CC BY
11
Современные финансовые исследования Modern financial research
EDN: NXXWQN
О.А. Бойтуш - к.э.н., доцент кафедры финансов, денежного обращения и кредита, Уральский государственный экономический университет, Екатеринбург, Россия, [email protected],
O.A. Boitush - Candidate of Economics, Associate Professor of the Department of Finance, Money Circulation and Credit, Ural State University of Economics, Yekaterinburg, Russia;
Е.А Смородина - к.э.н., доцент кафедры финансов, денежного обращения и кредита, Уральский государственный экономический университет, Екатеринбург, Россия, [email protected],
E.A Smorodina - Candidate of Economics, Associate Professor of the Department of Finance, Money Circulation and Credit, Ural State University of Economics, Yekaterinburg, Russia.
ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМЕ ФИНАНСОВОГО МЕНЕДЖМЕНТА PROSPECTS FOR IMPLEMENTING ARTIFICIAL INTELLIGENCE IN FINANCIAL MANAGEMENT SYSTEMS
Аннотация. Научная статья посвящена анализу текущего состояния и будущих возможностей использования искусственного интел-лекта(ИИ) в области управления финансами, в статье рассматриваются основные задачи финансового менеджмента и проблемы, с которыми сталкиваются организации разного масштаба. Описывается влияние международных санкций и экономических проблем на фондовый рынок России, на потребность в усилении регуляторных мер, цифровой трансформации и использования ИИ в различных сферах финансового управления, в том числе прогнозирование финансовых показателей, автоматизацию рутинных операций, обработку текстовой информации и улучшение кибербезопасности. Авторы уделяют особое внимание преимуществам ИИ, таким как автоматизация финансовых операций, улучшение стратегического планирования и управление рисками, а примеры применения ИИ, такие как автоматизация учета в компании Oracle и использование платформы Morgan Stanley WealthDesk, иллюстрируют потенциал технологий ИИ в повышении эффективности и надежности финансовых систем. Но также рассматриваются и недостатки, связанные с ограниченностью ИИ-алгоритмов, вопросами ответственности, безопасности данных и непрозрачностью решений. В заключении статьи делается вывод о том, что развитие ИИ в финансовом менеджменте должно быть направлено на совершенствование процессов принятия решений, автоматизацию обслуживания клиентов и алгоритмического трейдинга для того, чтобы лучше анализировать риски и находить новые инвестиционные возможности.
Abstract. Scientific article is devoted to the analysis of the current state and future possibilities of using AI in the field of financial management; the article examines the main tasks of financial management and the problems faced by organizations of different sizes. Describes the impact of international sanctions and economic problems on the Russian stock market, on the need for strengthening regulatory measures, digital transformation and the use of AI in various areas of financial management, including forecasting financial performance, automating routine operations, processing text information and improving cybersecurity. The author focuses on the benefits of AI, such as automating financial transactions, improving strategic planning and risk management, and examples of AI applications, such as accounting automation at Oracle and the use of the Morgan Stanley WealthDesk platform, illustrate the potential of AI technologies to improve the efficiency and reliability of financial systems . But it also addresses the limitations of AI algorithms, liability issues, data security, and lack of transparency in decisions. The article concludes that the development of AI in financial management should be aimed at improving decision-making processes, automating customer service and algorithmic trading in order to better analyze risks and find new investment opportunities.
Ключевые слова: иискусственный интеллект, финансовый менеджмент, цифровая трансформация, большие данные, автоматизация, кибербезопасность, прогнозирование, инвестиционные риски, роботизированная автоматизация процессов, машинное обучение.
Keywords: Artificial intelligence, financial management, digital transformation, big data, automation, cybersecurity, forecasting, investment risks, robotic process automation, machine learning.
Введение
Финансовый менеджмент, который затрагивает планирование, бюджетирование, управление инвестициями и финансовый контроль занимается обеспечением устойчивости и развития компаний, но на данный момент финансовый менеджмент сталкивается с проблемами, связанными с высокой волатильностью экономической среды и геополитическими рисками. Например, в России наблюдается рост объема активов и ссудного портфеля банковского сектора, несмотря на экономические трудности и снижение фондового рынка, тем не менее, завышенные процентные ставки на банковские продукты и низкая эффективность перераспределения ликвидности создают препятствия для устойчивого развития, а высокие риски инвестиционного кредитования и отсутствие правовой защиты банков усугубляют ситуацию [8].
Основные задачи финансового менеджмента - формирование стратегической концепции, планирование денежных потоков, оптимизация расходов и структуры активов, аналитическая оценка результатов и управление дебиторской задолженностью; в крупных компаниях эти задачи распределяются между несколькими специалистами, тогда как в малых организациях все функции часто выполняет один менеджер.
Фондовый рынок в России страдает от снижения инвестиционной активности и привлекательности, который связан с международными санкциями и внутренними экономическими проблемами, а нисходящая динамика рыночной капитализации биржевого индекса указывает на потребность в усилении регуляторных мер со стороны государства.
Бюджетная политика, как еще один элемент финансовой системы, сталкивается со снижением нефтяных доходов и высокой зависимостью от межбюджетных трансфертов, в то же время повышение бюджетных расходов на социальные нужды требует обновления для обеспечения экономического роста.
В связи с этим требования к системе финансового управления в условиях цифровой трансформации меняются, например, теперь первым и главным требованием является интеграция технологий для анализа больших данных (Big Data) и облачных вычислений, которые позволяют улучшить процесс принятия решений, ускорить обработку финансовой информации и повысить точность прогнозирования, например, анализ данных в реальном времени помогает выявлять риски и позволяет финансовым менеджерам оперативно реагировать на изменения рынка [6].
Основная часть
Так, использование ИИ в сфере финансового управления базируется на обработке и анализе огромных объемов данных, которые невозможно выполнить вручную, а алгоритмы машинного обучения и глубокого обучения применяются для классификации, прогнозирования и обнаружения мошенничества, например, глубокие нейронные сети помогают анализировать миллиарды записей рыночных данных для лучшего понимания рыночных трендов и предсказанию их изменений.
Далее, использование ИИ в финансовом прогнозировании состоит из создания моделей для предсказания будущих финансовых показателей, таких как доходность, риск кредитования и поведение рынка; модели на основе машинного обучения, такие как ARIMA и LSTM, позволяют точно прогнозировать ценовые движения на финансовых рынках, улучшая стратегическое планирование и управление портфелем. Далее, использование ансамблевых моделей, таких как бэггинг, бустинг и стекинг, которые сочетают прогнозы нескольких базовых моделей для уменьшения ошибок и повышения точности прогнозов, пример - в Саратовском государственном университете разработано приложение с веб-интерфейсом, которое позволяет оценивать модели с использованием различных метрик ошибок, выбирать точные ансамбли моделей и визуализировать результаты, данное приложение успешно тестировалось на данных о ценах акций, в результате показывая высокую точность прогнозирования
[9].
С помощью ИИ автоматизируются рутинные финансовые операции, например, системы ERP со встроенными ИИ-технологиями обрабатывают счета-фактуры, выделяя основную информацию и вводя ее в систему для дальнейшей обработки, тем самым сотрудники финансовых отделов фокусируются на стратегическом анализе и принятии решений, в частности, компании, такие как Oracle, внедряют ИИ для автоматизации ручных процессов, например, система позволяет сократить время на закрытие бухгалтерских книг до 10 дней, что вдвое быстрее, чем у конкурентов [4].
В то же время, обработка естественного языка (NLP) для анализа текстовой информации, такой как финансовые отчеты и контракты помогает извлекать полезную информацию и улучшать обслуживание клиентов с помощью чат-ботов.
Еще одним положительным принципом больших данных для банков и других финансовых учреждений является то, что ИИ обучается на исторических данных и способен выявлять подозрительные транзакции, отличающиеся от обычных, это позволяет сократить вероятность финансовых потерь и улучшить защиту клиентов.
Второе требование к системе финансового управления в настоящее время связано с автоматизацией и циф-ровизацией финансовых операций - переход к онлайн-банкингу, электронному документообороту и использованию блокчейн-технологий обеспечивает прозрачность, безопасность и скорость транзакций, особенно ИИ в виде машинного обучения (ML) и генеративных моделей (GenAI), которые предлагают усовершенствования в моделировании кредитных рисков.
Традиционные регрессионные модели часто не справляются с нелинейными зависимостями между макроэкономическими переменными и финансовыми показателями компаний, в отличие от них, модели на основе ML способны точно прогнозировать такие связи особенно в стрессовых сценариях.
Что касается, генеративных моделей ИИ, таких как ChatGPT или Google Bard, они могут обрабатывать огромные объемы данных для выявления и ранжирования угроз, улучшая качество и скорость оценки рисков, они способны автоматически создавать отчеты о рисках и синтезировать информацию из различных источников, упрощая работу менеджеров по рискам и снизив операционные затраты [1]. За счет автоматизации контроля и мониторинга ИИ позволяет своевременно обнаруживать инциденты и снижать вероятность ошибок, так, генеративные модели могут оценивать качество существующих контрольных систем и предлагать улучшения.
Еще одним принципом является интерпретируемость моделей ИИ, в частности, для моделей, принимающих решения по кредитованию, обязательна прозрачность, чтобы соответствовать законам о честном кредитовании, в то же время, менее рисковые модели, такие как рекомендации по рекламе используют сложные алгоритмы с меньшей потребностью в объяснении.
И наконец, ИИ позволяет более точно и быстро оценивать риски за счет агрегации и интерпретации данных, сюда входит использование аналитики поведения пользователей и событий (UEBA) для выявления аномалий, которые могут указывать на потенциальные угрозы. Платформа Morgan Stanley WealthDesk, например, использует NLP для анализа новостей и социальных сетей, чтобы выявлять потенциальные риски и предлагать инвестиционные рекомендации, минимизируя рисковую экспозицию.
Третье требование касается кибербезопасности, ведь с ростом объема цифровых данных и увеличением числа онлайн-операций возрастает необходимость в защите информации от кибератак, в связи с этим финансовые организации должны внедрять передовые меры безопасности, такие как многофакторная аутентификация, шифрование данных и регулярные аудиты системы безопасности [2]. В данном процессе используются методы как контролируемого, так и неконтролируемого обучения, которые предсказывают подозрительные транзакции.
В-четвертых, развитие цифровых компетенций сотрудников, то есть обучение персонала новым навыкам, в том числе работу с программными продуктами для анализа данных и управления финансовыми процессами.
И наконец, последнее требование связано с государственными органами и финансовыми институтами, которые должны работать над созданием правил регулирования, которые будут благоприятствовать инновациям и поддерживать стабильность финансовой системы (разработка стандартов для новых финансовых продуктов и услуг, создание условий для безопасного использования цифровых технологий).
Помимо всего вышеперечисленного в финансовом менеджменте для оптимизации процессов и автоматизации используется роботизированная автоматизация процессов (RPA) рассмотрим некоторые примеры применения на практике:
— обработка счетов и заказов на покупку (PO), которая является рутинной задачей для финансовых команд, а с помощью RPA автоматически сканируются счета на предмет основной информации, вводятся данные в соответствующие системы и инициируются запросы на одобрение;
— в управлении счетами к оплате (AP) и к получению (AR) RPA помогает автоматизировать процесс создания, передачи и отслеживания счетов, снижая риск задержек платежей и ошибок при учете, например, компания Coca-Cola автоматизировала 137,000 сверок ежегодно и тем самым ускорила процесс на 70 % [6];
— автоматизация создания финансовых отчетов, таких как отчеты о прибылях и убытках, балансовые отчеты и анализ вариаций для того чтобы экономить время и повышать точность, ведь подобные отчеты могут генерироваться ежедневно и, так, менеджмент принимает обоснованные решения на основе актуальной информации;
— ведение базы данных контрактов и отслеживание ключевых сроков и условий может быть автоматизировано с помощью RPA, например, Morningstar использует боты для управления более чем 2,000 контрактов [3];
— RPA ускоряет процесс проверки и одобрения заявок на кредиты, взаимодействуя с различными системами для валидации информации о клиентах, сокращая время обработки заявок с недель до часов. Платформы, такие как Scienaptic AI и Zest AI, используют машинное обучение для анализа большого количества данных, в том числе доходы, привычки траты и историю платежей, чтобы точно оценивать кредитоспособность заемщиков и уменьшать риски, а AlphaSense, используют обработку естественного языка (NLP) для анализа транскриптов, отчетов и новостей, чтобы выявлять тенденции на финансовых рынках и помогать трейдерам и аналитикам принимать более информированные решения;
— с точки зрения системы поддержки принятия решений (DSS), основанные на искусственном интеллекте используются в финансовом менеджменте робо-адвайзеры - одни из ярких примеров, так как они предлагают автоматизированное управление портфелем с минимальным участием человека, используя торговые алгоритмы и модели, основанные на ИИ. Например, платформы вроде Betterment и Wealthfront предлагают инвестиционные советы и управление активами, анализируя тысячи данных и предлагая варианты, соответствующие целям пользователя [7].
Несмотря на многочисленные преимущества, которые мы рассмотрели в данной работе, внедрение искусственного интеллекта в финансовый менеджмент связано с не менее значимыми недостатками, например, один из основных заключается в ограниченности и узкой специализации ИИ-алгоритмов. Данные алгоритмы хорошо справляются с решением конкретных задач, для которых они были разработаны, но не могут успешно приспосабливаться к новым или нестандартным ситуациям. Подобная проблема может привести к ошибкам и неспособности алгоритмов выявлять аномалии вне их специализации, особенно критично в таких областях, как обнаружение мошенничества или управление рисками.
Еще один существенный пробел связан с вопросами ответственности и надежности ИИ, поскольку ИИ -системы принимают решения, иногда затрагивающие критические операции, возникает вопрос о том, кто несет ответственность в случае ошибки, в связи с этим появляется необходимость в постоянном человеческом контроле над ИИ, которая снижает эффективность и автономность использования данных технологий.
Далее, проблемы безопасности данных и конфиденциальности, ведь ИИ требует больших объемов данных для обучения и функционирования, это увеличивает риски утечек и неправомерного использования данных, чтобы бороться с этим финансовые учреждения должны внедрять строгие меры по защите данных, что является дополнительной затратой ресурсов и усложнением интеграции ИИ в существующие системы. К тому же, ИИ-алгоритмы часто подвергаются различным видам атак, таким как «инъекции данных» и «инверсии моделей», которые дополнительно требуют создание систем мониторинга и защиты с целью поддержания ИИ [5].
Еще одной проблемой является отсутствие прозрачности принятых решений, принимаемых ИИ, то есть пользователи и регуляторы должны понимать, как ИИ принимает решения, особенно в случае неблагоприятных исходов, а отсутствие объяснимости становится следствием недоверия со стороны клиентов и регуляторов к юридическим и репутационным рискам для финансовых учреждений.
Заключение
В связи с этим, основные направления развития ИИ в финансовом менеджменте связаны с совершенствованием процессов принятия решений, автоматизацией клиентского обслуживания и использования алгоритмического трейдинга, ведь внедрение ИИ позволяет лучше анализировать кредитные риски и прогнозировать возможные дефолты, персонализировать предложения для клиентов на основе их поведения и предпочтений, а виртуальные помощники и чат-боты обеспечивают круглосуточную поддержку клиентов, хоть для сложных запросов все еще требуется участие живых специалистов.
Алгоритмический трейдинг, использующий ИИ для анализа рыночных данных в реальном времени, позволяет ускорить процессы торговли и минимизировать риски, помимо этого, такие компании, как Nvidia и IBM, разрабатывают решения для обработки больших данных, помогая в управлении активами и поиске новых инвестиционных возможностей, несмотря на то, что существует дефицит квалифицированных специалистов и потребность в вычислительных ресурсах остаются основными проблемами для применения ИИ в финансовом секторе.
Источники:
1. Agarwal, Rahul, Kremer, Andreas, Kristensen, Ida, Luget, Angela. How generative AI can help banks manage risk and compliance. - 2024. - URL: https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-generative-ai-can-help-banks-manage-risk-and-compliance.
2. Бабкин А. В., Буркальцева Д. Д., Костень Д. Г., Воробьев Ю. Н. Формирование цифровой экономики в России: сущность, особенности, техническая нормализация, проблемы развития // Научно-технические ведомости СПбГПУ. Экономические науки. - 2017. - Т. 10, № 3. - С. 9-25. - DOI: 10.18721/JE.10301.
3. Christiano, Paul. Top 9 RPA Use Cases & Examples In Finance In 2024: The Complete Guide. - 2023. - URL: https://expertbeacon.com/rpa-finance/.
4. Homs, Charles. How Oracle closes its books twice as fast as SAP and Workday. - 2024. - URL: https://blogs.oracle.com/modernfinance/ post/why-oracle-closes-its-books-more-than-twice-as-fast-as-sap-and-workday.
5. Hosanagar, Kartik. How Can Financial Institutions Prepare for AI Risks? - 2021. - URL: https://knowledge.wharton.upenn.edu/ article/can-financial-institutions-prepare-ai-risks/.
6. Макарова И. В. Трансформация банковского сектора в условиях цифровизации экономики России // Банковское дело. - 2022. -URL: https://www.bankdelo.ru/expert-opinion/pub/6301.
7. McKinsey & Company. AI-powered decision making for the bank of the future. - 2021. - URL:https://www.mckinsey.com.
8. Современное состояние банковской системы в РФ / Н. В. Спешилова, С. А. Дедеева, М. В. Галушко, О. В. Арькова // Экономика и предпринимательство. - 2022. - № 6(143). - С. 127-132. - DOI 10.34925/EIP.2022.143.6.022. - EDN WCUZIW.
9. Чернышова Г. Ю., Самаркина Е. А. Методы интеллектуального анализа данных для прогнозирования финансовых временных рядов // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. - 2019. - Т. 19, вып. 2. -С. 181-188. - DOI: 10.18500/1994-2540-2019-19-2-181-188.
EDN: IBVZAR
М.В. Ботнарюк - д.э.н., профессор кафедры экономической теории, экономики и менеджмента, Государственный морской университет имени адмирала Ф.Ф. Ушакова, Новороссийск, Россия, [email protected],
M.V. Botnariuk - doctor of economics, professor of the economic theory, economics and management department, Ushakov maritime state university, Novorossiysk, Russia;
И.И. Протасова - к.э.н., доцент кафедры экономической теории, экономики и менеджмента, Государственный морской университет имени адмирала Ф.Ф. Ушакова, Новороссийск, Россия, ii. Protasova @mail.ru,
I.I. Protasova - candidate of economic sciences, associate professor of the economic theory, economics and management department, Ushakov maritime state university, Novorossiysk, Russia.
ДРОБЛЕНИЕ БИЗНЕСА: ПРИЗНАКИ СХЕМЫ И ПОРЯДОК ПРИМЕНЕНИЯ АМНИСТИИ BUSINESS FRAGMENTATION: SIGNS OF THE SCHEME AND THE PROCEDURE FOR APPLYING AMNESTY
Аннотация. В статье авторы анализируют способы уклонения от уплаты налогов и признаки умышленных действий налогоплательщиков, направленные на получение налоговой экономии, путем дробления бизнеса с целью соблюдения обязательных требований для применения преимуществ специальных налоговых режимов. Проведенный анализ изменений, внесенных в налоговое законодательство, позволил установить порядок применения налоговой амнистии, а именно: освобождение от уплаты налогов, пеней и штрафных санкций для экономических субъектов, добровольно отказавшихся от схем и рассмотрены налоговые последствия для лиц, которые продолжат использовать схему. Актуальность исследования обосновывается сложившейся практикой злоупотребления правом применения специальных налоговых режимов и недобросовестным его использованием налогоплательщиками, что приводит к негативным последствиям для бюджета. На основе проведенного анализа обоснованы предложения и рекомендации, направленные на создание условий для добровольного отказа от применения схем с целью своевременного формирования доходов бюджета и возможность оценки экономическими субъектами налоговых последствий своих действий с учетом внесенных изменений. Методология исследования базируется на обобщении, анализе и синтезе законодательных документов, а также проведенных исследований.
Absrtract. In the article, the authors analyze ways of tax evasion and signs of deliberate actions of taxpayers aimed at obtaining tax savings by splitting up businesses in order to comply with mandatory requirements for applying the advantages of special tax regimes.The relevance of the study is justified by the established practice of abuse of the right to apply special tax regimes and unfair use by taxpayers, which leads to negative consequences for the budget. The analysis of the changes made to the tax legislation made it possible to establish the procedure for applying tax amnesty, namely: exemption from taxes, penalties and penalties for economic entities that voluntarily abandoned the schemes and considered the tax consequences for persons who continue to use the scheme. The relevance of the study is justified by the established practice of abuse of the right to apply special tax regimes and unfair use of it by taxpayers, which leads to negative consequences for the budget. Based on the analysis, the proposals and recommendations aimed at creating conditions for the voluntary abandonment of the use of schemes in order to generate budget revenues in a timely manner and the possibility for economic entities to assess the tax consequences of their actions, taking into account the changes made, are substantiated. The research methodology is based on the generalization, analysis and synthesis of legislative documents, as well as conducted research.
Ключевые слова: налог, дробление бизнеса, специальные налоговые режимы, налоговая экономия, налоговый контроль, бюджет
Keywords: tax, business fragmentation, special tax regimes, tax savings, tax control, budget
Введение
В настоящее время, безусловно, важную роль в развитии экономики, увеличении рабочих мест, формировании доходов бюджетов всех уровней выполняют субъекты малого и среднего предпринимательства.
Согласно статистическим данным, количество зарегистрированных субъектов на 01.06.2024 г. составило 6575 тыс. ед. (рост 4,25 %), по итогам 2023 года самый существенный экономический рост достигнут субъектами малого предпринимательства (18 %), рост налогов у данной категории составил 30 % при занятости населения в малом бизнесе 20 % работающего населения [29].
Очевидные преимущества применения специальных налоговых режимов: низкая налоговая нагрузка, упрощенный порядок ведения учета и предоставления отчетности (рисунок 1).
С целью незаконного использования налоговых преимуществ, предусмотренных законодательством для специальных налоговых режимов, и минимизации налоговых обязательств применяются схемы дробления бизнеса, которые проанализированы в настоящей статье.
