В России создали модель, которая определяет 94,45% будущих банкротств компаний

Ученые Пермского Политеха создали систему на базе искусственного интеллекта, которая позволяет заранее выявлять предприятия с признаками возможной финансовой несостоятельности. Разработанная модель правильно определяет 94,45% компаний, которые впоследствии становятся банкротами.

Новый подход предназначен не только для оценки вероятности банкротства, но и для раннего обнаружения финансовых проблем, когда у предприятия еще остается возможность восстановить устойчивость. По словам разработчиков, это позволяет использовать прогноз как основу для профилактических мер со стороны бизнеса, банков и органов власти.

Результаты исследования опубликованы в научном журнале «Вестник Воронежского государственного университета. Серия: Экономика и управление».

Традиционная оценка финансового состояния предприятий во многом основывается на анализе бухгалтерских коэффициентов. Такие методы позволяют обнаруживать уже сформировавшиеся проблемы, однако могут быть недостаточно эффективными при поиске сложных взаимосвязей между большим количеством финансовых показателей.

Специалисты Пермского Политеха применили технологии машинного обучения. Для разработки системы ученые использовали открытые данные бухгалтерской отчетности российских предприятий за 2019–2024 годы. Итоговый массив включал более 2,3 млн финансовых профилей компаний.

В отличие от подходов, основанных преимущественно на текущих показателях, алгоритм учитывает динамику финансового состояния предприятия за три года. Система анализирует изменения прибыли, долговой нагрузки, ликвидности и других параметров, после чего оценивает риск возникновения финансовых проблем в течение следующего года.

Разработчики отмечают, что для работы модели не требуется суперкомпьютер. Систему можно использовать на стандартной вычислительной инфраструктуре, поэтому потенциальными пользователями технологии могут стать региональные органы власти, банки, страховые организации и другие структуры, которым необходимо контролировать финансовую устойчивость предприятий.

Алгоритмы, инструкции по настройке и примеры их применения опубликованы в открытом доступе. Код разрешено использовать в исследовательских и образовательных целях.

Перед формированием прогноза система обрабатывает загруженную информацию, проверяет данные и исключает нерелевантные записи. Затем для предприятий формируются трехлетние финансовые профили. Алгоритмы машинного обучения анализируют изменение ключевых показателей и рассчитывают прогноз на следующий год.

Особое внимание исследователи уделили предприятиям, которые формально продолжают работать, однако уже демонстрируют признаки ухудшения финансового положения. Система распределяет компании по нескольким уровням риска, что позволяет отделять относительно устойчивые организации от предприятий с тревожными показателями и компаний с высокой вероятностью кризиса.

Согласно результатам исследования, модель обнаруживает 94,45% фактических случаев последующего банкротства. Иными словами, из 100 предприятий, которые в дальнейшем становятся банкротами, система способна заранее определить около 94.

При этом число компаний, попадающих в промежуточную зону риска, примерно в десять раз превышает количество фактических банкротов. У таких предприятий могут увеличиваться долги, сокращаться прибыль и ухудшаться структура капитала, хотя они еще продолжают хозяйственную деятельность.

Именно эта группа представляет особый интерес с точки зрения профилактики финансовой несостоятельности. Раннее выявление негативной динамики дает возможность оценить ситуацию до наступления критической стадии и при необходимости разработать адресные меры.

«Наша модель не просто выдает вероятность банкротства, она позволяет выделить предприятия, которые еще можно спасти, если вовремя применить адресные меры поддержки. Это не абстрактные цифры, а инструмент для реальной экономики», — отметил доцент кафедры строительного инжиниринга и материаловедения ПНИПУ, кандидат экономических наук Кирилл Гуреев.

Авторы подчеркивают, что результаты работы алгоритма не являются юридическим заключением о банкротстве. Прогноз следует рассматривать как индикатор повышенного риска, который указывает на необходимость более детального анализа финансового состояния конкретного предприятия.

Такая диагностика потенциально может использоваться при подготовке решений о реструктуризации задолженности, мерах экономической поддержки и других способах стабилизации положения компаний. Разработчики считают, что технологию можно применять для мониторинга предприятий различных отраслей — от промышленности и торговли до сферы услуг.

Таким образом, система ориентирована на выявление финансовых проблем еще до перехода предприятия в критическое состояние. Это позволяет сместить акцент с реагирования на уже произошедшее банкротство на раннее обнаружение рисков и профилактику финансовых кризисов.