Актуальность научного исследования обусловлена тем, что динамичная трансформация российской экономики в условиях цифровизации, структурных изменений и геополитических вызовов требует пересмотра традиционных подходов к оценке бизнеса. Существующие методики часто не учитывают специфику современной экономической ситуации в России, не обеспечивают необходимой оперативности и точности оценки, что создает значительные риски для всех участников инвестиционного процесса. Предложена модифицированная методика оценки бизнеса, интегрирующая адаптированные к российским условиям методы дисконтирования денежных потоков и рыночных мультипликаторов с использованием нейросетевых алгоритмов для повышения точности прогнозирования ключевых параметров. Разработана система динамических корректирующих коэффициентов, учитывающих отраслевую и региональную специфику, а также степень цифровой трансформации бизнеса. Предложен алгоритм экспресс-оценки, позволяющий получать предварительные результаты с высокой степенью достоверности в сжатые сроки. Исследование базируется на синтезе фундаментальных положений финансовой теории, анализе эмпирических данных 120 российских компаний из различных отраслей экономики за период 2020–2024 гг., применении методов машинного обучения для прогнозирования финансовых показателей и многофакторном моделировании с учетом отраслевой и региональной специфики. Разработанная методика оперативной оценки бизнеса демонстрирует существенно более высокую точность по сравнению с традиционными подходами (средняя погрешность снижена с 21,9 % до 10,3 %) при трехкратном сокращении времени проведения оценки. Методика показала эффективность для различных отраслей российской экономики и может стать основой для создания национального стандарта оперативной оценки бизнеса. Дальнейшее развитие методики связано с интеграцией ESG-факторов и инструментов предиктивной аналитики для оценки потенциальной стоимости бизнеса.
The relevance of the scientific research is due to the fact that the dynamic transformation of the Russian economy in the context of digitalization, structural changes and geopolitical challenges requires a revision of traditional approaches to business assessment. Existing methods often do not take into account the specifics of the current economic situation in Russia, do not provide the necessary efficiency and accuracy of assessment, which creates significant risks for all participants in the investment process. A modified business assessment methodology is proposed that integrates methods of discounting cash flows and market multipliers adapted to Russian conditions using neural network algorithms to improve the accuracy of forecasting key parameters. A system of dynamic correction coefficients has been developed that takes into account industry and regional specifics, as well as the degree of digital transformation of the business. An express evaluation algorithm is proposed that allows obtaining preliminary results with a high degree of reliability in a short time. The research is based on the synthesis of fundamental principles of financial theory, the analysis of empirical data from 120 Russian companies from various sectors of the economy for the period 2020–2024, the use of machine learning methods for predicting financial performance and multifactorial modeling, taking into account industry and regional specifics. The developed methodology for operational business assessment demonstrates significantly higher accuracy compared to traditional approaches (the average error has been reduced from 21,9 % to 10,3 %) with a threefold reduction in evaluation time. The methodology has shown effectiveness for various sectors of the Russian economy and can become the basis for creating a national standard for operational business assessment. Further development of the methodology is related to the integration of ESG factors and predictive analytics tools to assess the potential value of a business.