ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

ROR

ЕДРПОУ 05481984

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

КАТАЛОГ

Управління портфелем фінансових активів в умовах розвитку фінансових інновацій
Рисін В. В., Кормушин Я. К.

Рисін В. В., Кормушин Я. К. Управління портфелем фінансових активів в умовах розвитку фінансових інновацій. Бізнес Інформ. 2026. №7. C. 463–471.
https://doi.org/10.32983/2222-4459-2026-7-463-471

Розділ: Фінанси, грошовий обіг і кредит

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 336.761:004.8:004.62

Анотація:
Стрімкий розвиток фінансових інновацій, цифрова трансформація фінансових ринків та широке впровадження технологій штучного інтелекту й аналізу великих даних докорінно змінюють підходи до управління портфелем фінансових активів. Це зумовлює необхідність розроблення нових аналітичних підходів, здатних підвищити ефективність інвестиційних рішень в умовах зростаючої складності та невизначеності фінансових ринків. Метою статті є дослідження трансформації підходів до управління портфелем фінансових активів під впливом фінансових інновацій та обґрунтування можливостей застосування методів машинного навчання та технологій аналізу великих даних для вдосконалення диверсифікації й оптимізації інвестиційного портфеля. Використано методи системного підходу, наукового узагальнення, порівняльного, структурного та логічного аналізу, синтезу, класифікації та теоретичного моделювання. Інформаційну базу дослідження становлять сучасні наукові праці з теорії портфельного інвестування, фінансових інновацій, штучного інтелекту, машинного навчання та технологій великих даних. За результатами дослідження встановлено, що поєднання методів машинного навчання з традиційними підходами до управління інвестиційним портфелем підвищує точність прогнозування дохідності та ризику, дає змогу виявляти нелінійні взаємозв’язки між фінансовими активами, здійснювати динамічну оцінку ринкової кон’юнктури та підвищувати якість інвестиційних рішень. Визначено основні напрями використання технологій великих даних у фінансовій сфері, зокрема для оцінювання фінансових ризиків, виявлення шахрайства, сегментації клієнтів, прогнозування ринкових тенденцій, забезпечення регуляторного комплаєнсу та автоматизованого управління інвестиційними портфелями. Авторами встановлено, що застосування алгоритмів кластеризації, методів зменшення розмірності даних, глибоких і рекурентних нейронних мереж, навчання з підкріпленням і методів обробки природної мови істотно розширює можливості диверсифікації та оптимізації інвестиційних портфелів. Водночас визначено основні обмеження використання штучного інтелекту у сфері управління портфелем фінансових активів, серед яких: перенавчання моделей, залежність від якості даних, складність інтерпретації результатів, значні обчислювальні витрати та нестабільність фінансових ринків. Запропоновано практичні рекомендації щодо інтеграції методів машинного навчання, технологій аналізу великих даних та індикаторів цифрових активів у системи управління інвестиційними портфелями з метою підвищення ефективності інвестиційної діяльності та підтримки прийняття управлінських рішень в умовах цифрової трансформації фінансових ринків.

Ключові слова: фінансові активи; фінансові інновації; великі дані; машинне навчання; диверсифікація; цифрові активи; інвестиційний портфель.

Рис.: 1. Бібл.: 20.

Рисін Віталій Васильович – доктор економічних наук, професор, професор, кафедра фінансів, Національний університет «Львівська політехніка» (вул. Степана Бандери, 12, Львів, 79013, Україна)
Email: [email protected]
Кормушин Ярослав Костянтинович – аспірант, кафедра фінансів, Національний університет «Львівська політехніка» (вул. Степана Бандери, 12, Львів, 79013, Україна)
Email: [email protected]

Список використаних у статті джерел

The Theory and Practice of Investment Management: Asset Allocation, Valuation, Portfolio Construction, and Strategies / Fabozzi F. J., Markowitz H. M. (Eds.). 2nd ed. Hoboken : Wiley, 2011. 704 p.
Thakor A. V. Fintech and banking: What do we know? Journal of Financial Intermediation. 2020. Vol. 41. Art. 100833. DOI: https://doi.org/10.1016/j.jfi.2019.100833
Beck T., Chen T., Lin C., Song F. M. Financial innovation: The bright and the dark sides. Journal of Banking & Finance. 2016. Vol. 72. P. 28–51. DOI: https://doi.org/10.1016/j.jbankfin.2016.06.012
Задворний Ю. Еволюція ролі фінансових інновацій у вирішенні викликів фінансових ринків. Економіка та суспільство. 2024. Вип. 65. DOI: https://doi.org/10.32782/2524-0072/2024-65-32
Свистун А. О., Генкельман Є. С., Скороход І. П. Оцінка впливу інноваційних фінансових інструментів на економічний розвиток України. Економіка та суспільство. 2025. Вип. 72. DOI: https://doi.org/10.32782/2524-0072/2025-72-116
Cao L. AI in finance: Challenges, techniques, and opportunities. ACM Computing Surveys. 2022. Vol. 55. No. 3. P. 1–38. DOI: https://doi.org/10.1145/3502289
Dixon M. F., Halperin I., Bilokon P. Machine Learning in Finance: From Theory to Practice. Cham : Springer, 2020. 300 p. DOI: https://doi.org/10.1007/978-3-030-41068-1
Jiang Z., Xu D., Liang J. A deep reinforcement learning framework for the financial portfolio management problem. arXiv preprint. 2017. DOI: https://doi.org/10.48550/arXiv.1706.10059
Almahdi S., Yang S. Y. An adaptive portfolio trading system: A risk-return portfolio optimization using recurrent reinforcement learning with expected maximum drawdown. Expert Systems with Applications. 2017. Vol. 87. P. 267–279. DOI: https://doi.org/10.1016/j.eswa.2017.06.023
Platanakis E., Urquhart A. Should investors include Bitcoin in their portfolios? A portfolio theory approach. The British Accounting Review. 2019. Vol. 51. Iss. 4. Art. 100837. DOI: https://doi.org/10.1016/j.bar.2019.100837
Liu Y., Tsyvinski A. Risks and returns of cryptocurrency. The Review of Financial Studies. 2021. Vol. 34. Iss. 6. P. 2689–2727. DOI: https://doi.org/10.1093/rfs/hhaa113
Bouri E., Molnar P., Azzi G., Roubaud D., et al. On the hedge and safe haven properties of Bitcoin: Is it really more than a diversifier? Finance Research Letters. 2017. Vol. 20. P. 192–198. DOI: https://doi.org/10.1016/j.frl.2016.09.025
Corbet S., Meegan A., Larkin C., Lucey B., et al. Exploring the dynamic relationships between cryptocurrencies and other financial assets. Economics Letters. 2018. Vol. 165. P. 28–34. DOI: https://doi.org/10.1016/j.econlet.2018.01.004
Manyika J., Chui M., Brown B., Bughin J., et al. Big Data: The Next Frontier for Innovation, Competition, and Productivity. New York : McKinsey Global Institute, 2011. URL: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/big-data-the-next-frontier-for-innovation
Pedersen L. H., Fitzgibbons S., Pomorski L. Responsible investing: The ESG-efficient frontier. Journal of Financial Economics. 2021. Vol. 142. Iss. 2. P. 572–597. DOI: https://doi.org/10.1016/j.jfineco.2020.11.001
Aderemi S., Olutimehin D. O., Nnaomah U. I., Orieno O. H., et al. Big data analytics in the financial services industry: Trends, challenges, and future prospects. International Journal of Science and Technology Research Archive. 2024. Vol. 6. Iss. 1. P. 147–166. DOI: https://doi.org/10.53771/ijstra.2024.6.1.0036
Bonsu M. O.-A., Guo Y. Do big data applications and financial innovation lead to enhanced banking performance? Evidence from the United Kingdom. International Journal of Finance & Economics. 2026. Vol. 31. Iss. 3. P. 3921–3947. DOI: https://doi.org/10.1002/ijfe.70127
Theodorakopoulos L., Theodoropoulou A., Bakalis A. Big data in financial risk management: Evidence, advances, and open questions – a systematic review. Frontiers in Artificial Intelligence. 2025. Vol. 8. Art. 1658375. DOI: https://doi.org/10.3389/frai.2025.1658375
Ma Y., Mao R., Lin Q., Wu P., et al. Quantitative stock portfolio optimization by multitask learning risk and return. Information Fusion. 2024. Vol. 104. Art. 102165. DOI: https://doi.org/10.1016/j.inffus.2023.102165
Najem R., Bahnasse A., Fakhouri Amr M., Talea M. Advanced AI and big data techniques in E-finance: A comprehensive survey. Discover Artificial Intelligence. 2025. Vol. 5. Iss. 1. Art. 102. DOI: https://doi.org/10.1007/s44163-025-00365-y