Аналитические материалы

Торговая стратегия возврата к среднему для спредов доходностей облигаций федерального займа


 

Активное внедрение искусственного интеллекта в финансовые рынки обусловлено ростом сложности и волатильности фондовых площадок, а также необходимостью обработки огромных массивов данных в режиме реального времени. Традиционные методы анализа всё чаще уступают место алгоритмам машинного обучения и нейросетям, способным выявлять нетривиальные рыночные паттерны, оптимизировать торговые стратегии и минимизировать риски. В условиях усиления конкуренции, цифровизации финансовых институтов и ужесточения регуляторных требований использование ИИ становится ключевым фактором повышения эффективности и устойчивости биржевых операций. 

Использование методов искусственного интеллекта (PDF, 565 Кб)

Оценка вероятности дефолта (PD) для корпоративных заёмщиков отрасли «Строительство» с использованием методов машинного обучения

Краткое описание:

В работе разработана модель оценки вероятности дефолта для компаний строительной отрасли (ОКВЭД 41.20) с использованием логистической регрессии. На основе анализа финансовых и нефинансовых показателей 150 компаний выявлены ключевые факторы риска, включая рентабельность активов (ROA), долю внеоборотных активов, возраст компании и наличие государственного участия. Модель демонстрирует общую точность 73,5%, с точностью прогноза для компаний-банкротов 87% и для действующих компаний 60%. Исследование подчеркивает важность отраслевой специфики и необходимость комплексного подхода к оценке кредитных рисков в строительной отрасли, включая анализ цепочки контрагентов.

Файл (PPTX, 2,57 Мб)

Анализ финансового состояния и результатов операционной деятельности АО «Ингосстрах Банк»

Краткое описание:

Проект представляет комплексный анализ финансового состояния АО «Ингосстрах Банк» за период 2020–2024 гг. на основе отчётности по МСФО. Рассматриваются структура и динамика активов, обязательств, капитала, доходов и расходов, а также ключевые показатели эффективности (ROE, ROA, CIR, NIM и др.). Особое внимание уделено качеству кредитного портфеля, зависимости от клиентских средств, управлению ликвидностью и операционной эффективности. В работе также представлен SWOT-анализ и стратегические рекомендации по улучшению финансовой устойчивости и диверсификации бизнес-модели банка.

Файл (PDF, 1,42 Мб)

Файл (PDF, 1,61 Мб)

Файл (XLSX, 1005 Кб)

Оценка вероятности дефолта (PD) для корпоративных заёмщиков отрасли «Торговля» с использованием методов машинного обучения

Краткое описание:

В работе разработана модель оценки вероятности дефолта для компаний розничной торговли (ОКВЭД 47.11) с использованием логистической регрессии и методов машинного обучения. На основе анализа финансовых показателей 95 компаний за 2023 год выявлено, что показатель EBIT является статистически значимым фактором, снижающим вероятность банкротства. Модель демонстрирует точность 79,31% и AUC 0,86, что подтверждает её прогнозную эффективность. Исследование включает полный цикл анализа данных - от сбора и предобработки до тестирования модели и интерпретации результатов. Результаты работы могут быть использованы кредитными организациями для совершенствования скоринговых систем и управления рисками.

Файл (PPTX, 772 Кб)

Файл (DOCX, 762 Кб)

Файл (R, 5 Кб)

Экологические риски

Краткое описание:

В работе раскрывается понятие экологического риска как вероятностной меры негативных изменений в окружающей среде под воздействием природных и антропогенных факторов. Представлена многоаспектная классификация рисков по источникам воздействия, степени распространения, характеру проявления и другим признакам. Подробно описана поэтапная методология оценки экологических рисков, включающая идентификацию опасностей, оценку экспозиции, анализ зависимости "доза-эффект" и управление рисками. В качестве практического примера рассмотрены экологические риски на предприятиях нефтяной промышленности, где аварийное загрязнение может достигать 20-30% от общего объема выбросов.

Файл (PDF, 989 Кб)

Файл (DOCX, 19 Кб)

Налоговые риски в России

Краткое описание:

В работе раскрывается сущность налоговых рисков, под которыми понимаются потенциальные финансовые, репутационные и иные потери, связанные с решениями в сфере налогообложения. Приведена классификация рисков по виду последствий, включая риск доначисления налогов, усиления налогового бремени, уголовной ответственности и неэффективного налогообложения. Рассмотрены подходы к управлению налоговыми рисками, в том числе с использованием критериев самостоятельной оценки, разработанных ФНС России. В качестве примера реального налогового риска разобрана схема искусственного дробления бизнеса, применявшаяся известными блогерами для неуплаты налогов.

Файл (PDF, 1,33 Мб)

Файл (DOCX, 12 Кб)

ESG и кредитный риск: связь рейтингов

Краткое описание:

В работе исследуется взаимосвязь между кредитными рейтингами и рейтингами ESG на основе анализа данных 8437 организаций из 84 стран за период с 2002 по 2011 год. Показано, что компании с высокими кредитными рейтингами демонстрируют лучшие результаты в области управления ESG-рисками, тогда как низкие кредитные рейтинги часто коррелируют с отставанием в ESG. Особое внимание уделено компаниям, находящимся на границе инвестиционного и спекулятивного уровней, которые активно улучшают свои ESG-показатели для сохранения позиций. Анализ временных рядов выявил слабую, но заметную зависимость между изменениями ESG- и кредитных рейтингов, что указывает на растущее влияние ESG-факторов на оценку кредитоспособности.

презентация (PDF, 2,74 Мб)

текст (DOCX, 17 Кб)

Сравнение темпов роста компании с темпами роста ESG-показателей (на примере Exelon Corporation)

Краткое описание:

В работе проводится анализ динамики финансовых и ESG-показателей американской энергетической компании Exelon Corporation за период с 2018 по 2022 год. Рассматриваются такие показатели, как выручка, средняя цена акций, ESG-рейтинг и кредитный рейтинг. Отмечается, что, несмотря на значительные колебания выручки и стоимости акций, ESG-рейтинг компании оставался стабильным. Основными причинами снижения финансовых показателей стали падение цен на энергоносители и убытки, связанные с экстремальными погодными условиями. В то же время компания сохраняет лидирующие позиции в области чистой энергетики благодаря атомной генерации, что положительно влияет на её устойчивость и репутацию.

ESG риск (PPTX, 493 Кб)

ESG риск (DOCX, 32 Кб)

Моделирование эффектов технологического развития для поддержки принятия стратегических решений на российских нефтегазодобывающих предприятиях

Автор:
Александр Меловацкий (аспирант, Институт статистических исследований и экономики знаний — ИСИЭЗ, НИУ ВШЭ)
Научный руководитель: Юрий Дранев

Краткое описание:
Исследование посвящено оценке влияния технологического развития на финансовые и операционные показатели российских нефтегазовых компаний в условиях ухода западных поставщиков технологий после 2022 года. Работа включает три взаимосвязанных блока:

1. Моделирование влияния ключевых технологий (например, гидроразрыва пласта и роторно-управляемых систем) на коэффициент извлечения нефти (КИН) и стоимость компании (на примере ПАО «Роснефть»);
2. Эмпирический анализ связи интенсивности НИОКР с финансовыми результатами на выборке из 119 нефтегазовых компаний за 2017–2023 гг. с использованием квантильной и панельной регрессии;
3. Сравнительный анализ технологической эффективности 38 крупнейших нефтегазовых компаний мира с применением методов DEA (Data Envelopment Analysis), включая Super-Efficiency и Bootstrap DEA.

Результаты показывают, что инвестиции в технологии критически важны для поддержания КИН и стоимости бизнеса, особенно в условиях роста доли трудноизвлекаемых запасов. При этом интенсивность НИОКР сильнее влияет на прибыльность нефтесервисных компаний, чем добывающих. В кризисный период (2022 г.) государственная поддержка и институциональные факторы временно усилили технологическую эффективность российских компаний. Работа предлагает стратегию стимулирования нефтесервисного сектора как более эффективного канала технологического импортозамещения.

доклад (PDF, 1,77 Мб)

Исследование влияния транзакционных моделей и моделей окружения на кредитные риски заемщиков-юридических лиц с использованием методов машинного обучения

Авторы:
Никита Пермяков, Алексей Моргунов

Краткое описание:
В работе представлена интегральная модель оценки кредитоспособности малого и среднего бизнеса, объединяющая три модуля: финансовый (на основе данных СПАРК-Интерфакс), транзакционный (на основе закрытых банковских данных) и исковой (на основе данных с ресурса «Право.ru»). Каждый модуль построен с применением методов машинного обучения (CatBoost и логистическая регрессия) и включает отбор значимых риск-факторов через WOE-преобразование и анализ монотонности. Интегральная модель агрегирует вероятности дефолта от отдельных модулей с учётом их весов, что позволило повысить метрику качества Gini до 82–85% по сравнению с базовыми одиночными моделями. Также проведена калибровка модели с учётом макроэкономических факторов (Point-in-Time подход), продемонстрировавшая высокую предсказательную способность (Gini = 90.3%). Результаты подтверждают эффективность комплексного подхода к оценке кредитных рисков и его практическую применимость в банковской сфере.

Доклад (PDF, 1,24 Мб)

Каузальные векторные модели для проведения квазиэкспериментов на основе макроэкономических данных: оценка причинного воздействия платформизации на экономический рост.

Автор:
Николай Войтов (НИУ ВШЭ, Научно-учебная лаборатория финансовых инноваций и риск-менеджмента)

Краткое описание:
В работе исследуется причинное влияние платформизации (внедрения цифровых многосторонних платформ) на экономический рост в разных типах экономик с использованием квазиэкспериментальных методов. Предложен новый подход — Causal Economic2Vec (CE2V), сочетающий векторные представления стран на основе панельных макроэкономических данных и каузальное моделирование. На основе данных Всемирного банка и авторского датасета по 56 цифровым платформам показано, что эффект платформизации дифференцирован: он положителен в азиатских развивающихся экономиках, умеренно положителен в развитых странах и отрицателен в странах с институциональными барьерами. Модель CE2V демонстрирует более высокую робастность и статистическую значимость по сравнению с традиционными методами синтетического контроля.

доклад (PDF, 1,36 Мб)

Потенциальное негативное воздействие изменения климата приводит к увеличению числа исследований в области ESG-рисков и их влияния на финансовую стабильность со стороны международных ученых и политиков, занимающихся климатическими рисками. Определение ESG-риска может быть сформулировано следующим образом: «Риск негативного финансового воздействия, возникающего прямо или косвенно в результате влияния экологических («E»), социальных («S») и корпоративных вопросов корпоративного управления («G») на банк и его заинтересованных лиц, включая клиентов, работников, инвесторов и поставщиков»

Отчет

модель (DO, 60 Кб)

Зеленые облигации (данные) (XLSX, 8,03 Мб)

Модель 2

ESG (данные) (XLSX, 11,16 Мб)

Влияние ESG (экологические, социальные и управленческие) показателей на устойчивость компаний становится все более актуальным в современном бизнесе. Эти параметры служат индикаторами социальной ответственности и устойчивого развития, влияя на финансовые результаты и репутацию организаций. Инвесторы и потребители обращают внимание на ESG-критерии при выборе компаний, что делает их важными для привлечения капиталовложений и формирования лояльной аудитории. Высокие ESG-показатели могут способствовать снижению рисков, улучшению операционной эффективности и созданию конкурентных преимуществ.

Влияние ESG (PPTX, 749 Кб)

Транспортная отрасль в России вынуждена приспосабливаться к разнообразным тенденциям и сложностям, которые сформировались в последние годы. Нестабильное состояние отрасли вызвано последствиями санкций и переориентацией грузопотоков, что приводит к перегруженности инфраструктуры и увеличению стоимости логистики. Разработка системы моделей оценки вероятности дефолта для корпоративных заемщиков в отрасли «Металлургия» направлена на оптимизацию резервирования и ценообразования кредитных продуктов. Учитывая специфические риски металлургической отрасли, такие как волатильность цен на сырьевые материалы и изменения в регулировании, создание точных моделей становится критически важным. Системы могут использовать статистические методы и алгоритмы машинного обучения для анализа исторических данных, финансовых показателей и макроэкономических факторов. Эффективные модели позволят финансовым учреждениям более точно предсказывать риск дефолта, формировать адекватные резервы и устанавливать конкурентоспособные процентные ставки, обеспечивая устойчивость бизнеса в условиях нестабильного рынка.

Транспорт (PDF, 1,14 Мб)

Разработка системы моделей оценки вероятности дефолта для корпоративных заемщиков в отрасли «Металлургия» направлена на оптимизацию резервирования и ценообразования кредитных продуктов. Учитывая специфические риски металлургической отрасли, такие как волатильность цен на сырьевые материалы и изменения в регулировании, создание точных моделей становится критически важным. Системы могут использовать статистические методы и алгоритмы машинного обучения для анализа исторических данных, финансовых показателей и макроэкономических факторов. Эффективные модели позволят финансовым учреждениям более точно предсказывать риск дефолта, формировать адекватные резервы и устанавливать конкурентоспособные процентные ставки, обеспечивая устойчивость бизнеса в условиях нестабильного рынка.

Металлургия (PDF, 2,33 Мб)