Финансыдагы генеративдик жасалма интеллект (Generative Artificial Intelligence, GenAI) изилдөө тармагы, чоң тил моделдери жана башка генеративдик жасалма интеллект ыкмалары финансылык маалыматты иштетүү, инвестиция, портфель башкаруу, соода, кеңеш берүү, жөнгө салуу жана программалануучу финансы системалары менен кандай айкалышарын изилдеген тез өнүгүп жаткан изилдөө тармагы. Ngo Phu Thanhтын изилдөөсү кандайдыр бир инвестициялык стратегиянын кирешелүүлүгүн текшерүүнүн ордуна 2023–2025-жылдардагы илимий адабият кандай өскөнүн, кайсы түшүнүктөрдүн айланасында уюшулганын жана кайсы изилдөө фронтторуна багытталганын библиометрикалык илимди карталоо аркылуу изилдейт. 2026-жылдын августунда Scopusтан алынган англис тилиндеги 695 басылма R чөйрөсүндөгү bibliometrix пакети аркылуу натыйжалуулук талдоосу, кызматташтык тармактары, биргелешкен сөздөрдү талдоо, тематикалык карталоо, концептуалдык түзүлүштү талдоо, библиографиялык байланыш жана түз шилтеме мамилелери боюнча бааланган.
Эң көрүнүктүү сандык жыйынтык — тармактын өтө кыска убакытта өсүшү: корпустагы басылмалардын саны 2023-жылы 46 болсо, 2024-жылы 181ге, 2025-жылы 468ге жеткен. Ошентип, үч жылдык корпустун болжол менен %67,3ү 2025-жылдагы басылмалардан гана турат. Бирок изилдөө басылмалардын тез өсүшүн тармак илимий жактан бышып жетилгенинин далили деп эсептебейт. Басылмалардын олуттуу бөлүгү конференция материалдары; түз шилтеме чынжырлары дагы эле кыска жана компьютердик илимдер/тил технологиялары менен колдонмо финансы изилдөөлөрүнүн ортосунда толук интеграция түзүлгөн эмес.
Изилдөө генеративдик жасалма интеллект–финансы адабияты ChatGPT же текстти классификациялоо менен гана чектелбей турганын көрсөтөт. Чоң тил моделдери, генеративдик жасалма интеллект, табигый тилди иштетүү жана маанай талдоосу дагы эле концептуалдык өзөктү түзүп турганда, портфель башкаруу, сандык/алгоритмдик соода, retrieval-augmented generation (RAG), agentic AI, жоопкерчиликтүү жасалма интеллект, блокчейн, борбордон ажыратылган финансы (DeFi) жана финансылык жөнгө салуу улам көбүрөөк көрүнүп жатат. Муну менен салыштырганда robo-advisory портфель жана инвестиция изилдөөлөрүндөгү өсүшкө караганда кыйла аз из калтырууда.
Изилдөөнүн эң маанилүү чечмелөө чеги мындай: бул библиометрикалык жыйынтыктар GenAI негизиндеги соода системасы кирешелүү экенин, robo-advisory ишенимдүү экенин же LLM финансылык чечимдерди адамдардан жакшыраак кабыл аларын далилдебейт. Изилдөө изилдөө адабиятынын түзүлүшүн жана багытын карталайт; реалдуу экономикалык натыйжалуулук, соода чыгымдары, кечигүү, рынок таасири, инвестордун жыргалчылыгы, системалык тобокелдик жана жөнгө салуучу коопсуздук үчүн өзүнчө түз эмпирикалык текшерүү талап кылынат.
Изилдөө чечүүгө аракет кылган негизги маселе
Генеративдик жасалма интеллект менен финансынын кесилишүүсү бир гана дисциплинанын ичинде өнүкпөйт. Ошол эле тема финансы журналдарында, эсептөөчү лингвистика конференцияларында, жасалма интеллект жана машиналык окутуу басылмаларында, маалымат системалары адабиятында жана FinTech изилдөөлөрүндө ар башка терминдер менен каралышы мүмкүн. Бир изилдөө “large language model”, башкасы “ChatGPT”, “foundation model”, “financial NLP”, “sentiment trading”, “RAG”, “agentic AI” же “AI-enabled portfolio management” терминдерин колдонушу мүмкүн. Мындай терминологиялык бытырандылык классикалык баяндоочу сереп гана жүргүзүлгөндө тармактын көлөмү жана структуралык ар түрдүүлүгү толук көрүнбөй калышына алып келиши мүмкүн.
Ошондуктан изилдөөнүн ыкмасы өзүнчө макалаларды “кайсынысы жакшы?” деп иреттөө эмес, адабияттын түзүлүшүн карталоо. Изилдөө үч негизги суроого көңүл бурат: 2023–2025-жылдар аралыгында илимий өндүрүш, басылма каналдары, авторлор, мекемелер, өлкөлөр жана шилтеме профили кандай өзгөргөн; тармактын концептуалдык түзүлүшү кайсы ачкыч сөздөр жана тема кластерлеринин айланасында уюшулат; жана адабият сандык соода, портфель/инвестиция, RAG жана агент системалары, башкаруу, robo-advisory жана блокчейн/DeFi сыяктуу финансыга тереңирээк кирген изилдөө фронтторуна жакындап жатабы?
Бул изилдөө эмне үчүн классикалык системалуу серептин ордуна библиометрикалык илим карталоосун колдонот?
Библиометрикалык илим карталоосу бул жерде өзүнчө изилдөөлөрдүн клиникалык же экономикалык таасир өлчөмдөрүн бириктирүү үчүн эмес, 695 басылманын өндүрүлүү ылдамдыгын, түшүнүктөрүн, кызматташтык мамилелерин, жалпы шилтемелерин, шилтеме чынжырларын жана тематикалык багытын бирге көрүнүктүү кылуу үчүн колдонулган. Булак изилдөө бул корпусту кол менен бирден тандалган тар системалуу сереп катары эмес, GenAI–финансы чек арасын жогорку сезгичтик менен камтууга аракет кылган кеңири илим картасы катары сүрөттөйт.
Scopus корпусу кантип түзүлгөн?
Маалымат 2026-жылдын августунда Scopusтан алынган. Басылма терезеси 2023–2025-жылдар менен чектелген. Мунун себеби 2026-жыл али бүтө элек басылма жылы болгондуктан, толук эмес жылдык сандар жылдык салыштырууну бузушу мүмкүн. Издөө аталышта гана эмес, Scopustун TITLE-ABS-KEY талаасында, башкача айтканда аталыш, аннотация жана ачкыч сөздөр талааларында жүргүзүлгөн.
| Элемент | Булакта билдирилген колдонуу | Илимий мааниси |
|---|---|---|
| Маалымат базасы | Scopus | Изилдөөнүн библиометрикалык ааламы Scopusта кармалган жазуулар менен гана чектелет. |
| Издөө датасы | Август 2026 | Шилтеме жана индекс маалыматтары маалымат базасынын ошол мезгилдеги абалын чагылдырат. |
| Басылма мезгили | 2023–2025 | ChatGPTтен кийинки тез кеңейүү изилденип жатканда толук эмес 2026-жыл эсепке алынган эмес. |
| Издөө талаасы | TITLE-ABS-KEY | Аталыш, аннотация жана ачкыч сөздөр бирге изделген. |
| Жакындык эрежеси | GenAI термин блогу W/15 финансы термин блогу | Жасалма интеллект жана финансы түшүнүктөрүнүн бир эле жазууда байланышсыз жерлерде кездешүү коркунучун азайтууну көздөйт. |
| Тил | Англис тили | Башка тилдердеги адабият корпустан тышкары калышы мүмкүн. |
| Акыркы экспорт | 695 документ | Изилдөөнүн бардык сандык карталары ушул документтердин негизинде түзүлгөн. |
| Metadata | 45 талаа | Автор, аталыш, жыл, булак, шилтеме, DOI, аффилиация, аннотация, ачкыч сөз, библиография жана ушул сыяктуу талаалар колдонулган. |
Scopus издөөсүндөгү W/15 оператору эмнени билдирет?
W/15 — GenAI менен байланышкан терминдин финансыга тиешелүү терминдердин бирине 15 сөздүн жакындыгында болушун талап кылган Scopus жакындык эрежеси. Максат “AI” жана “finance” сөздөрүнүн бир жазуунун эки алыс жеринде кездешүүсүн жетиштүү деп эсептебөө жана эки түшүнүк блогунун бир эле контекстте колдонулушу ыктымалдыгын жогорулатуу; бирок изилдөө бул эреже финансыга тиешеси жок жазууларды толугу менен жок кылбай турганын ачык белгилейт.
GenAI тарабындагы издөө блогу generative artificial intelligence, generative AI, GenAI, large language model(s), LLM(s), ChatGPT жана foundation model(s) сыяктуу сөз айкаштарын камтыйт. Финансы тарабы болсо finance жана financial services менен катар financial market, banking, fintech, asset/wealth management, portfolio management, investment management, algorithmic/quantitative trading, robo-advisory, decentralized finance жана blockchain сыяктуу терминдерди камтыйт.
695 жазуунун маалыматтык текшерүүсү
Экспорттолгон 695 жазуунун 616сында DOI бар экени жана бул DOIлердин арасында кайталанган DOI жок экени билдирилген. Ошол эле учурда нормалдаштырылган аталыштарда беш кайталоо белгиленген. Изилдөөчү бул беш аталышты автоматтык түрдө өчүргөн эмес; анткени бирдей же абдан окшош аталыш конференция макаласы, китеп бөлүмү, proceedings версиясы же конференциянын алдын ала материалы сыяктуу ар башка библиографиялык объекттерди билдириши мүмкүн. Ошондуктан изилдөөнүн документтештирилген негизги корпусу 695 жазуу бойдон сакталган.
Бул жагдай маанилүү: корпус жогорку камтуу көрсөткүчү бар тармак картасы; кол менен аталыш/аннотация карап чыгуу аркылуу таза финансылык макалалардан гана түзүлгөн тар системалуу сереп эмес. Эң көп шилтеме алган жазуулардын арасында билим берүү же химия сыяктуу башка дисциплиналардан айрым көп шилтеме алган эмгектердин болушу жакындык суроосу тармактан тышкары өтүүнү толук алдын ала албаганын көрсөтөт.
Эмне үчүн ачкыч сөздөр гармонизацияланган?
Бир эле түшүнүк маалымат базасында ар башкача жазылышы мүмкүн. Мисалы, “generative AI”, “GenAI” жана “generative artificial intelligence” бир негизги түшүнүктү билдирет. Ошондой эле “LLM”, “LLMs”, “large language model” жана “large language models” өзүнчө эсептелсе, чындыгында бир изилдөө темасынын көрүнүктүүлүгү жасалма түрдө төмөндөйт. Ошондуктан изилдөө GenAI, LLM, NLP, RAG, fintech, blockchain, DeFi, robo-advisory, explainable AI жана machine learning сыяктуу түшүнүктөрдө этият синоним гармонизациясын колдонгон.
Ошол эле учурда чийки талаалар өчүрүлгөн эмес. DE, авторлор өздөрү берген ачкыч сөздөрдү; ID болсо Scopus индекстөө ачкыч сөздөрүн билдирет. Изилдөө бул эки катмарды өзүнчө талдап, авторлор изилдөөлөрүн кандай аныктаганы менен маалымат базасы аларды кеңири дисциплинардык контекстте кандай индекстегенин аралаштырган эмес.
Association-strength нормалдаштыруу эмне үчүн колдонулган?
Биргелешкен кездешүү тармагында өтө көп кездешкен термин жөн гана көп колдонулгандыктан дээрлик бардык терминдер менен жогорку чийки байланыш санына ээ болушу мүмкүн. Изилдөөдө колдонулган association-strength нормалдаштыруу мындай кеңири терминдердин жалаң жыштык себептүү тармакта үстөм болушун азайтуу үчүн колдонулган. Ошондуктан тармак визуалында “large language models” сыяктуу өтө көп кездешкен түшүнүктүн геометриялык жактан четте көрүнүшү анын маанисиз экенин билдирбейт; жыштык графиктери менен нормалдаштырылган мамиле тармагы ар башка суроолорго жооп берет.
Louvain коомчулуктары эмнени көрсөтөт?
Louvain коомчулукту аныктоо ыкмасы биргелешкен авторлук жана түшүнүк тармактарында бири-бири менен тыгызыраак байланышкан түйүндөрдү визуалдык топторго бөлүүгө жардам берүү үчүн колдонулган. Булак изилдөө муну так жана өзгөрбөс дисциплина таксономиясы катары эмес, тармактагы кластерленүүнү көрүнүктүү кылган топтоо куралы катары колдонот. Алсыз байланыштар сүрөттөрдүн окулушун жакшыртуу үчүн гана басаңдатылып, негизги аналитикалык матрицалар сакталган.
Изилдөөдө кайсы талдоо катмарлары колдонулган?
| Талдоо катмары | Берген негизги суроо | Булакта колдонулган натыйжа |
|---|---|---|
| Натыйжалуулук талдоосу | Тармак канчалык жана кайда өсүп жатат? | Жылдык басылма, документ түрү, булак, автор, мекеме, өлкө жана шилтеме көрсөткүчтөрү |
| Кызматташтык талдоосу | Өлкөлөр жана изилдөөчүлөр кантип байланышат? | Өлкө кызматташтыгы жана биргелешкен авторлук тармактары |
| Биргелешкен сөздөрдү талдоо | Кайсы түшүнүктөр бирге пайда болот? | Ачкыч сөз жыштыгы, убакыт тыгыздыгы жана биргелешкен кездешүү тармагы |
| Тематикалык карталоо | Тема тармак менен канчалык байланышкан жана өз ичинде канчалык өнүккөн? | Мотор, негизги, ниш жана пайда болуп жаткан/артка кетип жаткан тема аймактары |
| Концептуалдык түзүлүш | Терминдер кеңири кайсы семантикалык уюлдарда топтолот? | Multiple Correspondence Analysis (MCA) жана Correspondence Analysis (CA) |
| Библиографиялык coupling | Бир эле булактарга таянган басылма каналдары кайсы изилдөө фронтторун түзөт? | Булак деңгээлиндеги жалпы шилтеме коомчулуктары |
| Историографиялык карталоо | Корпустун ичиндеги түз шилтеме чынжыры канчалык өнүккөн? | Тарыхый түз шилтеме тармагы |
| Үч талаа талдоосу | Өлкө, тема жана басылма каналы бири-бири менен кантип байланышат? | Alluvial/Sankey түрүндөгү өлкө–ачкыч сөз–булак байланыштары |
| Тематикалык эволюция | 2023–2024-жылдардан 2025-жылга түшүнүктөрдүн орду кантип өзгөрөт? | Мезгилдик тема карталары жана тема агымдары |
| Стратегиялык фронт көзөмөлдөөчүсү | Финансы жагынан тандалган изилдөө тармактары кайсы багытта өсүп жатат? | Сандык соода, портфель, robo-advisory, blockchain/DeFi, governance/XAI жана RAG/agents терминдеринин саны |
Борбордук математикалык формула барбы?
Бул изилдөө жаңы баалоо моделин, портфель оптималдаштыруу теңдемесин же машиналык окутуунун жоготуу функциясын сунуштабайт. Булакта W/15 издөө логикасы, association-strength нормалдаштыруу, Louvain, MCA жана CA сыяктуу ыкмалардын аттары жана илимий ролдору берилет; бирок алардын математикалык чыгарылыштары же ачык теңдемелери макаланын ыкмасы катары жазылган эмес. Ошондуктан булакта жок формулалар Verianla баянына кошулган эмес. Ошондой эле изилдөөдө p мааниси, ишеним аралыгы же таасир өлчөмүнө негизделген гипотеза тести билдирилбегендиктен, мындай статистика чыгарылган эмес.
Басылмалардын саны канчалык күчтүү өстү?
Корпуста 2023-жыл үчүн 46, 2024-жыл үчүн 181 жана 2025-жыл үчүн 468 документ бар. Булак 2024-жылдагы сан 2023-жылга салыштырмалуу %293,5; 2025-жылдагы сан 2024-жылга салыштырмалуу %158,6 жогору экенин билдирет. Үч жылдык жалпы көлөмдүн %6,6сы 2023, %26,0ы 2024 жана %67,3ү 2025-жылдагы басылмалардан турат.
| Жыл | Документтердин саны | Корпустагы үлүш | Чечмелөө чеги |
|---|---|---|---|
| 2023 | 46 | %6,6 | Post-ChatGPT доорунун алгачкы жылы |
| 2024 | 181 | %26,0 | 2023-жылга салыштырмалуу %293,5 көп басылма |
| 2025 | 468 | %67,3 | 2024-жылга салыштырмалуу %158,6 көп басылма |
Шилтемелердин санынын азайышы эмне үчүн түздөн-түз сапаттын төмөндөшү катары окулбашы керек?
2023-жылдагы басылмалардын документке орточо шилтеме саны 56,6; 2024-жылы 15,6; 2025-жылы 5,1 деп билдирилген. Бирок 2025-жылдагы басылмалардын шилтеме топтоого убактысы кыйла аз болгон. Ошондуктан изилдөө жаңы басылмалардын төмөн орточо шилтеме маанисин илимий сапаттын төмөндөшү катары чечмелебейт; негизги түшүндүрмө шилтемеге дуушар болуу мөөнөтү. Бул ошондой эле чийки шилтеме рейтингдери алгачкы post-ChatGPT басылмаларын жана кеңири көп тармактуу серептерди системалуу түрдө артыкчылыктуу кыла аларын билдирет.
Эмне үчүн тармак “конференция басымдуу” деп сүрөттөлөт?
| Документ түрү | Саны | Булакта билдирилген үлүш |
|---|---|---|
| Конференция макаласы | 380 | %54,7 |
| Журнал макаласы | 170 | %24,5 |
| Китеп бөлүмү | 70 | %10,1 |
| Конференция жыйнагы/review | 33 | %4,7 |
| Сереп | 24 | %3,5 |
| Китеп | 15 | %2,2 |
| Эскертүү | 2 | Булак пайыз бербейт |
| Кыска survey | 1 | Булак пайыз бербейт |
Конференция макалалары корпустун жарымынан көбүн түзүшү техникалык компоненттери өтө тез өзгөргөн изилдөө тармагына ылайык келет. RAG, agentic AI, fine-tuning жана жаңы финансылык benchmarkтар сыяктуу техникалык темалар конференция экосистемасына тез кириши мүмкүн. Бирок изилдөө мунун экинчи тарабын да белгилейт: конференция басымдуу тез жайылуу финансы теориясы менен интеграция жана узак мөөнөттүү эмпирикалык текшерүү да ошол эле ылдамдыкта болот дегенди билдирбейт.
Басылма экосистемасы чындап эле финансы журналдарынан турабы?
Жок. Изилдөөнүн маанилүү табылгаларынын бири GenAI–финансы адабияты эки басылма маданиятынын ортосунда бөлүнгөнү. Association for Computational Linguistics жылдык жыйынынын proceedings-и 16 жазуу менен эң көп кездешкен булак катары билдирилген. Lecture Notes in Networks and Systems 13; Finance Research Letters, ICAIF 2025 жана Communications in Computer and Information Science ар бири 12; ICAIF 2024 жана Lecture Notes in Computer Science ар бири 10 жазуу менен айырмаланат.
Бул бөлүштүрүү тармакты жөн гана “финансы журналдарындагы жасалма интеллект” деп аныктоого болбой турганын көрсөтөт. Бир басылма маданияты тил моделдөө, retrieval, баалоо жана эсептөө ыкмаларына; экинчиси портфель, соода, финансылык мекемелер жана чечим тапшырмаларына жакыныраак.
Автор, мекеме жана өлкө түзүлүшү
Авторлук кыйла чачыранды. Scopus metadataсында “Y. Li” 13 басылма менен эң өндүрүмдүү автор идентификатору; бирок изилдөө кыскартылган аттар ар башка адамдарды бириктириши же бир эле адамдын жазууларын бөлүп коюшу мүмкүн экенин ачык эскертет. Ошондуктан мындай автор рейтингдери адам деңгээлинде так идентификация рейтинги катары каралбашы керек.
Мекеме деңгээлинде University of Oxford 10 жазуу менен биринчи орунда. University of Cambridge, Tianjin University, Hong Kong University of Science and Technology, Renmin University of China жана Old Dominion University бештен жазуу менен көрсөтүлгөн. Изилдөөчү бул бөлүштүрүүнү бир эле институционалдык борбор тармакты көзөмөлдөбөйт жана изилдөө мүмкүнчүлүгү көбүрөөк таралган деп чечмелейт.
| Өлкө | Автор–өлкө кездешүүсү | Маанилүү чечмелөө чеги |
|---|---|---|
| Америка Кошмо Штаттары | 359 | Бул уникалдуу документтердин саны эмес. Бир нече автор/өлкө салымы себептүү жалпы көлөм корпустун өлчөмүнөн ашышы мүмкүн. |
| Кытай | 252 | |
| Индия | 245 | |
| Улуу Британия | 97 | |
| Канада | 46 | |
| Корея | 44 | |
| Австралия | 40 |
Өлкөлөрдүн кызматташтык тармагы АКШ, Кытай, Улуу Британия, Канада, Австралия, Корея, Япония, Сингапур жана Гонконгду камтыган тыгыз борбордук коомчулукту көрсөтөт. Индия болсо бул өзөк менен Малайзия, Индонезия, Иордания, Оман, Бангладеш, Катар, Ирак жана Бириккен Араб Эмираттары сыяктуу өлкөлөр кирген башка коомчулуктун ортосунда көпүрө абалында көрүнөт. Бул жыйынтык географиялык кызматташтык түзүлүшүн сүрөттөйт; өлкөлөрдүн изилдөө сапаты боюнча рейтинги эмес.
Чийки шилтеме саны эмне үчүн “финансы жагынан эң маанилүү изилдөө” дегенди билдирбейт?
Корпустагы эң жогорку глобалдык шилтеме алган жазуулардын рейтинги көп тармактуу изилдөөлөрдүн таасирин ачык көрсөтөт. Изилдөөнүн маалымат алынган учурдагы рейтингинде кеңири GenAI изилдөөсү 579, FinBERT 548, Dowling жана Luceyнин финансы изилдөөсү 491, жогорку шилтеме алган билим берүү изилдөөсү 456 жана финансы тармагындагы LLM survey 310 шилтеме менен жогорку орундарда турат. Билим берүү сыяктуу түздөн-түз финансыга тиешеси жок жазуу жогорку орунга чыга алышы глобалдык шилтеме санын финансыга мүнөздүү интеллектуалдык маанилүүлүк менен теңештирүүгө болбой турганын көрсөтөт.
Тармакты кайсы ачкыч сөздөр алып барат?
| Ачкыч сөз | Документ саны / кездешүү |
|---|---|
| Large language models | 248 |
| Generative artificial intelligence | 136 |
| Artificial intelligence | 88 |
| ChatGPT | 71 |
| Finance | 50 |
| Natural language processing | 46 |
| Sentiment analysis | 39 |
| Fintech | 38 |
| Machine learning | 36 |
| Retrieval-augmented generation | 26 |
| Portfolio management | 12 |
| Explainable AI | 12 |
| Algorithmic trading | 9 |
| Financial forecasting | 8 |
| Blockchain | 8 |
Scopus индекс ачкыч сөздөрү башка көрүнүш берет. Investments 81; financial markets жана finance 73төн; decentralized finance 67; electronic trading 41; banking 35 жана regulatory compliance 34 кездешүү менен айырмаланат. Автор ачкыч сөздөрү модель жана ыкма тилине, Scopus индекс терминдери болсо колдонмо контексттерине көбүрөөк орун бериши DE жана ID талааларын өзүнчө кармоонун эмне үчүн маанилүү экенин көрсөтөт.
Убакыт өткөн сайын кайсы түшүнүктөр ылдамдап жатат?
| Түшүнүк | 2023 | 2024 | 2025 | Булакка таянган чечмелөө |
|---|---|---|---|---|
| Large language models | 11 | 74 | 163 | Технологиялык өзөк тез өсүп жатканын көрсөтөт. |
| Generative artificial intelligence | 5 | 36 | 95 | GenAI белгиси тез жайылып жатканын көрсөтөт. |
| RAG | 0 | 4 | 22 | 2025-жылы retrieval негизиндеги архитектуралар ачык байкала баштаганын көрсөтөт. |
| Sentiment analysis | 4 | 8 | 27 | Маанай талдоосу өсүүнү улантып жатканын көрсөтөт. |
| Machine learning | 1 | 11 | 24 | Кеңири ML байланышы да күчөп жатканын көрсөтөт. |
| Banking | 3 | 7 | 4 | Жалпы басылма өсүшүнө параллелдүү масштабдалган эмес. |
Изилдөө бул ажырымды тармактын алгачкы “banking/chatbot” алкагынан рынок, инвестиция, retrieval жана модель башкаруу колдонмолоруна карай кеңейиши менен байланыштырат.
Биргелешкен ачкыч сөздөр тармагы кайсы үч чоң билим коомчулугун көрсөтөт?
Технология жана башкаруу коомчулугу; generative AI, responsible AI, trustworthy AI, explainable AI, prompt engineering, portfolio management жана data privacy түшүнүктөрүн байланыштырат. Сандык ыкмалар коомчулугу; natural language processing, sentiment analysis, algorithmic trading, machine learning, deep learning, financial forecasting жана fraud detection терминдерин бириктирет. Финансылык кызматтар коомчулугу болсо finance, fintech, banking, ChatGPT, artificial intelligence, security, risk assessment жана financial services айланасында түзүлөт. Fine-tuning, cybersecurity жана healthcare айланасында чаканыраак техникалык коомчулук да көрүнөт.
Бул түзүлүш GenAI–финансы адабияты эми бир гана колдонуу үй-бүлөсүнөн турбай турганын көрсөтөт. Булактын чечмелөөсүнө ылайык, кеминде үч катмар бирге өнүгүүдө: негизги модель технологиялары, финансылык божомол/соода ыкмалары жана институционалдык/башкаруу колдонмолору.
Тематикалык картадагы “мотор”, “негизги”, “ниш” жана “пайда болуп жаткан” тема эмнени билдирет?
Тематикалык карта эки окту колдонот: борбордуулук теманын жалпы тармак менен байланышын, тыгыздык болсо теманын өз ичиндеги өнүгүү жана интеграция деңгээлин билдирет. Ошого жараша жогорку борбордуулук жана жогорку тыгыздык аймагындагы темалар “мотор”; жогорку борбордуулук, бирок төмөнүрөөк тыгыздыктагы темалар “негизги”; өз ичинде өнүккөн, бирок жалпы тармак менен алсызыраак байланышкан темалар “ниш”; төмөн борбордуулук жана төмөн тыгыздыктагы темалар “пайда болуп жаткан же артка кетип жаткан” темалар катары бааланат.
Булак картасында large language models, natural language processing жана sentiment analysis айланасындагы чоң кластер менен artificial intelligence, ChatGPT жана finance айланасындагы кластер тармактын негизги жалпы тилин түзөт. Generative artificial intelligence менен responsible AI жана financial literacyни бириктирген кластер мотор-тема аймагында көрүнөт. Explainable AI, differential privacy жана federated learning болсо көбүрөөк пайда болуп жаткан/артка кетип жаткан аймакка жакын. Изилдөөчүнүн чечмелөөсүндө бул жерде маанилүү колдонмо боштугу бар: responsible AI тууралуу нормативдик дискурс колдонууга мүмкүн болгон купуялык жана түшүндүрүлүүчүлүк контролдорунан тезирээк өнүгүп жаткан болушу мүмкүн.
MCA изилдөөдө эмнени ачып көрсөтөт?
Multiple Correspondence Analysis (MCA), ачкыч сөздөрдүн кеңири концептуалдык жакындыктарын үч чоң уюлда көрсөткөн. Эң чоң уюл foundation models, agentic AI, differential privacy, AI governance, responsible/trustworthy AI, RAG, prompt engineering, LLMs, question answering, fintech, blockchain, cybersecurity, financial literacy, financial services жана portfolio management сыяктуу жалпы GenAI–финансы инфраструктурасы жана башкаруу терминдерин камтыйт.
Экинчи уюл ачык түрдө божомол жана рынок багытында: natural language processing, sentiment analysis, transformer methods, machine learning, deep learning, algorithmic trading, financial forecasting жана data privacy бул жерде бирге көрүнөт. Булак муну финансылык текст талдоосунун соода жана божомол архитектураларына карай кеңейген заманбап уландысы катары баалайт.
Үчүнчү уюл болсо мекеме жана тобокелдик багытында: accounting, banking, security, portfolio optimisation, fraud detection, risk assessment жана risk management сыяктуу түшүнүктөрдү камтыйт. Бул ажырым ылайыктуулук, ишенимге негизделген жоопкерчилик, операциялык туруктуулук, моделди текшерүү жана финансылык тобокелдикти башкаруу сыяктуу суроолор өзүнчө изилдөө тармагын түзүшү үчүн негиз берет.
Изилдөө ошондой эле Correspondence Analysis (CA) менен туруктуулук көрүнүшүн түзгөн. Бирок question answering жана айрым privacy түшүнүктөрү күчтүү геометриялык четтөөлөргө айлангандыктан CAнын глобалдык бөлүнүшү MCAдай чечмеленүүчү деп табылган эмес; MCA негизги концептуалдык карта, CA болсо туруктуулук визуалы катары бааланган.
Эки өзүнчө изилдөө режими эмнени билдирет?
Булак деңгээлиндеги bibliographic coupling жалпы шилтемелерге караганда эки чоң басылма коомчулугу бар экенин көрсөтөт. Бир коомчулук ACL, EMNLP, NAACL, COLING, ICLR, NeurIPS жана ушул сыяктуу эсептөөчү лингвистика/машиналык окутуу чөйрөлөрүнүн айланасында түзүлөт. Экинчи коомчулук ICAIF, Journal of Portfolio Management, IEEE Access жана финансылык инженерия/колдонмо финансылык AI басылмаларынын айланасында жайгашкан.
Изилдөө бул ажырымды technology-push жана finance-application режимдери катары чечмелейт. Биринчи режим модель архитектураларын, retrieval, reasoning, agents жана тил иштетүү ыкмаларын өнүктүрөт. Экинчи режим бул мүмкүнчүлүктөрдү trading, portfolio, banking, risk же financial engineering тапшырмаларына алып өтөт. Эки режимдин ортосунда жалпы шилтеме байланыштары бар; бирок байланыш тармак толук бириккенин көрсөтө тургандай күчтүү эмес.
Түз шилтеме тарыхчасы да жаш тармакты көрсөтөт. Корпустагы көрүнүктүү шилтеме чынжырлары көбүнчө 2023–2025-жылдар арасында кыска. Бул үч жылдык терезенин табигый натыйжасы болгону менен, жалпы benchmarkтар, канондук маалымат топтомдору жана узак мөөнөттүү теориялык талкуулар али толук калыптана электигине да ишарат кылат.
2023–2024-жылдардан 2025-жылга кандай структуралык өзгөрүү көрүнөт?
2023–2024-жылдары artificial intelligence жана ChatGPT негизги темалар катары көрүнсө, RAG/responsible AI нишке жакыныраак, deep learning/explainable AI болсо алгачкы баскычта. 2025-жыл картасында sentiment analysis жана machine learning мотор аймагына өтөт; LLM жана RAG борбордук жана өнүккөн болуп калат; responsible GenAI борборго жакындайт; portfolio management жана agentic AI болсо пайда болуп жаткан жаңы тема катары көрүнөт.
Булак бул өзгөрүүнү бир жолку prompt өз ара аракеттеринен тышкы далилдерди чакыра алган, тапшырманын абалын сактаган жана көп кадамдуу финансылык иш агымдарында аракет кыла алган система архитектураларына карай багыт катары чечмелейт.
Изилдөөнүн Ыкмасы жана Жыйынтыктары
Методологиялык чынжырдын техникалык кыскача мазмуну
- Scopusта 2023–2025-жылдарды камтыган англис тилиндеги жазуулар TITLE-ABS-KEY талаасында изделди.
- GenAI технология терминдери менен финансы тармагы терминдеринин W/15 жакындыгында болушу талап кылынды.
- 695 жазуу жана 45 metadata талаасы экспорттолду.
- 616 DOI текшерилди; кайталанган DOI табылган жок. Беш нормалдаштырылган аталыштын кайталанышы белгиленди, бирок автоматтык өчүрүлгөн жок.
- Автор ачкыч сөздөрү жана Scopus индекс ачкыч сөздөрү өзүнчө сакталды.
- Синоним техникалык терминдер этият түрдө гармонизацияланды.
- R чөйрөсүндө bibliometrix менен натыйжалуулук, кызматташтык, co-word, тематикалык түзүлүш, MCA/CA, bibliographic coupling, historiography, үч-талаа жана мезгилдик тема талдоолору жүргүзүлдү.
- Association-strength нормалдаштыруу биргелешкен кездешүү тармагында өтө кеңири терминдердин чийки жыштык себептүү үстөм болушун азайтуу үчүн колдонулду.
- Louvain коомчулукту аныктоо тармактарды визуалдык топтоодо колдонулду.
- Финансы жагынан алдын ала аныкталган стратегиялык фронттордун бириктирилген автор жана индекс ачкыч сөздөрүндөгү кездешүүлөрү жылдар боюнча салыштырылды.
Бул изилдөөдө статистикалык гипотеза тести барбы?
Булак изилдөө классикалык эксперименттик же эконометрикалык гипотеза тестин жүргүзбөйт. p мааниси, ишеним аралыгы же таасир өлчөмүнө негизделген негизги чыгарымдык тест билдирилген эмес. Жылдык басылма сандары, жыштыктар жана шилтеме көрсөткүчтөрү сүрөттөөчү; тармак, тематикалык карта, MCA жана bibliographic coupling жыйынтыктары структуралык жана салыштырмалуу чечмеленген. Ошондуктан тармактагы жакындык же ачкыч сөз өсүшү себептүүлүктүн далили эмес.
Финансыдагы генеративдик жасалма интеллекттин эң тез өсүп жаткан изилдөө фронттору кайсылар?
Булактын стратегиялык фронт көзөмөлдөөчүсүнө ылайык 2023–2025-жылдар арасында эң чоң сандык кеңейүү портфель/инвестиция терминдеринде 6→26→99, governance/XAI/regulation тармагында 7→15→84, blockchain/DeFi тармагында 5→38→63, quantitative/algorithmic trading тармагында 0→10→60 жана RAG/agents тармагында 0→7→60 болуп көрүнөт; robo-advisory болсо 0→1→4 деңгээлинде гана калат. Булар басылма же системанын ийгилиги эмес, бириктирилген ачкыч сөз талаасында көзөмөлдөнгөн кездешүүлөрдүн саны.
| Изилдөө фронту | 2023 | 2024 | 2025 | Булак белгилеген ачык изилдөө маселеси |
|---|---|---|---|---|
| Сандык / алгоритмдик соода | 0 | 10 | 60 | Чыгым, кечигүү, рынок таасири жана режим өзгөргөндөн кийин колдонууга жарактуу alpha пайда болобу? |
| Портфель / инвестиция | 6 | 26 | 99 | GenAI бөлүштүрүүсү качан жакшыртат, качан жүрүм-турум же модель тобокелдигин күчөтөт? |
| Robo-advisory | 0 | 1 | 4 | Ылайыктуулук, ишеним калибрлөөсү жана инвестор жыргалчылыгы кантип өлчөнүшү керек? |
| Blockchain / DeFi | 5 | 38 | 63 | Агент системалары кайтарылгыс smart-contract операциялары жана борбордон ажыратылган башкаруу менен кантип коопсуз өз ара аракеттенет? |
| Governance / XAI / regulation | 7 | 15 | 84 | Жөнгө салынган финансыда кайсы контролдор GenAIни текшериле турган жана операциялык жактан туруктуу кылат? |
| RAG / agents | 0 | 7 | 60 | Retrieval жана курал колдонуу тактыкты көбөйткөндө жаңы ката каналдарын түзөбү? |
Изилдөө фронту I: GenAI колдогон сандык соода жана рынок микро түзүлүшү
Сандык/алгоритмдик соода фронту булак көзөмөлдөөчүсүндө 2023-жылы 0дөн 2024-жылы 10го, 2025-жылы 60 кездешүүгө чейин өскөн. Булак бул өсүштү жөн гана маанай чыгаруунан интеграцияланган чечим системаларына өтүү менен шайкеш деп эсептейт. Бирок LLM негизиндеги сигнал тарыхый маалыматта кирешени божомолдошу реалдуу рынокто колдонууга жарактуу alpha жаратат дегенди билдирбейт.
Изилдөө сунуштаган негизги текшерүү темалары соода чыгымы, кечигүү, портфель айлануусу, рынок таасири жана бир эле сигнал көп катышуучу тарабынан колдонулганда жаралышы мүмкүн болгон crowding таасири. Келечекте LLM колдогон стратегияларды классикалык статистикалык арбитраж, көзөмөлдөнгөн машиналык окутуу жана reinforcement learning ыкмалары менен реалисттик out-of-sample протоколдордо салыштыруу сунушталат.
Рынок микро түзүлүшү жагынан божомол тактыгынан тышкары spread, рынок тереңдиги, adverse selection, price discovery, market impact жана execution shortfall сыяктуу экономикалык натыйжалар да өлчөнүшү керектиги баса белгиленет. Ошондой эле көптөгөн агенттер окшош LLM сигналдарын колдонуп баштаганда моделдер өздөрү божомолдогусу келген маалымат чөйрөсүн өзгөртүп коюшу мүмкүн экени изилдениши керек.
Изилдөө фронту II: AI-native портфель башкаруу жана robo-advisory
Портфель/инвестиция темалары 6→26→99 менен изилдөөнүн эң тез өсүп жаткан стратегиялык фронту. Ал эми robo-advisory 0→1→4 деңгээлинде калган. Изилдөө бул айырманы саясат жагынан төмөн маанилүүлүк катары эмес, изилдөө боштугу катары чечмелейт.
Robo-advisory эмне үчүн портфель изилдөөсүнөн ачык артта калууда?
Корпус GenAIнин актив тандоо, божомол, тобокелдик баалоо жана портфель түзүүдөгү колдонулушун тез талкуулап жатканда, адам инвесторго институционалдык түрдө кеңеш берген robo-advisory интерфейстерин кыйла аз изилдейт. Булакка ылайык портфелге техникалык колдоо менен финансылык кеңеш берүү бир нерсе эмес; кеңеш берүүдө ылайыктуулук, тобокелдикке чыдамдуулуктун туруктуулугу, ишеним калибрлөөсү, ашыкча ишеним, финансылык сабаттуулук, framing таасирлери, керектөөчүнү коргоо жана инвестор жыргалчылыгы өзүнчө өлчөнүшү керек.
Булак келечекте эрежеге негизделген robo-advisory системаларын, салттуу машиналык окутуу кеңешчилерин жана сүйлөшүүчү GenAI системаларын бирдей инвестор профилдери жана рынок сценарийлеринде салыштырууну сунуштайт. Негизги дизайн маселеси жекелештирүү гана эмес, жекелештирүү текшериле турган болушу жана ишенимге негизделген жоопкерчилик менен керектөөчүнү коргоо милдеттерине шайкеш келиши.
Изилдөө фронту III: Blockchain, DeFi жана программалануучу финансы
Blockchain/DeFi фронту 2023-жылы 5тен 2024-жылы 38ге, 2025-жылы 63 кездешүүгө өскөн. Бирок тематикалык түзүлүш жана bibliographic coupling бул изилдөөлөрдүн олуттуу бөлүгү GenAI–финансынын борбордук билим түзүлүшүнө толук интеграцияланбастан, ага коңшу бойдон калганын көрсөтөт.
Мүмкүн болгон интеграция жолдоруна GenAI агенттеринин smart-contract документтерин, башкаруу сунуштарын, token түшүндүрмөлөрүн, протокол окуяларын жана чынжырлар аралык маалыматты чечмелөөсү; RAG системаларынын чечимдерин актуалдуу протокол абалы жана укуктук/техникалык документтер менен байланыштырышы; автоматташтырылган шайкештик куралдарынын программалануучу операцияларды көзөмөлдөшү кирет.
Бирок программалануучу финансы ката үчүн катуураак чөйрө түзөт. Салттуу кеңеш берүүдө туура эмес билдирүү операциядан мурун оңдолушу мүмкүн болсо, агент кайтарылгыс же кымбат smart-contract операциясын ишке киргизиши мүмкүн. Ошондуктан булак уруксаттар, execution safeguard'дары, rollback механизмдери, oracle тобокелдиги, composability, smart-contract өз ара аракеттенүүсү жана adversarial manipulation сыяктуу темаларды түз моделдөөнү сунуштайт. Натыйжа өзгөрмөлөрү да колдонуучунун канааттануусунан кеңири болушу керек; ликвиддүүлүк, price discovery, протоколдун төлөө жөндөмдүүлүгү, системалык жайылуу жана башкаруу сапаты изилдениши керек.
Изилдөө фронту IV: Башкаруу, RAG, agentic AI жана финансылык жөнгө салуу
Governance/XAI/regulation фронту 7→15→84; RAG/agents фронту 0→7→60 болуп өскөн. Изилдөө бул эки өсүштү бирге баалайт: финансылык GenAI системалары көбүрөөк мүмкүнчүлүк алган сайын башкаруу көйгөйү бир эле модель чыгышын контролдоодон көп кадамдуу иш агымынын жүрүм-турумун контролдоого өтөт.
Өндүрүш системасы жеке маалыматты тарта алат, талдоо куралдарын чакырат, сунуш түзөт, код иштетет, колдонуучу менен байланыша алат жана чыгышын башка системаларга өткөрөт. Мындай архитектурада “модель эмне үчүн бул жоопту берди?” деген суроого гана жооп берген модель деңгээлиндеги түшүндүрүлүүчүлүк жетишсиз.
Булакта баса белгиленген тобокелдиктерге hallucination, prompt injection, retrieval contamination, туруксуз чыгыштар, модель жаңыртуулары, маалыматтын агып кетиши жана курал колдонуу уруксаттары кирет. Келечектеги изилдөөлөр үчүн финансыга багытталган модель карталары, retrieval provenance, audit log'дору, human-in-the-loop escalation, adversarial testing, сценарийге негизделген stress testing жана агент аракеттеринде ачык жоопкерчилик механизмдери сунушталат.
Изилдөө колдогон жыйынтыктар
- 2023–2025-жылдардагы Scopus корпусунда GenAI–финансы басылмалары өтө тез өскөн.
- Корпус конференцияларга күчтүү басым жасайт.
- LLM, GenAI, ChatGPT, NLP, маанай талдоосу жана машиналык окутуу концептуалдык өзөктө калууда.
- Портфель башкаруу, сандык соода, governance, RAG/agents жана blockchain/DeFi барган сайын көрүнүктүү болууда.
- Robo-advisory портфель/инвестиция изилдөөлөрүнүн көлөмүнө салыштырмалуу ачык аз көрсөтүлгөн.
- Эсептөөчү лингвистика/машиналык окутуу басылма экосистемасы менен колдонмо финансылык AI экосистемасынын ортосунда байланыш бар, бирок толук структуралык интеграция жок.
- Корпустун ичиндеги түз шилтеме тарыхы дагы эле тайыз жана тармактын канондук түзүлүшү калыптануу баскычында.
- Жоопкерчиликтүү AI жана башкаруу талкуусу борборлошуп жатканда айрым колдонмолуу техникалык контролдоо тармактары эрте баскычта.
Изилдөө колдобогон жыйынтыктар
- GenAI колдонгон инвестициялык стратегиялар автоматтык түрдө көбүрөөк кирешелүү деп тыянак чыгарууга болбойт.
- LLM негизиндеги соода системалары соода чыгымдарынан кийин оң alpha түзөрү далилденген эмес.
- GenAI robo-advisory системалары адамдардан же учурдагы robo-advisory системаларынан коопсузураак экени көрсөтүлгөн эмес.
- RAG колдонуу финансылык тактыкты бардык шарттарда жогорулатары далилденген эмес.
- Agentic AI блокчейн же DeFi үстүндө коопсуз түрдө автономдуу операция жасай алары көрсөтүлгөн эмес.
- Ачкыч сөздөрдүн жыштыгынын өсүшү технологиянын реалдуу дүйнөдөгү ийгилигине же кабыл алыныш деңгээлине барабар эмес.
- Библиометрикалык кластерлер себептик мамилелер эмес.
- Өлкө кездешүүлөрүнүн саны изилдөө сапатынын же уникалдуу басылма санынын рейтинги эмес.
Изилдөөнүн негизги чектөөлөрү
1. Бир гана маалымат базасы: Изилдөө Scopusка таянат. Scopusта жок working paperлар, техникалык repository материалдары, SSRN изилдөөлөрү, өнөр жай изилдөөлөрү же башка маалымат базаларында индекстелген басылмалар жетишпей калышы мүмкүн.
2. W/15 кемчиликсиз тармак фильтри эмес: Жакындык суроосу жөнөкөй Boolean суроосуна караганда тандоочураак болгону менен, финансыга кыйыр гана байланышкан айрым көп тармактуу жазуулар корпуска кириши мүмкүн. Булак муну өзгөчө глобалдык шилтеме рейтингинде көрүнүктүү кылат.
3. Убакыт терезеси үч жыл гана: Тематикалык аймактар, тармак борбордуулугу жана bibliographic coupling түзүлүштөрү адабият өскөн сайын өзгөрүшү мүмкүн. Жыйынтыктар узак мөөнөттүү туруктуу түзүлүштүн далили эмес.
4. 2025-жылдагы басылмалардын шилтеме мөөнөтү кыска: Эрте жылдар шилтеме алууга узагыраак убакытка ээ болгондуктан чийки шилтеме салыштыруусу жаңы басылмаларды начар абалга коёт.
5. Автор инсандыгын ажыратуу кемчиликсиз эмес: Scopusтагы кыскартылган аттар бирдей аттуу адамдарды бириктириши же бир адамдын жазууларын бөлүп салышы мүмкүн.
6. Өлкө көрсөткүчү документ саны эмес: Колдонулган өлчөм автор–өлкө кездешүүсү; көп улуттуу жана көп авторлуу изилдөөлөрдөн улам жалпы сан 695тен ашышы мүмкүн.
7. Ачкыч сөздөрдү гармонизациялоо изилдөөчү чечимин камтыйт: Изилдөө агрессивдүү семантикалык бириктирүүдөн качып, чийки талааларды сактаганы менен синонимдерди шайкештөө толук чечмелөөсүз процесс эмес.
8. Стратегиялык фронт көрсөткүчү latent-topic модели эмес: Фронт көзөмөлдөөчүсү алдын ала аныкталган финансыга байланыштуу терминдердин автор жана индекс ачкыч сөздөрүндөгү кездешүүлөрүн санайт. Ошондуктан маанилер “тармакта канча изилдөө бар?” деген суроонун кемчиликсиз жообу эмес, багыт жана салыштырмалуу масштаб көрсөткүчү.
Булак сунуштаган кийинки ыкмалардын арасында динамикалык topic моделдер, embedding негизиндеги clustering, citation-context analysis жана supervised document classification аркылуу ошол эле өтүүнү кайра текшерүү бар.
Жалпы илимий чечмелөө
Изилдөө көрсөткөн көрүнүш — финансыдагы генеративдик жасалма интеллект “LLM финансылык текст тапшырмасын аткара алабы?” деген суроодон “LLM финансылык чечим системасынын компоненти болгондо бүт система кантип долбоорлонушу керек?” деген суроого өтө баштаганы. Бул өтүүдө модель мүмкүнчүлүгү жалгыз жетишсиз. Финансылык баалуулук тармактык билим, текшериле турган тышкы маалымат, оптималдаштыруу, тобокелдик чектери, адам көзөмөлү, аткаруу инфраструктурасы, рынок микро түзүлүшү жана жөнгө салуучу жоопкерчилик менен бирге бааланышы керек.
Библиометрикалык далил тармак али толук калыптанган теориялык алкакка ээ эмес экенин да көрсөтөт. Компьютердик илимдер менен финансы колдонмосунун байланышы күчөп жатат; бирок benchmarkтар, жалпы маалымат топтомдору, узун шилтеме чынжырлары жана финансы теориясы менен системалуу байланыштар дагы эле өнүгүү баскычында. Ошондуктан басылмалардын тез өсүшү менен илимий жетилүү бир эле түшүнүк катары колдонулбашы керек.
Булак жана Ыкма Жөнүндө Эскертүү
Түпнуска изилдөө: Generative AI in Finance: Mapping the Emerging Convergence of Quantitative Trading, Robo-Advisory, and Blockchain Markets
Автор: Ngo Phu Thanh. Журналдын онлайн metadata барагы атты “Phu Thanh Ngo” иретинде көрсөтөт; бул Verianla текстинде түпнуска PDFдеги автор жазылышы сакталган.
Мекеме: University of Economics and Law, Vietnam National University, Ho Chi Minh City, Vietnam.
ORCID: 0000-0002-9174-4747 (расмий журнал metadata жазуусунда).
Corresponding author: Булак PDF бир авторлуу изилдөөдө автордун байланыш маалыматын берет; өзүнчө “corresponding author” белгиси ачык көрсөтүлгөн эмес. Ошондуктан кошумча жооптуу автор статусу божомолдонгон эмес.
Журнал: Journal of Corporate Finance Research.
Бөлүм: New Research.
Негиздөөчү/басылма платформасы: National Research University Higher School of Economics (NRU HSE) жүргүзгөн Journal of Corporate Finance Research.
Том / сан / барактар: 20(3), 21–48.
Басылма жылы: 2026.
Расмий онлайн жарыя датасы: 30 октябрь 2026.
Жөнөтүлгөн: 26 ноябрь 2025.
Рецензиядан кийинки бекитүү датасы: 7 апрель 2026.
Кабыл алынган датасы: 29 июнь 2026.
Рецензиялоо: Рецензияланган журнал макаласы. Journal of Corporate Finance Research расмий редакциялык саясатында эки тараптуу жашыруун рецензия колдонуларын билдирет.
DOI: 10.17323/j.jcfr.2073-0438.20.3.2026.21-48
Расмий басылма барагы: https://cfjournal.hse.ru/en/article/view/29886
JEL классификациясы: G34. Бул код булакта ушундай берилген; Verianla тарабынан өзгөртүлгөн эмес.
Булак түрү: Библиометрикалык талдоо жана илим карталоо жүргүзгөн рецензияланган изилдөө макаласы. Изилдөө инвестициялык стратегия backtestи, көзөмөлдөнгөн эксперимент, рынок симуляциясы же себептик финансылык натыйжалуулук талдоосу эмес.
Маалымат булагы: Scopusтан 2026-жылдын августунда алынган, 2023–2025-жылдарга тиешелүү англис тилиндеги 695 жазуу жана 45 metadata талаасы.
Негизги программалык камсыздоо: R чөйрөсүндөгү bibliometrix пакети.
Негизги ыкмалар: Натыйжалуулук талдоосу, кызматташтык тармагы, co-word талдоосу, тематикалык карта, MCA, CA туруктуулук көрүнүшү, булак деңгээлиндеги bibliographic coupling, историографиялык түз шилтеме талдоосу, үч талаа талдоосу жана стратегиялык изилдөө фронтун көзөмөлдөө.
Каржылоо: Изилдөө University of Economics and Law, Vietnam National University Ho Chi Minh City, Vietnam тарабынан каржыланган.
Кызыкчылыктардын кагылышы: Каралган булак PDFде өзүнчө кызыкчылыктардын кагылышы тууралуу билдирүү табылган эмес; ошондуктан “кызыкчылыктардын кагылышы жок” деген божомол жасалган эмес.
Маалымат жеткиликтүүлүгү: Булак Scopus экспортунда 695 жазуу жана 45 metadata талаасы бар экенин билдирет; каралган PDFде өзүнчө ачык data repository шилтемеси же көз карандысыз data-availability statement табылган эмес.
Автор салымдары / CRediT: Булак бир авторлуу; каралган PDFде өзүнчө CRediT ролдорун бөлүштүрүү берилген эмес.
Лицензия боюнча маанилүү карама-каршылык: Булак PDFдин биринчи барагы макаланы Creative Commons Attribution 4.0 International (CC BY 4.0) деп көрсөтөт. Ал эми журналдын учурдагы расмий макала барагы Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) деп көрсөтөт. Бул карама-каршылык Verianla тарабынан унчукпай чечилди деп эсептелген эмес. Автордук укук коопсуздугу үчүн көбүрөөк чектөөчү учурдагы расмий жазуу негиз катары алынган; булак сүрөттөрүнүн же таблица түзүлүштөрүнүн ылайыкташтырылган көчүрмөлөрү колдонулган эмес.
Пикир калтырыңыз
E-mail дарегиңиз жарыяланбайт. Милдеттүү талаалар * менен белгиленген