Ученые научились прогнозировать коррупцию с помощью нейронных сетей

Исследователи из Высшей школы экономики (ВШЭ) и Университета Вальядолида разработали нейронную сеть для моделирования и прогнозирования коррупции на основе экономических и политических факторов.
Ученые научились прогнозировать коррупцию с помощью нейронных сетей

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 уникальную базу данных по случаям политической коррупции в Испании. Они разработали модель раннего предупреждения и прогнозирования коррупции в регионах Испании на основе макроэкономических и политических факторов. Данная модель предлагает различные варианты рисков коррупции, в зависимости от экономической ситуации в регионе и времени составления прогноза.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Как вычислить коррупцию с помощью компьютера

Ученые ВШЭ и Университета Вальядолида 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. Результаты исследования опубликованы в журнале Social Indicators Research.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

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. Метод ученых состоит из сложного алгоритма с множеством нелинейных связей, в котором факторы предрасположенности к коррупции меняются во времени.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

«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. Нейронные сети – это мощный и гибкий инструмент моделирования, который не предполагает ограничивающих допущений по процессу создания данных или статистическим законам касательно соответствующих переменных. 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».

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Будущее методики

Поскольку коррупция остается распространенной проблемой во всем мире, ключевым моментом в исследовании является возможность применения модели и предлагаемых мер в других странах. Ученые использовали достаточно распространенные макроэкономические и политические переменные, которые доступны в открытых источниках во многих странах. Поэтому данная модель может применяться в различных регионах. Конечно, ее можно развивать и путем включения других факторов, характерных для определенной страны или региона.

Данный подход представляет интерес как для ученых, так и для органов государственной власти. С научной точки зрения, исследователи предложили инновационный способ для прогнозирования коррупции с помощью нейронных сетей. Этот метод часто используется для прогнозирования финансовых проблем в компаниях и других экономических явлений, но попыток использовать нейронные сети в случае с коррупцией ранее не предпринималось. Таким образом, ученые расширили область применения нейронных сетей. С точки зрения органов государственной власти, предложена модель увеличения эффективности антикоррупционных мер. Поскольку ресурсы по борьбе с коррупцией всегда ограничены, власти могут использовать систему раннего предупреждения коррупции, которая классифицирует каждый регион по коррупционному профилю. Это позволит сконцентрировать усилия и более эффективно внедрять меры профилактики и коррекции. Кроме того, данная модель позволяет прогнозировать коррупцию задолго до ее проявления, что делает возможным введение упреждающих мер. Эта модель может быть особенно полезной в странах с наиболее высоким уровнем коррупции. Власти Европейского Союза выражают озабоченность в связи с распространением коррупции в определенных странах и могут использовать этот подход для ее предотвращения.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Исследование было проведено при финансовой поддержке (Проект ECO2014-56102-P) Министерства экономики и конкурентоспособности Испании. Данная статья также была подготовлена как часть Программы фундаментальных исследований НИУ ВШЭ и получила поддержку в рамках финансирования, полученного ВШЭ на реализацию Программы повышения глобальной конкурентоспособности.