Luận văn Tóm tắt Nghiên cứu ứng dụng luật kết hợp trong phân tích tài chính và kinh doanh ngân hàng

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG ---------------------------------------- NGUYỄN THỊ NGUYỆT NGHIÊN CỨU ỨNG DỤNG LUẬT KẾT HỢP TRONG PHÂN TÍCH TÀI CHÍNH VÀ KINH DOANH NGÂN HÀNG Chuyên ngành: Khoa học máy tính Mã số: 60.48.01 Người hướng dẫn khoa học: PGS. TS NGUYỄN BÁ TƯỜNG TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI – 2012 1 MỞ ĐẦU Mục đích của luận án này là nghiên cứu tổng quan về khai thác dữ liệu, nghiên cứu một số thuật toán khai thác luật kết hợp trong đó đi sâu vào nghiên cứu, thử nghiệm ứng dụng vào phân tích tài chính ngân hàng, giúp chuyên gia có được những thông tin có tính chất qui luật, trợ giúp quyết định hiệu quả. Nội dung luận văn được chia thành 3 chương: Chương 1: Tổng quan về hoạt động kinh doanh của ngân hàng thương mại: Giới thiệu tổng quan về hoạt động của ngân hàng, các chức năng của ngân hàng thương mại; Những quy chế đặc thù đối với hoạt động ngân hàng; Tìm hiểu bảng cân đối kế toán ngân hàng và các chỉ số tài chính. Chương 2: Cơ sở lý thuyết về khai thác dữ liệu: Tổ chức và khai thác dữ liệu truyền thống; khai thác dữ liệu và quá trình phát hiện tri thức, các dạng dữ liệu có thể khai thác dữ liệu, nhiệm vụ của khai thác dữ liệu, các phương pháp khai thác dữ liệu. Chương 3: Nghiên cứu luật kết hợp: Trong chương này đi sâu vào nghiên cứu luật kết hợp nhị phân. 2 Chương 1: TỔNG QUAN VỀ HOẠT ĐỘNG KINH DOANH CỦA NGÂN HÀNG THƯƠNG MẠI 1.1. Kinh doanh ngân hàng – một loại hình kinh doanh đặc biệt 1.1.1. Ngân hàng - một trung gian tài chính Để hiểu được chức năng đặc biệt của ngân hàng trong nền kinh tế, chúng ta hãy hình dung một thế giới giản đơn trong đó không tồn tại hoạt động của hệ thống ngân hàng. Trong một thế giới như vậy, những khoản tiết kiệm của dân chúng chỉ có thể được sử dụng hoặc là dưới dạng tiền mặt; hoặc là dưới dạng đầu tư chứng khoán vào các công ty. Nói một cách khái quát, các công ty phát hành chứng khoán để đầu tư vào các tài sản thực, như nhà xưởng, máy móc, nguyên liệu...Hình 1.1 mô tả luồng tiền tiết kiệm được luân chuyển từ dân chúng đến các công ty và ngược lại các chứng khoán là cổ phiểu và trái phiếu (CP & TP) được luân chuyển từ phía công ty đến dân chúng. Công ty (những người cần vốn) Dân chúng (những người gửi tiết kiệm) CP& Vốn 3 Hình 1.1 Các luồng vốn và chứng khoán trong một thế giới không có ngân hàng. Hình 1.2 chỉ ra bức tranh thực tế của thế giới mà chúng ta đang sống, biểu diễn các lượng vốn luân chuyển trong nền kinh tế, qua đó cho thấy vai trò, vị trí của hệ thống ngân hàng là trung gian giữa người đầu tư và các công ty là như thế nào. Hình 1.2 Các luồng vốn luân chuyển trong một thế giới mà các hệ thống ngân hàng tồn tại và phát triển Ngân hàng thực hiện hai chức năng cơ bản đó là: chức năng luân chuyển tài sản và chức năng cung cấp các dịch vụ thanh toán, môi giới và chuyển tài sản; và chức năng cung cấp các dịch tư vấn. 1.1.2. Các chức năng của ngân hàng thương mại - Tạo tiền; - Thanh toán; Ngân hàng (nhà trung gian) Ngân hàng (nhà luân chuyển tài sản) Dân chúng Các công ty Vốn Chứng chỉ TG CP &TP Vốn 4 - Huy động tiết kiệm; - Mở rộng tín dụng; - Tài trợ ngoại thương; - Dịch vụ ủy thác; - Bảo quản an toàn vật có giá; - Dịch vụ kinh kỹ; 1.1.3. Những quy chế đặc thù đối với hoạt động ngân hàng - Qui chế về an toàn trong hoạt động kinh doanh ngân hàng; - Qui chế về chính sách tiền tệ; - Qui chế về phân phối tín dụng; - Qui chế về bảo vệ người tiêu dùng; - Qui chế về bảo vệ người đầu tư; - Qui chế về thành lập ngân hàng và cấp giấy phép kinh doanh. 1.2. Tìm hiểu bảng cân đối kế toán ngân hàng và các chỉ số tài chính 1.2.1. Các khái niệm 1.2.2. Nội dung và kết cấu bảng cân đối kế toán 1.2.3. Mô tả các khoản mục trên bảng cân đối kế toán 1.2.4. Các chỉ số tài chính chủ yếu của ngân hàng 5 Chương 2: CƠ SỞ LÝ THUYẾT VỀ KHAI THÁC DỮ LIỆU 2.1. Tổ chức và khai thác dữ liệu truyền thống 2.2. Bước phát triển tiếp theo của việc tổ chức và khai thác các cơ sở dữ liệu 2.3. Khai thác dữ liệu và quá trình phát hiện tri thức 2.4. Các dạng dữ liệu có thể khai thác dữ liệu Khai thác dữ liệu có khả năng chấp nhận một số kiểu dữ liệu khác nhau điển hình như sau: - Cơ sở dữ liệu quan hệ (relational databases). - Cơ sở dữ liệu đa chiều (multidimention structures, data warehouses, data mart). - Cơ sở dữ liệu giao tác (transactional databases). - Cơ sở dữ liệu quan hệ - hướng đối tượng (object relational databases). - Dữ liệu không gian và thời gian (spatial, temporal, and time-series data). - Cơ sở dữ liệu đa phương tiện (Multimedia databases). 2.5. Nhiệm vụ chính của khai thác dữ liệu - Phân lớp (Classification). - Hồi quy (regression). 6 - Phân nhóm (Clustering). - Tóm tắt (summarization). - Mô hình hóa phụ thuộc (Dependency Modeling). 2.6. Các phương pháp khai thác dữ liệu Quá trình khai thác dữ liệu là quá trình phát hiện mẫu, trong đó, giải thuật khai thác dữ liệu tìm kiếm các mẫu đáng quan tâm theo dạng xác định như các luật, cây phân lớp, quy hồi, phân nhóm, v.v… 2.6.1. Các thành phần của giải thuật khai thác dữ liệu - Biểu diễn mô hình. - Đánh giá mô hình. - Tìm kiếm mô hình. 2.6.2. Một số phương pháp khai thác dữ liệu phổ biến 2.6.2.1. Phương pháp quy nạp. 2.6.2.2. Cây quyết định và luật. 2.6.2.3. Phát hiện các luật kết hợp. 2.6.2.4. Các phương pháp phân lớp và hồi quy phi tuyến. 2.6.2.5. Phân nhóm và phân đoạn (Clustering and Segmentation). 2.6.2.6. Các phương pháp dựa trên mẫu. 7 2.6.2.7. Mô hình phụ thuộc dựa trên đồ thị xác suất. 2.6.2.8. Khai thác dữ liệu dạng văn bản (Text Mining). 2.6.2.9. Mạng neuron. 2.6.2.10. Giải thuật di truyền. 2.7. Phương pháp khai thác áp dụng trong luận văn Trong luận văn này, phương pháp khai thác dữ liệu đã được áp dụng chủ yếu là phương pháp khai thác luật kết hợp nhị phân có cải tiến bằng cách xác định những thuộc tính về phải để khám phá những luật thật sự quan tâm, thuật toán khám phá luật kết hợp nhị phân sẽ được trình bày trong chương 3. 8 Chương 3: KHÁM PHÁ LUẬT KẾT HỢP 3.1. Ý nghĩa của luật kết hợp Luật kết hợp là một phương pháp phổ biến và quan trọng trong khai thác dữ liệu. Độ hỗ trợ (support) và độ tin cậy (confidence) là hai thước đo cho một luật kết hợp. 3.2. Một số hướng tiếp cận trong khai thác luật kết hợp - Luật kết hợp nhị phân (Binary association rule hoặc Boolean association rule). - Luật kết hợp có thuộc tính số và thuộc tính hạng mục (quantitative and categorical association rule). - Luật kết hợp tiếp cận theo hướng tập thô (mining association rules base on rought set). - Luật kết hợp nhiều mức (multi-level association rule). - Luật kết hợp mờ (fuzzy assocication rule). - Luật kết hợp với thuộc tính được đánh trọng số (association rule with weighted items). - Khai thác luật kết hợp song song (parallel mining of association rules). 3.3. Phát biểu bài toán khai thác luật kết hợp 9 3.3.1. Dữ liệu để khai thác Cho I = {i1, i2, i3,.., in} là tập bao gồm n mục (Item – còn gọi là thuộc tính - attribute). X  I được gọi là tập mục (itemset). T = {t1, t2,.., tm} là tập gồm m giao tác (Transaction – còn gọi là bản ghi - record). R là một quan hệ nhị phân trên I và T (hay R  IxT). Nếu giao tác t có chứa mục i thì ta viết (i, t) R (hoặc iRt). Ta sẽ ký hiệu DM = (T, I, R) là dữ liệu (ngữ cảnh) để khai thác. Ví dụ về cơ sở dữ liệu (dạng giao tác): I = {A, B, C, D, E}, T = {1, 2, 3, 4, 5, 6}, thông tin về các giao tác cho ở bảng sau: Bảng 3.1.a Ví dụ về một cơ sở dữ liệu dạng giao tác – (D) DM T I = {A, B, C, D, E} 1 A B D E 2 B C E 3 A B D E 4 A B C E 5 A B C D E 6 B C D 10 Trong một số trường hợp để cho tiện ta biểu diễn bảng 3.1.a dưới dạng bảng nhị phân 0, 1 như sau: Bảng 3.1.b Ví dụ về một cơ sở dữ liệu dạng giao tác – (D) DM A B C D E t1 1 1 0 1 1 t2 0 1 1 0 1 t3 1 1 0 1 1 t4 1 1 1 0 1 t5 1 1 1 1 1 t6 0 1 1 1 0 3.3.2. Độ hỗ trợ của tập mục X Cho ngữ cảnh khai thác dữ liệu D = (T, I, R); X  I. Gọi T(X) là tập giao tác chứa X. Độ hỗ trợ (support) của một tập mục X, ký hiệu s(X) là tỷ số của số lượng giao tác trong cơ sở dữ liệu D chứa X trên tổng số các giao tác trong cơ sơ dữ liệu D. Hay s(X) = Card (T(X)) / Card (T) = T XT )( . 3.3.4. Luật kết hợp X => Y Cho DM = (T, I, R) là dữ liệu để khai thác. X, Y  I là các tập mục thỏa mãn điều kiện YX . 11 Luật kết hợp của X và Y, ký hiệu X=>Y, đây là luật chỉ khả năng xuất hiện Y khi X xuất hiện. Luật kết hợp có hai độ đo gắn với nó là: độ hỗ trợ và độ tin cậy (confidence) của luật. Độ hỗ trợ của luật kết hợp X => Y Độ hỗ trợ của luật kết hợp X => Y, ký hiệu s(X => Y) là tỷ số của số các giao tác trong D có chứa X Y trên số tất cả giao tác trong D. Hay s(X => Y) = card (T(X Y))/card(T) = T YXT )(  ; trong đó T(X) là tập giao tác chứa tập mục X. Độ tin cậy của luật kết hợp X => Y Độ tin cậy (confidence) của luật X => Y, ký hiệu conf(X => Y) là tỷ số các giao tác trong D có chứa X  Y trên số các giao tác chứa X. Hay Conf(X => Y) = card(T(X  Y))/card(T(X)) = )( )( XT YXT  ; 3.5. Luật kết hợp có thuộc tính số và thuộc tính hạng mục Khai thác luật kết hợp với thuộc tính số và thuộc tính hạng mục (quantitative and categorical association 12 rule) là một trong những hướng tiếp cận quan trọng trong lĩnh vực khai thác luật kết hợp. Đặc biệt trong phân tích dữ liệu ngân hàng. Ví dụ ta xét tập 24 tài khoản của 24 khách hàng như sau: Bảng 3.4 Cơ sở dữ liệu chi tiết của 24 giao dịch tiền gửi tiết kiệm trong ngân hàng TAI KHOAN LOAI TG TIEN GUI DATE GUI DATE RUT DATE DH TIEN RUT D H T H G T 033240235 78.32 1 800,000, 000 1/2/20 04 7/2/20 04 4/2/20 04 829,059, 200 0 0 1 033260007 29.41 1 350,000, 000 1/2/20 04 7/2/20 04 7/2/20 04 356,300, 000 1 0 0 033240751 60.37 1 343,000, 000 1/5/20 04 10/5/2 004 4/5/20 04 362,070, 672 0 0 1 033240751 42.37 1 300,000, 000 1/5/20 04 11/5/2 004 4/5/20 04 300,000, 000 0 0 1 033260007 27.30 1 300,000, 000 1/6/20 04 7/7/20 04 7/6/20 04 305,400, 000 0 0 1 033240003 85.36 1 300,000, 000 1/6/20 04 2/12/2 004 4/6/20 04 300,000, 000 0 1 0 033260853 32.31 1 1,000,00 0,000 1/8/20 04 7/8/20 04 7/8/20 04 1,018,00 0,000 1 0 0 033260235 99.32 1 440,000, 000 1/8/20 04 7/8/20 04 7/8/20 04 447,920, 000 1 0 0 033240751 95.37 1 720,000, 000 1/8/20 04 4/8/20 04 4/8/20 04 732,960, 000 1 0 0 033240752 14.37 1 3,980,00 0,000 1/9/20 04 10/8/2 004 4/9/20 04 3,980,00 0,000 0 0 1 033240007 52.41 1 390,000, 000 1/12/2 004 4/12/2 004 4/12/2 004 397,020, 000 1 0 0 033260236 17.32 1 360,000, 000 1/13/2 004 7/13/2 004 7/13/2 004 366,480, 000 1 0 0 033240003 90.36 1 300,000, 000 1/13/2 004 5/20/2 004 4/13/2 004 305,670, 000 0 0 1 033240008 20.35 1 600,000, 000 1/14/2 004 2/25/2 004 4/14/2 004 600,000, 000 0 1 0 033240008 00.35 1 300,000, 000 1/14/2 004 3/15/2 004 4/14/2 004 300,000, 000 0 1 0 033240752 54.37 1 5,000,00 0,000 1/14/2 004 4/14/2 004 4/14/2 004 5,090,00 0,000 1 0 0 13 033240007 63.41 1 300,000, 000 1/14/2 004 4/14/2 004 4/14/2 004 305,400, 000 1 0 0 033240853 66.31 1 337,000, 000 1/15/2 004 7/15/2 004 4/15/2 004 343,066, 000 0 0 1 033240752 62.37 1 370,000, 000 1/15/2 004 4/29/2 004 4/15/2 004 376,660, 000 0 0 1 033240007 66.41 1 300,000, 000 1/15/2 004 4/15/2 004 4/15/2 004 305,400, 000 1 0 0 033240236 40.32 1 400,000, 000 1/16/2 004 4/16/2 004 4/16/2 004 407,200, 000 1 0 0 033240236 41.32 1 350,000, 000 1/16/2 004 5/17/2 004 4/16/2 004 356,300, 000 0 0 1 033240772 74.37 1 400,000, 000 1/16/2 004 4/16/2 004 4/16/2 004 407,200, 000 1 0 0 033240236 61.32 1 450,000, 000 1/19/2 004 4/21/2 004 4/19/2 004 458,100, 000 0 0 1 Cơ sở dữ liệu có các thuộc tính như sau: - Thuộc tính TAIKHOAN(tài khoản) là thuộc tính hạng mục. - Thuộc tính LOAITG(loại tiền gửi) là thuộc tính nhị phân: 1 là TG kỳ hạn và 0 là TG không kỳ hạn. - Thuộc tính TIENGUI(tiền gửi) và TIENRUT(tiền rút) là thuộc tính số. - Thuộc tính DATEGUI(ngày gửi), DATERUT(ngày rút) và DATEDH (ngày đến hạn) là thuộc tính số. - Thuộc tính DH (rút đúng hạn), TH (rút trước hạn) và GT (gửi tiếp) là thuộc tính nhị phân: 1 là đúng, 0 là không đúng. Với cơ sở dữ liệu như bảng 3.4 ta có thể rút ra các luật kết hợp như sau: 14 Luật 1: (LOAITG: kỳ hạn) AND (TIENGUI 300.000.000) => (khả năng DH là có) với độ tin cậy là 11/24 = 46%. Hay: Luật 2: (LOAITG: kỳ hạn) AND (TIENGUI  300.000.000) => (khả năng TH là có) với độ tin cậy là 3/24 =12,5% ( làm tròn 13%). Hay: Luật 3: (LOAITG: kỳ hạn) AND (TIENGUI  500.000.000) => (khả năng GT là có) với độ tin cậy là 2/5 = 40%. Hay: Luật 4: (LOAITG: kỳ hạn 6 tháng) AND (TIENGUI 300.000.000) => (khả năng ĐH là có) với độ tin cậy là 3/6 = 50%. 3.6. Phương pháp rời rạc hóa dữ liệu để phân tích tài chính – ngân hàng Trường hợp 1: Nếu A là thuộc tính số rời rạc hoặc thuộc tính hạng mục có miền giá trị hữu hạn dạng {v1, v2,…, vk} và k đủ nhỏ (<100) thì ta biến đổi thuộc tính A này thành k thuộc tính nhị phân Av1, Av2, ……Avk. Ví dụ: Trong bảng 3.4, ta chuyển thuộc tính TIENGUI thành 10 mục cụ thể như sau: TIENGUI800(tg80), TIENGUI350(tg35); TIENGUI300(tg30), TIENGUI400(tg40); 15 TIENGUI1ty(tg1ty), TIENGUI450(tg45); TIENGUI700(tg70), TIENGUI4ty(tg4ty); TIENGUI600(tg60), TIENGUI5ty(tg5ty); Bây giờ giả sử làn tròn như sau: tiền gửi 720.000.000 coi như 700.000.000; 342.000.000, 337.000.000, 360.000.000, 370.000.000 coi như 350.000.000; 390.000.000 coi như 400.000.000,... Khi đó bảng 3.4 được về bảng mà TIENGUI dạng nhị phân sau: Bảng 3.5 Rời rạc hóa thuộc tính thuộc tính hạng mục TAI KHOAN LOAI TG Tg 30 Tg 35 Tg 40 Tg 1ty Tg 45 Tg 60 Tg 70 Tg 4ty Tg 5ty D H ...32 1 0 0 0 0 0 0 0 0 0 0 ...41 1 0 1 0 0 0 0 0 0 0 1 ...37 1 0 1 0 0 0 0 0 0 0 0 ...37 1 1 0 0 0 0 0 0 0 0 0 ...30 1 1 0 0 0 0 0 0 0 0 0 ...36 1 1 0 0 0 0 0 0 0 0 0 ...31 1 0 0 0 1 0 0 0 0 0 1 ...32 1 0 0 0 0 1 0 0 0 0 1 ...37 1 0 0 0 0 0 0 1 0 0 1 ...37 1 0 0 0 0 0 0 0 1 0 0 ...41 1 0 0 1 0 0 0 0 0 0 1 ...32 1 0 1 0 0 0 0 0 0 0 1 ...36 1 1 0 0 0 0 0 0 0 0 0 ...35 1 0 0 0 0 0 1 0 0 0 0 ...35 1 1 0 0 0 0 0 0 0 0 0 ...37 1 0 0 0 0 0 0 0 0 1 1 ...41 1 1 0 0 0 0 0 0 0 0 1 ...31 1 0 1 0 0 0 0 0 0 0 0 ...37 1 0 1 0 0 0 0 0 0 0 0 ...41 1 1 0 0 0 0 0 0 0 0 1 ...32 1 0 0 1 0 0 0 0 0 0 1 ...32 1 0 1 0 0 0 0 0 0 0 0 ...37 1 0 0 1 0 0 0 0 0 0 1 ...32 1 0 0 0 0 1 0 0 0 0 0 16 Với cơ sở dữ liệu như bảng 3.5 ta có thể tính độ tin cậy Conf(({tg30, tg35, tg40}) => DH) như sau: Conf(tg30 =>DH) = 7 2 = 29% Conf(tg35 =>DH) = 6 2 = 33% Conf(tg40 =>DH) = 3 3 = 100% Trường hợp 2: Nếu A là thuộc tính số liên tục hoặc thuộc tính hạng mục có miền giá trị hữu hạng dạng {V1,V2, … , Vp} (p lớn) thì ta sẽ ánh xạ thành q vùng thuộc tính nhị phân , <A : start2…..end2>, ……….. , . Ví dụ thuộc tính số tiền gửi trong bảng 3.5 thuộc dạng này, ta chia thuộc tính số tiền gửi thành các thuộc tính nhị phân như sau: TIENGUI1: tương ứng với số tiền gửi đến 300.000.000 TIENGUI2: tương ứng với số tiền gửi trên 300.000.000 đến 500.000.000 TIENGUI3: tương ứng với số tiền gửi trên 500.000.000. 17 Khi đó ta có bảng với cột tiền gửi được biến thành 3 cột nhị phân sau: Bảng 3.6 Nhị phân hóa cột tiền gửi TAI KHOAN LOAI TG TIEN GUI1 TIEN GUI2 TIEN GUI3 DATE DH TIENRUT D H T H G T 033240235 78.32 1 0 0 1 4/2/2004 829,059,200 0 0 1 033260007 29.41 1 0 1 0 7/2/2004 356,300,000 1 0 0 033240751 60.37 1 0 1 0 4/5/2004 362,070,672 0 0 1 033240751 42.37 1 1 0 0 4/5/2004 300,000,000 0 0 1 033260007 27.30 1 1 0 0 7/6/2004 305,400,000 0 0 1 033240003 85.36 1 1 0 0 4/6/2004 300,000,000 0 1 0 033260853 32.31 1 0 0 1 7/8/2004 1,018,000,00 0 1 0 0 033260235 99.32 1 0 1 0 7/8/2004 447,920,000 1 0 0 033240751 95.37 1 0 0 1 4/8/2004 732,960,000 1 0 0 033240752 14.37 1 0 1 0 4/9/2004 3,980,000,00 0 0 0 1 033240007 52.41 1 0 1 0 4/12/200 4 397,020,000 1 0 0 033260236 17.32 1 0 1 0 7/13/200 4 366,480,000 1 0 0 033240003 90.36 1 1 0 0 4/13/200 4 305,670,000 0 0 1 033240008 20.35 1 0 0 1 4/14/200 4 600,000,000 0 1 0 033240008 00.35 1 1 0 0 4/14/200 4 300,000,000 0 1 0 033240752 54.37 1 0 1 0 4/14/200 4 5,090,000,00 0 1 0 0 033240007 63.41 1 1 0 0 4/14/200 4 305,400,000 1 0 0 033240853 66.31 1 0 1 0 4/15/200 4 343,066,000 0 0 1 033240752 62.37 1 0 1 0 4/15/200 4 376,660,000 0 0 1 033240007 66.41 1 1 0 0 4/15/200 4 305,400,000 1 0 0 033240236 1 0 1 0 4/16/200 407,200,000 1 0 0 18 40.32 4 033240236 41.32 1 0 1 0 4/16/200 4 356,300,000 0 0 1 033240772 74.37 1 0 1 0 4/16/200 4 407,200,000 1 0 0 033240236 61.32 1 0 1 0 4/19/200 4 458,100,000 0 0 1 Với số liệu như bảng 3.6 ta có thể xác định và tính độ tin cậy các luật như: TIENGUI1 => GT & conf( TIENGUI1 => GT) = 3/7 = 43% TIENGUI2 => GT & conf( TIENGUI2 => GT) = 6/13 =48% TIENGUI3 => GT & conf( TIENGUI3 => GT) = 1/4 = 25% Vậy số khách hàng có tiền gửi từ 3 trăm triệu đến 3 trăm triệu sẽ gửi tiếp là lớn nhất = 48%. Trong khi đó khách hàng gửi từ 5 trăm triệu trở lên chỉ có 25% gửi tiếp. Bây giờ ta xét bài toán rời rạc và nhị phân hóa cột hạng mục có hữu hạn giá trị trong bảng khách hàng. Ví dụ: ta có danh sách khách hàng sau: Bảng 3.7 Bảng có cột hạng mục TAI KHOAN LOAI TG TIEN GUI DATE GUI DATE RUT DATE DH TIEN RUT D H T H G T 03324023 578.32 Có KH 800,000, 000 1/2/20 04 7/2/200 4 4/2/200 4 829,05 9,200 0 0 1 03326000 729.41 Có KH 350,000, 000 1/2/20 04 7/2/200 4 7/2/200 4 356,30 0,000 1 0 0 03324075 160.37 Có KH 343,000, 000 1/5/20 04 10/5/20 04 4/5/200 4 362,07 0,672 0 0 1 19 03324075 142.37 Có KH 300,000, 000 1/5/20 04 11/5/20 04 4/5/200 4 300,00 0,000 0 0 1 03326000 727.30 Có KH 300,000, 000 1/6/20 04 7/7/200 4 7/6/200 4 305,40 0,000 0 0 1 03324000 385.36 Có KH 300,000, 000 1/6/20 04 2/12/20 04 4/6/200 4 300,00 0,000 0 1 0 03326085 332.31 Có KH 1,000,00 0,000 1/8/20 04 7/8/200 4 7/8/200 4 1,018,0 00,000 1 0 0 03326023 599.32 Có KH 440,000, 000 1/8/20 04 7/8/200 4 7/8/200 4 447,92 0,000 1 0 0 03324075 195.37 Có KH 720,000, 000 1/8/20 04 4/8/200 4 4/8/200 4 732,96 0,000 1 0 0 03324075 214.37 Có KH 3,980,00 0,000 1/9/20 04 10/8/20 04 4/9/200 4 3,980,0 00,000 0 0 1 03324000 752.41 Có KH 390,000, 000 1/12/2 004 4/12/20 04 4/12/20 04 397,02 0,000 1 0 0 03326023 617.32 Có KH 360,000, 000 1/13/2 004 7/13/20 04 7/13/20 04 366,48 0,000 1 0 0 033240003 90.36 Có KH 300,000, 000 1/13/20 04 5/20/20 04 4/13/20 04 305,670 ,000 0 0 1 033240008 20.35 Có KH 600,000, 000 1/14/20 04 2/25/20 04 4/14/20 04 600,000 ,000 0 1 0 033240008 00.35 Có KH 300,000, 000 1/14/20 04 3/15/20 04 4/14/20 04 300,000 ,000 0 1 0 033240752 54.37 Có KH 5,000,00