Платформа для поддержки принятия решений в финансовом секторе
В результате проекта будет создана облачная программная платформа как инструмент для создания систем поддержки принятия решений в финансовом секторе. Партнером проекта выступает ПАО «Банк «Санкт-Петербург». Сама платформа будет находиться в открытом доступе. А на ее основе будут создаваться различные коммерческие сервисы, которые будут использоваться непосредственно банками и другими финансовыми структурами.
В основе этих сервисов закладывается аппарат машинного обучения, искусственного интеллекта и финансовой математики, что позволит моделировать различные финансовые процессы на различных уровнях детализации. Например, оценивать кредитные риски при выдаче займа клиенту, а также создавать кредитору оптимальные условия для выплат, прогнозировать возможность невозврата долга, выстраивать наиболее эффективные стратегии воздействия на определенные группы клиентов, определять востребованность финансовых продуктов в тех или иных географических регионах определенными потребителями. Кроме того, сервисы позволят предсказывать последствия и других решений в финансовой сфере: в какие ценные бумаги вкладывать средства, чтобы не «прогореть» на биржах при любом развитии событий, какие разрабатывать новые тарифы обслуживания, как оптимизировать бизнес-процессы финансовых организаций.
«Следует отметить, что большинство таких моделей существует для конкретных постановок и потребителей. Мы планируем подойти к решению данной задачи системно: совместить классический формализм описания финансовых процессов (что можно сделать на основе собственных данных банков) и социально-психологические модели, которые описывают финансовое и бытовое поведение конкретных людей. С точки зрения работы с данными это позволяет совместить как закрытые данные (например, платежные транзакции), так и открытые данные, получаемые на основе разных источников от видеокамер и треков сотовых операторов до социальных сетей», – прокомментировал директор мегафакультета трансляционных информационных технологий Александр Бухановский.
Разрабатываемая платформа будет являться универсальным инструментом, который будет оснащен базовым набором моделей. Однако для применения к нуждам конкретных потребителей они должны быть оптимизированы с учетом специфики их бизнес-процессов и особенностей доступных данных.
Публичный сервис для рейтингования финансовых продуктов для пользователей
Кроме того, в рамках работ по гранту будет создан публичный сервис в сети Интернет, где потребители смогут рейтинговать различные финансовые продукты, исходя из собственных индивидуальных особенностей и предпочтений. Например, сейчас есть сервисы, где можно ввести историю звонков с мобильного телефона определенного пользователя, и специальные алгоритмы подберут наиболее выгодный тариф для него. Точно так же будет работать и сервис по финансовым вопросам. Например, с помощью него потребитель сможет выбрать, какой кредит лучше всего подходит под его потребности и возможности.
Особенность этого сервиса еще и в том, что он поможет защищать людей от недобросовестной рекламы. Это значит, что потребитель сможет узнать о каких-либо скрытых условиях или рисках до того, как предпринять какие-либо действия.
«Сейчас в интернете есть множество рекламы финансовых продуктов с экзотическими и сложными условиями: запутанными схемами начисления процентов, вычурными программами лояльности, эфемерным возвратом денег обратно, например. Большинство населения в России и в мире не имеет возможности вручную просчитать реальную выгоду этих предложений для себя лично. Потому часто бывает, что человек в итоге ориентируется не на понятные и надежные финансовые продукты, а на броскую рекламу, и только потом понимает, что ничего не выиграл, а скорее проиграл. Вот наличие таких публичных "калькуляторов финансовых продуктов" поможет потребителю с выбором, а также в некотором смысле "дисциплинирует" провайдеров финансовых продуктов и сервисов», – пояснил Александр Бухановский.
Практико-ориентированные задачи и методики их решения
В последнее время вырос уровень автоматизации многих финансовых операций, а также их скорость. Кроме того, по всему миру растет не только количество финансовой информации, но и количество игроков на финансовых рынках, каждый из которых применяет собственные стратегии. Из-за возрастающего количества данных финансовым аналитикам очень сложно оценивать быстрые изменения, которые происходят в такой системе, а решения нужно принимать быстро. Именно поэтому алгоритмы поддержки принятия решения будут основаны на количественных данных, собираемых и обрабатываемых автоматически в оперативном режиме.
Само собой, возникает вопрос: насколько надежной будет система, основанная только на текущих данных? Ведь они не могут использоваться для предсказания редких событий, например, форс-мажоров и других критических ситуаций.
«Необходимость работать непосредственно с данными методами машинного обучения связана с тем, что для социально-психологических процессов отсутствуют как класс причинно-следственные модели. Потому их нужно "выращивать» на основе данных. Однако в данном проекте гибко совмещаются как методы анализа данных, так и предсказательного моделирования на их основе. Действительно, мы привыкли к тому, что можно делать выводы о той или иной ситуации на основе уже накопленных ретроспективных данных. Так вот, для финансовой сферы это не совсем так. Во-первых, сами финансовые процессы эволюционно и нестационарно изменяются. Во-вторых, фундаментальный аспект финансового поведения состоит в том, что человек, ориентируется на лучшее, то есть при планировании своих действий он опирается не на историю своих "проб и ошибок", а на некоторый ментальный эталон, представление о себе в лучшем варианте будущего. Как следствие, на основе ретроспективных данных можно только оценить текущую ситуацию. А для поддержки принятия решений нужны модели, позволяющие на основе взаимосвязи между данными спрогнозировать развитие событий. Вот как раз на этой связке – хорошие данные плюс надежные модели – мы и работаем», – пояснил руководитель проекта Януш Холыст.
Кроме того, зачастую спрогнозировать социальные, политические и другие факторы сложно. Поэтому предсказательные модели не претендуют на решение задач автоматического управления. Они будут использоваться именно для поддержки принятия решений. Однако полностью автоматизировать процесс не удастся. Любая предсказательная модель имеет неопределенность. Внутри интервала неопределенности решение может принимать только финансовый эксперт на основе обобщения собственных знаний и опыта.
Исследовательские задачи и развитие научного сообщества в области финансового моделирования
В числе задач Российского научного фонда – развитие исследований по приоритетным направлениям стратегии научно-технического развития России, а также поддержка научных сообществ, которые работают по этим направлениям. Поэтому в рамках работы по гранту фонда важно создать не только само практико-ориентированное решение для банков и их клиентов, но и дать толчок к развитию новых методов математического моделирования финансовых процессов.
Работа над проектом будет осуществляться на базе Института финансовых кибертехнологий (ИТМО.Финтех), который с сентября приступает к реализации образовательных программ магистратуры – «Математическое и программное обеспечение глобальных финансовых систем» и «Финансовые технологии больших данных».
«Для нас важно, что Институт развивает образовательную и научную деятельность в едином ключе. Это позволит получить синергетический эффект от участия экспертов в преподавании на программах и вовлечения магистрантов в решение столь серьезной и реальной задачи», – отмечает директор Института финансовых кибертехнологий Мария Сигова.
Разработки общей открытой платформы для поддержки принятия решений в финансовом секторе позволят сформировать научное сообщество по этой тематике. Ученые и практики смогут использовать эту платформу для совершенствования собственных решений, которые будут к тому же востребованы индустриальными партнерами.
«Сегодня существует проблема в том, что специалисты в области финансовой математики и в области анализа данных часто работают порознь. То есть специалисты в первой области не имеют знаний и опыта для адекватного определения параметров своих моделей по фактическим данным. А специалисты во второй области часто строят свои модели на основе житейского опыта и собственного восприятия реальности, что весьма ограничивает их применение. Мы же хотим объединить усилия этих двух групп, поэтому ориентируемся на разработку не какой-то конкретной модели для финансистов или банков, а именно на универсальную платформу (методическую, алгоритмическую, программную), на которой будут развиваться различные прикладные исследования и разработки в данной области», – сказал Александр Бухановский.
В ходе научной работы по проекту будут созданы алгоритмы машинного обучения для конструирования и идентификации предсказательных моделей финансовых процессов на основе подхода, основанного на данных (Data-Driven Approach). Также будут разработаны и исследованы методы многомасштабного предсказательного моделирования для глобальных финансовых систем с учетом их масштабности. Немаловажно, что планируется проработка высокопроизводительных вычислительных технологий и инфраструктуры сбора, хранения и обработки сверхбольших данных. Будут решены и другие научные задачи, в том числе в области теоретических исследований, связанных с созданием новых классов алгоритмов машинного обучения для специфических финансовых задач. Самая сложная часть проекта будет заключаться в разработке математического формализма моделей. А самая ресурсозатратная часть – это их кодирование, отладка и экспериментальные исследования, сообщил Александр Бухановский.
«У нас, в Университете ИТМО, уже есть достаточно обширный опыт социального и поведенческого моделирования, а руководитель проекта, Януш Холыст привносит свои результаты из области финансовой математики и эконофизики. Однако процесс совмещения компетенций ученых из областей финансовой математики и анализа данных и является самым сложным – будем моделировать "финансовое поведение". Что касается инфраструктуры, то логика такой "цифровой платформы" уже была проработана в ходе создания облачной программной системы CLAVIRE. Мы планируем использовать ее для создания публичной платформы финансовых вычислений в Интернет», – добавил он.
Финтех-решения создают дополнительные возможности для экономики в контексте финансовой отрасли. Однако наряду с возможностями возникают и новые вызовы, и здесь участники проекта также отмечают значимость предстоящей работы.
«По мере роста цифровой экономики набирают силу существовавшие ранее противоречия, а также возникают новые факторы, сдерживающие процессы свободного обмена и замедляющие темпы роста. Это, в частности, ограничения инфраструктуры, доступа к информации, стоимость технологий и устаревшее законодательство. Цифровые технологии и движимая ими экономическая активность развиваются со скоростью, намного превосходящей адаптационные способности традиционного законотворчества. Опыт экономических реформ в странах, которые смогли поддерживать высокие темпы экономического роста с течением времени, говорит о том, что усиление роли высоких технологий в развитии экономики сопровождалось сменой механизмов государственного регулирования. Основная цель отрасли финтех – повышение прозрачности финансовой отрасли, превращение финансовых институтов из замкнутых частных систем во взаимосвязанные элементы единой функционирующей экосистемы, и мы считаем, что применение в этом контексте научного подхода с его инструментарием и многократным тестированием гипотез и алгоритмов будет существенным аргументом в пользу корректировки государственного регулирования области финтех», – сказала Мария Сигова.
