В последние годы западные страны проводят активную санкционную политику против целого списка государств, в том числе и России. Под действия санкций подпадают крупные объекты банковской сферы, предприятия добывающей отрасли и промышленного сектора, а также отдельные физические лица и компании. Такая ситуация требует от Правительства РФ не только быстрых ответных мер экономического регулирования, но и долгосрочного прогнозирования и анализа развития возможных событий. Ученые Пермского Политеха разработали интеллектуальную систему на основе нейросети для выявления отечественных компаний, которые в будущем подвержены риску подпадания в санкционные списки. Программа полезна как для отдельных инвесторов и частных компаний, так и для государственных организаций и регулирующих органов.
Статья опубликована в журнале «Вестник ПНИПУ. Master’s journal» №2, 2023 год. Разработка проведена в рамках программы стратегического академического лидерства «Приоритет 2030».
Сегодня санкции имеют глобальное экономическое воздействие на Россию. Как следствие, необходима разработка эффективных стратегий управления рисками подпадания в санкционные списки. Сейчас активно изучается влияние ограничений на различные отрасли промышленности и отдельные компании, анализируются экономические последствия для страны. Но все подобные исследования — это лишь описание и статистика. Они не позволяют выработать конкретные научные методы для прогноза и корректировки ситуации.
Применение нейросетевого подхода в данной области может быть эффективно для точного выявления компаний, в наибольшей мере подверженных санкциям. Модели на основе искусственного интеллекта автоматически определяют сложные закономерности и взаимосвязи в огромных объемах данных, что существенно влияет на корректность прогноза.
Ученые Пермского Политеха разработали интеллектуальную систему на основе нейросети, которая по ряду экономических факторов, уникальных для каждой из компаний российского рынка, прогнозирует угрозы их подпадания в санкционные списки.
— Мы создали эффективный инструмент для предсказания факта подпадания или неподпадания организации под санкции в будущем. Поскольку любая нейросеть учится на большом количестве данных, в первую очередь мы собрали крупную базу данных по компаниям РФ. Причем требовались предприятия под санкциями и свободные от них. Для этого мы воспользовались рейтингом, определяющим топ-600 российских компаний, и SSI List — санкционным списком правительства США. Он содержит названия организаций, на которые распространяются ограничения в таких секторах как финансы, энергетика и оборонная промышленность, — объясняет кандидат физико-математических наук, доцент кафедры «Прикладная математика» ПНИПУ Дарья Владимирова.
Все собранные данные политехники разбили на обучающее и тестовое множества в соотношении 80/20. Нейросеть работает со следующими входными параметрами: отрасль деятельности компании, количество упоминаний в СМИ, прибыль до и после налогообложения, объемы реализации компании за последние два года, темпы роста, тип отчетности. На выходе ученые получают информацию о наличии санкций в виде интервальных значений (0-100). Меньше 50 означает, что риски подпадания компании под санкции в ближайшем будущем минимальны, а больше 50 — высоки.
Работоспособность разработанной системы политехники проверили на трех контрольных организациях, не участвовавших в исследовании. Так, для Московского метрополитена нейросеть рассчитала большую угрозу подпадания под санкции в ближайшее время. Для авиакомпании Azur Air подтвердила факт наложения ограничений, а для нефтяной компании «Полярное сияние» определила минимальный риск подпадания в будущем.
Исследование ученых ПНИПУ полезно для крупных игроков рынка, организаций, инвесторов и регулирующих органов, которые могут использовать эти прогнозы для принятия решений в свою пользу. Инвесторам поможет корректно оценивать риски своих инвестиций. Регулирующим органам РФ эффективнее контролировать компании, подверженные угрозе санкций. Предприятиям – оценивать возможные последствия ограничений на финансовые показатели.
— Параметры нейронной сети подобраны таким образом, чтобы минимизировать ошибку как на обучающем, так и на тестовом множествах. Так, нам удалось привести работу нейросети к достоверности около 90%, что считается достаточно высоким результатом, — поделилась Дарья Владимирова.
Интеллектуальная система ученых Пермского Политеха позволяет по ряду экономических факторов, уникальных для каждой компании российского рынка, прогнозировать угрозы их подпадания в санкционные списки. Предсказание риска санкций с помощью нейросетей может быть важным фактором при разработке финансовых государственных планов и принятии стратегических политических и экономических решений.