Рубрика: Управление благосостоянием
Сберегательное дело за рубежом
№1
·
2026
·
С. 50-60
Искусственный интеллект в частном банковском обслуживании: гибридное управление капиталом и цифровые риски
Эта статья проиндексирована РИНЦ, см. eLibrary.ru
Аннотация
Исследование посвящено проверке того, отражает ли временное опережение ценовой динамики услуг управления частным инвестиционным портфелем со стороны рыночного индекса искусственного интеллекта самостоятельный эффект технологии или общий цикл фондового рынка. Эмпирическая проверка построена на сопоставлении отраслевого ИИ-индекса и индекса цен производителей соответствующей финансовой услуги с использованием авторегрессионной модели, проверок устойчивости и макроэкономических факторов. Базовая спецификация выявляет устойчивую лаговую связь: рыночная переоценка технологического сектора предшествует изменению ценового индекса услуги. Однако после учета широкого фондового рынка эта связь теряет самостоятельную статистическую значимость. Полученный результат не позволяет трактовать наблюдаемую последовательность как доказательство прямого влияния ИИ на цену либо потребительскую ценность частного банковского обслуживания. Она скорее отражает более раннюю реакцию рынка капитала на технологические ожидания и последующую адаптацию финансовых организаций к изменению общих условий, цифровых затрат и требований к контролю рисков. Теоретическая интерпретация основана на гибридной модели: автоматизация снижает издержки обработки информации, но одновременно требует расходов на данные, проверку моделей, объяснимость рекомендаций, кибербезопасность и человеческую ответственность. Научный вклад состоит в разграничении рыночной переоценки ИИ, транзакционной экономии и изменения качества финансовой услуги, а также в определении границ экономической интерпретации косвенных ценовых показателей.
Список источников
1. Hentzen J. K., Hoffmann A., Dolan R., Pala E. Artificial intelligence in customer-facing financial services: A systematic literature review and agenda for future research // International Journal of Bank Marketing. 2022. Vol. 40. No. 6. P. 1299-1336. DOI: 10.1108/IJBM-09-2021-0417
2. Pattnaik D., Ray S., Raman R. Applications of artificial intelligence and machine learning in the financial services industry: A bibliometric review // Heliyon. 2024. Vol. 10. No. 1. Article e23492. DOI: 10.1016/j.heliyon.2023.e23492
3. Goodell J. W., Kumar S., Lim W. M., Pattnaik D. Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis // Journal of Behavioral and Experimental Finance. 2021. Vol. 32. Article 100577. DOI: 10.1016/j.jbef.2021.100577
4. Barroso M., Laborda J. Digital transformation and the emergence of the Fintech sector: Systematic literature review // Digital Business. 2022. Vol. 2. No. 2. Article 100028. DOI: 10.1016/j.digbus.2022.100028
5. Huang M.-H., Rust R. T. Artificial Intelligence in Service // Journal of Service Research. 2018. Vol. 21, No. 2. P. 155-172. DOI: 10.1177/1094670517752459
6. Capponi A., Ólafsson S., Zariphopoulou T. Personalized Robo-Advising: Enhancing Investment Through Client Interaction // Management Science. 2022. Vol. 68, No. 4. P. 2485-2512. DOI: 10.1287/mnsc.2021.4014
7. Cardillo G., Chiappini H. Robo-advisors: A systematic literature review // Finance Research Letters. 2024. Vol. 62. Article 105119. DOI: 10.1016/j.frl.2024.105119
8. Oehler A., Horn M., Wendt S. Investor characteristics and their impact on the decision to use a robo-advisor // Journal of Financial Services Research. 2022. Vol. 62, No. 1-2. P. 91-125. DOI: 10.1007/s10693-021-00367-8
9. Ben David D., Resheff Y. S., Tron T. Explainable AI and adoption of financial algorithmic advisors: An experimental study // Proceedings of the 2021 AAAI/ACM Conference on AI, Ethics, and Society. 2021. P. 390-400. DOI: 10.1145/3461702.3462565
10. Filiz I., Judek J. R., Lorenz M., Spiwoks M. Algorithm aversion as an obstacle in the establishment of robo advisors // Journal of Risk and Financial Management. 2022. Vol. 15, No. 8. Article 353. DOI: 10.3390/jrfm15080353
11. Northey G., Hunter V., Mulcahy R., Choong K., Mehmet M. Man vs machine: How artificial intelligence in banking influences consumer belief in financial advice // International Journal of Bank Marketing. 2022. Vol. 40, No. 6. P. 1182-1199. DOI: 10.1108/IJBM-09-2021-0439
12. Банк России. Базовый стандарт совершения управляющим операций на финансовом рынке: согласован Комитетом по стандартам по деятельности управляющих 7 августа 2025 г. URL: https://www.cbr.ru/Queries/XsltBlock/File/62016/65 (дата обращения: 27.06.2026).
13. S&P Dow Jones Indices. S&P Kensho Indices Methodology. April 2026. URL: https://www.spglobal.com/spdji/en/documents/methodologies/methodology-sp-kensho-indices.pdf (accessed: 27.06.2026).
14. U.S. Bureau of Labor Statistics. Producer Price Index by Industry: Portfolio Management and Investment Advice: Private Portfolio Management (PCU5239205239202) // FRED Economic Data. URL: https://fred.stlouisfed.org/series/PCU5239205239202 (accessed: 27.06.2026).
15. Federal Reserve Bank of St. Louis. FRED Economic Data: Federal Funds Effective Rate (FEDFUNDS); CBOE Volatility Index (VIXCLS); M2 (M2SL); S&P 500 (SP500). URL: https://fred.stlouisfed.org/ (accessed: 27.06.2026).
16. U.S. Bureau of Labor Statistics. FRED Economic Data: Producer Price Index for Final Demand (PPIFIS); Average Hourly Earnings of All Employees, Financial Activities (CEU5500000003). URL: https://fred.stlouisfed.org/ (accessed: 27.06.2026).
17. MacKinnon J. G., White H. Some heteroskedasticity-consistent covariance matrix estimators with improved finite sample properties // Journal of Econometrics. 1985. Vol. 29.No. 3. P. 305-325. DOI: 10.1016/0304-4076(85)90158-7