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
- Xác định các rủi ro cho dự án đầu tư xây dựng sử dụng nguồn vốn đầu tư trực tiếp nước ngoài
- Một số giải pháp khai thác và quản trị dữ liệu tuần hoàn thông qua ứng dụng hộ chiếu sản phẩm kỹ thuật số
- Quản lý phát triển nhà ở cho công nhân phục vụ khu công nghiệp Cát Lái 2, TP Thủ Đức, TP. Hồ Chí Minh
- Phong cách lãnh đạo doanh nghiệp trong cách mạng công nghiệp 4.0 và chuyển đổi số
- Rủi ro thanh quyết toán cho nhà thầu trong ngành công nghiệp xây dựng Việt Nam : nguồn rủi ro và pháp lý bảo vệ