МОДЕЛЬ RANDOM FOREST НА ОСНОВЕ BIG DATA ДЛЯ ПРОГНОЗИРОВАНИЯ УСТОЙЧИВОСТИ БАНКОВСКОЙ СИСТЕМЫ РОССИЙСКОЙ ФЕДЕРАЦИИ
Аннотация
В статье анализируются современные тенденции применения искусственного интеллекта, когнитивных технологий, Big Data и других инноваций в целях прогнозирования устойчивости банковской системы РФ. Обобщены современные тенденции развития банковских инноваций в условиях цифровизации экономики. Среди использованных методов исследования следует отметить систему искусственного интеллекта «Случайный лес», сформированную в облачном сервисе Google Collab на языке Python. Предложена нейросетевая модель прогноза динамики прибыли банков на основе использования модели машинного обучения «Случайный лес» (RF – random forest). Результаты исследования свидетельствуют о том, что при среднем значении прибыли банков за период 2010-2021 гг. 1126,0416 млрд. руб., средняя абсолютная ошибка (Mean Absolute Error) составила 129.96666 млрд. руб., или 11,5%, что в условиях рыночной неопределенности можно рассматривать как хороший результат. Анализ показал, что современные тенденции носят глобальный характер и приводят к качественным изменениям в протекании бизнес-процессов между потребителями банковских услуг и кредитными организациями.
Цель: сформировать модель, которая предсказывает значение целевой переменной – прибыль банковской системы с помощью модели глубокого обучения «Случайный лес», который представляет собой ансамбль «деревьев решений». Дерево можно рассматривать как кусочно-постоянное приближение.
Научная новизна в том, чтобы выдвинуть и доказать гипотезу, что с помощью сформированной системы искусственного интеллекта «Случайный лес» может быть получен прогноз прибыли коммерческих банков РФ.
Метод, или методология проведения работы. В работе применялись такие методы исследования, как монографический, аналитический, система искусственного интеллекта «Случайный лес», а также сравнительный анализ. Расчеты выполнялись в таблицах XL, облачном сервисе Google Collab на языке Python.
Результаты. Представлена разработанная AI-система «Случайный лес», предназначенная для прогнозирования прибыли банков. Представляет практическую значимость использование результатов нейронной сети «Случайный лес» для прогнозирования развития кредитных организаций, что позволяет решить крупную народно-хозяйственную задачу – обеспечение устойчивости банковской системы РФ. Предложена нейросетевая модель прогноза динамики прибыли банков на основе использования модели машинного обучения «Случайный лес» (RF – random forest), представляющий собой алгоритм машинного обучения, который заключается в использовании ансамбля (совокупности) деревьев решений (decision trees).
Область применения результатов: финансовая сфера, банковский сектор, прогнозирование и обеспечение устойчивой деятельности кредитных организаций РФ.
Скачивания
Литература
Список литературы
Анисимова, Я. А. Перспективы цифровой трансформации в нефтяной промышленности / Я. А. Анисимова, В. А. Плотников // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. – 2022. – Т. 12, № 5. – С. 106-119. – DOI 10.21869/2223-1552-2022-12-5-106-119. – EDN VVKCRS.
Апатова, Н. В. Управление процессами цифровой трансформации бизнеса / Н. В. Апатова // Ученые записки Крымского федерального университета имени В.И. Вернадского. Экономика и управление. – 2022. – Т. 8. – № 2. – С. 3-8. – EDN SCWJEG.
Ватлина, Л. В. Цифровизация и инновационное развитие экономики / Л. В. Ватлина, В. А. Плотников // Известия Санкт-Петербургского государственного экономического университета. – 2023. – № 1(139). – С. 106-113. – EDN OSBQSI.
Индустрия 4.0: Big Data, цифровизация и рост экономики URL: - : https://habr.com/ru/post/507822/ (дата обращения 25.02.2023)
Котляров, И. Д. Цифровая трансформация финансовой сферы: содержание и тенденции / И. Д. Котляров // Управленец. – 2020. – Т. 11, № 3. – С. 72-81. – DOI 10.29141/2218-5003-2020-11-3-6. – EDN QCAMVP.
Куликова, О. М. Экосистема: новый формат современного бизнеса / О. М. Куликова, С. Д. Суворова // Вестник Академии знаний. – 2021. – № 42(1). – С. 200-205. – DOI 10.24412/2304-6139-2021-10909. – EDN TGSSEX.
Курбанов, Т. Цифровые логистические технологии: возможные перспективы и риски внедрения в цепи поставок / Т. Курбанов, А. Курбанов, С. Лучкин // Логистика. – 2018. – № 10(143). – С. 16-20. – EDN YLVNFZ.
Курочкина, А. А. Развитие AR-технологий в розничной торговле / А. А. Курочкина, Ю. Е. Семенова, А. Ю. Тимошенко // Глобальный научный потенциал. – 2021. – № 3(120). – С. 239-242. – EDN JMVSVH.
Необанки и lifetime-советники: банковские инновации ближайших десятилетий. RL: https://trends.rbc.ru/trends/futurology/5f4d3aa99a794781e4b9ae68 (дата обращения 25.02.2023)
Нобелевская премия по экономике 2022 напомнила о важности стабильной банковской системы. URL: https://cinst.hse.ru/news/782226657.html (дата обращения: 24.02.2023)
Подготовка бизнеса к цифровизации и его адаптация / Е. А. Алексеева, А. А. Гракун, Е. Д. Доморацкий, А. Д. Лычакова // Финансовый бизнес. – 2022. – № 1(223). – С. 3-7. – EDN DEZZHM.
Стратегическое управление промышленными экосистемами на основе платформенной концепции / В. В. Глухов, А. В. Бабкин, Е. В. Шкарупета, В. А. Плотников // Экономика и управление. – 2021. – Т. 27, № 10(192). – С. 751-765. – DOI 10.35854/1998-1627-2021-10-751-765. – EDN MMCLZB.
Суворова, С. Д. Геймификация: актуальный тренд реализации бизнес-процессов в сфере обращения / С. Д. Суворова, О. М. Куликова // Инновационная экономика: перспективы развития и совершенствования. – 2022. – № 5(63). – С. 79-84. – EDN BCDVMV.
Суворова, С. Д. Цифровая трансформация бизнеса / С. Д. Суворова, О. М. Куликова // Инновационная экономика: перспективы развития и совершенствования. – 2022. – № 2(60). – С. 54-59. – DOI 10.47581/2022/IE.2.60.10. – EDN OVPLOP.
Что такое Big Data и почему их называют «новой нефтью» https://trends.rbc.ru/trends/innovation/5d6c020b9a7947a740fea65c URL: : https://ru.wikipedia.org/wiki/%D0%98%D0%BD%D1%82%D0%B5%D1%80%D0%BD%D0%B5%D1%82-%D0%B1%D0%B0%D0%BD%D0%BA%D0%B8%D0%BD%D0%B3 (дата обращения 25.02.2023)
Bingyan, H. Distributionally robust risk evaluation with causality constraint and structural information. Mathematical Finance. 20 Mar (2022). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Clarkson J., Cucuringu M., Elliott A., Reinert G. DAMNETS: A Deep Autoregressive Model for Generating Markovian Network Time Series. Statistical Finance. (2022). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Demidova S., Lesnevskaya N., Lomakin, N. Development of Financial System Inclusiveness at the present stage: International and Russian experience ACM International Conference Proceeding Series, (2021).
D’Hondt, С., De Winne, R., Ghysels, E. and Steve Raymond Artificial Intelligence Alter Egos: Who benefits from Robo-investing? Portfolio Management (q-fin.PM); Econometrics (econ. EM); Statistical Finance (q-fin.ST). (1907). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Diamond, D. W. and Dybvig, P. H. Bank Runs, Deposit Insurance, and Liquidity, Journal of Political Economy, (1983). 91(3), pp. 401–419.
Dynamics and Structure of Investment Portfolios of Russian Banks Studied by the Artificial Intelligence System / N.I. Lomakin, A.V. Petrukhin, A. Shokhnekh, O.N. Maksimova, I.A. Samorodova // Artificial Intelligence: Anthropogenic Nature vs. Social Origin : proceedings of 13th International Scientific and Practical Conference (Volgograd, Russia) / ed. by Elena G. Popkova, Bruno S. Sergi ; Autonomous Non-Profit Organization «Institute of Scientific Communications» (Volgograd). – Cham (Switzerland) : Springer Nature Switzerland AG, 2020. – P. 365-373. – URL: https://link.springer.com/book/10.1007/978-3-030-39319-9. – (Book Ser.: Advances in Intelligent Systems and Computing (AISC) ; vol. 1100).
Krzysztof R., Piotr B., Piotr Jaglarz, Fabien G., Albert C., Piotr C. RiskNet: Neural Risk Assessment in Networks of Unreliable Resources. ACM classes: I.2; C.2 // Submitted 28 January, 2022; originally announced January (2022). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Kulachinskaya A., Lomakin N., Maramygin M., Kuzmina, T. Artificial neural network model for managing bank capital. ACM International Conference Proceeding Series, (2020).
Lomakin N., Kulachinskaya A., Tudevdagva U., Radionova E., Mogharbel N.AI-System for Predicting the Russia’s GDP Volume Based on Dynamics of Factors in the Transport Sector. Communications in Computer and Information Science this link is disabled, (2021), 1445, pp. 118–132.
Lomakin N., Maramygin M., Kataev A., Yurova, O., Lomakin I. Cognitive Model of Financial Stability of the Domestic Economy Based on Artificial Intelligence in Conditions of Uncertainty and Risk. International Journal of Technologythis link is disabled, (2022), 13(7), pp. 1588–1597.
Lomakin N., Rybanov A., Kulachinskaya A., Tudevdagva U., Repin Y. Artificial Intelligence System for Financial Risk Prediction in the Banking Sector. Communications in Computer and Information Sciencethis link is disabled, (2022), 1619 CCIS, pp. 295–306.
Tongtian Zhu Analysis on the Applicability of the Random Forest. August (2020) Journal of Physics Conference Series 1607(1):012123 DOI: 10.1088/1742-6596/1607/1/012123 https://www.researchgate.net/publication/343720366_Analysis_on_the_Applicability_of_the_Random_Forest (Accessed on February 13, 2023.)
Werner Gleibner, Thomas Günther, Christian Walkshäusl Financial sustainability: measurement and empirical evidence. (2022). Economics, Business. Journal of Business Economics DOI:10.1007/s11573-022-01081-0. URL: https://www.semanticscholar.org/paper/Financial-sustainability%3A-measurement-and-empirical-Glei%C3%9Fner-G%C3%BCnther/4b85dbba4f4d9190c2b22918c42b9bb943017c0a (Accessed on February 13, 2023.)
References
Anisimova, Ya. A. Perspektivy cifrovoj transformacii v neftyanoj promysh-lennosti [Anisimova, Ya. A. Prospects for digital transformation in the oil industry / Ya. A. Anisimova, V. A. Plotnikov // Proceedings of the South-Western State University. Series: Economy. Sociology. Management. - 2022. - T. 12, No. 5. - S. 106-119. – DOI 10.21869/2223-1552-2022-12-5-106-119. – EDN VVKCR]
Apatova, N. V. Upravlenie processami cifrovoj transformacii biz-nesa [Apatova, N. V. Management of business digital transformation processes / N. V. Apatova // Uchenye zapiski V.I. Vernadsky. Economics and Management. - 2022. - T. 8. - No. 2. - P. 3-8. – EDN SCWJEG]
Vatlina, L. V. Cifrovizaciya i innovacionnoe razvitie ekonomiki [Vatlina, L. V. Digitalization and innovative development of the economy / L. V. Vatlina, V. A. Plotnikov // Proceedings of the St. Petersburg State University of Economics. - 2023. - No. 1 (139). - S. 106-113. – EDNOSBQSI. ]
Industriya 4.0: Big Data, cifrovizaciya i rost ekonomiki[Industry 4.0: Big Data, Digitalization and Growth of the Economy]URL: - : https://habr.com/ru/post/507822/ (accessed 25.02.2023)
Kotlyarov, I. D. Cifrovaya transformaciya finansovoj sfery: soder-zhanie i tendencii[Kotlyarov, I. D. Digital transformation of the financial sector: content and trends / I. D. Kotlyarov // Manager. - 2020. - T. 11, No. 3. - S. 72-81. – DOI 10.29141/2218-5003-2020-11-3-6. – EDN QCAMVP.]
Kulikova, O. M. Ekosistema: novyj format sovremennogo biznesa[Kulikova, O. M. Ecosystem: a new format of modern business / O. M. Kulikova, S. D. Suvorova // Bulletin of the Academy of Knowledge. - 2021. - No. 42(1). - S. 200-205. – DOI 10.24412/2304-6139-2021-10909. – EDN TGSSEX.]
Kurbanov, T. Cifrovye logisticheskie tekhnologii: vozmozhnye per-spektivy i riski vnedreniya v cepi postavok[Kurbanov, T. Digital logistics technologies: possible prospects and risks of implementation in the supply chain / T. Kurbanov, A. Kurbanov, S. Luchkin // Logistics. - 2018. - No. 10 (143). - S. 16-20. – EDN YLVNFZ.]
Kurochkina, A. A. Razvitie AR-tekhnologij v roznichnoj torgovle[Kurochkina, A. A. Development of AR-technologies in retail trade / A. A. Kurochkina, Yu. E. Semenova, A. Yu. Timoshenko // Global scientific potential. - 2021. - No. 3(120). – S. 239-242. – EDN JMVSVH.]
Neobanki i lifetime-sovetniki: bankovskie innovacii blizhajshih desya-tiletij. [Neobanks and lifetime advisors: banking innovations of the next decades. RL: https://trends.rbc.ru/trends/futurology/5f4d3aa99a794781e4b9ae68 (Accessed 02/25/2023)]
Nobelevskaya premiya po ekonomike 2022 napomnila o vazhnosti sta-bil’noj bankovskoj sistemy. [Nobel Prize in Economics 2022 reminded of the importance of a stable banking system. URL: https://cinst.hse.ru/news/782226657.html (yes, accessed: 24.02.2023)]
Podgotovka biznesa k cifrovizacii i ego adaptaciya / E. A. Aleksee-va, A. A. Grakun, E. D. Domorackij, A. D. Lychakova [Preparation of business for digitalization and its adaptation / E. A. Alekseeva, A. A. Grakun, E. D. Domoratsky, A. D. Lychakova // Financial business. - 2022. - No. 1 (223). - P. 3-7. – EDN DEZZHM]
Strategicheskoe upravlenie promyshlennymi ekosistemami na osnove platformennoj koncepcii / V. V. Gluhov, A. V. Babkin, E. V. Shkarupeta, V. A. Plotnikov[Strategic management of industrial ecosystems based on the platform concept / V. V. Glukhov, A. V. Babkin, E. V. Shkarupeta, V. A. Plotnikov // Economics and Management. - 2021. - T. 27, No. 10 (192). - S. 751-765. – DOI 10.35854/1998-1627-2021-10-751-765. – EDN MMCLZB.]
Suvorova, S. D. Gejmifikaciya: aktual’nyj trend realizacii biz-nes-processov v sfere obrashcheniya / S. D. Suvorova, O. M. Kulikova[Suvorova, S. D. Gamification: an actual trend in the implementation of business processes in the sphere of circulation / S. D. Suvorova, O. M. Kulikova // Innovative economy: prospects for development and improvement. - 2022. - No. 5(63). - S. 79-84. – EDN BCDVMV.]
Suvorova, S. D. Cifrovaya transformaciya biznesa / S. D. Suvoro-va, O. M. Kulikova[Suvorova, S. D. Digital transformation of business / S. D. Suvorova, O. M. Kulikova // Innovative economy: prospects for development and improvement. - 2022. - No. 2(60). - S. 54-59. – DOI 10.47581/2022/IE.2.60.10. – EDN OVPLOP.]
Chto takoe Big Data i pochemu ih nazyvayut «novoj neft’yu»[What is Big Data and why is it called “new oil” https://trends.rbc.ru/trends/innovation/5d6c020b9a7947a740fea65c %BD%D1%82%D0%B5%D1%80%D0%BD%D0%B5%D1%82-%D0%B1%D0%B0%D0%BD%D0%BA%D0%B8%D0% BD%D0%B3 (accessed 02/25/2023)]
Bingyan H. Distributionally robust risk evaluation with causality constraint and structural information. Mathematical Finance. 20 Mar (2023). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Clarkson J., Cucuringu M., Elliott A., Reinert G. DAMNETS: A Deep Autoregressive Model for Generating Markovian Network Time Series. Statistical Finance. (2022). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Demidova S., Lesnevskaya N., Lomakin, N. Development of Financial System Inclusiveness at the present stage: International and Russian experience ACM International Conference Proceeding Series, (2021).
D’Hondt, С., De Winne, R., Ghysels, E. and Steve Raymond Artificial Intelligence Alter Egos: Who benefits from Robo-investing? Portfolio Management (q-fin.PM); Econometrics (econ. EM); Statistical Finance (q-fin.ST). (1907). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Diamond, D. W. and Dybvig, P. H. Bank Runs, Deposit Insurance, and Liquidity, Journal of Political Economy, (1983). 91(3), pp. 401–419.
Dynamics and Structure of Investment Portfolios of Russian Banks Studied by the Artificial Intelligence System / N.I. Lomakin, A.V. Petrukhin, A. Shokhnekh, O.N. Maksimova, I.A. Samorodova // Artificial Intelligence: Anthropogenic Nature vs. Social Origin : proceedings of 13th International Scientific and Practical Conference (Volgograd, Russia) / ed. by Elena G. Popkova, Bruno S. Sergi ; Autonomous Non-Profit Organization «Institute of Scientific Communications» (Volgograd). – Cham (Switzerland) : Springer Nature Switzerland AG, 2020. – P. 365-373. – URL: https://link.springer.com/book/10.1007/978-3-030-39319-9. – (Book Ser.: Advances in Intelligent Systems and Computing (AISC) ; vol. 1100).
Krzysztof R., Piotr B., Piotr Jaglarz, Fabien G., Albert C., Piotr C. Risk-Net: Neural Risk Assessment in Networks of Unreliable Resources. ACM classes: I.2; C.2 // Submitted 28 January, 2022; originally announced January (2022). https://doi.org/10.48550/arXiv. (Accessed on February 13, 2023.)
Kulachinskaya A., Lomakin N., Maramygin M., Kuzmina, T. Artificial neural network model for managing bank capital. ACM International Conference Proceeding Series, (2020).
Lomakin N., Kulachinskaya A., Tudevdagva U., Radionova E., Mogharbel N.AI-System for Predicting the Russia’s GDP Volume Based on Dynamics of Factors in the Transport Sector. Communications in Computer and Information Science this link is disabled, (2021), 1445, pp. 118–132.
Lomakin N., Maramygin M., Kataev A., Yurova, O., Lomakin I. Cognitive Model of Financial Stability of the Domestic Economy Based on Artificial Intelligence in Conditions of Uncertainty and Risk. International Journal of Technologythis link is disabled, (2022), 13(7), pp. 1588–1597.
Lomakin N., Rybanov A., Kulachinskaya A., Tudevdagva U., Repin Y. Artificial Intelligence System for Financial Risk Prediction in the Banking Sector. Communications in Computer and Information Sciencethis link is disabled, (2022), 1619 CCIS, pp. 295–306.
Tongtian Zhu Analysis on the Applicability of the Random Forest. August (2020) Journal of Physics Conference Series 1607(1):012123 DOI: 10.1088/1742-6596/1607/1/012123 https://www.researchgate.net/publication/343720366_Analysis_on_the_Applicability_of_the_Random_Forest (Accessed on February 13, 2023.)
Werner Gleibner, Thomas Günther, Christian Walkshäusl Financial sustainability: measurement and empirical evidence. (2022). Economics, Business. Journal of Business Economics DOI: 10.1007/s11573-022-01081-0. URL: https://www.semanticscholar.org/paper/Financial-sustainability%3A-measurement-and-empirical-Glei%C3%9Fner-G%C3%BCnther/4b85dbba4f4d9190c2b22918c42b9bb943017c0a (Accessed on February 13, 2023.)
Просмотров аннотации: 137 Загрузок PDF: 112
Copyright (c) 2023 Nikolay I. Lomakin, Olga V. Yurova, Ekaterina V. Kosobokova, Oksana A. Minaeva, Valentina F. Trunina, Yury A. Kachanov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
