ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УПРАВЛЕНИИ ИНВЕСТИЦИОННЫМИ ПОРТФЕЛЯМИ
Аннотация
В статье рассматривается эффективность использования технологий искусственного интеллекта в управлении инвестиционными портфелями. Анализируются возможности применения машинного обучения, больших данных и алгоритмических моделей для оптимизации структуры инвестиционного портфеля, прогнозирования доходности финансовых активов и снижения инвестиционных рисков. Особое внимание уделяется преимуществам искусственного интеллекта по сравнению с традиционными методами управления инвестициями, включая повышение скорости обработки информации, автоматизацию аналитических процессов и улучшение качества инвестиционных решений. Наряду с этим исследуются основные риски и ограничения, связанные с качеством исходных данных, недостаточной прозрачностью алгоритмов, модельными ошибками и высокой волатильностью финансовых рынков. По результатам исследования обосновывается необходимость сочетания инструментов искусственного интеллекта с профессиональной экспертной оценкой при формировании и управлении инвестиционными портфелями.
Ключевые слова:
Библиографические ссылки
Abdurashidova, M.S. and Balbaa, M.E. (2023) ‘Artificial intelligence in the banking sector in Uzbekistan: Exploring the impacts and opportunities’, Proceedings of the International Conference on Future Networks and Distributed Systems (ICFNDS ’23), pp. 51–57. doi:10.1145/3644713.3644721.
Chen, W., Zhang, H., Mehlawat, M.K. and Jia, L. (2021) ‘Mean–variance portfolio optimization using machine learning-based stock price prediction’, Applied Soft Computing, 100, 106943. doi:10.1016/j.asoc.2020.106943.
Grudniewicz, J. and Ślepaczuk, R. (2023) ‘Application of machine learning in algorithmic investment strategies on global stock markets’, Research in International Business and Finance, 66, 102052. doi:10.1016/j.ribaf.2023.102052.
Gu, S., Kelly, B. and Xiu, D. (2020) ‘Empirical asset pricing via machine learning’, The Review of Financial Studies, 33(5), pp. 2223–2273.
Isaeva, M.U. (2025) ‘Assessing artificial intelligence readiness of financial institutions in Uzbekistan’, Journal of Central Asia Economy, 9(3), pp. 295–318. doi:10.18334/asia.9.3.123730.
Islomov, M.M. (2025) ‘Artificial intelligence in finance: Impact on corporate financial management — global trends and Uzbekistan’s perspective’, International Journal of Artificial Intelligence, 1(5), pp. 659–663. doi:10.71337/inlibrary.uz.ijai.114869.
Li, J., Zhang, Y., Yang, X. and Chen, L. (2023) ‘Online portfolio management via deep reinforcement learning with high-frequency data’, Information Processing & Management, 60, 103247. doi:10.1016/j.ipm.2022.103247.
López de Prado, M. (2018) Advances in Financial Machine Learning. Hoboken, NJ: John Wiley & Sons.
Sutiene, K., Schwendner, P., Sipos, C., Lorenzo, L., Mirchev, M., Lameski, P., Kabasinskas, A., Tidjani, C., Ozturkkal, B. and Cerneviciene, J. (2024) ‘Enhancing portfolio management using artificial intelligence: Literature review’, Frontiers in Artificial Intelligence, 7, 1371502. doi:10.3389/frai.2024.1371502.
Wang, W., Li, W., Zhang, N. and Liu, K. (2020) ‘Portfolio formation with preselection using deep learning from long-term financial data’, Expert Systems with Applications, 143, 113042. doi:10.1016/j.eswa.2019.113042.
Добрина, М.В. и Чернов, В.П. (2024) ‘Оптимизация и прогнозирование портфеля ценных бумаг на основе методов машинного обучения’, Проблемы экономики и юридической практики, 20(4), сс. 258–267. doi:10.33693/2541-8025-2024-20-4-258-267.
Шканов, Б.А. (2025) ‘Комплексный подход к оптимизации инвестиционного портфеля на основе современных методов математического моделирования’, π-Economy, 18(2), сс. 179–201. doi:10.18721/JE.18211.
Тарасюк, Н.Ю. (2025) ‘Машинное обучение в системах поддержки принятия инвестиционных решений: сравнительный анализ традиционных экономических моделей и ML-подходов’, Вестник Евразийской науки, 17(S2), 40FAVN225.
География читателей
Загрузки
Опубликован
Выпуск
Раздел
Как цитировать
