Научный журнал Байкальского государственного университета
ИЗВЕСТИЯ
Байкальского государственного университета
ISSN 2500-2759 (Print)
Издается с 2002 года
Menu
РусскийEnglish

Информация о статье

Название статьи:

Прогнозирование доходности облигаций федерального займа с использованием машинного обучения при стоимостной оценке бизнеса

Авторы:
Помулев А.А., кандидат экономических наук, доцент кафедры корпоративных финансов и корпоративного управления, https://orcid.org/0000-0002-3189-1534, SPIN-код: 2828-4575, Scopus Author ID: 57218557581, Финансовый университет при Правительстве Российской Федерации, 125167, Российская Федерация, г. Москва, Ленинградский пр-кт, 49/2, me@pomulev.ru
Для цитирования:
Помулев А.А. Прогнозирование доходности облигаций федерального займа с использованием машинного обучения при стоимостной оценке бизнеса / А.А. Помулев. — DOI 10.17150/2500-2759.2026.36(3).352-360. — EDN FCNBOE // Известия Байкальского государственного университета. — 2026. — Т. 36, № 3. — С. 352–360.
В рубрике:
ФИНАНСОВАЯ, НАЛОГОВАЯ И ДЕНЕЖНО-КРЕДИТНАЯ ПОЛИТИКА
Год: 2026 Том: 36 Номер журнала: 3
Страницы: 352-360
Тип статьи: Научная статья
УДК: 336.02(045)
DOI: 10.17150/2500-2759.2026.36(3).352-360; EDN: FCNBOE
Аннотация:
Статья посвящена исследованию вопросов практического применения методов машинного обучения к прогнозированию доходности облигаций федерального займа. Цель исследования - разработка модели для прогнозирования кривой доходности долгосрочных облигаций федерального займа для сценарного анализа ставки дисконтирования в рамках доходного подхода к оценке стоимости бизнеса. Актуальность работы состоит в том, что по результатам исследования автором предложен механизм, облегчающий принятие финансовых решений в условиях неопределенности, что бывает сделать затруднительно из-за сложности обоснования траектории движения доходности облигаций федерального займа при стоимостной оценке бизнеса компаний. Научная новизна состоит в разработке модели прогнозирования кривой бескупонной доходности облигаций федерального займа с использованием машинного обучения. Основными методами являются логические и статистические методы, включая корреляционный анализ, а также машинное обучение, построенное преимущественно на ансамбле деревьев. Полученная модель экстраслучайных деревьев решений (Extra Trees), основанная на ожидаемых значениях индикативной ставки по операциям «процентный своп» на ставку RUONIA (ROISfix), а также курса рубля к доллару и золота, позволяет построить траекторию динамики кривой долгосрочной бескупонной доходности облигаций федерального займа на среднесрочный период. Сделан вывод о достаточно высокой точности разработанной модели и ее пригодности для решения задачи сценарного анализа ставки дисконтирования в рамках доходного подхода к оценке стоимости бизнеса. Статья может быть полезна для оценщиков, работающих в соответствующей области, и для инвесторов.
Ключевые слова: прогнозирование доходности облигаций федерального займа, факторы доходности облигаций федерального займа, стоимость капитала, машинное обучение
Информация о статье: Дата поступления 29 апреля 2026 г. Дата принятия к печати 20 августа 2026 г. Дата онлайн-размещения 31 августа 2026 г.
Скачиваний - 24
География скачиваний
Скачать полный текст статьи
Список цитируемой литературы:
  • Sharpe W.F. Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk / W.F. Sharpe // The Journal of Finance. - 1964. - Vol. 19, no. 3. - P. 425-442.
  • Малмыгин М.В. Возможности оценки долгосрочных энергетических инвестиционных проектов с применением модифицированной модели САРМ / М.В. Малмыгин. - EDN PYEIQR // Российский экономический интернет-журнал. - 2013. - № 1. - С. 13.
  • Меджидов М.Ш. Анализ факторов формирования доходности в долгосрочных облигациях федерального займа / М.Ш. Меджидов. - DOI 10.14451/1.235.344. - EDN JDMGZP // Экономические науки. - 2024. - № 235. - C. 344-356.
  • Меджидов М.Ш. Формирование доходности и стоимости государственных облигаций: классификация факторов и разработка системы моделей их оценки / М.Ш. Меджидов. - DOI 10.17513/vaael.4079. - EDN RINYLF // Вестник Алтайской академии экономики и права. - 2025. - № 4-1. - C. 84-91.
  • Zdánský J. BINSEG: An Efficient Speaker-Based Segmentation Technique / J. Zdánský. - DOI 10.21437/Interspeech.2006-567 // Proceedings of the Ninth International Conference on Spoken Language Processing. Interspeech 2006, Pittsburgh, September 17-21, 2006. - Pittsburgh, 2006. - P. 2182-2185.
  • Machine Learning and the Yield Curve: Tree-Based Macroeconomic Regime Switching / S. Bie, F.X. Diebold, J. He, J. Li. - Philadelphia: Penn Institute for Economic Research, Department of Economics, University of Pennsylvani. - 2024. - No. 24-028. - URL: https://ideas.repec.org/p/pen/papers/24-028.html.
  • Nelson C.R. Parsimonious Modeling of Yield Curves / C.R. Nelson, A.F. Siegel. - DOI 10.1086/296409 // Journal of Business. - 1987. - Vol. 60, no. 4. - P. 473-489.
  • Пеникас Г.И. Прогнозирование кривой доходности в задачах управления активами и пассивами банка / Г.И. Пеникас. - EDN JWYDFB // Прикладная эконометрика. - 2008. - № 4 (12). - С. 3-26.
  • Nagamov D.I. Modeling OFZ Yield Curve Dynamics in 2024-26 Give the Base Case Macroeconomic Forecast of the Central Bank of the Russian Federation, Taking into Account the Parameters of Budget Policy / D.I. Nagamov. - Moscow, 2024. - URL: https://www.hse.ru/edu/vkr/925074439.
  • Макушкин М.С. Моделирование кривой бескупонных доходностей и ее динамики на российском рынке государственных облигаций : дис. … канд. экон. наук : 5.2.4 / М.С. Макушкин. - Москва, 2026. - 155 с.
  • Макушкин М.С. Обработка пропусков в рыночных данных на примере задачи оценки кривой доходностей облигаций / М.С. Макушкин, В.А. Лапшин. - DOI 10.26794/2587-5671-2023-27-6-44-53. - EDN POOOHD // Финансы: теория и практика. - 2023. - Т. 27, № 6. - С. 44-53.
  • Sari M. Modelling of Short Rate (β₂) Parameter Diebold-Li Model Using Vasicek Stochastic Differential Equations / M. Sari, S.R.M. Putri, N. Wahyuningsih // Journal of Physics Conference Series. - 2019. - Vol. 1218, no. 1. - P. 012059.
  • Помулев А.А. Разработка метода прогнозирования стоимости бизнеса публичных компаний в рамках сравнительного подхода с использованием искусственного интеллекта / А.А. Помулев. - DOI 10.26794/2587-5671-2026-30-3-1862-02 // Финансы: теория и практика. - 2026. - T. 30, № 3. - C. 81-97.
  • A New Correlation Coefficient Between Categorical, Ordinal and Interval Variables with Pearson Characteristics / M. Baak, R. Koopman, H. Snoek, S. Klous // Computational Statistics & Data Analysis. - 2020. - Vol. 152, no. 2. - P. 107043.
  • Sinsomboonthong S. Performance Comparison of New Adjusted Min-Max with Decimal Scaling and Statistical Column Normalization Methods for Artificial Neural Network Classification / S. Sinsomboonthong. - DOI 10.1155/2022/3584406 // International Journal of Mathematics and Mathematical Sciences. - 2022. - Vol. 6. - P. 1-9.