Розробка модуля для автоматизованого аналізу фінансових звітів компаній з використанням машинного навчання

Abstract

Зростаючі обсяги фінансових даних та їх складність вимагають більш ефективних інструментів для їх обробки та аналізу. Традиційні методи фінансового аналізу часто вимагають значного часу та ресурсів, що може обмежувати оперативність прийняття рішень, а машинне навчання надає можливості для автоматизації та оптимізації процесів аналізу, підвищуючи точність та швидкість обробки інформації. Мета кваліфікаційної магістерської роботи полягає у розробці та вдосконаленню методів автоматизованого аналізу фінансових звітів на основі алгоритмів машинного навчання. У цьому контексті особливу увагу приділяється методам глибокого навчання та нейронним мережам, що сприяють автоматизації процесу аналізу фінансових звітів та їх подальшої інтерпретації. Для досягнення поставленої мети та задач дослідження були використані такі методи дослідження: численні методи, зокрема аналіз великих даних, машинне навчання, обробка природної мови, комп'ютерний зір, статистичний аналіз, експериментальний дизайн, крос-валідація та глибоке навчання. Інформаційною базою кваліфікаційної магістерської роботи є дані, зібрані з різноманітних джерел: фінансові звіти, наукові публікації, технічні документи, результати експериментів та датасети для тренування та тестування моделей машинного навчання. Основний науковий результат кваліфікаційної магістерської роботи полягає у використанні міждисциплінарного підходу у поєднанні теорій та методів з різних наукових областей, що сприяє глибшому розумінню та оптимізації процесів автоматизованої генерації тексту. Це відкриває нові перспективи для подальших досліджень та застосувань у промисловості та академічних колах.

The growing volume of financial data and its complexity require more efficient tools for processing and analysing it. Traditional methods of financial analysis often require considerable time and resources, which can limit the speed of decision-making, and machine learning provides opportunities to automate and optimise analysis processes, increasing the accuracy and speed of information processing. The purpose of the master's thesis is to develop and improve methods for automated analysis of financial statements based on machine learning algorithms. In this context, special attention is paid to deep learning methods and neural networks that help automate the process of analysing financial statements and their subsequent interpretation. The following research methods were used to achieve the research goal and objectives: numerous methods, including big data analysis, machine learning, natural language processing, computer vision, statistical analysis, experimental design, cross-validation and deep learning. The information base of the qualifying master's thesis is data collected from a variety of sources: financial reports, scientific publications, technical documents, experimental results, and datasets for training and testing machine learning models. The main scientific result of the master's thesis is the use of an interdisciplinary approach in combining theories and methods from various scientific fields, which contributes to a deeper understanding and optimisation of automated text generation processes. This opens up new perspectives for further research and applications in industry and academia.