Ứng dụng phương pháp học máy trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam
Tác giả: Trương Thị Thùy Dương, Lê Hải Trung
Số trang:
Tr. 44-53
Tên tạp chí:
Kinh tế & phát triển
Số phát hành:
Số 310
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
209 Phan Thanh
Mã phân loại:
658
Ngôn ngữ:
Tiếng Việt
Từ khóa:
Phá sản, Logistic, Random Forest, Extreme Gradient Boosting, K-Nearest Neighboor, Naïve Bayses
Tóm tắt:
Dự báo rủi ro phá sản của doanh nghiệp đóng vai trò quan trọng trong việc đưa ra các cảnh báo sớm cho các doanh nghiệp. Các nghiên cứu đánh giá rủi ro phá sản sử dụng các phương pháp thống kê truyền thống và mô hình học máy. Trong nghiên cứu này sử dụng hồi quy logistic và các mô hình học máy để dự báo rủi ro phá sản của các doanh nghiệp Việt Nam. Nghiên cứu đi kiểm chứng tính hiệu quả của các mô hình học máy so với thống kê truyền thống và kiểm tra tính hiệu quả của các mô hình học máy. Kết quả cho thấy sự ưu thế của mô hình XGBoost và Random Forest so với logistic và các phương pháp khác.
Tạp chí liên quan
- Một số giải pháp hoàn thiện công tác quản trị chất lượng toàn diện tại ngân hàng
- Kinh nghiệm quản lý nhà nước đối với doanh nghiệp có vốn đầu tư trực tiếp nước ngoài ở một số địa phương và bài học cho chính quyền tỉnh Bắc Ninh
- Áp dụng mô hình BSC trong đánh giá hiệu quả hoạt động của doanh nghiệp tại Việt Nam : nghiên cứu trường hợp sản xuất
- Ứng dụng công nghệ thông tin vào hoạt động ngân hàng: Kinh nghiệm các nước trên thế giới và gợi ý cho Việt Nam
- Cơ hội cho phát triển thị trường bất động sản lành mạnh, bền vững khi Luật Đất đai, Luật Kinh doanh bất động sản và Luật Nhà ở mới có hiệu lực