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 Амфибии страдают от отдельных видов смертельно опасных заболеваний, среди которых выделяются грибковые инфекции. Ученые выяснили, что торговля лягушками из Бразилии, часто бывшими носителями местного вида грибка, привела к его глобальному распространению.
Повторное изучение окаменелости галлюцигении, впервые описанной в 1970-х годах, помогло палеонтологам больше узнать о рационе этого древнего существа. Ответ на вопрос о питании нашли не в ее останках, а на теле предполагаемой добычи.
Ученые доказали существование топологических состояний материи там, где ранее это считалось невозможным из-за разрушения привычных свойств частиц. Оказалось, даже в условиях квантового хаоса могут спонтанно возникать структуры, устойчивые к внешним возмущениям. Для этого пришлось пересмотреть фундаментальное определение топологии, отделив его от классического поведения электронов.
Повторное изучение окаменелости галлюцигении, впервые описанной в 1970-х годах, помогло палеонтологам больше узнать о рационе этого древнего существа. Ответ на вопрос о питании нашли не в ее останках, а на теле предполагаемой добычи.
Амфибии страдают от отдельных видов смертельно опасных заболеваний, среди которых выделяются грибковые инфекции. Ученые выяснили, что торговля лягушками из Бразилии, часто бывшими носителями местного вида грибка, привела к его глобальному распространению.
Международная научная группа при участии МФТИ разработала композитный гель-полимерный электролит для аккумуляторов. Этот материал позволит создать безопасные высокомощные батареи, что важно для электромобилей, гаджетов и систем хранения энергии.
От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
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