Дата поступления рукописи в редакцию: 02.03.2024
Дата принятия рукописи в печать: 16.04.2024
Важное значение в современных условиях имеет устойчивое развитие отечественной банковской системы, что предполагает обеспечение баланса между альтернативными направлениями развития: ее стабильностью и ростом.
Исследование теоретических основ прогнозирования устойчивости развития банковской системы России в условиях рыночной неопределенности и риска с применением подходов интеллектуального моделирования имеет важное значение.
Актуальность исследования обусловлена тем, что для обеспечения устойчивого развития банковского сектора и сферы финансов все чаще применяются системы искусственного интеллекта, в частности нейросети, которые могут быть обучены как с использованием метода «обучение с учителем», так и «без учителя».
Новизна заключается в том, что в проведенном исследовании предложены подходы, которые позволяют выявить определенные закономерности и сформировать прогноз интересующего исследователей показателя на основе искусственного интеллекта, в частности нейросетей, которые были обучены с использованием метода как «без учителя», так и «обучения с учителем». В ходе исследования разработаны две нейросетевые модели: кластеризации методом k-среднего и DL-модель «Случайный лес». Модель кластеризации банков методом k-среднего сформирована с применением алгоритма обучения «без учителя». DL-модель «Случайный лес» была сформирована в среде Colab с использованием библиотеки pandas и языка Python, обучалась на размеченных данных с применением метода обучения «с учителем».
На всех этапах развития отечественной банковской системы вопросы обеспечения ее устойчивого развития были и остаются в центре внимания как экспертов Центробанка, так и научного сообщества. В ходе исследования была выдвинута и доказана гипотеза, что с помощью DL-модели «Случайный лес» можно получить прогнозное значение стоимости активов банковской системы РФ для коммерческого банка.