УДК 338:004
DOI: 10.36871/ek.up.p.r.2026.05.06.017

Авторы

Абдула Магометович Котиев,
Тамерлан Шагавович Азнауров,
Финансовый университет при правительстве РФ

Аннотация

В статье проводится глубокий критический анализ процессов трансформации классических систем корпоративного риск-менеджмента под воздействием интеграции массивов больших данных и алгоритмов машинного обучения. Современная экономическая реальность, характеризующаяся высокой степенью турбулентности, диктует безальтернативный отказ от статических ретроспективных моделей оценки в пользу динамических интеллектуальных экосистем. Данные системы способны эффективно интерпретировать колоссальные объемы неструктурированных цифровых следов в режиме реального времени, обеспечивая устойчивость бизнеса. В работе рассматривается эволюция трактовок ключевых категорий риск ориентированного управления, при этом особое внимание уделяется столкновению технологического и функционального подходов к пониманию сущности больших данных в трудах современных исследователей.
Представляется дискуссионным вопрос о пределах применимости полностью автоматизированных систем в условиях высокой неопределенности и жестких регуляторных ограничений, которые характерны сегодня как для российского, так и для зарубежного финансовых рынков. Автор акцентирует внимание на том, что глубокая интеграция Big Data позволяет не только кратно повысить точность предиктивной аналитики, но и выявить ранее скрытые нелинейные корреляции между рыночными индикаторами и поведенческими факторами. Ключевая ценность внедряемого инструментария заключается в стратегическом переходе от реактивной модели управления к превентивному мониторингу и купированию угроз на стадии их зарождения.
В статье систематизированы основные возможности использования нейросетевых моделей для минимизации финансовых потерь в инвестиционной деятельности, а также обозначены критические барьеры, препятствующие повсеместному внедрению подобных систем. Считаем,  что выявленный разрыв между скоростью оперативного сбора информации и инертностью стратегического планирования требует разработки качественно новых инструментальных методов, адаптированных к специфике промышленного производства. Полученные выводы могут быть успешно использованы для существенного совершенствования внутренних регламентов оценки финансовой устойчивости современных компаний в условиях тотальной цифровой трансформации экономических связей.

Ключевые слова

финансовые риски, большие данные, риск-менеджмент, машинное обучение, предиктивная аналитика, Big Data, цифровая трансформация, принятие решений, мониторинг угроз, бизнес-аналитика, инвестиционная деятельность, цифровая экономика

Список литературы

  1. Абрамова Р. С., Пухов Р. М., Бокарев С. Л. Анализ технологий больших данных в управлении и прогнозировании финансовых рисков предприятия // Вестник Академии знаний. 2025. № 4(69). С. 703–708.
  2. Бреусова А. Г. Роль больших данных в экономическом прогнозировании и бизнес-аналитике // Экономика и управление: проблемы, решения. 2024. Т. 18. № 12(153). С. 77–82.
  3. Ван С. Большие данные в управлении финансовыми рисками: сравнительный опыт регулирования в России и Китае // Инновации и инвестиции. 2025. № 11. С. 450–453.
  4. Гоглев Н. Н., Касаткина Е. В., Мигалин С. А.и др. Управление рисками с применением современных технологий искусственного интеллекта и анализа больших данных // Цифровая экономика. 2022. № 2(18). С. 38–45.
  5. Косникова О. В., Золкин А. Л., Левошич Н. В. и др. Большие данные как ключ к эффективному управлению рисками // Экономика и предпринимательство. 2024. № 1(162). С. 1193–1197.
  6. Любимова Т. А. Адаптация и актуализация системы управления рисками в условиях изменяющейся бизнес-среды с помощью обработки «больших данных» // Управление финансовыми рисками. 2024. № 2. С. 138–145.
  7. Скрипник О. Б. Анализ влияния больших данных на стратегии управления рисками в инвестиционных проектах промышленного производства в условиях цифровой трансформации // Кузнечно-штамповочное производство. Обработка материалов давлением. 2025. № 6. С. 145–153.
  8. Столярова В. Ф., Бушмелев Ф. В. Использование самоотчетов и больших данных при оценке человеческого фактора в системах риск-менеджмента организации: кибербезопасность и цифровые следы // Научные труды Северо-Западного института управления РАНХиГС. 2023. Т. 14. № 3(60). С. 174–182.
  9. Тагин Н. Е., Сокольникова И. В. Большие данные в финансовом менеджменте // Экономика и управление: проблемы, решения. 2025. Т. 11. № 4(157). С. 209–214.
  10. Ярлушкин А. Х. Методы управления рисками при внедрении инструмента на основе больших данных в инвестиционную деятельность корпорации // Вестник Алтайской академии экономики и права. 2025. № 1. С. 142–147.