Статьи, Журналы
Внедрение NLP в оценке инвестиционного портфеля банка
Статьи, Журналы
Внедрение NLP в оценке инвестиционного портфеля банка
Алханов, И.М. Внедрение NLP в оценке инвестиционного портфеля банка / И. М. Алханов // Финансовые рынки и банки. — Москва, 2026 — N 6. — С.295-297. — Библиогр. в конце ст.
Алханов, И.М., (2026), "Внедрение NLP в оценке инвестиционного портфеля банка", Финансовые рынки и банки, Москва, 2026, N 6, С.295-297.
Алханов И М. Внедрение NLP в оценке инвестиционного портфеля банка. Финансовые рынки и банки. 2026; (N 6). С.295-297.
Поделиться
Вконтакте 
Одноклассники 
Telegram Источник
Аннотация
В условиях высокой волатильности российского финансового рынка и возрастающего потока неструктурированной информации традиционные количественные методы оценки инвестиционных портфелей демонстрируют ограниченную эффективность. В статье рассматривается внедрение технологий обработки естественного языка (NLP) в процесс анализа и управления инвестиционным портфелем коммерческого банка с фокусом на российскую специфику. Систематизированы ключевые источники текстовых данных, включая корпоративные новости, макроэкономические обзоры и социальные медиа. Предложена архитектура гибридной модели оценки портфеля, объединяющей классические риск – метрики и NLP – сигналы: тональность новостного фона, тематические векторы отчетности эмитентов, извлечение именованных сущностей из регуляторных документов. На примере голубых фишек Московской биржи продемонстрировано, что интеграция сентимент – индексов в модель VaR снижает ошибку прогноза в периоды геополитических шоков на 14-18%. Выделены основные барьеры внедрения: нехватка размеченных русскоязычных корпусов, специфическая лексика санкционных рисков и необходимость интерпретируемости моделей для регулятора. Сделаны выводы о необходимости создания банками собственных NLP – фреймворков, адаптированных к рублёвым инструментам и информационному полю РФ.
-
УДК:336.71
Рекомендовано к ознакомлению
- 1. Карминский, А.М. Сентимент-анализ в банковском деле и финансах / А. М. Карминский, А. В. Моргунов // Журнал Новой экономической ассоциации. — Москва, 2026 — N 2(71). — С.324-330.
- 2. Галицких, В.Н. Маркетинговые решения при управлении инвестиционным портфелем коммерческого банка / В. Н. Галицких, Д. В. Преснякова, А. А. Пресняков // Экономика и управление: проблемы, решения. — Москва, 2024 — N 2 ч. 5. — С.106-111.
- 3. Зелинский, Н. Как мультиагентные системы и агентная память меняют технологии хранения банковских данных / Н. Зелинский // Риск-менеджмент в кредитной организации. — Москва, 2026 — N 1. — С.6-27.
- 4. Орлова, С. Бонд кредитом красен / С. Орлова // Банковское обозрение. — Москва, 2026 — N 4(326). — С.12-15.
- 5. Антясов, Е.А. Сравнительный анализ инвестиционной политики коммерческих банков РФ, Европы и США на фоне современной геополитической ситуации / Е. А. Антясов // Финансовый бизнес. — Москва, 2024 — N 5. — С.183-185.
- 6. Ференец, В. AI Native Bank: инновации под киберзащитой / В. Ференец // Банковское обозрение. — Москва, 2026 — N 4(326). — С.48-49.
- 7. Ченцова, Е.П. Влияние инструментов искусственного интеллекта в бизнес-аналитике на операционные и финансовые показатели банков / Е. П. Ченцова, М. С. Ченцов // Финансовая экономика. — Москва, 2026 — N 5. — С.276-279.
- 8. Дубков, С.Н. Экономические последствия внедрения систем искусственного интеллекта для обеспечения информационной безопасности банков / С. Н. Дубков // Финансовые рынки и банки. — Москва, 2026 — N 5. — С.324-327.
- 9. Варфоломеева, В.А. Банковская конкуренция в новой реальности / В. А. Варфоломеева // Экономика и управление: проблемы, решения. — Москва, 2026 — Т. 8(169). № 4. — С.26-34.
- 10. Penikas, H. Minimum sample size definition for the purpose of the loss provisions’ extrapolation under the presence of default correlation / H. Penikas. — Moscow : Bank of Russia, may 2024. — 28 p.. — (Working Paper Series. # 128).
Отзывы читателей
0