Розширена анотація українською мовою

Процеси цифровізації економіки та глобалізації формують передумови до трансформаційних змін в механізмах прийняття фінансових рішень. Традиційні підходи до проведення фінансової аналітики поступаються новітнім технологіям обробки фінансової інформації – цифровим технологіям, зокрема інструментам штучного інтелекту. Основною метою проведеного дослідження є визначення особливостей процесу прийняття фінансових рішень в сучасних умовах комплексної цифровізації економіки. Систематизація літературних джерел та підходів дозволила автору визначити цифрові фінанси як ключову складову фінансових інновацій, що мають природні переваги (обмін, зручність, низька вартість та простий доступ) в частині забезпечення доступу до широкого переліку фінансових послуг. Автором обґрунтовано необхідність покращення цифрової фінансової грамотності населення як важливий напрямок при розробці глобальної програми прийняття управлінських та фінансово-економічних рішень. Проведене дослідження дозволило автору прийти до наступних висновків: 1) завдяки можливості моделювання множини варіантів фінансових проблем штучні нейронні мережі широко використовуються у фінансовому секторі для прогнозування потенційних фінансових ризиків, визначення арбітражних питань, проведення технічного та фундаментального фінансового аналізу; 2) в корпоративному фінансовому середовищі нейронні мережі дозволяють ефективно вирішувати підзадачі (взаємозв’язок між якими має вирішальне значення) в рамках комплексної фінансової задачі (використовується при роботі з сумнівними боргами, управлінні грошовими коштами, оцінці капітальних інвестицій, управлінні активами та персоналом, а також при прогнозуванні витрат та обсягів кредиту на основі фінансових показників компанії). Дослідження теоретично доводить, що в стратегічній перспективі використання компаніями фінансового сектору штучного інтелекту дозволить їм мінімізувати фактори фінансових ризиків, підвищить показники прибутковості в галузі торгівлі, інвестування, банківській справі.

Ключові слова: цифровізація економіки, цифрові фінанси, прийняття фінансових рішень, нейропластичність, штучний інтелект, нейрофінанси, нейронні мережі.

Класифікація JEL: D87.

Цитувати як: Ana Njegovanović. Digital Financial Decision With A View Of Neuroplasticity / Neurofinancy / Neural Networks. Financial Markets, Institutions and Risks, 2(4), 82-91. DOI: http://doi.org/10.21272/fmir.2(4).82-91.2018

Список використаних джерел

1. Alexander G. E., Crutcher M. D. (1990). Functional architecture of basal ganglia cicuits: neural substrates of parallel processing. Trends Neurosci. 13, 266–271. 10.1016/0166-2236(90)90107-L
2. Alexander G. E., DeLong M. R., Strick P. L. (1986). Parallel organization of functionally segregated circuits linking basal ganglia and cortex. Ann. Rev. Neurosci. 9, 357–381. 10.1146/annurev.ne.09.030186.002041
3. Brybijolfosson E. and McAfee A., 2014. The Second Machine Age. New York: W.W. Norton and Company
4. Chakraborty, P. S., Majumder, G., & Sarkar, B. (2006). Constraint resource management and production related decision – A case study. Journal of the Institution of Engineers (India), Part PR: Production Engineering Division, 86(MAR.), 48-53.
5. Daw N. D., Doya K. (2006). The computational neurobiology of learning and reward. Curr. Opin. Neurobiol. 16, 199–204. 10.1016/j.conb.2006.03.006
6. Doya K. (2007). Reinforcement learning: computational theory and biological mechanisms. HFSP J.1, 30–40. 10.2976/1.2732246/10.2976/1
7. Elliott R., Dolan R. J., ,and Frith C. D. (2000). Dissociable functions in the medial and lateral orbitofrontal cortex: evidence from human neuroimaging studies. Cerebral cortex, 10, 308–317. 10.1093/cercor/10.3.308
8. Gadde L. E. & L. G. Mattsson (1987) : « Stability and Change in Network Relationship »; International Journal of Research in Marketing; Vol.4; pp.29-41.
9. Granovetter, Mark. 1985. Economic Action and Social Structure: The Problem of Embeddedness: American Journal of Sociology 91 : 481-510.
10. Hans Kjellberg et al., Market futures / future markets: Research directions int he study of market. 2012. Marketing Theory 12 (2): 219-223.
11. Himanshu rathore, An inventory Model for Deteriorating Item with Reliability Consideration and Trade Credit 2014. Pakistan Journal of Statistics and Operation Research 10 ( 3 ).
12. Kahneman D. and Tversky A., 1974. Judgment Under Uncertainty: Heuristics and Biases. Science, New Series, Vol. 184.
13. Lanciego J. L., Luquin N., Obeso J. A. (2012). Functional neuroanatomy of the basal ganglia. Cold Spring Harb. Perspect. Med. 2:a009621. 10.1101/cshperspect.a009621.
14. Law, John and Urry, John ( 2004 ) Enacting the social. Economy and Society, 33(3) pp. 390–410.
15. Lubliner, 2013. Issues in Structural and Materials Engineering, Q Ashton Acton, PhD General Editor
16. Mink J. W. (1996). The basal ganglia: focused selection and inhibition of competing motor programs. Prog. Neurobiol. 50, 381–425. 10.1016/S0301-0082(96)00042-1
17. Mink J. W., Thach W. T. (1993). Basal ganglia intrinsic circuits and their role in behavior. Front. Neurosci. 3, 950–957. 10.1016/0959-4388(93)90167-W.
18. Neumann von, J. & Morgenstern O., 1944. Theory of Games and Economic Behaviour. Princeton: University Press
19. O’Doherty J., Kringelbach M. L., Rolls E. T., Hornak J., Andrews C. (2001). Abstract reward and punishment representations in the human orbitofrontal cortex. Nat. Neurosci. 4, 95–102. 10.1038/82959
20. Percheron G., Filion M. (1991). Parallel processing in the basal ganglia: up to a point. Trends Neurosci. 14, 55–56. 10.1016/0166-2236(91)90020-U
21. Rich Charron et al.,“ Optimum Junction Hybrid push/pull production systems“ International Journal of Production Research. International Journal of Physical Distribution and Logistics Managment, 28(1), 18-43, 1997.
22. Rocha, A. F., Vieito, J. P. and Rocha Ff. T. ( 2013 b) Neurofinance: How Do We Make Financial Decisions. SSRN Electronic Journal 10-11.
23. Silkis I. (2000). The cortico-basal ganglia-thalamocortical circuit with synaptic plasticity. i. modification rules for excitatory and inhibitory synapses in the striatum. Biosystems 57, 187–196. 10.1016/S0303-2647(00)00134-9
24. Spillman, Lyn. 1999. “Enriching Exchange: Cultural Dimensions of Markets.” American Journal of Economics and Sociology 58: 1047-71.
25. Tremblay L., Schultz W. (1999). Relative reward preference in primate orbitofrontal cortex. Nature398, 704–708. 10.1038/19525.
26. Utter A. A., Basso M. A. (2008). The basal ganglia: an overview of circuits and function. Neurosci. Biobehav. Rev. 32, 333–342. 10.1016/j.neubiorev.2006.11.003
27. Zelinski P., 02/2016. Where 4.0. Might Go . (Online ) http://www. mmsoline.com. ( Accessed 10.04.2016).
28. Zhao F., Zeng Y., Wang G., Bai J., Xu B. (2017). A brain-inspired decision making model based on top-down biasing of prefrontal cortex to basal ganglia and its application in autonomous uav explorations. Cogn. Comput. 6, 1–11. 10.1007/s12559-017-9511-3
29. http://www.digitaljournal.com/business/q-a-how-digital-technology-is-disrupting-finance/article/531752#ixzz5ZIFHmsM5
30. http://www.digitaljournal.com/business/q-a-how-digital-technology-is-disrupting-finance/article/531752#ixzz5ZIG6dM2B
31. http://www.digitaljournal.com/business/q-a-how-digital-technology-is-disrupting-finance/article/531752#ixzz5ZIGcjxQC .
32. http://www.digitaljournal.com/business/q-a-how-digital-technology-is-disrupting-finance/article/531752#ixzz5ZIH8sJ4c
33. http://www.digitaljournal.com/business/q-a-artificial-intelligence-assists-with-financial-forecasting/article/531754#ixzz5ZIHu3EU0
34. http://www.digitaljournal.com/business/q-a-artificial-intelligence-assists-with-financial-forecasting/article/531754#ixzz5ZIJE0sbG