ПО ESG
Программное обеспечение для анализа физических и финансовых рисков, создаваемых климатическими изменениями
Искусственный интеллект для оптимизации управленческих решений в целях снижения углеродного следа
Задачи
Формирование нового направления финансового мониторинга и учета ESG рисков при кредитовании промышленных предприятий
- Разработка методов прогноза погодных рисков (засухи, наводнения, лесные пожары и др.) , таяния вечной мерзлоты, изменения уровня мирового океана и температурного режима территорий и их влияния на финансовую стабильность компаний, отраслей экономики и страны в целом в краткосрочной и долгосрочной перспективе.
- Создание автоматизированных алгоритмов построения геологических моделей и оценки углеводородных запасов территорий на основе методов глубинного обучения и корреляционного анализа.
- Исследование сложных взаимосвязей между компаниями и корпорациями, которые позволяют точнее оценить кредитные и инвестиционные риски, устойчивость цепочек поставок, надежность бизнеса и его чувствительность к конъюнктуре рынке.
- Построение эффективных методов машинного обучения и искусственного интеллекта уточняющие имеющие экономические и физические модели на основе доступных наборов данных
- Целью является создание механизма оценки стоимостного влияния физических рисков на cashflow корпоративных клиентов банка, на отрасли экономики в различных временных масшатабах.
- Автоматизация процесса межскважинной корреляции, являющейся основой для оценки запасов углеводорода, на основе глубинного обучения
- Целью данного исследования является уточнение оценки кредитных и инвестиционных рисков компании, а также других факторов, влияющих на надежность бизнеса
- Улучшение качества экономических моделей
1) Составлен каталог физических рисков, наиболее актуальных для территории РФ.
Разработана методика их прогнозирования.
Рассмотрены подходы к оценке экономического ущерба, с целью его дальнейшего прогнозирования.
Сделан прогноз вероятности реализации засухи на примере Белгородской области. Сделан прогноз таяния вечной мерзлоты
2) Проведены эксперименты по определению похожести скважин (интервалов скважин) с помощью классических методов машинного обучения, методов глубокого обучения, и эксперименты по обнаружению аномальных каротажных записей скважин для оценки пласта с помощью искусственного интеллекта.
3) Разработан и реализован алгоритм поиска конечных владельцев на британских данных, написана статья; проведено исследование-эксперимент расчета ESG рейтингов
непубличных организаций, входящих в корпоративную группу Лукойла, на основе рассчитанных конечных владельцев в группе и ESG рейтинга публичных компаний RAEX в рамках отчета по проекту за 2021г.; заключен трехсторонний договор о сотрудничестве с Интерфаксом и ЕУ СПб; развивается коллаборация с ЕУ СПБ в рамках Новой Лиги университетов, написана совместная статья, заключен MOU.
Разработана методика их прогнозирования.
Рассмотрены подходы к оценке экономического ущерба, с целью его дальнейшего прогнозирования.
Сделан прогноз вероятности реализации засухи на примере Белгородской области. Сделан прогноз таяния вечной мерзлоты
2) Проведены эксперименты по определению похожести скважин (интервалов скважин) с помощью классических методов машинного обучения, методов глубокого обучения, и эксперименты по обнаружению аномальных каротажных записей скважин для оценки пласта с помощью искусственного интеллекта.
3) Разработан и реализован алгоритм поиска конечных владельцев на британских данных, написана статья; проведено исследование-эксперимент расчета ESG рейтингов
непубличных организаций, входящих в корпоративную группу Лукойла, на основе рассчитанных конечных владельцев в группе и ESG рейтинга публичных компаний RAEX в рамках отчета по проекту за 2021г.; заключен трехсторонний договор о сотрудничестве с Интерфаксом и ЕУ СПб; развивается коллаборация с ЕУ СПБ в рамках Новой Лиги университетов, написана совместная статья, заключен MOU.
1) Рассмотрены подходы к моделированию вечной мерзлоты
3) Тестирование и улучшение качества алгоритма
4) Разработка моделей и оценка качества разработанных моделей на основе доступных наборов данных
- Прогнозирование основных физических рисков для пилотных регионов РФ
- Построение математической модели расчета физического ущерба от реализации физических рисков
3) Тестирование и улучшение качества алгоритма
4) Разработка моделей и оценка качества разработанных моделей на основе доступных наборов данных
Публикации
Learning over No-Preferred and Preferred Sequence of Items for Robust Recommendation (Extended Abstract)
Aleksandra Burashnikova, Yury Maximov, Marianne Clausel, Charlotte Laclau, Franck Iutzeler, Massih-Reza Amini. IJCAI (2022), accepted
Recommender systems: when memory matters.
Aleksandra Burashnikova, Marianne Clausel, Massih-Reza Amini, Yury Maximov, Nicolas Dante. ECIR (2022), accepted
Rogulina, Alina, Zaytsev, Alexey, Ismailova, Leyla, Kovalev, Dmitry, Katterbauer, Klemens, and Alberto Marsala. Paper presented at the International Petroleum Technology Conference, Riyadh, Saudi Arabia, February 2022.
Romanenkova, Evgenia, Rogulina, Alina, Shakirov, Anuar, Stulov, Nikolay, Zaytsev, Alexey, Ismailova, Leyla, Kovalev, Dmitry, Katterbauer, Klemens, AlShehri, Abdallah. Submitted.
Stulov, Nikolay, Zaytsev, Alexey, Ismailova, Leyla, Kovalev, Dmitry, Katterbauer, Klemens, and Alberto Marsala. Paper presented at the International Petroleum Technology Conference, Riyadh, Saudi Arabia, February 2022.
{\alpha}-Indirect Control in Onion-like Networks
Polovnikov, Kirill, Nikita Pospelov, and Dmitriy Skougarevskiy. arXiv preprint arXiv:2109.07181 (2021).
Команда
Партнеры
Другие проекты