Статьи, Журналы
Методы искусственного интеллекта в оценке инвестиционных рисков и управлении портфелем
Федоров, М.С. Методы искусственного интеллекта в оценке инвестиционных рисков и управлении портфелем / М. С. Федоров // Банковское дело. — Москва, 2026 — N 9(390). — С.26-31. — Библиогр. в конце ст.. — Текст.
Федоров, М.С., (2026), "Методы искусственного интеллекта в оценке инвестиционных рисков и управлении портфелем", Банковское дело, Москва, 2026, N 9(390), С.26-31.
Федоров М С. Методы искусственного интеллекта в оценке инвестиционных рисков и управлении портфелем. Банковское дело. 2026; (N 9(390)). С.26-31.
Выпуск
Банковское дело, 2026, N 9
Источник
Аннотация
Предмет. Применение искусственного интеллекта в управлении инвестиционными портфелями с акцентом на оценке рисков, оптимизации доходности и адаптации к волатильным рыночным условиям. Цель. Выявление роли ИИ в задачах управления портфелями, оценка его эффективности по сравнению с классическими методами, а также анализ существующих ограничений и перспектив дальнейшего развития. Методология. Исследование основано на сравнительном анализе существующих подходов к управлению портфелями с использованием ИИ и классических методов, таких как теория Марковица и модель CAPM. Осуществлен обзор современных технологий (машинное обучение, глубокое обучение и нейронечеткие модели) с акцентом на их применение к задачам инвестиционного прогнозирования и управления рисками. Результаты. ИИ-методы демонстрируют более высокую точность и адаптивность в условиях рыночной волатильности, обеспечивая повышение эффективности инвестиционных стратегий. Однако отсутствие прозрачности и единых стандартов тестирования сдерживает их массовое внедрение. Выводы. ИИ имеет значительный потенциал в управлении портфелями, но его успешное применение требует решения вопросов объяснимости, этики и правового регулирования. Дальнейшие исследования могут быть сосредоточены на разработке гибридных моделей, объединяющих традиционные и интеллектуальные методы, а также на создании более эффективных инструментов мониторинга и управления модельными рисками.
-
УДК:336.76
Рекомендовано к ознакомлению
- 1. Мамута, М.В. От мисселинга к нативной навигации: о новых стандартах честности на финансовом рынке / М. В. Мамута // Банковское обозрение. — Москва, 2026 — N 8(330). — С.14-17.
- 2. Линч, П. Метод Питера Линча / П. Линч. — 3-е изд.. — Москва : Альпина ПРО, 2021. — 265 с.. — ISBN 978-5-907274-13-6.
- 3. Линч, П. Метод Питера Линча / П. Линч, Д. Ротчайлд. — 3-е изд.. — Москва : Альпина Паблишер, 2018. — 268 с.. — ISBN 978-5-9614-1637-4.
- 4. Эффективность применения искусственного интеллекта в инвестиционных стратегиях на фондовых рынках / К. В. Криничанский, М. А. Степанов, А. В. Изиляев, А. В. Путиловский // Финансы и кредит. — Москва, 2025 — N 5. Том 31. — С.89-107.
- 5. Артюхов, И.А. Человек + Машина: сравнительный анализ эффективности прогнозирования фондового рынка бизнес-аналитиками и нейросетями в условиях рыночной неэффективности / И. А. Артюхов // Финансовые рынки и банки. — Москва, 2026 — N 3. — С.185-187.
- 6. Зейналлы, Г.Р. Инструменты инвестирования коммерческих банков на фондовом рынке / Г. Р. Зейналлы // Валютное регулирование. Валютный контроль. — Москва, 2025 — N 7. — С.52-63.
- 7. Головцов, А. Учите историю: оптимальным вариантом подготовки к геополитической турбулентности будет формирование долгосрочного сбалансированного портфеля / А. Головцов // Вестник НАУФОР. — Москва, 2026 — N 3. — С.36-40.
- 8. Найшева, А. Финансовый брокер и ИИ: что работает, а что - миф / А. Найшева // Cbonds review. — Санкт-Петербург, 2026 — N 2(137). — С.42-45.
- 9. Дарчев, К.А. Влияние динамики акционерного капитала на ценообразование облигаций / К. А. Дарчев // Финансовая аналитика. — Москва, 2025 — N 4. — С.74-87.
- 10. Гальвик, Н.Е. Подход к классификации факторов ценообразования акций / Н. Е. Гальвик // Финансовый менеджмент. — Москва, 2026 — N 7. — С.61-68.
Отзывы читателей
0