12 февраля состоялся научный семинар НУЛ КФ по теме оценке уровня цифровой трансформации в публичных компаниях

НУЛ КФ

Егор Пашков выступил с докладом на тему "Оценка ключевых направлений цифровой трансформации: Опыт стран БРИКС".

В докладе были представлены результаты исследования, посвящённого цифровой трансформации компаний из стран БРИКС в период с 2021 по 2023 год. В основе анализа лежит метод "мешок слов", который позволяет автоматизировать процесс обработки текстов корпоративной нефинансовой отчётности. Для каждой компании был рассчитан индекс цифровой трансформации с использованием специально составленного перечня ключевых слов, отражающих ключевые технологические направления. Набор данных, собранный из официальных корпоративных веб-сайтов и фондовых бирж, включает 1080 компаний и, несмотря на некоторые ограничения в объеме данных, дает предварительный обзор тенденций цифровой трансформации в странах БРИКС.

В данной работе особое внимание уделяется различиям между странами и секторами экономики. В частности, проведён анализ динамики цифровой трансформации по ключевым направлениям цифровизации. В работе отдельно проанализированы показатели российских компаний в сравнении с другими странами, что позволяет оценить место России в контексте цифрового развития БРИКС в целом.

НУЛ КФ

Выступление Ву Яньфэй было посвящено методологическому переходу от традиционного лексического анализа (Bag-of-Words) к современным парадигмам машинного обучения. Основной акцент был сделан на преодолении «лингвистического потолка» классических методов и минимизации ошибок измерения в финансовых текстах, которые могут приводить к статистическим смещениям в эмпирических моделях.

В рамках доклада была подробно представлена методология Targeted (Seeded) LDA как инструмент извлечения скрытых стратегических структур из больших массивов неструктурированных данных. На примере анализа 13 000 годовых отчетов (10-K) был продемонстрирован полный исследовательский цикл в среде Jupyter Notebook:

1. Информационный фильтр (Funnel Approach): выделение высокосигнальных фрагментов текста с использованием семантических якорей.

2. Автоматизированная дистилляция: применение алгоритма автоматического анализа «чистоты» тем для отделения значимых стратегических сигналов от бухгалтерского и регуляторного шума.

3. Идентификация измерений: декомпозиция общего понятия «цифровая трансформация» на 6 независимых эмпирических измерений.

Результатом выступления стала демонстрация того, как методы машинного обучения позволяют трансформировать качественную информацию в прецизионные панельные переменные, обеспечивая высокую конструктивную валидность для последующего эконометрического анализа.