Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Алгоритмы машинного обучения помогут точнее оценивать будущее российских компаний
Экономисты определили, что использование алгоритмов машинного обучения вместо традиционных математических моделей позволяет на 10 процентов точнее прогнозировать рентабельность — упрощенно говоря, прибыльность — фирм. При этом самыми важными факторами, от которых в наибольшей степени зависит будущее компании, оказались ее рентабельность за предыдущий год, наличие роста продаж и объем веб-трафика. Полученные данные помогут владельцам фирм, инвесторам и государству лучше оценивать и прогнозировать экономическое состояние российских компаний.
Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Mathematics. Рентабельность торговых компаний зависит от многих факторов: их размера, стратегии управления, умения выстраивать хорошие взаимоотношения с клиентами, а также глобальных кризисов. Чтобы спрогнозировать будущее фирмы — например определить, сколько прибыли она принесет владельцам в следующем году, — экономисты обычно используют регрессионные модели. Этот подход позволяет математически рассчитать, насколько интересующий фактор (в данном случае — прибыль) зависит от нескольких других, например, от тех, что перечислены выше.
Однако регрессионные модели не всегда корректно отражают взаимную зависимость различных экономических показателей из-за того, что связи между ними могут быть довольно сложными. В данном случае могут помочь методы машинного обучения, которые, опираясь на большие массивы данных, находят скрытые на первый взгляд зависимости и предлагают более точное решение. Но результаты их сравнения оказываются неоднозначными: одни авторы утверждают, что более точные результаты выдает все-таки регрессионный анализ, другие — что компьютерный алгоритм.
Ученые из Национального исследовательского Томского политехнического университета (Томск) с коллегой из Санкт-Петербургского государственного университета (Санкт-Петербург) и Географического института имени Йована Цвийича (Сербия) на практике сравнили точность методов машинного обучения и регрессионного подхода для прогнозирования рентабельности фирм. Авторы использовали данные о 551 торговой компании за 2017–2020 годы. Среди показателей, которые интересовали ученых как потенциально влияющие на рентабельность, были размер и возраст фирмы, рентабельность за предыдущий год, наличие роста продаж, веб-трафик и другие.
Авторы использовали пять различных компьютерных алгоритмов: три простых, включающих разные типы нейронных сетей, и два сложных. Последние — так называемые портфели и ансамбли — сочетали в себе несколько простых алгоритмов, способных учитывать и исправлять ошибки друг друга. Программы обучались на наборах данных за 2017–2019 годы, тогда как информация за 2020 год использовалась непосредственно для их тестирования.
Затем математическими методами исследователи рассчитали ошибки прогнозов, полученных с помощью регрессионного анализа и компьютерных алгоритмов. Оказалось, что алгоритмы, называемые портфелями и ансамблями, давали наиболее точные прогнозы. При этом самых достоверных оценок удавалось достичь, опираясь на такие показатели фирм как рентабельность за предыдущий год, динамика роста продаж и веб-трафик. При применении сложных методов машинного обучения (портфели и ансамбли методов) в среднем медиана абсолютной ошибки прогноза составила около трех процентов.
Это объясняется тем, что данные факторы в значительной степени влияют на состояние компании в будущем. Так, например ученые определили, что максимальной прибыли фирмы достигают, если у них постоянно возрастает количество продаж, и при этом они развивают цифровые каналы торговли, например, через веб-сайт. Если соблюдается лишь одно из условий, доход компании падает. Худшая ситуация наблюдается при падении продаж и одновременно высокой посещаемости сайта фирмы.
«Наше исследование показало, что применение сложных методов машинного обучения (портфели и ансамбли методов) при прогнозировании рентабельности фирм позволяет повысить точность прогноза и снизить абсолютную ошибку прогноза на 10% по сравнению с традиционной моделью регрессии. При этом наиболее достоверные результаты они выдают, совместно оценивая показатели продаж, рентабельности предыдущего года и веб-трафика. Наше исследование будет полезно как для владельцев фирм, так для инвесторов и государственных чиновников, поскольку позволит лучше оценивать перспективы развития экономики страны», — рассказывает руководитель проекта, поддержанного грантом РНФ, Любовь Спицына, кандидат экономических наук, доцент отделения социально-гуманитарных наук Томского политехнического университета.
Telegram 
Дзен 
VK 2020-е годы показали, что любая система международной торговли может быть разрушена в кратчайшие сроки. Ученые решили выяснить, какие государства в таких условиях смогут прокормить свое население, а какие — не совсем. Лидером, что неожиданно, оказалось очень небольшое государство с населением менее миллиона человек.
На планете более 60 миллионов человек с приобретенным слабоумием, однако причины этого заболевания неясны. Судя по новому исследованию, дело вряд ли в наследственности: картина с распределением деменции больше похожа на характерную для инфекционных заболеваний.
Инженер Эррол Маск заявил, что одновременно с вопросом о межпланетном перелете автоматически возникает вопрос о возвращении астронавтов на Землю.
2020-е годы показали, что любая система международной торговли может быть разрушена в кратчайшие сроки. Ученые решили выяснить, какие государства в таких условиях смогут прокормить свое население, а какие — не совсем. Лидером, что неожиданно, оказалось очень небольшое государство с населением менее миллиона человек.
Инженер Эррол Маск заявил, что одновременно с вопросом о межпланетном перелете автоматически возникает вопрос о возвращении астронавтов на Землю.
Новое исследование с участием нескольких тысяч немецких подростков показало, что курение обычных или электронных сигарет, особенно сочетание этих практик, в сотни раз повышает вероятность знакомства тинейджеров с марихуаной.
Вид антилоп, с ледникового периода привыкший к массовым миграциям, пытается вернуться в свой исторический ареал, когда-то достигавший Днепра. Однако их нетипичные для травоядных привычки вызывают сильнейшее отторжение у сельских жителей, предлагающих массово уничтожать их с воздуха. С экологической точки зрения возвращение этих животных весьма желательно, но как примирить их с фермерами — неясно.
Недавно вышел второй сезон сериала «Одни из нас» (TheLastofUs), созданного по сюжету популярнейшей видеоигры. Ученые Пермского Политеха решили разобраться, насколько реален сценарий грибной пандемии, превращающей людей зомби? Чем живет кордицепс и как он «ищет» своих жертв, действительно ли паразит способен эволюционировать настолько, чтобы поражать человеческий организм и подчинять себе его волю, был бы у людей шанс выжить, какие грибы уже поселились в наших телах и выручит ли нас иммунитет, сформированный тысячелетиями.
Казахстанский Алматы — город контрастов, где горы соседствуют с урбанистическими пейзажами, а бизнес-центры — с историческими кварталами. Неизменным остается одно — пробки. Ежедневно сюда приезжает более 700 тысяч автомобилей из пригородов, при этом в самом мегаполисе зарегистрировано порядка 600 тысяч транспортных средств. В результате по улицам ежедневно движется более миллиона транспортных средств.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно