Dự báo số dư tiền mặt thu và chi hàng ngày tại kênh phân phối của ngân hàng thương mại

Đề tài nghiên cứu so sánh và ứng dụng mô hình SARIMA và các mô hình học máy gồm Decision Tree, Random Forest và Categorical Boosting để dự báo số dư thu, chi tiền mặt (VNĐ) hàng ngày tại các kênh phân phối của một ngân hàng thương mại ở Việt Nam. Kết quả nghiên cứu cho thấy: đối với hoạt động dự báo...

Mô tả chi tiết

Lưu vào:
Hiển thị chi tiết
Tác giả chính: Nguyễn Thị Hoàng Liên
Đồng tác giả: Dr. Đặng Ngọc Hoàng Thành
Định dạng: Master's Theses
Ngôn ngữ:Vietnamese
Thông tin xuất bản: Trường Đại học Kinh tế Tp. Hồ Chí Minh 2023
Chủ đề:
Truy cập trực tuyến:https://opac.ueh.edu.vn/record=b1035329~S1
https://digital.lib.ueh.edu.vn/handle/UEH/69149
Từ khóa: Thêm từ khóa bạn đọc
Không có từ khóa, Hãy là người đầu tiên gắn từ khóa cho biểu ghi này!
Mô tả
Tóm tắt:Đề tài nghiên cứu so sánh và ứng dụng mô hình SARIMA và các mô hình học máy gồm Decision Tree, Random Forest và Categorical Boosting để dự báo số dư thu, chi tiền mặt (VNĐ) hàng ngày tại các kênh phân phối của một ngân hàng thương mại ở Việt Nam. Kết quả nghiên cứu cho thấy: đối với hoạt động dự báo số dư thu tiền mặt, mô hình Categorical Boosting cho kết quả tối ưu nhất với tiêu chí MAPE bình quân danh mục là 17.2324%; đối với hoạt động dự báo số dư chi tiền mặt, mô hình SARIMA cho kết quả tối ưu nhất với tiêu chí MAPE bình quân danh mục là 28.2557%. Việc ứng dụng mô hình đã cải thiện đáng kể tính hiệu quả trong việc quản lý nguồn tiền thanh khoản của ngân hàng, hỗ trợ ngân hàng tối đa hóa lợi nhuận, giảm các chi phí liên quan đến tồn quỹ điều quỹ và nâng cao chất lượng dịch vụ khách hàng.