Сравнительный анализ методов прогнозирования банкротств российских компаний нефинансового сектора

В настоящее время нестабильность компаний строительного сектора все чаще становится предметом противоречивых дискуссий. Данная работа посвящена сравнению способности различных методов предсказывать банкротство компаний строительной отрасли на горизонте один год. Авторами рассмотрены следующие алгоритмы: логит и пробит модели, деревья классификаций, случайные леса, искусственные нейронные сети. Особое внимание в работе уделено особенностям построения моделей машинного обучения, влиянию несбалансированности данных на предиктивную способность моделей, а также анализу способов борьбы с несбалансированностью данных. В своем исследовании авторы использовали данные по российским строительным компаниям за период с 2011 по 2017 г. В результате, был сделан вывод, что рассмотренные модели показывают приемлемое качество для использования в задачах прогнозирования банкротств. Выявлено, что нейронные сети превосходят другие методы в прогностической силе, в то время как модели логистической регрессии в сочетании с дискретизацией тесно следуют за ними. При этом негативное влияние несбалансированности обучающего множества на предиктивную способность модели обнаружено не было. Также как значимое влияние нефинансовых показателей на вероятность банкротства не подтвердилось.