Định giá khoản phải thu

 Mấy hôm trước, có một học viên hỏi tôi về đề thi môn Xác định giá trị doanh nghiệp (Kỳ thi thẻ Thẩm định viên về giá năm 2022). Trong đó có nội dung thẩm định giá giá trị khoản phải thu trên Bảng Cân đối kế toán như sau:

"Khoản phải thu ngắn hạn là 50 tỷ đồng. Chắc chắn thu được 20 tỷ đồng, khoản phải thu không có khả năng thu hồi 15 tỷ đồng, số còn lại xác suất thu được là 70%".

Nội dung này khá giống đề thi thẻ môn Xác định GTDN năm 2018. Tôi có hỏi xem các bạn làm thế nào thì hầu hết mọi người đều tính như sau:

+ Khoản phải thu chắc chắn thu được = 20 tỷ đồng

+ Số còn lại trên sổ sách = 50 tỷ - 15 tỷ (không thu được) - 20 tỷ (chắc chắn thu được) = 15 tỷ đồng.

+ Số còn lại sau khi đánh giá lại = 70% * 15 = 10,5 tỷ đồng. 

+ Khoản phải thu sau khi đánh giá lại = 20 tỷ (chắc chắn thu được) + 10,5 tỷ (số còn lại) = 30,5 tỷ.

Tôi cho rằng các bạn đang có sự nhầm lẫn giữa "Xác suất thu được là 70%" và "Chắc chắn thu được 70% (còn 30% không thu hồi được).

Đây là 2 vấn đề khác hẳn nhau.

Nếu như ta nói "chắc chắn thu hồi được 70%" của 15 tỷ, thì giá trị khoản phải thu này sẽ là 

70% * 15 tỷ = 10,5 tỷ

Đây là một con số chắc chắn.

Nhưng nếu đề bài cho "Xác suất thu được là 70%". Điều đó có nghĩa là có 2 khả năng xảy ra:

• Bạn thu hồi được nguyên vẹn 15 tỷ, xác suất kịch bản này là 70%.
• Bạn thu hồi được 0 tỷ, xác suất kịch bản này là 30%.

Như vậy, giá trị kỳ vọng (expected value) nhận được sẽ là:

E(V) = 70% * 15 + 30% *0 = 10,5 tỷ

Đây chỉ là con số kỳ vọng (expected value), nghĩa là giá trị thực tế bạn nhận được không phải là 10,5 tỷ mà là hoặc 15 tỷ, hoặc trắng tay.

Theo đúng nguyên lý tài chính cơ bản, 1 đồng chắc chắn có giá trị hơn 1 đồng rủi ro. Một người ghét rủi ro sẽ chọn phương án chăc chắn thay vì chọn phương án rủi ro có cùng giá trị kỳ vọng. Muốn họ từ bỏ phương án chắc chắn để chọn phương án rủi ro (hoặc 15 tỷ, hoặc trắng tay) thì phải bù cho họ một phần bù rủi ro. Tức là ta phải quy đổi 10,5 tỷ không chắc chắn về giá trị tương đương chắc chắn (certainty equivalent), một cách thường được sử dụng là thực hiện chiết khấu (các bạn thử đoán xem trường hợp này ta dùng tỷ suất chiết khấu là bao nhiêu). Bạn hình dung đơn giản, giả sử khoản phải thu này có tính thanh khoản hoàn hảo, có thể chuyển thành tiền ngay lập tức. Liệu bạn có thể bán khoản phải thu này trên thị trường với giá 10,5 tỷ không ? Một người mua điển hình có sẵn lòng bỏ ra 10,5 tỷ để mua 1 cơ hội may rủi, hoặc được 15 tỷ, hoặc trắng tay ? Không. Họ sẽ trả giá thấp hơn giá trị kỳ vọng 10,5 tỷ (thấp chừng nào thì tùy thuộc vào mức độ ghét rủi ro của NĐT điển hình, hay nói quen thuộc hơn là phụ thuộc vào tỷ suất chiết khấu thị trường cho loại rủi ro đó). 

Nguồn: Lựa chọn trong điều kiện không chắc chắn (ĐH Fulbright)

Ví dụ này cũng giống với trường hợp NĐT cân nhắc giữa 2 tài sản:

• Tài sản A là tài sản phi rủi ro có giá là 10 tỷ, chắc chắn mang lại thu nhập sau 1 năm là 20 tỷ
• Tài sản B là tài sản rủi ro, có thể mang lại thu nhập hoặc 40 tỷ (xác suất 50%) hoặc trắng tay (xác suất 50%). Thu nhập kỳ vọng (expected income) của B cũng là 40*50% = 20 tỷ.

Rõ ràng 1 nhà đầu tư ghét rủi ro điển hình sẽ lựa chọn phương án bỏ 10 tỷ để nhận về 20 tỷ chắc chắn hơn là phương án bỏ 10 tỷ để nhận về 20 tỷ không chắc chắn (hoặc 40, hoặc zero). Vì vậy, giá của tài sản B phải có giá thấp hơn 10 tỷ (tỷ suất chiết khấu cao hơn).

Điều này tương tự với câu hỏi về Khoản phải thu ở trên. Giá trị khoản phải thu có xác suất thu được 70% sẽ không phải là 10,5 tỷ, mà phải là 1 con số nào đó nhỏ hơn (nhỏ hơn bao nhiêu thì tùy vào giá trị thị trường của rủi ro, tức là phải chiết khấu ở tỷ suất phù hợp)

-----

Đây là phần giải thích thêm về Choice under uncertainty cho bạn nào muốn hiểu sâu:

Chúng ta nhớ lại đồ thị thái độ của NĐT đối với rủi ro như sau:

Đồ thị đầu tiên (từ trái qua) là đồ thị của người ghét rủi ro - risk averse individual (hầu hết chúng ta đều là người ghét rủi ro). Trục tung là giá trị thu nhập mang lại, trục hoành là độ thỏa dụng, ngôn ngữ bà ngoại là "độ sướng" (ký hiệu U là Utility). Đồ thị này đường cong lồi hàm ý thu nhập chắc chắn đem lại độ thỏa dụng lớn hơn độ thỏa dụng từ việc nhận thu nhập không chắc chắn, E[U(x)] < U[E(x)].

CE < E(x) (CE là certainty equivalent - tương đương chắc chắn) có nghĩa là giá trị tương đương chắc chắn sẽ thấp hơn giá trị kỳ vọng ko chắc chắn. 

Do không thể đưa nguyên bài giảng 4 tiếng vào đây, tôi chỉ có thể giải thích sơ bộ bằng ví dụ:

Giả sử, bạn có 2 cơ hội việc làm:

+ Công việc thứ nhất đem lại cho bạn thu nhập chắc chắn (fix cứng) là I = 20 triệu đồng. Độ sướng bạn nhận về nếu có thu nhập 20 triệu đồng là U(I) = U(20) = 18 đơn vị (giả sử)

+ Công việc thứ hai đem lại cho bạn thu nhập không chắc chắn. Nếu hên, bạn sẽ có 30 triệu đồng (xác suất 50%), còn trường hợp không thuận lợi (xác suất 50%) chỉ nhận về có 10 triệu đồng thôi. Bạn dễ dàng tính thu nhập kỳ vọng công việc thứ hai là E(I) = 50%*30 + 50%*10 = 20 triệu đồng.

Tuy nhiên vì 20 triệu là không chắc chắn, độ sướng của bạn sẽ phải là trung bình trọng số của U(30) - độ sướng nếu hên nhận được 30tr, và U(10) - độ sướng nếu xui chỉ nhận có 10tr tiền lương.

Trung bình độ sướng trường hợp này là E[U(20)] = 50%*U(30) + 50%*U(10) = 50%*20+50%*12 = 16 < U(20) (vì ở trên ta tính ra U(20) = 18)

Có nghĩa rằng, cùng giá trị là 20 nhưng độ sướng trong trường hợp thu nhập chắc chắn (công việc 1) mang lại lớn hơn độ sướng trong trường hợp thu nhập không chắc chắn (công việc 2). 

Nếu như tôi tính toán được rằng độ sướng trong trường hợp tôi nhận thu nhập 18 triệu chắc chắn cũng là 16 đơn vị, thì thu nhập 18 triệu (nhưng chắc chắn) chính là tương đương chắc chắn của thu nhập 20 triệu (nhưng không chắc chắn). 

Vì sao vậy ? Vì việc nhận được thu nhập chắc chắn 18 triệu, cũng đem lại độ sướng như khi tôi nhận thu nhập 20 triệu không chắc chắn. Nên thu nhập tương đương chắc chắn của công việc thứ hai là 18 triệu đồng.

Các bạn hiểu đơn giản rằng, một đồng chắc chắn luôn có giá hơn một đồng rủi ro. Nếu tạo ra thu nhập kỳ vọng như nhau, tài sản phi rủi ro sẽ phải có giá cao hơn tài sản rủi ro.

Bài giảng này là 1 phần nhỏ mở đầu của khóa học Tài chính cơ bản và Lập mô hình định giá doanh nghiệp. Trong phạm vi bài viết mình chưa thể nói hết các nội dung, và chưa đề cập hết các ứng dụng thực tế. Hi vọng giúp các bạn học tập và công tác tốt hơn. 

Tham gia nhóm cùng trao đổi KIẾN THỨC tài chính, Thẩm định giá và HỌC TẬP tại ĐÂY

Hợp đồng thông minh, AI và tương lai của thẩm định giá tài sản

Tác giả:  Jun Dai , Jumi Kim , Jay A. Soled, JD, LLM và Miklos A. Vasarhelyi, PhD

Jun Dai là trợ lý giáo sư tại Đại học Công nghệ Michigan, Houghton, Mich.

Jumi Kim là NCS  Tiến sĩ tại Trường Kinh doanh Rutgers, Newark và New Brunswick, NJ

Jay A. Soled, JD, LLM, là giáo sư tại Trường Kinh doanh Rutgers.

Miklos Vasarhelyi, Tiến sĩ, là Giáo sư Xuất sắc của KPMG về Hệ thống Thông tin Kế toán và là Giám đốc Trung tâm Nghiên cứu Kế toán Rutgers và Phòng thí nghiệm Báo cáo & Kiểm toán Liên tục (CAR Lab); ông cũng là thành viên của Ban Cố vấn Biên tập Tạp chí CPA.

Tóm tắt

Cho đến nay, "hợp đồng thông minh" mới chỉ được sử dụng hạn chế. Tuy nhiên, chúng có khả năng chuyển đổi, đặc biệt là khi kết hợp với trí tuệ nhân tạo (AI). Các tác giả xem xét sự kết hợp có thể có của hai công nghệ này và các cơ hội tiềm năng mà nó mang lại để giải quyết việc định giá tài sản, một vấn đề khó khăn lâu nay giữa người nộp thuế và IRS.

***

Vào năm 1997, thay vì các thủ tục pháp lý truyền thống mà ở đó, các bên phải trải qua một quá trình thương lượng mệt mỏi và tốn kém, nhà khoa học máy tính và nhà nghiên cứu luật Nick Szabo đã hình thành ý tưởng về “hợp đồng thông minh” cho những mối quan hệ hợp đồng có thể được chính thức hóa thông qua thực thi mã máy tính (“View of Formalizing and Securing Relationships on Public Networks,” First Monday, doi: 10.5210/fm.v2i9.548). Cho đến nay, các hợp đồng thông minh đã được sử dụng trong nhiều ngành hẹp khác nhau, đáng chú ý nhất là trong tiền điện tử và trong một số hợp đồng bảo hiểm nhất định. Bất chấp việc sử dụng hạn chế, chúng hứa hẹn có khả năng cách mạng hóa thế giới thuế và kế toán (xem bảng Exhibit). Chúng có thể được sử dụng như một cơ chế để người nộp thuế và chính phủ đạt được sự đồng thuận về việc định giá tài sản, một lĩnh vực gây tranh cãi từ xưa đến nay, đã dẫn đến vô số các cuộc xét xử và các báo cáo kiểm toán có dấu hiệu báo động.

Bài phân tích dưới đây bắt đầu bằng việc đi sâu vào vấn đề chính của việc định giá tài sản. Tiếp theo là khám phá bản chất của cả hợp đồng thông minh và trí tuệ nhân tạo (AI) và năng lực của chúng trong việc giải quyết vấn đề định giá tài sản đặc thù (endemic), kết thúc bằng việc mô tả về những lợi ích liên quan đến cách tiếp cận được đề xuất này.

Bối cảnh: Định giá tài sản

Kể từ khi bắt đầu áp dụng thuế thu nhập vào năm 1913, các vấn đề về định giá tài sản đã có mặt khắp nơi. Và lý do rất đơn giản - về bản chất, các tài sản không thể thay đổi có một loạt các giá trị. Tùy thuộc vào kế hoạch (agenda) của người đóng thuế, các lựa chọn định giá sẽ được thực hiện để mang lại gánh nặng thuế thấp nhất có thể.

Ví dụ, nếu một người đóng thuế muốn tặng tài sản cho một tổ chức từ thiện, cùng với phạm vi định giá tài sản cho phép, họ sẽ chọn mức cao nhất. Ngược lại, nếu người đóng thuế muốn tặng tài sản cho con cái của họ, cùng với một phạm vi định giá tài sản cho phép, họ sẽ chọn mức thấp nhất. Tuy nhiên, để đảm bảo việc định giá tài sản có thể bảo vệ được (thường từ một thẩm định viên chuyên nghiệp) đòi hỏi các công việc tốn nhiều thời gian và tài nguyên.

Trước kế hoạch tiết kiệm thuế của người nộp thuế, trong nhiều trường hợp, IRS tranh cãi về các số liệu định giá đưa ra. Thông thường, những gì diễn ra sau đó là những cuộc tranh tụng kéo dài giữa các chuyên gia về tính chính xác của việc định giá tài sản. Với rất ít hoặc không được đào tạo về kỹ thuật định giá để giải quyết những vấn đề này, các tòa án sau đó có nhiệm vụ giải quyết những khác biệt của các bên, thường lấy trung bình các lựa chọn được đưa ra.

Hệ quả của sự biến động này có thể dự đoán được; nó khiến IRS và người nộp thuế phải có những quan điểm định giá thậm chí còn khắc nghiệt hơn với kỳ vọng rằng làm như vậy, theo quan điểm của họ, cuối cùng sẽ mang lại kết quả định giá thuận lợi hơn.

Hình 1. Các ứng dụng tiềm năng của Hợp đồng thông minh

Sự giao nhau của Hợp đồng thông minh và AI

Trong thế kỷ qua, các cuộc chiến về định giá giữa IRS và người nộp thuế đã lặp đi lặp lại nhiều lần. Tình huống thực tế sau đây là phổ biến: người đóng thuế khai báo giá trị của một tài sản, IRS kiểm tra bản khai thuế của người đóng thuế và không đồng tình với giá trị của tài sản đó, kiện tụng xảy ra và họ ra tòa để giải quyết sự khác biệt.

Cũng trong giai đoạn này, một cuộc cách mạng công nghệ đã diễn ra đã thay đổi hoàn toàn cách mọi người tiến hành các công việc cá nhân và kinh doanh của họ. Đối với mục đích của phân tích này, có hai chủ đề công nghệ cụ thể, khi kết hợp với nhau, có khả năng thay đổi động cơ truyền thống giữa IRS và người nộp thuế. Chúng là hợp đồng thông minh và AI.

Hợp đồng thông minh là các chương trình máy tính được thiết kế để tự động thực hiện các tác vụ nhất định dựa trên các hành động và chương trình được xác định trước. Như vậy, các chương trình này được thiết kế để tự hoạt động (hermeneutic) (nghĩa là tự thực thi, khép kín); do đó, một khi hợp đồng được ký, sự can thiệp của các bên tham gia, luật sư hoặc tòa án có thể rất hạn chế, nếu không muốn nói là hoàn toàn không thể. Việc không có những xích mích có thể xảy ra này làm cho chúng trở nên “thông minh” và hấp dẫn hơn so với các hợp đồng truyền thống. Một điểm tương tự với phương thức hoạt động của hợp đồng thông minh là máy bán hàng tự động, được kích hoạt bằng cách đút tiền xu, bills hoặc thẻ tín dụng, tiếp theo là lựa chọn một mặt hàng và sau đó kết thúc bằng việc tự động giao sản phẩm tương ứng.

Trong thập kỷ trước, một công nghệ mới thường được sử dụng để tăng cường và bảo vệ việc thực thi các hợp đồng thông minh là blockchain. Blockchain là một hệ thống sổ cái phân tán sử dụng một mạng lưới các máy tính cùng quản lý một hệ thống và ngăn chặn các hành động bất hợp pháp trên sổ cái. Sử dụng các biện pháp bảo vệ vốn có trong công nghệ blockchain, tính toàn vẹn của hợp đồng thông minh gần như không thể xuyên thủng trước những thay đổi độc hại.

AI mô tả một cách rộng rãi một số chức năng hiện có thể được thực hiện thông qua việc sử dụng công nghệ mà không cần sự can thiệp của con người. Các ví dụ quen thuộc của AI bao gồm ô tô tự lái, robot hút bụi và trợ lý ảo. Một tập hợp con của AI là học máy, bao gồm một quá trình mà các siêu máy tính (sophisticated computers) “học” - thường thông qua quá trình thử-và-sai (trial-and-error process)— chứ không phải được lập trình sẵn.

Trong thập kỷ qua, một lĩnh vực AI đã chứng minh được hiệu quả là lĩnh vực định giá tài sản. Việc định giá tài sản, trước đây thường mất vài tuần hoặc vài tháng để hoàn tất với chi phí lớn, giờ đây có thể được AI tạo ra ngay lập tức với chi phí thấp hoặc miễn phí. Kết quả thường chính xác hơn so với kết quả do con người thực hiện.

Với chức năng của hợp đồng thông minh và sự thành công mà AI đã đạt được trong khả năng định giá tài sản, không có lý do gì mà điểm mạnh của hai công nghệ này không thể kết hợp đồng bộ để tận dụng ưu điểm của mỗi công nghệ. Đề xuất dưới đây cố gắng thực hiện chính xác điều đó.

Đề xuất

Đề xuất hiện nay rất đơn giản: Trong trường hợp người nộp thuế cần định giá một tài sản (ví dụ: quyên tặng một tòa nhà làm việc cho một tổ chức từ thiện), họ sẽ ký hợp đồng thông minh với IRS. Các điều khoản của hợp đồng này sẽ thống nhất và tự thực hiện cho cả hai bên và sẽ hoàn toàn dựa vào AI cho các mục đích định giá tài sản. Một blockchain sẽ quản lý hợp đồng và đảm bảo rằng các hành động của nó tuân thủ nghiêm ngặt thỏa thuận đã đề ra giữa người nộp thuế và IRS.

Quá trình này sẽ diễn ra trong một chuỗi gồm ba bước và được triển khai trên nền tảng blockchain.

Bước 1.

Phần mềm máy tính sẽ yêu cầu người đóng thuế cung cấp thông tin quan trọng về tài sản qua các câu hỏi (ví dụ: vị trí của một tòa nhà, diện tích, thời điểm xây dựng). Nếu thông tin đầy đủ (adequate information) được cung cấp đáp ứng yêu cầu của AI để đưa ra ước tính định giá chính xác, quy trình sẽ tiếp tục sang bước tiếp theo. Nếu thông tin được cung cấp tỏ ra không đầy đủ, hợp đồng thông minh sẽ tự động thu thập thông tin bổ sung (ví dụ: thu nhập cho thuê ròng trung bình hàng tháng được tạo ra hoặc bất kỳ chi phí tiêu hao (amenities) nào khác được cung cấp bởi công trình). Khi thông tin bổ sung này được cung cấp, AI sẽ đưa ra quyết định định giá như một phần của quy trình. Nếu AI vẫn thiếu thông tin đầy đủ (ví dụ: các thông tin so sánh), nó sẽ thông báo cho các bên rằng trường hợp này nên định giá tài sản theo cách truyền thống và hợp đồng thông minh là vô hiệu (null and void).

Bước 2.

IRS hoặc người đóng thuế sau đó có thể chấp nhận hoặc từ chối giá trị được đưa ra. Nếu một trong hai bên từ chối việc xác định giá trị, AI sẽ tự động tạo ra một loạt câu hỏi bổ sung để người nộp thuế hoàn thành (ví dụ: chi phí tiện ích trung bình hàng tháng), có thể dẫn đến giá trị tài sản được hiệu chuẩn lại. Một lần nữa, IRS và người nộp thuế sẽ có thể chấp nhận hoặc từ chối việc định giá lại tài sản.

Bước 3.

Nếu IRS hoặc người đóng thuế từ chối giá trị thị trường hợp lý (fair market value) dự kiến ​​của tài sản, các bên — như một phần của hợp đồng thông minh — sẽ cam kết phân xử sự khác biệt của họ hoặc chuyển sang thực hiện thẩm định giá tài sản theo cách truyền thống nếu sự khác biệt về định giá vẫn lớn đáng kể. Khi cả hai bên đồng ý về giá trị của tài sản, hợp đồng thông minh sẽ được triển khai trên nền tảng blockchain và người nộp thuế sẽ cam kết báo cáo giá trị này và IRS chấp nhận nó. Việc vi phạm hợp đồng thông minh có thể dẫn đến việc người đóng thuế bị phạt hoặc IRS có nghĩa vụ phải bồi thường. Việc thực thi hình phạt và bồi thường sẽ được thực thi bởi hợp đồng thông minh và được giám sát bởi tất cả các máy tính trong chuỗi khối.

Sau khi bị ràng buộc bởi các điều khoản của quy trình ba bước này, IRS và người nộp thuế sẽ phải hành động phù hợp. Mỗi bên có thể sẽ hài lòng với kết quả của hợp đồng thông minh; tuy nhiên, nếu một bên hoặc cả hai không hài lòng, họ cũng không thể tranh cãi hoặc lật lại kết quả.

Lợi ích của Đề xuất Hợp đồng Thông minh

Việc thông qua đề xuất này sẽ mang lại vô số lợi ích. Đối với những người mới bắt đầu, nhiều nghiên cứu thực nghiệm chỉ ra rằng các kết quả định giá do AI và các công nghệ liên quan tạo ra thường chính xác hơn so với các kết quả định giá do các chuyên viên trong lĩnh vực thẩm định giá đưa ra. Ngoài ra, việc định giá tài sản như vậy không chỉ giới hạn trong bất động sản; AI có một hồ sơ theo dõi (track record) đã được chứng minh bao gồm việc định giá tài sản cho các tác phẩm nghệ thuật (artwork), các doanh nghiệp sở hữu cô đọng (closely held businesses - là công ty được sở hữu bởi cá nhân hoặc nhóm cổ đông nhỏ, thường là thành viên trong gia đình) và các tài sản đặc thù khác (chẳng hạn: tiền xu quý hiếm, đồ trang sức). 

Bên cạnh độ chính xác của kết quả định giá tài sản mà AI tạo ra, chi phí thời gian và các chi phí liên quan đến việc phát hành các báo cáo thẩm định giá như vậy chỉ bằng một phần nhỏ so với chi phí của các báo cáo thẩm định giá tương tự được thực hiện thủ công của các chuyên viên thẩm định giá. Việc thẩm định giá tài sản thường tốn hàng nghìn đô la và có thể mất hàng tuần - thậm chí hàng tháng - để chuẩn bị và bảo vệ. Điều này ngược lại hoàn toàn với thẩm định giá bằng AI; tùy thuộc vào bản chất của tài sản, một khi mô hình đã được phát triển, nó có thể chỉ cần một vài lần nhấn phím để chạy thẩm định. Chi phí để mua chúng thường là tối thiểu và đảm bảo kịp thời về mặt thời gian.

Nếu IRS và người nộp thuế đồng ý tham gia vào các hợp đồng thông minh sử dụng AI, thì số lượng các vụ kiện tụng liên quan đến tranh chấp định giá tài sản sẽ giảm đi đáng kể. Mỗi bên sẽ không có động cơ để nhận các giá trị cực đoan - extreme values (như tình trạng hiện nay). Thay vào đó, thông qua các hợp đồng thông minh và AI, giá trị của tài sản sẽ được chắt lọc thành một con số có thể giả định về độ chính xác (presumption of accuracy được sử dụng trong các văn bản luật hàm ý là một kết luận được coi là đúng cho đến khi có bằng chứng ngược lại bác bỏ). Hơn nữa, blockchain sẽ thay thế phần lớn vai trò truyền thống của tòa án trong việc theo dõi và giám sát việc thực hiện hợp đồng.

Chính sách 'Thông minh'

Có một lý do tại sao các tiến bộ công nghệ thường được coi là gây rối (disruptive): về cơ bản chúng thay đổi cách con người tương tác và thực hiện nhiệm vụ. Đề xuất của các tác giả về việc kết hợp hợp đồng thông minh và AI trong lĩnh vực định giá tài sản cũng không phải là ngoại lệ. Nếu, như một vấn đề về chính sách công, Quốc hội bắt buộc sử dụng chúng, thì những người nộp thuế và những người ra quyết định sẽ phải trút bỏ những do dự sâu sắc (deep-seated hesitancies) của họ. Làm như vậy sẽ tạo một bước quan trọng thúc đẩy hướng tới cuộc cải cách đầy ý nghĩa.

Đọc thêm

1. Aubry, M., Kräussl, R., Manso, G., & Spaenjers, C., “Machine learning, human experts, and the valuation of real assets,” No. 635. CFS Working Paper Series, 2019.

2. Baldominos, A., Blanco, I., Moreno, A. J., Iturrarte, R., Bernárdez, Ó., & Afonso, C., “Identifying real estate opportunities using machine learning,” Applied Sciences, vol. 8, no. 11, p. 2321, 2018.

3. Chaphalkar, N. B., & Sandbhor, S., “Use of artificial intelligence in real property valuation,” International Journal of Engineering and Technology, vol. 5, no. 3, pp. 2334-2337, 2013.

4. Chen, T. H., Chen, M. Y., & Du, G. T., “The determinants of bitcoin’s price: Utilization of GARCH and machine learning approaches,” Computational Economics, vol. 57, no. 1, pp. 267-280, 2021.

5. Dai, J., & Vasarhelyi, M. A., “Toward blockchain-based accounting and assurance,” Journal of Information Systems, vol. 31, no. 3, pp. 5-21, 2017.

6. Giulio, P., “Chainalysis and Wave showcase blockchain fintech products at New York Barclays accelerator, sign deal with Barclays,” https://bit.ly/3yD2Wcd, 2015.

7. Guo, J. Q., Chiang, S. H., Liu, M., Yang, C. C., & Guo, K. Y., “Can machine learning algorithms associated with text mining from internet data improve housing price prediction performance?,” International Journal of Strategic Property Management, vol. 24, no. 5, pp. 300-312, 2020.

8. Guzun, Eugeniu, “What Is It Worth?,” HedgeNordic, Feb. 11, 2020, https://hedgenordic.com/2020/11/whats-it-worth/.

9. Kim, J., Lyrio, M. V., Dai, J., & Vasarhelyi, M. A., “Block-chain-Enabled Continuous Audit: Implementation of Blockchain-Enabled Smart-Contract with the Integration of Business Process Management,” manuscript in preparation, 2022.

10. Liu, Y., & Zhang, L., “Cryptocurrency valuation: An explainable AI approach,” arXiv preprint arXiv:2201.12893, 2022.

11. Schatsky, D., “Getting smart about smart contracts,” https://bit.ly/3O4HIcU, 2018.

12. Yamaura, Y., Kanemaki, N., & Tsuboshita, Y., “The Resale Price Prediction of Secondhand Jewelry Items Using a Multi-modal Deep Model with Iterative Co-Attention,” arXiv preprint arXiv:1907.00661, 2019.

13. Yu, Y., Lu, J., Shen, D., & Chen, B, “Research on real estate pricing methods based on data mining and machine learning,” Neural Computing and Applications, vol. 33, no. 9, pp. 3925-3937, 2021