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
- Tăng cường sự tham gia của khu vực tư nhân thông qua hợp tác công - tư trong xử lý chất thải rắn sinh hoạt
- Các cơ chế tài chính thúc đẩy bảo tồn đa dạng sinh học và dịch vụ hệ sinh thái
- Đánh giá vai trò của nhận thức cộng đồng trong duy trì bền vững đô thị và phát triển dịch vụ hệ sinh thái tại công viên Tao Đàn
- Phát hành trái phiếu xanh tại Việt Nam : thực trạng và khuyến nghị
- Đề xuất các giải pháp ứng phó với đảo nhiệt đô thị để bảo vệ sức khỏe người dân và thích ứng với biến đổi khí hậu