МОДЕЛЬ ГЛУБОКОГО ОБУЧЕНИЯ «RANDOM FOREST REGRESSION» ДЛЯ ПРОГНОЗИРОВАНИЯ УСТОЙЧИВОСТИ БАНКОВСКОЙ СИСТЕМЫ

Аннотация

На фоне широкомасштабного применения искусственного интеллекта во всех отраслях и сферах деятельности, отмечается успешное использование моделей глубокого обучения в банковской сфере для достижения целей устойчивого развития (ЦУР). В этой связи прогнозирование устойчивости банковской системы обуславливает актуальность данного исследования в современных условиях. При этом наиболее эффективным методом прогнозирования все чаще становятся нейросети для формирования прогнозов требуемых параметров в финансовом и банковском секторах. Цель настоящего исследование состоит в том, чтобы сформировать модель глубокого обучения (DL-модель) «Random Forest Regression» которое позволит получить прогнозное значение параметра «Прирост активов, %» и в последующем сравнить его с прогнозом, полученным на основе VaR-модели, в основе которой лежат статистические методы.  Научная новизна – в том, что предложенный подход позволяет ликвидировать «научный разрыв», представляя собой приращение научного знания в области прогнозирования устойчивого развития банковской системы. В настоящем исследовании выдвинута и доказана гипотеза, что, можно получить прогноз параметра «Прирост активов, %» в целях устойчивого развития банковской системы, используя DL-модель «Random Forest Regression». Практическая значимость обусловлена тем, что результаты исследования могут быть рекомендованы к использованию на практике для обеспечения устойчивого развития коммерческих банков и банковской системы в целом. На основе проведенного исследования были получены следующие результаты. Исследования показали, что наблюдается положительная сильная связь между результативным признаком «target» («Прирост активов, %») и факториальным признаком Х10 «Частота запроса в Google, %», при этом величина коэффициента составила 0,902. Наблюдается относительно сильная положительная связь у признака Х4 «Доля активов банков в ВВП» 0,396. В итоге нейросеть DL-модель сформировала прогноз прироста активов в 2025 году 6,56%, VaR-модель показала 84,53%, метод экспертных оценок указал на 2,05%.