http://bijournal.hse.ru ru-ru Copyright 2024 Wed, 19 Jun 2024 10:27:59 +0300 https://bijournal.hse.ru/2024--2 Vol 18/934275719.html       Статья посвящена вопросам контроля операционных рисков кредитной организации, связанных с действиями персонала. Контроль операционных рисков является важным аспектом деятельности кредитной организации. Несмотря на то, что Банк России в регламентирующих документах подробно описал набор действий, которые должны проводить банки для контроля операционных рисков, на практике кредитные организации испытывают серьезные трудности в процессе работы с операционным риском, связанным с действиями персонала. Это может объясняться, прежде всего, сложностью идентификации и формализации указанного риска. Одним из основных источников операционных рисков, связанных с действиями персонала, является недостаточная квалификация сотрудников. Это может привести к снижению доступности и качества услуг, предоставляемых кредитными организациями, а также к возможным финансовым и репутационным потерям. Целью проводимых авторами исследований является совершенствование системы контроля операционных рисков кредитной организации с использованием технологий искусственного интеллекта, включающих разработку инструментария оценки в автоматизированном режиме уровня критичности влияния компетентности персонала на возникновение событий операционного риска. Для достижения поставленной цели была разработана искусственная нейронная сеть (ИНС) с использованием высокоуровневой библиотеки Keras на языке Python. В работе определен набор основных показателей, оказывающих наиболее существенное влияние на возможность возникновения операционного риска, связанного с действиями персонала кредитной организации. В статье приводятся результаты проверки сформированных наборов обучающих и тестовых данных с помощью пакетов прикладных программ, реализующих математические методы, позволяющие дать оценку непротиворечивости сформированных наборов данных. В работе приведены графики, показывающие результаты обучения и тестирования построенной искусственной нейросети. Полученные результаты являются новыми и могут позволить кредитным организациям в значительной степени повысить эффективность своей работы благодаря цифровизации решения задач контроля уровня операционного риска, связанного с действиями персонала. https://bijournal.hse.ru/2024--2 Vol 18/934278001.html       Современные системы извлечения информации о товарах для семантического поиска становятся все более сложными за счет использования дополнительных модальностей представления товаров, таких как пользовательское поведение, семантика языка и изображения. Однако добавление новой информации и усложнение моделей машинного обучения не обязательно ведут к улучшению показателей поиска, так как после извлечения производится ранжирование списка товаров, вносящее свое смещение. Тем не менее, бизнес-показатели продуктового поиска с ранжированием неполного списка товаров всегда будут хуже по сравнению с использованием полного списка, а от идеальной сортировки не соответствующих поисковому запросу товаров релевантность поисковой выдачи не улучшится. Поэтому основными показателями качества поиска для фазы извлечения товаров остаются полнота и точность по порогу k. В работе сопоставлено несколько архитектур систем извлечения товаров для семантического продуктового поиска на электронных торговых интернет-площадках. Для этого исследованы понятия пороговой полноты и точности для информационного поиска и выявлена зависимость этих показателей от порядка поисковой выдачи. Разработана автоматическая процедура расчета пороговой полноты и точности, позволяющая сравнивать эффективность систем извлечения информации. Предложенная автоматическая процедура протестирована на публичном наборе данных WANDS для нескольких ключевых архитектур. Полученные показатели полноты R@1000 = 84% ± 9% и точности P@10 = 67% ± 17% находятся на уровне SOTA моделей. https://bijournal.hse.ru/2024--2 Vol 18/934278564.html       В современной экономике успех бизнеса во многом определяется способностью компании анализировать предпочтения потребителей, отношение потребителей к продукции компании, а также возможность быстро реагировать на изменяющиеся предпочтения, либо же на негативные тренды. Social listening или социальное прослушивание является технологией анализа разговоров, текстовых сообщений и любого рода упоминаний компании, ее продукции или бренда. В настоящее время осуществлять социальное прослушивание в интересах российских компаний наиболее эффективно путем мониторинга социальных сетей («ВКонтакте» и др.) как крупнейших источников текстовых сообщений миллионов пользователей. Целью настоящей работы является анализ практикиспользования технологии социального прослушивания, а также общих подходов к использованию социальных сетей отечественными и зарубежными компаниями. На основе разработанного авторами специализированного программного обеспечения был проведен анализ более 50 тыс. новостных сообщений, опубликованных в 2021–2024 гг.различными по уровню и специализации компаниями. Используя лингвистический анализ корпуса текстовых сообщений для различных компаний и отраслей экономики, были определены наиболее часто встречающиеся слова, проведено тематическое моделирование, а также изучена динамика новостных сообщений и ее связь с внешними факторами. https://bijournal.hse.ru/2024--2 Vol 18/934287225.html       Управление городским территориальным комплексом обуславливает необходимость разработки эффективной стратегии эволюционного развития транспортной инфраструктуры. Ключевым элементом подобной инфраструктуры является система светофоров, обеспечивающая регулирование транспортных и пешеходных потоков. Улучшение качества управления в интеллектуальной транспортной системе (ИТС), позволяет не только увеличить пропускную способность уличной дорожной сети, но также оказывает существенное влияние на экономику города, уменьшая издержки всех участников дорожного движения. В результате для участников дорожного движения могут быть сокращены расходы на топливо, повышен уровень их социального комфорта и т. д. В данной работе предлагается новый подход к оптимизации транспортных потоков «умного города», основанный на комбинированном использовании разработанного генетического оптимизационного алгоритма и имитационной модели ИТС. Разработанный оптимизационный алгоритм агрегирован по целевым функционалам с созданной имитационной моделью реального участка уличной дорожного сети г. Москвы со своими перекрестками, пешеходными переходами и др., реализованной в системе AnyLogic. Исследование направлено на создание системы поддержки принятия решений по управлению городской транспортной инфраструктурой, на примере задачи оптимизации длительности фаз регулирующих сигналов светофоров, с целью уменьшения временных затрат на проезд транспортных средств через ключевые узлы городской дорожной сети, оптимизации движения пешеходных потоков и др. Применение предложенного подхода позволяет значительно повысить пропускную способность уличной дорожной сети, уменьшить негативное воздействие автомобильных потоков на окружающую среду за счет оптимизации расхода топлива и сокращения времени ожидания на перекрестках, регулируемых светофорами. Методология исследования включает в себя разработку модифицированного генетического алгоритма, построение имитационной модели транспортных и пешеходных потоков в AnyLogic, проведение ряда оптимизационных экспериментов, демонстрирующих эффективность предложенного подхода в контексте моделирования сложных урбанистических транспортных систем. https://bijournal.hse.ru/2024--2 Vol 18/934290064.html       Настоящая статья посвящена проблеме теоретической и информационной поддержки принятия решений по стратегическому управлению процессами закупки сырья. Актуальность исследования обусловлена тем, что в настоящее время наблюдается значительная волатильность цен на сырье. Это ставит перед менеджерами очень сложные задачи. Их решение является одним из важнейших направлений бизнес-информатики. В статье рассматривается стратегия закупок в два этапа: в начале и середине месяца. Цена на сырье известна только в начале месяца. Цена – непрерывная случайная величина, можно предсказать только интервал ее изменения. В данной работе именно интервал, а не предсказанное конкретное значение непосредственно используется для определения объема покупки по известной цене в начале месяца. Авторами найдена функциональная зависимость максимального риска по Сэвиджу от количества закупленного сырья на начало месяца. В результате удалось установить количество сырья, закупка которого в начале месяца обеспечивает минимум максимального риска. На примере закупок кукурузы проведен сравнительный анализ возможных методов определения этих интервалов на основе анализа временных рядов цен. Впервые найдено строгое решение задачи минимизации максимального риска при закупке сельскохозяйственного сырья. Статья представляет интерес для менеджеров, отвечающих за закупку сырья для перерабатывающих предприятий, а также аспирантов экономико-математических специальностей. https://bijournal.hse.ru/2024--2 Vol 18/934298815.html       Библиометрический анализ представляет собой широко используемый подход к исследованию научной информации. Однако исследований в области библиометрического анализа применения аналитики больших данных в сфере финансового аудита ранее не проводилось, поэтому данное исследование призвано восполнить этот пробел. Статья посвящена библиометрическому анализу статей в научных журналах, индексируемых в международной базе Scopus, на тему использования аналитики больших данных в ходе аудиторских проверок. В качестве инструмента анализа использован сервис VOSviewer. Цель исследования состоит в том, чтобы выявить особенности научных статей, посвященных вопросам применения аналитики больших данных в сфере аудита. Для этого рассматривается динамика количества публикаций и цитируемости, тенденции публикаций, страны публикации, взаимоотношения между исследователями, а также связь между словами, относящимися к тематике анализа больших данных. Горизонт анализа охватывает период с 2010 по 2022 годы. Данное исследование раскрывает области применения анализа больших данных в аудите. В работе представлены выводы о роли больших данных и их анализа, преимуществах использования анализа больших данных в процессе аудита, а также о возможностях упрощения процесса аудита с помощью анализа больших данных. Одним из наиболее интересных выводов является то, что большие данные предусматривают наличие огромного объема информации, превышающего пределы того, что может быть сохранено и обработано, поэтому использование анализа больших данных помогает аудиторам снизить число когнитивных ошибок, возникающих при работе с большими объемами разнообразной информации. В работе представлено количество статей и цитирований научных публикаций, отдельные авторы и страны, выполнившие наибольшее число исследований в данной области, наиболее часто встречающиеся ключевые слова и термины, а также их значения.