Сотрудниками Высшей школы бизнеса ВШЭ найден новый метод предсказывать банкротство компаний – с помощью инструментов машинного обучения. Этот алгоритм работает на основе несбалансированных данных, но при этом дает более точные результаты в сравнении с классическими статистическими моделями. Исследование вышло в свет в научном журнале Expert Systems with Applications.

Новый подход к прогнозированию банкротства компаний предложен профессором Юрием Зеленковым и его студентом Никитой Володарским. Они применили машинное обучение для решения задачи классификации: используя экономические характеристики, AI-алгоритм распределял компании по категориям. В одной – бизнес, который останется на плаву. В другой – предприятия, которых с высокой долей вероятности ожидает банкротство в течение некоторого срока.

Искусственный интеллект обучался на исторических данных, собранных у 2457 российских компаний, 456 из которых обанкротились, и 5910 польских корпораций, 410 из которых получили статус банкрота. Наборы данных содержали такие функции, как финансовые коэффициенты и факторы деловой среды.

Распространенная проблема при решении подобной задачи – в дисбалансе данных: в тренировочных наборах выживших предприятий всегда больше, чем обанкротившихся (их доля не превышает 5-10%). Однако метод сотрудников ВШЭ не так чувствителен к дисбалансу, так как предусматривает применение множества алгоритмов классификации, из которых потом выбираются и комбинируются наиболее эффективные.

Так, в ходе тестирования ученые использовали более 70 комбинаций методов недостаточной выборки, избыточной выборки и отсутствия выборки со статическими и динамическими моделями классификации. Окончательные ансамбли включали семь классификаторов для российского набора данных и четыре классификатора для польского. Как отметили ученые, их подход минимизирует долю ложных положительных и ложных отрицательных классификаций (FPR и FNR).

«Нам удалось построить быстрый алгоритм, который обучается на несбалансированных данных и показывает гораздо более высокую точность предсказаний по сравнению с традиционными методами. При этом важно, что пользователь может управлять ошибкой предсказания каждого класса на основе визуального представления. Поскольку модель основывается исключительно на финансовых показателях компаний, ее результаты также верны и в экстремальных условиях глобальной пандемии COVID-19», — пояснил профессор департамента бизнес-информатики ВШЭ Юрий Зеленков.

Авторы разработки уверены, что методы машинного обучения будут становиться все популярнее и в какой-то момент полностью заменят традиционные способы предсказания банкротства корпораций. Они добавили, что такие алгоритмы могут быть использованы не только при оценке финансовых рисков в отношении компаний, но и для решения других задач классификации несбалансированных данных.