Ожидания становятся целью финансовой аналитики и на уровне банков, для которых крайне важно понимание будущих финансовых результатов заемщиков и работа на опережение: своевременное изменение лимитов кредитования, процентных ставок и сроков, его приостановление, начало действий по реструктуризации задолженности в случае развития неблагоприятной динамики. Серьезным шагом в данном направлении можно назвать и разработки в области нейросетей, искусственного интеллекта и больших данных.
Сбербанк России научился прогнозировать выручку компаний и ИП. Метод применим даже к тем компаниям, которые никогда не публиковали финансовую отчетность. Аналитики рассказали, как это поможет бизнесу Сбербанка.
Корпоративно-инвестиционный блок Сбербанка разработал модель предсказания выручки компаний и индивидуальных предпринимателей (ИП). В сообщении банка сказано, что модель построена для 8 млн российских компаний и ИП. Она способна прогнозировать по активному ИНН выручку за девять месяцев до публикации финансовых результатов.
Для построения модели требуется минимум три месяца. При исследовании используются более тысячи признаков компании, отметили в Сбербанке.
Предполагается, что еще до завершения календарного года и выхода официальной бухгалтерской отчетности банк с помощью этой модели сможет распознать потенциал своего клиента, чтобы сформировать для него подходящее предложение.
Система прогнозирования позволит предсказывать показатели даже тех компаний, которые еще ни разу не публиковали финансовые отчеты. Модель основана на методе машинного обучения Random Forest Regression.
Для чего Сбербанку такой механизм?
Прогнозирование финансовых показателей компаний и ИП позволяет планировать приход и отток денег, строить модели по ликвидности средств самого банка, точнее определять необходимость привлечения ресурсов и их оптимизации, считает руководитель группы аналитиков Центра аналитики и финансовых технологий Марк Гойхман. По его мнению, это позволит значимо уменьшить издержки банка и вероятные потери, а также повысить рентабельность.
Если система покажет качественный результат при анализе компаний, то, возможно, банк распространит систему и на работу с данными физических лиц, считает руководитель финтех-компании Exantech Денис Восквицов. Система может использоваться для точного таргетирования рекламных предложений, выявления аномальной активности и автоматического предотвращения мошенничества.
Преимущество системы в том, что она анализирует непосредственно осуществляемые денежные трансакции, которые видны лишь банку, и не имеет ничего общего с классическим анализом финансовых показателей компаний, указал эксперт Международного финансового центра Гайдар Гасанов.
Модель Сбербанка представляет собой перспективный инструмент, однако пока она не может конкурировать с традиционной аналитикой, считают в компании QBF.
«Модель, вероятно, будет иметь ограниченное применение на первых порах, – предположил портфельный управляющий QBF Денис Иконников. – В рыночных условиях необходимо учитывать экономические показатели в стране, регионе, отдельной отрасли, цикличность отраслей, влияние заявлений менеджмента, единовременные факторы в отчетности компаний. Если Сбербанк учтет и эти факторы в модели, то она сможет конкурировать с прогнозами аналитиков, но в среднесрочной перспективе этого не предвидится».
«Главный вопрос – надежность расчетов, – добавил Марк Гойхман. – Любые перспективные модели проверяются только на практике. Поэтому саму новацию Сбербанка пока рано оценивать практически».
Приведенный пример еще раз подчеркивает значимость развития аналитической функции и построения полноценной «аналитической фабрики» на базе современной финансовой службы.