Александр Александрович Помулев — кандидат экономических наук, доцент кафедры корпоративных финансов и корпоративного управления
Москва
Alexander A. Pomulev — Cand. Sci. (Econ.), Assoc. Prof. of Corporate Finance and Corporate Governance Department
Moscow
Статья посвящена исследованию вопросов оценки стоимости бизнеса публичных компаний с использованием искусственного интеллекта. Цель исследования — разработка модели для прогнозирования стоимости бизнеса публичных компаний в рамках сравнительного подхода. Актуальность работы состоит в том, что в условиях неопределенности обосновать рыночную стоимость бизнеса публичных компаний непросто из-за того аспекта, что цены сделок в прошлом, которые являются базовой информацией для расчета рыночной стоимости в рамках метода рынка капитала, не отражают перспективы бизнеса. Научная новизна исследования состоит в разработке метода прогнозирования стоимости бизнеса публичных компаний с использованием основного раздела искусственного интеллекта — машинного обучения. Авторы применили следующие методы научного исследования: логический и статистический (корреляционный анализ), машинное обучение (линейная регрессия, дерево решений, ансамбли деревьев, рекуррентная нейронная сеть). Разработанный метод состоит из шести этапов, которые интегрируют основные шаги машинного обучения с классическими этапами стоимостной оценки. По результатам апробации метода разработано одиннадцать моделей экстраслучайных деревьев решений (Extra Trees), позволяющих спрогнозировать направление движения отраслевых индексов Московской биржи в зависимости от экзогенных и технических показателей. Сделан вывод о достаточно высокой точности разработанных моделей (на тестовых данных R2 составляет 0,99, MAPE — менее 1%) прогнозирования отраслевых индексов и пригодности метода для решения задачи определения цены на акции отдельной публичной компании в рамках метода рынка капитала. Перспектива дальнейшего исследования связана с разработкой прогностических моделей цены на акции для всех российских публичных компаний с учетом финансовых и поведенческих факторов. Статья может быть полезна для оценщиков, работающих в этой области, и для инвесторов.
The article focuses on the study of issues related to assessing the business value of publicly traded companies using artificial intelligence. The purpose of the study is to develop a model for predicting the business value of publicly traded companies within the framework of a comparative approach. The relevance of this work is that in times of uncertainty, it can be difficult to justify the market value of the business of public companies due to the fact that historical transaction prices, which are used as the basic information for calculating market value in the framework of the capital market method, may not reflect the company’s future prospects. The scientific novelty of the research consists in developing a method for predicting the business value of publicly traded companies using the main section of artificial intelligence — machine learning. The authors used the following methods in their scientific research, including logical and statistical methods (correlation analysis) and machine learning techniques such as linear regression, decision tree, tree ensembles, and recurrent neural network. The developed method consists of six stages which integrate the main steps of machine learning with the classical stages of data cost estimation. Based on the results of testing the method, eleven models of extra-random decision trees have been developed. These Trees allow us to predict the direction of movement of industry indexes Moscow Exchange depending on exogenous and technical indicators. It can be concluded that the developed models have a high level of accuracy (based on the test data R2 of 0.99 and MAPE below 1%) of forecasting industry indices and the suitability of the method for solving the problem of predicting the share price of a single public company within the context of the capital market method. The prospect of further research relates to the development of predictive models for all public companies, taking into account their financial characteristics and behavioral factors. This article will be beneficial for practicing appraisers in their evaluation of businesses in this field and for investors.
The authors declare that there are no conflicts of interest present.