Оптимизация портфеля методом машинного зрения

Статья посвящена применению методов машинного зрения для оптимизации инвестиционных портфелей. Автор рассматривает метод сверточных нейронных сетей и алгоритмов кластеризации, приводит оптимальные параметры метода для портфелей, построенных на основе ценных бумаг российских эмитентов.

Стоимостная оценка классических депозитов с учетом кредитного качества банка

В статье анализируется возможность рыночной оценки стоимости банковских депозитов, имеющихся в портфеле многих компаний. Оценка состоит из дисконтирования денежного потока от депозита с применением рыночных процентных ставок и расчета поправки на кредитное качество банка. Расчет величины кредитного риска базируется на показателях кредитоспособности банка, в котором размещаются деньги, таких как вероятность дефолта и процент возврата средств в случае его наступления.

Стресс-тестирование: оценка финансовых рисков экспортеров и управление ими

В статье представлена методика стресс-тестирования для оценки уязвимости экспортной деятельности предприятий по отношению к колебаниям деловой экономической активности. Авторы анализируют внешнюю среду экспортеров, оценивают влияние макро- и мезоэкономических факторов на их деятельность и приходят к выводу, что факторы финансовой нестабильности (колебание курса иностранной валюты, процентные ставки, уровень инфляции) являются потенциальными угрозами.

Оценка инвестиционных рисков российским private banking в постковидную эпоху

В статье рассматриваются изменения на российском рынке private banking в  постковидную эпоху. Автор показывает, что инвестиционные предпочтения VIP-клиентов, которым необходимы альтернативные инструменты, постепенно смещаются от госбанков в сторону средних и нишевых банков.

ROC-анализ и калибровка скоринговых моделей на основе метрик точности второго порядка

В статье представлены новые метрики точности скоринговых моделей второго порядка, которые показывают целевое предпочтение скоринга: диагностировать «хорошие» объекты (заемщиков) или выделять «плохие» при неизменной прогнозной силе, определяемой общепринятой метрикой первого порядка — индексом Джини.

Трансформация климатических рисков в корпоративные кредитные риски в концепции устойчивого развития

В статье рассматривается влияние климатических рисков на оценку финансовых рисков компаний в контексте ESG-подхода и устойчивого развития, представлен обзор ESG в России и мире с акцентом на климатической составляющей, проанализированы виды возможных стресс-сценариев. Автор доказывает, что климатические риски являются неотъемлемым элементом системы риск-менеджмента и процесса принятия бизнес-решений.

Анализ и оценка кадровых рисков предприятия

Среди факторов, влияющих на результативность финансово-хозяйственной деятельности экономического субъекта, важнейшим являются кадры как движущая сила производственного процесса. Кадровая безопасность предприятия характеризуется рядом показателей, анализ и оценка которых позволяет своевременно реагировать на риски и угрозы снижения эффективности кадровой политики и кадрового потенциала для обеспечения экономической безопасности компании, — об этом рассказывают авторы статьи.

Оценка инвестиционных рисков на основе эффективного индексирования финансового состояния компаний по ключевым показателям

В статье представлена методология оценивания инвестиционных рисков на основе многомерного ранжирования показателей и иерархической стяжки границ к центру. Авторский подход позволяет систематизировать компании, для которых ведущую роль играет верхняя граница, а нижняя граница указывает на осторожное отношение к инвестированию (повышенный риск). Метод целесообразно применять для эффективного мониторинга инвестиционного капитала.

Исследование влияния пандемии COVID-19 на международные авиаперевозки

Статья посвящена моделированию и прогнозу стоимости международных авиационных перевозок в условиях пандемии с использованием методов глубокого обучения. Автор строит модели временных рядов стоимости акций авиакомпании American Airlines за выбранный период с использованием моделей рекуррентных нейронных сетей LSTM, GRU, RNN.