logo ajeb vi

Giỏ hàngCart

    MUACheckout
    Gửi bài viết Submit Article
    Asian Journal of Economics and Banking

    Asian Journal of Economics and Banking Asian Journal of Economics and Banking

    ISSN 2615-9821ISSN (Previous) 2588-1396ISSN (Previous) 2588-1396

    Tạp chí phiên bản tiếng Anh hợp tác với Emerald Publishing, xuất bản các nghiên cứu khoa học chất lượng cao theo chuẩn quốc tế. English-language journal in partnership with Emerald Publishing, publishing high-quality international research.

    Asian Journal of Applied Financial Econometrics

    Asian Journal of Applied Financial Econometrics Asian Journal of Applied Financial Econometrics

    ISSN 3126-3208

    Ấn phẩm tiếng Anh chuyên về kinh tế lượng tài chính ứng dụng, phục vụ cộng đồng nghiên cứu định lượng quốc tế. English publication on applied financial econometrics, serving the international quantitative research community.

    Tạp chí Kinh tế và Ngân hàng châu Á

    Tạp chí Kinh tế và Ngân hàng châu Á Asian journal of Economics and banking

    ISSN 2615-9813ISSN (số cũ) 1859-3682ISSN (Previous) 1859-3682

    Tạp chí khoa học phản biện kín, xuất bản các nghiên cứu chuyên sâu về kinh tế, tài chính, ngân hàng và chính sách kinh tế tại Việt Nam và khu vực châu Á. Double-blind peer-reviewed journal in economics, finance, banking and economic policy across Vietnam and Asia.

    Khoa học Dữ liệu và Trí tuệ Nhân tạo châu Á

    Khoa học Dữ liệu và Trí tuệ Nhân tạo châu Á Asian Journal of Data Science and Artificial Intelligence (AJDSAI)

    ISSN 3126-3186

    Ấn phẩm chuyên về khoa học dữ liệu, học máy và trí tuệ nhân tạo, đáp ứng xu hướng nghiên cứu công nghệ mới của khu vực. Specialized publication in data science, machine learning and AI, addressing emerging technology research trends in the region.

    Khoa học Xã hội, Nhân văn và Chính sách châu Á

    Khoa học Xã hội, Nhân văn và Chính sách châu Á Asian Journal of Policy, Humanities and Social Sciences (AJPHSS)

    ISSN 3126-3496

    Ấn phẩm chuyên đề về khoa học xã hội, nhân văn và chính sách công, mở rộng phạm vi nghiên cứu liên ngành tại châu Á. Specialized publication in social sciences, humanities and public policy, expanding interdisciplinary research scope in Asia.

    SỐ MỚI NHẤT LATEST ISSUE

    • Tác động của tài chính toàn diện và phát triển con người đến bất bình đẳng thu nhập: Nghiên cứu tại các quốc gia châu Á Tác động của tài chính toàn diện và phát triển con người đến bất bình đẳng thu nhập: Nghiên cứu tại các quốc gia châu Á

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Mục tiêu nghiên cứu: Nghiên cứu nhằm phân tích tác động của tài chính toàn diện (IFI) và chỉ số phát triển con người (HDI) đến bất bình đẳng thu nhập tại 34 quốc gia châu Á trong giai đoạn 2004–2024, từ đó đánh giá vai trò của các yếu tố này trong thúc đẩy tăng trưởng bao trùm.
      Thiết kế nghiên cứu/phương pháp/tiếp cận: Nghiên cứu sử dụng dữ liệu bảng cân bằng của các quốc gia trong giai đoạn nghiên cứu. Phương pháp ước lượng System GMM được áp dụng để xử lý các vấn đề nội sinh, tự tương quan và phương sai sai số thay đổi, đồng thời kiểm soát đặc điểm động của mô hình thông qua biến trễ của biến phụ thuộc.
      Kết quả nghiên cứu chính: Kết quả cho thấy IFI có tác động ngược chiều và đạt ý nghĩa thống kê đến bất bình đẳng thu nhập. Đồng thời, HDI cũng có tác động làm giảm bất bình đẳng, cho thấy vai trò quan trọng của việc nâng cao chất lượng giáo dục, y tế và mức sống trong cải thiện phân phối thu nhập.
      Giá trị đóng góp mới: Nghiên cứu cung cấp thêm bằng chứng thực nghiệm cập nhật về vai trò của IFI và phát triển con người trong việc giảm bất bình đẳng thu nhập. Đặc biệt, nghiên cứu nhấn mạnh sự kết hợp giữa tiếp cận tài chính và nâng cao chất lượng phát triển con người như một hướng đi hiệu quả nhằm thúc đẩy tăng trưởng bền vững.

    • Bất định chính sách toàn cầu và thu hút đầu tư trực tiếp nước ngoài: Bằng chứng từ góc độ suy luận quan hệ nhân quả Bất định chính sách toàn cầu và thu hút đầu tư trực tiếp nước ngoài: Bằng chứng từ góc độ suy luận quan hệ nhân quả

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Mục tiêu nghiên cứu: Nghiên cứu này đánh giá tác động của bất định chính sách toàn cầu (WUI) đến thu hút dòng vốn đầu tư trực tiếp nước ngoài (FDI). Đặc biệt, tác giả xem xét cơ chế nhân quả thông qua biến công cụ hoạt động bầu cử nhằm giải quyết vấn đề nội sinh.
      Thiết kế nghiên cứu/phương pháp/tiếp cận: Dữ liệu nghiên cứu gồm 140 quốc gia trong giai đoạn 2000–2024. Bài viết sử dụng hồi quy HDFE để hấp thụ các yếu tố dị biệt. Ngoài ra, hồi quy IV-HDFE được sử dụng nhằm thiết lập mối quan hệ nhân quả.
      Kết quả nghiên cứu chính: WUI có tương quan ngược chiều, giảm thu hút FDI với độ bán co dãn 7,517%. Đáng chú ý, bất định chính sách có thể được giải thích bởi hoạt động bầu cử (bầu cử Tổng thống gây nên sự bất định chính sách cao hơn bầu cử Quốc hội). Kết quả hàm ý rằng bất định chính sách đến một phần từ các năm diễn ra bầu cử, từ đó làm giảm dòng vốn FDI với tổng mức giảm có thể lên đến 75,3%. 
      Giá trị đóng góp mới: Kết quả trên góp phần làm sâu sắc thêm lý thuyết Đầu tư trong điều kiện bất định. Ngoài ra, nghiên cứu cũng gợi mở hàm ý chính sách về thu hút FDI, tập trung vào môi trường thể chế, minh bạch của quốc gia nhận đầu tư. 

    • Phát triển Fintech và rủi ro tín dụng ngân hàng tại Việt Nam: Bằng chứng phi tuyến và vai trò của quy mô từ SGMM và học máy Phát triển Fintech và rủi ro tín dụng ngân hàng tại Việt Nam: Bằng chứng phi tuyến và vai trò của quy mô từ SGMM và học máy

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Mục tiêu nghiên cứu: Nghiên cứu này đánh giá tác động của công nghệ tài chính (Fintech) đến rủi ro tín dụng (RRTD) của các ngân hàng thương mại (NHTM) Việt Nam, đồng thời xem xét tính phi tuyến và sự khác biệt theo quy mô ngân hàng.
      Thiết kế nghiên cứu/phương pháp/tiếp cận: Dữ liệu bảng của 28 ngân hàng giai đoạn 2010–2024 được sử dụng; RRTD đo bằng tỷ lệ nợ xấu (NPL), Fintech đo bằng chỉ số tổng hợp từ PCA. Mô hình System GMM được áp dụng để xử lý nội sinh. Song song, Random Forest kết hợp với SHAP được triển khai nhằm đánh giá dự báo và nhận diện các quan hệ phi tuyến, tương tác.
      Kết quả nghiên cứu chính: Fintech có tác động làm gia tăng NPL. Mối quan hệ mang tính phi tuyến theo hướng gia tăng, với tác động mạnh hơn ở mức phát triển Fintech cao. Đồng thời, sự ảnh hưởng này có xu hướng suy giảm tại các ngân hàng quy mô lớn. Kết quả từ học máy nhất quán với ước lượng kinh tế lượng và cung cấp thêm bằng chứng về vai trò của phi tuyến và tương tác.
      Giá trị đóng góp mới: Nghiên cứu cung cấp bằng chứng mới về mối quan hệ Fintech–RRTD tại Việt Nam, nhấn mạnh tính phi tuyến và không đồng nhất, đồng thời khẳng định giá trị của việc kết hợp kinh tế lượng với học máy trong phân tích thực nghiệm.

    • Tác động của phát triển tài chính đến chất lượng môi trường tại các quốc gia mới nổi: Vai trò điều tiết của phát triển con người Tác động của phát triển tài chính đến chất lượng môi trường tại các quốc gia mới nổi: Vai trò điều tiết của phát triển con người

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Mục tiêu nghiên cứu: Bài viết phân tích ảnh hưởng của phát triển tài chính (PTTC) đến chất lượng môi trường đo lường thông qua phát thải CO2; đồng thời xem xét cả tương tác của chỉ số phát triển con người (PTCN) và PTTC tại các quốc gia mới nổi trong giai đoạn 2007–2023. 
      Thiết kế nghiên cứu/phương pháp/tiếp cận: Bài viết áp dụng mô hình hồi quy phân vị theo phương pháp moment (MMQR) để phân tích ảnh hưởng của PTTC và PTCN đến phát thải CO2 tại các phân vị khác nhau trong giai đoạn 2007–2023. 
      Kết quả nghiên cứu chính: Bài viết cho thấy PTTC có xu hướng làm gia tăng phát thải CO2 tại các quốc gia mới nổi, đặc biệt ở nhóm có mức phát thải thấp và trung bình, qua đó phản ánh hiệu ứng quy mô. Tuy nhiên, tác động này không đồng nhất giữa các phân vị và suy giảm ở nhóm phát thải cao. Đáng chú ý, PTCN đóng vai trò điều tiết quan trọng khi vừa trực tiếp làm giảm phát thải, vừa làm suy yếu tác động ngược chiều của PTTC đến môi trường. Bên cạnh đó, các yếu tố như FDI, tiêu thụ năng lượng, tăng trưởng kinh tế, công nghiệp hóa và quy mô dân số là những động lực chính làm gia tăng phát thải CO2, trong khi thương mại không cho thấy ảnh hưởng rõ ràng.
      Giá trị đóng góp mới: Bài viết đã bổ sung minh chứng ảnh hưởng của PTTC đến chất lượng môi trường (phát thải CO2) có xem xét vai trò điều tiết của PTCN tại các quốc gia mới nổi tại những phân vị khác nhau theo phát thải CO2.

    • Fintech và cổ phiếu ngân hàng thương mại Việt Nam: Phân tích lan tỏa giá theo phân vị Fintech và cổ phiếu ngân hàng thương mại Việt Nam: Phân tích lan tỏa giá theo phân vị

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Mục tiêu nghiên cứu: Nghiên cứu phân tích hiệu ứng lan tỏa giá giữa công nghệ tài chính (Fintech) và cổ phiếu các ngân hàng thương mại niêm yết tại Việt Nam giai đoạn 02/01/2019–14/4/2026.
      Thiết kế nghiên cứu/phương pháp/tiếp cận: Nghiên cứu áp dụng chỉ số lan tỏa theo phân vị dựa trên QVAR để đo lường lan tỏa tổng thể, có hướng và ròng theo các trạng thái thị trường.
      Kết quả nghiên cứu chính: Hiệu ứng lan tỏa giữa Fintech và cổ phiếu ngân hàng (CPNH) có tính phi tuyến, bất đối xứng và phụ thuộc vào trạng thái thị trường, đồng thời lan tỏa tăng mạnh ở các phân vị đuôi và giảm ở vùng trung vị. Kết quả cũng cho thấy một số CPNH lớn đóng vai trò truyền lan tỏa ròng, trong khi thị trường Fintech toàn cầu (đại diện bởi chỉ số KFTX) chủ yếu là nhận lan tỏa ròng.
      Giá trị đóng góp mới: Nghiên cứu cung cấp bằng chứng mới về mối quan hệ Fintech và CPNH tại Việt Nam và mở rộng tài liệu hiện có bằng khuôn khổ lan tỏa theo phân vị, qua đó làm rõ truyền dẫn rủi ro ở các đuôi phân phối và tính không đồng nhất theo trạng thái thị trường.

    • Đánh giá hiệu năng các mô hình học sâu trong phát hiện phương tiện giao thông dưới những điều kiện chiếu sáng tại Việt Nam Đánh giá hiệu năng các mô hình học sâu trong phát hiện phương tiện giao thông dưới những điều kiện chiếu sáng tại Việt Nam

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Tóm TắT: Mục tiêu nghiên cứu: Nghiên cứu xây dựng tập dữ liệu phương tiện giao thông phản ánh điều kiện thực tế tại Việt Nam, đồng thời đánh giá hiệu năng của các mô hình học sâu nhằm phát hiện đối tượng trong điều kiện chiếu sáng thay đổi (ban ngày và ban đêm), phục vụ cho những hệ thống giao thông thông minh thời gian thực. Thiết kế nghiên cứu/phương pháp/tiếp cận: Dữ liệu được thu thập từ hệ thống camera giám sát thực tế và gán nhãn thủ công trong nhiều điều kiện ánh sáng khác nhau. Trên cơ sở đó, hai mô hình tiêu biểu là YOLO26 và RF-DETR được huấn luyện và đánh giá theo cùng một quy trình thực nghiệm thống nhất, sử dụng các chỉ số chuẩn gồm mAP, Precision và Recall. Kết quả nghiên cứu chính: Kết quả thực nghiệm cho thấy YOLO26 đạt hiệu năng cao hơn trong điều kiện ban ngày với mAP đạt 95,2%, nhưng giảm xuống 90,4% vào ban đêm. Ngược lại, RF-DETR thể hiện tính ổn định tốt hơn giữa các điều kiện, với mAP đạt 93,8% ban ngày và khoảng 91% ban đêm, cho thấy khả năng thích nghi tốt hơn trong môi trường ánh sáng yếu. Giá trị đóng góp mới: Nghiên cứu cung cấp một tập dữ liệu giao thông đặc thù cho bối cảnh Việt Nam và đưa ra đánh giá thực nghiệm có hệ thống giữa hai hướng tiếp cận CNN và Transformer dưới nhiều điều kiện chiếu sáng. Kết quả góp phần hỗ trợ lựa chọn mô hình phù hợp trong triển khai thực tế các hệ thống giao thông thông minh

    • Robustness of Bayesian coefficient alpha estimation under non-normal item distributions: Evidence from a Monte Carlo study using a normal posterior Robustness of Bayesian coefficient alpha estimation under non-normal item distributions: Evidence from a Monte Carlo study using a normal posterior

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Purpose – This study evaluates whether a recently proposed Bayesian estimator of coefficient alpha based on a normal posterior distribution remains reliable when applied to non-normal item responses, a common feature of behavioral and social science data.
      Design/methodology/approach – A Monte Carlo simulation was conducted across 1,440 conditions defined by the number of items (5, 10, 15, and 20), correlation structure (two parallel and three congeneric models), sample size (50, 100, 150, 200, 250, and 300), item response categories (2, 3, 5, and 7), and three distribution types. Using non-informative priors and 2,000 posterior draws, the study examined three 95% Bayesian credible interval methods for coefficient alpha: percentile, normal-theory, and highest probability density intervals. Performance was assessed primarily through coverage probability, with interval width also considered.
      Findings – The results show that all three credible interval methods performed similarly and generally achieved acceptable coverage across most simulation conditions. However, performance deteriorated when data involved binary items, distribution type 2, and/or a parallel model with common loadings of .705, particularly when these conditions occurred jointly. The method was more dependable when items had at least three response categories and sufficient variability.
      Research limitations/implications: The findings are limited to the simulation settings examined and to the normal-posterior framework used to estimate coefficient alpha. The results suggest caution when applying this approach to binary, highly skewed, or range-restricted data, and indicate the need for future comparisons with alternative Bayesian and non-Bayesian estimators, as well as sampling-based approaches such as Gibbs sampling.
      Originality/value – This study extends recent Bayesian research on coefficient alpha by explicitly testing the robustness of a computationally convenient normal-posterior estimator under non-normal item distributions. It clarifies the empirical conditions under which the method performs well and identifies situations in which its use should be treated more cautiously.

    • Ensemble learning for credit scoring: A comparative study of LightGBM and CatBoost Ensemble learning for credit scoring: A comparative study of LightGBM and CatBoost

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Purpose – This paper examines whether gradient-boosted tree ensembles can improve credit-scoring performance over a traditional logistic model while remaining usable within common banking governance practices.
      Design/methodology/approach – Using the UCI dataset (30,000 observations), we compare logistic regression, LightGBM, and CatBoost under consistent class weighting (w = 3.52). All models are tuned with Optuna (40 trials) using stratified 3-fold cross-validation. Evaluation includes ROC-AUC, PR-AUC, KS, and Brier metrics; DeLong’s test; SHAP interpretation; and calibration diagnostics via ECE and SSM regression. Gender fairness and PSI stability checks are also performed.
      Findings – Both ensembles outperform logistic regression (ROC-AUC ≈ 0.777 vs 0.710; KS ≈ 0.42 vs 0.36). DeLong’s test confirms no significant difference between CatBoost and LightGBM (p = 0.768), though both exceed the baseline (p < 0.001). SHAP identifies repayment status (PAY_0) and credit limit (LIMIT_BAL) as dominant drivers. Post-hoc isotonic calibration improves LightGBM’s ECE from 0.200 to 0.008. Finally, ensembles reduce fairness gaps and maintain high stability (PSI < 0.01).
      Originality/value – The paper offers a compact, reproducible evaluation workflow that integrates hyperparameter optimization, imbalance handling, statistical significance testing, explainability, fairness diagnostics, and stability monitoring for ensemble-based credit scoring.

    • Systemic shocks, sectoral vulnerability, and firm-level volatility: Bayesian evidence from Vietnam Systemic shocks, sectoral vulnerability, and firm-level volatility: Bayesian evidence from Vietnam

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Purpose – This study examines the impact of systemic shocks on firm-level stock return volatility and investigates whether sectoral heterogeneity persists during periods of heightened uncertainty. Focusing on the COVID-19 lockdown in Vietnam, the study evaluates the extent to which firm-specific characteristics remain informative under extreme market conditions.
      Design/methodology/ approach – Using daily stock return data from firms listed on the Ho Chi Minh Stock Exchange (HOSE) during the COVID-19 lockdown period, this study employs a Bayesian regression framework to examine firm-level volatility dynamics and sectoral heterogeneity.
      Findings – The results provide strong evidence of systemic dominance during the lockdown period. Lockdown measures significantly increase firm-level stock return volatility, while cross-sectional heterogeneity declines as firm-specific characteristics become less informative. However, firms in the communication and technology sector exhibit significantly stronger volatility responses than those in other industries.
      Originality/value – This study contributes to the crisis and volatility literature by proposing a dual-layer framework in which systemic shocks generate market-wide volatility synchronization while preserving sector-specific vulnerability. It also demonstrates the usefulness of Bayesian inference in evaluating volatility dynamics under extreme uncertainty, with implications for investors and regulators in emerging markets.

    • How Granger’s time series methods can eliminate hypothesis testing & parameter-centric analyses How Granger’s time series methods can eliminate hypothesis testing & parameter-centric analyses

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Purpose – Hypothesis testing and parameter-centric analyses ought to be replaced by the concept of relevance and usefulness. All models ought to be tested against reality, which almost never happens, and cannot when hypothesis testing or parameter statements are used.
      Design/methodology/approach – We review the state of evidence in time series models, specifically Granger causality and testing, and see why this was seen as an innovation. We show that the central idea of prediction applies to all models, not just time series.
      Findings – Granger so-called causality does not identify cause, nor does hypothesis testing or parameter statements. But the history of Granger’s idea show the shortcomings of classical analysis methods and point the way toward clear thinking on cause.
      Originality/value – If hypothesis testing and parameter-centric analysis could be abandoned in favor of predictive approaches, we could eliminate a major source of error and over-certainty.

    • Nonparametric econometrics with fractional and long-memory regressors Nonparametric econometrics with fractional and long-memory regressors

      Tóm tắt Abstract | Bài viết Article | PDF | Mua ngay Buy now
      Tóm tắt Abstract

      Purpose – This paper surveys advances in nonparametric regression models with long-memory regressors, particularly those driven by fractional Brownian motion, and examines how persistence affects econometric inference.
      Design/methodology/approach – A theoretical survey is conducted on kernel-based nonparametric estimators when regressors follow fractional stochastic processes. The analysis relies on asymptotic methods and incorporates tools such as local time techniques and Malliavin calculus to study estimator behavior under strong dependence.
      Findings – Long-range dependence substantially alters classical nonparametric results. The Hurst parameter plays a central role in determining consistency, convergence rates, and asymptotic distributions of estimators. Standard assumptions of independence or weak dependence are no longer applicable, and the dependence structure directly impacts bandwidth selection and limiting behavior. The analysis also highlights the importance of local time in understanding estimator properties under fractional dynamics.
      Originality – The paper provides a unified synthesis of recent theoretical developments at the intersection of nonparametric econometrics and fractional stochastic processes. It clarifies how long-memory features influence estimation theory and highlights key probabilistic tools for analyzing regression models with persistent regressors.

    KẾT NỐI VỚI CHÚNG TÔI QUA... CONNECT WITH US ON...

    CHỈ MỤC INDEXED IN