Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: financial results, big Data, machine learning, predictive analytics, forecasting models, management decisions, финансовые результаты, Большие Данные, машинное обучение, предиктивная аналитика, модели прогнозирования, управленческие решения
Аннотация: В статье рассматриваются модели прогнозирования финансовых результатов компании на основе технологий больших данных и методов машинного обучения. Уточняется содержание понятия финансового результата в контексте прогнозной аналитики, раскрываются особенности использования высокоразмерных и разнородных данных для построения предсказаПоказать полностьютельных моделей. В обобщенном виде анализируются подходы к выбору признаков, архитектур моделей и метрик качества, а также этапы жизненного цикла аналитического решения - от формирования витрины данных до внедрения модели в контур управленческих решений. Представлены примерные структуры набора данных для задач прогнозирования и сравнительная характеристика основных классов моделей машинного обучения. Предложена концептуальная схема процесса прогнозной аналитики на основе больших данных, обсуждаются ключевые методические и организационные проблемы, влияющие на надежность прогнозов. Сформулированы выводы о роли моделей машинного обучения в повышении устойчивости и гибкости финансового управления компании. The article discusses models for predicting a companys financial results based on big data technologies and machine learning methods. The content of the concept of financial result in the context of predictive analytics is clarified, the features of using high-dimensional and heterogeneous data to build predictive models are revealed. In a generalized form, approaches to the selection of features, model architectures and quality metrics are analyzed, as well as the stages of the life cycle of an analytical solution - from the formation of a data showcase to the implementation of the model in the contour of management decisions. Approximate data set structures for forecasting tasks and comparative characteristics of the main classes of machine learning models are presented. A conceptual scheme of the predictive analytics process based on big data is proposed, and key methodological and organizational problems affecting the reliability of forecasts are discussed. Conclusions about the role of machine learning models in increasing the sustainability and flexibility of a companys financial management are formulated.
Журнал: Финансовая экономика
Выпуск журнала: № 11
Номера страниц: 372-375
ISSN журнала: 20757786
Место издания: Москва
Издатель: Фонд содействия развитию экономической науки и образования Экономика