ИНВЕСТИЦИЯЛЫҚ ТӘУЕКЕЛДЕРДІ БАСҚАРУ: БЕЛГІЛІМДІЛІК ПЕН ҚҰБЫЛМАЛЫЛЫҚТАН АЛЫНҒАН ТҮСІНІКТЕР
https://doi.org/10.55452/1998-6688-2025-22-1-44-58
Аннотация
Бұл зерттеудің негізгі мақсаты – IT жобаларын әзірлеу барысында инвестициялық тәуекелдерді анықтау және басқару әдістерін жетілдіру. Аталған тәуекелдер белгісіздік, толық емес ақпарат және болжамды ақша ағындарының құбылмалылығымен байланысты, бұл инвесторлар мен мүдделі тараптардың негізделген шешімдер қабылдауын қиындатады. Бұл мәселені шешу үшін зерттеуде терең оқытудың (deep learning) озық әдістері қолданылып, инвестициялық процестерде тәуекелдерді басқаруды оңтайландыруға арналған жаңа әдістеме ұсынылады. Нақтырақ айтқанда, машиналық оқыту (ML) және конволюциялық нейрондық желілер (CNN) негізінде инвестициялық тәуекелдерді сандық тұрғыдан анықтау мен төмендетуге арналған алгоритм әзірленді және оның тиімділігі расталды. Зерттеудің негізгі әдістемелік негізі ретінде тәуекел, инвестиция және сәйкестік (RIC) әдісі ұсынылып отыр. Бұл әдіс әртүрлі қаржылық көрсеткіштерді композиттік бағалау жүйесіне біріктіре отырып, компаниялардың инвестициялық тартымдылығын сандық бағалауға мүмкіндік береді. Әдістеме беделді дереккөздердің бес жылдық тарихи қаржылық деректері арқылы расталды және әртүрлі салалардағы он компанияға қолданылды. Әдістемелік база қаржылық нәтижелерді, нарықтағы мінез-құлықты және тұтынушылардың көңіл-күйін талдау үшін кең ауқымды деректер жиынын қамтиды. Негізгі деректер жиынына нарықтық көңіл-күйді бағалау үшін 1,5 миллион твиттерді қамтитын Kaggle компаниясының Twitter деректер жинағы, McKinsey компаниясының 500 миллион тұтынушылық өзара әрекеттесу деректері және Yahoo Finance компаниясының күнделікті жаңартулары кіреді. Нәтижелер RIC әдістемесі жоғары тәуекелді және қауіпсіз инвестицияларды тиімді ажырататынын көрсетеді. 60%-дан жоғары балл жинаған компаниялар күшті инвестициялық мүмкіндіктер ретінде анықталды, ал 30%-дан төмен компаниялар тәуекелі жоғары кәсіпорындар ретінде белгіленді. Бұл зерттеу IT-инвестициялық жобаларындағы тәуекелдерді басқару үшін сенімді негіз бен кең ауқымды қолданбалар ұсынады және белгісіздік жағдайында неғұрлым тиімді шешімдер қабылдауға мүмкіндік береді.
Авторлар туралы
Р. В. СафаровРесей
магистрант
Алматы қ.
И. Р. Зиноллин
Ресей
магистрант
Алматы қ.
У. Кылышбек
Ресей
магистрант
Алматы қ.
А. Ж. Картбаев
Ресей
PhD
Алматы қ.
Әдебиет тізімі
1. Gampfer Fabian, Andreas Jürgens, Markus Müller and Ruediger Buchkremer. Past, Current, and Future Trends in Enterprise Architecture: A View Beyond the Horizon. Computers in Industry, 2018, vol. 100, pp. 70–84. https://doi.org/10.1016/j.compind.2018.03.006.
2. Ilin V., Levina A., Dubgorn A. and A. Abran Investment Models for Enterprise Architecture and IT Architecture Projects Within the Open Innovation Concept. Journal of Open Innovation: Technology, Market, and Complexity, 2021, vol. 7, pp. 1–18. https://doi.org/10.3390/joitmc7010069.
3. Purwita W. and A.P. Subriadi. Information Technology Investment: In Search of the Closest Accurate Method. Procedia Computer Science, 2019, vol. 161, pp. 300–307. https://doi.org/10.1016/j.procs.2019.11.127.
4. Meyer R. and P. Degoulet. Choosing the Right Amount of Healthcare Information Technologies Investments. International Journal of Medical Informatics, 2010, vol. 79, pp. 225–231. https://doi.org/10.1016/j.ijmedinf.2010.01.001.
5. Ali S., Green P., and A. Robb. Information Technology Investment Governance: What Is It and Does It Matter? Inter. Journ. of Accounting Information Systems, 2015, vol. 18, pp. 1–25. https://doi.org/10.1016/j.accinf.2015.04.002.
6. Berghout E., and C.W. Tan. Understanding the Impact of Business Cases on IT Investment Decisions: An Analysis of Municipal E-Government Projects. Information and Management, 2013, vol. 50, pp. 489–506. https://doi.org/10.1016/j.im.2013.07.010.
7. Chen P.S., Yen D.C., Lin S.C., and C.S. Chou. Toward an IT Investment Decision Support Model for Global Enterprises. Computer Standards and Interfaces, 2018, vol. 59, pp. 130–140. http://dx.doi.org/10.1016/j.csi.2018.04.001.
8. Witra W.P.P., and A.P. Subriadi. Gender and Information Technology (IT) Investment Decision-Making. Procedia Computer Science, 2021, vol. 197, pp. 583–590. https://doi.org/10.1016/j.procs.2021.12.176.
9. Shin Y.Z., Chang J.Y., Jeon K., et al. Female Directors on the Board and Investment Efficiency: Evidence from Korea. Asian Business & Management, 2020, vol. 19, pp. 438–479. https://doi.org/10.1057/s41291-019-00066-2.
10. Lee H., Choi H., Lee J., Min J., and H. Lee. Impact of IT Investment on Firm Performance Based on Technology IT Architecture. Telematics and Informatics, 2016, vol. 91, pp. 652–661. https://doi.org/10.1016/j.procs.2016.07.164
11. Grekul V., Isaev E., Korovkina N., and T. Lisienkova. Developing an Approach to Ranking Innovative IT Projects. Business Informatics, 2019, vol. 13, pp. 43–58. https://doi.org/10.17323/1998-0663.2019.2.43.58.
12. Gao Y., Zhao C., Sun B., and W. Zhao. Effects of Investor on Stock Volatility: New Evidence from Multi-Source Data in China's Green Stock Markets. Financial Innovation, 2020, vol. 8, no. 1, pp. 1–30. https://doi.org/10.1186/s40854-022-00381-2.
13. Smatov N., Kalashnikov R., and A. Kartbayev. Development of Context-Based Sentiment Classification for Intelligent Stock Market Prediction. Big Data and Cognitive Computing, 2024, vol. 8, no. 6, p. 51. https://doi.org/10.3390/bdcc8060051.
14. Sonkavde G., Dharrao D.S., Bongale A.M., Deokate S.T., Doreswamy D., and S.K. Bhat. Forecasting Stock Market Prices Using Machine Learning and Deep Learning Models: A Systematic Review, Performance Analysis, and Discussion of Implications. International Journal of Financial Studies, 2023, vol. 11, p. 94. https://doi.org/10.3390/ijfs11030094.
15. Van den Berg M., Slot R., van Steenbergen M., Faasse P., and H. van Vliet. How Enterprise Architecture Improves the Quality of IT Investment Decisions. Journal of Systems and Software, 2019, vol. 152, pp. 134–150. https://doi.org/10.1016/j.jss.2019.02.053.
16. Gong X., Wang C., Zhang W., and J. Wang. Investor Sentiment and Stock Volatility: New Evidence. International Review of Financial Analysis, 2022, vol. 81, p. 102008. http://dx.doi.org/10.1016/j.irfa.2022.102028.
17. Rouatbi W., Demir E., Kizys R., and A. Zaremba. Immunizing Markets Against the Pandemic: COVID-19 Vaccinations and Stock Volatility Around the World. International Review of Financial Analysis, 2021, vol. 76, p. 101785. https://doi.org/10.1016/j.irfa.2021.101819.
18. Chevallier J., Ma F., Guo Y., and D. Huang. Macroeconomic Attention, Economic Policy Uncertainty, and Stock Volatility Predictability. International Review of Financial Analysis, 2022, vol. 81, p. 102037. https://doi.org/10.1016/j.irfa.2022.102339.
19. Macrotrends LLC. Macrotrends – Website with Financial Data. Accessed 2024. https://www.macrotrends.net/.
20. Infront Analytics. Infront Analytics – Website with Financial Data. Accessed 2024. https://infrontanalytics.com.
21. Comparably. Comparably – Website with Brand and Company Data. Accessed 2024. https://www.comparably.com/brands/.
22. Kalashnikov R., and A. Kartbayev. Assessment of the Impact of Big Data Analysis on Decision-Making in Stock Trading Processes. Procedia Comp. Sci., 2024, vol. 231, pp. 786–791. https://doi.org/10.1016/j.procs.2023.12.137.
23. Maqbool B., and S. Herold. Potential Effectiveness and Efficiency Issues in Usability Evaluation Within Digital Health: A Systematic Literature Review. Journal of Systems and Software, February 2024, vol. 208, p. 111881. https://doi.org/10.1016/j.jss.2023.111881.
24. Venugopal J.P., Subramanian A.A.V., Sundaram G., Rivera M., and P. Wheeler. A Comprehensive Approach to Bias Mitigation for Sentiment Analysis of Social Media Data. Applied Sciences, 2024, vol. 14, p. 11471. https://doi.org/10.3390/app142311471.
25. Asif M., and Z. Gouqing. Innovative Application of Artificial Intelligence in a Multi-Dimensional Communication Research Analysis: A Critical Review. Discover Artificial Intelligence, 2024, vol. 4, p. 37. https://doi.org/10.1007/s44163-024-00134-3.
Рецензия
Дәйектеу үшін:
Сафаров Р.В., Зиноллин И.Р., Кылышбек У., Картбаев А.Ж. ИНВЕСТИЦИЯЛЫҚ ТӘУЕКЕЛДЕРДІ БАСҚАРУ: БЕЛГІЛІМДІЛІК ПЕН ҚҰБЫЛМАЛЫЛЫҚТАН АЛЫНҒАН ТҮСІНІКТЕР. Қазақстан-Британ техникалық университетінің хабаршысы. 2025;22(1):44-58. https://doi.org/10.55452/1998-6688-2025-22-1-44-58
For citation:
Safarov R.V., Zinollin I.R., Kylyshbek U., Kartbayev A.Zh. MANAGING INVESTMENT RISKS: INSIGHTS FROM UNCERTAINTY AND VOLATILITY. Herald of the Kazakh-British technical university. 2025;22(1):44-58. https://doi.org/10.55452/1998-6688-2025-22-1-44-58