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
- 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
- Tái cấu trúc cơ chế quyết toán vốn đầu tư dự án tại Việt Nam: Phân định chức năng giữa Nghị định số 254/2025/NĐ-CP và Nghị định số 193/2026/NĐ-CP
- Nghiên cứu tác động của chi phí sử dụng vốn bình quân, quy mô vốn thị trường đến hiệu quả hoạt động của các doanh nghiệp logistics tại Việt Nam
- Rào cản trong phát triển dịch vụ logistics xanh tại các doanh nghiệp bưu chính
- Nghiên cứu biện pháp đảm bảo nguồn nhân lực đường sắt Việt Nam đến năm 2030, định hướng đến năm 2045 đáp ứng nhu cầu xã hội





