Received: 06-03-2018
Accepted: 21-08-2018
DOI:
Views
Downloads
How to Cite:
Application of Some Methods for Building Classification Functions in Early Warning of Default Risk for Vietnam Joint Stock Commercial Banks
,
Do Thi Nham
1
,
Ngoc Minh Chau
1
,
Le Van Ho
1
Keywords
Commercial banks, early warning, default risk, classification function
Abstract
In our study, we used statistical models based on multivariate linear discriminant analysis, logistic regression and SVM methods to construct bank classification functions for early risk warning for Vietnam joint stock commercial banks The models were built on attribute groups such as profitability, deficit indicators, asset management efficiency, asset quality, safety level, sustainable growth rate and liquidity. The study calculates the accuracy of the research models on both data sets and tests, in addition to the types of mistakes of type I, mistakes of type II that models suffer from.
References
Nguyễn Quang Dong (2009). Xếp hạng tín dụng các ngân hàng, các tổ chức tài chính Việt Nam bằng phương pháp phân tích khác biệt. Đề tài khoa học cấp bộ.
Đặng Huy Ngân (2015). Sử dụng kết hợp phân tích nhân tố và hồi qui Logistic để phân loại các ngân hàng thương mại cổ phần Việt Nam. Kỷ yếu hội thảo khoa học quốc gia “An ninh tài chính tiền tệ của Việt Nam trong bối cảnh hội nhập quốc tế” T7-2015.
Đặng Huy Ngân (2016). Xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các ngân hàng thương mại cổ phần Việt Nam. Tạp chí Kinh tế & Phát triển. Số đặc biệt, tr. 82-90.
Đặng Huy Ngân (2018). Xây dựng mô hình cảnh báo nguy cơ vỡ nợ cho các ngân hàng thương mại cổ phần Việt Nam. Luận án tiến sĩ Kinh tế học.
Lê Thanh Ngọc, Đặng Trí Dũng và Lê Nguyễn Minh Phương (2015). Mối quan hệ giữa tỉ lệ vốn tự có và rủi ro của ngân hàng thương mại. Tạp chí Phát triển & Hội nhập, 15(35): 54-61.
Nguyễn Nhật Quang (2012). Trí tuệ nhân tạo nâng cao. Viện Công nghệ thông tin và Truyền thông, Đại học Bách Khoa Hà Nội.
Võ Văn Tài, Đổng Yến Nghi (2016). Bài toán phân loại và ứng dụng trong y học. Tạp chí Khoa học, Đại học Cần Thơ, 42: 127-133.
Altman, Edward I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23: 589-609.
Barbro Back, Teija Laitinen, Kaisa Sere, Michiel van Wezel (1996). Choosing bankruptcy predictors using discriminant analysis, logit analysis and genetic algorithms. Turku Centre for Computer Science Technical Report No 40, September 1996.
LeCun, Y. (1986). Learning Process in an Asymmetric Threshold Network. Disordered systems and biological and organizations, LesHouches, France, Springer.
Nguyen Hoang Huy (2013). Multi-step linear discriminant Analysis and its applications. Ph.D. thesis. Greifswald University, p. 7.
Hastie, T. và Tibshirani, R., Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. Springer Verlag.
Jae H. Min, Young-ChanLee (2005). Bankruptcy prediction using support vector machine with optimal choice of Kernel function parameters. Expert Systems with Applications, 28: 603-614.
M.Adnan Aziz, Humayon (2006). Predicting corporate bankruptcy: where we stand? Corporate governance: The international journal of business in society, 6(1): 18-33.
Soo Y Kim (2011). Prediction of hotel bankruptcy using support vector machine, artificial neural network, logistic regression, and multivariate discriminant analysis. The Service Industries Journal, 31(3): 441-468.
Sergio Bacallado (2017). Data Mining and Analysis. Stanford University. http://web.stanford.edu/class/ stats202/content/lectures.html/lec9.pdf. Truy cập ngày 9/1/2018.
Valadimir Vapnik (1995). The nature of statistical learning theory. Springer-Verlag.