Все новости

Российские экономисты научились прогнозировать коррупцию с помощью нейросетей

Исследователи из Высшей школы экономики (ВШЭ) и Университета Вальядолида разработали нейронную сеть для моделирования и прогнозирования коррупции на основе данных о коррупции в Испании.

Ученые сходятся во мнении, что коррупцию необходимо обнаруживать на как можно более ранних стадиях, чтобы принимать своевременные меры по корректировке и профилактике. Поскольку общественные ресурсы по борьбе с коррупцией ограничены, необходимо сосредотачивать усилия в тех областях, которые с наибольшей вероятностью могут быть затронуты коррупцией.

Исследователи использовали базу данных по случаям политической коррупции в Испании. Они использовали самоорганизующиеся карты на основе нейронных сетей для предсказания случаев коррупции на разных горизонтах прогнозирования. Самоорганизующиеся карты — это вид искусственных нейронных сетей, которые имитируют функции мозга. Такие карты могут выделять повторяющиеся шаблоны из больших объемов информации без четко выраженного понимания стоящих за ними связей. Они преобразуют нелинейные отношения среди многомерных данных в простые геометрические связи. Благодаря таким возможностям самоорганизующиеся карты — это удобный инструмент для выявления шаблонов и получения графического представления больших объемов данных. Поэтому они могут стать и хорошим способом прогнозирования коррупции, говорится в сообщении пресс-службы Высшей школы экономики.

Разработанная учеными модель предлагает различные варианты рисков коррупции, в зависимости от экономической ситуации в регионе и времени составления прогноза.

Согласно результатам исследования, для прогнозирования коррупции можно использовать экономические факторы. Ученые выявили, что коррупцию могут стимулировать изменение налога на недвижимость, рост экономики, повышение цен на жилье, а также увеличение количества депозитных учреждений и нефинансовых фирм.

Также выяснилось, что к росту коррупции ведет слишком долгое нахождение у власти одной и той же партии. Исследователи могут предсказать появление случаев коррупции на период до трех лет в зависимости от характеристик конкретного региона. В то время как в некоторых регионах коррупцию можно предсказать задолго до ее появления и принять профилактические меры, в других случаях период прогнозирования гораздо меньше и требуются срочные политические меры по ее ликвидации.

«Мы разработали новый подход, имеющий три характерных признака. Во-первых, в отличие от предыдущих исследований, которые в основном базируются на восприятии коррупции, мы использовали данные по реальным случаям коррупции, — рассказывает один из авторов исследования, Феликс Дж. Лопес-Итурриага, ведущий научный сотрудник Международной лаборатории экономики нематериальных активов НИУ ВШЭ. — Во-вторых, мы использовали нейронные сети, а этот метод хорошо подходит в данном случае, поскольку он не делает предположений о распределении данных… В-третьих, мы предлагаем прогноз случаев коррупции для разных временных горизонтов, чтобы можно было разрабатывать антикоррупционные меры в зависимости от того, насколько быстро может появиться коррупция. Наша модель позволяет разрабатывать схемы появления коррупции для разных горизонтов прогнозирования».

Ключевым моментом в исследовании является возможность применения модели и предлагаемых мер в других странах, так как коррупция — общемировая проблема. Ученые использовали достаточно распространенные макроэкономические и политические переменные, которые доступны в открытых источниках во многих странах, так что данная модель может применяться в различных регионах и ее можно развивать и приспосабливать к конкретному региону.

По словам ученых, подобные методы прогнозирования на основе нейронных сетей ранее применялись для прогнозирования финансовых проблем, но для прогноза коррупции — впервые. Таким образом, ученые расширили область применения нейронных сетей.

Модель может быть полезна для органов государственной власти, так как позволит концентрировать усилия и более эффективно внедрять антикоррупционные меры.

Результаты исследования опубликованы в журнале Social Indicators Research.

Ранее ученые выяснили, что росту коррупции может помешать распространение Facebook.