Риск-радар: прогнозирование кризисов в транспортных корпорациях

Заказчик: Центральный банк Российской Федерации
Проблема:
Не существует инструмента, который бы своевременно и точно показывал, где в крупной транспортной корпорации начинается финансовый кризис. Опасные сигналы теряются в потоке данных. ЦБ и сами компании хотят видеть угрозу до того, как станет поздно.
Ограничения и рекомендации:
— Данные — консолидированная отчётность (ФСБ, МСФО, РСБУ) — в открытом доступе или через партнёрские источники.
— Доступ к внутренним данным компаний ограничен, работа ведётся с общедоступными данными.
— Модели на основе машинного обучения — только интерпретируемые (например, логистическая регрессия, случайный лес), чтобы обеспечить прозрачность для регулятора.
— Рекомендуется использовать Python и библиотеки: pandas, scikit-learn, statsmodels, SHAP (для интерпретации).
— Изучите отчётность РЖД, ГК «Автодор», аэропортовых холдингов, чтобы понять их структуру и специфику.
Требуемые компетенции:
Финансовый анализ и работа с консолидированной отчётностью
Основы машинного обучения (МО) и статистики
Навыки обработки и анализа больших данных (Big Data)
Знание принципов корпоративного управления и риск-менеджмента
Работа в Python / Jupyter / Excel

«Для нас важно не просто видеть, что компания в целом платёжеспособна, а понимать, кто „тянет“ группу, а кто становится скрытым источником риска. Особенно в условиях внешних потрясений. Нам нужны не стандартные коэффициенты, а интеллектуальный инструмент, который покажет, где может начаться цепная реакция».

— Специалист департамента финансовой стабильности Центрального банка РФ.