Інформаційна технологія прогнозування фінансових показників та підтримки інвестиційних рішень на основі генеративного штучного інтелекту

Abstract

The article investigates modern approaches to the development of information technologies for financial forecasting and investment decision support based on neural networks, transformer architectures, and generative artificial intelligence. The relevance of the study is determined by the rapid growth in financial data volumes, the high dynamics of the market environment, the necessity to analyze complex temporal dependencies, and the increasing requirements for forecasting accuracy under conditions of uncertainty. It is demonstrated that classical econometric forecasting methods, including ARIMA, GARCH, linear regression, and statistical time-series models, exhibit significant limitations when analyzing multidimensional nonlinear financial processes. In this regard, modern fintech systems increasingly employ recurrent neural networks, Long Short-Term Memory architectures, transformer-based models, attention mechanisms, and large language models for time-series analysis, financial text processing, and decision support. The paper analyzes the application features of LSTM, Informer, Autoformer, Temporal Fusion Transformer, FinGPT, BloombergGPT, and Explainable AI in tasks related to financial forecasting, risk assessment, ESG analysis, and portfolio optimization. A concept of a multi-level information technology architecture is proposed, integrating modules for real-time data stream monitoring, financial text analysis, generative artificial intelligence, and investment decision support systems. The scientific novelty of the study lies in the formalization of an approach to integrating neural networks, transformer architectures, and generative artificial intelligence into financial forecasting and investment decision-support tasks while considering risks, ESG factors, and multimodal data analysis. The practical significance of the obtained results consists in the possibility of developing next-generation intelligent fintech systems for forecasting market changes, analyzing financial risks, ESG monitoring, automating analysts’ activities, and supporting strategic financial decision-making processes.

У статті досліджено сучасні підходи до побудови інформаційних технологій прогнозування фінансових показників та підтримки інвестиційних рішень на основі нейронних мереж, трансформерних архітектур та генеративного штучного інтелекту. Актуальність роботи обумовлена стрімким зростанням обсягів фінансових даних, високою динамічністю ринкового середовища, необхідністю аналізу складних часових залежностей і підвищенням вимог до точності прогнозування в умовах невизначеності. Показано, що класичні економетричні методи прогнозування, зокрема ARIMA, GARCH, лінійна регресія та статистичні моделі часових рядів, мають обмеження при аналізі багатовимірних нелінійних фінансових процесів. У зв’язку з цим сучасні fintech-системи дедалі активніше використовують рекурентні нейронні мережі, Long Short-Term Memory, Transformer-архітектури, механізми уваги та великі мовні моделі для аналізу часових рядів, текстових фінансових джерел і підтримки прийняття рішень. У роботі проаналізовано особливості застосування LSTM, Informer, Autoformer, Temporal Fusion Transformer, FinGPT, BloombergGPT та Explainable AI у задачах прогнозування фінансових показників, оцінювання ризиків, ESGаналізу та портфельної оптимізації. Запропоновано концепцію багаторівневої інформаційної технології, яка інтегрує модулі потокового моніторингу даних, аналізу текстової інформації, генеративного штучного інтелекту та систем підтримки інвестиційних рішень. Наукова новизна роботи полягає у формалізації підходу до інтеграції нейронних мереж, трансформерних архітектур, генеративного штучного інтелекту у задачах прогнозування фінансових показників і підтримки інвестиційних рішень із урахуванням ризиків, ESG-факторів та мультимодального аналізу даних. Практичне значення результатів полягає у можливості створення інтелектуальних fintech-систем нового покоління для прогнозування ринкових змін, аналізу фінансових ризиків, ESG-моніторингу, автоматизації роботи аналітиків та підтримки стратегічних фінансових рішень.