Przegląd Ewolucji Analizy Finansowej i Ocena Potencjału Sztucznej Inteligencji w Celu Poprawy Prognozowania Rynków Finansowych

Analiza danych finansowych ma kluczowe znaczenie dla zrozumienia trendów rynkowych i wartości aktywów, umożliwiając firmom i inwestorom podejmowanie świadomych decyzji. Tradycyjne podejścia, takie jak analiza fundamentalna, analiza techniczna i badania nastrojów, oferują różne perspektywy. Sztuczna inteligencja (AI), uczenie maszynowe (ML) i analiza dużych zbiorów danych przekształciły tę analizę, usprawniając procesy prognozowania i podejmowania decyzji. Sztuczna inteligencja stoi jednak w obliczu wyzwań, takich jak niezawodność, identyfikowalność, poufność i potencjalne uprzedzenia. Implikacje etyczne i regulacyjne sztucznej inteligencji również budzą obawy dotyczące manipulacji na rynku i zagrożeń systemowych. Niniejsza rozprawa analizuje rozwój technik badań finansowych oraz rewolucyjne możliwości sztucznej inteligencji i analizy danych w przewidywaniu trendów giełdowych, oceniając skuteczność metod konwencjonalnych i opartych na sztucznej inteligencji, a także ujawnia spostrzeżenia wyciągnięte z przeprowadzonej ankiety dotyczącej zaufania i polegania ludzi na sztucznej inteligencji w zakresie podejmowania decyzji inwestycyjnych. Wyniki sugerują, że skuteczne zastosowanie sztucznej inteligencji wymaga wszechstronnego podejścia obejmującego ludzkie umiejętności, normy etyczne i silną kontrolę regulacyjną.

Financial data analysis is crucial for understanding market trends and asset worth, enabling informed decision-making for firms and investors. Traditional approaches like fundamental analysis, technical analysis, and sentiment research offer different perspectives. Artificial intelligence (AI), machine learning (ML), and big data analytics have transformed this analysis, improving forecasting and decision-making processes. However, AI faces challenges like dependability, traceability, confidentiality, and potential biases. The ethical and regulatory implications of AI also raise concerns about market manipulation and systemic dangers. This thesis examines the development of financial research techniques and the revolutionary capabilities of AI and data analytics in predicting stock market trends, assessing the efficacy of conventional and AI-based methods, and reveal insights extracted from conducted survey regarding the trust and reliance of people to AI in terms of investment decision making. The results suggest that AI's effective application requires a well-rounded approach incorporating human skills, ethical norms, and strong regulatory control.