Metody analiza i interpretatsii finansovykh sistem pri pomoshchi modelei mashinnogo obucheniia
Proceeding
- Published in:
- All-Russian Scientific Conference «Strategies of Sustainable Development: Social, Law and External-economic Aspects»
- Author:
- Ilia N. Galkin 1
- Work direction:
- Общие вопросы экономических наук
- Pages:
- 38-39
- Received: 26 December 2023
- Rating:
- Article accesses:
- 501
- Published in:
- РИНЦ
1 FGBOU VO "Sankt-Peterburgskii gosudarstvennyi ekonomicheskii universitet"
- APA
For citation:
Galkin I. N. (2024). Metody analiza i interpretatsii finansovykh sistem pri pomoshchi modelei mashinnogo obucheniia. Strategies of Sustainable Development: Social, Law and External-economic Aspects, 38-39. Чебоксары: PH "Sreda".
Abstract
В статье проведено сравнение применимости эконометрических методов и методов машинного обучения для решения задач финансово-экономического анализа и прогнозирования, выделены преимущества и недостатки обоих классов методов, поставлена проблематика интерпретируемости моделей машинного обучения, которая является ограничением на пути их широкого применения в финансово-аналитическом инструментарии, и рассмотрены существующие решения в этой области. По итогам исследования сделан вывод о необходимости использования сразу нескольких методов интерпретации машинного обучения с целью перекрестной валидации результатов.
References
- 1. Carvalho, D.V., Pereira, E.M., Cardoso, J.S. Machine Learning Interpretability: A Survey on Methods and Metrics // Electronics. – 2019. – P. 8.
- 2. Perez E., Domínguez J., Omatu S., Herrera-Viedma E., Corchado Rodríguez J. Machine Learning and Traditional Econometric Models: A Systematic Mapping Study // Journal of Artificial Intelligence and Soft Computing Research. – 2021. – pp. 79–100.
- 3. Галкин И.Н. Потенциал применения методов искусственного интеллекта для анализа долгосрочной динамики стоимости собственного капитала публичных компаний / И.Н. Галкин // Повышение конкурентоспособности отечественной науки: развитие в условиях мировой нестабильности: материалы научной конференции аспирантов СПбГЭУ (Санкт-Петербург, 18 мая 2023 г.). – СПб.: Изд-во СПбГЭУ, 2023. – С. 9–15. – EDN NSXHQU
- 4. Коклев П.С. Оценка стоимости компании с использованием методов машинного обучения / П.С. Коклев // Финансы: теория и практика. – 2022. – №5. – С. 132–148. DOI 10.26794/2587-5671-2022-26-5-132-148. EDN ALHXXW
- 5. Неустроев Д.Д. Интерпретируемость моделей машинного обучения / Д.Д. Неустроев, Д.И. Курманова // Язык в сфере профессиональной коммуникации: сб. матер. международ. науч.-практ. конф. преподавателей, аспирантов и студентов (Екатеринбург, 18 апреля 2019 г.). – Екатеринбург: Ажур, 2019. – С. 484–488.
- 6. Перминов Н.К. Интерпретация результатов машинного обучения для задачи регрессии / Н.К. Перминов // Информатика: проблемы, методы, технологии: материалы XXII Международ. науч.-практ. конф. им. Э. К. Алгазинова, 2022. – С. 1185–1196. EDN RAFEPA
- 7. Суханова О.Н. Эконометрические модели как инструмент анализа в управлении экономическими системами / О.Н. Суханова, О.В. Ментюкова // Модели, системы, сети в экономике, технике, природе и обществе. – 2016. – №1 (17). – С. 125–134. EDN VTYLSV
- 8. Техническая документация библиотеки ELI5 [Электронный ресурс]. – Режим доступа: https://eli5.readthedocs.io/en/latest/ (дата обращения: 22.12.2023).
- 9. Техническая документация библиотеки [Электронный ресурс]. – Режим доступа: https://github.com/marcotcr/lime (дата обращения: 22.12.2023).
- 10. Техническая документация библиотеки SHAP [Электронный ресурс]. – Режим доступа: https://shap.readthedocs.io/en/latest/ (дата обращения: 22.12.2023).
Comments(0)