Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
О главном редакторе
Подписка
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
 
 
 
Проблемы современной экономики, N 2 (78), 2021
ФИНАНСОВО-КРЕДИТНАЯ СИСТЕМА. БЮДЖЕТНОЕ, ВАЛЮТНОЕ И КРЕДИТНОЕ РЕГУЛИРОВАНИЕ ЭКОНОМИКИ, ИНВЕСТИЦИОННЫЕ РЕСУРСЫ
Хижкина Е. В.
аспирант кафедры общей экономической теории и истории экономической мысли
Санкт-Петербургского государственного экономического университета


Big Data в международных финансовых центрах: политэкономический аспект
В данной статье рассматриваются исследовательские возможности использования «больших данных» в международных финансовых центрах. Показано использованиебольших данных финансовыми учреждениями, банками, государством и частными лицами для аналитических целей в финансовой сфере. Доказано влияние больших данных на развитие финансовых центров
Ключевые слова: большие данные, международные финансовые центры, машинное обучение, фондовый рынок, финансовые рынки
УДК 336.764/.768   Стр: 106 - 109

Мировые финансовые центры (МФЦ) функционируют как международный рыночный механизм, который служит средством управления мировыми финансовыми потоками. Это центры сосредоточения банков и специализированных кредитно-финансовых институтов, осуществляющих международные валютные, кредитные и финансовые операции, сделки с ценными бумагами, драгоценными металлами, деривативами [1]. Международные финансовые центры превратились в мощные информационно-аналитические и организационно-управленческие комплексы, обладающие значительным кредитно-инновационным потенциалом. Соответственно сбор, обработка и анализ больших данных стали неотъемлемой частью для достижения и сохранения лидирующих позиций в мире.
Большие данные открывают широкие политэкономические перспективы исследования мировых финансовых центров. С одной стороны, они вводят дополнительныеданныео прошлом и текущем состоянии центров, позволяют разрабатывать различные сценарии их развития и предоставляют богатую информацию об их воздействии как на города базирования центров, их инфраструктуру и социально-экономическую среду, так и на глобальное хозяйство. С другой стороны, большие данные открывают новые технологии для функционирования финансовых рынков. В частности, с их помощью происходит переход на высокоскоростную алгоритмическую торговлю на биржах, роботизированное управление финансовыми портфелями и фондами, а также формируется новая система взаимоотношений в системе «банк-клиент», получают развитие рекомендательные системы и анализируется поведение финансовых рынков и отдельных клиентов.
Большие данные — одна из самых последних деловых и технических проблем в век технологий. Ежедневно происходят сотни миллионов событий. Финансовая сфера и международные финансовые центры, в частности, глубоко вовлечены в расчет событий, связанных с большими данными [2]. В результате каждый день в финансовом мире совершаются сотни миллионов финансовых транзакций. Поэтому финансовые практики и аналитики считают это новой проблемой управления данными и аналитики различных финансовых продуктов и услуг. Кроме того, большие данные оказывают значительное влияние на финансовые продукты и услуги. Таким образом, выявление финансовых проблем в финансовых центрах, на которые большие данные оказывают существенное влияние, является важным вопросом для изучения.
Огромный объем данных и все более сложные технологии меняют способы работы и конкуренции в отраслях. Международные финансовые центры также работают с этими наборами больших данных. Большие данные не только повлияли на многие области науки и общества, но и оказали важное влияние на финансовую отрасль. Изучение соответствующей литературы позволило автору обнаружить области в международных финансовых центрах, напрямую связанные с большими данными, такие как: финансовые рынки; компании, предоставляющие услуги кредитования в Интернете, и Интернет-финансы; управление финансами; анализ рисков кредитного банкинга; управление рисками; цифровое правительство и т. д. Эти области были разделены на пять групп: во-первых, последствия больших данных для финансовых рынков;во-вторых, влияние больших данных на Интернет-финансы и создание стоимости в компаниях, предоставляющих кредитные услуги в Интернете; в-третьих, большие данные в финансовом менеджменте, управлении рисками, финансовом анализе и приложениях; в-четвертых, влияние больших данных на услуги государственного сектора; в-пятых, влияние больших данных на частные инвестиции. Роль и значение больших данных в указанных финансовых областях и является предметом данного исследования. Кроме того, большие данные рассматриваются автором как развивающийся процесс в международных финансовых центрах.
Внедряемое в международные финансовые центры машинное обучение меняет торговлю и инвестиции. Вместо простого анализа цен на акции, большие данные теперь могут учитывать политические и социальные тенденции, которые могут повлиять на фондовый рынок. Машинное обучение отслеживает тенденции в режиме реального времени, позволяя аналитикам собирать и оценивать соответствующие данные и принимать разумные решения. Важные финансовые решения, такие как инвестиции и ссуды, теперь зависят от объективного машинного обучения. Расчетные решения, основанные на прогнозной аналитике, учитывают все: от экономики, сегментации клиентов и бизнес-капитала до выявления потенциальных рисков, таких как рисковые инвестиции или плательщики.
Последствия больших данных для финансовых рынков. Международные финансовые центры всегда стремятся к технологическим инновациям в различных сферах деятельности, особенно к технологическим инновациям, которые всегда положительно воспринимаются, оказывают большое влияние на финансовые центры и действительно преобразуют их. Шен Д. и Чен С. [14] объясняют, что эффективность финансовых рынков в основном объясняется объемом информации и процессом ее распространения. В этом смысле социальные сети, несомненно, играют решающую роль, они ежедневно генерируют миллионы единиц информации на финансовых рынках по всему миру [4]. Большие данные в основном влияют на финансовые рынки посредством прогнозов доходности, прогнозов волатильности, рыночной оценки, избыточных объемов торговли, анализа рисков, управления портфелем, показателей индекса, ценообразования опционов, идиосинкразической волатильности и алгоритмической торговли.
Шен Д. и Чен С. [14] акцентируют внимание на среднем влиянии больших данных на финансовый рынок. Этот эффект имеет два элемента: влияние на гипотезу эффективного рынка и влияние на динамику рынка. Влияние на гипотезу эффективного рынка относится к количеству упоминаний определенных названий акций, извлеченному из контента настройки и частоты поиска по различным ключевым словам. Yahoo Finance- типичный пример влияния гипотезы эффективного рынка. С другой стороны, влияние больших финансовых данных обычно основывается на определенных финансовых теориях. Боллен Дж. [4] подчеркивает, что это также помогает в анализе настроений на финансовых рынках, который представляет собой технику машинного обучения с большими наборами данных. В целом, большие данные способствуют повышению уровня эффективности рынка, что соответствует политэкономическим решениям общего равновесия системы спроса и предложения.
С другой стороны, Багенуа Дж. [3] исследует предположение о том, что большие данные приносят пользу крупным фирмам из-за их обширной экономической деятельности и более длительной истории фирм. Большие данные также по-разному связаны с корпоративными финансами, такими как привлечение большего объема финансового анализа, а также уменьшение неопределенности в отношении собственного капитала, снижение стоимости капитала фирмы и прогнозируемых затрат инвесторов, связанных с финансовым решением. Благодаря повсеместным и трансформирующим информационным технологиям, финансовые рынки могут обрабатывать больше данных: отчетов о прибылях и убытках, макрообъявлений, данных о спросе на экспортных рынках, показателей производительности конкурентов и прогнозов будущих доходов. Прогнозируя будущую прибыль, инвесторы могут уменьшить неопределенность в отношении результатов инвестиций. В этом смысле Багенуа Дж. [3] заявил, что»больше обработки данных снижает неопределенность, что снижает премию за риск и стоимость капитала, делая инвестиции более привлекательными».

Влияние больших данных на интернет-финансы и создание стоимости в компаниях, предоставляющих услуги интернет-кредитования. Технологические достижения привели к революционным преобразованиям в финансовых услугах, особенно на то, как банки и предприятия FinTech сегодня предоставляют свои услуги. Если в целом оценить влияние больших данных на Международные финансовые центры и их услуги, то этот процесс можно определить как современную модернизацию финансового доступа. В частности, онлайн-транзакции, брокерские приложения, банковские приложения и интернет-банкинг производят миллионы данных за один день. Следовательно, управление этими миллионами данных является важной задачей, так как управление этими финансовыми услугами через Интернет оказывает большое влияние на финансовые рынки. Аналитики больших данных сосредоточены на объеме данных, разнообразии услуг, защите информации и точности прогнозов, чтобы показать взаимосвязь между информационными технологиями, электронной коммерцией и финансами. Большие данные повышают эффективность ценообразования на основе рисков и управления рисками, значительно уменьшая проблемы асимметрии информации. Кроме того, это помогает проверять и собирать данные, прогнозировать статус кредитного риска и обнаруживать мошенничество. Джин М. [12], Педжи М. [13] и Хаджизаде Э. [10] определили, что технология интеллектуального анализа данных играет жизненно важную роль в управлении рисками и обнаружении мошенничества.
Большие данные также оказывают значительное влияние на компании, предоставляющие кредитные услуги в Интернете. Во-первых — это возможность оценить больше заемщиков, даже тех, у кого нет хорошего финансового положения. Большие данные также играют жизненно важную роль в банках. Например, два государственных банка имеют финансовые записи только 0,2 миллиарда человек.Что касается других людей, в лучшем случае, у них есть личная и демографическая информация (например, удостоверение личности, имя, возраст, брачный статус и уровень образования), и получение надежных прогнозов кредитного риска с использованием традиционных моделей маловероятно. Такая ситуация существенно ограничивает финансовые институты от привлечения новых потребителей. В этом случае большие данные выигрывают, давая возможность неограниченного доступа к данным. Чтобы эффективно бороться с кредитным риском, финансовые системы используют прозрачные информационные механизмы. Большие данные могут влиять на рыночную кредитную систему как предприятий, так и частных лиц, объединяя преимущества облачных вычислений и информационных технологий.
Облачные вычисления являются еще одним мотивирующим фактором. Используя их и услуги больших данных, технология мобильного Интернета открыла новый процесс формирования цен в традиционных финансовых транзакциях, не основанных на Интернете.Помимо предоставления информации как кредиторам, так и заемщикам, они создают позитивные отношения между регулирующими органами как банковского сектора, так и сектора ценных бумаг. Если компания имеет большой набор данных из разных источников, это приводит к многомерным переменным. Однако управлять такимибольшими наборами данных сложно, иногда, если этими наборами данных не управлять должным образом, они могут даже показаться обузой, а не преимуществом. В этом смысле концепция технологии интеллектуального анализа данных, описанная у Хаджизаде Э. [10] для управления огромным объемом данных о финансовых рынках, может способствовать уменьшению этих трудностей. Управляя огромными наборами данных, компании FinTech могут обрабатывать свою информацию надежно, эффективно, результативно и со сравнительно более низкими затратами, чем традиционные финансовые учреждения. Они могут более подробно анализировать и предоставлять услуги большему количеству клиентов. Кроме того, они могут извлечь пользу из анализа и прогнозирования системных финансовых рисков. Однако, одна критическая проблема заключается в том, что отдельные лица или небольшие компании могут быть не в состоянии позволить себе прямой доступ к большим данным. В этом случае, они могут использовать большие данные через различные информационные компании, такие как профессиональные консалтинговые компании, соответствующие государственные учреждения, соответствующие частные агентства и т. д.

Большие данные в управлении финансовыми услугами. Большие данные — новая проблема практически во всех сферах бизнеса. В частности, в области финансов, большие данные влияют на различные средства, такие как управление финансами, управление рисками, финансовый анализ и управление данными финансовых приложений. Большие данные заметно меняют бизнес-модели финансовых компаний и финансового менеджмента. Кроме того, в наши дни — эта сфера считается очень интересной. В этой увлекательной области ученые и эксперты пытаются предложить новые финансовые бизнес-модели, рассматривая методы больших данных, в частности, методы контроля рисков, анализ финансового рынка, создавая новые индексы настроений в финансах из социальных сетей и настраивая информационные инструменты в разные творческие пути решения финансовых проблем. Сунь И. [15] упомянул о 4-х компонентах больших данных. Это объем (большой масштаб данных), разнообразие (разные форматы данных), скорость (потоковая передача данных в реальном времени) и достоверность. Эти характеристики включают различные задачи для управления, аналитики, финансов и различных приложений. Эти проблемы состоят в организации и управлении финансовым сектором эффективным и действенным образом, поиске новых бизнес-моделей и решении традиционных финансовых вопросов. Традиционные финансовые вопросы определяются как высокочастотная торговля, кредитный риск, настроения, финансовый анализ, финансовое регулирование, управление рисками и т.д. [15].
Каждая финансовая компания получает миллиарды фрагментов данных каждый день, но они не используют их все одновременно. Эти данные помогают фирмам анализировать свой риск, который считается наиболее влиятельным фактором, влияющим на максимизацию их прибыли. Черчиелло П. и Джудичи П. [6] определили моделирование системного риска как одну из наиболее важных областей управления финансовыми рисками. В основном это подчеркивает оценку взаимоотношений между финансовыми учреждениями. Это также помогает контролировать как операционный, так и интегрированный риск. Чой Т. и Ламберт Дж. [7] заявили, что «большие данные становятся все более важными для анализа рисков». Это влияет на управление рисками за счет повышения качества моделей, особенно с использованием оценочных карт приложений и поведения. Они также обрабатывают и интерпретируют информацию анализа рисков сравнительно быстрее, чем традиционные системы. Кроме того, это также помогает в обнаружении мошенничества за счет сокращения ручных усилий, связывая внутренние и внешние данные по таким вопросам, как отмывание денег, мошенничество с кредитными картами и т. д. Это также помогает повысить эффективность вычислений, управлять хранением данных, создать набор инструментов для визуализации и разработать набор инструментов для проверки работоспособности, позволяя аналитикам рисков выполнять первоначальные проверки данных и разрабатывать план устранения рыночных рисков. Кэмпбелл-Вердуйн М. [5] говорит: «Финансы — это технология контроля, точка, показанная на примере использования финансовых документов, данных, моделей и показателей в управлении, заявлении о праве собственности, планировании, подотчетности и распределении ресурсов».
Более того, методы больших данных помогают измерить кредитно-банковский риск по кредитным продуктам банка. Ежедневно миллионы финансовых операций приводят к росту баз данных компаний. Управление этими большими базами данных иногда создает проблемы. Для решения этих проблем необходима автоматическая оценка кредитного статуса и измерения рисков в течение разумного периода времени. В настоящее время банкиры сталкиваются с проблемами при измерении кредитных рисков и управлении своими финансовыми базами данных. Практика больших данных применяется для управления финансовыми базами данных с целью сегментирования различных групп риска. Кроме того, большие данные очень помогают банкам соблюдать как юридические, так и нормативные требования в области кредитного риска и риска целостности. Для управления большим набором данных всегда необходимо использовать методы больших данных, чтобы обеспечить более быстрые и объективные оценки. Финансовые учреждения получают выгоду от улучшенной и точной оценки кредитного риска.Это помогает снизить риски финансовых компаний при прогнозировании платежеспособности клиента. Таким образом, все больше и больше людей получают доступ к кредитным займам, и в то же время банки снижают свои кредитные риски.

Влияние больших данных на частные инвестиции. Одна из крупнейших платформ данных — это Интернет, который явно играет все возрастающую роль в МФЦ как в области финансовых рынков, так и в области личных финансов. Информация из Интернета всегда имеет значение. Тумаркин Р. и Уайтлоу Р. [16] изучили взаимосвязь между активностью доски объявлений в Интернете и аномальной доходностью акций и объемом торгов. Исследование показало, что аномальная активность сообщений об акциях интернет-сектора меняет мнение инвесторов в корреляции с аномальной скорректированной доходностью отрасли, а также вызывает аномально высокий объем торгов, поскольку Интернет является наиболее распространенным каналом распространения информации. В результате инвесторы всегда ищут информацию в Интернете и других источниках. Эта информация в основном получается путем поиска в различных поисковых системах. Дрейк М.[9] обнаружил, что примерно за две недели до объявления о доходах количество запросов в поисковых системах увеличивается. Это исследование также предполагает, что распространение информации не происходит мгновенно с выпуском информации о доходах, а распространяется на период, предшествующий объявлению. Еще одна важная корреляция, выявленная в этом исследовании, заключается в том, что спрос на информацию положительно связан с вниманием СМИ и новостями, но отрицательно с отвлечением инвесторов. Димфл Т. и Янк С. [8] указали, что поисковые запросы помогают предсказать будущую волатильность, которая будет превышать информацию, содержащуюся в самой волатильности лага, а волатильность объема поиска будет влиять на волатильность, которая продлится значительный период времени. Джин Х. [11] определил, что микроблоггинг также оказывает значительное влияние на изменение информационной среды, что, в свою очередь, влияет на изменения в поведении на фондовом рынке.
Финансовая индустрия подталкивается большими даннымии влияет на инвестиции, теперь каждый человек может авторизоваться с помощью популярного мобильного приложения для торговли акциямиили онлайн-торговой платформы и начать инвестировать за пару кликов. Инновации в аналитике, искусственном интеллекте и машинном обучении революционизируют все процессы и важно знать насколько эффективно специалисты финансовой индустрии могут измерять влияние этих данных на фондовый рынок. Например, большие данные дают логическое представление о том, как социальное и экологическое воздействие компании влияет на инвестиции.Это важно, особенно для инвесторов-миллениалов, которые больше заботятся о социальном и экологическом воздействии своих инвестиций, чем о финансовом факторе. Интересно, что большие данные позволяют этой более молодой группе инвесторов принимать решения, основываясь на нефинансовых факторах, без минимизации прибыли, которую они получают от своих инвестиций.
Социально-преобразующее инвестирование, то есть инвестирование, основанное на социальном и экологическом воздействии, которое будет иметь первостепенное значение для человека, продвигается как беспроигрышный сценарий. Это позволяет социально сознательным инвесторам старшего возраста и миллениалам собирать информацию об экологическом и социальном воздействии своих инвестиций и инвестировать таким образом, чтобы они приносили более низкую доходность в периоды отсутствия, но превосходили общие ожидания и демонстрировали устойчивость, особенно когда экономика переживает спад.Со временем преимущества больших данных будут иметь большее влияние, поскольку экологический риск деятельности предприятий растет, и большая группа людей начинает инвестировать в зависимости от воздействия, которое оказывают эти предприятия. Фирмы, которые не принимают во внимание социальные и экологические факторы, влияющие на инвестиционные решения, подвергают себя рискам, которые они в настоящее время не рассматривают.

Влияние больших данных на услуги государственного сектора. Достижения в области технологий и растущий объем информации меняют методы ведения бизнеса во многих отраслях, в том числе в госструктурах. Темпы создания государственных данных и цифрового архивирования растут из-за быстрого роста мобильных устройств и приложений, интеллектуальных датчиков и устройств, решений для облачных вычислений и порталов, ориентированных на граждан. По мере расширения и усложнения цифровой информации, управление, обработка, хранение, безопасность и размещение информации также усложняются. Новые инструменты сбора, поиска, обнаружения и анализа помогают государству извлекать ценные сведения из своих неструктурированных данных.
В Международном финансовом центре контроль государства должен быть незаметен, но надежен и эффективен. Показатель коррупции один из главных факторов, помогающих принять решение инвестору о вложении собственного капитала в конкретный финансовый центр. Благодаря большим данным надзор за финансовыми сделками ведет к прозрачности, помогает выявлять коррупцию для принятия превентивных мер. Цифровизация всех процессов, связанных регистрацией финансовых потоков, должна обусловливаться скоростью проводимых транзакций, быстротой принятия решений, прозрачностью, исключением рисков, связанных с недобросовестными игроками финансового рынка. Данные задачи также решаются с помощью сбора, обработки и анализа больших данных.
Выводы. Большие данные, машинное обучение, искусственный интеллект и облачные вычисления способствуют развитию международных финансовых центров. При всем технологическом значении и информационной насыщенности, большие данные несут в финансовые центры чисто политэкономическую миссию — открывают перспективы воздействия данных не только на рыночный механизм и процесс принятия решений, но и на общеэкономическое и политическое состояние системы «финансовый центры».
Крупные компании используют технологии больших данных для цифровой трансформации, увеличения прибылей и убытков и удовлетворения потребительского спроса. В то время как большинство компаний хранят новые и ценные данные, вопрос заключается в значении и влиянии этих хранимых данных на финансовую отрасль. В этой перспективе каждая финансовая служба является технологически инновационной и рассматривает данные в обращении. Таким образом, результаты данного исследования позволяют сделать вывод о том, что большие данные произвели революцию в финансовой отрасли, главным образом благодаря анализу фондового рынка в реальном времени, изменив торговлю и инвестиции, обнаружение и предотвращение мошенничества, а также точный анализ рисков с помощью процесса машинного обучения. На эти услуги влияют увеличение доходов и удовлетворенность клиентов, ускорение ручных процессов, сокращение пути покупки, оптимизация рабочего процесса и надежная обработка системы, анализ финансовых показателей и контроль роста. Несмотря на эту революционную цифровую обработку услуг, в финансовом мире существует несколько критических проблем, связанных с большими данными. Конфиденциальность и защита данных — одна из важнейших проблем служб больших данных. Кроме того, качество данных и нормативные требования также считаются важными проблемами. Несмотря на то, что все финансовые продукты и услуги полностью зависят от данных и производят данные каждую секунду, исследования больших данных и финансов еще не достигли своего пика. В будущем для систем управления финансовыми данными будут важны разработки, которые позволят решить технические проблемы и реализовать обещанные преимущества больших данных, в частности, исследователям и финансовым аналитикам следует изучить проблемы управления большими наборами данных, чтобы найти подходящие решения. Общая проблема заключается в том, что чем крупнее отрасль, тем больше база данных, поэтому важно подчеркнуть важность управления большими наборами данных для крупных компаний по сравнению с небольшими фирмами. Управление такими большими наборами данных дорого, а в некоторых случаях очень труднодоступно. В большинстве случаев частные лица или небольшие компании не имеют прямого доступа к большим данным. Таким образом, будущее расширение направления анализа данных могут быть сосредоточены на обеспечении беспрепятственного доступа малых фирм и частных лиц к большим наборам данных. Также основное внимание следует уделять изучению влияния больших данных на финансовые продукты и услуги в международных финансовых центрах. Также в МФЦ необходимы исследования рисков безопасности больших данных в финансовых услугах. Кроме того, необходимо расширить формальный и интегрированный процесс реализации стратегий больших данных в финансовых учреждениях. В частности, следует продолжить изучение влияния больших данных на фондовый рынок.


Список использованных источников:
1. Ключников И.К. Мировые финансовые центры. — 2-е изд. — М., 2016.
2. Ключников И.К., Молчанова О.А., Ключников О.И. BigData (Большие данные) в финансах: теория и практика // Финансы и Бизнес. — 2017. — № 4. — С. 104–116.
3. Begenau J, Farboodi M, Veldkamp L. Big data in finance and the growth of large firms. J MonetEcon. 2018;97:71–87. https://doi.org/10.1016/j.jmoneco.2018.05.013
4. Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market. J ComputSci. 2011;2(1):1–8. https://doi.org/10.1016/j.jocs.2010.12.007
5. Campbell-verduyn M, Goguen M, Porter T. Big data and algorithmic governance: the case of financial practices. New PolitEcon. 2017; 22(2):1–18. https://doi.org/10.1080/13563467.2016.1216533
6. Cerchiello P, Giudici P. Big data analysis for financial risk management. J BigData. 2016;3(1):18. https://doi.org/10.1186/s40537–016–0053–4
7. Choi T, Lambert JH. Advances in risk analysis with big data. Risk Anal 2017; 37(8). https://doi.org/10.1111/risa.12859
8. Dimpfl T, Jank S. Can internet search queries help to predict stock market volatility? EurFinancManag. 2016;22(2):171–92. https://doi.org/10.1111/eufm.12058
9. Drake MS, Roulstone DT, Thornock JR. Investor information demand: evidence from Google Searches around earnings announcements. J AccountRes. 2012;50(4):1001–40. https://doi.org/10.1111/j.1475–679X.2012.00443.x
10. Hajizadeh E, Ardakani HD, Shahrabi J. Application of data mining techniques in stock markets: a survey. J EconIntFinance. 2010;2(7):109–18.
11. Jin X, Shen D, Zhang W. Has microblogging changed stock market behavior? Evidence from China. Physica A. 2016; 452:151–6. https://doi.org/10.1016/j.physa.2016.02.052
12. Jin M, Wang Y, Zeng Y. Application of data mining technology in financial risk. WirelessPersCommun. 2018. https://doi.org/10.1007/s11277–018–5402–5
13. Peji M. Text mining for big data analysis in financial sector: a literature review. Sustainability. 2019. https://doi.org/10.3390/su11051277
14. Shen D, Chen S. Big data finance and financial markets. In: Computational social sciences (pp. 235–248). https://doi.org/10.1007/978–3–319–95465–3_12235 (2018)
15. Sun Y, Shi Y, Zhang Z. Finance big data: management, analysis, and applications. Int J ElectronCommer. 2019;23(1):9–11. https://doi.org/10.1080/10864415.2018.1512270
16. Tumarkin R, Whitelaw RF. News or noise? Internet postings and stock prices. FinancAnal J. 2001;57(3):41–51. https://doi.org/10.2469/faj.v57.n3.2449

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2020
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия