MODELING AND FORECASTING OF ENTERPRISE ECONOMIC INDICATORS IN INFORMATION AND ANALYTICAL RESEARCH
Abstract
Modern conditions of enterprise functioning are characterized by increasing economic uncertainty, intensifying financial risks, and accelerating digital transformation of business processes, which leads to higher requirements for the quality of analytical support for managerial decision-making. At the same time, traditional approaches to evaluating and forecasting financial and economic indicators do not always ensure sufficient adaptability and accuracy in an unstable external environment. The purpose of this study is to develop and test an information and analytical toolkit for forecasting enterprise economic indicators based on a combination of structural analysis methods, economic and mathematical modeling, and digital data processing. The research employs methods of horizontal and vertical analysis of financial statements, index and structural analysis, polynomial approximation of time series with minimization of mean square deviation, graphical verification of results, and elements of information and analytical modeling. The information base includes statistical data on the activities of Ukrainian enterprises for 2013–2024 and financial statements of the agricultural enterprise “Urozhai” for 2018–2024. The analysis revealed a tendency toward an increase in the share of current and highly liquid assets accompanied by a reduction in the investment component, reflecting enterprises’ adaptation to crisis conditions. The developed polynomial model provided an adequate representation of the dynamics of the studied indicators and enabled forecasting their changes for 2025–2027 with a sufficient level of accuracy. The applicability of the proposed approach for supporting financial planning, budgeting, and strategic management processes is substantiated. The practical significance of the study lies in the possibility of implementing the developed toolkit in enterprise management systems to improve the justification and transparency of managerial decisions, optimize financial planning and budgeting processes, strengthen financial stability, and enhance the efficiency of economic resource utilization under conditions of economic uncertainty and digital transformation.
References
Тетер Н., Лега О. Прогнозна аналітика на основі штучного інтелекту як інструмент передбачення KPI та підвищення ефективності стратегічного планування. Цифрова економіка та економічна безпека. 2025. № 4. С. 454–460. DOI: https://doi.org/10.32782/dees.19-65
Barabash O., Makarchuk A., Open’ko P., Korotin S. Application of SVM, FFNNs, k-NN and their ensembles for identifying functionally reliable systems. Axioms. 2025. Vol. 14. № 4. Art. 237. DOI: https://doi.org/10.3390/axioms14040237
Лега О. В., Макарчук А. В. Підвищення точності оцінювання показника функціональної стійкості інформаційних систем у цифровій економіці за допомогою ансамблевих моделей машинного навчання. Наукові записки Львівського університету бізнесу та права. 2025. № 47. С. 104–112. URL: https://nzlubp.org.ua/index.php/journal/article/view/1833 (дата звернення: 02.02.2026).
Барабаш О., Макарчук А. Розроблення нового показника функціональної стійкості та його оцінювання за допомогою багатовимірної поліноміальної регресії. Сучасні інформаційні технології. 2024. № 1 (3). С. 59–65. DOI: https://doi.org/10.17721/AIT.2024.1.06
Binz O., Schipper K., Standridge K. R. Estimating profitability decomposition frameworks via machine learning: Implications for earnings forecasting and financial statement analysis. Journal of Accounting and Economics. 2025. Vol. 80. № 2–3. Art. 101805. DOI: https://doi.org/10.1016/j.jacceco.2025.101805
Rahman M. J., Zhu H. Predicting financial distress using machine learning approaches: Evidence China. Journal of Contemporary Accounting & Economics. 2024. Vol. 20. № 1. Art. 100403. DOI: https://doi.org/10.1016/j.jcae.2024.100403
Giantsidi S., Tarantola C. Deep learning for financial forecasting: A review of recent trends. International Review of Economics & Finance. 2025. Vol. 104. Art. 104719. DOI: https://doi.org/10.1016/j.iref.2025.104719
Abrahamsen N.-G. B., Nylén-Forthun E., Møller M., de Lange P. E., Risstad M. Financial distress prediction in the Nordics: Early warnings from machine learning models. Journal of Risk and Financial Management. 2024. Vol. 17. № 10. Art. 432. DOI: https://doi.org/10.3390/jrfm17100432
Alaskar T. H. Innovation capabilities as a mediator between business analytics and firm performance. Sustainability. 2023. Vol. 15. № 6. Art. 5522. DOI: https://doi.org/10.3390/su15065522
Hsu W.-L., Lin Y.-L., Lai J.-P., Liu Y.-H., Pai P.-F. Forecasting corporate financial performance using deep learning with environmental, social, and governance data. Electronics. 2025. Vol. 14. № 3. Art. 417. DOI: https://doi.org/10.3390/electronics14030417
Крамськой Д. Ю., Сусліков С. В., Крамськой О. Ю. Значення економіко-математичного моделювання та інформаційних систем для розвитку бізнесу в умовах діджиталізації економіки. Енергозбереження. Енергетика. Енергоаудит. 2025. № 6 (209). С. 42–58. DOI: https://doi.org/10.20998/2313-8890.2025.06.04
Крамськой Д., Глізнуца М., Соболь Р., Крамськой О. Інформаційні системи як інструмент ефективного управління проєктами в цифровій економіці. Вісник Національного технічного університету «Харківський політехнічний інститут» (економічні науки). 2025. № 3. С. 54–60. URL: http://es.khpi.edu.ua/article/view/339001 (дата звернення: 02.02.2026).
Лупак Р. Л., Савка Є. В., Хохонь Д. В. Щодо методико-прикладного інструментарію аналізу економічної безпеки підприємств роздрібної торгівлі. Вісник ЛТЕУ. Економічні науки. 2025. № 83. DOI: https://doi.org/10.32782/2522-1205-2025-83-02
Харченко Е. Роль аналітико-інструментальних засобів у прогнозуванні розвитку підприємства в умовах зростаючої цифровізації. Економіка та суспільство. 2025. № 72. DOI: https://doi.org/10.32782/2524-0072/2025-72-35
Баланс підприємств. Діяльність підприємств. Державна служба статистики України. URL: https://stat.gov.ua/uk/publications/balans-pidpryyemstv-richna (дата звернення: 02.02.2026).
Teter, N., & Leha, O. (2025). Prohnozna analityka na osnovi shtuchnoho intelektu yak instrument peredbachennia KPI ta pidvyshchennia efektyvnosti stratehichnoho planuvannia [AI-based predictive analytics for KPI forecasting and strategic planning efficiency]. Tsyfrova ekonomika ta ekonomichna bezpeka, no. 4, pp. 454–460. DOI: https://doi.org/10.32782/dees.19-65 (in Ukrainian)
Barabash, O., Makarchuk, A., Open’ko, P., & Korotin, S. (2025). Application of SVM, FFNNs, k-NN and their ensembles for identifying functionally reliable systems. Axioms, vol. 14, no. 4, art. 237. DOI: https://doi.org/10.3390/axioms14040237
Leha, O. V., & Makarchuk, A. V. (2025). Pidvyshchennia tochnosti otsiniuvannia pokaznyka funktsionalnoi stiikosti informatsiinykh system za dopomohoiu ansamblevykh modelei mashynnoho navchannia [Improving accuracy of functional stability assessment using ensemble machine learning models]. Naukovi zapysky Lvivskoho universytetu biznesu ta prava, no. 47, pp. 104–112. Available at: https://nzlubp.org.ua/index.php/journal/article/view/1833 (in Ukrainian)
Barabash, O., & Makarchuk, A. (2024). Rozroblennia novoho pokaznyka funktsionalnoi stiikosti ta yoho otsiniuvannia za dopomohoiu bahatovymirnoi polinomialnoi rehresii [Development of a new functional stability indicator using multidimensional polynomial regression]. Suchasni informatsiini tekhnolohii, no. 1 (3), pp. 59–65. DOI: https://doi.org/10.17721/AIT.2024.1.06 (in Ukrainian)
Binz, O., Schipper, K., & Standridge, K. R. (2025). Estimating profitability decomposition frameworks via machine learning: Implications for earnings forecasting and financial statement analysis. Journal of Accounting and Economics, vol. 80, iss. 2–3, art. 101805. DOI: https://doi.org/10.1016/j.jacceco.2025.101805
Rahman, M. J., & Zhu, H. (2024). Predicting financial distress using machine learning approaches: Evidence China. Journal of Contemporary Accounting & Economics, vol. 20, iss. 1, art. 100403. DOI: https://doi.org/10.1016/j.jcae.2024.100403
Giantsidi, S., & Tarantola, C. (2025). Deep learning for financial forecasting: A review of recent trends. International Review of Economics & Finance, vol. 104, art. 104719. DOI: https://doi.org/10.1016/j.iref.2025.104719
Abrahamsen, N.-G. B., Nylén-Forthun, E., Møller, M., de Lange, P. E., & Risstad, M. (2024). Financial distress prediction in the Nordics: Early warnings from machine learning models. Journal of Risk and Financial Management, vol. 17, is. 10, art. 432. DOI: https://doi.org/10.3390/jrfm17100432
Alaskar, T. H. (2023). Innovation capabilities as a mediator between business analytics and firm performance. Sustainability, vol. 15, is. 6, art. 5522. DOI: https://doi.org/10.3390/su15065522
Hsu, W.-L., Lin, Y.-L., Lai, J.-P., Liu, Y.-H., & Pai, P.-F. (2025). Forecasting corporate financial performance using deep learning with environmental, social, and governance data. Electronics, vol. 14, is. 3, art. 417. DOI: https://doi.org/10.3390/electronics14030417
Kramskoi, D. Yu., Suslikov, S. V., & Kramskoi, O. Yu. (2025). Znachennia ekonomiko-matematychnoho modeliuvannia ta informatsiinykh system dlia rozvytku biznesu v umovakh didzhytalizatsii ekonomiky [The role of economic-mathematical modeling and information systems in business development under digitalization]. Enerhozberezhennia. Enerhetyka. Enerhoaudyt, no. 6 (209), pp. 42–58. DOI: https://doi.org/10.20998/2313-8890.2025.06.04 (in Ukrainian)
Kramskoi, D., Hliznutsa, M., Sobol, R., & Kramskoi, O. (2025). Informatsiini systemy yak instrument efektyvnoho upravlinnia proiektamy v tsyfrovii ekonomitsi [Information systems as a tool for effective project management in the digital economy]. Visnyk NTU “KhPI” (Economic Sciences), no. 3, pp. 54–60. Available at: http://es.khpi.edu.ua/article/view/339001 (in Ukrainian)
Lupak, R. L., Savka, Ye. V., & Khokhon, D. V. (2025). Shchodo metodyko-prykladnoho instrumentariiu analizu ekonomichnoi bezpeky pidpryiemstv rozdribnoi torhivli [Methodological tools for analyzing economic security of retail enterprises]. Visnyk LTEU. Ekonomichni nauky, no. 83. DOI: https://doi.org/10.32782/2522-1205-2025-83-02 (in Ukrainian)
Kharchenko, E. (2025). Rol analityko-instrumentalnykh zasobiv u prohnozuvanni rozvytku pidpryiemstva v umovakh zrostaiuchoi tsyfrovizatsii [Role of analytical tools in enterprise development forecasting under digitalization]. Ekonomika ta suspilstvo, no. 72. DOI: https://doi.org/10.32782/2524-0072/2025-72-35 (in Ukrainian)
State Statistics Service of Ukraine. (n.d.). Balans pidpryiemstv. Diialnist pidpryiemstv [Balance sheets of enterprises. Enterprise activity]. Available at: https://stat.gov.ua/uk/publications/balans-pidpryyemstv-richna (in Ukrainian)
