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.
Ученые ВШЭ научили искусственный интеллект предсказывать банкротство компаний
Сотрудники Высшей школы бизнеса ВШЭ предложили новый метод предсказывать банкротство компаний на основе машинного обучения. Он позволяет использовать по максимуму информацию о финансовом состоянии фирм и показывает более высокие результаты по сравнению с классическими статистическими подходами.
Исследование опубликовано в журнале Expert Systems with Applications. Как для экономики, так и для общества крайне важно уметь оценивать финансовые риски при взаимодействии с любым бизнесом. В частности, прогнозировать банкротство компаний, которое ведет к значительным убыткам и ухудшает экономическую ситуацию в стране.
Ученые-экономисты уже давно изучают причины банкротства компаний. С одной стороны, ведутся эмпирические и теоретические исследования по изучению процессов, которые приводят к неудачам в бизнесе, для выявления проблем на ранней стадии. С другой — на основе данных об экономических показателях компаний разрабатываются методы прогнозирования проблем.
Сегодня именно прогнозирование банкротства компаний получило широкое распространение в бизнес-среде. В исследовании, опубликованном в журнале Expert Systems with Applications, профессор Высшей школы бизнеса ВШЭ Юрий Зеленков совместно со своим студентом Никитой Володарским предложил свой подход к проблеме, основанный на технологиях машинного обучения.
Предсказание банкротства тех или иных фирм относится к так называемым задачам классификации. В них на основании экономических характеристик необходимо определить, относится ли данный бизнес к одной из двух категорий: компании, которые останутся на плаву, или компании, которые обанкротятся в течение некоторого срока.
Для обучения методу используется набор исторических данных о благополучных и обанкротившихся фирмах. Искусственный интеллект тренируется на наборе признаков — показателей производительности бизнеса — и ищет сложные закономерности развития компаний и их текущего состояния. После обучения для любой новой компании метод сможет предсказать ее будущее с некоторой степенью уверенности.
Подобные задачи страдают от дисбаланса классов: статистически банкротство случается редко, поэтому в тренировочных наборах гораздо больше выживших предприятий. Согласно статистике, обычно доля банкротов не превышает 5–10 процентов в доступных данных. Методам машинного обучения, оказывается, просто недостаточно информации, чтобы понять, какие совокупности признаков приводят к будущему банкротству.
Авторы исследования построили метод, который менее чувствителен к дисбалансу в данных. В нем происходит тренировка множества отдельных алгоритмов классификации, из которых затем выбираются наиболее эффективные и комбинируются для достижения наибольшей точности предсказаний.
«Нам удалось построить быстрый алгоритм, который обучается на несбалансированных данных и показывает гораздо более высокую точность предсказаний по сравнению с традиционными методами. При этом важно, что пользователь может управлять ошибкой предсказания каждого класса на основе визуального представления.
Поскольку модель основывается исключительно на финансовых показателях компаний, ее результаты также верны и в экстремальных условиях глобальной пандемии Covid-19. В будущем интерес к использованию методов машинного обучения будет только расти, и мы считаем, что в какой-то момент они полностью заменят традиционные способы предсказания банкротства компаний.
Но стоит также отметить, что предложенный метод не сфокусирован исключительно на банкротствах, он может применяться для любой задачи классификации несбалансированных данных. В настоящее время мы планируем его дальнейшее исследование и развитие», — комментирует автор работы, профессор департамента бизнес-информатики ВШЭ Юрий Зеленков.
Telegram 
Дзен 
VK По распространению сейсмических волн в недрах Земли геологи словно «сканируют» планету и обнаруживают все больше интересных особенностей ее внутреннего строения. Недавно очередное такое исследование заставило ученых особенно внимательно рассмотреть то, что скрывается под Тихоокеанской литосферной плитой.
Многие предпочитают вступать в романтические отношения с людьми примерно своего возраста, но есть и пары с существенной возрастной разницей. Международная группа ученых недавно на крупной выборке людей проследила за изменениями возраста партнеров на старте отношений в разные годы жизни.
IT-специалисты создали модель искусственного интеллекта, которая переводит текст с одного языка на другой в четырех разных режимах и делает это точнее предшественников. Разработка будет доступна для некоммерческого использования.
Многие предпочитают вступать в романтические отношения с людьми примерно своего возраста, но есть и пары с существенной возрастной разницей. Международная группа ученых недавно на крупной выборке людей проследила за изменениями возраста партнеров на старте отношений в разные годы жизни.
По распространению сейсмических волн в недрах Земли геологи словно «сканируют» планету и обнаруживают все больше интересных особенностей ее внутреннего строения. Недавно очередное такое исследование заставило ученых особенно внимательно рассмотреть то, что скрывается под Тихоокеанской литосферной плитой.
Исследования ранее показывали, что курение может снижать успешность людей на рынке труда из-за негативного влияния на здоровье и производительность. Группа финских специалистов в области бизнеса и экономики, психологии и здравоохранения недавно подробнее изучила эту связь и привела показатели, иллюстрирующие последствия вредной привычки для зарплаты.
Многие предпочитают вступать в романтические отношения с людьми примерно своего возраста, но есть и пары с существенной возрастной разницей. Международная группа ученых недавно на крупной выборке людей проследила за изменениями возраста партнеров на старте отношений в разные годы жизни.
Ученые из Троицкого института инновационных и термоядерных исследований, МФТИ и МЭИ совершили значительный прорыв в области защиты материалов от экстремальных тепловых нагрузок, характерных для условий управляемого термоядерного синтеза.
Согласно популярному утверждению, человеческая мысль — едва ли не самое быстрое, что существует в природе. Даже свет многие считают менее быстрым, поскольку он распространяется со скоростью 300 тысяч километров в секунду, а мысль — «мгновенно». Однако новое исследование опровергло бытовую логику. Ученые из Калтеха измерили скорость, с которой человек обрабатывает информацию, и обнаружили, что основные когнитивные процессы во много раз медленнее не только распространения света, но и низкоскоростного интернета.
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