ІНТЕЛЕКТУАЛЬНІ МЕТОДИ ОЦІНЮВАННЯ РИЗИКІВ ТА ФІНАНСОВОЇ СТІЙКОСТІ ПІДПРИЄМСТВ НА ОСНОВІ ВЕЛИКИХ ДАНИХ
DOI:
https://doi.org/10.32782/ecovis/2026-1-2Ключові слова:
фінансові ризики, фінансова стійкість підприємства, Big Data, штучний інтелект, машинне навчання, прогнозна аналітика, фінансове моделюванняАнотація
У статті досліджено сучасні інтелектуальні підходи до оцінювання фінансових ризиків та рівня фінансової стійкості підприємств на основі технологій аналізу великих даних (Big Data). Обґрунтовано необхідність переходу від традиційних методів фінансового аналізу до інтелектуальних моделей, що використовують машинне навчання, нейронні мережі та методи прогнозної аналітики. Проведено систематизацію основних алгоритмів інтелектуального аналізу даних, які застосовуються для виявлення фінансових ризиків, прогнозування фінансової нестабільності та оцінювання кредитоспроможності підприємств. Запропоновано концептуальну модель інтелектуальної системи оцінювання фінансових ризиків підприємства, що інтегрує модулі збору великих даних, аналітичної обробки та прогнозування фінансового стану. Доведено, що використання інтелектуальних методів дозволяє підвищити точність оцінювання фінансової стійкості підприємств, зменшити рівень невизначеності управлінських рішень та забезпечити ефективне управління фінансовими ризиками в умовах цифрової економіки.
Посилання
Higgins R. C. Analysis for Financial Management. 12th ed. New York : McGraw-Hill Education, 2018. 480 p.
Altman E. I., Hotchkiss E. Corporate Financial Distress, Restructuring, and Bankruptcy. 4th ed. Hoboken : John Wiley & Sons, 2019. 368 p. DOI: https://doi.org/10.1002/9781119541929
Penman S. H. Financial Statement Analysis and Security Valuation. 6th ed. New York : McGraw-Hill Education, 2020. 768 p.
Бланк І. О. Фінансовий менеджмент : підручник. Київ : Ніка-Центр, 2019. 656 с.
He H., Zhang W., Zhang S. Machine learning approaches for financial risk prediction. Expert Systems with Applications. 2023. Vol. 213. Art. 118902. DOI: https://doi.org/10.1016/j.eswa.2022.118902
Chen S., Li X., Sun Y. Artificial intelligence and big data analytics in financial risk management. Journal of Business Research. 2023. Vol. 154. P. 113325. DOI: https://doi.org/10.1016/j.jbusres.2022.113325
Kapoor A., Sharma R., Gupta P. Financial risk prediction using machine learning techniques. IEEE Access. 2022. Vol. 10. P. 82347–82360. DOI: https://doi.org/10.1109/ACCESS.2022.3193297
Lessmann S., Baesens B., Seow H. V., Thomas L. C. Benchmarking state-of-the-art classification algorithms for credit scoring. European Journal of Operational Research. 2015. Vol. 247. No. 1. P. 124–136. DOI: https://doi.org/10.1016/j.ejor.2015.05.030
Zhou L., Lai K. K., Yen J. Bankruptcy prediction using SVM and neural networks. Decision Support Systems. 2021. Vol. 145. Art. 113512. DOI: https://doi.org/10.1016/j.dss.2021.113512
Sun J., Li H. Financial distress prediction using support vector machines. Expert Systems with Applications. 2020. Vol. 36. No. 3. P. 5333–5340. DOI: https://doi.org/10.1016/j.eswa.2008.06.055
Mayer-Schönberger V., Cukier K. Big Data: A Revolution That Will Transform How We Live, Work and Think. Boston : Houghton Mifflin Harcourt, 2018. 256 p.
Davenport T. H., Bean R. Big data and AI for financial decision making. MIT Sloan Management Review. 2022. Vol. 63. No. 4. P. 1–9.
Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Boston : Pearson, 2021. 1136 p.
Khandani A. E., Kim A. J., Lo A. W. Consumer credit risk models via machine learning algorithms. Journal of Banking & Finance. 2019. Vol. 34. No. 11. P. 2767–2787. DOI: https://doi.org/10.1016/j.jbankfin.2010.06.001
Batrinca B., Treleaven P. Social media analytics: a survey of techniques and applications. AI & Society. 2015. Vol. 30. P. 89–116. DOI: https://doi.org/10.1007/s00146-014-0549-4
Higgins, R. C. (2018), Analysis for Financial Management, 12th ed., McGraw-Hill Education, New York, USA.
Altman, E. I. and Hotchkiss, E. (2019), Corporate Financial Distress, Restructuring, and Bankruptcy, 4th ed., John Wiley & Sons, Hoboken, USA. DOI: https://doi.org/10.1002/9781119541929
Penman, S. H. (2020), Financial Statement Analysis and Security Valuation, 6th ed., McGraw-Hill Education, New York, USA.
Blank I. O. Finansovyi menedzhment [Financial Management]: pidruchnyk., Kyiv, Ukraine.
He, H., Zhang, W. and Zhang, S. (2023), “Machine learning approaches for financial risk prediction”, Expert Systems with Applications, Vol. 213, Article 118902. DOI: https://doi.org/10.1016/j.eswa.2022.118902
Chen, S., Li, X. and Sun, Y. (2023), “Artificial intelligence and big data analytics in financial risk management”, Journal of Business Research, Vol. 154, Article 113325. DOI: https://doi.org/10.1016/j.jbusres.2022.113325
Kapoor, A., Sharma, R. and Gupta, P. (2022), “Financial risk prediction using machine learning techniques”, IEEE Access, Vol. 10, pp. 82347–82360. DOI: https://doi.org/10.1109/ACCESS.2022.3193297
Lessmann, S., Baesens, B., Seow, H. V. and Thomas, L. C. (2015), “Benchmarking state-of-the-art classification algorithms for credit scoring”, European Journal of Operational Research, Vol. 247, No. 1, pp. 124–136. DOI: https://doi.org/10.1016/j.ejor.2015.05.030
Zhou, L., Lai, K. K. and Yen, J. (2021), “Bankruptcy prediction using support vector machines and neural networks”, Decision Support Systems, Vol. 145, Article 113512. DOI: https://doi.org/10.1016/j.dss.2021.113512
Sun, J. and Li, H. (2020), “Financial distress prediction using support vector machines”, Expert Systems with Applications, Vol. 36, No. 3, pp. 5333–5340. DOI: https://doi.org/10.1016/j.eswa.2008.06.055
Mayer-Schönberger, V. and Cukier, K. (2018), Big Data: A Revolution That Will Transform How We Live, Work and Think, Houghton Mifflin Harcourt, Boston, USA.
Davenport, T. H. and Bean, R. (2022), “Big data and AI for financial decision making”, MIT Sloan Management Review, Vol. 63, No. 4, pp. 1–9.
Russell, S. and Norvig, P. (2021), Artificial Intelligence: A Modern Approach, 4th ed., Pearson, Boston, USA.
Khandani, A. E., Kim, A. J. and Lo, A. W. (2019), “Consumer credit risk models via machine learning algorithms”, Journal of Banking & Finance, Vol. 34, No. 11, pp. 2767–2787. DOI: https://doi.org/10.1016/j.jbankfin.2010.06.001.
Batrinca, B. and Treleaven, P. (2015), “Social media analytics: a survey of techniques and applications”, AI & Society, Vol. 30, pp. 89–116. DOI: https://doi.org/10.1007/s00146-014-0549-4
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Катерина Балабуха
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
