МОДЕЛИРОВАНИЕ ПЛАТЁЖЕСПОСОБНОСТИ ПРЕДПРИЯТИЙ С ПРИМЕНЕНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЁННОСТИ ФИНАНСОВЫХ ДАННЫХ

УДК 336.67:330.332:004.85
DOI: 10.36871/26189976.2026.02-2.001

Авторы

Игорь Инарьевич Берсенев,
Кемеровский государственный медицинский университет Минздрава России, Кемерово, Россия
Вячеслав Геннадьевич Вершинин,
Кемеровский государственный медицинский университет, Кемерово, Россия
Яхита Солтановна Исламгереева,
Чеченский государственный университет им. А. А. Кадырова, Грозный, Россия

Аннотация

Вусловиях экономической нестабильности инеполноты финансовой отчётности традиционные методы оценки платёжеспособности предприятий теряют точность. Целью исследования являлась разработка модели машинного обучения, устойчивой к пропускам входных данных, на примере ограниченной выборки. На основе данных 50 предприятий обрабатывающей промышленности РФ за 2020–2025 гг. (1 200 наблюдений, 20 финансовых и макроэкономических признаков) проведено сравнение классических моделей (логистическая регрессия) и алгоритмов машинного обучения (Random Forest, XGBoost, CatBoost). Для имитации реальных условий в данные вносились пропуски на уровнях 5%, 15% и 30%, применялись методы удаления строк, импутации медианой и разработанный алгоритм восстановления на основе генеративно-состязательных сетей (GAN). Наилучшие результаты показал XGBoost (AUC-ROC = 0,912 при 5% пропусков). При 30% пропусков традиционная импутация снижает точность на 13–18%, тогда как GAN-импутация ограничивает падение до 7,6%, сохраняя AUC-ROC на уровне 0,843. Доказана значимость макроэкономических факторов (ключевая ставка, инфляция) как предикторов.

Ключевые слова

платёжеспособность предприятий
машинное обучение
неопределённость данных
пропуски в данных
генеративно-состязательные сети (GAN)
импутация данных
кредитный скоринг

Список литературы

[1] Абдуллаев Н. В. О. Применение искусственных нейронных сетей в экономике / Н. В. О. Абдуллаев, М. А. Баранова // Наука Красноярья. — 2023. — Т. 12, № 1–2. — С. 22–28.
[2] Аргучинцев Д. А. Понятие и структура сектора государственного управления Российской Федерации / Д. А. Аргучинцев // Вестник Иркутского университета. — 2018. — № 21. — С. 11–12.
[3] Балашова Е. С. Влияние методов машинного обучения на формирование ценности в контексте экономики искусственного интеллекта / Е. С. Балашова, Е. И. Игнатова, Я. О. Скрябина // Академия педагогических идей Новация. Серия: Научный поиск.— 2024. — № 6. — С. 1–7.
[4] Бекмурзаев И. Д. Финансовая устойчивость предприятия в условиях кризиса / И. Д. Бекмурзаев // ФГУ Science. — 2025. — № 2 (38). — С. 20–25.
[5] Гайдукова А. Д. Экономика искусственного интеллекта: как машинное обучение и автоматизация меняют образ производства и рынок труда / А. Д. Гайдукова, Р. М. Даминева // Естественные и технические науки. — 2024. — № 2 (189). — С. 20–22.
[6] Губарева Е. Г. Формирование модели искусственной нейронной сети для прогнозирования устойчивости мобильного оператора / Е. Г. Губарева, Т. А. Кокодей // Вестник Тихоокеанского государственного университета. — 2018. — № 2 (49). — С. 121–126.
[7] Делятицкая А. В. Управление капиталом как элемент адаптационного механизма организации в процессе рыночной трансформации / А. В. Делятицкая // Экономика и предпринимательство. — 2017. — № 3–2 (80). — С. 1195–1200.
[8] Догучаева С. М. Инновационное развитие искусственного интеллекта и машинного обучения в современной экономике / С. М. Догучаева // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. — 2019. — № 1. — С. 136–138.
[9] Красавина Л. Н. Российский финансовый рынок и его роль в инновационном развитии экономики / Л. Н. Красавина, Н. И. Валенцева // Вестник Финансовой академии. — 2008.
[10] Кулалаева Е. Ю. Место России в современном технологическом укладе / Е. Ю. Кулалаева // Вестник магистратуры. — 2017. — № 6–3 (69). — С. 108–110.
[11] Лиясова О. И. Совершенствование системы оценки рисков неплатежеспособности и банкротства предприятия / О. И. Лиясова // Вектор экономики. — 2021. — № 11 (65).
[12] Магомедов И. А. Значимость технологий машинного обучения в реальном секторе экономики / И. А. Магомедов, А. И. Межиева, Л. В. Ибрагимова // Экономика: вчера, сегодня, завтра. — 2020. — Т. 10, № 5–1. — С. 59–65.
[13] Меркулова Ю. О формировании мобильной и эффективной системы планирования российской экономики / Ю. Меркулова // Общество и экономика.—2012.—№ 2.— С. 99–150.
[14] Муминов А. А. Инновационные подходы к исследованию проблемы финансовой устойчивости предприятия / А. А. Муминов // Аллея науки.—2017.—Т. 2, № 16.— С. 7–11.
[15] Попова Е. В. Финансовая устойчивость предприятий в условиях экономической нестабильности / Е. В. Попова // Экономика строительства. — 2025. — № 4. — С. 490–493.
[16] Потапов С. Н. Применение машинного обучения в цифровой экономике / С. Н. Потапов // Студенческий форум. — 2020. — № 37–1 (130). — С. 57–58.
[17] Рубцов А. М. Ликвидность предприятия как объект управления: эволюция понятий и современные риски / А. М. Рубцов // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. — 2025. — № 7. — С. 149–154.
[18] Соболев В. Ф. Информационная база, алгоритм выбора и расчет рациональных планов внешнего управления предприятием / В. Ф. Соболев, М. В. Самохвалова // Вестник НГУЭУ. — 2008. — № 1. — С. 98–111.
[19] Хаванова Н. В. Роль информационных технологий и машинного обучения в формировании цифровой экономики и трансформации традиционных отраслей / Н. В. Хаванова, И. А. Максименко, Х. В. Узиева // Экономика и управление: проблемы, решения. — 2025. — Т. 15, № 2 (155). — С. 204–210.