1607-968X Финансовый менеджмент Financial Management 1607-968X Издательский дом "Академический" 1191 10.25806/fm-1191 https://www.finance-man.ru/index.php/journal/article/view/1191 АНАЛИЗ ОСОБЕННОСТЕЙ НЕПУБЛИЧНЫХ ОРГАНИЗАЦИЙ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОЙ МОДЕЛИ ANALYSIS OF PRIVATE COMPANIES SPECIFIC PARAMETRES USING A NEURAL NETWORK MODEL Агаев А.Р. Агаев А.Р. Agaev A.R. Финансовый университет при Правительстве Российской Федерации, Аспирант кафедры бизнес-аналитики факультета налогов, аудита и бизнес-анализа Financial University under the Government of the Russian Federation, Postgraduate student of the department of Business Analytics of the Faculty of Taxes, Audit and Business Analysis 19 03 2024 2024 2 189 196 12 03 2024 2024 Издательский дом "Академический" Academic Publishing House Материал распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0). This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0). https://www.finance-man.ru/index.php/journal/article/view/1191

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.

This article presents the results of a neural network model development, which is used in quantitative verification of analytical indicators for the selection of potential private equity targets. The effectiveness of analytical indicators is expressed by increasing profitability and reducing risk based on the the selection of private companies for investments using such indicators. As a result of the conducted research, a neural network model is proposed, as well as a list of analytical indicators, which effectiveness has been verified using data of Russian private companies.

 Ключевые слова анализ деятельности коммерческих организаций вложения в капитал в непубличные организации особенности деятельности непубличных организаций нейросетевые модели количественный анализ аналитические показатели. Keywords analysis of private companies private equity investments specificity of private companies neural network models quantitative analysis analytical indicators and ratios. 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.