Прогнозирование банкротства при помощи текстового анализа

Проблема банкротства и его прогнозирования является важным аспектом не только для владельцев компаний, но также и для инвесторов, аналитиков и других заинтересованных сторон. В то время как количественные модели, построенные на финансовых показателях, занимают почти всю нишу прогнозирования финансовой несостоятельности, их нельзя назвать единственными эффективными инструментами для предсказания, так как прогнозирование, основанное на качественной информации, становится все более популярным. Главной целью данного исследования является анализ годовых отчетов ритейлеров разных стран мира с целью выяснить, можно ли спрогнозировать банкротство при помощи текстовых метрик. В качестве таких метрик использовались вектора текста, информационная энтропия и эмоциональная негативность и позитивность текста, которая была подсчитана при помощи словаря Harvard IV-4 Dictionary и списка финансовых эмоциональных слов Генри. Сравнение двух наборов моделей, построенных на основе этих словарей, позволило определить список, который обеспечивает наибольшую точность предсказания. На основе посчитанных метрик были построены несколько моделей машинного обучения. Качество каждой модели оценивалось при помощи показателей доли правильно предсказанных объектов (accuracy), точности (precision) и полноты предсказания (recall). Результаты моделей были сопоставлены с коэффициентом Альтмана. Было доказано, что комбинация упомянутых метрик с такими алгоритмами машинного обучения как метод опорных векторов, метод к-ближайших соседей, случайный лес и градиентный бустинг обеспечивают более высокую долю правильно предсказанных наблюдений, по сравнению с широко используемой Z-моделью Альтмана. Помимо этого, модели, полученные при использовании эмоциональных слов словаря финансовый лексики Генри, продемонстрировали лучшее качество предсказания в сравнении со словами из словаря Harvard IV-4. В целях исследования было собрано 170 годовых отчетов компаний-банкротов и не банкротов за временной промежуток между 2010 и 2019 годами, в дальнейшем выборка была сбалансирована. Данный временной интервал был выбран для того, чтобы исключить влияние мирового финансового кризиса. Особенностью данной работы является фокус на исследовании специфики индустрии ритейла, вместо более распространенного географического анализа. Этот факт может помочь в будущих исследованиях при изучении и сравнении индикаторов банкротства среди различных индустрий.