Для финансовых институтов способность предсказывать кризисы критически важна, ведь стратегические решения, принятые на основе неверных прогнозов, могут привести к печальным экономическим последствиям. Оценка вероятности банкротства и определение кредитного рейтинга — две ключевые области интересов для специалистов, занимающихся исследованиями в области бухгалтерского учёта и финансов. В научных работах представлен ряд моделей, с помощью которых можно рассчитать указанные величины. А с 1990-х годов при вычислениях стали широко применять методы машинного обучения. Посмотрим, насколько качественно алгоритмы научились предсказывать различные явления.

Точность прогнозов, сформированных с использованием алгоритмов машинного обучения

Один из подходов — разделить диапазон от 50 до 100% на равные отрезки по степени точности.

Так что с кризисами? Обученные машины успеют нас предупредить?

Разработка надёжной системы прогнозирования и раннего оповещения — это сложная задача. Факторов здесь несколько. Во-первых, для больших данных человечество располагает относительно ограниченным набором наблюдаемых кризисов, что затрудняет надёжное моделирование. Во-вторых, кризис-индикаторы часто проявляются только тогда, когда уже слишком поздно вмешиваться. В-третьих, тяжело перевести сложные модели раннего предупреждения в простые и прозрачные показатели, которые обеспечат своевременную реализацию макропруденциальной (упреждающей) политики.

В качестве иллюстрации приведём следующий пример. Группа исследователей решила использовать базу данных Kaggle, чтобы попытаться спрогнозировать стоимость акций в будущем. База представляла собой массив данных по крупным мировым банкам до, во время и после финансового кризиса. Продолжительные поиски, по словам авторов проекта, ни к чему не привели: «Взломали ли мы рынки? Нет. Если бы это было легко, мы бы все были богаты. [Применив наши модели] в лучшем случае можно почувствовать, куда движется рынок, но без долгосрочных выводов. Обратите внимание, что мы не делали никаких существенных настроек гиперпараметров, но так как они были последовательны во всех моделях, сравнения, проведённые в нашем исследовании, валидны».

Код во спасение

Тем не менее существенный прогресс в деле предиктивного компьютерного анализа финансовых кризисов — вопрос времени. Искусственный интеллект уже умеет предсказывать эпидемиологические катастрофы: 30 декабря 2019 года компания BlueDot, использующая компьютерное обучение для мониторинга вспышек инфекционных заболеваний по всему миру, предупредила клиентов (в том числе правительства, больницы и предприятия) о необычной вспышке пневмонии в Ухане. Пройдёт ещё 9 дней, прежде чем Всемирная организация здравоохранения официально объявит о вирусе, который сегодня держит весь мир взаперти. Пандемия сопровождается глобальным финансовым коллапсом, а это — неиссякаемый источник данных для машинного обучения. Кажется, теперь-то информации для прогнозирования кризисов накопится в избытке.