АНАЛИЗ ОСОБЕННОСТЕЙ НЕПУБЛИЧНЫХ ОРГАНИЗАЦИЙ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОЙ МОДЕЛИ
Статья поступила в редакцию: 12.03.2024
Статья опубликована: 19.03.2024
Ключевые слова:
анализ деятельности коммерческих организаций, вложения в капитал в непубличные организации, особенности деятельности непубличных организаций, нейросетевые модели, количественный анализ, аналитические показатели.Аннотация
В настоящей статье представлены результаты разработки нейросетевой модели для количественной проверки эффективности аналитических показателей, используемых при отборе непубличных организаций для вложений в их капитал. Эффективность аналитических показателей выражается в повышении доходности и снижении риска по итогам отбора непубличных организаций в качестве объектов вложений в капитал. В результате проведенного исследования предложена нейросетевая модель, которая направлена на выявление значимых аналитических показателей, эффективность которых доказана на примере данных российских непубличных организаций.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
Список литературы
Gilligan J., Wright M. Private equity demystified: An explanatory guide / J. Gilligan, M. Wright // Oxford University Press. 2020. P. 9-43.
Cumming D., Walz U. Private equity returns and disclosure around the world / D. Cumming , U. Walz // Journal of International Business Studies. 2010. Vol. 41. № 4. P. 727-754.
Harjoto M.A., Paglia J.K. The Discount for Lack of Marketability in Privately Owned Companies: A Multiples Approach // Journal of Business Valuation and Economics Loss Analysis. 2010. Vol. 5. № 1. P. 12-17.
Lerner J. Private Equity in Emerging Markets: An Overview // Emerging Markets Review. 2010. Vol. 11. № 4. P. 297-307.
Birkinshaw J., Pedersen T. Managing Complexity in Emerging Market Acquisitions // Strategic Management Journal. 2011. Vol. 32. № 3. P. 246-267.
Bland A.S.S. et al. International Private Equity and Venture Capital Valuation Guidelines. Comments on the IPEV 2012 // Örebro: The Valuation Journal. 2017. Vol. 12. № 2. P. 120-125.
Шеремет А.Д., Негашев Е.В. Методика финансового анализа деятельности коммерческих организаций. М.: Издательский Дом "Инфра-М", 2013. 208 с.
Ozler O.S., Broadman H.G. Private Equity in Emerging Markets: A Comparative Overview // Emerging Markets Review. 2011. Vol. 12. № 1. P. 1-23.
Morini C. Export barriers for SMEs from emerging market: A model of analysis for non-tech companies // BAR-Brazilian Administration Review. 2021. Vol. 18. P. 24-31.
Zong L. Governance lessons from the private equity industry // The Journal of Private Equity. 2005. Vol. 9. № 1. P. 63-66.
Hajinoroozi M. EEG-based prediction of driver's cognitive performance by deep convolutional neural network // Signal Processing: Image Communication. 2016. Vol. 47. P. 549-555.
Elliott J.A., Rosenbloom A., Park J. Corporate Social Responsibility in Emerging Markets: Insights from the Mining Industry // Journal of Business Ethics. 2015. Vol. 132. № 2. P. 323-342.
Ciaburro G., Venkateswaran B. Neural Networks with R: Smart models using CNN, RNN, deep learning, and artificial intelligence principles // Packt Publishing Ltd. 2017. P. 6-41.
Никифорова Н.А Анализ состояния нейросетевых моделей в различных сферах их применения // Экономические науки. 2023. № 4 (221). С. 260-265.
Никифорова Н.А. Факторная модель анализа стоимости бизнеса. // Управленческий учет. 2023. № 1. С. 101-109.
