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
- Hoàn thiện cơ chế quản lý tài chính đối với dịch vụ sự nghiệp công bảo đảm an toàn hàng hải
- Tiếp cận Fuzzy Delphi xây dựng chức năng điều hành trong quản lý khai thác cơ sở vật chất tại các cơ sở giáo dục đại học công lập Việt Nam
- Tác động của phối hợp quản lý vốn đến tiến độ giải ngân vốn đầu tư công trong các dự án xây dựng giao thông
- Yếu tố màu sắc trong thị trường chứng khoán Việt Nam
- Các yếu tố thúc đẩy thành công của dự án khởi nghiệp sáng tạo trong lĩnh vực năng lượng tái tạo ở Việt Nam : góc nhìn bên đánh giá khởi nghiệp





