Учёные Томского политехнического университета (ТПУ) в составе научной группы разработали новый способ прогнозирования прибыли высокотехнологичных компаний. Точность прогнозов выросла на 30% благодаря использованию алгоритмов машинного обучения.
В основе комбинированного метода прогнозирования прибыльности — машинное обучение, регрессия со случайными эффектами и кластеризация. Доцент Никита Мартюшев рассказал, что метод разбивает прибыль на три составляющие: тренд (обычный рост прибыли), сезонность (рост прибыли в определённый период) и остаточную компоненту (прибыль, которую нельзя предугадать).
До применения нового метода средняя ошибка прогноза составляла 5%, а после внедрения — снизилась до 3,5%. Это произошло благодаря детальному анализу сезонных колебаний и выявлению скрытых тенденций. Использование алгоритмов машинного обучения позволило снизить среднеквадратичную ошибку прогнозов прибыли на 25% по сравнению с традиционными методами.
В исследовании участвовали учёные из Инженерной школы информационных технологий и робототехники и Бизнес-школы ТПУ, Московского политеха и Иркутского национального исследовательского технического университета. Они проанализировали финансовые и операционные показатели 1 811 компаний за период с 2013 по 2018 годы.
Соавтор исследования Любовь Спицына сообщила о планах протестировать метод на предприятиях других секторов российской экономики. Это позволит оценить применимость методики в различных отраслях и сравнить подходы к управлению.
Результаты исследования опубликованы в научном журнале Mathematics.
Читайте ещё материалы по теме:
В Москве разработали систему для прогнозирования роста цен на акции
Новый подход к прогнозированию будущего разработали в России
Новосибирские ученые разработали алгоритм для прогноза курса валют и погоды
