Chúc mừng nhóm sinh viên TMCL2021, CTTT2022 có bài báo được chấp nhận tại Hội nghị Khoa học Quốc tế IMCOM 2026
The 20th International Conference on Ubiquitous Information Management and Communication (IMCOM 2026) là hội nghị quốc tế thường niên uy tín trong lĩnh vực quản lý thông tin và truyền thông toàn thể (ubiquitous information and communication). Hội nghị là diễn đàn học thuật chất lượng cao nhằm giải quyết các thách thức trong xử lý thông tin thông minh, hệ thống mạng xã hội, truyền thông không dây và có dây, và các ứng dụng điện toán toàn thể.
IMCOM đóng vai trò là nền tảng quốc tế để các nhà nghiên cứu, giảng viên, và học viên chia sẻ ý tưởng, mở rộng hợp tác nghiên cứu và thúc đẩy trao đổi học thuật trong khu vực châu Á – Thái Bình Dương.
Các bài báo được chấp nhận tại hội nghị sẽ được chỉ mục bởi Scopus và EI, đồng thời nộp xem xét đưa vào IEEE Xplore (nếu đạt yêu cầu về phạm vi và chất lượng). Một số bài tiêu biểu sẽ được mời mở rộng và xuất bản trên các tạp chí uy tín như IEEE Access, WCMC, Oxford The Computer Journal, IEEE Transactions on Emerging Topics in Computing, IET Intelligent Transport Systems, cùng nhiều tạp chí SCI/SCIE khác.
IMCOM 2026 sẽ được tổ chức từ ngày 4–6 tháng 1 năm 2026 tại Hà Nội, Việt Nam (hình thức trực tiếp và trực tuyến).
Link hội nghị: https://imcom.org/
Tên bài báo: “An Integrated Hypothesis Testing and Machine Learning Based Forecasting Approach for Macroeconomic Drivers of Mergers and Acquisitions in England”
Nhóm sinh viên:
- 21521619 – Trần Tịnh Minh Tú – TMCL2021
- 22521368 – Trần Tịnh Đan Thanh – CTTT2022
Giảng viên hướng dẫn: TS. Trần Văn Hải Triều
Abstract: Mergers and Acquisitions play a pivotal role in corporate strategy and economic restructuring. The present study investigates the effect of major macroeconomic indicators such as Gross Value Added (GVA), Exchange Rate, Unemployment Rate, Consumer Price Index (CPI), and Bank Rate on M&A activity in the United Kingdom by using 238 monthly observations for the period January 2004 to October 2023. A hybrid econometric–machine learning framework is implemented for research hypothesis tests and enhanced prediction, including OLS regression, ridge regression, and lasso regression. Empirical results indicate that GVA and Exchange Rate exert positive influences on M&A activity, while Unemployment Rate, as well as Bank Rate, negatively affect it, with CPI playing a very minimal role in this respect. Especially, performance evaluation shows that lasso slightly outperforms OLS and ridge regressions. In addition to establishing statistical significance, the hybrid approach brings the supplementary value of machine learning regularisation techniques in the clarification of the association between macroeconomic factors and M&A. This study establishes a scalable foundation framework for policy-orientated forecasting and a methodological blueprint to extend in the future with analysis of structural breaks and sectoral or cross-country contexts by combining advanced machine learning architectures.
