Реєстраційний номер
2126U001900, Матеріали видань та локальних репозитаріїв
Категорія
Article, Стаття
Назва роботи
Інформаційна технологія прогнозування фінансових показників та підтримки інвестиційних рішень на основі генеративного штучного інтелекту
Information technology for financial forecasting and investment decision support based on generative artificial intelligence
Автор
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.
Дата публікації
01-01-2026
Постачальник інформації
Вінницький національний технічний університет
Першоджерело
https://ir.lib.vntu.edu.ua/handle/123456789/52283
Видання
Наукові перспективи
Опис
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.
Додано/оновлено в НРАТ
2026-10-29
