Метод сочетает в себе использование алгоритмов машинного обучения и анализа временных данных. Как рассказали в ТПУ, предложенный комбинированный подход позволил значительно — на 30 % — повысить точность прогноза по ряду показателей прибыльности у высокотехнологичных компаний.

Ученые Томского политехнического университета работали над методом прогнозирования прибыльности в составе научной коллаборации с учеными Московского политеха и Иркутского национального исследовательского технического университета. Результаты исследования ученых опубликованы в журнале Mathematics. 

Исследователи использовали различные финансовые и операционные показатели 1 811 компаний за период с 2013 по 2018 годы и сгруппировали их в 10 866 наблюдений. В динамике они рассматривали доходы от продаж, валовую и операционную прибыль, чистую прибыль, рентабельность активов (ROA), рентабельность капитала (ROE), уровень долговой нагрузки, а также динамику рынка и рыночные доли компаний.

Метод, который предложили ученые, основан на машинном обучении, регрессии со случайными эффектами и кластеризации, которая учитывает тренды и волатильность данных. Он позволил увеличить точность предсказания доходности на акционерный капитал (ROE) на 30 %: до применения метода политехников средняя ошибка прогноза ROE составляла около 5 %, с его применением она снизилась до 3,5 %. Это стало возможным благодаря более детальному анализу сезонных колебаний и выявлению тенденций, которые могли быть упущены при использовании традиционных методов.

По словам одного из авторов исследования, доцента отделения экономики и организации производства ТПУ Владислава Спицына, комплексные аналитические модели, которые учитывают временные переменные и данные, полученные в результате наблюдений в разные временные моменты, позволяют глубже понять, как изменения в прибыльности сказываются на эффективности компании в будущем, и учесть эти изменения при составлении прогнозов.

По расчетам ученых в новой модели на прогноз рентабельности текущего года имеет сильное влияние трендовая составляющая рентабельности прошлых лет и динамики продаж текущего года. Тенденция роста рентабельности может нарушиться при падении продаж текущего года, но если продажи в текущем году увеличатся, рентабельность вырастет.

«Разработанный нами метод позволяет разбить прибыль на три составляющие: тренд, сезонность и остаточную компоненту, что позволило значительно улучшить качество прогнозов. Эта методология применима к компаниям, занимающимся высокими технологиями, эффективность работы которых нередко подвержена значительным колебаниям. Так, использование алгоритмов машинного обучения позволило достичь снижения среднеквадратичной ошибки (MSE) прогнозов прибыли на 25 % по сравнению с методами простых временных рядов», — считает соавтор исследования, доцент отделения информационных технологий ТПУ Никита Мартюшев.

Ученые планируют протестировать гибридный метод на предприятиях из других секторов российской экономики. 

«В целом построенная новая модель позволила добиться хорошей точности прогнозирования, когда медиана абсолютной ошибки снижается до 3,47 для ROA и до 5,72 для ROE. Ошибка 50 % фирм не превышает 3,47 и 5,72 соответственно», — сообщила соавтор статьи, доцент отделения экономики и организации производства ТПУ Любовь Спицына.

По ее словам, это хороший прогнозируемый результат для фирм, работающих в высокотехнологичных отраслях, рентабельность которых характеризуется высокой волатильностью. В дальнейшем ученые планируют протестировать предложенный гибридный метод на предприятиях из других секторов российской экономики (обрабатывающая промышленность, добыча полезных ископаемых и др.).

Фото: news.tpu.ru

Lx: 3703