tailieunhanh - Luận văn Thạc sĩ Kinh tế: Ứng dụng lý thuyết tập hợp mềm để tối ưu hóa lựa chọn các tỷ số tài chính trong việc dự báo phá sản của doanh nghiệp

Đề tài nghiên cứu nhằm tìm kiếm, kế thừa những mô hình dự báo phá sản đã được phát triển trên thế giới trong thời gian qua để ứng dụng vào nghiên cứu thực tiễn dự báo sớm nguy cơ phá sản cho các DN Việt Nam nhằm chọn lọc các tỷ số tài chính có ý nghĩa nhất, ứng với mô hình phù hợp nhất trong việc dự báo phá sản của doanh nghiệp dựa trên lý thuyết tập hợp mềm. | BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH BÙI MINH HIẾU ỨNG DỤNG LÝ THUYẾT TẬP HỢP MỀM ĐỂ TỐI ƯU HÓA LỰA CHỌN CÁC TỶ SỐ TÀI CHÍNH TRONG VIỆC DỰ BÁO PHÁ SẢN CỦA DOANH NGHIỆP LUẬN VĂN THẠC SĨ KINH TẾ TP. HỒ CHÍ MINH NĂM 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH BÙI MINH HIẾU ỨNG DỤNG LÝ THUYẾT TẬP HỢP MỀM ĐỂ TỐI ƯU HÓA LỰA CHỌN CÁC TỶ SỐ TÀI CHÍNH TRONG VIỆC DỰ BÁO PHÁ SẢN CỦA DOANH NGHIỆP LUẬN VĂN THẠC SĨ KINH TẾ Chuyên ngành Tài chính Ngân hàng Mã số 60 34 02 01 Người hướng dẫn khoa học PGS. TS TRỊNH QUỐC TRUNG TP. HỒ CHÍ MINH NĂM 2016 TÓM TẮT ĐỀ TÀI Nghiên cứu được thực hiện nhằm tìm ra những tỷ số tài chính tối ưu đóng vai trò quan trọng trong dự báo phá sản dựa trên mẫu quan sát gồm 104 doanh nghiệp trong khoảng thời gian từ năm 2009 đến năm 2016 và được kiểm định bằng các mô hình khác nhau. Tác giả sử dụng ba phương pháp chọn lọc biến là phương pháp truyền thống Traditional Soft Set - TSS và phương pháp tiên tiến Novel Soft Set - NSS được xây dựng dựa trên nền tảng lý thuyết tập mềm Soft - Set kết hợp với cách chọn biến của Nguyễn Trọng Hòa. Dữ liệu sử dụng trong bài được phân tách thành tập hợp dữ liệu thử nghiệm Training data và tập hợp dữ liệu kiểm tra Testing data nhằm giúp cho việc dự báo chính xác hơn. Với mỗi bộ biến được lọc ra từ hai phương pháp trên bài nghiên cứu kiểm định tính chính xác trong việc dự báo phá sản của 3 mô hình bao gồm mô hình hồi quy Logistic LR mô hình kỹ thuật vectơ hỗ trợ Support Vector Machine - SVM và mô hình mạng thần kinh nhân tạo Neural Network - NN . Kết quả nghiên cứu cho thấy các mô hình sử dụng bộ lọc theo phương pháp tiên tiến Novel Soft Set NSS đều cho khả năng dự báo tốt với độ chính xác cao hơn so với các mô hình sử dụng bộ lọc theo phương pháp truyền thống Traditional Soft Set TSS và theo cách chọn biến của Nguyễn Trọng Hòa Phương pháp phân biệt multiple discriminant analysis đồng thời cũng cao hơn so với bộ biến