Недавно вашему проекту продлили финансирования по программе грантов РНФ, расскажите пожалуйста о том, когда был получен изначальный грант? И каковы условия продления?

Грант был получен в 2017 году, когда конкурс таких лабораторий по Президентской программе РНФ проводился впервые. Тогда победителями в секции «Математика, информатика, наука о системах» были признаны всего два проекта ― по моделированию динамики сплошных сред в задачах нефтегазодобычи и наш проект, посвященный моделированию процессов поведенческой экономики.

Продление проекта РНФ ― это не автоматический процесс, а тоже конкурс. Обычно это решается на заседании профильной экспертной секции. Принимаются во внимание рекомендации независимых экспертов, качество отчета на предыдущих этапах проекта, а также интенсивность обнародования результатов проекта, то есть публикации в высокорейтинговых журналах.

Единственное формальное условие ― это наличие индустриального партнера, готового софинансировать эти исследования. Нашим бессменным и надежным партнером в обеих частях проекта выступает ПАО «Банк Санкт-Петербург».

Источник: shutterstock.com
Источник: shutterstock.com

Расскажите, пожалуйста, о самом проекте. Какова его цель?

В самом начале проекта, в 2017 году, мы ставили своей целью попробовать устранить методический разрыв между двумя парадигмами моделирования финансовых процессов.

С одной стороны, существуют классические исследования в области финансовой математики с солидным формальным аппаратом. Они гораздо больше соответствуют слову «математика», чем слову «финансы». Однако присущий этому направлению идеализм далеко не всегда может удовлетворить ожидания реальных потребителей.

С другой стороны, практическое продвижение конгломерата знаний, именуемого Data Science, порождает иной подход, когда модели строятся исключительно на данных... и при этом теряют саму «физику» мира финансов.

Мы же попробовали системно скрестить «ежа с ужом», ориентируясь на гибридные финансовые модели, в которых с помощью методов машинного обучения описываются процессы, связанные с основным источником неопределенности ― поведением человека. И, полагаю, нам это удалось.

Каким образом?

Мы разработали семейство методов многомасштабного моделирования различных процессов поведенческой экономики, связанных с банковской деятельностью и ретейлом, и воплотили их в цифровой платформе в облачной среде. Эта платформа позволяет эффективно решать различные прикладные задачи, связанные с задачами финансового скоринга, оптимизации бизнес-процессов банка, политики эквайринга, формирования программ лояльности и проектирования новых финансовых продуктов.

Источник: shutterstock.com
Источник: shutterstock.com

Какие исследования вы вели в прошлом году?

В 2020 году мы продолжили основное направление, связанное с развитием гибридных моделей финансовых процессов и поведенческой экономики в целом, однако фокусируемся на ситуациях, в которых возникают нестационарные и переходные процессы.

Например, на различных кризисных явлениях, причем не только финансовых. Нестационарность поведенческой экономики очень ярко проявилась в связи с пандемией COVID-19. Поскольку методы машинного обучения работают с уже накопленными данными, можно сказать, предсказывают свершившуюся историю, то, само собой, в кризисных ситуациях использовать их сложно: данные меняются быстрее, чем обучаются модели. Как «обхитрить» модели, чтобы они работали и в кризисных ситуациях ― вот цель нашего проекта сейчас.

Почему это важно?

В финансах следует исходить из логики «предупрежден ― значит вооружен». Особенно это касается кризисных ситуаций, когда никто не знает, что будет дальше. Люди боятся проявлять активность, а существующие инструменты мотивации, программы лояльности, бонусы и скидки, просто не действуют ― так как они проектировались в условиях «спокойной жизни».

Потому задача понимания общего состояния поведенческой экономики, его краткосрочное прогнозирование и адаптация под него собственных бизнес-процессов важна для любой финансовой организации. На основе результатов проекта могут создаваться системы поддержки принятия решений разного уровня ― как рекомендательные, так и генеративные, то есть помогающие спроектировать тот или иной финансовый продукт в конкретных условиях, используя методы ИИ.

Есть ли уже какие-то примеры внедрения полученных результатов?

Все прикладные решения проекта внедрены в деятельность нашего партнера ― «Банка Санкт-Петербург», в том числе некоторые используются в режиме 24х7. Это условие обусловлено софинансированием проекта, и мы об этом не жалеем: процесс внедрения трудоемок, но он же и формирует новые постановки научных задач.

Источник: shutterstock.com
Источник: shutterstock.com

Что запланировано на ближайшее время в рамках продления финансирования?

Мы сосредоточились на пяти основных направлениях, важных для работы с нестационарными финансовыми процессами в кризисных ситуациях.

Во-первых, мы строим модели для предсказания предельных состояний поведенческой экономики, чтобы понять, как разные факторы влияют на финансовые процессы в глобальном масштабе.

Во-вторых, мы разрабатываем методы обучения моделей в предположении о нестационарности данных, когда они изменяются быстрее, чем модель достигнет требуемой точности.

В-третьих, мы работаем с методами краткосрочного прогнозирования таких процессов.

В-четвертых, мы развиваем подходы генеративного дизайна, позволяющие, например, синтезировать финансовый продукт, который будет эффективен именно в условиях кризиса, пусть даже короткое время.

В-пятых, мы развиваем средства для экспериментальных исследований в данной области. Поскольку каждый кризис индивидуален, а данные 2020 года, связанные с пандемией COVID-19, явно недостаточны для глобальных выводов, мы создаем специальный экспериментальный стенд на основе технологии цифровых аватаров ― персональных виртуальных ассистентов, в котором можно проводить эксперименты по оценке факторов финансового поведения реальных людей, но ― в форме многопользовательской компьютерной игры в виртуальном мире, без угрозы их кошельку.

По-видимому, это единственный способ получить непротиворечивые данные по разнообразию кризисных ситуаций, и мы считаем это принципиально важным для валидации всех решений проекта.

Какова конечная цель проекта?

Цель любого проекта РНФ проста ― создать и обнародовать новые знания, определяющие пути решения конкретной актуальной задачи, важной или для развития самой предметной области, или для получения новых результатов в других областях.

Однако в данном случае мы преследуем и собственную цель ― создание устойчивой научной школы в области математических методов поведенческой экономики и финансов в Университете ИТМО. За четыре года можно говорить о том, что школа сложилась. Однако теперь для нее нужен импульс, который позволит обеспечить ее конкурентоспособность как минимум на десятилетие. И этот импульс мы заложим в продлении проекта РНФ в 2021-2023 годы.

Перейти к содержанию