УДК 519.86
DOI: 10.36871/2618-9976.2024.06.004
Авторы
Д.П. Маршалов,
Студент 4-го курса, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия
Хоанг Хиеу Чан,
Аспирант, ассистент, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия
Тонни Майамбала Себбаггала,
Старший преподаватель, Университет Макерере, Кампала, Уганда
С. Попова,
Аспирант, ассистент, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия
Евгений Александрович Конников,
Кандидат экономических наук, доцент, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия
Аннотация
Целью настоящего исследования была оценка эффективности использования алгоритма дерева решений для прогнозирования прибыльности акций технологических компаний с основой на анализе финансовых показателей. Исследование опиралось на анализ финансовых показателей, таких как возврат на продажи (ROS), прибыль на акцию (EPS), себестоимость продаж, выбранных в качестве независимых переменных для анализа деятельности лидирующих технологических компаний: Google, Meta, Microsoft и Apple. Применение модели дерева решений было осуществлено с использованием библиотеки scikit-learn, где в качестве зависимой переменной выступала доходность акций названных компаний. Методология исследования предусматривала оценку эффективности модели посредством таких критериев, как матрица ошибок (путаницы) и точность предсказаний. Результаты анализа показали, что модель дерева решений демонстрирует высокую эффективность в прогнозировании доходности акций на основе анализируемых финансовых показателей, достигая точности в 0,8 и отзывчивости в 0,875. Тем не менее исследование выявило ряд ограничений, связанных с неучетом некоторых внешних факторов и финансовых показателей, которые могут существенно влиять на прибыльность акций.
Ключевые слова
дерево решений
доходность акций
финансовые показатели
машинное обучение
