сотрудник
студент
В статье представлены результаты сравнительного анализа трех популярных чат-интерфейсов искусственного интеллекта — Deep Seek, Giga Chat и Chat GPT при решении прикладной задачи формирования сбалансированного инвестиционного портфеля на краткосрочный горизонт (3-6 месяцев). Эмпирической базой исследования выступили данные об итогах торгов ценными бумагами на Московской бирже по состоянию на 05.01.2026. В ходе эксперимента каждому алгоритму ставилась идентичная задача: на основе предоставленных рыночных данных сформировать диверсифицированный портфель с последующей интеграцией производных финансовых инструментов. Проведен сравнительный анализ полученных портфельных структур по критериям глубины анализа исходных данных, детализации рекомендаций, логики включения деривативов, практической реализуемости, научной обоснованности и наличия фактологических ошибок. Установлено, что Deep Seek продемонстрировал наилучшие результаты, обеспечив полную интеграцию исходных данных, продвинутую логику использования деривативов и высокую научную обоснованность предложенной структуры. Giga Chat предложил корректный, но шаблонный портфель без привязки к конкретной рыночной ситуации. Chat GPT допустил критические фактологические ошибки, включая рекомендацию недоступных на российском рынке инструментов, и предложил логически противоречивую стратегию включения деривативов. Сделан вывод о существенной вариативности качества работы различных ИИ-моделей при решении финансовых задач и необходимости верификации их рекомендаций с учетом актуальной рыночной конъюнктуры. Результаты исследования могут быть использованы частными инвесторами и финансовыми аналитиками при выборе инструментов ИИ-поддержки инвестиционных решений, а также разработчиками при совершенствовании алгоритмов для финансовой сферы.
искусственный интеллект, чат-интерфейсы, Deep Seek, Giga Chat, ChatGPT, инвестиционный портфель, фондовый рынок, Московская биржа, деривативы, сравнительный анализ, портфельная теория, хеджирование, фьючерсы, опционы, диверсификация, риск-менеджмент, цифровая трансформация, финансовые технологии, алгоритмическая торговля, эффективность инвестиций
1. Будкина Е. С. Трансформация моделей инвестиционного менеджмента в эпоху цифровизации //Вестник евразийской науки. – 2024. – Т. 16. – №. 6. – С. 10.
2. Хитрова Е. М., Прошутинская С. С. Искусственный интеллект и машинное обучение в поддержке инвестиционных решений на основе экспертных данных //Известия Байкальского государственного университета. – 2025. – Т. 35. – №. 2. – С. 217-227.
3. Шевченко М. О., Белова Е. Ю. Искусственный интеллект в стратегическом управлении: оптимизация инвестиционных процессов в условиях неопределенности //Прогрессивная экономика. – 2025. – №. 11. – С. 62-89.
4. Итоги торгов ценными бумагами. Рыночные сделки T+ (Основная торговая сессия)/ (Безадресные / Order-driven) 05.01.2026 [Электронный ресурс]. – URL: https://www.moex.com/ru/marketdata/?ysclid=mlly0ljqn9769458561#/mode=groups&group=12&collection=72&boardgroup=9&data_type=current&category=main (дата обращения 02.02.2026 г.)
5. Чан Ф. Т. и др. Направления использования искусственного интеллекта (ИИ) для формирования фондового портфеля // Промышленность. – 2024. – Т. 3. – №. 4. – С. 29-40.
6. Бородавко, Л. С. Формирование оптимального портфеля частного инвестора в современных условиях / Л. С. Бородавко, В. Р. Сорокина // Журнал монетарной экономики и менеджмента. – 2025. – № 10. – С. 433-440. – DOIhttps://doi.org/10.26118/2782-4586.2025.96.64.036. – EDN IIMXWO.
