Giới thiệu

Trong những năm gần đây, công nghệ số đang làm thay đổi mạnh mẽ lĩnh vực tài chính – ngân hàng, từ cách cung cấp dịch vụ ngân hàng, quản lý tài chính đến đầu tư và giao dịch. Sự phát triển của trí tuệ nhân tạo (AI), blockchain, dữ liệu lớn và các nền tảng số đang mở ra nhiều cơ hội mới, đồng thời đặt ra những yêu cầu mới về đổi mới dịch vụ, quản trị rủi ro, bảo mật và quản lý các mô hình tài chính mới.

Phòng thí nghiệm Tài chính Thông minh và Ngân hàng số (Smart Finance and Digital Banking – SFB Lab) được thành lập nhằm nghiên cứu và phát triển các giải pháp công nghệ và mô hình ứng dụng trong lĩnh vực tài chính – ngân hàng, hướng tới các dịch vụ thông minh, an toàn, hiệu quả và lấy người dùng làm trung tâm. Các hướng nghiên cứu của Phòng thí nghiệm tập trung vào ngân hàng số, tài chính thông minh, tài sản số và ngân hàng mở, với sự kết hợp giữa công nghệ và kiến thức chuyên môn về tài chính – ngân hàng.

Trong đó, Phòng thí nghiệm đặc biệt quan tâm đến việc ứng dụng AI và blockchain trong các dịch vụ tài chính, quản trị rủi ro, đầu tư, tài chính toàn diện và tài chính phát triển bền vững, đồng thời nghiên cứu các vấn đề về quản lý và khung pháp lý đối với tài sản số, tiền số và ngân hàng mở.

Phụ trách: TS. Thái Minh Hạnh (hanh.thaiminh@hust.edu.vn)

Các bài toán nghiên cứu

1. Ứng dụng AI trong nghiệp vụ ngân hàng

• • Mục tiêu: Tìm hiểu các công nghệ, kỹ thuật để cho phép người dùng giao tiếp với hệ thống một cách thuận tiện, dễ dàng, ví dụ qua trò chuyện text (chat), qua giọng nói
  • Công nghệ: Text to Speech, Speech to Text, Large Language Model

2. Nghiên cứu cấu trúc thị trường, cơ chế định giá và rủi ro của tài sản thực được token hóa trong tài chính

• • Mục tiêu: Tìm hiểu về quy định, vận hành, rủi ro và lợi nhuận của các tài sản thực được mã hóa.

3. Suy luận nguồn gốc dòng tài sản trên đồ thị giao dịch blockchain đa chuỗi trong điều kiện quan sát không đầy đủ

• • Câu hỏi nghiên cứu: Làm thế nào suy luận nguồn gốc và đường đi của tài sản qua nhiều blockchain, cầu nối và dịch vụ trộn khi chỉ quan sát được một phần giao dịch và có nhiễu trong ánh xạ thực thể?
  • Mục tiêu: Xây dựng mô hình suy luận dòng tài sản kèm khoảng bất định có chứng nhận, tránh đưa ra kết luận nhị phân quá mức khi dữ liệu thiếu.
  • Nội dung chính: Biểu diễn giao dịch đa chuỗi bằng đồ thị/siêu đồ thị thời gian dị thể; ánh xạ tài sản và thực thể qua chain/bridge; ràng buộc bảo toàn dòng; mô hình hóa mixers, token wrapping và giao dịch riêng tư; xây dựng ground truth đa tầng; backtest và hiệu chỉnh độ bất định.
  • Công nghệ & kỹ thuật: Graphical models, temporal/heterogeneous graph learning, constrained optimization, probabilistic inference, blockchain analytics và uncertainty quantification. Ứng dụng tham chiếu: truy vết AML và phân tích rủi ro.

4. Phát hiện sớm hành vi thao túng và rủi ro lan truyền trên thị trường tài sản số bằng đồ thị thời gian dị thể

• • Câu hỏi nghiên cứu: Làm thế nào phân biệt lan truyền thông tin bình thường với chiến dịch phối hợp thao túng, pump-and-dump hoặc rủi ro lây lan giữa KOL–token–ví–sàn?
  • Mục tiêu: Xây dựng mô hình cảnh báo sớm có khả năng giải thích, ổn định theo thời gian và đánh giá được chi phí cảnh báo sai.
  • Nội dung chính: Hợp nhất tín hiệu on-chain/off-chain và đa KOL; mô hình hóa quan hệ động; phát hiện bất thường/điểm thay đổi; tách bài toán dự báo biến động giá khỏi phát hiện thao túng; thiết kế nhãn đa tầng và backtest theo thời gian; giải thích đường lan truyền và yếu tố kích hoạt.
  • Công nghệ & kỹ thuật: Heterogeneous temporal GNN, anomaly/change-point detection, weak supervision, survival/causal analysis, explainable AI và market microstructure.

5. Nghiên cứu mô hình tối ưu điều khiển gắn với dự báo cho quyết định đầu tư tài chính đa kỳ trong điều kiện bất định

• • Câu hỏi nghiên cứu: Làm thế nào tích hợp trực tiếp chất lượng quyết định vào quá trình huấn luyện mô hình dự báo, để bài toán điều khiển tối ưu danh mục đa kỳ đạt hiệu quả cao hơn quy trình hai bước “dự báo rồi tối ưu” truyền thống?
  • Mục tiêu: Xây dựng khung end-to-end decision-focused learning kết hợp điều khiển dự báo (MPC) cho phân bổ tài sản đa kỳ, có bảo đảm về regret quyết định, kiểm soát rủi ro đuôi và bền vững trước sai lệch phân phối.
  • Nội dung chính: Hình thức hóa đầu tư đa kỳ như bài toán điều khiển tối ưu ngẫu nhiên có ràng buộc (chi phí giao dịch, thanh khoản, đòn bẩy, giới hạn rủi ro); thiết kế hàm mất mát nhận biết quyết định và lớp tối ưu khả vi; lượng hóa bất định bằng dự báo phân phối và conformal prediction; tối ưu bền vững phân phối trước chuyển chế độ thị trường; thiết kế backtest chống rò rỉ dữ liệu có mô hình hóa tác động thị trường; so sánh regret quyết định với sai số dự báo thuần túy.
  • Công nghệ & kỹ thuật: Stochastic optimal control, model predictive control, decision-focused learning/SPO+, differentiable convex optimization, distributionally robust optimization (Wasserstein), conformal prediction, offline RL, CVaR và độ đo rủi ro nhất quán, market microstructure.

6. Nghiên cứu xây dựng bộ tự động kiểm định tính đúng đắn trong suy luận của AI Agent và ứng dụng trong kiểm định quyết định đầu tư của trợ lý ảo tư vấn tài chính

• • Câu hỏi nghiên cứu: Làm thế nào tự động phát hiện và định vị lỗi ở mức từng bước trong chuỗi suy luận và chuỗi hành động của AI Agent – kể cả trường hợp lập luận không hợp lệ nhưng kết quả cuối cùng vẫn đúng – với bảo đảm thống kê về tỉ lệ lỗi bỏ sót và chi phí kiểm định chấp nhận được?
  • Mục tiêu: Xây dựng khung kiểm định lai giữa hình thức và học được, cấp “chứng chỉ tin cậy” có bảo đảm định lượng cho từng kết luận của tác tử, kèm cơ chế từ chối trả lời và chuyển tiếp cho con người khi độ tin cậy dưới ngưỡng.
  • Nội dung chính: Xây dựng phân loại lỗi suy luận ở mức bước (tiền đề sai, bước không kéo theo, dẫn chứng bịa, lỗi số học, sai trình tự gọi công cụ, vi phạm ràng buộc an toàn); dịch bước suy luận sang dạng kiểm được bằng logic/SMT hoặc chương trình thực thi được và kiểm tra bằng solver; huấn luyện verifier ở mức tiến trình kết hợp tranh biện đa mô hình và hiệu chuẩn xác suất; áp dụng conformal risk control để đặt ngưỡng theo mức rủi ro mục tiêu; giám sát vết thực thi và bất biến trong sandbox, sinh kiểm thử đối kháng tự động; xây dựng tập dữ liệu lỗi có nhãn mức bước.
  • Công nghệ & kỹ thuật: Neuro-symbolic verification, SMT solver và trợ lý chứng minh, program synthesis và kiểm chứng dựa trên thực thi, process reward model, LLM-as-judge có hiệu chuẩn, conformal prediction và risk control, uncertainty quantification, runtime monitoring, formal methods cho an toàn AI.

7. Nghiên cứu AI Agent suy luận đa bước trên hệ quản trị tri thức doanh nghiệp dựa trên Graph-RAG

• • Câu hỏi nghiên cứu: Làm thế nào để AI Agent lập kế hoạch và truy hồi có định hướng trên đồ thị tri thức thời gian nhằm trả lời câu hỏi đa bước có dẫn chứng kiểm chứng được, giữ ổn định khi tri thức mâu thuẫn hoặc lỗi thời, và kiểm soát được chi phí truy hồi?
  • Mục tiêu: Xây dựng kiến trúc Graph-RAG có tác tử với chính sách truy hồi tối ưu dưới ràng buộc ngân sách, cơ chế quy chiếu nguồn bắt buộc, và bộ chuẩn đánh giá suy luận đa bước cho tiếng Việt.
  • Nội dung chính: Xây dựng và bảo trì đồ thị tri thức từ nguồn văn bản không đồng nhất với hợp nhất thực thể, gắn khoảng thời gian hiệu lực và độ tin cậy nguồn; truy hồi lai giữa vector, từ khóa và duyệt đồ thị đa bước kèm tóm tắt theo cộng đồng; học chính sách quyết định khi nào mở rộng nhánh và khi nào dừng dưới ràng buộc token/độ trễ; phân rã câu hỏi, tự kiểm tra nhất quán và bắt buộc gắn dẫn chứng; xử lý mâu thuẫn tri thức và truy hồi tôn trọng phân quyền dữ liệu; xây dựng benchmark đo tính trung thực, tỉ lệ ảo giác và chi phí; thử nghiệm trong miền pháp lý – tài chính – vận hành.
  • Công nghệ & kỹ thuật: Knowledge graph construction, temporal và heterogeneous graph, GraphRAG, hybrid retrieval, LLM agents với planning – tool use – memory, RL và bandit cho chính sách truy hồi, attribution/citation verification, ontology RDF-OWL, vector database, khung đánh giá RAG.

Đề tài, dự án thực hiện

Các dự án đã và đang thực hiện gồm:

1. Xây dựng hệ thống thanh toán thư tín dụng sử dụng công nghệ chuỗi.
2. Nghiên cứu xây dựng mô hình AI phát hiện công ty thao túng trên thị trường chứng khoán Việt Nam qua phân tích dữ liệu sắc thái tin tức kết hợp dữ liệu tài chính và phi tài chính.
3. Xây dựng bộ chỉ số Fintech cho cách tỉnh thành Việt Nam.
4. Xây dựng hệ thống bảo lãnh sử dụng công nghệ chuỗi khối.
5. Nghiên cứu về quản trị rủi ro thuế sử dụng AI.
6. Sử dụng mô hình AI dự báo lợi nhuận chứng khoán trên thị trường chứng khoán Việt Nam qua phân tích dữ liệu sắc thái tin tức kết hợp dữ liệu tài chính và phi tài chính.

Thành viên

• TS. Thái Minh Hạnh – Phụ trách Phòng thí nghiệm
• PGS. TS. Nguyễn Bình Minh
• TS. Đỗ Bá Lâm
• PGS. TS. Nguyễn Thị Ngọc Anh
• TS. Trần Ngọc Thăng
• TS. Nguyễn Văn Hạnh
• TS. Nguyễn Hữu Du
• TS. Nguyễn Trung Dũng
• TS. Nguyễn Thúc Hương Giang
• TS. Dương Mạnh Cường
• TS. Hà Thị Thư Trang
• PGS.TS. Nguyễn Thị Xuân Hòa