ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КЛАСТЕРНОЙ ГРУППИРОВКИ ОДНОРАНГОВЫХ КОМПАНИЙ В ОТРАСЛЕВОЙ КЛАССИФИКАЦИИ

УДК 332.1
DOI: 10.36871/ek.up.p.r.2025.03.04.005

Авторы

Виктор Викторович Ерохин,
Московский государственный институт международных отношений (университет) Министерства иностранных дел РФ, Москва, Россия

Аннотация

Разработана система группировки компаний, основанная на данных, с использованием инструментов машинного обучения для выявления рыночного восприятия и, в свою очередь, группировки компаний в кластеры на различных уровнях детализации. Также разработана постоянная мера сходства между компаниями, которая используется для группировки компаний в кластеры и формирования хеджированных портфелей. В группах компаний, объединенных в одни и те же кластеры, имелись сильные однородные риски и доходности, в то время как различные кластеры компаний демонстрировали разнообразные и изменяющиеся рисковые параметры. При анализе кластеров обнаружено, что компании, сгруппированные предлагаемым методом, имеют более высокую корреляцию доходности вне выборки, но меньшую стабильность и интерпретируемость по сравнению с компаниями, сгруппированными по стандартной отраслевой классификации. Разработана на основе машинного обучения интерактивная визуальная классификационная система для идентификации кластеров и схожих компаний.

Ключевые слова

искусственный интеллект, машинное обучение, отраслевая классификация, кластеризация, группировка одноранговых компаний, индексный метод