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
- Nghiên cứu đặc tính và đánh giá tiềm năng bảo vệ thần kinh của Vitexin tách chiết từ vỏ đỗ xanh (Vigna radiata L)
- Ứng dụng chuyển đổi số phục vụ thu giá dịch vụ thu gom, vận chuyển và xử lý chất thải rắn sinh hoạt
- Kinh nghiệm quốc tế về áp dụng trách nhiệm mở rộng của nhà sản xuất (EPR) đối với phương tiện giao thông hết hạn, thải bỏ (ELVs)
- Kinh nghiệm quốc tế về phòng ngừa, ứng phó sự cố nước thải, khí thải tại cơ sở sản xuất theo cấp độ rủi ro và đề xuất tài liệu hướng dẫn kỹ thuật cho Việt Nam
- Vi nhựa trong không khí: Vấn đề ô nhiễm mới ở các đô thị





