[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_r%E1%BB%A7i%20ro%20t%C3%ADn%20d%E1%BB%A5ng{\"limit\":5}":3,"_public_topic_byId_rủi ro tín dụng":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":22,"discipline":23,"references":24,"faqs":48,"createUser":58,"publishUser":10,"keywords":62,"keywordCount":10,"enrichTopicLink":63,"status":64,"createTime":65,"updateTime":66,"publishTime":10,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":67,"relateTopics":68},"rủi ro tín dụng","Rủi ro tín dụng là gì? Mô hình đo lường và quản trị rủi ro","Rủi ro tín dụng là nguy cơ tổn thất khi người đi vay không trả được nợ, đòi hỏi các mô hình định lượng và chiến lược quản trị rủi ro chặt chẽ.","\u003Ch2>Rủi ro tín dụng là gì?\u003C\u002Fh2>\n\u003Cp>Rủi ro tín dụng là khả năng mà bên vay không thực hiện được nghĩa vụ thanh toán nợ gốc và\u002Fhoặc lãi theo thỏa thuận với bên cho vay. Đây là loại rủi ro phổ biến và có ảnh hưởng sâu rộng trong hệ thống tài chính, đặc biệt đối với các ngân hàng thương mại, công ty tài chính, tổ chức bảo hiểm, và các nhà đầu tư trái phiếu. Việc xảy ra rủi ro tín dụng dẫn đến tổn thất trực tiếp về mặt tài chính và gián tiếp qua suy giảm thanh khoản, tổn hại uy tín và mất khả năng hoạt động ổn định.\u003C\u002Fp>\n\u003Cp>Rủi ro tín dụng không chỉ giới hạn ở hành vi không trả nợ (default) mà còn bao gồm việc thanh toán trễ hạn, phá sản của người đi vay, mất khả năng trả lãi hoặc suy giảm giá trị tài sản bảo đảm. Trong báo cáo tài chính và quản trị rủi ro, rủi ro tín dụng là một trong những yếu tố cần theo dõi, dự phòng và kiểm soát nghiêm ngặt để đảm bảo sức khỏe tài chính của tổ chức.\u003C\u002Fp>\n\u003Cp>Ví dụ, nếu một ngân hàng cho doanh nghiệp vay 10 tỷ đồng mà doanh nghiệp này phá sản sau 6 tháng, ngân hàng có thể mất toàn bộ hoặc một phần vốn gốc và không thu được lãi, dẫn đến lỗ tài chính. Tình huống này là một ví dụ điển hình về rủi ro tín dụng thực hiện (realized credit risk).\u003C\u002Fp>\n\n\u003Ch2>Các thành phần của rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Rủi ro tín dụng có thể được phân rã thành ba yếu tố định lượng cơ bản, hình thành nên công thức đo lường mức độ rủi ro tiềm tàng trong danh mục cho vay:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Probability of Default (PD):\u003C\u002Fstrong> Xác suất khách hàng hoặc tổ chức vay không thể thực hiện nghĩa vụ nợ đúng hạn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Loss Given Default (LGD):\u003C\u002Fstrong> Phần trăm thiệt hại tài chính mà tổ chức cho vay sẽ chịu khi xảy ra vỡ nợ, sau khi trừ phần thu hồi hoặc tài sản thế chấp.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Exposure at Default (EAD):\u003C\u002Fstrong> Tổng giá trị khoản nợ mà bên cho vay đang tiếp xúc tại thời điểm xảy ra vỡ nợ.\u003C\u002Fli>\n\u003C\u002Ful>\nCông thức chuẩn để tính rủi ro tín dụng kỳ vọng:\n\u003Cscript type=\"math\u002Ftex\">Credit\\ Loss = PD \\times LGD \\times EAD\u003C\u002Fscript>\u003Cp>\u003C\u002Fp>\n\u003Cp>Mỗi yếu tố trong công thức trên có thể được ước tính thông qua dữ liệu lịch sử, mô hình thống kê, hoặc các thuật toán học máy đối với tổ chức sử dụng mô hình nội bộ. Đối với ngân hàng, đây là một phần bắt buộc trong yêu cầu quản trị rủi ro theo chuẩn Basel II\u002FIII.\u003C\u002Fp>\n\u003Cp>Ví dụ: nếu một doanh nghiệp có xác suất vỡ nợ (PD) là 5%, mức thiệt hại khi vỡ nợ (LGD) là 60% và khoản vay hiện tại (EAD) là 1 triệu USD, thì tổn thất tín dụng kỳ vọng là:\n\u003Cscript type=\"math\u002Ftex\">0.05 \\times 0.6 \\times 1,000,000 = 30,000\\ USD\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Ch2>Phân loại rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Rủi ro tín dụng được phân loại theo nhiều khía cạnh khác nhau để phục vụ mục tiêu quản lý, giám sát và xây dựng mô hình dự báo phù hợp với từng nhóm đối tượng. Phân loại phổ biến nhất là theo loại khách hàng vay:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Cá nhân:\u003C\u002Fstrong> bao gồm vay mua nhà, thẻ tín dụng, vay tiêu dùng...\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Doanh nghiệp:\u003C\u002Fstrong> vay thương mại, tín dụng đầu tư, vay ngắn hạn\u002Fdài hạn...\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Đối tác tài chính:\u003C\u002Fstrong> tổ chức tài chính khác, giao dịch phái sinh, chứng khoán hóa...\u003C\u002Fli>\n\u003C\u002Ful>\nMột số tổ chức còn phân loại theo ngành nghề, khu vực địa lý, phân khúc tín dụng (prime\u002Fsubprime), hoặc mức độ bảo đảm (secured\u002Funsecured).\u003Cp>\u003C\u002Fp>\n\u003Cp>Bảng sau đây minh họa sự khác biệt giữa một số loại rủi ro tín dụng:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Loại tín dụng\u003C\u002Fth>\n    \u003Cth>Chủ thể vay\u003C\u002Fth>\n    \u003Cth>Ví dụ\u003C\u002Fth>\n    \u003Cth>Đặc điểm rủi ro\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tiêu dùng cá nhân\u003C\u002Ftd>\n    \u003Ctd>Cá nhân\u003C\u002Ftd>\n    \u003Ctd>Thẻ tín dụng, vay mua ô tô\u003C\u002Ftd>\n    \u003Ctd>Rủi ro cao, thường không có tài sản bảo đảm\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Doanh nghiệp lớn\u003C\u002Ftd>\n    \u003Ctd>Công ty niêm yết\u003C\u002Ftd>\n    \u003Ctd>Vay đầu tư nhà máy\u003C\u002Ftd>\n    \u003Ctd>Rủi ro thấp hơn, thường có thế chấp\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Đối tác tài chính\u003C\u002Ftd>\n    \u003Ctd>Ngân hàng khác\u003C\u002Ftd>\n    \u003Ctd>Giao dịch hoán đổi lãi suất\u003C\u002Ftd>\n    \u003Ctd>Rủi ro phái sinh, phụ thuộc điều kiện thị trường\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Đo lường rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Các phương pháp đo lường rủi ro tín dụng ngày nay không chỉ dừng lại ở phán đoán chuyên gia (expert judgment) mà còn sử dụng các mô hình định lượng được chuẩn hóa và tích hợp trong hệ thống quản lý rủi ro. Mục tiêu là lượng hóa xác suất và quy mô tổn thất để từ đó lập kế hoạch dự phòng vốn và kiểm soát danh mục tín dụng.\u003C\u002Fp>\n\u003Cp>Một số mô hình phổ biến gồm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Scoring models:\u003C\u002Fstrong> mô hình tính điểm tín dụng cá nhân hoặc doanh nghiệp nhỏ dựa vào hồ sơ tín dụng, thu nhập, lịch sử trả nợ...\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>IRB (Internal Ratings-Based):\u003C\u002Fstrong> mô hình chấm điểm nội bộ cho khách hàng doanh nghiệp, theo chuẩn Basel II.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Credit VaR (Value at Risk):\u003C\u002Fstrong> mô hình định lượng rủi ro toàn danh mục tín dụng trong một khoảng thời gian nhất định với mức độ tin cậy cụ thể.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Các mô hình đo lường có thể được huấn luyện từ dữ liệu lịch sử của tổ chức hoặc theo chuẩn ngành, có kiểm định định kỳ để đảm bảo độ chính xác. Đối với các tổ chức có quy mô lớn, việc kết hợp giữa dữ liệu truyền thống và dữ liệu thay thế (alt-data) ngày càng phổ biến nhằm tăng cường dự báo hành vi tín dụng.\u003C\u002Fp>\n\u003Cp>Thông tin chi tiết về các mô hình quản trị rủi ro tín dụng theo chuẩn quốc tế có thể tra cứu tại \u003Ca href=\"https:\u002F\u002Fwww.bis.org\u002Fbasel_framework\u002F\" target=\"_blank\">Basel Framework – BIS\u003C\u002Fa>.\u003C\u002Fp>\u003Ch2>Rủi ro tín dụng và hệ thống ngân hàng\u003C\u002Fh2>\n\u003Cp>Rủi ro tín dụng là một trong những nguyên nhân hàng đầu dẫn đến khủng hoảng hệ thống ngân hàng nếu không được kiểm soát hiệu quả. Các ngân hàng với tỷ lệ nợ xấu (NPL) cao thường có khả năng sinh lời giảm, mất vốn chủ sở hữu và dễ bị rút vốn, gây mất thanh khoản. Trường hợp điển hình là cuộc khủng hoảng tài chính châu Á năm 1997, nơi mà cho vay thiếu thẩm định dẫn đến đổ vỡ ngân hàng diện rộng tại Hàn Quốc, Thái Lan và Indonesia.\u003C\u002Fp>\n\u003Cp>Các ngân hàng trung ương và cơ quan giám sát tài chính thường sử dụng bộ chỉ số sau để giám sát rủi ro tín dụng hệ thống:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>NPL ratio:\u003C\u002Fstrong> Tỷ lệ nợ xấu trên tổng dư nợ\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Coverage ratio:\u003C\u002Fstrong> Tỷ lệ dự phòng rủi ro\u002Ftổng nợ xấu\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>CAR – Capital Adequacy Ratio:\u003C\u002Fstrong> Tỷ lệ an toàn vốn tối thiểu theo chuẩn Basel\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Bảng sau cho thấy ảnh hưởng của rủi ro tín dụng đến hiệu quả hoạt động ngân hàng:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Chỉ số\u003C\u002Fth>\n    \u003Cth>Ý nghĩa\u003C\u002Fth>\n    \u003Cth>Hệ quả khi thấp\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>NPL ratio\u003C\u002Ftd>\n    \u003Ctd>Đo lường chất lượng tín dụng\u003C\u002Ftd>\n    \u003Ctd>Tăng chi phí tín dụng, ảnh hưởng niềm tin thị trường\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Coverage ratio\u003C\u002Ftd>\n    \u003Ctd>Mức độ dự phòng tổn thất\u003C\u002Ftd>\n    \u003Ctd>Không đủ bù đắp khi xảy ra vỡ nợ\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>CAR\u003C\u002Ftd>\n    \u003Ctd>Khả năng hấp thụ rủi ro\u003C\u002Ftd>\n    \u003Ctd>Ngân hàng dễ mất khả năng thanh toán\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Các mô hình quản trị rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Việc quản trị rủi ro tín dụng không chỉ giới hạn trong giai đoạn phê duyệt tín dụng, mà còn kéo dài suốt vòng đời khoản vay, bao gồm thẩm định, theo dõi, tái cấu trúc và xử lý nợ xấu. Các khung quản trị rủi ro quốc tế thường đề cao tính liên tục, minh bạch và tích hợp trong hệ thống quản trị chung của tổ chức.\u003C\u002Fp>\n\u003Cp>Một số khung quản trị phổ biến hiện nay:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>IFRS 9:\u003C\u002Fstrong> Quy định phân loại tài sản tín dụng thành 3 nhóm (Stage 1–3) và ghi nhận dự phòng theo tổn thất tín dụng kỳ vọng (ECL).\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Basel II\u002FIII:\u003C\u002Fstrong> Quy định yêu cầu vốn tối thiểu theo rủi ro tín dụng, sử dụng mô hình IRB hoặc tiêu chuẩn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Stress testing:\u003C\u002Fstrong> Kiểm tra sức chịu đựng của danh mục tín dụng trong các kịch bản xấu nhất như suy thoái, tăng lãi suất đột biến.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Quản trị rủi ro tín dụng hiệu quả đòi hỏi kết hợp nhiều phòng ban như: tín dụng, thẩm định, kiểm toán nội bộ, công nghệ thông tin và ban điều hành để giám sát chéo và kịp thời điều chỉnh chính sách.\u003C\u002Fp>\n\n\u003Ch2>Các công cụ giảm thiểu rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Giảm thiểu rủi ro tín dụng không đồng nghĩa với loại bỏ hoàn toàn rủi ro, mà là áp dụng biện pháp giảm thiểu thiệt hại khi xảy ra sự cố vỡ nợ. Các tổ chức tín dụng thường dùng nhiều công cụ tài chính và phi tài chính để phòng ngừa rủi ro này.\u003C\u002Fp>\n\u003Cp>Các công cụ thường dùng gồm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Tài sản đảm bảo:\u003C\u002Fstrong> Nhà, đất, sổ tiết kiệm, cổ phiếu – giúp tăng khả năng thu hồi vốn khi vỡ nợ\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Bảo lãnh tín dụng:\u003C\u002Fstrong> Đối tượng bên thứ ba đảm bảo thanh toán trong trường hợp người vay mất khả năng trả nợ\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Credit Default Swaps (CDS):\u003C\u002Fstrong> Hợp đồng phái sinh cho phép chuyển rủi ro vỡ nợ sang đối tác khác\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Chiến lược danh mục như phân tán theo ngành, địa lý, và hạn mức vay tối đa cũng được sử dụng để hạn chế rủi ro tập trung (concentration risk).\u003C\u002Fp>\n\n\u003Ch2>Rủi ro tín dụng trong tài chính toàn cầu\u003C\u002Fh2>\n\u003Cp>Rủi ro tín dụng từng là nguyên nhân trực tiếp dẫn đến các cuộc khủng hoảng tài chính lớn. Đáng kể nhất là cuộc khủng hoảng tài chính toàn cầu năm 2008, khởi phát từ việc đánh giá sai rủi ro tín dụng trong các sản phẩm chứng khoán hóa như MBS (Mortgage-Backed Securities) và CDO (Collateralized Debt Obligations).\u003C\u002Fp>\n\u003Cp>Trong giai đoạn trước khủng hoảng, các tổ chức tài chính xếp hạng tín dụng quá lạc quan, không đánh giá đúng xác suất vỡ nợ và mức tổn thất thực tế. Khi thị trường bất động sản Mỹ sụp đổ, làn sóng vỡ nợ lan rộng và kéo theo khủng hoảng thanh khoản toàn cầu.\u003C\u002Fp>\n\u003Cp>Để ngăn ngừa rủi ro hệ thống tương tự, IMF, BIS và ECB đã siết chặt yêu cầu minh bạch rủi ro tín dụng xuyên biên giới, đồng thời yêu cầu công khai danh mục tài sản và công cụ phái sinh có liên quan. Các tổ chức có thể truy cập dữ liệu liên quan tại \u003Ca href=\"https:\u002F\u002Fwww.imf.org\u002Fen\u002FData\" target=\"_blank\">IMF Data Portal\u003C\u002Fa>.\u003C\u002Fp>\n\n\u003Ch2>Triển vọng và đổi mới trong kiểm soát rủi ro tín dụng\u003C\u002Fh2>\n\u003Cp>Trong kỷ nguyên công nghệ số, nhiều giải pháp đổi mới đã và đang được triển khai để nâng cao hiệu quả kiểm soát rủi ro tín dụng. Trí tuệ nhân tạo (AI), học máy (machine learning), dữ liệu lớn (big data) và công nghệ blockchain đang được tích hợp trong hệ thống đánh giá tín dụng và quản trị rủi ro hiện đại.\u003C\u002Fp>\n\u003Cp>Các xu hướng ứng dụng công nghệ trong kiểm soát rủi ro:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>AI\u002FML:\u003C\u002Fstrong> Phân tích hành vi thanh toán, dữ liệu phi cấu trúc để dự báo rủi ro vỡ nợ sớm\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Alt-data:\u003C\u002Fstrong> Sử dụng dữ liệu ngoài ngân hàng như tiêu dùng, mạng xã hội, lịch sử di động để chấm điểm tín dụng\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Blockchain:\u003C\u002Fstrong> Tạo hồ sơ tín dụng minh bạch, phi tập trung, tránh gian lận và nợ chồng\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Smart contracts:\u003C\u002Fstrong> Tự động hóa quy trình thu hồi nợ hoặc điều chỉnh hạn mức khi vi phạm điều khoản\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Việc áp dụng công nghệ mới cần đồng thời tuân thủ quy định pháp lý, đảm bảo quyền riêng tư dữ liệu, và được kiểm định để tránh thiên kiến thuật toán. Cơ hội lớn đi kèm rủi ro mới, đòi hỏi các tổ chức tài chính vừa đổi mới, vừa giám sát chặt chẽ.\u003C\u002Fp>","credit risk",[19,20,21],"nguy cơ vỡ nợ","rủi ro vỡ nợ","default risk","Rủi ro tín dụng là khả năng phát sinh tổn thất tài chính cho bên cho vay khi đối tác vay vốn không thực hiện đúng, đầy đủ hoặc mất khả năng thanh toán các nghĩa vụ nợ theo hợp đồng.","SOCIAL_SCIENCES",[25,33,40],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":32},"Merton, R. C. (1974). On the Pricing of Corporate Debt: The Risk Structure of Interest Rates. The Journal of Finance, 29(2), 449-470.","On the Pricing of Corporate Debt: The Risk Structure of Interest Rates","Merton, R. C.","The Journal of Finance",1974,"10.1111\u002Fj.1540-6261.1974.tb03058.x","https:\u002F\u002Fdoi.org\u002F10.1111\u002Fj.1540-6261.1974.tb03058.x",{"citationText":34,"title":35,"authors":36,"source":29,"year":37,"doi":38,"url":39},"Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.","Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy","Altman, E. I.",1968,"10.1111\u002Fj.1540-6261.1968.tb00843.x","https:\u002F\u002Fdoi.org\u002F10.1111\u002Fj.1540-6261.1968.tb00843.x",{"citationText":41,"title":42,"authors":43,"source":44,"year":45,"doi":46,"url":47},"Duffie, D., & Singleton, K. J. (1999). Modeling Term Structures of Defaultable Bonds. The Review of Financial Studies, 12(4), 687-720.","Modeling Term Structures of Defaultable Bonds","Duffie, D., Singleton, K. J.","The Review of Financial Studies",1999,"10.1093\u002Frfs\u002F12.4.687","https:\u002F\u002Fdoi.org\u002F10.1093\u002Frfs\u002F12.4.687",[49,52,55],{"question":50,"answer":51},"Tổn thất kỳ vọng (Expected Loss - EL) trong quản trị rủi ro ngân hàng được tính thế nào?","Tổn thất kỳ vọng được tính theo công thức chuẩn của Hiệp ước Basel: EL = PD × LGD × EAD, trong đó PD là xác suất vỡ nợ, LGD là tỷ lệ tổn thất khi vỡ nợ, và EAD là dư nợ tại thời điểm vỡ nợ.",{"question":53,"answer":54},"Mô hình cấu trúc Merton và mô hình dạng rút gọn (Reduced-form) khác nhau ở điểm nào?","Mô hình Merton coi vỡ nợ là biến cố nội sinh xảy ra khi giá trị tài sản doanh nghiệp giảm xuống dưới giá trị danh nghĩa của nợ; mô hình dạng rút gọn coi thời điểm vỡ nợ là biến cố ngoại sinh ngẫu nhiên tuân theo quá trình Poisson với cường độ vỡ nợ phụ thuộc vào biến số vĩ mô.",{"question":56,"answer":57},"Các công cụ giảm thiểu rủi ro tín dụng hiện đại gồm những gì?","Các công cụ chính gồm trích lập dự phòng rủi ro, yêu cầu tài sản bảo đảm (collateral), bảo lãnh ngân hàng, áp dụng điều khoản hạn chế (covenants), chứng khoán hóa nợ (securitization) và hợp đồng hoán đổi rủi ro tín dụng (Credit Default Swap - CDS).",{"id":59,"researcherId":10,"name":60,"imageUrl":61},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[13],false,"PUBLISHED","2023-08-15T12:59:20.639+00:00","2026-09-01T02:20:05.364+00:00",342,[69,72,82,88,93,104,109,115,118,123],{"id":70,"title":71,"term":70,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"random forest","Random forest là gì? Các công bố khoa học về Random forest",{"id":73,"title":74,"term":75,"englishTitle":76,"definition":77,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"mô hình probit","Mô hình Probit là gì? Công thức, ước lượng và phân biệt Logit","Mô hình Probit","probit model","Mô hình Probit là mô hình hồi quy nhị phân trong kinh tế lượng và thống kê, sử dụng hàm phân phối tích lũy chuẩn tắc để ước lượng xác suất xảy ra của một sự kiện lựa chọn.","social-sciences","Khoa học xã hội","#E08600","users",{"id":83,"title":84,"term":85,"englishTitle":86,"definition":87,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"nợ xấu","Nợ xấu là gì? Phân loại nợ ngân hàng, rủi ro tín dụng và cơ chế xử lý nợ","Nợ xấu","non-performing loans","Nợ xấu là các khoản tín dụng ngân hàng mà bên đi vay đã vi phạm nghĩa vụ trả nợ gốc hoặc lãi quá hạn quy định (thường từ chín mươi ngày trở lên) hoặc có nguy cơ mất vốn cao theo các quy định trích lập dự phòng rủi ro.",{"id":89,"title":90,"term":89,"englishTitle":91,"definition":92,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"tiền điện tử","Tiền điện tử là gì? Định nghĩa, Cấu trúc & Cơ chế chi tiết","Cryptocurrency \u002F Electronic currency","Tiền điện tử là phương tiện thanh toán hoặc lưu trữ giá trị tồn tại dưới dạng dữ liệu kỹ thuật số, vận hành qua mạng máy tính phân tán hoặc sổ cái mật mã học blockchain mà không cần sự can thiệp của trung gian ngân hàng tập trung.",{"id":94,"title":95,"term":96,"englishTitle":97,"definition":98,"discipline":99,"disciplineCode":100,"disciplineLabel":101,"disciplineColor":102,"disciplineIcon":103},"phân tích dự đoán","Phân tích dự đoán là gì? Các nghiên cứu khoa học liên quan","Phân tích dự đoán","Predictive analytics","Phân tích dự đoán là nhánh phân tích dữ liệu nâng cao kết hợp các thuật toán thống kê, khai phá dữ liệu và học máy nhằm dự báo xác suất xảy ra các biến cố hoặc xu hướng tương lai.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":105,"title":106,"term":105,"englishTitle":107,"definition":108,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"tính linh hoạt","Tính linh hoạt là gì? Các bài nghiên cứu khoa học liên quan","flexibility","Tính linh hoạt (flexibility) trong khoa học quản trị và lý thuyết hệ thống là năng lực của một tổ chức hay quy trình trong việc chủ động cảm nhận, phản ứng nhanh chóng và tái cấu trúc hiệu quả trước những bất định và thay đổi của môi trường.",{"id":110,"title":111,"term":112,"englishTitle":113,"definition":114,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"thị trường tài chính","Thị trường tài chính là gì? Các nghiên cứu khoa học ","Thị trường tài chính","financial market","Thị trường tài chính (financial market) là hệ thống cơ chế và địa điểm trao đổi, mua bán các công cụ tài chính như cổ phiếu, trái phiếu, tiền tệ và các công cụ phái sinh, đóng vai trò dẫn truyền và phân bổ nguồn vốn nhàn rỗi từ người tiết kiệm sang người đầu tư trong nền kinh tế.",{"id":116,"title":117,"term":116,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"convexity","Convexity là gì? Các bài báo nghiên cứu khoa học liên quan",{"id":119,"title":120,"term":121,"englishTitle":70,"definition":122,"discipline":99,"disciplineCode":100,"disciplineLabel":101,"disciplineColor":102,"disciplineIcon":103},"rừng ngẫu nhiên","Rừng ngẫu nhiên là gì? Ý nghĩa và ứng dụng chuyên sâu","Rừng ngẫu nhiên","Rừng ngẫu nhiên (Random Forest) là thuật toán học máy học tập kết hợp (ensemble learning) hoạt động bằng cách xây dựng một tập hợp nhiều cây quyết định độc lập trong quá trình huấn luyện và tổng hợp kết quả dự đoán thông qua cơ chế bỏ phiếu theo đa số hoặc tính giá trị trung bình.",{"id":124,"title":125,"term":124,"englishTitle":126,"definition":127,"discipline":23,"disciplineCode":78,"disciplineLabel":79,"disciplineColor":80,"disciplineIcon":81},"lãi suất cho vay","Lãi suất cho vay là gì? Cấu trúc và cơ chế định giá","lending interest rate","Lãi suất cho vay là tỷ lệ phần trăm tính trên số vốn gốc mà bên đi vay phải trả cho bên cho vay trong một khoảng thời gian xác định nhằm bù đắp chi phí huy động vốn, chi phí quản lý vận hành, phần bù rủi ro tín dụng và biên lợi nhuận kỳ vọng của bên cho vay."]