книги2 / 254

Во-первых, аналитика краудфандинговых проектов является важным источником информации для оценки восприятия обществом проблем декарбонизации и перехода к безуглеродной экономике. Более того, возрастающий уровень вовлечённости в краудфандинг обычных граждан позволяет не только выявлять различные поведенческие тенденции в рассматриваемой области, но и через инструменты нарративного управления оказывать на них целенаправленное воздействие.

Во-вторых, дальнейшим развитием проведённого исследования может быть проведение глубокого семантического анализа краудфандинговых проектов, открывающего широкие возможности систематизации и детализации развивающихся технологических трендов в области декарбонизации, а также выявления типовых поведенческих паттернов как среди инициаторов соответствующих тематических проектов, так и среди лиц, относящихся к числу их инвесторов.

Благодарности. Исследование выполнено за счёт гранта Российского научного фонда № 22-18-00171.

Список источников

1.Мельник А. Трансформация управления инновационным развитием для решения проблем декарбонизации и роста энергоэффективности / А. Мельник, И. Наумова, К. Ермолаев // Форсайт. 2023. Т. 17. № 1. С. 51–66.

2.Валько Д. В. Краудфандинг как инструмент инвестирования в проекты устойчивого развития и его место в экосистеме зелёных финансов / Д. В. Валько // Вестник СПбГУ. Экономика. 2023. Т. 37. № 1. С. 109–139.

3. Biao Y. An Analysis on the Importance of Persuasion Strategies in Environmental-oriented Online Crowdfunding Projects / Y. Biao, Y. P. Yu, H. Y. Chuang et al. // Intelligent Computing. SAI. Lecture Notes in Networks and Systems / ed. K. Arai. 2023. P. 731.

4. Janků J. Behavioral Insights from Crowdfunding Financing: what do Social Media Ties, Emotional Cues and Sentiment Tell us / J. Janků, Z. Kučerová, F. Dařena // Ekonomický Časopis. Journal of Economics. 2023. Pp. 89–118.

5. Chen W. Sharing the Stage: Exploring Inequities in Resources for the Arts Across Funding Institutions / W. Chen, D. Noonan. 2023. Pp. 6–7.

6. Kickstarter: платформа для краудфандинга. URL: kickstarter.com/ help/stats?ref=global-footer.

8.Kaggle: система организации конкурсов по исследованию данных.

URL: kaggle.com/datasets/ulrikthygepedersen/kickstarter-rojects.

9.IPC Green Inventory: экологический реестр Международной патентной классификации. URL: wipo.int/classifications/ipc/green-inventory/ home.

81

УДК 334.7–004.88:005.521:519.86

В. В. Спицын1, канд. экон. наук, доц.,

А. Д. Брагин2, В. А. Леонова3,

М. В. Рыжкова4, д-р экон. наук, проф.

1,2,3,4 Томский политехнический университет

ПРЕДСКАЗАНИЕ БЫСТРОРАСТУЩИХ КОМПАНИЙ

СПОМОЩЬЮ ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ

ИМЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация. В статье проводится предсказание компаний, демонстрирующих устойчивый рост после длительного периода стагнации или падения продаж. Прогнозирование растущих фирм выполняется с помощью логистической регрессии и метода машинного обучения CatBoost на основе информации об их финансовых показателях, полученной из системы СПАРК. Полная выборка составила 2 198 компаний с признаками длительной стагнации или падения продаж, из них устойчивый рост после стагнации показали 308 компаний. Результаты: логистическая регрессия и метод машинного обучения CatBoost позволяют существенно повысить точность предсказания быстрорастущих компаний. При этом метод машинного обучения показывает лучшие результаты по сравнению с логистической регрессией. Полученные высокие вероятности предсказания быстрорастущих фирм могут представлять интерес для инвесторов.

Ключевые слова: быстрорастущие компании, стагнация, прогнозирование, логистическая регрессия, методы машинного обучения

Введение. Проблема предсказания роста компаний является крайне актуальной с теоретической и практической точек зрения. В теоретическом плане требуется выявление факторов, повышающих вероятность роста фирмы. Такие факторы в дальнейшем могут использоваться для разработки экономической политики и методов стимулирования бизнеса. В практическом плане поиск растущих компаний представляет интерес для инвесторов. Отдельным направлением научных исследований являются быстрорастущие компании (компании-газели), которые демонстрируют устойчивые ежегодные темпы роста объёмов продаж.

Исследованию быстрорастущих компаний посвящено большое количество работ зарубежных и российских учёных [1–3]. Есть ряд работ, в которых проводится предсказание быстрого роста фирм [4; 5]. Данная тематика уже длительное время исследуется в мировой экономической науке на фоне длительного периода роста мировой экономики. Однако начало XXI в. ознаменовалось неустойчивым развитием экономики многих стран, когда периоды роста сменялись кризисами (финансовый кризис, пандемия COVID-19 и т. д.) или периодами стагнации экономики [6].

© Спицын В. В., Брагин А. Д., Леонова В. А., Рыжкова М. В., 2023

82

Для России первые десятилетия XXI в. также оказались проблемными. Страна столкнулась с тремя кризисными событиями (финансовый кризис 2008–2009 гг., пандемия COVID-19, а также реакция экономики на специальную военную операцию и экономические санкции). Кроме того, учёные выделяют длительный период стагнации российской экономики (2013–2019 гг.) [7]. В этих условиях появилось значительное количество предприятий, которые в течение длительных периодов демонстрировали стагнацию или падение продаж, а затем показали быстрый рост производства. В отношении российских предприятий показано, что около 27 % компаний в 2013–2017 гг. демонстрировали признаки длительной стагнации или падения продаж. Затем часть из этих компаний показала быстрый рост объёмов продаж в последующие 3–4 года [8]. Описанная выше проблема поиска перспективных компаний, способных выйти на магистраль роста после стагнации или падения продаж, является крайне актуальной для российской экономики.

Целью нашей работы является предсказание фирм, способных показать быстрый рост производства после длительного периода стагнации или падения продаж. Такой объект исследования определяет научную новизну нашей работы, а также представляет интерес для инвесторов, которые получают дополнительные варианты для вложения денежных средств.

Гипотезы исследования. В рамках настоящей работы тестируются две основные гипотезы.

Гипотеза № 1. Экономико-математические методы (логистическая регрессия и методы машинного обучения) позволяют существенно повысить точность предсказания перспективных компаний, способных выйти на магистраль роста после длительной стагнации или падения продаж.

Гипотеза № 2. Методы машинного обучения позволяют построить более качественные и точные прогнозные модели по сравнению с методом логистической регрессии.

Методика. Финансовые показатели предприятий, в т. ч. информация по объёмам продаж (выручке), были получены из системы СПАРК [9]. Были собраны данные за 2012–2021 гг., при этом все абсолютные финансовые показатели были скорректированы на накопленный индекс инфляции и приведены к уровню 2012 г. Далее были определены предприятия, которые в 2013–2017 гг. в течение трёх лет подряд показывали стагнацию или падение продаж (т. е. имели нулевые или отрицательные темпы прироста выручки). Затем была исследована динамика их выручки в последующие четыре года (2016–2021 гг.) для выявления быстрорастущих фирм. Критерий выявления быстрорастущих фирм: ежегодный темп прироста выручки более 10 % в течение трёх из четырёх лет после периода стагнации или падения продаж. В результате была сформирована выборка, включающая 2 198 компаний, в т. ч. 308 быстрорастущих компаний.

В соответствии с общепринятыми методиками прогнозирования полная выборка была случайным образом разделена на обучающую и тестовую выборки в соотношении 70:30 %. Структура полной, обучающей и тестовой выборок представлена в табл. 1.

83

				Таблица 1
	Структура полной, обучающей и тестовой выборок
	Вид выборки	Быстрорастущие	Всего	Доля
		фирмы, ед.	фирм, ед.	быстрорастущих фирм, %
	Обучающая выборка	220	1 538	14,3
	Тестовая выборка	88	660	13,3
	Полная выборка	308	2 198	14,0

Для предсказания быстрорастущих компаний использовались их финансовые показатели в последний год периода стагнации (размер фирмы, доля заемного капитала, оборачиваемость активов, рентабельность и т. п.), а также дополнительные финансовые показатели, полученные на их основе, и показатель возраста фирмы. Зависимая переменная отражает признак быстрого роста фирмы и является бинарной переменной. Она принимает значение «1», если фирма соответствует критерию роста, и значение «0», если не соответствует.

Для прогнозирования использовались два метода:

1)модель логистической регрессии;

2)метод машинного обучения CatBoost.

Оба эти метода настраивались (обучались) на обучающей выборке. Затем полученные параметры были применены к тестовой выборке для определения в ней быстрорастущих компаний.

В рамках настоящей работы мы не исследуем влияние факторов на рост фирмы, а оцениваем только качество предсказания растущих компаний. Для оценки качества прогнозных моделей применяются особые показатели, которые рассчитываются на основе четырёх возможных вариан-

тов прогноза бинарной переменной: true positives (TP), false positives (FP), true negatives (TN), false negatives (FN)). Показателей оценки качества мо-

делей достаточно много. В рамках этой работы мы рассчитываем четыре показателя:

1)PPV = TP / (TP + FP) – показывает точность предсказания быстрорастущих фирм или вероятность их предсказания;

2)TPR = TP / (TP + FN) – показывает полноту предсказания быстрорастущих фирм, т. е. какой процент из всех быстрорастущих фирм удалось предсказать;

3)FPR = FP / (FP + TN) – используется для определения AUC ROC;

4) AUC ROC – площадь под кривой ошибок, которая строится по указанным выше показателям TPR и FPR.

Результаты. Показатели качества построенных моделей предсказания быстрого роста фирм после периода стагнации или падения продаж приведены в табл. 2.

84

Таблица 2

Показатели качества построенных моделей предсказания быстрорастущих фирм

Модель	PPV	TPR	FPR	AUC ROC
Логистическая регрессия	0,5	0,0682	0,0087	0,671
Метод машинного обучения CatBoost	0,667	0,0455	0,0035	0,768

Оценим качество построенных моделей. По показателю AUC ROC метод машинного обучения CatBoost значительно превосходит модель логистической регрессии. Шкала интерпретации показателя AUC ROC оценивает значения (0,5; 0,7) как низкую точность модели, а значения (0,7; 0,8) – как удовлетворительную (приемлемую) точность модели [10]. При этом значение 0,5 соответствует случайному выбору быстрорастущих фирм.

С точки зрения инвесторов, важным показателем для оценки построенных моделей является PPV (или precision). Он характеризует точность предсказания быстрорастущих фирм. Метод CatBoost вновь значительно превосходит логистическую регрессию и показывает вероятность правильного предсказания на уровне 66,7 %. Однако значение логистической регрессии (50 %) также высокое. Вероятность при случайном выборе фирм намного ниже и составляет только 13,3 %.

Напротив, показатель TPR (или recall, или sensitivity) оказывается очень низким для обеих построенных моделей. Этот показатель означает, что модели находят только 4–7 % всех быстрорастущих компаний.

Выводы и дискуссия. Полученные нами результаты в целом согласуются с научными исследованиями быстрорастущих компаний. В большинстве работ по предсказанию быстрорастущих компаний показатель AUC ROC также находится в диапазоне (0,7; 0,8), что говорит о приемлемом качестве построенных моделей. Отметим также высокие значения PPV и низкие значения TPR [4; 5].

Несмотря на приемлемые, но невысокие значения AUC ROC, построенные модели позволяют существенно повысить точность предсказания быстрорастущих фирм после стагнации. Вероятность предсказания с помощью построенных моделей составляет 50 % и более, в то время как случайный выбор дает вероятность только на уровне 13,3 %. Следовательно, гипотеза № 1 подтверждается и построенные модели позволяют существенно повысить точность предсказания быстрорастущих фирм. Полученные высокие вероятности предсказания быстрорастущих фирм могут представлять интерес для инвесторов.

Гипотеза № 2 также подтверждается. Метод машинного обучения показывает лучшие результаты по сравнению с логистической регрессией. Он позволяет построить более качественную модель прогнозирования (по показателю AUC ROC) и даёт более высокую точность предсказания растущих компаний.

85

Однако оба рассмотренных метода характеризуются очень низкой полнотой прогнозирования быстрорастущих компаний. Эта проблема требует дальнейших научных исследований.

Благодарности. Исследование выполнено при финансовой поддержке РНФ в рамках научно-исследовательского проекта РНФ «Смена траектории развития: исследование факторов выхода предприятий на магистраль роста», проект № 23-28-01404 (URL: rscf.ru/project/23-28-01404).

Список источников

1. Gonzalez-Uribe J. Identifying and Boosting ''Gazelles'': Evidence from Business Accelerators / J. Gonzalez-Uribe, S. Reyes // Journal of Financial Economics. 2021. Vol. 139. No. 1. Pp. 260–287.

2. Coad A. Catching Gazelles with a Lasso: Big Data Techniques for the Prediction of High-growth Firms / A. Coad, S. Srhoj // Small Business Economics, Springer. 2020. Vol. 55. No. 3. Pp. 541–565.

3.Spitsin V. High-tech Gazelle Firms at Various Stages of Evolution: Performance and Distinctive Features / V. Spitsin, D. Vukovic, A. Mikhalchuk et al. // Journal of Economic Studies. 2022. Vol. 50. No. 4. Pp. 674–695.

4.Weinblat J. Forecasting European High-growth Firms – a Random Forest Approach / J. Weinblat // Journal of Industry, Competition and Trade. 2018. No. 18. Pp. 253–294. DOI: 10.1007/s10842-017-0257-0.

5.Chae H. C. In Search of Gazelles: Machine Learning Prediction for Korean High-growth Firms / H. C. Chae // Small Business Economics. 2023. DOI: 10.1007/s11187-023-00760-8.

6. Kohler K. Growing Differently? Financial Cycles, Austerity, and Competitiveness in Growth Models since the Global Financial Crisis / K. Kohler, E. Stockhammer // Review of International Political Economy. 2021. Vol. 29. No. 4. Pp. 1 314–1 341.

7.Аганбегян А. Г. Россия: от стагнации к устойчивому социальноэкономическому росту / А. Г. Аганбегян // Научные труды вольного экономического общества России. 2022. Т. 237. № 5. С. 310–362.

8.Спицын В. В. Стагнация и возобновляемый рост предприятий: эмпирический анализ в разрезе отраслей экономики России / В. В. Спицын, В. А. Леонова, Л. Ю. Спицына и др. // Вестник университета. 2023. № 7.

С. 178–187. DOI: 10.26425/1816-4277-2023-7-178-187.

9.ИС СПАРК. Система сервисов по оценке рисков и обеспечению экономической безопасности бизнеса. 2023. URL: spark-interfax.ru.

10. Hosmer D. W. Applied Logistic Regression / D. W. Hosmer, S. Lemeshow, R. X. Sturdivant // Wiley Series in Probability and Statistics. 2013.

86

УДК 336

О. В. Сычева-Передеро1, канд. экон. наук, доц.,

А. С. Ямщиков2,3, д-р экон. наук, доц.

1Кемеровский государственный университет

2Сибирский федеральный университет

3Красноярский государственный медицинский университет

ФИНАНСОВАЯ ГРАМОТНОСТЬ ВОСПИТАННИКОВ ДЕТСКИХ ДОМОВ КАК ЭЛЕМЕНТ КУЛЬТУРЫ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ДЕТЕЙ, ОСТАВШИХСЯ БЕЗ ПОПЕЧЕНИЯ РОДИТЕЛЕЙ

Аннотация. В статье рассматриваются вопросы формирования финансовой грамотности воспитанников детских домов как особой категории детей, оставшихся без попечения родителей. Обоснована необходимость особого подхода к формированию финансовой культуры у данной категории населения.

Ключевые слова: экономическая культура, финансовая грамотность, информационная культура, информационная грамотность, информационная безопасность, дети, оставшиеся без попечения родителей

Введение. Мы живём в материальном мире, в условиях рыночной экономики, когда наряду с общей грамотностью ключевой становится финансовая грамотность. При появлении новой повестки, которая становится популярной, тут же возникает новое спекулятивное информационное пространство. Современный человек находится в условиях глобального информационного поля, и при этом у него зачастую отсутствует активная социализация; он попадает в обстоятельства, в которых приходится совершать непривычные действия и принимать решения. Это становится бесконечно благодатной почвой для совершения мошеннических действий в отношении таких людей. Дети, оставшиеся без попечения родителей, в данном случае – одна из самых уязвимых групп населения. Это позволяет заявить о важности развития информационной культуры человека, ключевым элементом которой является безопасность её формирования.

Прежде всего предлагается определить, что мы понимаем под информационной культурой и информационной и финансовой грамотностью. Информационная культура – это готовность человека к жизни и деятельности в современном высокотехнологичном информационном обществе, умение эффективно использовать возможности этого общества и защищаться от его негативных воздействий.

Элементом информационной культуры является информационная грамотность – способность человека идентифицировать потребность

винформации, умение её эффективно искать, оценивать и использовать.

©Сычева-Передеро О. В., Ямщиков А. С., 2023

87

При этом информационная культура состоит из совокупности культур, её формирующих, это:

интеллектуальная;

финансовая;

коммуникативная;

культура информационной безопасности;

нравственная;

лексическая;

библиографическая;

мировоззренческая.

Стремительное развитие информационных технологий способствовало широкому доступу к информации, но при этом значительно увели-

чило количество угроз. Угрозы информационной безопасности оказыва-

ют деструктивное влияние на все сферы жизни – профессиональную, материальную, морально-психологическую, при этом эффективно противостоять им достаточно проблематично, поскольку жизнь современного человека неразрывно связана с пребыванием в информационном пространстве.

Мы приходим к выводу, что культура информационной безопасно-

сти – это совокупность сформированных знаний, умений и навыков по вопросам информационной безопасности, обеспечивающая безопасное пребывание в информационном пространстве. Культура информационной безопасности состоит из таких важных элементов, как:

кибергигиена – образ мышления и привычки с фокусом на безопасность, которые помогают снизить количество нарушений в интернете; её основополагающий принцип – войти в повседневную жизнь;

цифровой след – это все данные, которые пользователь оставляет

винтернете; он должен быть чистым.

В свою очередь, финансовая культура – это совокупность знаний, отражающих уровень финансовой грамотности, навыки и поведение человека в области финансовых отношений, финансового планирования и распределения денежных средств при существующем уровне развития в обществе инфраструктуры рынка, финансовых институтов, имеющих материальное воплощение и созданных целенаправленным воздействием людей. Финансовая культура состоит из таких важных элементов, как:

финансовая грамотность – это совокупность знаний, навыков

иустановок в сфере финансового поведения человека, ведущих к улучшению благосостояния и повышению качества жизни;

финансовая безопасность – это социально-экономическая возможность человека иметь финансовую независимость для удовлетворения

своих материальных и духовных потребностей как индивидуально, так и внутри общества, а также сохранение этой независимости в перспективе и её дальнейшее приумножение.

Таким образом, культура информационной безопасности – залог финансовой безопасности, важнейшего элемента финансовой культуры.

88

Многочисленный «информационный мусор» – это ненужная, бесполезная, вредная информация, которая поступает из различных источников, нагружает работой мозг, поэтому с современном мире ключевым становится не информация как таковая, а её чистота и безопасность.

Результаты. Отдельной категорией пользователей информации являются воспитанники детских домов, находящиеся на постоянном и полном государственном обеспечении, в связи с чем у них слабо развито бережливое отношение к материальным ценностям. Дети, вышедшие из детского дома, буквально сразу же сталкиваются с такими трудностями, как получение образования, поиск работы, обращение с деньгами, принятие самостоятельных решений, мошенничество. Отсутствие грамотности в этих областях, «информационный мусор» очень затрудняют адаптацию к полноценной и безопасной взрослой жизни.

Важно формировать финансовую культуру через финансовую грамотность и финансовую безопасность, делая их элементами культуры информационной безопасности детей, оставшихся без попечения родителей.

В связи с этим в Кузбассе уже второй год реализуется проект финансовой грамотности для воспитанников детских домов. В 2021–2022 уч. г. (в течение 7 мес.) апробирован пилотный проект Банка России «7 ступеней», предназначенный для воспитанников детских домов. Цель проекта – сформировать навыки финансово грамотного поведения детей-сирот и детей, оставшихся без попечения родителей, в целях социализации и подготовки к самостоятельной жизни, избегания мошеннических действий и формирования успешного и финансово здорового образа жизни.

Задачи проекта:

сформировать мотивацию к овладению знаниями в сфере финансовой грамотности;

обучить теоретическим и практическим основам финансово грамотного поведения, ответственности за принятые финансовые решения;

социализировать детей-сирот и детей, оставшихся без попечения родителей, для самостоятельной взрослой жизни, привить им навыки распознавания мошеннических действий и обучить избеганию этих действий;

повысить финансовую культуру детей-сирот и детей, оставшихся без попечения родителей.

На базе детского дома № 1 г. Кемерово прошли обучение

три пилотные группы.

24.09.2021 стартовал пилотный проект по финансовой грамотности «Семь ступеней к успеху» на базе детского дома № 1 по обучению детей из детских домов финансовой грамотности. Ребята были поделены на три возрастных группы: 6–8, 9–12, 13–16 лет. Каждая группа прошла обучение по темам, соответствующим возрасту и потребностям. Каждый ребёнок получил чемоданчик, который наполнился полезной информацией и памятками. Программа обучения состояла из восьми блоков и продлилась 8 мес. Ребята в доступной и игровой форме обучились азам финансо-

89

вой грамотности, тому, как общаться с деньгами во взрослой жизни и не попасть в руки мошенников.

21.04.2022 по итогам реализации пилотного проекта по финансовой грамотности «Семь ступеней к успеху» с целью масштабирования состоялся открытый урок для педагогов детских домов Кузбасса на базе детского дома № 1. Урок проходил в рамках Всероссийской недели финансовой грамотности детей и молодёжи «ФинзожФест».

Открытый урок проходил в группе детей 13–16 лет в формате игры, в ходе которой ребята демонстрировали полученные знания в следующих вопросах: что такое подушка безопасности, доходы и расходы, личный финансовый план. Вопросы инвестирования освещались в рамках реализации Стратегии социально-экономического развития Кузбасса на период до 2035 г.

Проект проходил при организационной поддержке Администрации Правительства Кузбасса, Регионального центра финансовой грамотности Кузбасса и Отделения по Кемеровской области Сибирского ГУ Банка России.

Для дальнейшей реализации и масштабирования проекта была необходима его финансовая поддержка, которую оказала Ассоциация развития финансовой грамотности. Благодаря этому была осуществлена подготовка педагогов и воспитателей детских домов и социальных учреждений, а также приобретено всё необходимое оборудование. Педагоги, желающие применить полученный опыт в своей практике, прошли обучение в школе волонтеров финансового просвещения.

В данный момент проект «Финансовая грамотность детей в детских домах» реализуется в 27 детских домах Кемеровской области – Кузбасса для детей-сирот и детей, оставшихся без попечения родителей, в возрастах 13–18 лет. Ребята проходят обучение по темам, соответствующим их возрасту и потребностям. Занятия состоят из теоретической и практической игровой частей. Обучение проходит посредством демонстрации экспертного видеоконтента. Далее педагог-воспитатель детского дома в очном формате проводит практическое занятие, нацеленное на закрепление полученных знаний, используя рабочую тетрадь.

Все воспитанники детских домов, участвующие в данном проекте, уже прошли входное тестирование, а по завершении проекта пройдут выходное. Каждый ребенок получил «чемоданчик финансовой грамотности» с блокнотом, ручкой, рабочей тетрадью и набором фломастеров, педагоги также получили необходимый комплект для работы, включающий, помимо прочего, флеш-карту с видеолекциями и решебник к рабочей тетради, а каждое учреждение – информационный стенд и набор памяток по финансовой грамотности.

В результате реализации проекта дети-сироты и дети, оставшиеся без попечения родителей, научатся:

формировать финансово грамотные привычки;

выстраивать личный финансовый план;

90