Ученые ТПУ научились на 10% точнее предсказывать прибыльность фирм

ТОМСК, 25 сен – РИА Томск. Экономисты Томского политеха (ТПУ) провели исследование более тысячи российских предприятий, проанализировав, как в условиях санкций изменились подходы в работе компаний в интернете и соцсетях и как это повлияло на их прибыльность; исследование показало, что нейросети способны предсказывать рыночную прибыльность компаний на 10% точнее, чем традиционные методы, говорится в сообщении пресс-службы вуза в понедельник.

Поясняется, что ученые анализировали показатели деятельности 1 167 предприятий России с 2017 по 2023 годы. Они рассматривали в динамике структуру капитала, выручку, объемы продаж, рентабельность, веб-трафик и еще несколько параметров. В ходе исследования использовались традиционный регрессионный анализ, который сейчас большинство экономистов применяет при решении таких задач, и методы машинного обучения. "Для анализа данных ученые использовали пять различных компьютерных алгоритмов: три простых, включающих разные типы нейронных сетей, и два сложных – так называемые портфели и ансамбли. Затем политехники математическими методами рассчитали ошибки прогнозов, полученных с помощью регрессионного анализа и компьютерных алгоритмов. Исследование показало, что алгоритмы, называемые портфелями и ансамблями, позволяют на 10% точнее (чем остальные методы) прогнозировать прибыльность фирм", – говорится в сообщении.

Также исследователи определили факторы, которые сильнее всего влияют на прибыльность компаний.

"Особенно успешно себя показали алгоритмы машинного обучения вместо традиционных математических моделей в анализе факторов, оказывающих наибольшее влияние на будущие доходы компаний… Самыми важными факторами, от которых в наибольшей степени зависит будущее компании, оказались ее прибыльность за предыдущий год, наличие роста продаж и объем веб-трафика", – цитируется один из авторов исследования, доцент Бизнес-школы ТПУ Любовь Спицына.

Сообщается, что на основе выявленных закономерностей ученые предложили рекомендации по развитию цифрового капитала. Результаты исследования опубликованы в журналах Journal of Open Innovation: Technology, Market, and Complexity (Q1, IF: 3,7) и Mathematics (Q1, IF:2,592)