Luận văn Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam

Chuyên mục chia sẻ các đề tài luận văn thạc sĩ tài chính ngân hàng Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam cho các bạn học viên đang làm luận văn tham khảo. Với những học viên chuẩn bị làm bài luận văn thạc sĩ với sự chia sẻ của chuyên mục chia sẻ luận văn với đề tài: Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

==> Dịch Vụ Viết luận văn thạc sĩ tài chính ngân hàng – Bảng giá 2026

Trong bối cảnh hệ thống ngân hàng đóng vai trò then chốt trong nền kinh tế, việc kiểm soát và dự báo rủi ro thanh khoản trở thành yếu tố sống còn nhằm đảm bảo sự ổn định tài chính. Đề tài “Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam” tập trung khai thác tiềm năng của dữ liệu lớn (Big Data) trong việc thu thập, xử lý và phân tích các chỉ số tài chính và kinh tế có liên quan đến thanh khoản ngân hàng. Nghiên cứu sử dụng tập dữ liệu vĩ mô và vi mô của các ngân hàng thương mại Việt Nam giai đoạn 2020 –2024, được thu thập từ các nguồn chính thức như World Bank và VNStock.

Thông qua các kỹ thuật phân tích thống kê, hồi quy tuyến tính và mô hình tương quan, nghiên cứu đã xác định được nhóm biến có mức độ liên hệ chặt chẽ nhất với chỉ số rủi ro thanh khoản (Liquidity On Liability). Kết quả cho thấy các chỉ tiêu như Loan On Earn Asset, Loan On Asset và Equity On Loan có hệ số tương quan mạnh và ý nghĩa thống kê cao. Mô hình hồi quy tuyến tính được xây dựng từ các biến này giúp dự báo xu hướng biến động của rủi ro thanh khoản trong ngắn và trung hạn.

Kết quả nghiên cứu không chỉ cung cấp bằng chứng thực nghiệm cho vai trò của dữ liệu lớn trong quản trị rủi ro ngân hàng mà còn gợi mở định hướng ứng dụng công nghệ phân tích dữ liệu vào hoạch định chính sách và quản trị nội bộ của các tổ chức tín dụng tại Việt Nam.

1.1  Đặt vấn đề

Trong bối cảnh nền kinh tế toàn cầu và Việt Nam ngày càng có nhiều biến động phức tạp và khó dự đoán, vấn đề rủi ro thanh khoản đã trở thành một trong những mối quan tâm hàng đầu đối với hệ thống ngân hàng. Rủi ro thanh khoản xảy ra khi ngân hàng không đủ khả năng đáp ứng kịp thời các nghĩa vụ tài chính đến hạn, dẫn tới gián đoạn hoạt động kinh doanh, buộc ngân hàng phải huy động vốn khẩn cấp với chi phí cao, làm gia tăng áp lực tài chính, ảnh hưởng nghiêm trọng tới uy tín và sự ổn định của ngân hàng. Các sự kiện sụp đổ ngân hàng trên thế giới gần đây càng nhấn mạnh tầm quan trọng của công tác giám sát, cảnh báo sớm và dự báo rủi ro thanh khoản.

Trong khi đó, cùng với sự phát triển mạnh mẽ của công nghệ, dữ liệu lớn (Big Data) đang trở thành công cụ không thể thiếu trong lĩnh vực tài chính – ngân hàng. Big Data với đặc trưng 5V (volume, velocity, variety, veracity, value) cho phép khai thác các tín hiệu tiềm ẩn, giúp nhận diện sớm rủi ro, từ đó hỗ trợ ra quyết định nhanh chóng và chính xác hơn. Tuy nhiên, tại Việt Nam, phần lớn các ngân hàng thương mại vẫn chủ yếu dựa trên các chỉ tiêu tài chính truyền thống, chưa khai thác hiệu quả các nguồn dữ liệu phi cấu trúc như tin tức, mạng xã hội hay hành vi khách hàng để phục vụ công tác dự báo và quản trị rủi ro thanh khoản. Việc tích hợp công nghệ dữ liệu lớn vào giám sát và dự báo rủi ro thanh khoản hiện vẫn còn ở giai đoạn sơ khai.

Xuất phát từ thực tiễn nêu trên, việc nghiên cứu “Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam” là cần thiết, nhằm góp phần nâng cao hiệu quả quản trị rủi ro, đồng thời đảm bảo an toàn và phát triển bền vững cho hệ thống ngân hàng trong bối cảnh chuyển đổi số sâu rộng.

1.2  Lý do chọn đề tài

Trong bối cảnh nền kinh tế có những chuyển biến nhanh và không thể dự đoán được trước rủi ro thanh thanh khoản là một trong những mối đe dọa lớn nhất đối với sự an toàn và ổn định của hệ thống ngân hàng. Rủi ro thanh khoản xảy ra khi ngân hàng không thể kịp thời đáp ứng được các khoản nghĩa vụ tài chính đến hạn dẫn đến gián đoạn hoạt động kinh doanh thông thường và buộc ngân hàng phải huy động vốn trong thời gian ngắn hạn với chi phí cao, từ đó làm gia tăng áp lực tài chính, ảnh hưởng đến khả năng duy trì sự ổn định của hệ thống và làm giảm đi mức độ uy tín của ngân hàng. Từ các sự kiện sụp đổ của các ngân hàng trên toàn thế giới hiện nay đang cho thấy tầm quan trọng của việc theo dõi, giám sát và dự báo về các rủi ro thanh khoản.

Bên cạnh sự chuyển biến phức tạp của nền kinh tế như hiện tại thì song song với đó cũng là sự phát triển mạnh mẽ của công nghệ, các công cụ số hiện đại và một trong số đó có thể kể đến chính là: Dữ liệu lớn (Big Data) đang tạo ra những cơ hội đột phá cho lĩnh vực ngân hàng trong việc nâng cao hiệu quả quản trị rủi ro, đặc biệt nhờ khả năng xử lý và phân tích khối lượng dữ liệu khổng lồ theo thời gian thực. Theo Gartner (2011), Big Data được đặc trưng bởi 5V: khối lượng lớn (volume), tốc độ cao (velocity), đa dạng (variety), độ tin cậy (veracity) và giá trị (value). Với các đặc điểm này, Big Data cho phép ngân hàng phát hiện sớm các tín hiệu bất thường, nâng cao khả năng cảnh báo rủi ro và hỗ trợ ra quyết định một cách nhanh chóng và chính xác hơn (Oloto, 2023; Dataversity.net, 2025).

Mặc dù đã có những tiến bộ nhất định trong việc áp dụng công nghệ phân tích dữ liệu, hiện nay phần lớn các ngân hàng vẫn chủ yếu dựa vào các chỉ số tài chính truyền thống vốn mang tính chất phản ánh quá khứ và có độ trễ cao. Các nguồn dữ liệu phi cấu trúc như tin tức, mạng xã hội, dữ liệu hành vi khách hàng – vốn có tiềm năng lớn trong việc phát hiện rủi ro sớm – vẫn chưa được khai thác hiệu quả (Oloto, 2023; McCaul, 2023; Dataversity.net, 2025). Một phần nguyên nhân đến từ hạn chế trong hạ tầng công nghệ, khả năng xử lý dữ liệu lớn và thiếu hụt nhân lực phân tích chuyên sâu trong lĩnh vực ngân hàng (Lý Diệu Hoa & Trương Thiên Minh, 2021). Tại Việt Nam, mặc dù nhiều ngân hàng đã bước đầu ứng dụng các công cụ phân tích dữ liệu trong quản trị rủi ro, tuy nhiên việc tích hợp công nghệ Big Data vào theo dõi và dự báo rủi ro thanh khoản vẫn còn ở giai đoạn sơ khai.

Trên cơ sở những thách thức thực tiễn trong công tác quản trị thanh khoản tại các ngân hàng thương mại Việt Nam, nghiên cứu này tập trung vào việc ứng dụng Dữ liệu lớn trong việc theo dõi và dự báo rủi ro thanh khoản. Qua đó, nghiên cứu kỳ vọng đóng góp vào việc nâng cao hiệu quả quản trị rủi ro, đồng thời tăng cường khả năng ứng phó và đảm bảo an toàn cho hệ thống ngân hàng trong bối cảnh biến động phức tạp hiện nay.

1.3.  Mục tiêu nghiên cứu

1.3.1.  Mục tiêu tổng quát

Mục tiêu tổng quát của luận văn là nghiên cứu ứng dụng dữ liệu lớn vào việc theo dõi và dự đoán rủi ro thanh khoản tại các ngân hàng thương mại Việt Nam. Trên cơ sở đó, đề xuất các hàm ý quản trị giúp giảm thiểu các rủi ro thanh khoản có thể xảy đến đối với hệ thống ngân hàng tại Việt Nam.

1.3.2.  Mục tiêu cụ thể

Để đạt được mục tiêu tổng quát, nghiên cứu có các mục tiêu cụ thể như sau:

Thứ nhất: Xây dựng bộ chỉ tiêu dữ liệu lớn kết hợp giữa thông tin vi mô (nội tại ngân hàng) và các yếu tố vĩ mô (kinh tế – thị trường) có ảnh hưởng đến tình hình thanh khoản của ngân hàng thương mại trong giai đoạn 2020 – 2024.

Thứ hai: Khám phá và đánh giá mối liên hệ giữa các biến số tài chính – kinh tế và mức độ rủi ro thanh khoản, từ đó nhận diện nhóm chỉ số có tác động rõ rệt và mang tính cảnh báo sớm.

Thứ ba: Ứng dụng mô hình phân tích định lượng, bao gồm phân tích tương quan và hồi quy tuyến tính, nhằm kiểm định mức độ ảnh hưởng của từng biến giải thích đối với chỉ số rủi ro thanh khoản trong bối cảnh ngân hàng Việt Nam.

Thứ tư: Đề xuất hàm ý quản trị, trên cơ sở kết quả phân tích, giúp ngân hàng có thêm công cụ để giám sát rủi ro thanh khoản và hỗ trợ cơ quan quản lý có cái nhìn toàn diện hơn về xu hướng thanh khoản trong hệ thống tín dụng.

1.4.  Câu hỏi nghiên cứu

Để đạt được mục tiêu nghiên cứu cụ thể, tác giả trả lời các câu hỏi nghiên cứu

sau:

Thứ nhất: Những chỉ tiêu dữ liệu vi mô và vĩ mô nào phản ánh đầy đủ và có ý nghĩa trong việc đánh giá rủi ro thanh khoản của các ngân hàng thương mại Việt Nam giai đoạn 2020–2024?

Thứ hai: Mối quan hệ giữa các biến số tài chính – kinh tế và rủi ro thanh khoản của ngân hàng được thể hiện như thế nào? Các chỉ tiêu nào có tác động đáng kể và mang tính cảnh báo sớm?

Thứ ba: Kết quả phân tích tương quan và hồi quy tuyến tính cho thấy mức độ ảnh hưởng của từng biến giải thích đến rủi ro thanh khoản ra sao? Các tác động này có ý nghĩa thống kê không?

Thứ tư: Từ bằng chứng thực nghiệm, những hàm ý quản trị nào có thể đề xuất cho ngân hàng thương mại và cơ quan giám sát nhằm nâng cao khả năng nhận diện, kiểm soát và dự báo rủi ro thanh khoản?

• Đối tượng và phạm vi nghiên cứu

1.5.1.  Đối tượng nghiên cứu

– Đối tượng nghiên cứu của đề tài là rủi ro thanh khoản trong hoạt động của các ngân hàng thương mại Việt Nam, được phản ánh thông qua chỉ số Liquidity On Liability – Tỷ lệ giữa tài sản thanh khoản và tổng nợ phải trả. Bên cạnh đó, nghiên cứu cũng quan tâm đến các yếu tố tác động đến rủi ro này, bao gồm nhóm chỉ tiêu tài chính vi mô (như cơ cấu vốn, hiệu quả sử dụng tài sản, chi phí tài chính…) và một số biến vĩ mô có thể đo lường được (như tăng trưởng GDP, lãi suất, dòng vốn FDI…).

1.5.2.  Phạm vi nghiên cứu:

+ Về mặt không gian: Nghiên cứu tập trung vào các ngân hàng thương mại đang hoạt động tại Việt Nam, bao gồm cả ngân hàng có vốn nhà nước, cổ phần và ngân hàng có vốn nước ngoài, trong giới hạn dữ liệu có thể thu thập được từ các nguồn công khai.

+ Về mặt Thời gian: Dữ liệu được thu thập trong giai đoạn từ năm 2020 đến năm 2024, đây là khoảng thời gian đủ dài để quan sát xu hướng biến động của rủi ro thanh khoản và đánh giá tác động của các biến số trong điều kiện kinh tế nhiều thay đổi.

1.6.  Phương pháp nghiên cứu

Đề tài sử dụng các phương pháp định lượng như phân tích tương quan và hồi quy tuyến tính để xác định các yếu tố có ảnh hưởng đáng kể đến rủi ro thanh khoản. Nghiên cứu không đi sâu vào phân tích định tính hay đánh giá các yếu tố hành vi, chính sách cụ thể của từng ngân hàng.

1.6.1.  Thu thập và xử lý dữ liệu

Dữ liệu được thu thập từ hai nhóm nguồn chính:

Dữ liệu vi mô: Bao gồm các chỉ số tài chính từ báo cáo thường niên của các ngân hàng thương mại Việt Nam, được tổng hợp và xử lý thông qua công cụ Python sử dụng thư viện vnstock. Các chỉ tiêu tiêu biểu gồm: tỷ lệ cho vay trên tài sản sinh lời, vốn chủ sở hữu trên tổng tài sản, chi phí huy động vốn, thu nhập phi lãi, v.v.

Dữ liệu vĩ mô: Được lấy từ Cơ sở dữ liệu của Ngân hàng Thế giới (World Bank), gồm các biến như tăng trưởng GDP, lạm phát, tỷ lệ tín dụng tư nhân/GDP, dự trữ ngoại hối, v.v.

Sau khi thu thập, dữ liệu được chuẩn hóa, làm sạch và xử lý thiếu hụt bằng các phương pháp như loại bỏ dòng lỗi, nội suy tuyến tính và kiểm tra lại định dạng thời gian.

1.6.2.  Phân tích thống kê mô tả và kiểm định

Trước khi tiến hành mô hình hóa, nghiên cứu sử dụng các công cụ thống kê mô tả nhằm Đánh giá phân bố, độ lệch chuẩn và xu hướng biến động của các biến số và Kiểm tra sơ bộ mối liên hệ giữa các biến bằng ma trận tương quan.

1.6.3.  Xây dựng mô hình hồi quy tuyến tính

Dựa trên kết quả tương quan, nhóm 10 biến có mối liên hệ chặt chẽ nhất với biến phụ thuộc Liquidity On Liability được lựa chọn để xây dựng mô hình hồi quy tuyến tính bội. Mục tiêu là kiểm định mức độ ảnh hưởng và ý nghĩa thống kê của từng biến giải thích đối với rủi ro thanh khoản.

Công thức mô hình tổng quát:

Trong đó:

Xj: các biến độc lập (biến giải thích), Βj : hệ số hồi quy,

εi : sai số ngẫu nhiên

1.6.4.  Công cụ hỗ trợ

Toàn bộ quá trình được thực hiện bằng ngôn ngữ lập trình Python, sử dụng các thư viện pandas, statsmodels, seaborn, matplotlib để phân tích và trực quan hóa dữ liệu.

1.7.  Ý nghĩa của nghiên cứu

Đóng góp về mặt lý thuyết: Về mặt lý luận, nghiên cứu này bổ sung cơ sở khoa học cho việc ứng dụng dữ liệu lớn trong dự báo rủi ro thanh khoản của các ngân hàng thương mại, thông qua việc xây dựng mô hình nghiên cứu kết hợp các nhân tố mới như khả năng khai thác dữ liệu lớn, chất lượng dữ liệu lớn và tính thời gian thực. Nghiên cứu đồng thời phân tích mối quan hệ giữa các chỉ tiêu tài chính truyền thống, bao gồm tài sản thanh khoản, cấu trúc nguồn vốn, biến động tiền gửi, các yếu tố thị trường, yếu tố vĩ mô và các yếu tố công nghệ dữ liệu lớn… nhằm mở rộng và hoàn thiện khung lý thuyết về quản trị và dự báo rủi ro thanh khoản. Kết quả nghiên cứu góp phần làm rõ cơ chế tác động của dữ liệu lớn đối với khả năng phát hiện sớm và phòng ngừa các tình huống rủi ro thanh khoản, đặc biệt trong bối cảnh ngành ngân hàng Việt Nam đang đẩy mạnh chuyển đổi số và chịu tác động của những biến động kinh tế – tài chính ngày càng phức tạp.

Đóng góp về mặt thực tiễn: Nghiên cứu giúp các ngân hàng thương mại Việt Nam nhận thức rõ tầm quan trọng của dữ liệu lớn trong quản trị và dự báo rủi ro thanh khoản, hỗ trợ xây dựng hệ thống cảnh báo sớm để phòng ngừa khủng hoảng thanh khoản, đồng thời cung cấp cơ sở tham khảo cho cơ quan quản lý trong việc hoàn thiện khung pháp lý và giám sát thanh khoản phù hợp với bối cảnh chuyển đổi số.

1.8.  Bố cục dự kiến của nghiên cứu

Luận văn dự kiến được kết cấu thành 5 chương, cụ thể như sau: Chương 1: Giới thiệu nghiên cứu

Trong chương 1, tác giả trình bày về tính cấp thiết của đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của nghiên cứu và kết cấu của luận văn.

Chương 2: Cơ sở lý thuyết

Trong chương 2, tác giả hệ thống hóa các khái niệm liên quan đến rủi ro thanh khoản, dữ liệu lớn và mô hình hồi quy tuyến tính. Đồng thời tổng hợp các nghiên cứu trước trong và ngoài nước có liên quan, từ đó rút ra khoảng trống nghiên cứu.

Chương 3: Dữ liệu và phương pháp nghiên cứu

Trong chương 3, tác giả trình bày chi tiết quá trình thu thập, xử lý dữ liệu; mô tả đặc điểm các biến; phương pháp phân tích được sử dụng và cách xây dựng mô hình nghiên cứu.

Chương 4: Kết quả nghiên cứu

Trong chương 4, tác giả trình bày kết quả thống kê mô tả, ma trận tương quan, mô hình hồi quy và các thuật toán để kiểm tra mô hình. Thảo luận về mức độ tác động của từng biến, ý nghĩa thống kê và diễn giải các kết quả thực nghiệm.

Chương 5: Kết luận và hàm ý quản trị

Chương 5 trình bày kết luận về các mục tiêu nghiên cứu của luận văn. Trên cơ sở kết quả nghiên cứu, các hàm ý quản trị cũng được đề xuất trong chương 5. Bên cạnh đó, các hạn chế và hướng nghiên cứu tiếp theo cũng được trình bày trong chương 5.

Xem thêm: Ứng dụng dữ liệu lớn để theo dõi và dự đoán rủi ro thanh khoản của các ngân hàng thương mại Việt Nam 

Nguyễn Đình Long

Tôi là Nguyễn Đình Long, hiện tại tôi là Quản lý nội dung của Luận Văn 3C– Chuyên cung cấp dịch vụ làm luận văn uy tín. Chúng tôi đặt lợi ích của khách hàng là ưu tiên hàng đầu.  Website: https://luanvan3c.com/ – Hotline: 0966.736.325.