DOI: https://doi.org/10.32515/2664-262X.2025.11(42).2.3-10
Метод і технологічне рішення ШІ-сервісу адаптивного опитування інвестора для визначення індивідуального ризик-профілю
Про авторів
Корнієнко Олександр Сергійович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Херсонський національний технічний університет, м. Херсон, Україна, ORCID: https://orcid.org/0009-0008-6234-784X, e-mail: aleksandrkornienko19992106@gmail.com
Козуб Наталія Олександрівна, доцент, кандидат технічних наук, доцент кафедри програмних засобів і технологій, Херсонський національний технічний університет, м. Херсон, Україна, ORCID: https://orcid.org/0000-0002-0406-0161, e-mail: actinis1@gmail.com
Доренський Олександр Павлович , доцент, кандидат технічних наук, доцент кафедри кібербезпеки та програмного забезпечення, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0002-7625-9022, e-mail: dorenskyiop@kntu.kr.ua
Анотація
Праця присвячена розробці адаптивної моделі опитування інвесторів, яка використовує сучасні методи машинного навчання для формування детального континуального ризикового профілю. Традиційні анкети з оцінки ризику, які гуртуються на статичних і дискретних шкалах, часто не враховують багатовимірність індивідуальної толерантності до ризику, особливо в умовах низького рівня фінансової грамотності. Це дослідження має на меті подолати зазначені обмеження, підвищити точність і рівень персоналізації інвестиційних рекомендацій.
В роботі представлено інноваційну модель адаптивного опитувальника, яка динамічно коригує послідовність запитань за допомогою умовної логіки. Модель адаптує хід опитування на основі попередніх відповідей респондента, що забезпечує релевантність та цілеспрямованість кожного наступного запитання. Завдяки використанню експертно визначених вагових коефіцієнтів і континуальної шкали ризику, суб’єктивні відповіді перетворюються на надійний числовий вектор, придатний для обробки за допомогою алгоритмів машинного навчання. Технічна реалізація моделі ґрунтується на сучасному технологічному стеку, зокрема використовується React для фронтенду, Node.js з NestJS для бекенду, а також Python з FastAPI для сервісу машинного навчання, який застосовує RandomForestRegressor для обробки відповідей і прогнозування рівня ризику. У статті також представлені результати порівняльного аналізу, опису методик трансформації даних та схему безпечної передачі інформації, що підтверджує практичну ефективність запропонованого підходу.
Результати дослідження свідчать, що запропонований метод, модель і ШІ-сервіс адаптивного опитування забезпечують підвищення точності та персоналізацію ризик-профілювання у порівнянні з традиційними методами. Інтеграція адаптивного вибору запитань та сучасних методів машинного навчання оптимізує процес опитування, забезпечує більш надійні інвестиційні рекомендації.
Ключові слова
цифрова трансформація, машинне навчання, адаптивне опитування, ризиковий профіль інвестора, умовна логіка, континуальна шкала ризику, персоналізовані рекомендації
Повний текст:
PDF
Посилання
1. Sharpe, W. F. (1999). Investments. Prentice Hall.
2. Markowitz, H. (1959). Portfolio Selection: Efficient Diversification of Investments. John Wiley & Sons.
3. Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
4. USAID Financial Sector Transformation Project. (2021). Financial literacy, financial inclusion, and financial well-being in Ukraine (2021). Retrieved April 18, 2025, from https://bank.gov.ua/admin_uploads/article/ Research_Financial_Literacy_Inclusion_Welfare_2021.pdf
5. Riskalyze. (n.d.). Risk number methodology. Retrieved April 18, 2025, from https://www.riskalyze.com
6. Grable, J. E., & Lytton, R. H. (1999). Financial risk tolerance revisited: The development of a risk assessment instrument. Financial Services Review, 8(3), 163–181.
7. Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
8. Lo, A. W. (2017). Adaptive Markets: Financial Evolution at the Speed of Thought. Princeton University Press.
9. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
10. van der Linden, W. J. (2000). Computerized Adaptive Testing: Theory and Practice. Springer.
11. Gu, S., Kelly, B., & Xiu, D. (2020). Empirical asset pricing via machine learning. The Review of Financial Studies, 33(5), 2223–2273. https://doi.org/10.1093/rfs/hhaa009
12. Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of Item Response Theory. Sage Publications.
13. Weiss, D. J. (1988). Computerized Adaptive Testing: Theory and Practice. Springer.
14. Van Rossum, G., & Drake, F. L. (2009). Python 3 Reference Manual. CreateSpace.
15. Node.js Foundation. (n.d.). Node.js Documentation. Retrieved April 18, 2025, from https://nodejs.org/en/docs/
16. Dorenskyi, O., Drobko, O., & Drieiev, O. (2022). Improved model and software of the digital information service of the municipal health care institutions. Tsentralʹnoukrainsʹkyi naukovyi visnyk. Tekhnichni nauky, 5(36), Pt. 2, 3–10. https://doi.org/10.32515/2664-262X.2022.5(36).2.3-10.
17. Kachurivskyi, V., Kotovskyi, A., Lykhodid, T., Kachurivska, H., & Dorenskyi, O. (2025). The concept of digital transformation of monitoring scientific activity of participants in educational process of the Ukrainian HEI. Tsentralʹnoukrainsʹkyi naukovyi visnyk. Tekhnichni nauky, 11(42), Pt. 1, 27–36. https://doi.org/10.32515/2664-262X.2025.11(42).1.27-36.
Пристатейна бібліографія
1. Sharpe, W. F. Investments. Prentice Hall, 1999. 962 с.
2. Markowitz, H. Portfolio Selection: Efficient Diversification of Investments. John Wiley & Sons, 1959. 351 с.
3. Murphy, K. P. Machine Learning: A Probabilistic Perspective. MIT Press, 2012. 1104 с.
4. USAID Проєкт «Трансформація фінансового сектору». Фінансова грамотність, фінансова інклюзія та фінансовий добробут в Україні у 2021 році [Електронний ресурс]. URL: https://bank.gov.ua/admin_uploads/ article/Research_Financial_Literacy_Inclusion_Welfare_2021.pdf (дата звернення: 18.04.2025).
5. Riskalyze. Risk Number Methodology [Електронний ресурс]. URL: https://www.riskalyze.com (дата звернення: 18.04.2025).
6. Grable, J. E., Lytton, R. H. Financial Risk Tolerance Revisited: The Development of a Risk Assessment Instrument. Financial Services Review. 1999. Vol. 8, № 3. С. 163–181.
7. Kahneman, D., Tversky, A. Prospect Theory: An Analysis of Decision Under Risk. Econometrica. 1979. Vol. 47, Issue 2. С. 263–291.
8. Lo, A. W. Adaptive Markets: Financial Evolution at the Speed of Thought. Princeton University Press, 2017. 504 с.
9. Breiman, L. Random Forests. Machine Learning. 2001. Vol. 45(1). С. 5–32. DOI: 10.1023/A:1010933404324.
10. Van der Linden, W. J. Computerized Adaptive Testing: Theory and Practice. Springer, 2000. 324 с.
11. Gu, S., Kelly, B., Xiu, D. Empirical Asset Pricing via Machine Learning. The Review of Financial Studies. 2020. Vol. 33, Issue 5. С. 2223–2273. DOI: 10.1093/rfs/hhaa009.
12. Hambleton, R. K., Swaminathan, H., Rogers, H. J. Fundamentals of Item Response Theory. Sage Publications, 1991. 184 с.
13. Weiss, D. J. Computerized Adaptive Testing: Theory and Practice. Springer, 1988. 308 с.
14. Van Rossum, G., Drake, F. L. Python 3 Reference Manual. CreateSpace, 2009. 242 с.
15. Node.js Foundation. Node.js Documentation [Електронний ресурс]. URL: https://nodejs.org/en/docs/ (дата звернення: 18.04.2025).
16. Dorenskyi, O., Drobko, O., Drieiev, O. Improved Model and Software of the Digital Information Service of the Municipal Health Care Institutions. Центральноукраїнський науковий вісник. Технічні науки. 2022. Вип. 5(36), ч. 2. С. 3–10. DOI: 10.32515/2664-262X.2022.5(36).2.3-10.
17. Kachurivskyi, V., Kotovskyi, A., Lykhodid, T., Kachurivska, H., Dorenskyi, O. The Concept of Digital Transformation of Monitoring Scientific Activity of Participants in Educational Process of the Ukrainian HEI. Центральноукраїнський науковий вісник. Технічні науки. 2025. Вип. 11(42), ч. 1. С. 27–36. DOI: 10.32515/2664-262X.2025.11(42).1.27-36.
Copyright (c) 2025 О. С. Корнієнко, Н. О. Козуб, О. П. Доренський
Метод і технологічне рішення ШІ-сервісу адаптивного опитування інвестора для визначення індивідуального ризик-профілю
Про авторів
Корнієнко Олександр Сергійович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Херсонський національний технічний університет, м. Херсон, Україна, ORCID: https://orcid.org/0009-0008-6234-784X, e-mail: aleksandrkornienko19992106@gmail.com
Козуб Наталія Олександрівна, доцент, кандидат технічних наук, доцент кафедри програмних засобів і технологій, Херсонський національний технічний університет, м. Херсон, Україна, ORCID: https://orcid.org/0000-0002-0406-0161, e-mail: actinis1@gmail.com
Доренський Олександр Павлович , доцент, кандидат технічних наук, доцент кафедри кібербезпеки та програмного забезпечення, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0002-7625-9022, e-mail: dorenskyiop@kntu.kr.ua
Анотація
Ключові слова
Повний текст:
PDFПосилання
1. Sharpe, W. F. (1999). Investments. Prentice Hall.
2. Markowitz, H. (1959). Portfolio Selection: Efficient Diversification of Investments. John Wiley & Sons.
3. Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
4. USAID Financial Sector Transformation Project. (2021). Financial literacy, financial inclusion, and financial well-being in Ukraine (2021). Retrieved April 18, 2025, from https://bank.gov.ua/admin_uploads/article/ Research_Financial_Literacy_Inclusion_Welfare_2021.pdf
5. Riskalyze. (n.d.). Risk number methodology. Retrieved April 18, 2025, from https://www.riskalyze.com
6. Grable, J. E., & Lytton, R. H. (1999). Financial risk tolerance revisited: The development of a risk assessment instrument. Financial Services Review, 8(3), 163–181.
7. Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
8. Lo, A. W. (2017). Adaptive Markets: Financial Evolution at the Speed of Thought. Princeton University Press.
9. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
10. van der Linden, W. J. (2000). Computerized Adaptive Testing: Theory and Practice. Springer.
11. Gu, S., Kelly, B., & Xiu, D. (2020). Empirical asset pricing via machine learning. The Review of Financial Studies, 33(5), 2223–2273. https://doi.org/10.1093/rfs/hhaa009
12. Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of Item Response Theory. Sage Publications.
13. Weiss, D. J. (1988). Computerized Adaptive Testing: Theory and Practice. Springer.
14. Van Rossum, G., & Drake, F. L. (2009). Python 3 Reference Manual. CreateSpace.
15. Node.js Foundation. (n.d.). Node.js Documentation. Retrieved April 18, 2025, from https://nodejs.org/en/docs/
16. Dorenskyi, O., Drobko, O., & Drieiev, O. (2022). Improved model and software of the digital information service of the municipal health care institutions. Tsentralʹnoukrainsʹkyi naukovyi visnyk. Tekhnichni nauky, 5(36), Pt. 2, 3–10. https://doi.org/10.32515/2664-262X.2022.5(36).2.3-10.
17. Kachurivskyi, V., Kotovskyi, A., Lykhodid, T., Kachurivska, H., & Dorenskyi, O. (2025). The concept of digital transformation of monitoring scientific activity of participants in educational process of the Ukrainian HEI. Tsentralʹnoukrainsʹkyi naukovyi visnyk. Tekhnichni nauky, 11(42), Pt. 1, 27–36. https://doi.org/10.32515/2664-262X.2025.11(42).1.27-36.
Пристатейна бібліографія
1. Sharpe, W. F. Investments. Prentice Hall, 1999. 962 с.
2. Markowitz, H. Portfolio Selection: Efficient Diversification of Investments. John Wiley & Sons, 1959. 351 с.
3. Murphy, K. P. Machine Learning: A Probabilistic Perspective. MIT Press, 2012. 1104 с.
4. USAID Проєкт «Трансформація фінансового сектору». Фінансова грамотність, фінансова інклюзія та фінансовий добробут в Україні у 2021 році [Електронний ресурс]. URL: https://bank.gov.ua/admin_uploads/ article/Research_Financial_Literacy_Inclusion_Welfare_2021.pdf (дата звернення: 18.04.2025).
5. Riskalyze. Risk Number Methodology [Електронний ресурс]. URL: https://www.riskalyze.com (дата звернення: 18.04.2025).
6. Grable, J. E., Lytton, R. H. Financial Risk Tolerance Revisited: The Development of a Risk Assessment Instrument. Financial Services Review. 1999. Vol. 8, № 3. С. 163–181.
7. Kahneman, D., Tversky, A. Prospect Theory: An Analysis of Decision Under Risk. Econometrica. 1979. Vol. 47, Issue 2. С. 263–291.
8. Lo, A. W. Adaptive Markets: Financial Evolution at the Speed of Thought. Princeton University Press, 2017. 504 с.
9. Breiman, L. Random Forests. Machine Learning. 2001. Vol. 45(1). С. 5–32. DOI: 10.1023/A:1010933404324.
10. Van der Linden, W. J. Computerized Adaptive Testing: Theory and Practice. Springer, 2000. 324 с.
11. Gu, S., Kelly, B., Xiu, D. Empirical Asset Pricing via Machine Learning. The Review of Financial Studies. 2020. Vol. 33, Issue 5. С. 2223–2273. DOI: 10.1093/rfs/hhaa009.
12. Hambleton, R. K., Swaminathan, H., Rogers, H. J. Fundamentals of Item Response Theory. Sage Publications, 1991. 184 с.
13. Weiss, D. J. Computerized Adaptive Testing: Theory and Practice. Springer, 1988. 308 с.
14. Van Rossum, G., Drake, F. L. Python 3 Reference Manual. CreateSpace, 2009. 242 с.
15. Node.js Foundation. Node.js Documentation [Електронний ресурс]. URL: https://nodejs.org/en/docs/ (дата звернення: 18.04.2025).
16. Dorenskyi, O., Drobko, O., Drieiev, O. Improved Model and Software of the Digital Information Service of the Municipal Health Care Institutions. Центральноукраїнський науковий вісник. Технічні науки. 2022. Вип. 5(36), ч. 2. С. 3–10. DOI: 10.32515/2664-262X.2022.5(36).2.3-10.
17. Kachurivskyi, V., Kotovskyi, A., Lykhodid, T., Kachurivska, H., Dorenskyi, O. The Concept of Digital Transformation of Monitoring Scientific Activity of Participants in Educational Process of the Ukrainian HEI. Центральноукраїнський науковий вісник. Технічні науки. 2025. Вип. 11(42), ч. 1. С. 27–36. DOI: 10.32515/2664-262X.2025.11(42).1.27-36.
Copyright (c) 2025 О. С. Корнієнко, Н. О. Козуб, О. П. Доренський