Научный диалог: экономика и управление Scientific dialogue: economics and management Научный диалог: экономика и управление Scientific dialogue: economics and management 01 01 1900 Чебоксары Центр научного сотрудничества «Интерактив плюс» 1900 © 1900 Taisiia A. Finskaia, Svetlana A. Strekalova © 1900 Финская Т. А., Стрекалова С. А. 1900 Финская Т. А., Стрекалова С. А. Taisiia A. Finskaia, Svetlana A. Strekalova This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0) Это произведение доступно по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) 586902 Искусственный интеллект и машинное обучение в автоматизации процессов закрытия периода и подготовки отчетности Iskusstvennyi intellekt i mashinnoe obuchenie v avtomatizatsii protsessov zakrytiia perioda i podgotovki otchetnosti Финская Таисия Андреевна Finskaia Taisiia Andreevna finskaytay@gmail.com Стрекалова Светлана Александровна Strekalova Svetlana Aleksandrovna Strekalova.S.A@yandex.ru ФГБОУ ВО «Сибирский государственный индустриальный университет» Россия FGBOU VO "Sibirskii gosudarstvennyi industrial'nyi universitet" Russia

исследование посвящено разработке алгоритма машинного обучения для автоматизации проверки финансовых данных при закрытии отчетного периода. Актуальность работы обусловлена высокой трудоемкостью и ошибками ручных методов, а также ростом объемов данных и ужесточением регуляторных требований. В качестве решения предлагается ансамблевый алгоритм на основе искусственного интеллекта, способный выявлять аномалии в финансовой отчетности. Экспериментальная апробация показала сокращение времени проверки на 30% при одновременном повышении точности детекции ошибок. Результаты демонстрируют практическую применимость подхода для трансформации процессов финансового контроля и создания интеллектуальных систем отчетности.

 финансовый контроль интеллектуальные системы машинное обучение искусственный интеллект (ИИ) Автоматизация финансовой отчетности закрытие отчетного периода ансамблевый алгоритм детекция аномалий сокращение сроков проверки References Коровин А.М. Интеллектуальные системы / А.М. Коровин. – Челябинск: Издательский центр ЮУрГУ, 2015. – 60 с. EDN CEOPTD Коровин А. М. Интеллектуальные системы CEOPTD Челябинск Издательский центр ЮУрГУ Апсилям Н.М., Шамсудинова Л.Р. Искусственный интеллект в финансовой аналитике: от прогнозирования рынков до автоматизации инвестиций / Н.М. Апсилям, Л.Р. Шамсудинова // Innovations in Science and Technologies. – 2024. – №6. – С. 217–221. Апсилям Н. М. Шамсудинова Л. Р. Искусственный интеллект в финансовой аналитике: от прогнозирования рынков до автоматизации инвестиций Innovations in Science and Technologies 2024 6 217 221 Попов В.В. Применение искусственного интеллекта и больших данных в практике российских организаций / В.В. Попов // Прикладная статистика и искусственный интеллект. – 2024. – №4. – С. 1–14. Попов В. В. Применение искусственного интеллекта и больших данных в практике российских организаций Прикладная статистика и искусственный интеллект 2024 4 1 14 Гильмуллин Т.М., Гильмуллин М.Ф. Быстрый поиск аномалий в числовых рядах при помощи модифицированного метода Хампеля / Т.М. Гильмуллин , М.Ф. Гильмуллин // Моделирование, оптимизация и информационные технологии. – 2023. – №4. – С. 1–11. Гильмуллин Т. М. Гильмуллин М. Ф. Быстрый поиск аномалий в числовых рядах при помощи модифицированного метода Хампеля Моделирование, оптимизация и информационные технологии 2023 4 1 11 Дунашов Д.А. Аналитическая система диагностики финансового состояния предприятия audit expert. Общая характеристика, достоинства и недостатки / Д.А. Дунашов // Вестник ГГУ. – 2024. – №2. – С. 609–613. Дунашов Д. А. Аналитическая система диагностики финансового состояния предприятия audit expert. Общая характеристика, достоинства и недостатки Вестник ГГУ 2024 2 609 613 Кузнецова Н.А. Разработка методики применения статистических методов и алгоритмов машинного обучения для выявления признаков мошенничества и искажений в бухгалтерской и финансовой отчетности экономических субъектов / Н.А. Кузнецова // Вестник Евразийской науки. – 2025. – №4. – С. 1–12. Кузнецова Н. А. Разработка методики применения статистических методов и алгоритмов машинного обучения для выявления признаков мошенничества и искажений в бухгалтерской и финансовой отчетности экономических субъектов Вестник Евразийской науки 2025 4 1 12 Ниязбекова Ш.У., Иванова О.С. Развитие fintech и big data в финансовой сфере: особенности, проблемы, возможности / Ш.У. Ниязбекова, О.С. Иванова // Вестник Московского университета имени С.Ю. Витте. Серия 1. Экономика и управление. – 2020. – №1. – С. 30–36. DOI 10.21777/2587-554X-2020-1-30-36. EDN EUFCHQ Ниязбекова Ш. У. Иванова О. С. Развитие fintech и big data в финансовой сфере: особенности, проблемы, возможности Вестник Московского университета имени С 2020 1 30 36 10.21777/2587-554X-2020-1-30-36 EUFCHQ Рязанова А.А. Особенности применения искусственного интеллекта в сфере финансовых услуг: опыт ЕС / А.А. Рязанова // Современная наука: актуальные проблемы теории и практики. Серия: Экономика и Право. – 2023. – №1. – С. 75–79. DOI 10.37882/2223-2974.2023.01.28. EDN JPIYOG Рязанова А. А. Особенности применения искусственного интеллекта в сфере финансовых услуг: опыт ЕС Современная наука: актуальные проблемы теории и практики 2023 1 75 79 10.37882/2223-2974.2023.01.28 JPIYOG Васильев С.А. Банки, финансовые платформы и Big Data: тенденции развития и направления регулирования / С.А. Васильев, И.А. Никонова, О.С. Мирошниченко // Финансовый журнал. – 2022. – №5. – С. 105–119. DOI 10.31107/2075-1990-2022-5-105-119. EDN JCPIWY Васильев С. А. Никонова И. А. Мирошниченко О. С. Банки, финансовые платформы и Big Data: тенденции развития и направления регулирования Финансовый журнал 2022 5 105 119 10.31107/2075-1990-2022-5-105-119 JCPIWY Ермоленко Т. В., Применение машинного обучения в прогнозировании фондового рынка / Т.В. Ермоленко, Д.В. Попадин, В.Н. Котенко // Проблемы искусственного интеллекта. – 2023. – №2. – С. 16–20. EDN AJMQXD Ермоленко Т. В. Попадин Д. В. Котенко В. Н. Применение машинного обучения в прогнозировании фондового рынка Проблемы искусственного интеллекта 2023 2 16 20 AJMQXD Бекетнова Ю.М. Сравнительный анализ методов машинного обучения при идентификации признаков вовлеченности кредитных организаций и их клиентов в сомнительные операции / Ю.М. Бекетнова // Финансы: теория и практика. – 2021. – №5. – С. 186–199. DOI 10.26794/2587-5671-2020-25-5-186-199. EDN CKKSLH Бекетнова Ю. М. Сравнительный анализ методов машинного обучения при идентификации признаков вовлеченности кредитных организаций и их клиентов в сомнительные операции Финансы: теория и практика 2021 5 186 199 10.26794/2587-5671-2020-25-5-186-199 CKKSLH