На главную На главную Написать письмо
О журнале Редакция Авторам Подписка Архив Реклама Контактная информация

Журнал «РИСК: Ресурсы, Информация, Снабжение, Конкуренция» № 2 / 2024

DOI: 10.56584/1560-8816-2024-2-241-245

УДК 338.2

 

НЕЙРОСЕТЕВОЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ БАНКРОТСТВА СТРОИТЕЛЬНЫХ КОМПАНИЙ

 

Шальнева М. С.,

к.э.н., доц., доцент Кафедры корпоративных финансов и корпоративного управления Факультета экономики и бизнеса, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

Кашапова А. Р.,

студентка 4 курса Факультета экономики и бизнеса, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

 

NEURAL NETWORK APPROACH TO FORECASTING BANKRUPTCY OF CONSTRUCTION COMPANIES

 

Shalneva M. S.,

Candidate of Economics, Associate Professor, Associate Professor of the Department of Corporate Finance and Corporate Governance, Faculty of Economics and Business, Financial University under the Government of the Russian Federation, Moscow, Russia

Kashapova A.R.,

4th year student, Faculty of Economics and Business, Financial University under the Government of the Russian Federation, Moscow, Russia

 

Аннотация. В статье изложены результаты исследования возможностей применения нейронных сетей для прогнозирования вероятности наступления банкротства строительных компаний. Авторами на основе данных из финансовой отчетности 100 российских строительных компаний была разработана собственная модель диагностики риска банкротства с высокой степенью точности (85%), доказанной результатами тестирования на шести компаниях выборки с разными параметрами. Предложенные результаты проведенного исследования имеют практическую значимость как для кредитных организаций и инвестиционных компаний, которые проводят скоринговые проверки заемщиков и объектов инвестирования, так и для контролирующих государственных органов, поскольку она позволяет существенно оптимизировать временные и трудовые затраты на анализ больших данных.

Ключевые слова: банкротство, строительная компания, нейронная сеть, экономические модели, машинное обучение, прогнозирование банкротства, сравнение моделей прогнозирования, финансовые коэффициенты

 

Abstract. The article presents the results of a study of the possibilities of using neural networks to predict the probability of bankruptcy of construction companies. Based on data from the financial statements of 100 Russian construction companies, the authors developed their own model for diagnosing bankruptcy risk with a high degree of accuracy (85%), proven by testing results on six sample companies with different parameters. The proposed results of the study are of practical importance both for credit institutions and investment companies that conduct scoring checks of borrowers and investment objects, as well as for regulatory government agencies, since it allows you to significantly optimize the time and labor costs of analyzing big data.

Keywords: bankruptcy, construction company, neural network, economic models, machine learning, bankruptcy forecasting, comparison of forecasting models, financial coefficients

 

Библиографический список:

1.      Авдеев В.А., Ильянова Е.И. Методика использования нейросетевого вычислителя для прогнозирования банкротства предприятия // Наукосфера. — 2022. — № 10-2. — С. 321-324.

2.      Войко А.В. Модели прогнозирования вероятности банкротства и возможности их применения для строительных компаний // Учет. Анализ. Аудит. — 2021. — №1. — C.13-23.

3.      Егорычев Д.Н., Егорычев А.Д. Направления влияния нейросетей на экономику, бизнес и образование Экономические и социально-гуманитарные исследования - 2023. — №2 (38). — 25-33.

4.      Банкротства в России: 2023 год. Статистический ресурс Федресурса. [Электронный ресурс]. URL: https://download.fedresurs.ru/news/Банкротства%20статрелиз%20на%20сайт%202023.pdf (дата обращения: 07.04.2024).

5.      Лесовских И. Нейросети опутывает рынок // Октагон.Медиа: [сетевое изд.]. — URL: Нейросеть опутывает рынок | Октагон.Медиа (octagon.media) (дата обращения: 06.04.2024).

6.      Официальный сайт Сбера: [сайт]. — 2024. [Электронный тест]. — URL: https://www.sber-bank.by/page/codecs_ii/ (дата обращения: 15.04.2024).

7.      Федеральный проект «Искусственный интеллект» Министерство экономического развития Российской Федерации [Электронный текст]. — URL: Федеральный проект «Искусственный интеллект» | Министерство экономического развития Российской Федерации (economy.gov.ru) (дата обращения: 02.04.2024).

8.      Chen T.-K., Liao H.-H., Chen G.-D., Kang W.-H., Lin Y.-C. Bankruptcy prediction using machine learning models with the text-based communicative value of annual reports Expert Systems with Applications(2023), Article 12 0714, 10.1016/j.eswa.2023.120714


© 2019 Институт ИТКОР