Ấn phẩm:
Identifying key features affecting bank liquidity risk: a machine learning regression approach
Nhan đề song song
Tác giả
Vu Thi Thu Huong PhD.
Nguyen Thu Ha MBA.
Tran Thi Thuy Huyen
Pham Ngoc Khue
Hoang Thao Nhi
Nguyen Thi Lan Huong
Nguyen Thu Ha MBA.
Tran Thi Thuy Huyen
Pham Ngoc Khue
Hoang Thao Nhi
Nguyen Thi Lan Huong
Người hướng dẫn
Tác giả khác
Năm xuất bản
2026
Nhà xuất bản
Học viện Tài chính
Tóm tắt
This study investigates the determinants of liquidity risk by applying advanced machine learning techniques to overcome the limitations of traditional econometric methods. Using data collected from the financial statements of 31 Vietnamese commercial banks over the period 2009-2024, the study implements ten regression algorithms classified into three main groups: regularized linear models (Lasso, Ridge, Elastic Net) compared with standard linear regression; tree-based regression models (Decision Tree, Random Forest); and gradient boosting models (Gradient Boosting, XGBoost, LightGBM, and CatBoost). The empirical results quantify and rank the importance of key financial features affecting liquidity risk, thereby providing further evidence of the nonlinear nature of banking data in Vietnam. These findings contribute to the development of quantitative tools that support bank managers and regulators in designing risk monitoring frameworks and early warning systems for liquidity instability.
Mục lục
Địa chỉ truy cập
Số trang
Ngôn ngữ
vie
Trích dẫn
ISBN
ISSN
Định danh khác
Tài liệu chủ
Tài liệu tham khảo
Chủ đề
machine learning , regression , liquidity risk , commercial banks , Vietnam
Kiểu tài liệu
Topic
Topic con
Vui lòng sử dụng ứng dụng DRM AOF để đọc tài liệu số
