Пресс-служба НИУ ВШЭ 12 августа 2025 года сообщила о завершении работы над нейросетевой моделью, способной прогнозировать краткосрочные кризисные падения на российском фондовом рынке за сутки с точностью более 83%.
Подробное описание методологии опубликовано в статье исследователей в журнале «Socio-Economic Planning Sciences» 1 октября 2025 года.Модель, разработанная в Центре финансовых исследований факультета экономических наук ВШЭ, анализирует комплекс данных, включая индекс Мосбиржи (MOEX)1, курсы валют и специально рассчитанные индексы настроений инвесторов. Кризисом система считает падение MOEX более чем на 2% в течение одного дня или на 5% за три дня.
«Модель эффективно обрабатывает неравномерные данные и достигает точности 78,70% при прогнозе кризисных событий в день наблюдения и 78,85% на следующий торговый день. Использование месячной повторной тренировки и адаптивных временных окон позволило довести точность до 83,87%», — сообщила профессор факультета экономических наук ВШЭ Тамара Теплова.
Разработчики отмечают эффективность подобных моделей при волатильности финансовых рынков. Модель заранее фиксирует угрозы кризисов за 1-2 дня с высокой точностью, а не только анализирует прошлые события. При регулярном обновлении на свежих данных она формирует основу системы мониторинга рисков для российского рынка. Инструмент позволяет инвесторам минимизировать риски портфелей, регуляторам — контролировать стабильность банковского сектора.
«Работа имеет высокую практическую значимость для национального финансового сектора: она предлагает действенные инструменты для своевременного выявления рыночных потрясений, что особенно актуально для нестабильной макроэкономической среды», — заявила Тамара Теплова.
В описании методологии указано, что модель обучена на данных с 2014 по 2024 год. В качестве входных параметров использованы классические биржевые индикаторы: волатильность2, спреды3, технический анализ. На их анализе основано около 60% вклада в прогноз. Также в расчет взяты и авторские индексы настроений.
Разработчики указывают на главную трудность — учет редких кризисов, составляющих менее четверти данных. При применении ИИ для прогноза экономических кризисов отсутствует 100% точности: модели опираются на исторические данные и текущие финансово-экономические индикаторы, об этом сообщили Вести 14 августа 2025 года.
«Использование нейросети для предсказания рыночных событий само по себе достаточно интересно, хотя новым не является. «Мучают» данные и ищут устойчивые паттерны уже довольно давно и с переменным успехом», – поделился экономист агентства «Эксперт РА» Антон Табах 14 августа 2025 года.
С технической стороны система ежемесячно переобучается на свежих данных для сохранения актуальности. В пресс-службе ВШЭ 12 августа 2025 года подчеркнули, что модель носит исследовательский характер.
В университете рассматривают возможность предоставления API4 для интеграции с аналитическими и торговыми платформами, однако конкретные сроки и коммерческие условия не называются. Дальнейшие планы научного коллектива включают тестирование подхода на данных криптовалютного валютного рынка.
Автор исследует пересечение искусственного интеллекта и нейронаук: как машинное обучение помогает расшифровывать работу мозга, моделировать когнитивные процессы и создавать нейроинтерфейсы. В фокусе — применение ИИ в диагностике неврологических заболеваний, нейрореабилитации и изучении природы сознания. Доступно объясняет сложные технологии на стыке цифрового и разумного.
- Московская биржа (MOEX) — многофункциональная биржевая площадка в России
- Волатильность (от англ. volatility — «изменчивость») — статистический финансовый показатель, характеризующий изменчивость цены актива за заданный промежуток времени
- Спред (от англ. spread — «размах, расхождение») — разность между двумя величинами: ценами, ставками или доходностью. Обычно термин используется применительно к ценам и доходностям
- API (Application Programming Interface) — термин программирования, который означает «интерфейс программирования приложения». Это набор правил и инструментов, которые позволяют различным программам взаимодействовать друг с другом: передавать данные, пользоваться функциями, получать нужные ответы
