Стендовая сессия студентов

В период пандемии коронавируса особенно актуальна проблема состоятельности предприятий отрасли розничной торговли (которые являются объектом настоящего исследования), в связи с чем важно прогнозирование их возможного банкротства. На основе данных информационного ресурса СПАРК об около 3000 функционирующих и обанкротившихся компаниях было построено два варианта модели логистической регрессии (выбрано с помощью метода анализа иерархий среди таких алгоритмов, как случайный лес, нейронные сети, MDA) в зависимости от наличия в перечне объясняющих переменных показателя, характеризующего организационно-правовую форму компании. Точность моделей на отложенной выборке составила 81%, а площадь под ROC-кривой в области 0.9, что свидетельствует об их хорошем качестве. Тестирование итогового варианта на двух предприятиях (действующее и ликвидированное из-за банкротства) проиллюстрировало его преимущество по предсказательной силе над работами предшественников. Кроме того, были предложены состоятельной компании рекомендации улучшению финансовых показателей и снижению вероятности банкротства.

Кризисная нестабильность внешней среды, возникшая в 2020 г., обуславливает необходимость своевременного выявления как финансовых, так и нефинансовых рисков, которые могут привести к банкротству предприятия. В результате диагностики компания может сформировать дальнейшие шаги для своего финансового развития. Этим объясняется актуальность темы работы. Акцент в работе был сделан на строительной отрасли, которая является одной из ключевых экономических сфер в нашей стране, но в то же время она одна из наиболее подверженных изменениям в связи с различными кризисами. В ходе работы было выявлено, что оптимальной моделью для диагностики риска банкротства строительного предприятия из рассмотренных является модель Федоровой, построенная на базе Постановления 2003 г.

Применение методов машинного обучения и обработки естественного языка являются крайне популярными методами современного программирования. Действительно, с их помощью можно получить множество видов информации, содержащейся в тексте, и использовать полученные данные при предсказании различных качественных и количественных типов переменных. Признано, что в бизнес-текстах, например, в годовых отчетах компаний, содержится гораздо большее количество информации, чем кажется при первичном анализе. В ходе данной работы была выявлена взаимосвязь между текстом, содержащимся в годовых отчетах американских компаний, включенных в список S&P500, и их будущими финансовыми результатами.

На сегодняшний день финансовые рынки находятся в постоянном развитии, и для понимания их механизмов немаловажной составляющей является изучение волатильности. Под «волатильностью» понимается амплитуда колебания цены, то есть это мера изменчивости финансового актива. Истинное значение волатильности напрямую не наблюдается, в связи с чем актуальным и ценным является исследование природы и свойств данного показателя, его моделирование и оценка для дальнейшего прогнозирования, что, в свою очередь, играет первостепенную роль для финансовых аналитиков. Целью настоящего доклада является моделирование и оценивание волатильности доходностей акций семи крупных российских компаний. Для каждой компании сформулированы модификации одномерных GARCH-моделей и для трех из анализируемых компаний были рассмотрены модели стохастической волатильности с помощью метода Монте-Карло на Марковских цепях.

В течение последних лет многие исследователи-экономисты обратили свое внимание на текстовый анализ. Возможность автоматического семантического анализа больших массивов текстовых данных, находящихся в открытом доступе, позволяет экономистам выявлять зависимости и отношения на разных рынках. В работе исследуется применимость различных популярных текстовых анализаторов тональности относительно специфичных финансовых документов — годовых финансовых отчетов публичных компаний (Form 10-K). Цель исследования — сравнение результатов текстовых анализаторов тональности общей направленности и специфичных для финансово-экономической сферы. В работе применены 3 часто используемых в NLP сфере текстовых анализатора: Loughran and McDonald Generic (LM), vaderSentiment, TextBlob Pattern Analyzer, их выводы проанализированы соответственно гипотезе о большем влиянии негативной тональности на настроение инвесторов касательно состояния компании. Научная новизна работы заключается в расширении списка анализаторов, не рекомендуемых к использованию для анализа тональности экономических текстов. В результате было выявлено, что специфичный финансовый анализатор LM превосходит анализаторы общей направленности на всей выборке отчетов компаний из разных отраслей экономики.

В современном глобализированном мире существует специализация стран на производстве определенных товаров и услуг. Наиболее вредные производства часто находятся в регионах «третьего мира». Причиной такой дифференциации может быть гипотеза «экспорта загрязнения» - более богатые страны делают выбор в пользу улучшения своей экологической ситуации, поэтому они переносят больше «грязных» производств и отходов. В докладе с помощью эконометрической модели будет проверен ряд гипотез, а также изучены факторы, влияющие на перемещение отходов и их побочных эффектов.