Dự báo kiệt quệ tài chính của các doanh nghiệp Việt Nam: Ứng dụng machine learning
Tác giả: Lê Hồng Ngọc, Nguyễn Thế Long, Hồ Thị Lam, Hồ Thu Hoài
Số trang:
Tr. 35-52
Số phát hành:
Số 12
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
209 Phan Thanh
Mã phân loại:
658
Ngôn ngữ:
Tiếng Việt
Từ khóa:
Kiệt quệ tài chính, dự báo kiệt quệ tài chính, XGBoost, machine learning
Chủ đề:
Kiệt quệ tài chính
Tóm tắt:
Nghiên cứu đã chỉ ra rằng mô hình XGBoost là phù hợp nhất cho dự báo KQTC tại Việt Nam. Từ kết quả nghiên cứu, chúng tôi cũng đã đề xuất một số hàm ý quản trị và hàm ý chính sách trong việc lựa chọn mô hình dự báo KQTC và theo dõi các yếu tố tác động đến KQTC để phát triển bền vững doanh nghiệp.
Tạp chí liên quan
- Khảo sát nhu cầu chăm sóc giảm nhẹ của người bệnh ung thư đang điều trị hóa chất tại khoa Ung Bướu Bệnh viện Đà Nẵng và tìm hiểu một số yếu tố liên quan
- Giá trị của chỉ số tiên lượng giảm nhẹ trong dự đoán thời gian sống thêm bệnh nhân ung thư điều trị chăm sóc giảm nhẹ đơn thuần tại Bệnh viện Ung Bướu Nghệ An
- Khẩu phần ăn và tình trạng dinh dưỡng của bệnh nhân ung thư vòm mũi họng tại Bệnh viện Ung Bướu TP. Cần Thơ
- Kiến thức, thái độ và thực hành dựa vào bằng chứng của điều dưỡng trong chăm sóc người bệnh ung thư
- Đánh giá hiệu quả dự phòng viêm tĩnh mạch ngoại vi do hóa trị ở bệnh nhân ung thư bằng phương pháp dùng miếng gel lạnh





