15 октября
НИУ ВШЭ
5

Ученые ВШЭ научили искусственный интеллект предсказывать банкротство компаний

4.6

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.

Ученые ВШЭ научили искусственный интеллект предсказывать банкротство компаний / ©Getty images

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.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Национальный исследовательский университет «Высшая школа экономики» — одно из крупнейших и самых востребованных высших учебных заведений России, стран СНГ и государств Восточной Европы. В НИУ ВШЭ представлены все уровни образовательной подготовки (от лицея для школьников до аспирантуры и MBA) по широкому спектру направлений в области социально-экономических, гуманитарных, юридических, инженерных, компьютерных, физико-математических наук, а также творческих специальностей. Научные подразделения ВШЭ — институты, центры, лаборатории, возглавляемые ведущими российскими и зарубежными учеными, ориентированы как на фундаментальные исследования, так и на прикладные разработки по заказам федеральных и региональных органов власти, министерств и ведомств, российских и зарубежных компаний. Высшая школа экономики стабильно занимает высокие места в предметных рейтингах Times Higher Education (THE) и QS, а также является единственным российским университетом в топ-50 рейтингов молодых университетов сразу двух агентств.
26 ноября
Анастасия Михалева

За всю историю исследования в космосе побывали более 500 человек. В океан на глубину более 10 километров спускались всего трое. Мы до сих пор знаем о Мировом океане и его обитателях недопустимо мало.

26 ноября
Ольга Иванова

Исследовательская группа из Великобритании провела эксперимент и выяснила, какие факторы могут быть причиной удовольствия, получаемого от объятий.

26 ноября
Василий Парфенов

На склоне горы Арагац в западной части Армении после почти десятилетнего простоя включился РОТ-54/2.6 — уникальный радиооптический телескоп, также известный как зеркальный телескоп Геруни. Во время проверки работоспособности прибор прошел два теста, анализируя итоги которых специалисты сделают выводы о его возможностях и перспективах дальнейшего использования.

25 ноября
НИУ ВШЭ

Мобильные ученые публикуются в индексируемых журналах в два раза чаще. К такому выводу пришли исследователи из НИУ ВШЭ.

25 ноября
Илья Ведмеденко

Российские инженеры спроектировали самолет для межконтинентальных полетов в стратосфере. Его можно назвать условным аналогом британского Skylon.

26 ноября
Анастасия Михалева

За всю историю исследования в космосе побывали более 500 человек. В океан на глубину более 10 километров спускались всего трое. Мы до сих пор знаем о Мировом океане и его обитателях недопустимо мало.

3 ноября
Ольга Иванова

Исследований на эту тему, как ни странно, мало, хотя предположений — великое множество. По мнению ученых из Венгрии, одна из причин такого поведения — высокая концентрация внимания на речи хозяина, а еще это означает, что собака слышит знакомое слово.

12 ноября
Мария Азарова

Кошки оказывались сбиты с толку, когда их человек, как им казалось, «телепортировался» в новое, неожиданное место. Однако они не реагировали таким же образом на чужих людей или других животных.

2 ноября
Мария Азарова

Авторы новой работы на примере Шотландии определили характеристики людей, умерших от Covid-19, хотя они были привиты, а также выявили основные предикторы смертности.

[miniorange_social_login]

Комментарии

5 Комментариев

-
1
+
Замечательно. Нашу транзитную экономику, в которой доля неофициальных наличных операций в фирме МСБ может легко доходить до 30-60% оборота, учОные легко одолели с помощью "чурбана железного, чтоб он заржавел". Ну, ну. Вторая идея также вызывает немалое изумление - оказ-ся, можно изучать "сферическое банкротство в вакууме" - т.е. безотносительно к тому, кто, для кого, и с какой целью прогнозирует банкротство. Т.е. контекст ситуации абсолютно неважен. При том, что для формирования фин. отчетности в РФ до сих пор не приняты МСФО-GAAP, а действуют "посконные, кондовые и домотканые" РСБУ (Российские стандарты бух. учета). Где самое главное - не реальное текущее состояние фирмы, а бумажка (документ). Браво - сегодня эта статия сделала мой день.
-
0
+
"...модель основывается исключительно на финансовых показателях..." Однако зачастую большую роль играет человеческий фактор. 🥱 Который искусственный интеллект понять и учесть не в силах. 🤖
    15.10.2021
    -
    0
    +
    Понимать ИИ еще очень долго ничего не научится. Но это совершенно не мешает учитывать человеческий фактор через те же финансовые показатели. Неважно жена там кому-то изменяет, вороватый зам завелся в конторе или зловещий кагебе наехал - показатели эффективности поползли вниз и готово.
    +
      ещё комментарии
      -
      0
      +
      Ну это батенька, вы от недостатка информированности судите - понимать ИИ еще очень долго никто не научится. Я летом заинтересовался сим вопросом - всеми энтими нейросетями, туды их в качель. Вспомнил юность золотую - годах эдак в 1884 - 1986 я много читал тогдашних авторов по теме ИИ. Конечно, много воды утекло... Купил неплохую (и небольшую) вводную книжку по теме ИИ - Эндрю Берджесс. "ИИ для вашего бизнеса", АНФ, 2021, 230 стр. Так вот, г-н Берджесс (а он практикующий "оркестратор" систем и сервисов ИИ) совершенно справедливо пишет, что есть системы ИИ, выдающие полностью верифицированный, проверяемый рез-т. Ессно, там, где регуляторы сие требуют - в праве, например, или в медицине. Но есть и системы ИИ, которые опираются на непроверяемую муть глубин нейронных сетей, там, конечно, где регулирование сие позволяет.
-
1
+
"...на основе данных об экономических показателях компаний разрабатываются методы прогнозирования проблем".// Когда страна прикажет быть банкротом, У нас банкротом становится любой.
Подтвердить?
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно
Ваше сообщение получено

Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.

Понятно

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: