УДК 330.4:519.86
DOI: 10.36871/2618-9976.2024.11.005
Авторы
Александра Сергеевна Поспелова,
Студентка, Санкт Петербургский политехнический университет Петра Великого, Санкт Петербург, Россия
Андрей Александрович Зайцев,
Доктор экономических наук, профессор, Санкт Петербургский политехнический университет Петра Великого, Санкт Петербург, Россия
Юлия Николаевна Макарова,
Соискатель, Санкт Петербургский политехнический университет Петра Великого, Санкт Петербург, Россия
Кирилл Алексеевич Алькин,
Специалист, ОКБ «ЛЭМЗ» Научно производственный центр средств радиолокационного наблюдения и автоматизации обработки информации, Санкт Петербург, Россия
Аннотация
В научной работе осуществляется детальный анализ ансамблевых методов машинного обучения для оценки вероятности банкротства предприятий. Исследование фокусируется на использовании таких подходов, как Random Forest, Gradient Boosted Trees и Tree Ensemble, что позволяет значительно улучшить точность прогнозирования финансовой несостоятельности. Эффективное применение этих методов предоставляет инвесторам мощный инструмент для оценки стабильности компаний, улучшая их способность к принятию обоснованных инвестиционных решений. Реализация подобных комплексных технологий вносит вклад в повышение стабильности финансовых рынков, обеспечивая инвесторам дополнительные возможности для минимизации рисков.
Ключевые слова
модель
дефолт
прогнозирование
ансамбль
банкротство
инвестиции
стабильность
финансовые рынки
машинное обучение
