Определение инвестиционного успеха и его факторов для российского кино в прокате с помощью машинного обучения
https://doi.org/10.26794/25875671-2024-28-1-188-203
Аннотация
Объект исследования — исторические данные проката российского кинематографа. Цель исследования состоит в определении возможности прогнозирования кассовых сборов кинопроекта на раннем этапе производства фильмов, что особенно актуально с учетом ухода иностранных дистрибьютеров с рынка. Анализ проведен по всей совокупности (N = 1400) российских национальных фильмов, вышедших в прокат с начала 2004 по апрель 2022 г. Данные вводятся в научный оборот впервые. В исследовании использовались методы оценки кинопроектов на основе исторической доходности и классификации фильмов по жанрам, режиссерам, сценаристам. В результате эксперимента на 7 моделях машинного обучения и нейросети достигнута точность (accuracy) 0,96 и показатель ROC_AUC = 0,98. Сделаны выводы о направлениях совершенствования методов прогнозирования, сформулированы выводы об ограничениях предлагаемого подхода. С учетом высокой волатильности индивидуального финансового результата кинопроекта сделаны рекомендации по «портфельному» принципу инвестирования, открывающему перспективы долгового и долевого финансирования кинематографа с использованием рыночных финансовых инструментов, эмиссии облигаций и акций производителями и дистрибьютерами.
Ключевые слова
JEL: JEL C51, C53, L82, E22, G11
Об авторе
А. В. ДождиковРоссия
Антон Валентинович Дождиков — кандидат политических наук, аналитик данных, ведущий специалист
Москва
Список литературы
1. Ломакин Н.И., Вималаратхне К., Ботиров Г. AI-модель для прогнозирования доли просроченных кредитов в кредитных портфелях коммерческих банков. Инновационная экономика: перспективы развития и совершенствования. 2022;(2):32–37. DOI: 10.47581/2022/IE.2.60.06
2. Коклев П.С. Оценка стоимости компании с использованием методов машинного обучения. Финансы: теория и практика. 2022;26(5):132–148. DOI: 10.26794/2587–5671–2022–26–5–132–148
3. Неврединов А.Р. Инструментальный метод машинного обучения для прогнозирования банкротства компаний. Финансы и кредит. 2021;27(9):2118–2138. DOI: 10.24891/fc.27.9.2118
4. Виноградов А.С. Использование машинного обучения в финансовом прогнозировании в банках. Актуальные вопросы современной экономики. 2022;(5):705–710.
5. Молчанова Н.П. Финансирование кинематографии как высокорискового вида деятельности. Вестник ВГИК. 2018;(2):108–121.
6. Безуглова М.Н., Рудская Е.Н., Битадзе Д.Г. Влияние COVID 19 на сферу международного туризма и индустрии развлечений — кино, музеи, театры. Вектор экономики. 2020;(6):20.
7. Сокуренко К.В., Маглинова Т.Г. Особенности развития рынка киноиндустрии в Китае. Казанский экономический вестник. 2021;(1):37–41.
8. Браилова О.В., Горчакова В.Г., Криволуцкий Ю.В. и др. Продюсерство. Экономико-математические методы и модели. М.: Юнити-Дана; 2015. 319 с.
9. Ноакк Н.В., Неволин И.В., Татарников А.С. Методика прогнозирования выручки от проката кинофильмов. Дайджест-финансы. 2013;(2):33–40.
10. Сапелко С.Н., Антонова В.Г. Специфика затрат на продвижение аудиовизуального произведения. Петербургский экономический журнал. 2021;(1):110–114. DOI: 10.24411/2307–5368–2020–10062
11. Будылина Е.А. Статистический анализ рентабельности жанров в кинематографе. Теория и практика проектного образования. 2018;(2):24–29.
12. Ясницкий Л.Н., Медведева Е.Ю., Белобородова Н.О. Методика нейросетевого прогнозирования кассовых сборов кинофильмов. Финансовая аналитика: проблемы и решения. 2017;10(4):449–463. DOI: 10.24891/fa.10.4.449
13. Дубровин В.Л., Комиссаров С.Н. Консервативный поворот прокатного российского кино — шаг к восстановлению ценностного континуума? (на примере лидеров российского проката 2015–2020 гг.) Гуманитарий Юга России. 2020;9(3):216–231. DOI: 10.18522/2227–8656.2020.3.16
14. Гарафутдинов Р. В. Применение моделей с длинной памятью для прогнозирования доходности при формировании инвестиционных портфелей. Прикладная математика и вопросы управления. 2021;(2):171–191. DOI: 10.15593/2499–9873/2021.2.10
15. Туманов А.И. Социально-политические особенности и перспективы становления российского кинематографа в призме отечественного и мирового опыта киноиндустрии. Наука. Культура. Общество. 2022;28(3):137–151. DOI: 10.19181/nko.2022.28.3.10
16. Колобова Е.Ю. Система государственной поддержки кинематографии как условие развития рыночной среды кинозрелищных услуг. Петербургский экономический журнал. 2017;(3):140–154.
17. Рудомазин А.М. К вопросу о необходимости реформирования программы государственного финансирования российского кинопроизводства. Экономика: вчера, сегодня, завтра. 2021;11(8–1):14–21. DOI: 10.34670/AR.2021.72.63.002
18. Конягина М.Н., Дудкина К.А., Липчик А.М. Инновации против стереотипов в экономике креативной индустрии. Естественно-гуманитарные исследования. 2022;(42):132–136.
19. Шакун А.В. Киноиндустрия России на современном этапе: к диалогу рынка и государственных систем регулирования. Тенденции развития науки и образования. 2021;(71–3):142–146. DOI: 10.18411/lj-03–2021–114
20. Новикова О.С. Концептуальные основы финансовой устойчивости кинематографической сферы в Российской Федерации с учетом опыта зарубежных стран. Russian Economic Bulletin. 2021;4(1):244–248.
21. Климова В.В., Шайхутдинова Д.Р. Особенности финансирования кинопроизводства. Вестник Сургутского государственного университета. 2018;(1):39–46.
22. Будилов В.М., Громова Е.А., Ртищева Т.В. Международное совместное кинопроизводство в Российской Федерации: сущность, классификация и государственное регулирование. Петербургский экономический журнал. 2018;(2):21–29.
23. Косинова М.И. Совершенствование системы международной копродукции (на примере Фонда кино). Сервис plus. 2019;13(1):36–45. DOI: 10.24411/2413–693X-2019–10105
Рецензия
Для цитирования:
Дождиков А.В. Определение инвестиционного успеха и его факторов для российского кино в прокате с помощью машинного обучения. Финансы: теория и практика/Finance: Theory and Practice. 2024;28(1):188-203. https://doi.org/10.26794/25875671-2024-28-1-188-203
For citation:
Dozhdikov A.V. Determination of Investment Success and its Factors for Russian Cinema at the Box Office Using Machine Learning. Finance: Theory and Practice. 2024;28(1):188-203. https://doi.org/10.26794/25875671-2024-28-1-188-203