ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ КОМПАНИЙ С ИСПОЛЬЗОВАНИЕМ МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ И МАШИННОГО ОБУЧЕНИЯ

Аннотация

В статье рассматривается задача прогнозирования финансовых показателей компаний с использованием методов машинного обучения и анализа временных рядов. Актуальность исследования обусловлена необходимостью повышения точности финансового прогнозирования в условиях высокой рыночной неопределенности и цифровизации экономики. Цель исследования заключается в сравнительном анализе моделей прогнозирования квартальной выручки компаний на основе финансовых и макроэкономических данных. Исследование выполнено на квартальных данных 21 публичной компании за период 2008–2025 гг. с использованием макроэкономических показателей, включая индекс потребительских цен, доходность государственных облигаций США, цену нефти Brent и фондовые индексы NASDAQ Composite и S&P 500. Для прогнозирования применены модели ARIMA, SARIMA, Prophet, линейная регрессия, Support Vector Regression, Random Forest, XGBoost и Long Short-Term Memory. Выполнены предварительная обработка данных, формирование лаговых признаков и интеграция макроэкономических факторов. Качество моделей оценивалось по метрикам RMSE, MAE, MAPE и sMAPE. Результаты показали, что ансамблевые алгоритмы машинного обучения обеспечивают более высокую точность прогнозирования по сравнению с классическими моделями временных рядов. Наиболее устойчивые результаты продемонстрировал Random Forest. Установлено, что выбор оптимальной модели зависит от отраслевой специфики и особенностей временного ряда компании. Разработанный подход может быть использован для финансового планирования, инвестиционного анализа и поддержки принятия управленческих решений.