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
- Nghiên cứu đặc tính và đánh giá tiềm năng bảo vệ thần kinh của Vitexin tách chiết từ vỏ đỗ xanh (Vigna radiata L)
- Ứng dụng chuyển đổi số phục vụ thu giá dịch vụ thu gom, vận chuyển và xử lý chất thải rắn sinh hoạt
- Kinh nghiệm quốc tế về áp dụng trách nhiệm mở rộng của nhà sản xuất (EPR) đối với phương tiện giao thông hết hạn, thải bỏ (ELVs)
- Kinh nghiệm quốc tế về phòng ngừa, ứng phó sự cố nước thải, khí thải tại cơ sở sản xuất theo cấp độ rủi ro và đề xuất tài liệu hướng dẫn kỹ thuật cho Việt Nam
- Vi nhựa trong không khí: Vấn đề ô nhiễm mới ở các đô thị





