Predicting Greek high growth firms using machine learning methods
The asymmetric outcomes of firms’ performance due to conceptual heterogeneities have considerably drawn the attention of scientific community. The aim of this dissertation is to detect what determines high-growth firms (HGFs). A random forest approach is then used to predict whether a Greek firm...
Κύριος συγγραφέας: | Κωστοπούλου, Αλεξάνδρα |
---|---|
Άλλοι συγγραφείς: | Kostopoulou, Alexandra |
Γλώσσα: | English |
Έκδοση: |
2021
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/15532 |
Παρόμοια τεκμήρια
-
Προβλέποντας ελληνικές επιχειρήσεις υψηλής μεγέθυνσης με τη χρήση του αλγόριθμου τυχαίων δασών
ανά: Κωστοπούλου, Αλεξάνδρα, κ.ά.
Έκδοση: (2023) -
Ελληνικές επιχειρήσεις υψηλής μεγέθυνσης : μια πρώτη διερεύνηση
ανά: Γκυπάλη, Αρετή, κ.ά.
Έκδοση: (2023) -
Ανάπτυξη ικανοτήτων και διαδικασίες μάθησης σε νέες ελληνικές επιχειρήσεις υψηλής μεγέθυνσης
ανά: Δασκάλου, Βικτωρία
Έκδοση: (2023) -
Study on the effect of size, age and other entrepreneurial characteristics on SMEs performance during the economic crisis. Evidence from Greece
ανά: Κανελλάκης, Νικόλαος
Έκδοση: (2017) -
Study of the volatility of bitcoin cryptocurrency using machine learning methods : an implementation in R
ανά: Αριστείδου, Χριστόφορος
Έκδοση: (2020)