Использование российскими и зарубежными банками методов интеллектуального анализа данных при проведении валютных операций



Валютные операции являются ключевым элементом финансовой деятельности банков, обеспечивая возможность обмена одной валюты на другую и способствуя развитию международной торговли. В условиях постоянно меняющихся экономических условий и усиления конкуренции между банками, использование методов интеллектуального анализа данных становится все более актуальным.

Ключевые слова: интеллектуальный анализ данных, валютные операции, data mining, машинное обучение.

В современном мире, где финансовые рынки становятся все более сложными и динамичными, использование методов интеллектуального анализа данных (ИАД) становится ключевым фактором успеха для банков. ИАД позволяет анализировать большие объемы данных, выявлять скрытые закономерности и принимать обоснованные решения в условиях неопределенности. В данной статье мы рассмотрим использование методов ИАД российскими и зарубежными банками при проведении валютных операций.

Актуальность данного исследования обусловлена несколькими факторами:

– Во-первых, валютные операции являются одним из основных видов деятельности банков, и от их эффективности зависит финансовое положение банка. Использование методов ИАД может помочь банкам повысить точность прогнозирования валютных курсов, снизить риски и увеличить прибыль.

– Во-вторых, методы ИАД постоянно развиваются и совершенствуются, что открывает новые возможности для банков в области валютных операций. Исследование опыта российских и зарубежных банков позволит выявить наиболее эффективные подходы к использованию методов ИАД.

Целью данного исследования является анализ использования методов ИАД российскими и зарубежными банками при проведении валютных операций.

Для начала определимся что понимается под интеллектуальным анализом данных. Конкретного консенсуса по общему определению интеллектуального анализа данных (или Data Mining).

Так в учебнике Замятина приводится несколько определений:

– ИАД — процесс, цель которого — обнаружить новые значимые корреляции, образцы и тенденции в результате просеивания большого объема хранимых данных с использованием методик распознавания образцов и других статистических и математических методов [1. с. 23.];

– Процесс обнаружения в базах данных нетривиальных и практических полезных закономерностей [1. с. 23.].

Ксефонтова определяет машинное обучение как подход к анализу данных, основанный на использовании алгоритмов и статистических моделей [2. с.78].

Компания Microsoft, которая является одним из гигантов информационных технологий видит интеллектуальный анализ данных, как процесс обнаружения пригодных к использованию сведений в крупных наборах данных [3].

Таким образом из приведенных выше высказываний можно дать следующее определение интеллектуальному анализу данных.

Интеллектуальный анализ данных — это процесс извлечения значимых закономерностей, корреляций и тенденций из больших объёмов данных с использованием методов машинного обучения и статистических моделей.

Полученное определение позволяет понять, что ИАД это достаточно развитый технологический инструмент, который позволяет анализировать огромные массивы статистических данных, к которым непосредственно и относятся данные о курсах валют, транзакционных операциях с валютой в банках.

Изучение практики российских и зарубежных банков показал, что методы интеллектуального анализа используются примерно в одинаковых целях. Так из основных методов анализа данных можно увидеть в таблице 1.1.

Таблица 1

Основные методы интеллектуального анализа

Методы	Характеристика
Прогнозирование курсов валют	Использование методов машинного обучения для анализа и прогнозирования динамики курсов валют. Это может включать в себя моделирование временных рядов, регрессионный анализ, нейронные сети и другие алгоритмы для предсказания будущих изменений валютных курсов.
Определение аномалий	Использование алгоритмов машинного обучения для выявления аномалий или необычных паттернов в данных о валютных операциях. Это помогает в обнаружении мошеннических схем, ошибок в торговых стратегиях или других непредвиденных ситуаций.
Регрессионный анализ	Этот метод позволяет выявить зависимость между переменными и предсказать будущие значения на основе исторических данных. В контексте валютных операций регрессионный анализ может использоваться для прогнозирования валютных курсов на основе экономических показателей, финансовых новостей и других факторов.
Визуализация данных	Создание визуализаций данных для наглядного представления ключевых метрик и показателей, таких как изменение курсов валют, объемы торгов и другие параметры, что помогает трейдерам и аналитикам быстро понимать текущее состояние рынка.

Рассмотрим теперь конкретные примеры зарубежных банков. Многие американские банки, такие как Bank of America, Citigroup, а также немецкий банк Deutsche Bank используют методы интеллектуального анализа для выявление скрытых закономерностей в поведении валютных курсов, на основе экономических показателей и финансовых новостей. Это позволяет банкам принимать обоснованные решения о проведении валютных операций и минимизировать риски.

HSBC — один из крупнейших банков мира, применяет дата-майнинг для анализа данных о валютных операциях своих клиентов. Это помогает банку выявлять тенденции и закономерности, которые могут быть использованы для оптимизации валютных операций.

В Гонконге банк HSBC в 2018 году запустил платформу Business Internet Banking, которая, анализируя данные по всем операциям на валютном рынке, совершаемым клиентами банка, дает подсказки и советы. Например, если клиент совершает несколько однотипных операций за определенное время, она может предложить автоматизировать процесс [4].

Bank of china- Банк Китая запустил приложение для прогнозирования торговых сигналов на рынке Форекс на основе искусственного интеллекта. Данное приложение позволяет прогнозировать краткосрочные колебания цен на основе валютных пар.

Что же касается отечественных компаний, то в России продолжается тенденция на увелечение инвестицийв в данную сферу. К наиболее крупным известным российским банкам развивающих свои информационные технологии относятся: Сбербанк, Альфа Банк, ВТБ, Тинькоф и другие.

Одним из примеров успешности данных технологий можно привести ВТБ банк. Так за стратегический период до конца 2023 года цифровая трансформация принесла банку ВТБ более 300 миллиардов рублей экономического эффекта. И на горизонте ближайших лет этот эффект достигнет величины в 580 миллиардов рублей.

Отмечается в банке так же, что применение методов интеллектуального анализа, позволила улучшить их робота помощника и повысить его эффективность прогнозирования на валютном рынке.

Россельхозбанк представил новый технологичный модуль собственной разработки «Валютные торги», предназначенный для заключения конверсионных операций клиентами-юридическими лицами и исключающий ручную обработку транзакций. Флагманским импортозамещенным проектом Россельхозбанка на его базе стала система «Валютные торги», благодаря которой клиенты-юридические лица могут совершать конверсионные операции по индивидуальному курсу. Модуль позволяет настроить трансляцию более выгодного курса на большие суммы сделок [5].

Таким образом были рассмотрены основные методы интеллектуального анализа данных в банках валютных операций. Это сфера для многих банков является привлекательной не только с точки увеличения эффективности управления в банке, но и как способ привлечения клиентов.

Литература:

1. Введение в интеллектуальный анализ данных [Текст]: учебное пособие / А. В. Замятин; М-во образования и науки Российской Федерации, Нац. исследовательский Томский гос. ун-т. — Томск: Издательский дом Томского гос. ун-та, 2020. — 118 с.: ил., табл.; 20 см.; ISBN 978–5–94621–531–2: 30 экз.
2. Ксенофонтова, О., Миролюбова, А., & Фокин, С. (2023). Использование методов интеллектуального анализа данных в банковской сфере. Современные наукоёмкие технологии. Региональное приложение, 76(4), 76–83. извлечено от http://snt-isuct.ru/article/view/5604.
3. Основные понятия интеллектуального анализа данных [Электронный ресурс] // Microsoft URL: https://learn.microsoft.com/ru-ru/analysis-services/data-mining/data-mining-concepts?view=asallproducts-allversions (дата обращения: 01.06.2024).
4. HSBC introduces new AI tool to manage cash across ATMs in Hong Kong [Электронный ресурс] // NS BANKING URL: https://www.nsbanking.com/news/hsbc-ai-tool-cash-atms/ (Дата обращения 02.06.2024).
5. РСХБ внедряет искусственный интеллект для юридических лиц [Электронный ресурс] // РСХБ URL: https://www.rshb.ru/news/27042024–000001 (Дата обращения 02.06.2024).
6. И. Л. Кирилюк Методы интеллектуального анализа данных и регулирование цифровой трансформации финансового сектора в россии и в мире // Вестник Института экономики Российской академии наук 4/2020. — 2020. — № 4. — С. 152–165.