Рост цен спрогнозирует ИИ: ученые СКФУ научили нейросеть анализировать экономические данные
Новости могут прогнозировать уровень роста цен. Это доказали учёные Северо-Кавказского федерального университета. Группа специалистов вуза под руководством доктора физико-математических наук, профессора Михаила Бабенко завершила проект системы анализа новостных данных, предназначенной для предсказания уровня инфляции на основе финансовых новостей.
– Технологии искусственного интеллекта и роботизации, разрабатываемые учеными нашего университета, уже сегодня находят применение в различных отраслях реального сектора экономики и, прежде всего, в области сельского хозяйства, медицины, электроэнергетики. Внедрение предлагаемых инновационных решений для интеллектуального анализа больших данных открывает новые возможности для бизнеса за счёт ускорения обработки и передачи информации, повышения точности прогнозов, – отметил ректор СКФУ Дмитрий Беспалов.
Программу для анализа финансовых новостей учёные СКФУ создали по заказу финансового сектора экономики. Полученная система помогает делать три прогноза инфляции: краткосрочный (на месяц), среднесрочный (на квартал) и долгосрочный (на год).
Простыми словами – система анализирует финансовые новости на агрегаторах и после, опираясь на определенную группу слов, показывает, что происходит с заданной группой продуктов и как это может повлиять на её стоимость в перспективе. Согласно данным Росстата, сейчас в потребительской корзине насчитывается 775 наименований товаров и услуг. И она ежегодно пересматривается.
На первом этапе проекта специалистами СКФУ был осуществлён сбор и разметка данных, что стало основой для дальнейшего обучения модели. Для этого применялись скрипты для автоматизированного сбора статей, которые затем классифицировались вручную по трём ключевым параметрам: влияние на инфляцию, тональность и степень влияния. Эта работа позволила сформировать сбалансированный набор данных, что является критически важным шагом в машинном обучении, так как сбалансированные данные помогают избежать смещения в модели.
– Наш проект подтвердил эффективность применения машинного обучения для экономического анализа. В будущем планируется регулярно обновлять данные и использовать более сложные архитектуры, – отметил руководитель проекта Михаил Бабенко.
После повторной верификации система анализа показала точность классификации в 93%.
Ученые уверены, что в перспективе подобная система, которая анализирует новости и коррелирует их с определёнными направлениями или событиями для составления прогнозов может быть полезна и для бизнеса, и других заинтересованных сторон, которые стремятся принимать обоснованные решения на основе текущих событий и трендов.