Проблеми та перспективи використання data science у вітчизняних фінансово-економічних дослідженнях

Постановка проблеми. На даний момент у простежується тенденція до активного фінансово-економічних дослідженнях чітко використання математичного інструментарію

у відповідь на зростання обсягів даних, що характеризують процеси та явища в суспільстві, а також необхідної для їх аналізу потужності обчислювальної техніки, що, в свою чергу, вимагає від науковців знань не тільки у предметній галузі, але й із питань статистики, теорії ймовірностей, програму-вання та алгоритмізації. У закордонних публікаціях таку область міждисциплінарних досліджень називають data science (оскільки дослівний переклад на українську як «науки про дані» або «аналізу даних» не відображає всього змісту цього поняття надалі ми використовуватимемо англомовний варіант).

Окремі вищі навчальні заклади вже зараз пропонують програми підготовки фахівців у галузі data science. Це зокрема Київська школа економіки (магістерська програма «Data science для бізнесу») [1], Харківський національний економічних університет (бакалаврська програма «Data Science у бізнес-економіці») [2], Львівський національ-ний університет імені Івана Франка (бакалаврська програма «Data Science & Intelligent Systems») [3].

Саме в таких умовах питання визначення проблем та перспектив використання можливостей data science у дослідженнях вітчизняних науковців відповідно до загальносвітових трендів набуває особливої актуальності.

Аналіз останніх досліджень і публікацій.

Питання використання data science та кількісних підходів розглядались лише окремими вітчизняними вченими, серед яких Т. В. Гнот, М. В. Негрей [4], С. В. Івахненков та Дж. Конбер [5], А. В. Корнилюк [6] та інші.

Аналіз публікацій у провідних наукових економічних журналах світу, результати якого були викладені Д. Cуттером (Daniel Sutter) та Р. П'єскі (Rex Pjesky) у статті «Where would Adam Smith publish today? The near absence of math-free research in top journals», підтвердив домінуюче положення кількісних методів досліджень (98,5 % аналізованих робіт передбачали використання математичних рівнянь та побудову економіко-матема- тичних моделей) [7, с. 238]. Автори припус-кають, що в сучасних умовах для одержання та оприлюднення результатів своєї роботи Адам Сміт був би вимушений опанувати основи моделювання та регресійного аналізу, при цьому не здійснивши б у повній мірі свій внесок у розвиток економічної науки у інших її сферах.

Протилежною є ситуація у вітчизняному академічному середовищі. Зокрема, С. В. Івахненков та Дж. Конбер (J. Conbere) у спільній статті «Підходи вчених США до методології науки: план вивчення з метою реформування досліджень бізнесу в Україні» відзначають накопичений «надлишок теоретичних, філософських, історіософських, тлумачних і концептуальних дискусій» та обмежену практику застосування сучасних математико-статистичних методів у дисертаційних роботах [5, с. 35-36]. Виключенням з останнього є дослідження, що виконувались за спеціальностями 08.00.10 «Статистика» та 08.00.11 «Матема-тичні методи, моделі та інформаційні техно-логії в економіці» (за переліком 2011 року).

Власний досвід наукового стажування у Празькому економічному університеті (Vysoka skola ekonomicka v Praze) підтверджує позицію авторів даної публікації, в той же час слід зазначити про доступні для закордонних науковців інформаційні ресурси, зокрема бази даних Amadeus, Ruslana та Zephir, що значно спрощує одну із найбільш трудомістких стадій дослідження - етап збору та групування даних. В контексті запровадження нового переліку наукових спеціальностей, передба-чених Постановою Кабінету Міністрів України 29 квітня 2015 р. № 266 [8], слід відмітити, що новій спеціальності 072 «Фінанси, банківська справа та страхування» відповідатиме не тільки пряма спеціальність за старим переліком 08.00.08 «Гроші, фінанси і кредит», але й згадана раніше спеціальність 08.00.11 «Математичні методи, моделі та інформаційні технології в економіці», з огляду на що можна очікувати подальшу активізацію використання кількісних методів, але з більшою орієнтацією на вирішення завдань фінансової науки.

Формулювання цілей дослідження.

Метою статті є визначення проблем та перспектив використання data science у вітчизняних фінансово-економічних дослід-женнях.

Виклад основного матеріалу дослідження. Однією із перших згадок терміну «data science» є робота У. Клевеланда (William S. Cleveland) «Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics» 2001 року [9], але із того часу сутність та межі застосування цього терміну значно розширились і тісно пов'язані із машинним навчанням (Machine Learning), великими даними (Big Data) та штучним інтелектом (Artificial Intelligence).

Найбільш влучним з нашої позиції є визначення data science у фінансах та економіці як області перетину останніх з інформаційними технологіями, а також математикою та статисткою (рис. 1).

До числа основних проблем використання data science вітчизняними науковцями можна віднести такі:

1) надмірність математичної формалізації взаємозв'язків між фінансовими показниками в умовах недостатнього рівня достовірності статичних даних, зумовлених характерним для вітчизняних реалій суттєвим впливом тіньового сектору економіки.

Саме з огляду на високий рівень тінізації економіки України, приховування доходів одними особами та їх легалізацію іншими, використання статистичних даних потребує розумної обережності.

В той же час, з нашої позиції, перспективи використання економіко-математичних методів у вітчизняних дослідженнях є величезними, оскільки дають можливість з певною імовірністю передбачити майбутній стан фінансової системи в цілому та окремих її складових.

Значного прогресу в цьому напрямі досягнуто департаментом монетарної політики та економічного аналізу Національного банку України, роль якого в умовах режиму інфляційного таргетування важко переоцінити. У випадку центрального банку розвиток модельного інструментарію відповідав його реальним потребам. Так, у 2001 році, коли акцент робився на фіксацію валютного курсу, використовувалась проста регресійна модель для компонентів індексу споживчих цін, а з переходом до нового режиму грошово-кредитної політики більш складніші макроекономічні моделі [11, с. 50]. В той же час однією із передумов запровадження провідних здобутків в систему аналізу та прогнозування регулятора є його потужна інформаційна база, доступ до якої має обмежене коло осіб.

Поряд з цим економічна думка у провідних країнах світу, що вже тривалий час базується на потужному математичному апараті науковців, не змогла передбачити катастрофічні наслідки потрясінь від військових конфліктів, глобальні економічні колапси, подібні останній світовій фінансовій кризі, і можливо не зможе спрогнозувати подібні ситуації у майбутньому. Причиною чого, на нашу думку, є саме надмірна формалізація та спрощення існуючих закономірностей соціально-економічного розвитку.

2) ризик хибної специфікації економетричних моделей, що не завжди повною мірою відображають реальну природу існуючих причинно-наслідкових зв'язків, а також некоректне співставлення даних.

Наприклад, у виявленому Лисенком О.В. взаємозв'язку між збільшенням власного капіталу комерційних банків, залученими ними депозитами та зростанням ВВП України [12, с. 11] автор припускає, що саме останній показник є залежною змінною, а не навпаки, тобто фактором зміни ресурсної бази банків. На нашу думку, більш чіткої аргументації потребує не тільки така позиція науковця, але й його припущення про несуттєвий вплив інших чинників, таких, як попит на вітчизняну продукцію на світових ринках, динаміка іноземних інвестицій тощо.

Крім того, у вітчизняних дисертаційних роботах для побудови економетричних моделей має місце використання даних у номінальному гривневому еквіваленті за досить тривалий період часу (як правило, не менше 10 років, протягом яких національна валюта значно втратила свою вартість), що ігнорують вплив інфляції, валютних коливань та не відображають реальний стан розвитку предмету дослідження. Зокрема, це стосується багатофакторної моделі прогнозування розвитку фінансового потенціалу реального сектору економіки України у дисертації Р. А. Кравця на тему «Фінансове прогнозування розвитку реального сектору економіки України» [13, с. 189], моделі взаємозв'язку показників капіталізації страхового ринку у дисертації Т. А. Гавриляк «Фінансовий потенціал інвестиційної діяльності страховиків в економіці України» [14, с. 105], моделі формування фінансового потенціалу підприємств місцевого господарства міста Києва у дисертації Є. І. Волковського «Фінансовий потенціал місцевого самоврядування (на прикладі столиці України - міста Києва)» [15,с. 159].

Тобто, у вітчизняних наукових роботах останніх років, присвячених фінансовій проблематиці, можна простежити недостатньо обґрунтовану практику аналізу даних та побудови моделей, що описують існуючі причино-наслідкові зв'язки.

3) відсутність чітких меж застосування виявлених закономірностей та зони відповідальності за одержані результати.

Висновки та рекомендації, одержані в тому числі і через допущені методологічні неточності, або ж в силу суб'єктивності поглядів дослідника піднімають питання про можливість їх використання в практичній діяльності та відповідальність вченого за його наукові здобутки.

Побудова та наукове обґрунтування різноманітних методик, що не відповідали реальним потребам економічних агентів та призвели до помилкових рішень, найбільш яскраво проявились у оцінці кредитних ризиків рейтинговими агентствами.

З огляду на це, наприклад, вітчизняні рейтингові агентства зобов'язали оприлюднювати інформацію про дефолти боргових зобов'язань або емітентів, що мали діючий кредитний рейтинг [16]. Так, наприклад ПАТ «КБ «ПРЕМІУМ» та ПАТ «КЛАСИКБАНК» на дату дефолту мали кредитні рейтинги від НРА «Рюрік» на рівні uaBBB [17], агентство «Кредит-Рейтинг» напередодні зберігало кредитний рейтинг ПАТ КБ «ХРЕЩАТИК», ПАТ «Євробанк» та ПАТ «УНІКОМБАНК» на рівні uaBB, uaBB та uaBBB- відповідно. Схожа ситуація і у РА «Експерт- Рейтинг» із кредитними рейтингами ПАТ «Банк Національні Інвестиції», ПАТ «БАНК ЮНІСОН» та ПАТ «СМАРТБАНК» (у всіх рейтинг иаВВВ). Поряд з цим відкритим залишається питання про відповідальність авторів розроблених методичних положень рейтингування, якими керувались при визначенні кредитних рейтингів.

Процедура визначення відповідальності вчених за одержані ними наукові результати наразі є неврегульованою. Крім того, критично оцінюючи та виявляючи недоліки підходів того чи іншого дослідника у своїх публікаціях, науковці збільшують його індекс цитування, фактично посилюючи його вплив на майбутні вектори розвитку економічної думки, що, виходячи з домінуючого нині принципу «publish or perish» (в перекладі «публікуйся або загинеш), може мати катастрофічні наслідки для науки.

Саме тогу логічним виглядає розмежу-вання в списку використаних джерел робіт тих дослідників, з підходами яких ми аргументовано погоджуємось і розвиваємо їх, а також тих науковців, чиї погляди, викладені у відповідних публікаціях, на даний момент потребують перегляду та уточнення. Таким чином, академічне середовище матиме можливість як підвищити, так і понизити авторитет окремого науковця залежно від результатів його наукової діяльності.

4) дефіцит кваліфікованих кадрів для проведення міждисциплінарних досліджень.

Низький рівень фінансування науки та заробітних плат науково-педагогічних працівників чинить негативний вплив на залучення фахівців до проведення досліджень.

В епоху бурхливого розвитку інформаційних технологій питання виробу відповідного програмного забезпечення може визначити межі потенційних результатів проведених фінансово-економічних досліджень. Як відомо між функціональністю та зручністю існує обернений зв'язок, і кожен вчений обирає той чи інший програмний продукт відповідно до поставлених наукових задач та рівня власної підготовки.

Вивчення академічних робіт вітчизняних дослідників, в тому числі і у закордонних публікаціях, дало можливість виявити найбільш популярні програмні продукти та оцінити їх функціональність та зручність, графічна візуалізація чого представлена на рисунку 2.

З огляду на величезну популярність операційної системи Windows, пакет Microsoft Office, що включає MS Excel, встановлюється на абсолютній більшості персональних комп'ютерів, і вивченню його можливостей приділяється значна увага у системі вищої та середньої освіти. В той же час MS Excel має низку недоліків, що обмежують можливості його використання для аналізу великих даних. Це ж стосується і його безкоштовної альтернативи LibreOffice Calc. Якісно інший функціонал пропонують Statistica, SPSS (Statistical Package for the Social Sciences) з відносно зручним інтерфейсом та можливістю його локалізації. Поряд з цим ці продукти є платними (передбачаються різні тарифи залежно від функціоналу).

Найбільш перспективним для вітчизняного академічного середовища вбачається RStudio - безкоштовне середовище розробки, використання якого потребує відповідного рівня підготовки науковців або технічних працівників.

Саме тому пропонуємо активізувати залучення фахівців з програмування для проведення наукових досліджень у сфері фінансів, а також здобуття відповідних компетенцій для роботи з даними молодими вченими під час навчання в магістратурі чи аспірантурі. Не менше важливим є розвиток гнучких навичок (soft skills) науковців з командної роботи, критичного мислення, комунікації та публічних виступів, управління конфліктами.

Висновки. Перспективи розвитку вітчизняної фінансової науки нерозривно пов'язані з рівнем фахової підготовки вчених, особливо молодих, та системою стимулювання їх діяльності. Саме тому стратегічним пріоритетом у проведенні фінансово-економічних досліджень має стати впровадження інформаційних технологій у наукову діяльність, відповідно до світових тенденцій, сприяння академічній мобільності, а також існування відповідної матеріально-технічної бази. В той же час необхідно попередити появу проблем у використанні data science, що були описані в даній статті. Перспективи подальших досліджень пов'язані з оцінкою найбільш пріоритетних потреб молодих науковців, що можуть вирішення за допомогою інформаційних технологій.

Література