ПОБУДОВА ІНДЕКСУ ГНУЧКОСТІ СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ НА КРИПТОВАЛЮТНОМУ РИНКУ
Ключові слова:
штучний інтелект, криптовалютний ринок, індекс гнучкості, фінансові ризики, адаптивність, інвестиційний менеджмент, волатильність.Анотація
Вступ. Проблема оцінювання адаптивності інтелектуальних торгових систем в умовах екстремальної волатильності криптовалютного ринку набуває все більшої актуальності. Традиційні фінансові метрики мають обмеження під час аудиту систем штучного інтелекту, оскільки вони є ретроспективними та не враховують здатність алгоритмів реагувати на структурні злами ринку.
Мета – розробити методологічні засади та математичну модель індексу гнучкості систем штучного інтелекту для кількісного вимірювання здатності алгоритмів до саморегулювання.
Результати. Обґрунтовано необхідність розділення індексу на три функціональні компоненти: коефіцієнт швидкості адаптації, коефіцієнт стійкості до волатильності та коефіцієнт збереження капіталу в стресових умовах. Запропоновано математичний апарат нормалізації показників за допомогою сигмоїдальної функції, що дає змогу зводити різнорозмірні дані до єдиної шкали. Розроблено інформаційно-функціональну архітектуру розрахунку індексу в реальному часі, що складається з чотирьох послідовних етапів: агрегації даних, детекції аномалій, обчислення компонентів та виконання рішень. Концептуалізовано поняття “гнучкість ШІ” як здатність до автономної ідентифікації змін ринкового режиму та динамічної зміни стратегій.
Висновки. Впровадження індексу створює підґрунтя для підвищення якості аудиту цифрових активів та превентивного ризик-менеджменту, даючи змогу інвесторам ідентифікувати “жорсткі” моделі, схильні до перенавчання. Подальші дослідження будуть спрямовані на емпіричну апробацію моделі на історичних даних криптобірж.
Посилання
1. Dixon M. F., Halperin I., Bilokon P. Machine learning in finance: from theory to practice. Springer, 2020. 573 p.
2. Міщенко С., Науменкова C., Тіщенко Є. Синергія штучного інтелекту та блокчейн у фінансовому секторі. Вісник Київського національного університету імені Тараса Шевченка. Економіка. 2025. Вип. 2. С. 54–64. https://doi.org/10.17721/1728-2667.2025/227-2/7.
3. Мандич О., Ставерська Т., Малій О. Інтеграція штучного інтелекту в ринок блокчейн та криптовалют. Modeling the Development of the Economic Systems. 2023. № 4. С. 61–66. https://doi.org/10.31891/mdes/2023-10-8.
4. Москаленко В. В., Фонта Н. Г., Гавриленко А. В., Безчастний О. М. Аналіз проблеми прогнозування трендів криптовалютного ринку та сучасні підходи до її вирішення. Вісник Національного технічного університету “ХПІ”. Стратегічне управління, управління портфелями, програмами та проектами. 2024. № 1. С. 41–49. DOI: 10.20998/2413-3000.2024.8.6.
5. Babych O. Predicting cryptocurrency price movements using ai: integrating technical analysis and cyclical theories with machine learning models. International Humanitarian University Herald. Economics and Management. 2025. № 62. https://doi.org/10.32782/2413-2675/2025-62-3.
6. Чижевська М. Б., Венгер В. В., Кушніренко О. М., Романовська Н. І., Степаненко О. А.. Прогнозування ціни криптовалют із застосуванням моделі FNN для оптимізації інвестиційних процесів. Європейський науковий журнал економічних та фінансових інновацій. 2025. № 2. С. 36–50. https://doi.org/10.32750/2025-0204.
7. Коба Б. О., Половенко Л. П. Статистичне дослідження валютної пари “євро – долар” з використанням штучного інтелекту. Вісник Студентського наукового товариства ДонНУ імені Василя Стуса. 2025. Вип. 1. С. 176–181.
8. Ванькович Л. Я., Обернієнко О. М., Перожак Р. І., Стеблій О. І. Використання штучного інтелекту у прогнозуванні зовнішньо-торговельних потоків. Сталий розвиток економіки. 2026. № 6. С. 537–542. https://doi.org/10.32782/2308-1988/2025-57-73.
9. Fang F., Ventre C., Basios M., Kanthan L., Martinez-Rego D., Wu F., Li L. Cryptocurrency trading: a comprehensive survey. Blockchain, crypto assets, and financial innovation. Singapore, 2025. P. 55–127. https://doi.org/10.1007/978-981-96-6839-7_4.
10. Bouri E., Das M., Gupta R., Roubaud D. Spillovers between Bitcoin and other assets during bear and bull markets. Applied Economics. 2018. Vol. 50, No. 55. P. 5935–5949.
11. Єрмошкіна О. В. Формування когнітивних упереджень на фінансовому ринку в умовах розвитку штучного інтелекту. Економіка, управління та адміністрування. 2025. № 3. С. 111–118. https://doi.org/10.26642/ema-2025-3(113)-111-118.
12. Панасюк В. М. Штучний інтелект як інструмент підвищення ефективності аудиторських перевірок в Україні. Ефективна економіка. 2025. № 11. https://doi.org/10.32702/2307-2105.2025.11.4.
13. Zhong X., Wei J., Li S., Xu Q. Deep reinforcement learning for dynamic strategy interchange in financial markets. Applied Intelligence. 2024. Vol. 55, № 1. https://doi.org/10.1007/s10489-024-05965-2.
14. Hallensleben S. AI Solution Quality Index (ASQI): A robust framework for procurement and deployment decisions. AI Assurance Forum : Blogs. 2025. URL : https://resaro.ai/insights/articles/ai-solutions-quality-index-asqi-a-solid-basis-for-procurement-and-deployment-decisions.
15. Wedemeyer M., Cramer E., Mitsos A., Dahmen M. Data-driven conditional flexibility index. Computers & Chemical Engineering. 2026. Vol. 211. P. 109647. https://doi.org/10.1016/j.compchemeng.2026.109647.
16. Park S.-W., Zhang Z., Li F., Son S.-Y. Peertopeer trading-based efficient flexibility securing mechanism to support distribution system stability. Applied energy. 2021. Vol. 285. P. 116403. https://doi.org/10.1016/j.apenergy.2020.116403.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Автори, які подають матеріали до наукового журналу Світ фінансів, погоджуються з наступними положеннями:
- Автори зберігають за собою всі авторські права й одночасно надають журналу право першої публікації на умовах ліцензії Creative Commons Attribution License, що дозволяє розповсюджувати даний матеріал із зазначенням авторства та первинної публікації в даному журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження наукової статі у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати наукову статтю в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
