По всем вопросам звоните:

+7 495 274-22-22

УДК: 330.44 DOI:10.33920/vne-04-2506-06

Расширение методологических подходов оценки устойчивости коммерческих банков системами искусственного интеллекта

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
Татьяна Ивановна Кузьмина доктор экономических наук, профессор кафедры мировой экономики, ФГБОУ ВО «Российский экономический университет имени Г. В. Плеханова», Россия, 115054, г. Москва, Стремянный переулок, д. 36, E-mail: tutor07@list.ru, ORCID: 0000-0002-1757-5201
Елена Александровна Радионова кандидат экономических наук, доцент кафедры экономики, ГБОУ ВО «Российский экономический университет имени Г. В. Плеханова» (РЭУ им. Г. В. Плеханова), Волгоградский филиал, Россия, 400005, г. Волгоград, ул. Волгодонская, д. 13, E-mail: elena-2003@mail.ru, ORCID: 0000-0003-4285-930X
Екатерина Алексеевна Фадеева кандидат педагогических наук, доцент кафедры экономики и предпринимательства, ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28, E-mail: kween2@mail.ru, ORCID: 0000-0002-2875-9495
Юлия Владимировна Вертакова доктор экономических наук, профессор кафедры маркетинга и брендинга, ФГАОУ ВО «Российский государственный гуманитарный университет», Россия, 125047, г. Москва, ул. Чаянова, д. 15, E-mail: rsuh@rsuh.ru
Никита Александрович Кеда аспирант кафедры экономики и предпринимательства, ФГБОУ ВО «Волгоградский государственный технический университет», Россия, 400005, г. Волгоград, просп. В. И. Ленина, д. 28, E-mail: kedanikita97@gmail.com, ORCID: 0009-0009-3037-9588
Сергей Владиславович Стариков начальник отдела информационной безопасности, АО «Институт по проектированию магистральных трубопроводов», Россия, 119334, г. Москва, ул. Вавилова, д. 24, корп. 1, E-mail: star-sv@mail.ru, ORCID: 0009-0009-5118-8094
Наталья Николаевна Косинова доктор экономических наук, профессор кафедры экономики и менеджмента, ФГБОУ ВО «Волгоградский государственный медицинский университет», Россия, 400066, г. Волгоград, пл. Павших Борцов, зд. 1, E-mail: nnn_05@mail.ru, ORCID: 0000-0003-4298-6018

В статье рассмотрены вопросы устойчивого развития коммерческих банков с учетом соблюдения ESG-принципов зеленой экономики. Актуальность состоит в том, что в современных условиях, которые характеризуются рыночной неопределенностью и нарастанием риска, некоторые аспекты проблемы устойчивого развития банковской сферы требуют проведения дополнительных научных исследований. Научная новизна в том, что в проведенном исследовании выдвинута гипотеза: прогноз величины активов Сбера на следующий месяц может быть сформирован на основе применения модели глубокого обучения DL Random Forest Regression, в которой использованы ежемесячные данные о волатильности акций ряда коммерческих банков за 2024 г. Полученный результат содержит приращение научного знания и может быть использован как методологический подход с применением искусственного интеллекта для оценки устойчивости коммерческих банков, что обусловливает его практическую значимость. Цель исследования состоит в том, чтобы получить прогноз стоимости активов Сбера на следующий месяц, применяя разработанную DL-модель Random Forest Regression, используя выявленные закономерности между изменением котировок акций ряда коммерческих банков, а также их волатильности. Для достижения цели были поставлены и решены следующие задачи: исследовать теоретические аспекты устойчивого развития коммерческих банков, разработать датасет DL-модели «Случайный лес», сформировать прогнозное значение результативного признака — стоимости активов Сбера на следующий месяц. Нейросеть показывала высокую точность прогноза.

Литература:

1. Маммедова, Я. А., Оразмаммедова, Ш. М., Сапарова, О. Д., Овезмырадова, А. М. Методологические подходы к определению финансовой устойчивости коммерческих банков и центрального банка (модель оценки) // Молодой ученый. — 2024. — № 16 (515). — С. 385–387

2. Тихонов, Э. Е. Методы прогнозирования в условиях рынка: учебное пособие. — Невинномысск: Северо-Кавказский государственный технический ун-т, 2006. — 221 с.

3. Ломакин, Н. И., Марамыгин, М. С., Черная, Е. Г., Кузьмина, Т. И., Бестужева, Л. И., Борискина, Т. Б. Кластеризация в исследовании закономерностей развития и устойчивости российских коммерческих банков системами искусственного интеллекта // Фундаментальные исследования. — 2024. — № 2. — С. 17–25

4. Ломакин, Н. И., Марамыгин, М. С., Московцев, А. Ф., Родионова, Е. А., Шабанов, Н. Т., Качанов, Ю. А., Вималаратхне, К. Когнитивное моделирование устойчивого развития банковской системы в условиях инновационных трансформаций // Международная экономика. — 2023. — Т. 20. — № 10. — 715–733. doi.org/10.33920/vne-04-2310-06

5. Ломакин, Н. И., Сазонов, С. П., Инёв, С. В., Кузьмина, Т. И., Положенцев, А. А. Разработка системы искусственного интеллекта DL Random forest для прогноза финансовой устойчивости предприятия // Russian Journal of Management. — 2024. — Т. 12. — № 2. — C. 149–165. doi.org/10.29039/2409-6024-2024-12-2-149-165

6. Ломакин, Н. И., Кузьмина, Т. И., Марамыгин, М. С., Фадеева, Е. А., Покидова, В. В., Шабанов, Н. Т., Попова, Я. А. Методологические основы парадигмы цифровой устойчивости и риска банковской системы на основе использования опционов (ч. I) // Международная экономика. — 2025. — Т. 22. — № 3. — С. 252–266. doi.org/10.33920/vne-04-2503-06

7. Пищик, В. Я. Разработка модели рационального валютно-финансового регулирования в России в условиях возросшей неустойчивости глобальных финансов. НИР: грант № 17-02-00347. — Российский гуманитарный научный фонд, 2017

8. Стрельников, Е. В. Перспективы развития ESG-инвестирования на рынке // Финансовая экономика. — 2021. — № 12. — С. 86–90

9. Мурзалиева, Э. И., Байтерекова, Г. С., Омурзакова, У. М. Зеленые финансы и перспективы их развития в условиях цифровизации // Наука, новые технологии и инновации Кыргызстана. — 2024. — № 1. — С. 113–116

10. Мудрецов, А. Ф., Прудникова, А. А. Развитие зеленого финансирования: общемировые тенденции и перспективы // Проблемы рыночной экономики. — 2022. — № 4. — С. 102–111. doi.org/10.33051/2500-2325-2022-4-102-111

11. The economics of climate change // Swiss Re Institute. [Электронный ресурс]. URL: https://www.swissre.com/institute/research/topics-and-risk-dialogues/climate-and-natural-catastrophe-risk/expertise-publication-economics-of-climate-change.html (дата обращения: 02.01.2025)

12. Вайн, С. Оптимизация ресурсов современного банка. — 2-е изд., перераб. и доп. — М.: Альпина Паблишер, 2020. — 196 с.

13. Трошин, В. А. Методологические подходы к оценке финансовой устойчивости коммерческих банков // Приволжский научный вестник. — 2015. — № 7 (47). — С. 107–111

14. Магомедов, О. А., Кабиева, М. Г. Методологические подходы к оценке финансовой устойчивости коммерческих банков // Региональные проблемы преобразования экономики. — 2018. — № 5 (91). — С. 79–85

15. Шихова, О. А., Селина, М. Н. Методологические подходы к сравнительной оценке надежности коммерческих банков // Статистика и Экономика. — 2019. — Т. 16. — № 2. — С. 45–56

16. Тронин, С. А., Эпштейн, М. М. Устойчивое развитие компании, финансовые и нефинансовые факторы устойчивого развития // Форум. — 2021. — № 1 (24). — С. 55–58

17. Cong, Z., Jianhua, Y. Artificial intelligence and corporate ESG performance // International Review of Economics & Finance. — 2024. — Т. 96. — Ст. 103713. doi.org/10.1016/j.iref.2024.103713

18. Yujie, H., Shucheng, L., Jiawu, G., Baoliu, L., Yuxi, W. How does the construction of new generation of national AI innovative development pilot zones drive enterprise ESG development? Empirical evidence from China // Energy Economics. — 2024. — Т. 140. — Ст. 108011. doi.org/10.1016/j.eneco.2024.108011

1. Mammedova, Ya. A., Orazmammedova, Sh. M., Saparova, O. D., Ovezmyradova, A. M. (2024). Metodologicheskie podkhody k opredeleniiu finansovoi ustoichivosti kommercheskikh bankov i tsentral’nogo banka (model’ otsenki) [Methodological approaches to determining the financial stability of commercial banks and the central bank (assessment model)]. Molodoi uchenyi [Young scientist]. No. 16 (515), pp. 385–387. (In Russian)

2. Tikhonov, E. E. (2006). Forecasting methods in market conditions: a tutorial. — Nevinnomyssk: North Caucasian State Technical University, 221 p. (In Russian)

3. Lomakin, N. I., Maramygin, M. S., Chernaya, E. G., Kuzmina, T. I., Bestuzheva, L. I., Boriskina, T. B. (2024). Klasterizatsiia v issledovanii zakonomernostei razvitiia i ustoichivosti rossiiskikh kommercheskikh bankov sistemami iskusstvennogo intellekta [Clustering in the study of patterns of development and sustainability of Russian commercial banks by artificial intelligence systems]. Fundamental’nye issledovaniia [Fundamental Research]. No. 2, pp. 17–25. (In Russian)

4. Lomakin, N. I., Maramygin, M. S., Moskovtsev, A. F., Rodionova, E. A., Shabanov, N. T., Kachanov, Yu. A., Vimalarathne, K. (2023). Kognitivnoe modelirovanie ustoichivogo razvitiia bankovskoi sistemy v usloviiakh innovatsionnykh transformatsii [Cognitive modeling of sustainable development of the banking system in the conditions of innovative transformations]. Mezhdunarodnaia ekonomika [The World Economics]. Vol. 20, no. 10, pp. 715–733. doi.org/10.33920/vne-04-2310-06. (In Russian)

5. Lomakin, N. I., Sazonov, S. P., Inev, S. V., Kuzmina, T. I., Polozencev, A. A. (2024). Razrabotka sistemy iskusstvennogo intellekta DL Random forest dlia prognoza finansovoi ustoichivosti predpriiatiia [Development of the DL Random forest artificial intelligence system for forecasting the financial stability of an enterprise]. Russian Journal of Management. Vol. 12, no. 2, pp. 149–165. doi.org/10.29039/2409-6024-2024-12-2-149-165. (In Russian)

6. Lomakin, N. I., Kuzmina, T. I., Maramygin, M. S., Fadeeva, E. A., Pokidova, V. V., Shabanov, N. T., Popova, Ya. A. (2025). Metodologicheskie osnovy paradigmy tsifrovoi ustoichivosti i riska bankovskoi sistemy na osnove ispol’zovaniia optsionov (chast’ I) [Methodological Foundations of The Paradigm of Digital Sustainability and Risk of The Banking System Based on The Use of Options (Part I)]. Mezhdunarodnaia ekonomika [The World Economics]. Vol. 22, no. 3, pp. 252–266. doi.org/10.33920/vne-04-2503-06. (In Russian)

7. Pishchik, V. Ya. (2017). Development of a model of rational currency and financial regulation in Russia in the context of increased instability of global finance. Research: grant No. 17-02-00347. — Russian Humanitarian Scientific Foundation. (In Russian)

8. Strelnikov, E. V. (2021). Perspektivy razvitiia ESG-investirovaniia na rynke [Prospects for the development of ESG investing in the market]. Finansovaia ekonomika [Financial Economics]. No. 12, pp. 86–90. (In Russian)

9. Murzalieva, E. I., Baiterekova, G. S., Omurzakova, U. M. (2024). Zelenye finansy i ikh perspektivy ikh razvitiia v usloviiakh tsifrovizatsii [Green finance and its development prospects in the context of digitalization]. Nauka, novye tekhnologii i innovatsii Kyrgyzstana [Science, new technologies and innovations of Kyrgyzstan]. No. 1, pp. 113–116. (In Russian)

10. Mudretsov, A. F., Prudnikova, A. A. (2022). Razvitie zelenogo finansirovaniia: obshchemirovye tendentsii i perspektivy [Development of green finance: global trends and prospects]. Problemy rynochnoi ekonomiki [Problems of market economy]. No. 4, pp. 102–111. doi.org/10.33051/2500-2325-2022-4-102-111. (In Russian)

11. Swiss Re Institute (2021). The economics of climate change. — Available at: https://www.swissre.com/ institute/research/topics-and-risk-dialogues/climate-and-natural-catastrophe-risk/expertise-publication-economics-of-climate-change.html (accessed: 02.01.2025)

12. Vine, S. (2020). Optimizing the resources of a modern bank. 2nd ed., suppl. and revised. — Moscow: Alpina Publisher, 196 p. (In Russian)

13. Troshin, V. A. (2015). Metodologicheskie podkhody k otsenke finansovoi ustoichivosti kommercheskikh bankov [Methodological approaches to assessing the financial stability of commercial banks]. Privolzhskii nauchnyi vestnik [Privolzhsky Scientifi c Bulletin]. No. 7 (47), pp. 107–111. (In Russian)

14. Magomedov, O. A., Kabieva, M. G. (2018). Metodologicheskie podkhody k otsenke finansovoi ustoichivosti kommercheskikh bankov [Methodological approaches to assessing the financial stability of commercial banks]. Regional’nye problemy preobrazovaniia ekonomiki [Regional Problems of Economic Transformation]. No. 5 (91), pp. 79–85. (In Russian)

15. Shikhova, O. A., Selina, M. N. (2019). Metodologicheskie podkhody k sravnitel’noi otsenke nadezhnosti kommercheskikh bankov [Methodological Approaches to Comparative Assessment of Commercial Banks’ Reliability]. Statistika i Ekonomika [Statistics and Economics]. Vol. 16, no. 2, pp. 45–56. (In Russian)

16. Tronin, S. A., Epshtein, M. M. (2021). Ustoichivoe razvitie kompanii, finansovye i nefinansovye faktory ustoichivogo razvitiia [Sustainable Development of the Company, Financial and Non-Financial Factors of Sustainable Development]. Forum. No. 1 (24), pp. 55–58. (In Russian)

17. Cong, Z., Jianhua, Y. (2024). Artificial intelligence and corporate ESG performance. International Review of Economics & Finance. Vol. 96, art. 103713. doi.org/10.1016/j.iref.2024.103713

18. Yujie, H., Shucheng, L., Jiawu, G., Baoliu, L., Yuxi, W. (2024). How does the construction of new generation of national AI innovative development pilot zones drive enterprise ESG development? Empirical evidence from China. Energy Economics. Vol. 140, art. 108011. doi.org/10.1016/j.eneco.2024.108011

Дата поступления рукописи в редакцию: 04.05.2025

Дата принятия рукописи в печать: 31.05.2025

Согласно ГОСТ Р 54598.1-2015, устойчивое развитие — это такое развитие, которое удовлетворяет потребностям настоящего времени, не ставя под угрозу возможности будущих поколений удовлетворять свои потребности1. Маммедова Я. А. с соавторами, исследовала особенности методологических подходов, касательно обеспечения устойчивости кредитных организаций и Центробанка [1], в частности, при решении проблем достижения устойчивого развития с соблюдением ESG-принципов2, при анализе финансового риска в процессе трансформации банковских бизнес-процессов на основе применения систем искусственного интеллекта3 и др. Как известно, ESG (Environmental, Social, Governance) — это концепция, разработанная международным сообществом, которая определяет принципы, описывающие влияние предприятий и правительств на окружающую среду и общество и позволяет обеспечить прозрачность управления бизнесом.

Таким образом, при прочих равных условиях, соблюдая принципы ESG, банки будут стремиться обеспечить такое развитие, которое в перспективе будет характеризоваться наименьшими «скачками» волатильности такого основополагающего параметра, как активы банка. В таком случае важно иметь прогноз изменений активов банка на перспективу, причем делая это, опираясь на общедоступные данные, например динамику котировок акций коммерческого банка, используя при этом широкий математический аппарат современных методов прогнозирования. По оценке Э. Е. Тихонова, на сегодняшний день существует около ста методов и моделей прогнозирования [2]. Среди методов прогнозирования следует отметить следующие4 (рис. 1).

Актуальность состоит в том, что в современных условиях, которые характеризуются рыночной неопределенностью и нарастанием риска, некоторые аспекты проблемы устойчивого развития банковской сферы требует проведения дополнительных научных исследований. Несмотря на то что проблеме устойчивости коммерческих банков посвящено большое количество статей [3, 4], как и решению проблемы устойчивости предприятий реального сектора экономики [5], ряд моментов требует дополнительных исследований.

Для Цитирования:
Николай Иванович Ломакин, Максим Сергеевич Марамыгин, Татьяна Ивановна Кузьмина, Елена Александровна Радионова, Екатерина Алексеевна Фадеева, Юлия Владимировна Вертакова, Никита Александрович Кеда, Сергей Владиславович Стариков, Наталья Николаевна Косинова, Расширение методологических подходов оценки устойчивости коммерческих банков системами искусственного интеллекта. Международная экономика. 2025;6.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: