Перейти до вмісту (натисніть Enter)
МОДЕЛІ ПРОГНОЗУВАННЯ ФІНАНСОВИХ РИЗИКІВ У ТРАНСФОРМОВАНОМУ ГЛОБАЛЬНОМУ СЕРЕДОВИЩІ
ЗАВАНТАЖИТИ СТАТТЮ
АНОТАЦІЯ
У статті досліджено теоретико-методичні засади прогнозування фінансових ризиків у глобальному середовищі, що трансформується під впливом геоекономічної фрагментації, боргового навантаження, цифровізації фінансових послуг, розвитку небанківського фінансового посередництва, приватного кредиту та штучного інтелекту. Обґрунтовано, що класичні моделі оцінювання ризику зберігають аналітичну цінність, однак потребують поєднання зі сценарним аналізом, стрес-тестуванням, мережевими індикаторами та алгоритмами машинного навчання. Запропоновано інтегровану архітектуру прогнозування, орієнтовану на своєчасне виявлення каналів поширення фінансової нестабільності, підвищення якості управлінських рішень і посилення фінансової стійкості. Практичне значення результатів полягає у можливості використання запропонованого підходу банками, небанківськими фінансовими установами, органами фінансового нагляду та суб’єктами управління публічними фінансами. Для України інтегрована модель прогнозування може бути особливо корисною в умовах воєнної невизначеності, необхідності підтримання банківської стійкості, управління державним боргом, контролю зовнішнього фінансування та поступового наближення фінансового регулювання до європейських стандартів.
КЛЮЧОВІ СЛОВА
фінансові ризики, прогнозування, глобальна невизначеність, фінансова стабільність, Value-at-Risk, стрес-тестування, машинне навчання, системний ризик, кредитний ризик, макропруденційна політика
ПОСИЛАННЯ
1. The Global Risks Report 2026. 21st ed. World Economic Forum. 2026.
2. Global Financial Stability Report: Global Financial Markets Confront the War in the Middle East and Amplification Risks. International Monetary Fund. 2026.
3. Fiscal Monitor: Fiscal Policy under Pressure: High Debt, Rising Risks. International Monetary Fund. 2026.
4. Global Monitoring Report on Non-Bank Financial Intermediation 2024. Financial Stability Board. 2024.
5. Report on Vulnerabilities in Private Credit. Financial Stability Board. 2026.
6. Sound Practices for Responsible Adoption of Artificial Intelligence (AI): Consultation report. Financial Stability Board. 2026.
7. Financial Stability Report. December 2025. National Bank of Ukraine. 2025.
8. Knight F. H. Risk, Uncertainty and Profit. Boston: Houghton Mifflin, 1921. 381 p.
9. Minsky H. P. Stabilizing an Unstable Economy. New Haven: Yale University Press, 1986. 353 p.
10. Altman E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance. 1968. Vol. 23, No. 4. Pp. 589-609.
11. Engle R. F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica. 1982. Vol. 50, No. 4. Pp. 987-1007.
12. Bollerslev T. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics. 1986. Vol. 31, No. 3. Pp. 307-327.
13. J.P. Morgan/Reuters. RiskMetrics - Technical Document. 4th ed. New York : J.P. Morgan, 1996. 284 p.
14. Jorion P. Value at Risk: The New Benchmark for Managing Financial Risk. 3rd ed. New York : McGraw-Hill, 2007. 624 p.
15. McNeil A. J., Frey R., Embrechts P. Quantitative Risk Management: Concepts, Techniques and Tools. Revised ed. Princeton : Princeton University Press, 2015. 720 p.
16. Adrian T., Brunnermeier M. K. CoVaR. American Economic Review. 2016. Vol. 106, No. 7. Pp. 1705-1741.
17. Acharya V. V., Pedersen L. H., Philippon T., Richardson M. Measuring systemic risk. The Review of Financial Studies. 2017. Vol. 30, No. 1. Pp. 2-47.
18. Diebold F. X., Yilmaz K. On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics. 2014. Vol. 182, No. 1. Pp. 119-134.
19. Lessmann S., Baesens B., Seow H.-V., Thomas L. C. Benchmarking state-of-the-art classification algorithms for credit scoring: An update of research. European Journal of Operational Research. 2015. Vol. 247, No. 1. Pp. 124-136.
20. Barboza F., Kimura H., Altman E. Machine learning models and bankruptcy prediction. Expert Systems with Applications. 2017. Vol. 83. Pp. 405-417.
21. Leo M., Sharma S., Maddulety K. Machine learning in banking risk management: A literature review. Risks. 2019. Vol. 7, No. 1. Article 29.
22. Principles for sound stress testing practices and supervision. Basel Committee on Banking Supervision. 2009.
23. Basel III: Finalising post-crisis reforms. Basel Committee on Banking Supervision. 2017.
