Россия
В статье выполнен сравнительный анализ современных моделей прогнозирования банкротства предприятий на основе результатов международных исследований 2023–2025 гг. Рассмотрены логистическая регрессия, ансамблевые методы (Random Forest, XGBoost, Gradient Boosting), нейронные сети и гибридные AutoML-подходы. Показано, что ансамблевые алгоритмы устойчиво превосходят логистическую регрессию по AUC при работе с высокоразмерными финансовыми данными, тогда как нейросетевые и LLM-подходы демонстрируют зависимость качества от объёма и структуры выборки. Установлено отсутствие универсальной модели; выбор алгоритма определяется характеристиками данных, дисбалансом классов и требованиями к интерпретируемости.
банкротство предприятий, прогнозирование, ROC-AUC, Accuracy, XGBoost, Random Forest, Gradient Boosting, логистическая регрессия, нейронные сети, ансамблевые методы, SMOTE, AutoML
1. Локанан М.Е., Рамзан С. Прогнозирование финансовых проблем компаний, котирующихся на бирже TSX, с использованием алгоритмов машинного обучения // Front Artif Intell v. 7. 2024. DOI:https://doi.org/10.3389/frai.2024.1466321.
2. Хамди М., Местири С., Арби А. Методы искусственного интеллекта для прогнозирования банкротства тунисских компаний: применение моделей машинного и глубокого обучения // Journal of Risk and Financial Management. – 2024. – Т. 17. – № 4. – Ст. 132. DOI: https://doi.org/10.3390/jrfm17040132
3. Мактум Т., Пулграм Н., Чандградкар В., Патхак П. Соланки А. Машинное обучение для прогнозирования банкротства в сфере корпоративных финансов с использованием понятный методов ИИ // Informatica 49. C. 15-26. 2025. DOI:https://doi.org/10.31449/inf.v49i15.6745.
4. Мохташами Заде М. Моделирование вероятности банкротства листинговых компаний с использованием алгоритмов классификации (Random Forest, XGBoost, SVM) // Journal of Resource Management and Decision Engineering. – 2026. – Т. 5. – № 2. – С. 1–9. DOI:https://doi.org/10.61838/kman.jrmde.5.2.239
5. Кострева М., Фурман О., Фурман Р., Томчак С., Зиеба М. Полезны ли базовые модели для прогнозирования банкроства? // 39-я конференция по нейронным системам обработки информации. NeurlPS 2025. Семинар: Генеративный ИИ в финансах. 2025. DOI:https://doi.org/10.48550/arXiv.2511.16375.
6. Сумин, В. И. Использование ситуационного моделирования в разработке систем принятия решений для сложных организационных систем / В. И. Сумин, А. С. Кравченко, А. В. Толкачев // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 71–79. – DOIhttps://doi.org/10.12737/2219-0767-2024-69-77. – EDN FBBHJO.
