ТЕХНОЛОГІЧНІ ДОСЯГНЕННЯ У ФІНАНСОВОМУ ТРЕЙДИНГУ: СИСТЕМАТИЧНИЙ ОГЛЯД ЛІТЕРАТУРИ
DOI:
https://doi.org/10.15407/scine21.03.016Ключові слова:
фінанси, фінансовий ринок, фінансові технології, штучний інтелект, алгоритмічна торгівля, машинне навчання, глибоке навчанняАнотація
Вступ. Трансформаційні перетворення кардинально змінили фінансові ринки, що зумовлює необхідність переоцінювання поточних знань і майбутніх тенденцій використання технологій у фінансовому трейдингу.
Проблематика. Використання різноманіття технологічних досягнень у фінансовому трейдингу вимагає їх структуризації залежно від рівня машинної технології та рівня торгової стратегії.
Мета. Всебічне узагальнення наявних джерел про технологічні досягнення у фінансовому трейдингу для оцінювання якості наукових досліджень і окреслення перспективних напрямків подальших розробок.
Матеріали й методи. Аналітичне вивчення літературних джерел щодо технологічних досягнень у фінансовому трейдингу здійснено відповідно до стандарту PRISMA 2020. Взято до дослідження 130 наукових статей (за період 2013—2023 рр.) про технології фінансового трейдингу. Інноваційну теорію чотирьох квадрантів було використано для аналізу синергії між машинними технологіями та торговими стратегіями, що базується на 8 факторах у двох вимірах.
Результати. Ключові фінансові технології охоплюють алгоритмічну торгівлю, машинне навчання та глибоке навчання. Кожен з цих складників має унікальні властивості: швидкість, автоматизація, адаптивність і розпізнавання складних шаблонів. Ці технології покращили ефективність ринку, управління ризиками та персоналізовані торгові стратегії. Теорія чотирьох квадрантів пропонує структурований підхід до розуміння взаємодії між машинними технологіями та торговими стратегіями і поділяє взаємодії на чотири квадранти.
Висновки. Інноваційне застосування теорії чотирьох квадрантів дозволяє припустити, що подальше дослідження може призвести до більш розумних, диверсифікованих торгових систем, де прийняття рішень на основі даних і штучного інтелекту відіграють ключову роль. Гібридні технології, наукова оцінка продуктивності та передові розробки автономних інтелектуальних торгових систем є важливими для подальшого вивчення технологій фінансового трейдингу.
Завантаження
Посилання
Graham, B., Dodd, D. L. (1934). Security Analysis. McGraw-Hill.
Buffett, W. E. (1958). The Superinvestors of Graham-and-Doddsville. New York City.
Edwards, R. D., Magee, J. (1948). Technical Analysis of Stock Trends. Boca Raton, Florida.
Murphy, J. J. (1986). Technical Analysis of the Futures Markets: A Comprehensive Guide to Trading Methods and Applications. New York Institute of Finance.
Chaboud, A. P., Chiquoine, B., Hjalmarsson, E., Vega, C. (2014). Rise of the Machines: Algorithmic Trading in the Foreign Exchange Market. The Journal of Finance, 69(5), 2045—2084. https://doi.org/10.1111/jofi.12186
Aldridge, I. (2009). High-Frequency Trading: A Practical Guide to Algorithmic Strategies and Trading Systems. Hoboken, New Jersey.
Black, F., Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637—654. URL: https://www.jstor.org/stable/1831029 (Last accessed: 01.08.2023). https://doi.org/10.1086/260062
Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press. https://doi.org/10.1093/oso/9780195144703.001.0001
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Hinton, G. E., Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504—507. URL: https://www.science.org/doi/10.1126/science.1127647 (Last accessed: 01.08.2023). https://doi.org/10.1126/science.1127647
Sutton, R. S., Barto, A. G. (2018). Reinforcement Learning: An Introduction. MIT Press.
Kim, K. J. (2003). Financial time series forecasting using support vector machines. Neurocomputing, 55(1—2), 307—319. https://doi.org/10.1016/S0925-2312(03)00372-2
Liaw, A., Wiener, M. (2002). Classification and Regression by random. Forest. R News, 2(3), 18—22. URL: https:// journal.r-project.org/articles/RN-2002-022/RN-2002-022.pdf (Last accessed: 01.08.2023).
Hochreiter, S., Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735—1780. https://doi.org/10.1162/neco.1997.9.8.1735
O’Shea, K., Nash, R. (2015). An introduction to convolutional neural networks. arXiv preprint arXiv:1511.08458. https://doi.org/10.48550/arXiv.1511.08458
Rumelhart, D. E., Hinton, G. E., Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533—536. https://doi.org/10.1038/323533a0
Mnih, V., Kavukcuoglu, K., Silver, D., Rusu, A. A., Veness, J., ..., Hassabis, D. (2015). Human-level control through deep reinforcement learning. Nature, 518(7540), 529—533. https://doi.org/10.1038/nature14236
Mak, S., Thomas, A. (2022). Steps for Conducting a Scoping Review. J. Grad. Med. Educ., 14(5), 565—567. https://doi.org/10.4300/JGME-D-22-00621.1
PRISMA, PRISMA for systematic review protocols (PRISMA-P). URL: http://www.prisma-statement.org/Extensions/Protocols (Last accessed: 01.08.2023).
Harris, J. D., Quatman, C. E., Manring, M. M., Siston, R. A., Flanigan, D. C. (2014). How to Write a Systematic Review. The American Journal of Sports Medicine, 42(11), 2761—2768. https://doi.org/10.1177/0363546513497567
Knobloch, K., Yoon, U., Vogt, P. M. (2011). Preferred reporting items for systematic reviews and meta-analyses (PRISMA) statement and publication bias. Journal of Cranio-Maxillofacial Surgery, 39(2), 91—92. https://doi.org/10.1016/j.jcms.2010.11.001
Machine learning. (2024). URL: https://en.wikipedia.org/wiki/Machine_learning (Last accessed: 01.08.2023).
Lazarus, S., Whittaker, J., McGuire, M., Platt, L. (2023), What Do We Know About Online Romance Fraud Studies? A Systematic Review of the Empirical Literature (2000 to 2021). URL: https://ssrn.com/abstract=4463985 (Last accessed: 01.08.2023). https://doi.org/10.1016/j.jeconc.2023.100013
Arksey, H., O’Malley, L. (2005). Scoping studies: towards a methodological framework. Int. J. Soc. Res. Methodol., 8(1), 19— 32. https://doi.org/10.1080/1364557032000119616
Levac, D., Colquhoun, H., O’Brien, K. K. (2010) Scoping studies: advancing the methodology. Implement. Sci., 5, 69. https://doi.org/10.1186/1748-5908-5-69
Scopus. URL: https://www.scopus.com/ (Last accessed: 01.08.2023).
Ansari, Y., Yasmin, S., Naz, S., Moon, J., Rho, S. (2022). A Deep Reinforcement Learning-Based Decision Support System for Automated Stock Market Trading. IEEE Access, 10, 127469—127501. https://doi.org/10.1109/ACCESS.2022.3226629
Pinčák, R., Bartoš, E. (2015), With string model to time series forecasting. Physica A: Statistical Mechanics and its Applications, 436, 135—146. https://doi.org/10.1016/j.physa.2015.05.013
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Положення про авторські права Автори, які публікуються у журналі «Наука та інновації», погоджуються на такі умови: Автори зберігають авторські права та надають журналу право першої публікації. Автори можуть вступати в окремі, додаткові договірні угоди для не ексклюзивного розповсюдження надрукованої у журналі «Наука та інновації» версії своєї роботи (статті) (наприклад, розмістити її в інституційному сховищі або опублікувати в своїй книзі), із підтвердженням її первинної публікації у журналі «Наука та інновації». Авторам дозволено розміщувати свою роботу в Інтернеті (наприклад, в інституційних сховищах або на їх веб-сайті).
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
