# 57 321-326 Переглянути повний текст статті

УДК 330.46

DOI: https://doi.org/10.36887/2415-8453-2024-3-57

Наумов Олександр Борисович,
доктор економічних наук, професор, професор кафедри зовнішньоекономічної діяльності підприємств, Національний авіаційний університет
https://orcid.org/0000-0003-4808-0241
Наумова Ольга Володимирівна,
кандидат економічних наук, доцент кафедри зовнішньоекономічної діяльності підприємств
Національний авіаційний університет
https://orcid.org/0000-0002-1646-6900

JEL classification: O47, O33, J24, E21, E25

Стаття присвячена дослідженню перспектив застосування моделей глибокого навчання у сфері економіки і фінансів. Визначені основні типи архітектур глибокого навчання, які знайшли застосування в економічній сфері. На основі аналізу публікацій виявлено основні напрямки використання моделей глибокого навчання в економіці, а саме: у сферах макроекономіки та мікроекономіки для аналізу поведінки споживачів, стратегій ціноутворення та конкуренції. Відзначено, що більшість робіт з використання моделей машинного навчання для аналізу ринку, стосуються не товарних, а фінансових ринків. Відчувається нестача розробок моделей глибокого навчання для більшості ринків товарів та послуг. Встановлено, що фінансова сфера є одним із ключових напрямів використання моделей глибокого навчання. У фінансовій сфері глибоке навчання використовується для аналізу ситуації та прогнозування показників фінансових ринків (курсів акцій, курсів валют та криптовалют); аналізу фінансової звітності; аналізу та управління ризиками (аналіз кредитного ризику, виявлення шахрайства, аналіз ризику портфеля цінних паперів, оптимізація портфеля цінних паперів) та ін. Розглянуті такі напрями використання моделей глибокого навчання: прогнозування фінансового ринку; прогнозування валютного ринку; алгоритмічна торгівля; аналіз та оцінювання кредитного ризику; виявлення шахрайства. Виявлено низку проблем та обмежень використання моделей глибокого навчання у економіці та фінансах: відсутність комплексності досліджень; проблема приведення до єдиного періоду часу; проблема доступності та якості вихідних даних; потреба у великих обсягах даних для навчання моделей; складність інтерпретації; ризик надмірної підгонки моделей; обмеженість обчислювальних ресурсів. Зроблено висновок, що глибоке навчання довело свою ефективність у прогнозуванні економічних показників, аналізуючи великі та складні набори даних для виявлення закономірностей та створення точних прогнозів.

Ключові слова: економічні дослідження, штучний інтелект, машинне навчання, глибоке навчання, макроекономіка, мікроекономіка, фінанси, аналіз ринків.

Література

  1. Zheng Y., Xu Z., Xiao A. Deep learning in economics: a systematic and critical review. Artificial Intelligence Review. Vol. 56. Р. 9497-9539. DOI: https://doi.org/10.1007/s10462-022-10272-8.
  2. Awad M., Khanna R. Deep Neural Networks. In: Efficient Learning Machines. Apress, Berkeley. 2015. DOI: https://doi.org/10.1007/978-1-4302-5990-9_7.
  3. LeCun Y., Bengio Y., Hinton G. Deep learning. Nature. 2015. № 521(7553). Р. 436-444.
  4. Ajit Desai machine learning for economics research: When What And How? URL: https://arxiv.org/pdf/2304.00086.pdf.
  5. Ramaswamy S., DeClerck N., Perception C. Analysis Using Deep Learning and NLP. Procedia Computer Science. 2018. Vol. 140. Р. 170-178. DOI: https://doi.org/10.1016/j.procs.2018.10.326.
  6. Sun Q., Feng X., Zhao S. Deep Learning Based Customer Preferences Analysis in Industry 4.0 Environment. Mobile Netw. 2021. Р. 2329-2340. DOI: https://doi.org/10.1007/s11036-021-01830-5.
  7. Zheng Q., Ding Q. Exploration of consumer preference based on deep learning neural network model inmmersive marketing environment. PLoS ONE. 2022. №17(5). Р. DOI: https://doi.org/10.1371/journal.pone.0268007.
  8. Benbrahim Ansari O., Binninger F.-M. A deep learning approach for estimation of price determinants. International Journal of Information Management Data Insights. 2022. Vol. 2. Issue 2. DOI: https://doi.org/10.1016/j.jjimei.2022.100101.
  9. Poh L.Z., Connie T., Ong T.S., Goh M.K.O. Deep Reinforcement Learning-Based Dynamic Pricing for Parking Solutions. Algorithms. 2023. № 16. Р. DOI: https://doi.org/10.3390/a16010032.
  10. Yin C., Han J. Dynamic Pricing Model of E-Commerce Platforms Based on Deep Reinforcement Learning. Computer Modeling in Engineering & Sciences. № 127. Р. 291-307. DOI: https://doi.org/10.32604/cmes.2021.014347.
  11. Moharir A. Deep Learning–Based Approach for Competitor Analysis. URL: https://www.researchgate.net/publication/340885873_Deep_Learning–Based_Approach_for_Competitor_Analysis.
  12. Yu Z., Yonghong L., Honggang F. Identifying Labor Market Competitors with Machine Learning Based on Maimai Platform. Applied Artificial Intelligence. 2022. № 36(1). DOI: https://doi.org/10.1080/08839514.2022.2064047.
  13. Hua P., Luxiao D., Yi S., Yanfang J. Analysis of Marketing Prediction Model Based on Genetic Neural Network: Taking Clothing Marketing as an Example. Journal of Mathematics. 2022. Vol. 2022. Р. 14. DOI: https://doi.org/10.1155/2022/8743568.
  14. Santosh K.S., Anil M.N., Dhanraj B. An Overview of Machine Learning, Deep Learning, і Reinforcement Learning-Based Techniques in Quantitative Finance: Recent Progress and Challenges. Applied Sciences. 2023. № 13. Р. 2076-3517. DOI: https://doi.org/10.3390/app13031956.
  15. Xiao D., Yue Z., Ting L., Junwen D. Deep learning for event-driven stock prediction. In Proceedings of International Joint Conference on Artificial Intelligence (IJCAI). Р. 2327-2333.
  16. Fischer T., Krauss C. Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research. 2018. № 270(2). Р. 654-669.
  17. Vargas M., Anjos C., Bichara G., Evsukoff A. Deep Leaming for Stock Market Prediction Using Technical Indicators and Financial News Articles. 2018 International Joint Conference on Neural Networks (IJCNN). 2018. Р. 1-8. DOI: https://doi.org/10.1109/IJCNN.2018.8489208.
  18. Akita R., Yoshihara A., Matsubara T., Uehara K. Deep learning for stock prediction using numerical and textual information. 2016 IEEE/ACIS 15th International Conference on Computer and Information Science (ICIS.) Р. 1-6. DOI: https://doi.org/10.1109/ICIS.2016.7550882.
  19. Abedin M.Z., Moon M.H., Hassan M.K. Deep learning-based exchange rate prediction during the COVID-19 pandemic. Annals of Operations Research. DOI: https://doi.org/10.1007/s10479-021-04420-6.
  20. Chen J. Analysis of Bitcoin Price Prediction Using Machine Learning. Journal of Risk and Financial Management. 2023. № 16(1). Р. DOI: https://doi.org/10.3390/jrfm16010051.
  21. Yongfeng W., Guofeng Y. Survey on the application of deep learning в algorithmic trading. Data Science in Finance and Economics. 2021. Vol. 1. Issue 4. Р. 345-361. DOI: https://doi.org/10.3934/DSFE.2021019.
  22. Lei Z. Deep Learning-based Domain Adaptation Methods and Applications. Hindawi Computational Intelligence and Neuroscience. 2022. Vol. 10. DOI: https://doi.org/10.1155/2022/6826573.
  23. Gnoatto A., Picarelli A., Reisinger C. Deep Xva Solver-A Neural Network Based Counterparty Credit Risk Management Framework. 2022.
  24. Ahmed M., Mahmood A.N., Islam M. A survey of anomaly detection techniques in financial domain. Future Generation Computer Systems. 2016. № 55. Р. 278-288. DOI: https://doi.org/10.1016/J.FUTURE.2015.01.001. URL: https://www.sciencedirect.com/science/article/pii/S0167739X15000023.
  25. Roy A., Sun J., Mahoney R., Alonzi L., Adams S., Beling P. Deep learning detecting fraud in credit card transactions. 2018 Systems and Information Engineering Design Symposium (SIEDS). 2018. Р. 129-134. DOI: https://doi.org/10.1109/SIEDS.2018.8374722.
  26. Hajek P., Abedin M.Z., Sivarajah U. Fraud Detection in Mobile Payment Systems using an XGBoost-based Framework. Inf Syst Front. DOI: https://doi.org/10.1007/s10796-022-10346-6.
  27. Suescún C., Ballesteros D., Renza D. Fake Banknote Recognition Using Deep Learning. Applied Sciences. № 11. Р. 1281. DOI: https://doi.org/10.3390/app11031281.

Статтю було отримано 15.07.2024

Quote article, APA style

Наумов Олександр Борисович, Наумова Ольга Володимирівна. 15.07.2024. Перспективи застосування моделей глибокого навчання у сфері економіки і фінансів. The journal "Український журнал прикладної економіки та техніки". 2024 / #3. 321-326pp. https://doi.org/10.36887/2415-8453-2024-3-57

Quote article, MLA style

Наумов Олександр Борисович, Наумова Ольга Володимирівна. "Перспективи застосування моделей глибокого навчання у сфері економіки і фінансів". The journal "Український журнал прикладної економіки та техніки". 15.07.2024. https://doi.org/10.36887/2415-8453-2024-3-57

Quote article, translit

Naumov Oleksandr Borisovich, Naumova Olga Volodimirіvna. "Perspektivi zastosuvannya modeley glibokogo navchannya u sferі ekonomіki і fіnansіv". The journal "Ukraїnskiy zhurnal prikladnoї ekonomіki ta tehnіki". 15.07.2024. https://doi.org/10.36887/2415-8453-2024-3-57