Технология использует максимум информации о финансовом состоянии компаний и показывает более правдоподобные результаты по сравнению с классическими статистическими подходами.
Предсказание банкротства компаний относится к задачам классификации. В них на основании экономических характеристик необходимо определить, останется ли компания на плаву или обанкротится в течение некоторого срока.
Обычно для обучения ИИ используется набор исторических данных о благополучных и обанкротившихся компаниях. Искусственный интеллект тренируется на наборе признаков и ищет сложные закономерности развития компаний и их текущего состояния.
Однако подобные задачи страдают от дисбаланса классов: статистически банкротство случается редко, поэтому в тренировочных наборах гораздо больше “выживших” компаний. ИИ не хватает информации, чтобы понять, какие совокупности признаков приводят к будущему банкротству.
Ученые Высшей школы экономики построили менее чувствительный к дисбалансу данных метод. Система тренирует множество отдельных алгоритмов, из которых выбираются наиболее эффективные и комбинируются для достижения наибольшей точности предсказаний.
«Нам удалось построить быстрый алгоритм, который обучается на несбалансированных данных и показывает гораздо более высокую точность предсказаний по сравнению с традиционными методами.
Так как модель основывается исключительно на финансовых показателях компаний, ее результаты также верны и в экстремальных условиях глобальной пандемии COVID-19.
В будущем интерес к использованию методов машинного обучения будет только расти, и мы считаем, что в какой-то момент они полностью заменят традиционные способы предсказания банкротства компаний.
Но стоит также отметить, что предложенный метод не сфокусирован исключительно на банкротствах, он может применяться для любой задачи классификации несбалансированных данных. В настоящее время мы планируем его дальнейшее исследование и развитие», — рассказал автор работы, профессор департамента бизнес-информатики ВШЭ Юрий Зеленков.
Исследование опубликовано в журнале Expert Systems with Applications.