Нейросети помогли точнее оценить прибыльность российских фирм

Исследователи из Томского политехнического университета и Санкт-Петербургского государственного университета показали, что использование алгоритмов машинного обучения позволяет на 10% точнее по сравнению с другими методами прогнозировать рентабельность фирм. Работа экономистов опубликована в журнале Mathematics.

Рентабельность компаний зависит от многих факторов. Чтобы спрогнозировать будущее фирмы — в частности, ее прибыль — экономисты обычно используют регрессионные модели. Однако последние не всегда корректны - связи между учитываемыми факторами могут быть довольно сложными.

Российские экономисты сравнили точность регрессионного подхода с новым перспективным инструментом — методами машинного обучения. Исследователи проанализировали данные о 551 торговой компании за 2017–2020 годы. Среди показателей, которые интересовали ученых, были размер и возраст фирмы, рентабельность за предыдущий год, наличие роста продаж, веб-трафик и другие.

Ученые использовали пять различных компьютерных алгоритмов: три простые нейронные сети, и два сложных. Последние — так называемые портфели и ансамбли — сочетали в себе несколько простых алгоритмов, способных учитывать и исправлять ошибки друг друга. Программы обучались на наборах данных за 2017–2019 годы, тогда как информация о 2020 годе использовалась для их тестирования.

Расчёт ошибок в полученных прогнозах показал, что наиболее точные прогнозы давали портфели и ансамбли. Самых точных оценок удавалось достичь, опираясь на такие показатели, как рентабельность фирмы за предыдущий год, динамика роста продаж и веб-трафик. По мнению исследователей, они в наибольшей степени влияют на будущее компании.

Максимальной прибыли фирмы достигают, если у них постоянно возрастает количество продаж, и при этом они развивают торговлю через интернет. Если соблюдается лишь одно из условий, доход компании падает. Худшая ситуация наблюдается при падении продаж и одновременно высокой посещаемости сайта фирмы.