Registration Number
2126U001900, Article
popup.category
Article, Стаття
Title
Information technology for financial forecasting and investment decision support based on generative artificial intelligence
popup.author
Яровий А. А.
Кудрявцев Д. С.
Козловський А. В.
Петришин С. І.
Ярова О. А.
Yarovyi A.
Kudriavtsev D.
Kozlovskyi A.
Petrishyn S.
Yarova O.
Yarovyi A.
Kudriavtsev D.
Kozlovskyi A.
Petrishyn S.
Yarova O.
popup.publication
01-01-2026
popup.source_user
Вінницький національний технічний університет
popup.source
https://ir.lib.vntu.edu.ua/handle/123456789/52283
popup.publisher
Наукові перспективи
Description
У статті досліджено сучасні підходи до побудови інформаційних технологій прогнозування фінансових показників та підтримки інвестиційних рішень на основі нейронних мереж, трансформерних архітектур та генеративного штучного інтелекту. Актуальність роботи обумовлена стрімким зростанням обсягів фінансових даних, високою динамічністю ринкового середовища, необхідністю аналізу складних часових залежностей і підвищенням вимог до точності прогнозування в умовах невизначеності. Показано, що класичні економетричні методи прогнозування, зокрема ARIMA, GARCH, лінійна регресія та статистичні моделі часових рядів, мають обмеження при аналізі багатовимірних нелінійних фінансових процесів. У зв’язку з цим сучасні fintech-системи дедалі активніше використовують рекурентні нейронні мережі, Long Short-Term Memory, Transformer-архітектури, механізми уваги та великі мовні моделі для аналізу часових рядів, текстових фінансових джерел і підтримки прийняття рішень. У роботі проаналізовано особливості застосування LSTM, Informer, Autoformer, Temporal Fusion Transformer, FinGPT, BloombergGPT та Explainable AI у задачах прогнозування фінансових показників, оцінювання ризиків, ESGаналізу та портфельної оптимізації. Запропоновано концепцію багаторівневої інформаційної технології, яка інтегрує модулі потокового моніторингу даних, аналізу текстової інформації, генеративного штучного інтелекту та систем підтримки інвестиційних рішень. Наукова новизна роботи полягає у формалізації підходу до інтеграції нейронних мереж, трансформерних архітектур, генеративного штучного інтелекту у задачах прогнозування фінансових показників і підтримки інвестиційних рішень із урахуванням ризиків, ESG-факторів та мультимодального аналізу даних. Практичне значення результатів полягає у можливості створення інтелектуальних fintech-систем нового покоління для прогнозування ринкових змін, аналізу фінансових ризиків, ESG-моніторингу, автоматизації роботи аналітиків та підтримки стратегічних фінансових рішень.
popup.nrat_date
2026-10-29
