Управління цифровими інвестиціями підприємств із використанням штучного інтелекту
DOI:
https://doi.org/10.26906/EiR.2026.1%20(100).4395Ключові слова:
цифрові інвестиції, штучний інтелект, інвестиційний менеджмент, цифрова трансформація, машинне навчання, фінансове прогнозуванняАнотація
У статті досліджено теоретичні та прикладні аспекти управління цифровими інвестиціями підприємств із використанням технологій штучного інтелекту. Визначено ключові тенденції цифровізації інвестиційної діяльності та роль інтелектуальних алгоритмів у підвищенні ефективності інвестиційних рішень. Обґрунтовано, що інтеграція штучного інтелекту в процеси інвестиційного аналізу, прогнозування, оцінювання ризиків та формування портфеля цифрових активів сприяє підвищенню точності фінансових прогнозів і оптимізації структури інвестицій. Запропоновано концептуальну модель управління цифровими інвестиціями підприємства, що включає модулі збору даних, аналітики, машинного навчання, підтримки прийняття рішень і контролю ефективності інвестицій. Доведено, що використання інтелектуальних алгоритмів дозволяє забезпечити адаптивність інвестиційної політики підприємства в умовах нестабільного економічного середовища та цифрової трансформації бізнесу.
Посилання
Haefner N., Parida V., Gassmann O., Wincent J. Implementing and scaling artificial intelligence: A review, framework, and research agenda. Technological Forecasting and Social Change. 2023. Vol. 197. Art. 122878. DOI: https://doi.org/10.1016/j.techfore.2023.122878
Black S., Samson D., Ellis A. Moving beyond “proof points”: Factors underpinning AI-enabled business model transformation. International Journal of Information Management. 2024. Vol. 77. Art. 102796. DOI: https://doi.org/10.1016/j.ijinfomgt.2024.102796
Zhang Z., Kang Y., Lu Y., Li P. The Role of Artificial Intelligence in Business Model Innovation of Digital Platform Enterprises. Systems. 2025. Vol. 13, No. 7. Art. 507. DOI: https://doi.org/10.3390/systems13070507
Mertzanis C. Artificial intelligence and investment management: Structure, strategy, and governance. International Review of Financial Analysis. 2025. Vol. 107. Art. 104599. DOI: https://doi.org/10.1016/j.irfa.2025.104599
Jang J., Seong N.-Y. Deep reinforcement learning for stock portfolio optimization by connecting with modern portfolio theory. Expert Systems with Applications. 2023. Vol. 218. Art. 119556. DOI: https://doi.org/10.1016/j.eswa.2023.119556
Jiang Y., Olmo J., Atwi M. Deep reinforcement learning for portfolio selection. Global Finance Journal. 2024. Vol. 62. Art. 101016. DOI: https://doi.org/10.1016/j.gfj.2024.101016
Jeribi F., Martin R. J., Mittal R., Jari H., Alhazmi A. H., Malik V., et al. A deep learning based expert framework for portfolio prediction and forecasting. IEEE Access. 2024. Vol. 12. P. 103810–103829. DOI: https://doi.org/10.1109/ACCESS.2024.3434528
Bahoo S., Cucculelli M., Goga X., Mondolo J. Artificial intelligence in Finance: a comprehensive review through bibliometric and content analysis. SN Business & Economics. 2024. Vol. 4. Art. 23. DOI: https://doi.org/10.1007/s43546-023-00618-x
World Economic Forum; Accenture. Artificial Intelligence in Financial Services. January 2025. URL: https://reports.weforum.org/docs/WEF_Artificial_Intelligence_in_Financial_Services_2025.pdf
Haefner, N., Parida, V., Gassmann, O., & Wincent, J. (2023), “Implementing and scaling artificial intelligence: A review, framework, and research agenda”, Technological Forecasting and Social Change, Vol. 197, Article 122878, DOI: https://doi.org/10.1016/j.techfore.2023.122878
Black, S., Samson, D., & Ellis, A. (2024), “Moving beyond ‘proof points’: Factors underpinning AI-enabled business model transformation”, International Journal of Information Management, Vol. 77, Article 102796, DOI: https://doi.org/10.1016/j.ijinfomgt.2024.102796
Zhang, Z., Kang, Y., Lu, Y., & Li, P. (2025), “The role of artificial intelligence in business model innovation of digital platform enterprises”, Systems, Vol. 13, No. 7, Article 507, DOI: https://doi.org/10.3390/systems13070507
Mertzanis, C. (2025), “Artificial intelligence and investment management: Structure, strategy, and governance”, International Review of Financial Analysis, Vol. 107, Article 104599, DOI: https://doi.org/10.1016/j.irfa.2025.104599
Jang, J., & Seong, N.-Y. (2023), “Deep reinforcement learning for stock portfolio optimization by connecting with modern portfolio theory”, Expert Systems with Applications, Vol. 218, Article 119556, DOI: https://doi.org/10.1016/j.eswa.2023.119556
Jiang, Y., Olmo, J., & Atwi, M. (2024), “Deep reinforcement learning for portfolio selection”, Global Finance Journal, Vol. 62, Article 101016, DOI: https://doi.org/10.1016/j.gfj.2024.101016
Jeribi, F., Martin, R. J., Mittal, R., Jari, H., Alhazmi, A. H., Malik, V., et al. (2024), “A deep learning based expert framework for portfolio prediction and forecasting”, IEEE Access, Vol. 12, pp. 103810–103829, DOI: https://doi.org/10.1109/ACCESS.2024.3434528
Bahoo, S., Cucculelli, M., Goga, X., & Mondolo, J. (2024), “Artificial intelligence in finance: A comprehensive review through bibliometric and content analysis”, SN Business & Economics, Vol. 4, Article 23, DOI: https://doi.org/10.1007/s43546-023-00618-x
World Economic Forum, & Accenture (2025), Artificial Intelligence in Financial Services, World Economic Forum, Geneva, available at: https://reports.weforum.org/docs/WEF_Artificial_Intelligence_in_Financial_Services_2025.pdf
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Катерина Балабуха
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
