Прогнозування банкрутства підприємства за допомогою алгоритмів машинного навчання

Abstract

Статтю присвячено застосуванню методів машинного навчання для побудови моделей для прогнозування ймовірності банкрутства підприємства. Встановлено доцільність використання алгоритмів машинного навчання для прогнозування банкрутства підприємств. Високу ефективність показали алгоритми Logistic Regression, Random Forest, XGBoost. Обгрунтовано, що у сучасному світі керівники та менеджери організацій повинні приділяти велику увагу застосуванню машинного навчання у процесі визначення фінансового стану підприємств, оскільки завчасне виявлення кризового стану та застосування відповідних заходів для їх подолання допоможе, з одноєї сторони, підвищити інвестиційну привабливість компанії, з іншої — зміцнити соціально¬економічне становище держави, а саме: зменшити кількість втра¬чених робочих місць, знизити рівень безробіття, відповідно збільшити податкові надходження до бюджетів всіх рівнів, а найголовніше — зменшити соціальну напругу у суспільстві. The article is devoted to the application of machine learning methods to build models for predicting the probability of bankruptcy. Determining the risk of bankruptcy of enterprises is one of the main problems of modern economic and financial research. Now, with increasing financial globalization, faster economic change, and a new dimension of increased financial risk in the context of a pandemic, the focus needs to be on improving the accuracy of the forecasting model and extending the forecasting horizon. The consequences of financial failure are huge for financial lenders, managers, shareholders, investors, employees and even for the country's economy. Accurate bankruptcy prediction usually leads to many benefits, such as reduced credit analysis costs, better monitoring, and so on. Thus, predicting bankruptcy becomes much more important. Today, the question is not whether to use bankruptcy forecasting models, but how to increase the efficiency of forecasting models. The expediency of using machine learning algorithms to predict the bankruptcy of enterprises has been established. Algorithms Logistic Regression, Random Forest, XGBoost showed high efficiency. Python programming language is used to build machine learning models. It is argued that in today's world, leaders and managers of organizations should pay close attention to the use of machine learning in determining the financial condition of enterprises, as early detection of crises and appropriate measures to overcome them will help on the one hand to increase investment attractiveness, on the other economic situation of the state, namely to reduce the number of lost jobs, reduce unemployment, respectively, increase tax revenues to budgets of all levels, and most importantly reduce social tensions in society. It is noted that in order to increase the efficiency of forecasting the bankruptcy of enterprises, it is necessary to use the most balanced sample with approximately the same distribution of classes. Particular attention should be paid to the study of the representativeness of predictors, to determine their effectiveness for use in the model. As an alternative to classical approaches, models based on deep learning algorithms should be used, or an ensemble of different models should be used.