Дослідження оптимізації інвестиційних портфелів з використанням методів та інструментів штучного інтелекту

Abstract

Магістерська кваліфікаційна робота присвячена дослідженню методів оптимізації інвестиційних портфелів із використанням сучасних технологій штучного інтелекту. У роботі проведено аналіз класичних та інтелектуальних підходів до моделювання фінансових ринків, включно з моделлю Марковіца, методами машинного навчання та еволюційними алгоритмами. На основі системного аналізу предметної області сформульовано наукову проблему, що полягає у підвищенні ефективності управління портфелем в умовах нестабільних ринків та високої невизначеності. Запропоновано архітектуру програмної системи, яка інтегрує прогнозні моделі (Linear Regression, LSTM) та оптимізаційні механізми (Markowitz, Genetic Algorithm) для автоматизованого формування ефективних інвестиційних портфелів. У практичній частині розроблено програмний комплекс для збору даних, прогнозування дохідності активів та оптимізації структури портфеля. Проведено експериментальні дослідження для декількох сценаріїв ринкової поведінки, що продемонстрували переваги еволюційних алгоритмів та моделей глибинного навчання над традиційними статистичними методами. Отримані результати підтвердили, що поєднання LSTM та генетичного алгоритму забезпечує підвищення коефіцієнта Sharpe, кращу адаптивність до ринкової динаміки та стійкість до коливань. Наукова новизна роботи полягає у комплексній інтеграції методів глибинного навчання та еволюційної оптимізації в одному програмному інструменті для управління портфелем. Практичне значення полягає у створенні прототипу системи, яка може бути застосована в інвестиційних компаніях, фінтех‑секторі або приватними інвесторами для підтримки прийняття рішень. Робота є основою для подальшого розвитку інтелектуальних систем фінансового прогнозування та управління активами.