Предмет. Комплексная цифровая модель автоматизированного управления инвестиционным портфелем. Цели. Разработка комплексной цифровой модели автоматизированного управления инвестиционным портфелем и эмпирическая проверка ее результативности при различных постановках портфельной оптимизации. Методология. Основу исследования составляют положения классической портфельной теории Г. Марковица и У. Шарпа. Программная реализация выполнена на языке Python и организована в виде модульной архитектуры из пяти функциональных блоков (задание параметров, загрузка данных, итерационный расчет портфеля, расчет эффективности и визуализация, форматирование выходных таблиц). В рамках апробации сопоставлены два алгоритма нахождения оптимальных весов: максимизация коэффициента Шарпа и максимизация квадратичной полезности, а также проведен анализ чувствительности к параметрам окна ретроспективного анализа и частоты пересмотра. Результаты. Установлено, что максимизация коэффициента Шарпа обеспечивает более высокую и устойчивую траекторию доходности по сравнению с максимизацией квадратичной полезности; максимизация квадратичной полезности характеризуется большей вариативностью результата и более выраженными колебаниями доходности; сокращение параметров окна ретроспективного анализа и частоты пересмотра ухудшает итоговую эффективность и повышает волатильность результата, причем негативный эффект сильнее выражен для максимизации квадратичной полезности; учет транзакционных издержек и правил фиксации/реинвестирования прироста существенно влияет на оценку эффективности и повышает прикладную валидность модели. Выводы. Научная новизна работы заключается в разработке воспроизводимой цифровой модели с модульной структурой, объединяющей портфельную оптимизацию и практико-ориентированный расчет эффективности в едином вычислительном контуре. Практическая значимость состоит в возможности использования модели для сценарного анализа параметров стратегии и сопоставления результатов с рыночным ориентиром.
Ключевые слова: цифровая модель, портфельная оптимизация, управление инвестиционным портфелем, коэффициент Шарпа, анализ чувствительности
Список литературы:
Hui Xia, Xinyu Min, Shijie Deng. Effectiveness of earnings forecasts in efficient global portfolio construction. International Journal of Forecasting, 2015, vol. 31, iss. 2. DOI: 10. 1016/j.ijforecast.2014.10.004
Петров Д.Н.1, Конников Е.А. Автоматизированный алгоритм оптимизации инвестиционного портфеля на языке программирования Python 3 // Экономические науки. 2020. № 193. С. 373–377. DOI: 10.14451/1.193.373 EDN: PUQQPF
Шканов Б.А. Комплексный подход к оптимизации инвестиционного портфеля на основе современных методов математического моделирования // π-Economy. 2025. Т. 18. № 2. С. 179–201. DOI: 10.18721/JE.18211 EDN: ZMOFVE
Юзвович Л.И., Львова М.И. Распределение долей активов и оценка рисков в системе управления портфелем ценных бумаг // Финансы: теория и практика. 2025. Т. 29. № 2. С. 94–106. DOI: 10.26794/2587-5671-2025-29-2-94-106 EDN: QKJNZX
Яконовская Т.Б. Инвестиционный портфель в 2024 году: стратегии и риски // Вестник Тверского государственного технического университета. Серия: Науки об обществе и гуманитарные науки. 2025. № 1. С. 77–82. DOI: 10.46573/2409-1391-2025-1-77-82 EDN: FTTYKN
Плачинда К.Д. Управление портфелем акций российских компаний при изменении ключевой ставки Банка России // Экономика и управление. 2025. Т. 31. № 3. С. 322–332. DOI: 10.35854/1998-1627-2025-3-322-332 EDN: NWFKPQ
Xu Suoer, Zhang Linlin, An Yunbi. Population age structure, industry return, and portfolio strategy: Capitalizing on the trend of population aging in China. Pacific-Basin Finance Journal, 2025, vol. 94, no. 102965. DOI: 10.1016/j.pacfin.2025.102965
Li Bo, Chen Yu. Uncertainty-driven portfolio selection via a multi-strategy modified sparrow search algorithm approach. Chaos, Solitons & Fractals, 2025, vol. 201, part 3, 117349. DOI: 10.1016/j.chaos.2025.117349
Wang Limin, Lin Guosen, Zhang Qijun et al. Optimal financial portfolio selection using a metaheuristic approach with multiple. Swarm and Evolutionary Computation, 2025, vol. 99, 102162. DOI: 10.1016/j.swevo.2025.102162
Cecilia Castro C., Leiva V., Basso F. A Data-Driven Systematic Review of the Metaverse in Transportation: Current Research, Computational Modeling, and Future Trends. CMES – Computer Modeling in Engineering and Sciences, 2025, vol. 144, iss. 2, pp. 1481–1543. DOI: 10.32604/cmes.2025.067992
Пашаев З.Р. Влияние информационных сигналов рынка на инвесторов: стратегии адаптации и принятия решений // Человек. Социум. Общество. 2025. № 59. С. 181–185. EDN: HGZIXV
Wang Chunbao, Li Junxuan. The impact of ESG reporting audits on investor decisions: evidence from the capital market. Finance Research Letters, 2025, vol. 86, part B, 108449. DOI: 10.1016/j.frl.2025.108449
Yang Yiwen, Lin Yi-Wei, Cheng Li-Chen. Impact of real-time public sentiment on herding behavior in Taiwan's stock market: Insights across investor types and industries. International Review of Economics & Finance, 2025, vol. 102, 104397. DOI: 10.1016/j.iref.2025.104397
Liu Jie, Zhang Jingru, Chen Zhenshan. The effect of stock market manipulation on investor behavioral bias. Journal of Behavioral and Experimental Finance, 2025, vol. 47, 101090. DOI: 10.1016/j.jbef.2025.101090
Zhang Hejie, Fan Hongzhong. Mainland Chinese investor attention influences on international markets: The impact of Game of Hunting on the stock returns of head-hunting companies in Hong Kong. Pacific-Basin Finance Journal, 2025, vol. 93, 102886. DOI: 10.1016/j.pacfin.2025.102886
Петровский А.Д. Разработка классификации основных видов активов в качестве хеджирующих инструментов для инвестиционного портфеля компании // Вестник Евразийской науки. 2024. Т. 16. № 5. EDN: UZCVYB
Мельников Р.М. Влияние уровня финансовой грамотности на выбор финансовых инструментов частными инвесторами в российских условиях // Финансы: теория и практика. 2024. Т. 28. № 5. С. 239–248. DOI: 10.26794/2587-5671-2024-28-5-239-248 EDN: SGVQRT
Власов Д.А., Синчуков А.В. Особенности конструирования портфеля финансовых инструментов на основе оценки бета-коэффициентов // Научные исследования и разработки. Экономика. 2024. Т. 12. № 1. С. 28-35. DOI: 10.12737/2587-9111-2024-12-1-28-35 EDN: DBOHHZ
Oben R.J., Seraj M., Eyüpoğlu Ş.Z. Volatility and return spillovers among US traditional technology stocks, decentralized finance instruments and conventional cryptocurrencies: implications for portfolio optimization. Review of Behavioral Finance, 2025, vol. 17, iss. 5, pp. 807–834. DOI: 10.1108/RBF-12-2024-0377
Newaz M.K., Aslam A. Geopolitical risks and ESG bonds: Portfolio implications for sustainable investing. Journal of Environmental Management, 2025, Vol. 395, 127750. DOI: 10.1016/j.jenvman.2025.127750
Якупов Б.Т., Сафиуллин Л.Н. Новый подход к оценке рисков портфеля ценных бумаг // Казанский экономический вестник. 2023. № 2. С. 71–82. EDN: NVFXEI
Markowitz H. Portfolio Selection. The Journal of Finance, 1952, vol. 7, no. 1, pp. 77–91. DOI: 10.2307/2975974
Georgalos K., Paya I. On the contribution of the Markowitz model of utility to explain risky choice in experimental research. Journal of Economic Behavior & Organization, 2021, vol. 182, pp. 527–543. DOI: 10.1016/j.jebo.2018.11.010
Ortiz R., Contreras M., Mellado C. Optimal shrinkage of means in the Markowitz model. International Review of Financial Analysis, 2025, vol. 104, part A, 104136. DOI: 10.1016/j.irfa.2025.104136
Ye1 Jiang, Wang Yiwei, Raza M.W. The Sharpe Ratio’s Upper Bound of the Portfolios in the Presence of a Benchmark: Application to the US Financial Market. Journal of Mathematical Finance, vol. 12, pp. 566–581. DOI: 10.4236/jmf.2022.123030
Chen Yuting, Potì V. Econometric identification of the attainable maximal sharpe ratio by optimal shrinkage of the cross-section of asset returns. Economics Letters, vol. 235, 111531. DOI: 10.1016/j.econlet.2024.111531
Гук К.О., Мыльцина О.А. Нахождение оптимального портфеля ценных бумаг из набора активов // Труды МФТИ. Труды Московского физико-технического института (национального исследовательского университета). 2022. Т. 14. № 3. С. 16–20. EDN: BOBIOF
Добрина М.В., Чернов В.П. Оптимизация и прогнозирование портфеля ценных бумаг на основе методов машинного обучения // Проблемы экономики и юридической практики. 2024. Т. 20. № 4. С. 258-267. DOI: 10.33693/2541-8025-2024-20-4-258-267 EDN: RRLBIK
