АНАЛІЗ АЛГОРИТМІЧНОГО І МАТЕМАТИЧНОГО АПАРАТУ ДЛЯ СИСТЕМ ПОБУДОВИ ТА АНАЛІЗУ ІНСТРУМЕНТІВ УПРАВЛІННЯ ПЕРСОНАЛЬНИМИ ФІНАНСАМИ
DOI:
https://doi.org/10.32689/maup.it.2022.3.4Ключові слова:
Персональні фінанси, інструменти управління персональними фінансами, навчання з підкріпленням, лінійна регресія, дерева ухвалення рішень, поліноміальна регресіяАнотація
Управління персональними фінансами має велике значення для сучасної людини. Воно визначає ухвалення фінансових рішень для того, щоб людина почувалася захищеною, покращувала персональний фінансовий добробут, завчасно формувала резервний фонд на випадок непередбачуваних ситуацій. Для досягнення фінансових цілей можуть використовуватися різні фінансові інструменти. Це може бути банківський депозит, облігації, акції, нерухомість, тощо. Кожен фінансовий інструмент також має свої характеристики. Кожен інструмент має свою ризикованість, часові обмеження і прибутковість. Валютні ризики, фінансові кризи, пандемії дуже сильно впливають на характеристики фінансових інструментів, роблять їх більш або менш привабливими. Вкладення у державні облігації можуть бути дуже вигідними в один період часу і значно менш вигідними у інші періоди часу. Тобто фінансові інструменти можуть підходити для визначених фінансових цілей в один період часу і не підходити в інший. Виникає питання вибору математичного апарату для вирішення проблеми знаходження оптимальних стратегій для фінансових вкладень людей, для того щоб врахувати різні фактори. Розглянуто детально такі методи і їх особливості як Supervised learning, Unsupervised learning, навчання з підкріпленням. Також розглянуто деякі алгоритми Supervised learning: лінійна регресія, дерева ухвалення рішень, поліноміальна регресія. Алгоритми методу Unsupervised learning: кластерний аналіз, метод K-середніх, ієрархічна кластеризація, кластеризація на основі щільності. Також розглянуто підхід агентного моделювання і спосіб статистичного моделювання випадкових процесів за допомогою ланцюгів Маркова, алгоритми навчання з підкріпленням, а саме Value-based метод і Policy-based метод. Також було розглянуто різні типи задач, які можна вирішувати за допомогою наведених підходів. Дані алгоритми дають можливість для їх широкого застосування у різних сферах, а також для вирішення питань управління персональними фінансами.
Посилання
R. S. Sutton, and A. G. Barto, Reinforcement learning: an introduction. Cambridge: The MIT Press, 2015, p. 143-160.
Sutton R. S., & Barto A. G. Introduction to reinforcement learning (Vol. 135). Cambridge: MIT press; 1998.
Ronald van Loon. Machіne learnіng explained: Understanding supervised, unsupervіsed, and reinforcement learning. URL: https://bіgdata-madesіmple.com/machine-learning-explaіned-understanding-supervised-unsupervisedand-reinforcement-learnіng.
Антонюк Д. С., Вакалюк Т. А., Дідківський В. В., Візгалов О. Ю., Необхідність розробки симулятора управління персональними фінансами. Інноваційна педагогіка: науковий журнал. Вип. 24. Том 2. Видавничий дім «Гельветика», 2020. С. 208-212.
Кононова К. Ю. Машинне навчання: методи та моделі. МОН України, Харківський національний університет імені В. Н. Каразіна, 2020. С. 47-48
What are the types of Reinforcement learning algorithms? URL: https://www.finsliqblog.com/ai-and-machinelearning/what-are-the-types-of-reinforcement-learning-algorithms/
B. Hambly, R. Xu, H. Yang, Recent Advances in Reinforcement Learning in Finance, 2021 URL: https://arxiv.org/abs/2112.04553
Unsupervised learning URL: https://en.wikipedia.org/wiki/Unsupervised_learning.
Reinforcement learning URL: https://en.wikipedia.org/wiki/Reinforcement_learning.
Markov decision process URL: https://en.wikipedia.org/wiki/Markov_decision_process.
Q-learning URL: https://en.wikipedia.org/wiki/Q-learning.
Value-based Methods in Deep Reinforcement Learning. URL: https://towardsdatascience.com/value-basedmethods-in-deep-reinforcement-learning-d40ca1086e1
Machine Learning and Linear Models: How They Work. URL: https://blog.dataiku.com/top-machine-learningalgorithms-how-they-work-in-plain-english-1
Introduction to Markov Chains. URL: https://towardsdatascience.com/introduction-to-markov-chains-50da3645a50d
Introducing the AI Economist: Why Salesforce Researchers are Applying Machine Learning to Economics. URL: https://www.salesforce.com/news/stories/introducing-the-ai-economist-why-salesforce-researchers-are-applyingmachine-learning-to-economics.
