В последние годы финансовые рынки переживают бум применения машинного обучения и NLP (обработки естественного языка). Одновременно выросли объемы данных так как ежегодно публикуются сотни тысяч корпоративных отчетов, новостей и аналитики. Специализированные решения на базе NLP-моделей способны автоматически обрабатывать эти тексты, формируя торговые идеи и сигналы. Например, современные NLP-системы мгновенно фильтруют новостной поток, оценивая его влияние на котировки и тем самым давая инвестору дополнительную информацию для принятия решений. В России в 2025 году более 900 организаций занимаются ИИ, причем ведущим сегментом рынка является NLP. Банковские и инвестиционные группы (Сбербанк, ВТБ, БКС, «Финам» и др.) уже внедряют ИИ-скринеры и ассистентов. Например, в «Финаме» появился ИИ-сервис, аннотирующий отчеты, извлекающий факты и дающий оценку тональности новостей. Среди зарубежных сервисов можно выделить следующие Finviz, TradingView, Trading Ideas.
Преимущество ИИ является автоматизация рутинных процедур. К ним относятся сбор данных, подсчет метрик, мониторинг новостей. NLP-модели могут сразу выявлять ключевые новости и формировать индикаторы сентимента, а также анализировать отчеты компаний в реальном времени. Они менее подвержены эмоциям и работают по жестко заданным правилам диверсификации и риска. С другой стороны, глубокие нейросети остаются «черным ящиком». Как отмечает Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, модели глубокого обучения часто настолько сложны, что даже их разработчики не могут объяснить, как их модели приходят к тому или иному решению. Так и возникает проблема «черным ящиком», которая усложняет доверие, а иногда и соблюдение требований регулятора. Кроме того, ИИ-системы могут ошибаться, особенно это проявляется в уникальных кризисных события, называемые «черными лебедями». Еще одной проблемой ИИ-системы является переобучаемость на исторических данных. Важно помнить, что у ИИ появляется «иллюзия точности», что при слепом доверие к инструменты может привести к просчетам. Поэтому некоторые эксперты считают ИИ не заменой человека, а помощником.
В мире лидерами по внедрению NLP в финансы остаются США. Североамериканские компании (Bloomberg, Morgan Stanley, Google и др.) массово используют NLP для сентимент-анализа, скоринга новостей и автоматизации исследования (большинство аналитических платформ имеют англоязычную базу данных). В Европе регуляторы отмечают постепенную интеграцию ИИ. Например, 32% опрошенных финансовых организаций заявляют о применении NLP-технологий в инвестиционных процессах, а 25% аналитиков уже используют ИИ при анализе отрасли и компаний. Однако даже в хедж-фондах с сильными ML-командами редко встречаются полностью сформированные стратегии с помощью ИИ.
В России так же развивается применение NLP в финансах. По данным Банка России, две трети финансовых организаций уже используют ИИ или планируют внедрять его в ближайшие 3 года. Ведущие брокеры создают собственные ИИ-сервисы. Ограничением остаются недостаток квалифицированных специалистов и дороговизна внедрения. 35% компаний еще не готовы к ИИ из-за нехватки экспертизы и прозрачного технико-экономического обоснования.
ИИ меняет аналитику как в инвестиционных компаниях, так и у брокеров. В инвестиционных компаниях и фондов NLP помогает в мониторинге новостей и агрегировании прогнозов, а специальные ML-модели оптимизируют исполнение крупных сделок. Брокеры и банки используют ИИ для автоматизированного сбора данных и предварительного составление отчетов для клиентов. Многие аналитики уже используют готовые датасеты и сигналы ИИ-платформ.
Современные NLP-инструменты способны переводить качественные инсайты в скоростные сигналы, но пока они дополняют, а не полностью вытесняют аналитика. ИИ особенно полезен в рутинных аспектах – сборе и структурировании данных, быстром скрининге тысяч документов, оценке тональности сообщений. Но стратегическое видение и критическая проверка остаются за людьми. ИИ расширят аналитические возможности, сохраняя за человеком функцию постановки целей, контроля и творчества.