СОВЕРШЕНСТВОВАНИЕ ПОДХОДОВ К ФИНАНСОВОМУ МОДЕЛИРОВАНИЮ ПРИ ПОВЫШЕНИИ УСТОЙЧИВОСТИ ФИНАНСОВОЙ СИСТЕМЫ
Статья поступила в редакцию: 09.09.2025
Статья принята к публикации: 10.09.2025
Статья опубликована: 23.09.2025
Ключевые слова:
финансы, моделирование, централизованные ресурсы, оптимизация, скачкообразно-диффузионные модели.Аннотация
В статье обосновано развитие подходов к финансовому моделированию в многоцелевой оптимизации централизованных ресурсов, а также исследованы подходы к финансовому моделированию и оптимизации ресурсов, способствующие повышению устойчивости финансовой системы, указаны их главные недостатки и проблемы использования, такие как недостаток комплексных методологических и инструментальных подходов к финансовому моделированию. Для устранения выявленных проблем в научной статье предлагается многоцелевая оптимизационная модель распределения централизованных ресурсов, в которой параметры робастной оптимизации динамически калибруются на основе анализа макроэкономических шоков, смоделированных с помощью скачкообразно-диффузионных процессов. Определены ключевые макро-финансовые показатели для эмпирической апробации многоцелевой оптимизационной модели распределения централизованных ресурсов. Представлена интегрированная методологическая основа многоцелевой оптимизационной модели распределения централизованных ресурсов.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
Список литературы
Лексина А.В., Данилова С.В., Зяблицкая Н.В. Влияние санкций на функционирование финансового рынка РФ // Региональные проблемы преобразования экономики. 2022. № 4. С. 109-116.
Одинцова Н.А. Устойчивое финансовое управление в Российской Федерации: испытания, возможности и перспективы // Управленческий учет. 2024. № 4. С. 424-431.
Сорокотягина В.Л. Применение искусственного интеллекта в прогнозировании налоговых поступлений и автоматизации контроля // Научный журнал «Менеджер». 2025. № 3 (109). С. 66-76. DOI: 10.5281/zenodo.15697243.
Adinya I. Jump-Diffusion Model with Currency Uncertainty: A Real Option Approach // International Journal of Mathematical Analysis and Modelling. 2025. Vol. 8 (1). [Электронный ресурс]. URL: https://tnsmb.org/journal/index.php/ijmam/article/view/223 (дата обращения 08.08.2025).
Crump R.K., Eusepi S., Giannone D., Qian E., Sbordone A.M. A Large Bayesian VAR of the U.S. Economy // International Journal of Central Banking. 2025. Vol. 21 (2). P. 351-409.
Davydenko A.A., Fildes R. Joint Bayesian forecasting model of judgment and observed data. Lancaster: Lancaster University Management School, Working Paper. 2012. [Электронный ресурс]. URL: https://www.researchgate.net/publication/282136270_A_joint_Bayesian_forecasting_model_of_judgment_and_observed_data (дата обращения 11. 08.2025).
Federal Reserve Bank of Cleveland. Building Financial System Resilience (speech). [Электронный ресурс]. URL: https://www.clevelandfed.org/collections/speeches/2024/sp-20240229-building-financial-system-resilience (дата обращения 10.08.2025).
InnovateMR. Combining Quantitative and Qualitative Data. [Электронный ресурс]. URL: https://www.innovatemr.com/insights/combining-quantitative-and-qualitative-data/ (дата обращения 10.08.2025).
Lampariello L., Sagratella S., Giuseppe Sasso V., Shikhman V. Scalarization via Utility Functions in Multi-Objective Optimization. [Электронный ресурс]. URL: https://arxiv.org/html/2401.13831v1 (дата обращения 14.08.2025).
Liu X.-Y., He W., Duan H.-P., Fan R. The impact of financial sanctions on economic policy uncertainty: Global evidence // Pacific-Basin Finance Journal. 2024. Vol. 88. Article 102558. [Электронный ресурс]. URL: https://ideas.repec.org/a/eee/pacfin/v88y2024ics0927538x2400310x.html (дата обращения 14.08.2025).
Number Analytics. Mastering Pareto Optimization. [Электронный ресурс]. URL: https://www.numberanalytics.com/blog/pareto-optimization-ultimate-guide (дата обращения 08.08.2025).
Number Analytics. Mastering Scalarization in Optimization. [Электронный ресурс]. URL: https://www.numberanalytics.com/blog/ultimate-guide-to-scalarization-in-optimization-methods (дата обращения 08.08.2025).
Pachamanova D.A. A Robust Optimization Approach to Finance: Ph.D. thesis. Cambridge, MA: Massachusetts Institute of Technology, 2002. [Электронный ресурс]. URL: https://dspace.mit.edu/handle/1721.1/8509 (дата обращения 13.08.2025).
The Open University. Quantitative and qualitative research in finance. [Электронный ресурс]. URL: https://www.open.edu/openlearn/money-business/quantitative-and-qualitative-research-finance/content-section-6/?printable=1 (дата обращения 12.08.2025).
Yin C., Perchet R., Soupé F. A Practical Guide to Robust Portfolio Optimization // SSRN Electronic Journal. 2019. DOI: 10.2139/ssrn.3490680.
