Искусственный интеллект против кризисов

Банковский кризис весны 2023 года многих застал врасплох — хотя первые сигналы появились задолго до него. Их зафиксировала не статистика и не аналитики, а нейросеть. Все дело в том, что современные рынки не демонстрируют риски напрямую: они проявляются в мельчайших колебаниях, новостях, изменении корреляций. И улавливать такие сигналы вполне способен искусственный интеллект.

В колонке How AI can help detect warning signs of financial market stress (CEPR VoxEU, 5 ноября 2025 года) экономисты Маттео Акуилина, Гастон Хелос, Андреас Шримпф и Соня Чжу объясняют, как именно машинное обучение и языковые модели решают задачи, с которыми не справляются традиционные инструменты. Специально для издания «За рубежом» Александра Головина собрала основные выводы — о том, как ИИ учится предсказывать финансовый стресс и почему этот инструмент уже стал частью арсенала центробанков.




ПОЧЕМУ ТРАДИЦИОННЫЕ МОДЕЛИ НЕ ВИДЯТ СКРЫТЫЕ РИСКИ РЫНКОВ

Финансовые кризисы сегодня редко развиваются постепенно. Все чаще они возникают точечно — в отдельных сегментах валютных или денежных рынков, в арбитражных схемах, где одно звено системы выходит из строя.


Новые алгоритмы работают иначе: они комбинируют традиционные рыночные индикаторы с дополнительными источниками данных, которые раньше никак не учитывались. Это и новостные публикации, и комментарии аналитиков, и даже активность в социальных сетях. Искусственный интеллект способен выделять закономерности, которые человек не замечает. Уже сегодня такие модели прогнозируют периоды рыночного напряжения с большей точностью, чем стандартные инструменты.

Главное здесь — не просто определить, что что-то может пойти не так, а указать где, когда и почему. И искусственный интеллект вполне способен уловить эти первые звоночки, которые часто свидетельствуют о начале действительно крупного сбоя.


ПРЕДСКАЗАНИЕ ПО МЕТОДУ «СЛУЧАЙНОГО ЛЕСА»

Первое из двух исследований, на которые опираются авторы, — работа Aldasoro et al. (2025). Учёные разработали инструмент, который оценивает вероятность серьёзных рыночных сбоев заранее, при этом указывает, какой именно сегмент несёт наибольшие риски. В центре анализа — три ключевых рынка США: государственные облигации (Treasury), валютный рынок (FX) и денежный рынок (Money Market). Именно с этих площадок часто начинается волна, способная накрыть весь рынок.

Модель построена на алгоритме random forest — одном из самых надёжных методов машинного обучения. Он работает так: система создаёт множество небольших моделей — «деревьев решений». Каждое из них делает свой прогноз, а затем программа сравнивает результаты и выбирает наиболее вероятный. Благодаря этому снижается риск ошибки и случайных отклонений. В отличие от старых моделей, которые показывают только один усреднённый результат, «случайный лес» рассматривает сразу весь диапазон возможных сценариев — от стабильного состояния до кризисного.

На валютном рынке сбои обычно начинаются не с резких скачков курсов, а с мелких нарушений привычных связей между инструментами, например когда обменные операции перестают согласованно работать между разными валютами. Эти изменения слишком малы, чтобы человек заметил их сразу, но именно они предвещают будущие проблемы. Алгоритм способен уловить такие отклонения за полгода или даже за год до кризиса. Он «учится» на огромном количестве взаимосвязанных данных (курсах, ставках, потоках ликвидности) и распознаёт сложные закономерности, которые простая статистика обычно пропускает.

Особое значение имеет метод Shapley values — он помогает понять, почему модель сделала именно такой прогноз. Проще говоря, система «раскладывает» результат на части и показывает, из-за каких конкретных факторов сильно повысились риски. Например, если одновременно ухудшаются ожидания по ставке ФРС, сокращается долларовая ликвидность и усиливаются глобальные финансовые колебания, модель показывает: именно эта комбинация является тревожным сигналом. Благодаря тому, что модель всё «раскладывает по полочкам» аналитики понимают, что именно пошло не так, а не только получают предупреждение о грядущем кризисе.



КАК ОБЪЕДИНЕНИЕ ЧИСЛОВОГО И ТЕКСТОВОГО АНАЛИЗА ПОВЫШАЕТ ТОЧНОСТЬ ПРОГНОЗОВ

Вторая работа — Aquilina et al. (2025) — добавляет к численным данным анализ текстов. Сначала используется рекуррентная нейросеть (RNN), которая изучает временные ряды, то есть данные, меняющиеся со временем. Например, она отслеживает так называемый «треугольный арбитраж» между евро, долларом и иеной. В норме обмен по этому кругу не даёт прибыли: если конвертировать валюты туда-обратно, сумма должна остаться той же. Но когда появляются даже небольшие расхождения — кто-то начинает неожиданно выигрывать или терять при обмене валюты, — это сигнал, что нормальные рыночные связи нарушаются и система теряет равновесие.

Модель способна заранее замечать такие отклонения — примерно за 60 рабочих дней до того, как они перерастают в серьёзные проблемы. В тестах она действительно «почувствовала» рост рисков ещё до банковских потрясений марта 2023 года, хотя обучалась только на данных, собранных до конца 2020-го. Это значит, что алгоритм умеет распознавать закономерности, которые сохраняются и в новых условиях, то есть он способен предсказывать кризисные ситуации, даже если раньше с ними не сталкивался.

После того как нейросеть проанализировала цифры, её результаты передаются большой языковой модели (LLM) — такой же технологии, которая умеет работать с текстами. Эта система изучает тысячи источников: новости, аналитические статьи, посты в соцсетях и экспертные комментарии. Она сопоставляет тексты с числовыми данными и помогает понять общую картину:

где именно возникает риск (например, на валютных потоках),

когда он может проявиться (в ближайшие недели или месяцы)

и почему это происходит (из-за снижения ликвидности, политической напряжённости или других факторов).

Такой подход объединяет два типа анализа — цифровой и смысловой. В итоге ИИ не заменяет аналитика, а помогает ему быстрее и точнее разобраться, что происходит на рынке и почему.


Методы машинного обучения меняют сам принцип работы с финансовыми рисками. Искусственный интеллект больше не выглядит как эксперимент из лаборатории, он становится реальным инструментом наблюдения за рынками. Он помогает не просто чувствовать, что что-то не так, а определять риски точно, анализируя великое множество данных, и понимать, почему они возникают.

Конечно, ИИ не снимает с регуляторов ответственность за решения, но даёт им новое преимущество — возможность заранее увидеть слабые места системы и вовремя принять меры. Это уже не фантастика, а реальный шаг к новому уровню финансовой аналитики.

---

Александра Головина
Иллюстрация: «За рубежом», Leonardo.ai