Предмет. Инвестиционная деятельность и процессы принятия управленческих решений в высокотехнологичном сегменте электронной коммерции. Цели. Комплексное развитие и модернизация качественных и количественных методов обоснования инвестиционных проектов в электронной коммерции с учетом специфики цифровой среды и высокой волатильности рынков. Методология. Применены методы логического, системного и сравнительного анализа. Использованы адаптированные модели стратегического менеджмента, модернизированные метрики корпоративных финансов, а также стохастическое моделирование и предиктивный инструментарий машинного обучения. Результаты. Обоснована фундаментальная ограниченность традиционных детерминированных моделей индустриальной эпохи при их применении к высокотехнологичным проектам. Разработан качественно новый подход к отбору инвестиционных инициатив на основе матрицы цифровой готовности. Предложена система специфических финансовых показателей, а также доказана необходимость внедрения вероятностных моделей (нечеткие реальные опционы) и алгоритмов искусственного интеллекта (ансамблевые методы) для предиктивной оценки юнит-экономики и хеджирования экстремальных рисков. Выводы. Адекватная оценка инвестиций в сегменте электронной коммерции требует сдвига от статической линейной экстраполяции к стохастическому анализу на основе больших данных. Имплементация разработанных модифицированных подходов переводит процесс принятия инвестиционных решений в плоскость аналитики данных, что позволяет корпоративному менеджменту избегать кассовых разрывов и корректно оценивать управленческую гибкость.
Бухт Р., Хикс Р. Определение, концепция и измерение цифровой экономики // Вестник международных организаций: образование, наука, новая экономика. 2018. Т. 13. № 2. С. 143–172. EDN: YXBNWX
Кандиев С.С. Электронная торговля: особенности и тенденции развития // Молодой ученый. 2023. № 1. С. 76–81. EDN: VZQDHM
Демченко С.К. Риски электронной коммерции: источники и возможности снижения // Экономика и управление инновациями. 2021. № 4. С. 16–26. DOI: 10.26730/2587-5574-2021-4-16-26 EDN: CAXXLH
Дамодаран А. Инвестиционная оценка: инструменты и методы оценки любых активов. 5-е изд. М.: Альпина Паблишер, 2026. 1339 с.
Степнов И.М., Ковальчук Ю.А. Инвестиционная оценка современных бизнес-моделей // Учет. Анализ. Аудит. 2021. Т. 8. № 2. С. 12–23. DOI: 10.26794/2408-9303-2021-8-2-12-23 EDN: HFECFQ
Смирнов А., Тульбович Е. Стратегия и экономика IT // Управленческий учет и бюджетирование. 2008. URL: Link
Nag A. Enhancing DCF and LBO Models with Machine Learning Forecasts. 2025. DOI: 10.13140/RG.2.2.22011.17444/1
Нигай Е.А. Управление «пожизненной ценностью клиента» (Lifetime Value) в деятельности бизнеса: методы оценки и стратегические аспекты принятия решений // Территория новых возможностей. Вестник Владивостокского государственного университета. 2024. Т. 16. № 3. С. 54–65. EDN: SZICAH
Чачис Д.Ю. Прогнозирование LTV клиента: методы и практическое применение // Вестник науки. 2025. Т. 2. № 4. С. 767–771. EDN: GZEBEV
Халл Дж.К. Опционы, фьючерсы и другие производные финансовые инструменты. 8-е изд. М.: Вильямс, 2014. 1070 с.
Баранов А.О., Музыко Е.И., Павлов В.Н. Оценка эффективности инновационных проектов с использованием опционного и нечетко-множественного подходов: монография. Новосибирск: ИЭОПП СО РАН, 2018. 335 с.
Bawack R.E., Wamba S.F., Carillo K.D.A., Akter S. Artificial intelligence in E-Commerce: A bibliometric study and literature review. Electronic Markets, 2022, vol. 32, pp. 297–338. DOI: 10.1007/s12525-022-00537-z
Хитрова Е.М., Прошутинская С.С. Искусственный интеллект и машинное обучение в поддержке инвестиционных решений на основе экспертных данных // Известия Байкальского государственного университета. 2025. Т. 35. № 2. С. 217–227. DOI: 10.17150/2500-2759.2025.35(2).217-227 EDN: QMIMAT
Молчанова Р.В. Применение машинного обучения в интернет-маркетинге // Международный научно-исследовательский журнал. 2024. № 4. DOI: 10.23670/IRJ.2024.142.113
Bidgoli M.R., Vanani I.R., Goodarzi M. Predicting the success of startups using a machine learning approach. Journal of Innovation and Entrepreneurship, 2024, vol. 13. DOI: 10.1186/s13731-024-00436-x
Balaji S., Manikavelan D. Enhancing E-Commerce Predictive Analytics using Ensemble Models for Consumer Behaviour and Market Forecasting. International Conference on Intelligent Systems and Computational Networks (ICISCN), Bidar, India, 2025, pp. 1–7. DOI: 10.1109/ICISCN64258.2025.10934325
Sayyad J.K., Attarde K., Saadouli N. Optimizing e-Commerce Supply Chains With Categorical Boosting: A Predictive Modeling Framework. IEEE Access, 2024, vol. 12, pp. 134549–134567. DOI: 10.1109/ACCESS.2024.3447756
Liu Y., Lei F., Huangcheng W. Design and Implementation of Cross-border E-commerce Risk Control System Based on Machine Learning Algorithm and Computer Simulation. 7th International Conference on Computer Information Science and Artificial Intelligence (CISAI 2024), 2024, Shaoxing, China, ACM, New York, NY, USA, 6 p. DOI: 10.1145/3703187.3703217 2024
Davidor S., Dako O., Nwachukwu P. et al. An AI-Enabled Valuation Framework for Digital Transformation in Investment Banking. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 2024, vol. 10, iss. 4, pp. 978–1004. DOI: 10.32628/CSEIT251134103
