В статье рассмотрены современные тенденции применения искусственного интеллекта на финансовом рынке. Актуальность исследования связана с активным применением биржевых торговых роботов при проведении сделок на бирже, при этом острой проблемой остается низкая инвестиционная активность населения. Цель работы состоит разработке модели машинного обучения по методу "случайный лес" ("Random Forest Machine Learning"), как высокоэффективного нейросетевого робо-эдвайзера, обеспечивающего поддержку принятия управленческих решений инвесторов касательно покупки/продажи биржевого актива SiН3. Широкое использование предложенной модели машинного обучения может способствовать созданию предпосылок повышения инвестиционной активности населения РФ, укреплению финансового сектора на основе активного использования средств частных инвесторов благодаря внедрению надежного робо-эдвайзера, обеспечивающего высокоточный прогноз цены закрытия финансового инструмента. В ходе исследования были решены следующие задачи: 1) исследована динамика инвестиционной активности населения; 2) проведен анализ современного состояния финансовых рынков и выявлены тенденции в применении искусственного интеллекта; 3) разработан надежный высокоэффективный нейросетевой робо-эдвайзер. Научная новизна состоит в том, что предложена модель машинного обучения на основе метода "случайный лес", которая представляет собой высокоэффективный нейросетевой робо-эдвайзер, для поддержки принятия управленческих решений при торговле на бирже. Практическая значимость и ценность в том, что разработанные рекомендации могут внедряться на практике, поскольку подтверждаются свидетельствами о государственной регистрации на программу ЭВМ. В результате исследования были сформулированы выводы: во-первых, повышение инвестиционной активности населения имеет важное значение, поскольку способствует усилению стабильности финансового сектора и экономики в целом; во-вторых, важную роль в современных условиях играет использование надежных систем искусственного интеллекта; в-третьих, разработана модель машинного обучения на основе метода "случайный лес". Настоящая модель позволяет получать надежный прогноз на каждый следующий час в ходе биржевой торговли фьючерсным контрактом SiH3 на Московской бирже, обеспечивая доходность на уровне 17,1% в течение биржевого торгового дня.

The article discusses current trends in the use of artificial intelligence in the financial market. The relevance of the study is based on active use of exchange trading robots when conducting transactions on the exchange. However, despite some "splash" in 2021, the low investment activity of the population remains an acute problem. The purpose of the work is to solve a major national economic problem: increasing the investment activity of the population of the Russian Federation, strengthening the stability of the financial sector through the active use of private investors’ funds thanks to the introduction of a reliable robo-advisor. In the course of the study, the following tasks were solved: 1) theoretical basis for increasing the investment activity of the population was investigated; 2) an analysis of the current state of financial markets was carried out and trends in the use of artificial intelligence were identified; 3) a reliable highly efficient neural-network robo-advisor was developed. The scientific novelty lies in the fact that the proposed algorithm is based on the use of the machine learning algorithm of Random Forest, which allows you to get a reliable forecast for each next hour during the exchange trading of the SiH3 futures contract. The practical significance and value is that the developed recommendations can be implemented in practice, as they are confirmed by certificates of state registration for PC software. As a result of the study, conclusions were drawn: firstly, increasing the investment activity of the population contributing to the strengthening of the stability of the financial sector is important; secondly, the use of AI systems to support decision-making by private investors plays an important role in modern conditions; thirdly, the developed algorithm based on Random Forest machine learning is proposed, which allows you to get a reliable forecast of the price of the SiH3 futures contract for each next hour, providing a yield of 17,1 % during the exchange trading day. Among the directions for further scientific research, the use of Industry 5.0 technologies should be noted.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 16, № 3, 2023. — 1 файл (4,48 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j23-349.pdf>.