Прогнозирование банкротства компаний с использованием нейронных сетей

Огромное количество статей и работ посвящено изучению проблем прогнозирования банкротства. Решая проблему предиктивной способности, возникает много сложностей, начиная с обработки отсутствующих данных, заканчивая выбором моделей и алгоритмов. Эффективность формируется исходя из трех ключевых аспектов, таких как инструментарий, качество данных и алгоритмы, сформированные исходя из правильной постановки задачи. В данном исследовании поднимается проблема предсказания вероятности банкротства методом нейросетевого моделирования. В работе предлагается эффективный алгоритм прогнозирования, показывающий хорошие предсказательные способности, в сравнении с обычными параметрическими методами, и способный верно классифицировать в среднем свыше 94% наблюдений в рассматриваемой выборке российских компаний малого, среднего и крупного бизнеса. Также в ходе исследования был затронут вопрос обработки данных. Методом нейронных сетей были обнаружены факторы влияющие на банкротство и ключевые точки поворота, способные привести к дестабилизации нормальной деятельности компании. Повышение точности прогноза может быть достигнуто путем использования более совершенных алгоритмов, представляющих из себя гибридные модели.