В статье рассматривается использование текстовых данных
(описание компании) для присвоения справедливой рыночной капитализации предприятия. Применение простой репрезентации документа – мешка слов (bag of words) вкупе с использованием градиентного бустинга на основе деревьев решений (GBDT) позволяет систематически формировать качественную оценку рыночной капитализации для корпораций тестового множества. Тестовый рквадрат для компаний NYSE и NASDAQ достигает 55.87%, а средняя
абсолютная процентная ошибка прогноза всего 9.58%. Таким образом,
текстовые данные обладают большим потенциалом для оценки бизнеса.