CSDL Bài trích Báo - Tạp chí
Mô hình nhận diện kiệt quệ tài chính của các doanh nghiệp ngành nhựa niêm yết tại Việt Nam
Tác giả: Mai Thanh Giang, Nguyễn Việt DũngTóm tắt:
Nghiên cứu sử dụng dữ liệu từ 23 doanh nghiệp ngành nhựa niêm yết trên thị trường chứng khoán Việt Nam. Phân tích thống kê cho thấy các mô hình dự báo có độ chính xác khác nhau. X-Score và Z-Taffler có độ chính xác cao nhất, đạt 94,2%, trong khi các mô hình G-Score, O-Score, S-Score cũng có mức độ chính xác đáng kể (trên 85%). Tuy nhiên, mô hình X-Score và Z-Taffler có tỷ lệ sai lầm loại I cao (66,7%), tức là có xu hướng đánh giá sai một số doanh nghiệp khỏe mạnh là kiệt quệ tài chính. Ngược lại, G-Score có tỷ lệ sai lầm loại II thấp nhất, cho thấy khả năng nhận diện chính xác các doanh nghiệp gặp khó khăn tài chính. Do đó, cần kết hợp thêm các phương pháp Machine Learning để cải thiện độ chính xác của dự báo và hạn chế sai lầm trong nhận diện KQTC.
- Về cách tiếp nhận quan hệ ngữ nghĩa ở bậc từ
- Bàn về các phương pháp nhận diện ẩn dụ ý niệm
- Đối chiếu ẩn dụ ý niệm chỉ nỗi buồn trong tiếng Anh và tiếng Việt
- Hoạt động “dạy học phản ánh” của giảng viên trong lớp học tiếng Anh : khảo sát trường hợp
- Từ “盡”, “尽” trong tiếng Hán và từ Hán Việt “tận” trong tiếng Việt