Preview

Финансы: теория и практика/Finance: Theory and Practice

Расширенный поиск

Многофакторный анализ рисков современного финтеха на основе мультимодальной аналитики

https://doi.org/10.26794/2587-5671-2025-29-4-112-128

Аннотация

Актуальность темы настоящего исследования обусловлена важностью комплексного изучения последствий стремительного распространения и активного применения современных финансовых технологий. Цель исследования: определить особенности рисков, связанных с финтехом, с помощью мультимодальной бизнес-аналитики, основанной на машинном обучении, нейросетях и технологиях анализа данных. Выдвинута гипотеза: использование методов и инструментов мультимодальной бизнес-аналитики, основанной на машинном об учении и нейросетях, позволит более точно оценивать и анализировать риски в финтехе. Это обеспечит учет многофакторности, поливариантности и взаимосвязанности рисков, что, в свою очередь, отразит комплексный характер современных финансовых технологий и их влияние на трансформацию финансово-экономических отношений. Исследование проведено на основе мультимодальной аналитики с построением матриц пере крестного анализа рисков, выделением взаимного понижающего и повышающего влияния на интересы участников финансовых отношений. Для комплексной оценки выбраны ключевые инструменты финтеха —  крипто валюты (как инструменты инвестирования и средства платежа), цифровые финансовые активы и цифровые финансовые сервисы, такие как цифровые переводы. Результаты исследования показали, что современные финансовые технологии играют ключевую роль в трансформации финансового сектора, делая его более доступным, эффективным и клиентоориентированным. Констатируется, что внедрение финтеха в России способствует финансовой инклюзии, предоставляя доступ к финансовым услугам тем, кто ранее был исключен из традиционной банковской системы. Интерпретация материалов мультимодальной аналитики продемонстрировала, что применение криптовалют для инвестирования и расчетов в Российской Федерации подвержено высоким рыночным и регуляторным рискам. На рынке цифровых финансовых активов эмитенты сталкиваются с проблемами недостаточной ликвидности, а цифровые финансовые сервисы демонстрируют уязвимость в области защиты данных и операционной надежности. В итоге сделан вывод о том, что применение инструментария мультимодальной аналитики с интеграцией различных источников данных и методов исследования позволяет более глубоко понять и результативно оценить комплексные риски, связанные с современными финансовыми технологиями. По итогам исследования предложены практико-ориентированные рекомендации для регулятора и других субъектов финансовых отношений, направленные на улучшение качества управления рисками, связанными с финтехом.

Об авторах

С. В. Шкодинский
Московский государственный технический университет им. Н. Э. Баумана (национальный исследовательский университет)
Россия

Сергей Всеволодович Шкодинский —  доктор экономических наук, профессор, профессор кафедры бизнес-информатики

Москва


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов.



Ю. А. Крупнов
Финансовый университета при Правительстве Российской Федерации
Россия

Юрий Александрович Крупнов —  доктор экономических наук, доцент, ведущий научный сотрудник Института экономической политики и проблем экономической безопасности факультета экономики и бизнеса

Москва


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов.



Т. В. Романцова
Московский государственный юридический университет имени О. Е. Кутафина (МГЮА)
Россия

Татьяна Владимировна Романцова —  доктор экономических наук, доцент, профессор кафедры налогового права

Москва


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов.



Список литературы

1. Дудин М. Н., Шкодинский С. В. Вызовы и угрозы цифровой экономики для устойчивости национальной банковской системы. Финансы: теория и практика. 2022;26(6):52–71. DOI: 10.26794/2587–5671–2022-26–6–52–71

2. Aldboush H. H., Ferdous M. Building trust in fintech: An analysis of ethical and privacy considerations in the intersection of Big Data, AI, and customer trust. International Journal of Financial Studies. 2023;11(3):90. DOI: 0.3390/ijfs11030090

3. Зеленева Е. С. Оценка характеристик, сфер и границ применения цифровых инноваций в финансовом секторе. Финансы: теория и практика. 2023;27(2):76–86. DOI: 10.26794/2587–5671–2023–27–2–76–86

4. Van Groenendaal W. J.H., Kleijnen J. P.C. On the assessment of economic risk: Factorial design versus Monte Carlo methods. Reliability Engineering & System Safety. 1997;57(1):91–102. DOI: 10.1016/S0951-8320(97)00019–7

5. Batrancea L. M., Balcı M. A., Akgüller Ö., Gaban L. What drives economic growth across European countries? A multimodal approach. Mathematics. 2022;10(19):3660. DOI: 10.3390/math10193660

6. Sawhney R., Mathur P., Mangal A., Khanna P., Shah R. R., Zimmermann R. Multimodal multi-task financial risk forecasting. In: Proc. 28th ACM Int. conf. on multimedia (Seattle, WA, October 12–16, 2020). New York, NY: Association for Computing Machinery; 2020:456–465. DOI: 10.1145/3394171.3413752

7. Chen Y.-F., Huang S.-H. Sentiment-influenced trading system based on multimodal deep reinforcement learning. Applied Soft Computing. 2021;112:107788. DOI: 10.1016/j.asoc.2021.107788

8. Lee S. I., Yoo S. J. Multimodal deep learning for finance: Integrating and forecasting international stock markets. The Journal of Supercomputing. 2020;76(10):8294–8312. DOI: 10.1007/s11227–019–03101–3

9. Михненко П. А. Мультимодальная бизнес-аналитика: концепция и перспективы использования в экономической науке и практике. Управленец. 2023;14(6):2–18. DOI: 10.29141/2218–5003–2023 14–6–1

10. Gaw N., Yousefi S., Gahrooei M. R. Multimodal data fusion for systems improvement: A review. IISE Transactions. 2022;54(11):1098–1116. DOI: 10.1080/24725854.2021.1987593

11. Михненко П. А. Трансформация деловой лексики годовых отчетов крупнейших российских компаний: Data mining. Управленец. 2022;13(5):17–33. DOI: 10.29141/2218–5003–2022–13–5–2

12. Михненко П. А. Data mining как инструмент мультимодальной бизнес-аналитики: трансформация лексики годовых отчетов госкорпорации «Ростех». Вестник Российского экономического университета имени Г. В. Плеханова. 2022;19(6):126–136. DOI: 10.21686/2413–2829–2022–6–126–136

13. Кузьмин М. А. Сравнительный анализ подходов к аналитике данных в условиях цифровой трансформации бизнеса. Ученые записки Российской Академии предпринимательства. 2024;23(3):19–28. DOI: 10.24182/2073–6258–2024–23–3–19–28

14. Юдин Г. О. Обзор подходов к мультимодальной бизнес-аналитике ESG-показателей организации. ИИАСУ’23 — Искусственный интеллект в автоматизированных системах управления и обработки данных: Сб. ст. II Всерос. науч. конф. (Москва, 27–28 апреля 2023 г.). В 5 т. Т. 4. М.: КДУ, Добросвет; 2024:93–96. 15. Gandhi A., et al. Multimodal sentiment analysis: A systematic review of history, datasets, multimodal fusion methods, applications, challenges and future directions. Information Fusion. 2023;91:424–444. DOI: 10.1016/j.inffus.2022.09.025

15. Котляров И. Д. Финтех: сущность и модели реализации. ЭКО: всероссийский экономический журнал. 2018;(12):23–39. DOI: 10.30680/EC 00131–7652–2018–12–23–39

16. Меньшиков Е. И., Конобеева А. Б. Теоретические и практические аспекты применения цифровых инструментов для развития корпоративных финансов. Вестник Московского финансово-юридического университета МФЮА. 2021;(4):153–164. DOI: 10.52210/2224669X_2021_4_153

17. Соколинская Н. Э., Маркова О. М. Рынок финтех услуг: состояние и тенденции развития. Финансовые рынки и банки. 2023;(6):117–124. URL: https://cyberleninka.ru/article/n/rynok-finteh-uslug-sostoyanie-itendentsii-razvitiya

18. Arun Prakash A., Leelavathi R., Rupashree R., Jisha V. G. Fintech apps: An integral tool in titivating banking operations. In: Naved M., Ajantha Devi V., Gupta A. K., eds. Fintech and cryptocurrency. Hoboken, NJ: John Wiley & Sons, Inc.; 2023:137–155. DOI: 10.1002/9781119905028.ch7

19. Elia G., Stefanelli V., Ferilli G. B. Investigating the role of Fintech in the banking industry: What do we know? European Journal of Innovation Management. 2023;26(5):1365–1393. DOI: 10.1108/EJIM-12–2021–0608

20. Werth O., Cardona D. R., Torno A., Breitner M.H, Muntermann J. What determines FinTech success? — A taxonomy-based analysis of FinTech success factors. Electronic Markets. 2023;33(1):21. DOI: 10.1007/s12525-023–00626–7

21. Кошелев К. А. Тенденции развития рынка цифровых финансовых активов в контексте цифровой транс формации мировой экономики. Финансы: теория и практика. 2022;26(4):80–94. DOI: 10.26794/2587–5671–2021–26–4–80–94

22. Кочергин Д. А. Цифровые валюты центральных банков для трансграничных платежей: модели ин тероперабельности и перспективы внедрения. Финансы: теория и практика. 2024;28(2):82–100. DOI: 10.26794/2587–5671–2024–28–2–82–100

23. Uzougbo N. S., Ikegwu C. G., Adewusi A. O. International enforcement of cryptocurrency laws: Jurisdictional challenges and collaborative solutions. Magna Scientia Advanced Research and Reviews. 2024;11(1):68–83. DOI: 10.30574/msarr.2024.11.1.0075

24. Перетолчин А. П. Генезис и перспективы развития правового регулирования цифровых финансовых активов в Российской Федерации. Journal of Digital Technologies and Law. 2023;1(3):752–774. DOI: 10.21202/jdtl.2023.33

25. Абузов А. Ю. Цифровые финансовые активы: сущность, виды, развитие в современных условиях. Фундаментальные исследования. 2024;(3):8–13. DOI: 10.17513/fr.43573


Рецензия

Для цитирования:


Шкодинский С.В., Крупнов Ю.А., Романцова Т.В. Многофакторный анализ рисков современного финтеха на основе мультимодальной аналитики. Финансы: теория и практика/Finance: Theory and Practice. 2025;29(4):112-128. https://doi.org/10.26794/2587-5671-2025-29-4-112-128

For citation:


Shkodinsky S.V., Krupnov Yu.A., Romantsova T.v. Multi-Factor Risk Analysis of Modern Fintech based on Multimodal Analytics. Finance: Theory and Practice. 2025;29(4):112-128. https://doi.org/10.26794/2587-5671-2025-29-4-112-128

Просмотров: 7


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-5671 (Print)
ISSN 2587-7089 (Online)