Проєкт інформаційної системи аналітики для інвесторів з використанням штучного інтелекту
Автор: Вархомій Мар'ян Тарасович
Кваліфікаційний рівень: магістр
Спеціальність: Управління ІТ проектами
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Аналітична платформа для інвесторів є сучасною інформаційною системою, розробленою з метою автоматизації процесів збору, обробки, прогнозування та візуалізації фінансових даних. Вона поєднує технології штучного інтелекту (ШІ), машинного навчання (ML) та аналізу ризиків для підтримки прийняття інвестиційних рішень. Основна ідея полягає у створенні середовища, яке надає користувачам точні аналітичні дані та прогнози ринкових тенденцій, сприяючи підвищенню ефективності управління портфелем активів. Система збирає інформацію з відкритих фінансових джерел, таких як Binance, Yahoo Finance, Investing.com та TradingView, об’єднуючи її в єдине сховище для подальшого аналізу. Завдяки інтеграції з API-платформами, користувач отримує доступ до актуальних ринкових котирувань у режимі реального часу. Алгоритми машинного навчання, зокрема LSTM та Transformer, аналізують історичні дані й формують прогнози майбутніх коливань цін. Окрім цього, модуль ризик-менеджменту здійснює оцінювання волатильності активів, обчислення Value-at-Risk та побудову профілів інвестиційного ризику. На основі цих даних інвестори отримують рекомендації, що допомагають збалансувати прибутковість і ризик. Інтерфейс системи створено за принципами UX/UI-дизайну, що забезпечує інтуїтивну взаємодію навіть для користувачів без глибоких технічних знань. Платформа має адаптивну структуру й може бути розгорнута як вебзастосунок або SaaS-рішення. Для підвищення надійності та безпеки даних використано шифрування й багаторівневу аутентифікацію. Мета дослідження полягає у розробленні архітектури аналітичної системи для інвесторів, здатної прогнозувати фінансові ризики з високою точністю та забезпечувати зручну візуалізацію результатів. До основних завдань роботи належать: • аналіз сучасних підходів до використання ШІ у сфері FinTech; • побудова архітектури системи з урахуванням вимог до продуктивності, безпеки та масштабованості; • застосування гнучких методологій управління проєктом — Agile та Scrum; • створення моделей машинного навчання для прогнозування цінових трендів; • реалізація MLOps-підходу для автоматизації оновлення моделей і контролю якості. Об’єктом дослідження є процеси аналізу, прогнозування та візуалізації фінансових даних за допомогою технологій штучного інтелекту. Предметом дослідження виступає інформаційна система, що об’єднує модулі ШІ, аналітики та управління ризиками для підтримки прийняття інвестиційних рішень. Розроблений прототип системи продемонстрував високу ефективність: точність прогнозування перевищила 86%, час обробки запитів скоротився на 35%, а навантаження на систему — на 13%. Ці показники свідчать про доцільність впровадження платформи в інвестиційній практиці. Проєкт має комерційний потенціал для використання у фінансових компаніях, банках та навчальних закладах. Підсумовуючи, можна зазначити, що створення аналітичної платформи для інвесторів із використанням ШІ є важливим кроком у напрямі цифрової трансформації фінансового сектору. Розроблена система поєднує сучасні алгоритми машинного навчання, високий рівень автоматизації, прозору архітектуру та гнучку систему управління даними, що робить її конкурентоспроможним рішенням на ринку FinTech. Ключові слова: аналітична система, інвестиції, штучний інтелект, прогнозування, ризик-менеджмент, машинне навчання, Agile, PMBOK, MLOps, FinTech. Перелік використаних літературних джерел: 1. Deloitte. AI in Investment Management: 2024 Outlook [Електронний ресурс]. – Режим доступу: https://www.deloitte.com/ai-investment-2024 (дата звернення: 27.10.2025). 2. PwC. AI-driven Financial Analytics Report 2023 [Електронний ресурс]. – Режим доступу: https://www.pwc.com/ai-finance (дата звернення: 27.10.2025). 3. IBM. AI and Data Analytics for Financial Services (2024) [Електронний ресурс]. – Режим доступу: https://www.ibm.com/analytics/financial-services (дата звернення: 27.10.2025). 4. Gartner. Forecasting Market Data Trends with AI (2023) [Електронний ресурс]. – Режим доступу: https://www.gartner.com/en/research (дата звернення: 27.10.2025). 5. McKinsey. Artificial Intelligence in Asset Management (2024) [Електронний ресурс]. – Режим доступу: https://www.mckinsey.com/ai-asset-management (дата звернення: 28.10.2025).