СИСТЕМАТИЗАЦІЯ І КЛАСИФІКАЦІЯ МЕТОДІВ ЕКОНОМІЧНОГО АНАЛІЗУ МІЖНАРОДНИХ ІНВЕСТИЦІЙ НА ЗАСАДАХ ШТУЧНОГО ІНТЕЛЕКТУ
Анотація
У статті здійснено систематизацію та класифікацію сучасних наукових підходів до економічного аналізу міжнародних інвестицій із урахуванням потенціалу технологій штучного інтелекту. Обґрунтовано доцільність інтеграції інтелектуальних систем у процеси оцінювання та прогнозування інвестиційної активності в умовах глобалізації, цифровізації економіки та зростання невизначеності фінансових ринків. Запропонована структура дозволяє систематизувати наявний методичний арсенал за рівнем автоматизації, аналітичної глибини й адаптивності моделей до складних динамічних процесів. Проведено порівняльну оцінку ефективності окремих груп методів за критеріями точності прогнозування, швидкості оброблення даних і стабільності результатів за умов мінливості зовнішнього середовища. Показано, що використання технологій машинного навчання, глибинних нейронних мереж та алгоритмів оптимізації підвищує достовірність прогнозів, розширює можливості виявлення прихованих закономірностей та знижує ризики суб’єктивності аналітичних висновків. Наголошено, що поєднання традиційних економетричних методів із ШІ–алгоритмами формує новий тип аналітичного мислення, орієнтований на оброблення великих даних і побудову адаптивних прогнозних моделей. Зазначено, що розроблена класифікація може використовуватися як методична основа для створення інтелектуальних систем підтримки прийняття рішень у сфері міжнародного бізнесу та державного регулювання інвестиційних потоків. Практичне значення отриманих результатів полягає у формуванні науково обґрунтованої бази для вдосконалення механізмів державної політики у сфері міжнародного інвестування, підвищення конкурентоспроможності національної економіки та розвитку цифрових інфраструктур управління інвестиційними потоками. Додатково обґрунтовано потенціал використання гібридних моделей як інструменту для оперативної оцінки глобальних фінансових тенденцій, що має особливе значення в умовах високої волатильності світового ринку. Отримані результати створюють передумови для подальшої розробки прикладних рішень у сфері інтелектуальної аналітики міжнародних інвестицій.
Посилання
Gökoğlan, K., & Sevim, H. The impact of artificial intelligence recommendations on individual investor decisions. Journal of Business Economics and Finance, 2024 vol. 13(1), pp. 1–12. URL: https://dergipark.org.tr/en/pub/jbef/article/1497941 (дата звернення: 06.11.2025).
Mertzanis, C. Artificial intelligence and investment management: Structure, strategy, and governance. International Review of Financial Analysis, 2025, vol. 107. DOI: https://doi.org/10.1016/j.irfa.2025.104599 (дата звернення: 06.11.2025).
Гаврилова Н. В., Задорожня Л. М. Інвестиційно‑інноваційна діяльність в Україні в контексті євроінтеграції. Центральноукраїнський науковий вісник. Економічні науки. 2023. Т. 10(43). С. 188–193. DOI: https://doi.org/10.32515/2663-1636.2023.10(43).188-193 (дата звернення: 06.11.2025).
Onyeanuforo U. L., Mohammed B. B., Onohwakpo E. A.. Machine Learning Models for Forecasting Foreign Direct Investment (FDI) Flows. Zenodo, 2025. URL: https://www.researchgate.net/publication/395030477_Machine_Learning_Models_for_Forecasting_Foreign_Direct_Investment_FDI_Flows (дата звернення: 06.11.2025).
Дем’янюк О., П’єх І., Кушнір Ю. Трансформація міжнародного інвестування в умовах глобальних викликів. Вісник Економіки, № 1, 2025, C. 173–184. URL: https://visnykj.wunu.edu.ua/index.php/visnykj/article/view/1758 (дата звернення: 06.11.2025).
Довгаль О. А. (ред.) Імперативи розвитку міжнародних економічних відносин в умовах глобальних викликів: колективна монографія. Харків: ХНУ імені В. Н. Каразіна, 2022. 528 с.
Цегельник Н. І., Гладков Д. А. Big Data та штучний інтелект в обліку інвестицій: вплив на економічну безпеку підприємств. Актуальні питання економічних наук, № (9), 2025. DOI: https://doi.org/10.5281/zenodo.15108352 (дата звернення: 06.11.2025).
Chen J., Zhang Y. AI-Driven Financial Risk Management and Decision Support Systems: A Comprehensive Framework for Real-Time Anomaly Detection and Predictive Analytics. Spectrum of Research, 2025, Vol. 5, № 1. URL: https://spectrumofresearch.com/index.php/sr/article/view/34 (дата звернення: 06.11.2025).
OECD. Artificial intelligence, machine learning and big data in finance: opportunities, challenges, and implications for policy makers. URL: https://www.oecd.org/content/dam/oecd/en/publications/reports/2021/08/artificial-intelligence-machine-learning-and-big-data-in-finance_8d088cbb/98e761e7-en.pdf (дата звернення: 06.11.2025).
Кузнецова С. О., Корешников Ф. Ю. Методичне забезпечення прогнозування зміни вартості інвестиційного модельного портфеля. Бізнес інформ. 2025. Т. 6, № 568. С. 174–183. DOI: https://doi.org/10.32983/2222-4459-2025-6-174-183 (дата звернення: 06.11.2025).
Liu Z., Zhang Z., Zhang W. A hybrid framework integrating traditional models and deep learning for multi-scale time series forecasting. Entropy. 2025. Т. 27, № 7. С. 695. DOI: https://doi.org/10.3390/e27070695 (дата звернення: 06.11.2025).
Smith M., Álvarez F. Machine learning for applied economic analysis: gaining practical insights. 2025. 55 с. URL: https://documentos.fedea.net/pubs/dt/2025/dt2025-03.pdf (дата звернення: 06.11.2025).
Zhang C., Sjarif N. N. A., Ibrahim R. Deep learning models for price forecasting of financial time series: a review of recent advancements: 2020–2022. WIREs data mining and knowledge discovery. 2023. DOI: https://doi.org/10.1002/widm.1519 (дата звернення: 06.11.2025).
Sourabh S., Singha Roy S. Prediction of foreign direct investment: an application of long short-term memory. Psychology and education. 2021. № 58(2). С. 4001–4015. URL: https://psychologyandeducation.net/pae/index.php/pae/article/view/2671/2338 (дата звернення: 06.11.2025).
Foreign direct investment, net inflows (BoP, current US$). World Bank Open Data. URL: https://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD (дата звернення: 06.11.2025).
Sznajderska A., Haug A. A. Bayesian VARs of the U.S. economy before and during the pandemic. Eurasian economic review. 2023. DOI: https://doi.org/10.1007/s40822-023-00229-9 (дата звернення: 06.11.2025).
Browne R. Explainable AI techniques for ML-based financial forecasting. Leiden, 2021. 150 с. URL: https://theses.liacs.nl/pdf/2020-2021-BrowneRoos.pdf (дата звернення: 06.11.2025).
Gökoğlan, K., & Sevim, H. (2024) The impact of artificial intelligence recommendations on individual investor decisions. Journal of Business Economics and Finance, vol. 13(1), pp. 1–12. Available at: https://dergipark.org.tr/en/pub/jbef/article/1497941 (accessed November 6, 2025).
Mertzanis, C. (2025) Artificial intelligence and investment management: Structure, strategy, and governance. International Review of Financial Analysis, vol. 107. DOI: https://doi.org/10.1016/j.irfa.2025.104599 (accessed November 6, 2025).
Gavrilova N., Zadorozhnia L. (2023) Investytsiina ta innovatsiina diialnistʹ v Ukraini v konteksti yevrointehratsii [Investment and innovation activities in Ukraine in the context of European integration]. Tsentralnoukrainskyi naukovyi visnyk. Ekonomichni nauky - Central Ukrainian Scientific Bulletin. Economic Sciences, vol. 10(43), pp. 188–193. DOI: https://doi.org/10.32515/2663-1636.2023.10(43).188-193 (accessed November 6, 2025). (in Ukrainian)
Onyeanuforo U. L., Mohammed B. B., Onohwakpo E. A. (2025) Machine Learning Models for Forecasting Foreign Direct Investment (FDI) Flows. Zenodo. Available at: https://www.researchgate.net/publication/395030477_Machine_Learning_Models_for_Forecasting_Foreign_Direct_Investment_FDI_Flows (дата звернення: 06.11.2025).
Dem’yanyuk O., et al. (2025) Transformatsiya mizhnarodnoho investuvannya v umovakh hlobalʹnykh vyklykiv [Transformation of international investing under global challenges]. Visnyk Ekonomiky - Economics Bulletin, vol. 1, pp. 173–184. Available at: https://visnykj.wunu.edu.ua/index.php/visnykj/article/view/1758 (accessed November 6, 2025). (in Ukrainian)
Dovhal O. A. (ed.) (2022) Imperatyvy rozvytku mizhnarodnykh ekonomichnykh vidnosyn v umovakh hlobalʹnykh vyklykiv [Imperatives of development of international economic relations under global challenges]. Kharkiv: KNU imeni V. N. Karazina. Monograph. 528 p. (in Ukrainian)
Tsehelʹnyk N.I., Hladkov D.A. (2025) Big Data ta shtuchnyy intelekt v obliku investytsiy: vplyv na ekonomichnu bezpeku pidpryyemstv [Big Data and artificial intelligence in investment accounting: impact on the economic security of enterprises]. Aktualni pytannia ekonomichnykh nauk - Current Issues in Economic Sciences, vol. 9. DOI: https://doi.org/10.5281/zenodo.15108352 (accessed November 6, 2025). (in Ukrainian)
Chen J., Zhang Y. (2025) AI-Driven Financial Risk Management and Decision Support Systems: A Comprehensive Framework for Real-Time Anomaly Detection and Predictive Analytics. Spectrum of Research, vol. 5(1). Available at: https://spectrumofresearch.com/index.php/sr/article/view/34 (accessed November 6, 2025).
OECD (2021) Artificial intelligence, machine learning and big data in finance: opportunities, challenges, and implications for policy makers. Available at: https://www.oecd.org/content/dam/oecd/en/publications/reports/2021/08/artificial-intelligence-machine-learning-and-big-data-in-finance_8d088cbb/98e761e7-en.pdf (accessed November 6, 2025).
Kuznetsova, S. O., Koreshnikov, F. Y. (2025) The methodological support for forecasting changes in the value of the investment model portfolio. Business Inform, vol. 6, no. 568, pp. 174–183. DOI: https://doi.org/10.32983/2222-4459-2025-6-174-183 (accessed November 6, 2025). (in Ukrainian)
Liu, Z., Zhang, Z., Zhang, W. (2025) A hybrid framework integrating traditional models and deep learning for multi-scale time series forecasting. Entropy, vol. 27, no. 7, p. 695. DOI: https://doi.org/10.3390/e27070695 (accessed November 6, 2025).
Smith, M., Álvarez, F. (2025) Machine learning for applied economic analysis: gaining practical insights. 55 p. Available at: https://documentos.fedea.net/pubs/dt/2025/dt2025-03.pdf (accessed November 6, 2025).
Zhang, C., Sjarif, N. N. A., Ibrahim, R. (2023) Deep learning models for price forecasting of financial time series: a review of recent advancements: 2020–2022. WIREs Data Mining and Knowledge Discovery. DOI: https://doi.org/10.1002/widm.1519 (accessed November 6, 2025).
Sourabh, S., Singha Roy, S. (2021) Prediction of foreign direct investment: an application of long short-term memory. Psychology and Education, vol. 58(2), pp. 4001–4015. Available at: https://psychologyandeducation.net/pae/index.php/pae/article/view/2671/2338 (accessed November 6, 2025).
World Bank (2025) Foreign direct investment, net inflows (BoP, current US$). World Bank Open Data. Available at: https://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD (accessed November 6, 2025).
Sznajderska, A., Haug, A. A. (2023) Bayesian VARs of the U.S. economy before and during the pandemic. Eurasian Economic Review. DOI: https://doi.org/10.1007/s40822-023-00229-9 (accessed November 6, 2025).
Browne, R. (2021) Explainable AI techniques for ML-based financial forecasting : Master’s Thesis. Leiden: Leiden University, Leiden Institute of Advanced Computer Science (LIACS), 150 p. Available at: https://theses.liacs.nl/pdf/2020-2021-BrowneRoos.pdf (accessed November 6, 2025).
