Ученые разработали нейронную сеть для моделирования и прогнозирования коррупции на основе экономических и политических факторов. Результаты исследования сотрудников Высшей школы экономики (ВШЭ) и Университета Вальядолида опубликованы в журнале Social Indicators Research. Коррупцию необходимо обнаруживать на как можно более ранних стадиях. Авторы нового исследования использовали уникальную базу данных по случаям политической коррупции в Испании. Они разработали модель, целью которой стало заранее предупредить и спрогнозировать коррупцию в регионах Испании на основе макроэкономических и политических факторов. Эта модель предлагает различные варианты рисков коррупции, в зависимости от экономической ситуации в регионе и времени составления прогноза. 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. 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 Феликс Лопес-Итурриага, один из авторов исследования, ведущий научный сотрудник 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». Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.