Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/31876
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Воеводин Дмитрий Юрьевич | ru_RU |
dc.contributor.advisor | Voevodin Dmitrij Urevic | en_GB |
dc.contributor.author | Ребрина Вероника Олеговна | ru_RU |
dc.contributor.author | Rebrina Veronika Olegovna | en_GB |
dc.contributor.editor | Забоев Михаил Валерьевич | ru_RU |
dc.contributor.editor | Zaboev Mihail Valerevic | en_GB |
dc.date.accessioned | 2021-08-01T11:52:08Z | - |
dc.date.available | 2021-08-01T11:52:08Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 073963 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/31876 | - |
dc.description.abstract | Предмет. Рыночная стоимость высокотехнологичных компаний, а также инвестиционные риски, которые присущи компаниям с высоким потенциалом роста акций. Цель. Проведение анализа методов оценки стоимости компаний высокотехнологичного сектора, разработка алгоритма оценки с использованием как основных подходов, так и интеллектуальных методов анализа данных. Методология. В поисках точных оценок, важных для инвесторов, находим, что некоторые устоявшиеся принципы работают очень хорошо даже для оценки стоимости быстрорастущих компаний, таких как стартапы в сфере технологий. Тем не менее, в современных условиях глобализации и высокой степени неопределенности как рыночной, так и внутренней среды компании, полагаться лишь на классические методы к оценке стоимости не стоит. В поисках правильного подхода обратим свое внимание на хорошие и эффективные системы прогнозирования стоимости акций технологических компаний – нейросетевое моделирование, и адаптивные сети на основе системы нечеткого вывода. В рамках данной работы представлен разработанный алгоритм (последовательность) расчета оценки стоимости высокотехнологичных компаний на примере Uber, который включает в себя следующие ключевые параметры: 1) будущие денежные потоки от основной деятельности, которые дисконтируются по ставке средневзвешенного капитала; 2) нейросетевая модель прогноза стоимости акций компании; 3) моделирование данных с помощью алгоритма нечеткого вывода Сугено. Результаты. Результатом работы являются алгоритм, собравший воедино разные подходы к оценке. Для того, чтобы ивестору облегчить принятие инвестиционных решений, и у него получилось выработать определенную стратегию к выбору срока вложения денежных средств - краткосрочный, среднесрочный или долгосрочный период, использованы разные методы определения цены акции, которые могут помочь ему в принятии верного решения. Выводы. Исторические, эмпирические и статистические данные позволили сделать глубинный анализ практически полезных и доступных интерпретации знаний, которые нашли свое применение в данном алгоритме оценки. В работе подтверждена возможность его практического использования для высокотехнологичных компаний в рамках выбора срока инвестирования: краткосрочные, среднесрочные или долгосрочные вложения. | ru_RU |
dc.description.abstract | Subject. The market value of high-tech companies, and the investment risks that are inherent for companies with high stock growth potential. Purpose. Analysis of methods for assessing the value of companies in the high-tech sector, development of an assessment algorithm using basic approaches and intelligent data analysis methods. Methodology. Looking for accurate valuations important to investors, we find that some well-established principles work very well even for valuing fast-growing companies, such as technology startups. Nevertheless, in the current conditions of globalization and a high degree of uncertainty the market and the internal environment of the company, one shouldn't rely only on classical methods for assessing value. In search of the right approach, we turn our attention to good and effective systems for forecasting the value of shares of technology companies - neural network modeling, and adaptive networks based on a fuzzy inference system. In the framework of this work is presented developed algorithm (sequence) for calculating the cost estimates of high-tech companies, using Uber as an example, which includes the following key parameters: 1) future cash flows from core activities, which are discounted at the rate of weighted average capital; 2) a neural network model for predicting the value of shares of the company; 3) data modeling using the Sugeno fuzzy inference algorithm. Results. The result of the work is the algorithm, that brings together different approaches to assessment. In order to make it easier for the investor to make investment decisions, and he managed to work out a certain strategy for choosing the term for investing funds - short, medium and long term, were used different methods of determining the price of the stock, which can help him in making the right decision. Findings. Historical, empirical and statistical data allowed us to make an in-depth analysis of practically useful and accessible interpretations of knowledge, that have found their application in this assessment algorithm. The work confirms the possibility of its practical use for high-tech companies within the framework of choice of the investment term: short-term, medium-term or long-term investments. | en_GB |
dc.language.iso | ru | |
dc.subject | высокотехнологичные компании | ru_RU |
dc.subject | шеринговая экономика | ru_RU |
dc.subject | каршеринг и райдшеринг | ru_RU |
dc.subject | Uber | ru_RU |
dc.subject | интеллектуальный анализ данных | ru_RU |
dc.subject | метод дисконтированных денежных потоков | ru_RU |
dc.subject | нейросетевое моделирование | ru_RU |
dc.subject | нечеткие множества | ru_RU |
dc.subject | алгоритм Сугено | ru_RU |
dc.subject | система нечеткого вывода | ru_RU |
dc.subject | high-tech companies | en_GB |
dc.subject | sharing economy | en_GB |
dc.subject | car sharing and ride sharing | en_GB |
dc.subject | Uber | en_GB |
dc.subject | data mining | en_GB |
dc.subject | discounted cash flow method | en_GB |
dc.subject | neural network modeling | en_GB |
dc.subject | fuzzy sets | en_GB |
dc.subject | Sugeno algorithm | en_GB |
dc.subject | fuzzy inference system | en_GB |
dc.title | The use of data mining methods to assess the value of high-tech companies on the example of Uber | en_GB |
dc.title.alternative | Применение методов интеллектуального анализа данных для оценки стоимости высокотехнологичных компаний на примере Uber | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
diplom_Rebrina_V.O.pdf | Article | 3,6 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_naucnogo_rukovoditela_Curikova.pdf | ReviewSV | 241,1 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.