KNEU Logo Публікації КНЕУ імені Вадима Гетьмана Publications of KNEU named after Vadym Hetman
Switch to Ukrainian Switch to English
Modeling and Information System in Economics

Modeling and Information System in Economics

ISSN 2708-9746
Колєчкіна Людмила Миколаївна  
Liudmyla Koliechkina  
Ващаєв Сергій Сергійович  
Serhii Vashchaiev  
Гречановський А. О.
A. Hrechanovskyi

Нейромережева модель аналізу фінансових показників компанії на прикладі «УХЛ-МАШ»

A neural network model for analysing the companyʼs financial performance on the example of «UHL-MASH»

DOI:

10.33111/mise.104.7

Анотація: У сучасних економічних умовах фінансовий аналіз є важливим інструментом для прийняття управлінських рішень. Стандартні методи аналізу фінансових показників, такі як коефіцієнтний або трендовий аналіз, не завжди здатні враховувати нелінійні звʼязки між даними, що знижує їхню ефективність. У цій статті досліджується використання нейронних мережевих моделей для аналізу фінансових показників компанії. Розроблена модель нейронної мережі продемонструвала високу точність прогнозування фінансових показників «УХЛ-Маш». Її можна використовувати для підтримки прийняття управлінських рішень і прогнозування фінансової стабільності. Використовуючи дані про прибутковість підприємства, ліквідність, рентабельність, оборотність активів тощо, нейромережа може прогнозувати майбутні фінансові результати компанії, оцінювати ризики, виявляти фінансові аномалії або ознаки банкрутства
Abstract: In todayʼs economic environment, financial analysis is an important tool for making management decisions. Standard methods of analysing financial indicators, such as coefficient or trend analysis, are not always able to take into account non-linear relationships between data, which reduces their effectiveness. This paper explores the use of neural network models to analyse a companyʼs financial performance.
Ключові слова: нейронні мережі; фінансовий аналіз; прогнозування; прибутковість; ліквідність; фінансова модель.
Key words: neural networks; financial analysis; forecasting; profitability; liquidity; financial model.
УДК: 519.252
UDC: 519.252
To cite paper
In APA style
Koliechkina, L., Vashchaiev, S., & Hrechanovskyi, A. (2024). A neural network model for analysing the companyʼs financial performance on the example of «UHL-MASH». Modeling and Information System in Economics, 104, 72-82. http://doi.org/10.33111/mise.104.7
In MON style
Колєчкіна Л.М., Ващаєв С.С., Гречановський А.О. Нейромережева модель аналізу фінансових показників компанії на прикладі «УХЛ-МАШ». Моделювання та інформаційні системи в економіці. 2024. № 104. С. 72-82. http://doi.org/10.33111/mise.104.7 (дата звернення: 04.10.2025).
With transliteration
Koliechkina, L., Vashchaiev, S., Hrechanovskyi, A. (2024) Neiromerezheva model analizu finansovykh pokaznykiv kompanii na prykladi «UKhL-MASh» [A neural network model for analysing the companyʼs financial performance on the example of «UHL-MASH»]. Modeling and Information System in Economics, no. 104. pp. 72-82. http://doi.org/10.33111/mise.104.7 [in Ukrainian] (accessed 04 Oct 2025).
# 104 / 2024 # 104 / 2024
Download Paper
81
Views
24
Downloads
0
Cited by

1. Golbayani P. Application of Deep Neural Networks to assess corporate Credit Rating [Електронний ресурс] / P. Golbayani, D. Wang, I. Florescu. — 2020. — Режим доступу до ресурсу: https://arxiv.org/abs/2003.02334.

2. Neufeld A. Earnings Prediction Using Recurrent Neural Networks [Електронний ресурс] / A. Neufeld, J. Sester. — 2024. — Режим доступу до ресурсу: https://arxiv.org/abs/2306.16422.

3. Jiadong T. A hybrid approach of deep learning to forecast financial performance: from unsupervised to supervised [Електронний ресурс] / Teng Jiadong // Systems Science & Control Engineering: An Open Access Journal. — 2024. — Режим доступу до ресурсу: https://www.researchgate.net/ publication/377818079_A_hybrid_approach_of_deep_learning_to_forecast_ financial_performance_from_unsupervised_to_supervised.

4. Мозолевська М.О., Ставицький О.В. Використання нейронних мереж для прогнозування у фінансовій сфері // Вісник НТУУ «КПІ». — 2017.

5. Матвійчук А.В. Моделювання фінансової стійкості підприємств із застосуванням теорій нечіткої логіки, нейронних мереж і дискримінантного аналізу // Вісник НАН України. — 2010. — № 9. — С. 24–46.

6. Гудкевич О.О. Аналіз застосування нейронних мереж у фінансо вій аналітиці // Економічна кібернетика. — 2021.

7. Zhang G., Eddy Patuwo B., Hu M. Forecasting with artificial neural networks // International Journal of Forecasting. — 1998.

8. K. Hornik. Approximation capabilities of multilayer feedforward networks // Neural Networks. — 1991.

9. Hinton G.E., Salakhutdinov R. R. Reducing the dimensionality of data with neural networks // Science. — 2006.

10. LeCun Y., Bengio Y., Hinton G. Deep learning // Nature. — 2015.

11. Інтернет ресурс [Електронний ресурс] — Режим доступу до ре сурсу: https://uhl-mash.com.ua/ua/pro-kompan-yu/.

12. Andriy Matviychuk. Fuzzy logic approach to identification and forecasting of financial time series using Elliott wave theory // Fuzzy economic review. — 2006. — November. — Vol. XI. — Num. 2. — P. 51–68.

13. Матвійчук А.В. Штучний інтелект в економіці: нейронні мережі, нечітка логіка: Монографія. — К.: КНЕУ, 2011. — 439 с.