امکان ارزیابی دقیق ضررات مالی مخصوصا ورشکستگی در یک کسب و کار، هم برای اقتصاد و هم برای جامعه امری مهم است.
به گزارش گرداب - اقتصاددانان همیشه در حال تحقیق و مطالعه تجربی و نظری فرایندهایی که منجر به ورشکستگی میشوند، بودهاند که تا قبل از بروز مشکل، راه حلی برای آن پیدا کنند. دادههای مربوط به شاخصهای عملکرد اقتصادی شرکتها نیز کمک بسیاری در ارائه راه حلهای جدید کرده است.
در حال حاضر، پیشبینی احتمال ورشکستگی در دنیای تجارت بسیار مهم است. در تحقیقات جدید منتشر شده، پروفسور یوری زلنکوف و دانشجویی به نام نیکیتا ولودارسکی از HSE Graduate School of Business، رویکرد جدیدی را برای این مشکل با استفاده از یادگیری ماشینی ارائه کردهاند.
این رویکرد بعد از بررسی دادههای مربوط به شرکتهای موفق و ورشکسته شده، ارائه شده است. متخصصان با استفاده از مجموعهای از شاخصهای مربوط به عملکرد تجاری، به هوش مصنوعی آموزش لازم را میدهند.
سپس، هوش مصنوعی، الگوهای پیچیدهای را که در وضعیت فعلی شرکت و مسیر رشد آن وجود دارد را بررسی میکند. بعد از این که هوش مصنوعی به دادههای یک شرکت دسترسی پیدا کرد، میتواند وضعیت آن شرکت را در آینده با کمی دقت پیشبینی کند.
اما از لحاظ آماری، ورشکستگی به ندرت اتفاق میافتد (طبق دادههای موجود، فقط برای پنج تا ده درصد از شرکتها اتفاق میافتد). پس هوش مصنوعی باید اطلاعات بسیار زیادی را که مربوط به شرکتهای موفق میشود، پردازش کند. یادگیری ماشینی، درک کافی برای تشخیص این که کدام ویژگیها منجر به ورشکستگی در آینده میشوند را ندارد.
با این حال، یوری زلنکوف و نیکیتا ولودارسکی روشی ارائه دادهاند که حساسیت کمتری نسبت به دادههای نامتعادل دارد. این روش شامل یادگیری از طریق تعداد زیادی از الگوریتمهای دستهبندی شده است که بعدا مؤثرترین آنها انتخاب و با هم ترکیب میشوند تا احتمال ورشکستگی با دقت بیشتری پیشبینی شود.
منبع:
TechXplore