Искусственный интеллект в макромоделировании и прогнозировании экономических процессов и финансовых взаимосвязей с учетом сентимента участников рынка

Реализация задач финансово-экономического моделирования и прогнозирования в настоящее время переживает определенный идейный кризис. Пределом возможностей классических методов стали модели DSGE и DFM-типа, позволяющих строить системные структурированные модели. Тем не менее, данные модели часто не применимы для решения прикладных частных задач (к которым, например, относится прогнозирование макропоказателей, динамики фондовых индексов и цен финансовых активов), что существенно затрудняет надзор и регулирование, например, со стороны Центральных банков или бирж, других регулирующих органов.

Сложности вызывают задачи количественной оценки обратных эффектов: восприятия экономическими агентами регуляторных изменений и проводимой политики, и ответные действия в экономическом и инвестиционном поведении, включая возможный сговор через соцсети. Социальные сети позволяют индивидуальным инвесторам объединяться и скоординировано действовать против институциональных инвесторов.

Ковид-пандемия перевела многие процессы в онлайн режим, усилила роль социальных сетей и масс-медиа, включая принятие инвестиционных решений (яркий пример – появление эффекта мемных акций), решений в области экономического обоснования управленческих решений. До сих пор эти эффекты не исследовались с позиции прямого и косвенного воздействия, обратного эффекта, включая потенциальную возможность манипулирования как мнениями и настроениями, так и потоками капитала, инвестиционными решениями как на уровне частных лиц и домохозяйств, так и на уровне компаний и экосистем.

Важное понимание экономики на современном этапе – это не только нерегулярный процесс, подверженный эффектам новостного фона, но и система с обратной связью. Система меняется в ходе ее изучения, после публикации прогнозов о ее развитии, в результате реакции на новостные сигналы о таком изучении и о прогнозах. Финансовую стабильность России на среднесрочной перспективе сегодня не могут обеспечить просто более сложные правила регулирования. Это должно быть принципиально новое – упреждающее – регулирование, основанное на сценарном моделировании обратных откликов и учете большого числа явно фиксируемых и косвенно проявляемых факторов. Управление должно учитывать не только отклик системы на прогнозы о ней, но и отклик системы на психологические действия участников рынка, спровоцированные новостным фоном. Сегодня в регулировании крупных промышленных компаний, банков, экосистем, в работе бирж не учитываются эффекты обратной связи, включая отклики на новостной фон, включая возможность коллективного сговора участников рынка через соцсети. Надзор и нарушения за регулирование относятся только к фактически выявленным событиям без учета высокой вероятности их проявления. Устранить указанные недостатки может только применение современных технологий ИИ, в т.ч. для анализа социальных медиа-ресурсов.

В связи с вышеописанными процессами требуется разработка как новых подходов и методов моделирования и прогнозирования с последующей корректировкой надзора и регулирования, так и современных алгоритмов обработки новостной ленты, масс-медиа, социальных платформ для построения не просто отдельных индикаторов значимости (видимости) новостей (такие индикаторы часто строятся по поисковым запросам), но и восприятий как собственно событий экономической деятельности, так и тональности новостного фона и реакции на него других участников рынка (как пример – ощущаемая инфляция определенной группой населения, тревожность по поводу финансовой устойчивости той или иной компании, готовность инвестирования в те или иные активы инвестиционного рынка). В рамках проекта ставится задача построения взаимосвязанной линейки индексов сентимента, позволяющей учитывать в моделировании и прогнозировании, не только прямое воздействие новостей и событий, но и обратные, косвенные эффекты.