Иванов В.В.доктор экономических наук, профессор, Всероссийская академия внешней торговли Министерства экономического развития Российской Федерации (ВАВТ Минэкономразвития России), Москва, Российская Федерация vivanov13@mail.ru ORCID id: отсутствует SPIN-код: отсутствует
Денисов М.В.аспирант кафедры финансов и валютно-кредитных отношений, Всероссийская академия внешней торговли Министерства экономического развития Российской Федерации (ВАВТ Минэкономразвития России), Москва, Российская Федерация mdenisov@rambler.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет. Адаптированная модель управления, основанная на использовании сквозных технологий в ключевых бизнес-процессах поиска компаний-мишеней и принятии решений о целесообразности реализации сделок слияний и поглощений. Цели. Представить авторскую разработку модели управления сквозными технологиями в трансграничных сделках слияний и поглощений. Методология. Применены эмпирические и логические построения, анализ и синтез, обобщение, формализация, системный подход, графические и табличные способы визуализации. Результаты. Определены тренды применения искусственного интеллекта в основных элементах разработанной модели управления наряду с традиционными способами управления сделками слияний и поглощений. Предложенный системный управленческий интегратор позволяет с помощью алгоритмов машинного обучения и контроллинга бизнес-процессов повысить точность и оперативность принимаемых решений и максимизировать синергии покупателя и компании-мишени после реализации сделки слияний и поглощений, что верифицируется путем математических алгоритмов и разработанных индикаторов использования искусственного интеллекта и больших данных управления бизнес-процессами. Выводы. Модель управления трансграничными сделками слияний и поглощений компаний обусловливает применение сквозных технологий для повышения скорости и качества принятия управленческих решений.
Kiporenko S.S., Yurchuk N.P. Artificial Intelligence in Business: Threats, Benefits, Trends. Colloquium-journal, 2021, no. 17, pp. 83–91. URL: Link
Mishra S., Tripathi A.R. AI Business Model: An Integrative Business Approach. Journal of Innovation and Entrepreneurship, 2021, vol. 10. URL: Link
Chopra R., Sharma G.D. Application of Artificial Intelligence in Stock Market Forecasting: A Critique, Review, and Research Agenda. Journal of Risk and Financial Management, 2021, vol. 14. URL: Link
Устинова О.Е. Искусственный интеллект в менеджменте компаний // Креативная экономика. 2020. Т. 14. № 5. С. 885—904. URL: Link
Черненко В.А., Юрьев С.В. Эффективность сделок M&A на развитых и развивающихся рынках (на примере российского рынка оффлайн-ритейла) // Известия СПбГЭУ. 2019. № 6. С. 12—20. URL: Link
Колосова Д.М., Кузьмин К.А. Сделки слияний и поглощений: роль в социально-экономическом развитии // Экономика и бизнес: теория и практика. 2021. № 12-1. С. 194—197. URL: Link
Нестеренко Н.Ю. Комплексная оценка эффективности слияний и поглощений // Проблемы современной экономики. 2016. № 1. C. 71—75. URL: Link
Костюкова А.С. Анализ факторов, влияющих на сделки слияний и поглощений в России // Экономика и бизнес: теория и практика. 2020. № 4-1. С. 165—170. URL: Link
Reddy K.S. Determinants of Cross-border Mergers and Acquisitions: A Comprehensive Review and Future Direction. MPRA Paper, 2015, vol. 63969, 61 p. URL: Link
Rossi S., Volpin P.F. Cross-Country Determinants of Mergers and Acquisitions. Journal of Financial Economics, 2004, vol. 74, iss. 2, pp. 277–304. URL: Link
Капранова Л.Д., Зазуля Е.О. Особенности развития рынка слияний и поглощений в России // Финансовая аналитика: проблемы и решения. 2014. Т. 7. Вып. 24. С. 23—28. URL: Link
Паштова Л.Г., Маймулов М.С. Эффективность рынка M&A в России: проблемы и перспективы // Финансы: теория и практика. 2020. Т. 24. № 1. С. 76—86. URL: Link
Волкова Т.В., Рахлина Л.В. Инвестиционная активность в России на фоне пандемии COVID-19 // Вестник экономической безопасности. 2022. № 1. С. 250—256. URL: Link
Salmanov O., Babina N., Bashirova S., Samoshkina M. Multiples for Valuation Estimates of Companies in the Technology Sector of Emerging Markets. Asian Social Science, 2015, vol. 11, no. 8, pp. 253–263. URL: Link
Kruglova O., Zubkov S. Methodological Principles of Estimating Efficiency of Merger and Acquisition Processes of Enterprises. Financial and Credit Activity – Problems of Theory and Practice, 2017, vol. 2, pp. 167–174.
Chao M., Zhen J.-Q. Comparative Research on Performance of Cross-Border Mergers and Acquisitions Implemented by State-Owned and Private Enterprises Based on Event Study Model and Fama-French Three Factor Model. Journal of Interdisciplinary Mathematics, 2017, vol. 20, iss. 6-7, pp. 1483–1487. URL: Link
Саханевич Д.Ю. Исследование подходов и методов применения искусственного интеллекта и машинного обучения в социально-экономических процессах // Вестник Омского университета. Серия: Экономика. 2020. Т. 18. № 2. C. 65—79. URL: Link
Партин И.М., Васин А.Д. Влияние стадии жизненного цикла компании на вероятность ее вступления в сделку M&A на развивающихся рынках капитала // Корпоративные финансы. 2014. Т. 8. № 3. С. 23—27. URL: Link
Казаков А.В., Колышкин А.В. Разработка моделей прогнозирования банкротства в современных российских условиях // Вестник Санкт-Петербургского университета. Экономика. 2018. Т. 34. № 2. С. 241—266. URL: Link
Hong X., Lin X., Fang L. et al. Application of Machine Learning Models for Predictions on Cross-Border Merger and Acquisition Decisions with ESG Characteristics from an Ecosystem and Sustainable Development Perspective. Sustainability, 2022, vol. 14, iss. 5, pp. 28–38. URL: Link
Силкина Г.Ю., Алексеева Н.С., Шевченко С.Ю. Сквозные технологии производства и управления: эффекты отраслевого применения и потенциальной синергии // π-Economy. 2022. Т. 15. № 5. С. 43—57. URL: Link
Meador A., Church P.H., Rayburn L. Development of Prediction Models for Horizontal and Vertical Mergers. Journal of Finance and Strategic Decisions, 1996, vol. 9, no. 1, pp. 11–23. URL: Link
Rasmussen C.E. Gaussian Processes in Machine. In: Bousquet O., von Luxburg U., Rätsch G. (eds) Advanced Lectures on Machine Learning. ML 2003. Lecture Notes in Computer Science, vol. 3176. Springer, Berlin, Heidelberg, 2004. URL: Link
Zhou L., Lai K.K. AdaBoost Models for Corporate Bankruptcy Prediction with Missing Data. Computational Economics, 2017, vol. 50, pp. 69–94. URL: Link
Боталова В.В. Теоретические основы слияния и поглощения в России и за рубежом // Российское предпринимательство. 2013. № 10. С. 76—87. URL: Link
