Как прогнозировать неплатежеспособность заемщика в условиях недостаточных или недостоверных данных?

Размещено на сайте 02.04.2019

Многие современные исследования на тему прогнозирования дефолта (банкротства) до сих пор придерживаются методологических подходов, сформированных в 60-е годы. Очевидно, что использование больших данных и машинного обучения требует новых подходов. Как прогнозировать неплатежеспособность компаний, которые, используя специальные режимы налогообложения, не сдают отчетность или сдают сокращенную форму? Как разрешить проблему недостоверной статистики по банкротствам?

Иван ВОРОНЦОВ, Российская экономическая школа, магистрант
Илья МУНЕРМАН, исследовательский центр Интерфакс ЛАБ, директор

Приводятся извлечения из статьи. Полную версию материала читайте в журнале. Подписаться

Согласно исследованиям, модель деревьев классификации и регрессии (CART) с высокой вероятностью позволяет выявить факт недостоверности отчетности.

Аналитика на основе новых источников данных (тендерной информации, данных об объектах интеллектуальной собственности, о транзакциях, данных онлайн-касс и т.д.) будет более точной, чем продолжительное ожидание финансовой отчетности.

Дороговизна и рискованность процедуры банкротства приводят к тому, что малый бизнес ей практически не пользуется и среди банкротов превалируют крупные компании, госсектор, ЖКХ и т.п.

Индекс должной осмотрительности для компаний, вошедших в сеть франчайзи, корректируется незначительно, в отличие от индекса финансового риска: опыт успешных франчайзи экстраполируется на новую компанию.

Выбрать	Риски	Бухучет и налоги	Кредитный департамент	Управление банком
направление:	Розница	Внутренний контроль	Операционный департамент	Юридическая работа

О компании	Контакты	Авторам		Для клиентов (Как скачать закрывающие документы)
Помощь	Реклама	Подписным агентствам