УДК 338.24
DOI: 10.36871/2618­-9976.2025.09.002

Авторы

Ксения Владимировна Евсеева,
Кандидат экономических наук, доцент Высшей инженерно­экономической школы, Санкт­-Петербургский политехнический университет Петра Великого, Санкт­-Петербург, Россия
Никита Арсенович Благой,
Ассистент Высшей инженерно­экономической школы Санкт­-Петербургский политехнический университет Петра Великого, Санкт-­Петербург, Россия
Илья Владимирович Клепов,
Исследователь лаборатории «Моделирование и цифровизация социально­экономических систем», Санкт­-Петербургский политехнический университет Петра Великого, Санкт­-Петербург, Россия

Аннотация

Исследование направлено на выявление закономерностей влияния макроэкономических индикаторов на рентабельность активов нефтяных компаний. В качестве предмета анализа рассматриваются внешние экономические детерминанты, воздействующие на эффективность использования активов в корпоративных структурах топливноэнергетического сектора. Объектом исследования выступают пять ведущих нефтяных компаний, функционирующих в период 2018–2022 годов. Методическая основа включает алгоритмы машинного обучения: линейную регрессию, дерево решений, градиентный бустинг и случайный лес. Переменными анализа выбраны: уровень инфляции, индекс цен на нефть, корпоративная прибыль, глобальный индекс неопределённости, коэффициент оборачиваемости активов и индекс цифровой популярности нефтяной тематики (Google Trends). На основе нормализованных данных построены регрессионные модели, демонстрирующие высокую точность прогнозирования. Наиболее значимым фактором, определяющим рентабельность активов, признан индекс цен на нефть. Среди алгоритмов наивысшую прогностическую способность продемонстрировала модель случайного леса (Random Forest), обеспечившая коэффициент детерминации R² = 0,94. Полученные результаты подтверждают эффективность применения методов машинного обучения для моделирования финансовых метрик и разработки стратегий повышения операционной эффективности нефтегазовых компаний.

Ключевые слова

рентабельность активов
макроэкономические индикаторы
нефтегазовая отрасль
машинное обучение
регрессионное моделирование
градиентный бустинг
случайный лес
стратегический анализ