СУЧАСНІ IT-РІШЕННЯ ДЛЯ ІНВЕСТИЦІЙНИХ ПОРТФЕЛІВ: ЛОКАЛІЗАЦІЯ ДЛЯ УКРАЇНИ
DOI:
https://doi.org/10.35546/kntu2078-4481.2024.4.37Ключові слова:
інвестиційні портфелі, IT-рішення, ризик-профілювання, фінансова грамотність, автоматизація інвестуванняАнотація
Сучасні інформаційні технології дедалі більше проникають у фінансовий сектор, пропонуючи нові можливості для автоматизації процесів інвестування та управління портфелями. Особливий акцент робиться на роботах-адвайзерах, мобільних додатках та платформах для оптимізації інвестицій, які забезпечують простий і доступний спосіб управління активами для широкого кола користувачів. У контексті української економіки, яка стикається з численними викликами, такими як воєнні дії, економічна нестабільність, інфляція та девальвація національної валюти, особливого значення набуває доступність інструментів, що допомагають зберегти та примножити заощадження. В статті розглядаються сучасні IT-рішення для підбору інвестиційних портфелів з акцентом на їхню локалізацію для користувачів в Україні, зокрема аналізуються наявні інструменти та їхня придатність для українського ринку. Виявлено, що більшість існуючих платформ мають обмеження, пов’язані з відсутністю локалізації, неадаптованістю до вимог українського законодавства, а також обмеженнями доступу для користувачів, які не є резидентами США чи ЄС, що створює бар’єри для їх використання серед місцевих інвесторів. Враховуючи це, дослідження обґрунтовує необхідність розробки нових локалізованих інструментів, які б задовольняли потреби українських користувачів та були пристосовані до умов місцевого ринку. Особливу увагу приділено вирішенню проблем із заощадженнями в Україні, адже інвестування може стати важливим засобом для створення додаткових накопичень, що зменшить залежність від державних соціальних виплат та забезпечить фінансову стабільність. Результати дослідження будуть використані для розробки інноваційного продукту, який сприятиме підвищенню рівня фінансової грамотності населення та прибере основні бар'єри з якими стикаються люди, які ще не мали досвіду інвестування. Це сприятиме підвищенню фінансової стабільності в Україні та розширенню доступу до інвестицій для широкого кола громадян. Особливо актуальним є створення продуктів, які є простими у використанні для людей без спеціальних знань у фінансовій сфері, що забезпечить більший рівень інклюзивності та довіри до інвестиційного процесу.
Посилання
Державна служба статистики України. Рівень фінансової грамотності населення. [Електронний ресурс]. Режим доступу: https://www.ukrstat.gov.ua (дата звернення: 12.11.2024).
Smith, J., Johnson, L. The Rise of Robo-Advisors: Changing the Investment Landscape. Journal of Financial Technology, 2022. Т. 10, № 2. С. 45–60.
Tapia, H., Yermo, J. Імплікації поведінкової економіки для обов'язкових пенсійних систем з індивідуальними рахунками. OECD Working Papers on Insurance and Private Pensions, № 11, 2022.
Betterment. Офіційний веб-сайт. [Електронний ресурс]. Режим доступу: https://www.betterment.com (дата звернення: 12.11.2024).
Wealthfront. Офіційний веб-сайт. [Електронний ресурс]. Режим доступу: https://www.wealthfront.com (дата звернення: 12.11.2024).
Riskalyze. Методологія Risk Number. [Електронний ресурс]. Режим доступу: https://www.riskalyze.com (дата звернення: 12.11.2024).
eMoney Advisor. Офіційний веб-сайт. [Електронний ресурс]. Режим доступу: https://emoneyadvisor.com (дата звернення: 12.11.2024).
Portfolio Visualizer. [Електронний ресурс]. Режим доступу: https://www.portfoliovisualizer.com (дата звернення: 12.11.2024).
Statista. Статистика використання мобільних інвестиційних додатків. [Електронний ресурс]. Режим доступу: https://www.statista.com (дата звернення: 12.11.2024).
Robinhood. Офіційний веб-сайт. [Електронний ресурс]. Режим доступу: https://www.robinhood.com (дата звернення: 12.11.2024).
Acorns. Офіційний веб-сайт. [Електронний ресурс]. Режим доступу: https://www.acorns.com (дата звернення: 12.11.2024).
PyPortfolioOpt documentation. [Електронний ресурс]. Режим доступу: https://pyportfolioopt.readthedocs.io (дата звернення: 12.11.2024).
CVXPY: A Python-Embedded Modeling Language for Convex Optimization. [Електронний ресурс]. Режим доступу: https://www.cvxpy.org (дата звернення: 12.11.2024).