Какие компании представлены в базе Росстата?

Какие компании представлены в базе Росстата?

В исследовании приводятся результаты статистического анализа компаний, о которых имеются сведения в Росстате. Как распределены компании по регионам России? Как распределены виды деятельности компаний для отдельных регионов? В каких регионах произошла наибольшая смена приоритетных видов деятельности за последние годы? Ответы на эти и другие вопросы получены в ходе статистического исследования базы данных Росстата.
Результаты анализа показателей финансовой отчетности компаний Росстата

Результаты анализа показателей финансовой отчетности компаний Росстата

Разные компании сдают разные объёмы данных в Росстат. В этом исследовании мы ответим на вопрос о том, какие статистические свойства имеют различные показатели финансовой отчетности. Эта информация будет использована при отборе показателей для построения скоринговых моделей. Также исследуются распределения значений показателей и динамика отдельных показателей, в частности, выручки и чистой прибыли компаний по годам в разрезе регионов России и различных отраслей деятельности.
Использование финансовых коэффициентов в скоринге

Использование финансовых коэффициентов в скоринге

Финансовые коэффициенты, как правило, безразмерны и выражают отношение абсолютных показателей финансовой отчетности. Использование финансовых коэффициентов – один из наиболее простых и популярных способов оценки финансового состояния предприятия. На их основе построены многие классические скоринговые модели (например, модель Альтмана, Таффлера-Тишоу и др.). Используя данные Росстата, в настоящем исследовании мы проведем статистический анализ этих коэффициентов и ответим на вопрос, действительно ли их значения у надежных и проблемных компаний значимо различаются, а также посмотрим на вариабельность коэффициентов в разных отраслях деятельности и в регионах РФ.
Работают ли классические модели скоринга?

Работают ли классические модели скоринга?

Модели Альтмана, Таффлера-Тишоу, Фулмера, Спрингейта, Лиса и многие другие модели, предложенные в 70-80-х годах прошлого века, долгое время считались классическими для оценки финансового состояния предприятия. Большинство из них линейные, итоговый скоринговый балл формируется как линейная комбинация небольшого числа финансовых коэффициентов, рассчитываемых по данным бухгалтерской отчетности. Работают ли эти модели в переменчивых условиях российского бизнеса? Можно ли считать, что состав используемых коэффициентов эффективен в настоящее время или требуется их пересмотр?
Алгоритм формирования признаков для скоринговых моделей

Алгоритм формирования признаков для скоринговых моделей

Формирование признаков – один из наиболее важных этапов при построении моделей машинного обучения. Состав подаваемого на вход вектора признаков во многом определяет точность модели и её способности к обобщению. В данном исследовании проводится статистический анализ показателей финансовой отчетности Росстата и предлагается алгоритм формирования на их основе признаков для построения скоринговых моделей.
Показатели качества скоринговой модели

Показатели качества скоринговой модели

Один из ключевых вопросов кредитного скоринга состоит в оценке качества предложенной скоринговой модели. В идеальном варианте модель должна прогнозировать низкий риск просрочки или дефолта тем и только тем заемщикам, которые действительно способны выплатить кредит. На практике построение таких моделей практически невозможно в силу разных причин. В связи этим возникает необходимость поиска компромисса между ошибочной выдачей кредита тем, кто его не способен вернуть, и ошибочной невыдачей кредита надежным заёмщикам.
Байесовская классификация в скоринге

Байесовская классификация в скоринге

Байесовский подход – один из наиболее популярных в классификации. Этот подход основан на исследовании распределений подаваемых на вход классификатора признаков. Один из типов скоринговых моделей, реализованных в системе DaMIA-Скоринг, использует байесовский подход. В данной статье приводится описание алгоритма построения байесовских скоринговых моделей DaMIA.
Логистическая регрессия в скоринге

Логистическая регрессия в скоринге

Логистическая регрессия – еще одна популярная модель машинного обучения, используемая при решении задач классификации. Идея логистической регрессии состоит в нахождении такой линейной комбинации исходных признаков, чтобы для объектов одного класса она была как можно большей, а для объектов дркгого класса – как можно меньшей. Тогда на основе этой линейной комбинации объект может быть отнесен к одному из классов. Логистическая регрессия – еще один тип скоринговых моделей, используемых в системе DaMIA-Скоринг.
Скоринговые модели DaMIA

Скоринговые модели DaMIA

В системе DaMIA реализованы скоринговые модели компаний-банкротов, компаний, входящих в "черный" список по 115-ФЗ, компаний дисквалифицированных лиц и компаний, имевших проблемы с выплатами кредитов. Для обучения моделей использованы данные официальной финансовой отчетности Росстата. В данной статье приводятся показатели качества обученных моделей, показатели, с которыми работают модели, и исследуются результаты работы моделей для компаний России.