Николай Иванович Ломакин
кандидат экономических наук, доцент, ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28, E-mail: tel9033176642@yahoo.com, ORCID: 0000-0001-6597-7195
Максим Сергеевич Марамыгин
доктор экономических наук, директор института финансов и права, профессор кафедры финансов, денежного обращения и кредита, ФГБОУ ВО «Уральский государственный экономический университет», Россия, 620144, г. Екатеринбург, ул. 8 Марта, д. 62, E-mail: maram_m_s@mail.ru, ORCID: 0000-0003-3416-775X
Алексей Анатольевич Положенцев
студент, факультет компьютерных наук, ФГБОУ ВО «Воронежский государственный университет», Россия, 394018, г. Воронеж, Университетская площадь, д. 1, E-mail: polojencev135@mail.ru, ORCID: 0009-0004-6824-1019
Никита Тимофеевич Шабанов
магистрант кафедры менеджмента и финансов производственных систем, ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28, E-mail: shabanovnt1999@gmail.com, ORCID: 0000-0002-2240-5725
Светлана Алексеевна Наумова
магистрант кафедры менеджмента и финансов производственных систем, ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28, E-mail: svetanaumova-sn2015@yandex.ru, ORCID: 0000-0001-9932-9866
Михаил Карпович Старовойтов
доктор экономических наук, профессор, кафедра экономики и менеджмента, Волжский политехнический институт (филиал) ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 404121, г. Волжский, ул. Энгельса, д. 42а, E-mail: smkortech@gmail.com
Актуальность исследования заключается в том, что в современных условиях системы искусственного интеллекта все чаще используются для поддержки принятия управленческих решений в отношении формированием стратегии развития организации и других задач. Цель исследования — прогнозирование прибыли кредитной организации с использованием метода Random Forest Regressor для поддержки принятия управленческих решений в условиях цифровой экосистемы. Среди методов в представленной работе использовалась модель глубокого обучения «Случайный лес» (RF — random forest), многофакторная регрессионная модель на основе искусственного интеллекта, а также программа Graphviz. Причем у 7-факторной DL-модели средняя абсолютная ошибка (MAE) составила 13,299, среднеквадратическая ошибка (MSE) достигла 176,889, квадрат среднеквадратической ошибки (RMSE) составил 31289,71832. При этом в 10-факторной модели вышеуказанные параметры имели значения соответственно: 21,95, 20,532 и 421,563024. То есть, если судить по величине (МАЕ), то 7-факторная модель оказалась точнее. Научная новизна состоит в том, что разработана модель машинного обучения на основе метода Deep Learning Random Forest, которая обеспечивает поддержку принятия управленческих решений, позволяя получать надежный прогноз чистой прибыли банка. Решение этой задачи имеет важную практическую значимость. Получено свидетельство Роспатента на программу для ЭВМР № 2023666284 от 28 июля 2023 г. Была выдвинута и доказана гипотеза, что использование системы искусственного интеллекта Random Forest DL позволяет получить прогноз чистой прибыли кредитной организации. В результате исследования были сформулированы выводы. Процессы нарастающей цифровизации стремительно меняют финансовый мир. Важную роль в современных условиях играет использование современных систем искусственного интеллекта для обеспечения поддержки принятия управленческих решений. Разработанная модель машинного обучения на основе метода «Machin Learning случайный лес — Random Forest» позволяет получать прогноз чистой прибыли Сбербанка на следующий год. Среди направлений дальнейших научных исследований следует отметить выявление закономерностей и факторов, влияющих на поведение результативного признака — чистой прибыли коммерческого банка.
