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 До сих пор нашу Галактику считали типичным примером того, как все устроено в любых спиральных галактиках. Но недавно астрономы рассмотрели сотню максимально похожих аналогов Млечного Пути и обнаружили, что большинство из них все же заметно отличаются.
В этой посуде можно готовить растворы с ионами серебра и меди, которые обладают мощным антимикробным, противовирусным и иммуностимулирующим действием. Это поможет в профилактике и лечении инфекционных и вирусных заболеваний (в том числе ОРВИ, гриппа, коронавируса), повысит иммунитет населения и предотвратит эпидемии.
Бурная эволюция массивных звезд играет большую роль во Вселенной. Именно они ионизируют межзвездный газ и, взрываясь сверхновыми, насыщают космос более тяжелыми элементами. Поэтому ученые так заинтересованы в их изучении. И вот астрономам впервые удалось получить снимок ближайших окрестностей красного сверхгиганта вне Млечного Пути.
Ученые из Аргентины в серии экспериментов проследили за поведением домашних собак во время разногласий между членами семьи и выявили у четвероногих питомцев ряд характерных реакций на конфликт.
Евгений Левичев с командой коллег работает над созданием источника синхротронного излучения — по сути большого рентгеновского «микроскопа», с помощью которого геологи, биологи, химики и другие специалисты смогут получить новую и полезную информацию. Задача у Евгения Борисовича непростая — сделать установку с рекордными параметрами: придумать оригинальные технические решения, смоделировать процесс и настроить все наилучшим образом. Член-корреспондент РАН Евгений Борисович Левичев — директор Центра коллективного пользования «Сибирский кольцевой источник фотонов» (ЦКП «СКИФ») и заместитель директора Института ядерной физики им. Г. И. Будкера СО РАН (ИЯФ СО РАН).
Ефим Аркадьевич Хазанов — академик РАН, доктор физико-математических наук, главный научный сотрудник отдела нелинейной и лазерной оптики в Институте прикладной физики им. А.В. Гапонова-Грехова РАН (Нижний Новгород), значимая фигура в российской науке. За 40 лет в науке он внес огромный вклад в развитие лазерной физики и нелинейной оптики — разработал фемтосекундный лазерный комплекс PEARL, предложил идею по созданию мегасайенс проекта XCELS, создал новое направление — термооптику магнитоактивных сред и многое другое. В 2018 году академик Хазанов был удостоен Государственной премии Российской Федерации. Он автор более 350 статей в рецензируемых научных журналах, а его работы были процитированы более 40 тысяч раз. Индекс Хирша Хазанова составляет 79. Ефим Аркадьевич рассказал нам о профессиональном пути, воспитании аспирантов, текущих исследованиях и своей жизни вне науки.
Под рыжим верхним слоем с виду обычного камня открылся целый калейдоскоп довольно неожиданных оттенков. Это особенно интересно с учетом того, где лежит камень — в марсианском кратере, который по всем признакам когда-то был озером.
Международная коллаборация физиков под руководством ученых из Йельского университета в США представила самые убедительные на сегодня подтверждения существования нового типа сверхпроводящих материалов. Доказательство существования нематической фазы вещества — научный прорыв, открывающий путь к созданию сверхпроводимости совершенно новым способом.
Органические молекулы с пи-связью образуют очень устойчивые геометрии, которые не любят нарушаться. В 1924 году немецкий химик Юлиус Бредт сформулировал соответствующий запрет, вошедший в учебники химии. Тем не менее это в некоторых случаях возможно. В новой работе американские исследователи представили несколько «антибредтовских» соединений из класса олефинов.
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