Исследование динамики показателей отчетности как индикаторов ухудшения финансового состояния кредитных организаций
(Стр. 176-186)

Подробнее об авторах
Шуракова Дарья Андреевна
Финансовый университет при Правительстве Российской Федерации
Оплатить 390 руб. (Картой) Оплатить 390 руб. (Через QR-код)

Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты

Аннотация:
Целью статьи является прогнозирование финансового состояния банков Российской Федерации с использованием средств математического моделирования. Основная задача заключается в разработке алгоритма машинного обучения для предсказания ухудшения финансового состояния банков. В статье описано построение регрессионных моделей, позволяющих спрогнозировать банковские рейтинги на основе публикуемых форм отчетностей кредитных организаций. Были построены модели двух типов: первая модель дает предсказания текущих рейтингов банков, вторая прогнозирует рейтинги на три месяца вперед. Совмещение двух моделей позволяет прогнозировать события снижения рейтингов для любых банков России. Проведена оценка качества моделей, сделаны выводы по полученным результатам.
Образец цитирования:
Шуракова Д.А., (2021), ИССЛЕДОВАНИЕ ДИНАМИКИ ПОКАЗАТЕЛЕЙ ОТЧЕТНОСТИ КАК ИНДИКАТОРОВ УХУДШЕНИЯ ФИНАНСОВОГО СОСТОЯНИЯ КРЕДИТНЫХ ОРГАНИЗАЦИЙ. Проблемы экономики и юридической практики, 2 => 176-186.
Список литературы:
Бекетнова Ю.М. Аналитические методы оценки и прогнозирования финансового состояния кредитных организаций // Финансы: теория и практика 2019 Т. 23. №1(109) С. 79-95
Бринк Хенрик Машинное обучение/ Бринк Хенрик, Ричардс Джозеф, Феверолф Марк - СПб.: Питер, 2017. - 336 с.: ил. - (Серия «Библиотека программиста») - ISBN 978-5-496-02989-6
Волкова О. Влияние финансовых показателей на международные рейтинги Российских банков / Волкова О., Львова И. // Экономическая политика. 2016. Т. 11. № 1. С. 177-195
Журавлев Ю.И. Исследование возможности прогнозирования изменения финансового состояния кредитной организации на основе публикуемой отчетности/ Журавлев Ю.И., Сенько О.В., Бондаренко Н.Н., Рязанов В.В., Докукин А.А., Виноградов А.П. // Информатика и её применения 2019 Т. 13. Вып. 4. С. 30-35
Карминский А.М. Модели рейтингов международных агентств/ Карминский А.М., Пересецкий А.А. // Прикладная эконометрика, 2007 №1(5) С. 3-19.
Морган А.Ф. «Оценка вероятности банкротства российских банков»// Экономика. Бизнес. Банки. 2021. № 1 (51). С. 64-77.
Положение Банка России от 26 марта 2007 года N 302-П «О правилах ведения бухгалтерского учета в кредитных организациях, расположенных на территории Российской Федерации»
Указание Банка России от 24.11.2016 N 4212-У «О перечне, формах и порядке составления и представления форм отчетности кредитных организаций в Центральный банк Российской Федерации» (Зарегистрировано в Минюсте России 14.12.2016 N 44718) https://учет-в-банках.рф/norm/norm-4212-u/4212-u-oglav.htm
Эскиндаров М.А. Парадигмы цифровой экономики: Технологии искусственного интелекта в финансах и финтехе: Монография / Под ред. М.А. Эскиндарова, В.И. Соловьева. - М.: Когито-Центр, 2019. - 325с. - ISBN 978-5-89353-550-1
Chang Y.-C. Application of extreme gradient boosting trees in the construction of credit risk assessment models for financial institutions/ Chang Y.-C., Chang K.-H. , Wu G.-J.// Applied Soft Computing Journal Volume 73, December 2018, Pages 914-920
Gogas P. Forecasting bank failures and stress testing: A machine learning approach/ Gogas P., Papadimitriou T., Agrapetidou A.// International Journal of Forecasting Volume 34, Issue 3, July - September 2018, Pages 440-455
Golbayani P. A comparative study of forecasting corporate credit ratings using neural networks, support vector machines, and decision trees/ Golbayani P., Florescu I., Chatterjee R.// North American Journal of Economics and Finance Volume 54, November 2020
Li J.-P. Machine learning and credit ratings prediction in the age of fourth industrial revolution / Li J.-P., Mirza N., Rahat B., Xiong D.// Technological Forecasting and Social Change Volume 161, December 2020
Moscatelli M. Corporate default forecasting with machine learning/ Moscatelli M., Parlapiano F., Narizzano S., Viggiano G. // Expert Systems with Applications Volume 161, 15 December 2020, 113567
Tripathy N. «Dividends and financial health: Evidence from U.S. bank holding companies»/ Tripathy N., Wu D., Zheng Y.// Journal of Corporate Finance Volume 66, February 2021
Ключевые слова:
прогнозирование, финансовое состояние, машинное обучение, кредитные организации, банковские рейтинги.


Статьи по теме

Искусственный интеллект и машинное обучение Страницы: 11-21 DOI: 10.33693/2313-223X-2024-11-2-11-21 Выпуск №119881
Разработка торговой стратегии криптовалюты с применением методов машинного обучения
криптовалюта биткоин торговые стратегии машинное обучение скользящие средние
Подробнее
14. Экономика и управление народным хозяйством, предпринимательство, маркетинг, менеджмент Страницы: 118-122 Выпуск №4210
Предложения по формированию направлений научно-технологического развития ракетно-космической промышленности
прогнозирование технологии научно-технологическое развитие наукоемкое производство ракетно-космическая промышленность
Подробнее
МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 141-147 Выпуск №72283
Оптимизация стратегии покупок на рынках криптовалют на основе искусственных нейронных сетей
финансовые рынки криптовалюты прогнозирование искусственные нейронные сети. financial markets
Подробнее
5. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ ЭКОНОМИКИ 08.00.13 Страницы: 148-153 Выпуск №18204
Разработка индикативной системы оценки уровня «счастья» с использованием глобальных индексов, включая человеческий капитал
регрессионный анализ корреляция моделирование прогнозирование ВВП на душу населения
Подробнее
5. УГОЛОВНОЕ прАво, УГОЛОВНО-ИСПОЛНИТЕЛЬНОЕ право(специальность 12.00.08) Страницы: 101-109 Выпуск №4748
О методических подходах к построению уголовно-правовой и криминологической модели организованной преступности
уголовно-правовая политика организованная преступность моделирование программа борьбы с преступностью уголовная статистика
Подробнее
МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 167-178 Выпуск №24067
Моделирование товарооборота кофеен на основе пространственных данных
пространственные данные экономические показатели машинное обучение Python. spatial data
Подробнее
ЧАСТНО-ПРАВОВЫЕ (ЦИВИЛИСТИЧЕСКИЕ) НАУКИ Страницы: 144-147 Выпуск №24449
Совершение сделок с цифровыми правами
банковская деятельность банк субъекты банковской деятельность кредитные организации некредитные организации
Подробнее
4. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ ЭКОНОМИКИ 08.00.13 Страницы: 162-169 Выпуск №18758
Эконометрический анализ банковской системы Российской Федерации
эконометрическая модель устойчивость банковской системы России прогнозирование econometric model stability of the Russian banking system
Подробнее
5. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ ЭКОНОМИКИ (СПЕЦИАЛЬНОСТЬ 08.00.13) Страницы: 112-115 Выпуск №14395
ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПОСТУПЛЕНИЯ НАЛОГОВ В ГОСУДАРСТВЕННЫЙ БЮДЖЕТНА ПРИМЕРЕ РЕСПУБЛИКИ ДАГЕСТАН
эконометрическое моделирование налоговые поступления прогнозирование корреляционно-регрессионный анализ
Подробнее
5.2.2. МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 141-149 Выпуск №20468
Прогнозирование миграционных процессов в Германии
Германия миграция корреляционный анализ эконометрическая модель прогнозирование
Подробнее