СРАВНИТЕЛЬНАЯ ОЦЕНКА ЭКОНОМЕТРИЧЕСКИХ И МАШИННО-ОБУЧАЕМЫХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ РИСКА МАРЖИН-КОЛЛА НА СПОТОВОМ РЫНКЕ

Рост числа розничных инвесторов и расширение маржинального кредитования на российском спотовом рынке усилили значимость индивидуальной оценки кредитоспособности участников торгов, поскольку действующий нормативно-пороговый контроль обеспечения носит преимущественно реактивный характер и слабо учитывает структуру портфеля и поведение клиента. Целью статьи является сравнительная оценка прогнозной способности эконометрических и машинно-обучаемых моделей применительно к задаче раннего выявления маржин-колла. Научная новизна заключается в построении панельной аналитической витрины «клиент – дата», включающей портфельные, маржинальные, поведенческие, рыночные и институционально-стрессовые признаки российского рынка 2022–2025 гг., а также в эмпирической демонстрации проблемы переносимости моделей между периодами. В качестве методов использованы нормативно-пороговое правило, логистическая регрессия, случайный лес и градиентный бустинг; качество оценивалось по метрикам ROC-AUC, PR-AUC, precision, recall и F1-score при хронологическом разделении выборки. Результаты показали, что ансамблевые модели достигают высокого качества на обучающем периоде (ROC-AUC до 0,99), однако резко теряют прогнозную силу на тестовом периоде 2025 г., тогда как логистическая регрессия сохраняет умеренную, но более устойчивую ранжирующую способность. Практическая значимость состоит в обосновании комбинированного подхода «нормативный контроль плюс интерпретируемый скоринг» для брокерского риск-менеджмента. Перспективы дальнейших исследований связаны с регулярной перекалибровкой порогов, сегментной настройкой моделей и интеграцией прогнозной оценки в надзорную аналитику.