准确评估与企业打交道的财务风险的能力对经济和社会都至关重要。在预测破产时尤其如此，因为破产可能导致重大的财务损失，并损害国家经济。

企业破产的原因一直是经济学家研究的兴趣所在。他们的工作包括对导致业务失败的过程进行实证和理论研究，以便在早期阶段识别问题。有关公司经济业绩指标的数据也被用于开发新的预测方法。

目前，破产预测在企业界尤为突出。在一项发表在《专家系统与应用》杂志上的研究中，HSE商学院教授Yuri Zelenkov和学生Nikita Volodarskiy提出了一种利用机器学习的新方法来解决这个问题。

预测一家公司的破产是一种“分类任务”，包括确定一个给定的企业是否属于两类中的一类:那些仍在经营的企业和那些在一定时间内破产的企业。

提出的方法是利用一组成功和失败公司的历史数据开发的。人工智能使用一组业务绩效指标进行训练。然后，它会搜索公司发展和当前状态中的复杂模式。在接受特定公司的培训后，该方法可以用于预测企业的未来轨迹，具有一定的准确性。

这类任务存在分类不平衡的问题统计上，破产很少发生(根据现有数据，只有5-10%的公司破产)，而培训集包含了更多关于成功公司的信息。机器学习方法没有足够的信息来了解哪些属性集可能导致未来的破产。

这项研究的作者开发了一种对数据不平衡不那么敏感的方法。它需要训练大量的个体分类算法，然后选择其中最有效的，并将它们组合起来，以达到更高的预测精度。

“我们设法建立了一个快速算法，可以使用不平衡数据进行训练，从而做出比传统方法更准确的预测。值得注意的是，用户可以以可视化的形式管理每个类的预测错误。由于该模型完全基于公司的财务指标，即使在COVID-19大流行的极端条件下，其结果仍然是可靠的。未来，人们对机器学习方法的兴趣只会继续增长，我们相信，在某个时刻，它将完全取代预测企业破产的传统方法。与此同时，我们的方法并不只关注破产，它可以用于任何涉及不平衡数据的分类任务。我们目前正在计划其未来的研究和开发，”HSE大学商业信息系的Yuri Zelenkov教授解释说。