Журнал «Бізнес Інформ»

Permanent URI for this community

https://dr.csbc.edu.ua/handle/123456789/1748

Browse

Browsing Журнал «Бізнес Інформ» by Author "Аврахов, Леонід Андрійович"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Сучасні методи оцінювання фінансових ризиків
    (Науково-дослідний центр індустріальних проблем розвитку НАН України, 2026) Макаренко, Юлія Петрівна; Аврахов, Леонід Андрійович
    У науковій статті ґрунтовно та всебічно досліджено сучасні методи оцінювання фінансових ризиків в умовах невпинного зростання глобальної нестабільності світових фінансових ринків, стрімкої диджиталізації всіх економічних процесів і суттєвого ускладнення стратегічної поведінки сучасних економічних агентів. У роботі детально проаналізовано традиційні кількісні підходи до ризик-менеджменту, які протягом десятиліть складали надійну основу фінансової стійкості інституцій, зокрема класичні статистичні моделі Value at Risk (VaR), Conditional Value at Risk (CVaR), складне сімейство економетричних моделей GARCH, а також фундаментальні портфельні методи Марковіца. У ході проведеного дослідження чітко визначено ключові переваги цих підходів, а також виявлено критичні обмеження, що неминуче виникають під час їхнього практичного застосування в умовах глибоких кризових явищ та екстремальних ринкових флуктуацій, коли стандартні теоретичні припущення про нормальний розподіл дохідності активів перестають відповідати реаліям ринку. Особливу увагу в межах наукової роботи приділено інноваційним поведінковим моделям оцінювання фінансових ризиків. Зазначені моделі дозволяють вийти за вузькі межі концепції суто «раціонального інвестора», повноцінно враховуючи реальні психологічні чинники, когнітивні упередження, евристики та суб’єктивне сприйняття ймовірностей, що досить часто стає основним каталізатором ринкових панік, ірраціонального песимізму або формування спекулятивних бульбашок. Науково обґрунтовано доцільність глибокої інтеграції класичних фінансових метрик із найсучаснішими методами машинного та глибокого навчання (Machine Learning & Deep Learning). Окремий дослідницький акцент зроблено на високій ефективності застосування алгоритмів навчання з підкріпленням (Reinforcement Learning), а саме, методів градієнта політики та глибоких Q-мереж, які здатні самостійно та надзвичайно швидко адаптуватися до нових вхідних даних у режимі реального часу, виявляючи приховані нелінійні взаємозв'язки. Доведено, що системне впровадження інтелектуальних і гібридних моделей дозволяє значно підвищити точність прогнозування потенційних фінансових втрат і сформувати гнучкі, адаптивні системи ризик-менеджменту нового покоління. Такі системи здатні не лише превентивно ідентифікувати загрози, а й максимально оперативно реагувати на найменші зміни ринкової кон’юнктури, ефективно мінімізуючи негативний вплив на капітал і ліквідність установи. Отримані в результаті дослідження висновки мають високу практичну значущість і можуть бути безпосередньо впроваджені в щоденну діяльність комерційних банків, інвестиційних фондів, страхових компаній та інших фінансових установ. Це дозволить суттєво підвищити обґрунтованість стратегічних управлінських рішень, оптимізувати структуру активів, покращити процедури стрес-тестування та зміцнити загальну фінансову стійкість організації в довгостроковій перспективі.