УДК 330.341.1
DOI: 10.36871/2618-9976.2025.07.006
Авторы
Арсений Романович Поздняков,
Студент, Национальный исследовательский университет высшая школа экономики
Аннотация
В условиях усложнения финансовой среды и роста рисков несостоятельности предприятий задача точной и своевременной оценки платёжеспособности приобретает критическое значение. Целью настоящей статьи является сопоставление традиционных методов финансового анализа и интеллектуальных подходов, основанных на алгоритмах машинного обучения, в контексте оценки платёжеспособности. Представлены характеристики классических инструментов (коэффициентный анализ, интегральные модели) и современных алгоритмов (логистическая регрессия, случайный лес, XGBoost, нейросети), с акцентом на их точность, интерпретируемость, требования к данным и применимость в различных аналитических сценариях. Показано, что интеллектуальные методы обладают высокой адаптивностью и точностью, но требуют контроля над качеством данных и интерпретацией результатов. На основе анализа предложены рекомендации по выбору подхода с учётом целей оценки, частоты использования, ресурсов компании и степени автоматизации. Сделан вывод о целесообразности применения гибридных решений, объединяющих достоинства обеих методологических баз.
Ключевые слова
платёжеспособность
финансовый анализ
машинное обучение
логистическая регрессия
случайный лес
XGBoost
Нейросеть
Интерпретируемость
риск-анализ
гибридные модели
