 đến năm 2023. Để huấn luyện và dự báo kết quả phương pháp SEL, đề án sử dụng mô hình kernel SVM tuyến tính với các biến đặc trưng gồm 13 tỷ lệ tài chính và 9 chỉ số quản trị doanh nghiệp. Kết quả cho thấy các chỉ số quản trị doanh nghiệp có khả năng cải thiện mức độ chính xác trong dự báo KQTC so với khi chỉ sử dụng các tỷ lệ tài chính. Hơn nữa, phương pháp SEL cũng chứng minh rằng mô hình máy học hiện đại có hiệu suất vượt trội hơn mô hình hồi quy logistic truyền thống. Đáng chú ý, hiệu suất của phương pháp SEL được nâng cao rõ rệt khi kết hợp SVM với XGBoost làm base-learner, thay vì kết hợp SVM với hồi quy logistic. Cuối cùng, nhóm tỷ lệ thanh khoản và hiệu suất hoạt động, cùng với nhóm cấu trúc sở hữu doanh nghiệp được chứng minh có vai trò quan trọng trong quá trình dự báo khả năng KQTC ở doanh nghiệp BĐS và xây dựng