Использование машинного обучения в инвестиционной деятельности
Аннотация:
Этап развития современного общества можно охарактеризовать, как наиболее значимый и определяющий период для информационных технологий. Период, когда вычисления перешли от крупных электронных вычислительных машин к машинам и роботам с автоматическим управлением, с возможностью хранить данные в облаке. Но что делает этот период по-настоящему захватывающим, так это демократизация различных инструментов и методов, которые развивались одновременно с развитием вычислительной техники. Обработка данных, которая когда-то занимала несколько дней, сегодня занимает всего несколько минут, и все это благодаря развитию машинного обучения. Это причина, по которой Data Science получает колоссальные инвестиции каждый год, что увеличивает спрос на сертификаты в данной области. Российская венчурная компания и партнёр инвестиционной компании iTech Capital Алексей Соловьев представили исследование «Венчурный барометр» о российском венчурном рынке. К участию данного исследования было приглашено 312 представителей венчурного рынка, из которых 83 ответили на вопросы анкеты. Барометр ежегодно задает инвесторам вопрос о наиболее привлекательных сегментах рынка, и, в 2019 году, как и в прошлые 2 года, рейтинг возглавляет искусственный интеллект и машинное обучение. За данную нишу проголосовали 82% инвесторов, как за наиболее перспективную [15]. Данные и методы: Задачей данного исследования является построение оптимального алгоритма, прогнозирующего значение рейтинга инвестиционного проекта при заданном наборе данных. Рассмотрены подробно наиболее популярные алгоритмы машинного обучения, выполнен подробный анализ имеющихся данных, построена модель на основе алгоритма случайного леса по набору тренировочного набора данных, а также проведено тестирование на основе тестовых данных. Данная исследовательская работа выполнена на языке программирования R, с помощью которого осуществлен анализ данных, построение различных таблиц и графиков, а также построена модель и проведена оценка результатов, на основе сравнения с ранее построенными алгоритмами: линейная регрессия, логистическая регрессия. Анализ результатов: В ходе исследования было выявлено, что наиболее оптимальным алгоритмом для прогнозирования рейтинга инвестиционного проекта на основе имеющихся данных является алгоритм случайного леса, точность данного алгоритма на 3.7% выше точности алгоритма линейной регрессии на основе наиболее значимого набора показателей проекта.
Ключевые слова:
Постоянный URL
Статьи в номере
- Сущность и методы урегулирования конфликтов экологических и экономических интересов
- Влияние мер государственной поддержки улучшения жилищных условий на сокращение немонетарной бедности в России
- Инвестиционная деятельность депрессивного региона: тенденции и проблемы осуществления на современном этапе
- Статистический анализ влияния экологических факторов на социально-экономическое развитие территории
- Основания для восстановительного роста бизнеса после пандемии COVID-19
- Особенности формирования стратегии устойчивого развития предприятий пищевой промышленности
- Методика повыщения эффективности работы программных продуктов по вопросам формирования оптимального ассортимента товаров ритейлора
- Анализ возможностей снижения эксплуатационных затрат при транспортировке топливных ресурсов
- Использование цифровых технологий в логистике
- Совершенствование бизнес-процессов в отрасли автомобильной промышленности как инновационный инструмент трансформации экономики
- Digital маркетинговые коммуникации в условиях развития медиапросьюмеризма
- Проблемы управления образовательным процессом при использовании цифровых инструментов в высших учебных заведениях
- Проблемы эколого-экономического развития северного региона
- О результатах международных проектов по внедрению принципов экономики замкнутого цикла в странах Балтийского региона
- SWOT-анализ в мониторинге экономической безопасности корпорации (на примере ПАО «Газпром»)
- Применение методов Design of Experiments (DOE) для определения значений факторов, влияющих на производительность деятельности почтового отделения
- Управление дебиторской задолженностью в условиях нестабильности экономики
- Управление реверсивной логистикой
- Управление водопользованием как перспективное направление развития машиностроительной отрасли в Санкт-Петербурге
- Гипотеза, причины и последствия отрыва традиционного и инновационного подсекторов в реальном секторе хозяйства России
- Цифровая трансформация бизнеса: подходы и определение
- Переосмысление понятия общественных благ в цифровую эпоху