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
- Đánh giá sự ảnh hưởng của quản trị nguồn nhân lực trong trạng thái chuyển đổi số tòi hiệu quả hoạt động xét dưới góc độ tài chính của doanh nghiệp nhỏ và vừa trong ngành thương mại và dịch vụ : nghiên cứu trên địa bàn Hà Nội
- Media relations and network information management - key issues to handling social media crisis in enterprises = Quan hệ báo chí và quản trị thông tin mạng – những vấn đề mấu chốt để xử lý khủng hoảng truyền thông tại các doanh nghiệp
- So sánh các khung báo cáo ESG và khuyến nghị đối với các doanh nghiệp xây dựng Việt Nam
- Cấu trúc tài chính trong đảm bảo an ninh tài chính tại các công ty vận tải Việt Nam
- Thanh khoản và rủi ro kiệt quệ tài chính : góc nhìn đa ngành từ các doanh nghiệp niêm yết Việt Nam





