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
- Quan hệ giữa sự hợp tác với khách hàng trong quản trị chuỗi cung ứng và kết quả hoạt động của doanh nghiệp sản xuất chế tạo
- Phát trển thị trường chứng khoán phái sinh Việt Nam : cần có giải pháp đồng bộ
- Phát huy vai trò của marketing nội bộ trong các ngân hàng thương mại Việt Nam
- Dự báo xu hướng tỷ giá USD/VND trong giao dịch ngoại hối
- Nghiên cứu mối quan hệ giữa sự hài lòng của khách hàng và các thành tố chất lượng dịch vụ ngân hàng điện tử của các ngân hàng thương mại Việt Nam





