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
- Bảo đảm quyền tham gia của trẻ em theo pháp luật quốc tế và pháp luật Việt Nam
- Tòa án Thương mại Quốc tế - bước chuyển mới trong giải quyết tranh chấp thương mại quốc tế
- Thu thập chứng cứ bằng biện pháp lấy lời khai của người bị kiện trong tố tụng hành chính
- Kinh nghiệm quốc tế về quản lý tín chỉ carbon và trao đổi hạn ngạch phát thải khí nhà kính
- Pháp luật Việt Nam về an ninh con người của phạm nhân trong bối cảnh hội nhập quốc tế và một số khuyến nghị hoàn thiện