Библиографическое описание:ПРОГНОЗИРОВАНИЕ ОСВОЕНИЯ ИНВЕСТИЦИОННОГО БЮДЖЕТА В ЗОЛОТОДОБЫВАЮЩЕЙ ОТРАСЛИ НА ОСНОВЕ КЛАСТЕРИЗАЦИИ И СЦЕНАРНОГО АНАЛИЗА : доклад, тезисы доклада / А. И. Хантимирова. - [Б. м. : б. и.], 2026. - Текст : непосредственный // Экономика и управление: адаптация к новым реалиям : Материалы международной научно-практической конференции. - Саратов, 2026. - С. 92-104.
Аннотация:Статья посвящена разработке комплексной модели сценарного прогнозирования инвестиционного бюджета для золотодобывающих предприятий, сочетающей кластерный анализ и машинное обучение. В условиях высокой волатильности традиционные методы бюджетирования дают значительные отклонения факта от плана (15-25%), тогда как предлагаемый подход интегрирует алгоритм K-means и SAP IBP для повышения точности управления CAPEX. На данных компании (2022-2024 гг.) идентифицированы три типовых сценария освоения бюджета и ключевые драйверы отклонений, такие как курс валют и простои производства. Практическая реализация модели позволяет автоматизировать корректировку лимитов, сокращая среднее отклонение до 7-10%, что подтверждает эффективность комбинированного подхода для капиталоёмких отраслей.
This article explores the development of a comprehensive scenario-based investment budget forecasting model for gold mining companies, combining cluster analysis and machine learning. In highly volatile environments, traditional budgeting methods yield significant deviations from planned budgets (15-25%). The proposed approach integrates the K-means algorithm and SAP IBP to improve the accuracy of CAPEX management. Using data company (2022-2024), three typical budget implementation scenarios and key deviation drivers, such as exchange rates and production downtime, are identified. Practical implementation of the model enables automated limit adjustments, reducing the average deviation to 7-10%, confirming the effectiveness of the combined approach for capital-intensive industries.
