Akademik tadqiqotlar, tushunarli til

Verianla | O‘zbekcha akademik tadqiqotlar va ilm-fan

19 Noyabr 2026, Payshanba
VERİANLA Mustaqil ilmiy nashriyot
Menyuni ochish yoki yopish
...
Bosh sahifa / Ijtimoiy fanlar / Moliyaviy iqtisodiyot / Moliyada Generativ Sun’iy Intellekt: Miqdoriy Savdo, Robo-Maslahatchilik va Blokcheyn Bozorlarida Yuzaga Kelayotgan Yaqinlashuvni Xaritalash
Moliyaviy iqtisodiyot

Moliyada Generativ Sun’iy Intellekt: Miqdoriy Savdo, Robo-Maslahatchilik va Blokcheyn Bozorlarida Yuzaga Kelayotgan Yaqinlashuvni Xaritalash

Moliyada generativ sun’iy intellekt (Generative Artificial Intelligence, GenAI) tadqiqot sohasi katta til modellari va boshqa generativ sun’iy intellekt yondashuvlarining moliyaviy axborotni qayta ishlash, investitsiya, portfel boshqaruvi, savdo, maslahat, tartibga solish va dasturlashtiriladigan moliya tizimlari bilan qanday uyg‘unlashishini o‘rganadigan tez rivojlanayotgan tadqiqot sohasidir.

19/11/2026  Veri Anla  27 marta ko‘rildi
Moliyada Generativ Sun’iy Intellekt: Miqdoriy Savdo, Robo-Maslahatchilik va Blokcheyn Bozorlarida Yuzaga Kelayotgan Yaqinlashuvni Xaritalash

Moliyada generativ sun’iy intellekt (Generative Artificial Intelligence, GenAI) tadqiqot sohasi, katta til modellari va boshqa generativ sun’iy intellekt yondashuvlarining moliyaviy axborotni qayta ishlash, investitsiya, portfel boshqaruvi, savdo, maslahat, tartibga solish va dasturlashtiriladigan moliya tizimlari bilan qanday uyg‘unlashishini o‘rganadigan tez rivojlanayotgan tadqiqot sohasidir. Ngo Phu Thanhning tadqiqoti ushbu sohadagi biror investitsiya strategiyasining rentabelligini sinash o‘rniga, 2023–2025 davridagi ilmiy adabiyot qanday o‘sgani, qaysi tushunchalar atrofida tashkil topgani va qaysi tadqiqot frontlariga yo‘nalganini bibliometrik ilmiy xaritalash orqali o‘rganadi. 2026-yil avgustida Scopus’dan olingan 695 ta ingliz tilidagi nashr R muhitidagi bibliometrix paketi yordamida samaradorlik tahlili, hamkorlik tarmoqlari, hamso‘z tahlili, tematik xaritalash, konseptual tuzilma tahlili, bibliografik bog‘lanish va to‘g‘ridan-to‘g‘ri iqtibos aloqalari nuqtayi nazaridan baholangan.

Eng ko‘zga tashlanadigan miqdoriy natija — sohaning juda qisqa vaqt ichida o‘sishidir: korpusdagi nashrlar soni 2023-yildagi 46 tadan 2024-yilda 181 taga, 2025-yilda esa 468 taga yetgan. Shunday qilib, uch yillik korpusning taxminan %67,3 qismi faqat 2025-yil nashrlaridan iborat. Biroq tadqiqot nashrlar sonining tez o‘sishini sohaning ilmiy jihatdan yetilganiga dalil deb hisoblamaydi. Nashrlarning muhim qismi konferensiya materiallaridir; to‘g‘ridan-to‘g‘ri iqtibos zanjirlari hanuz qisqa va kompyuter fanlari/til texnologiyalari bilan amaliy moliya tadqiqotlari o‘rtasida to‘liq integratsiya shakllanmagan.

Tadqiqot generativ sun’iy intellekt–moliya adabiyoti faqat ChatGPT yoki matn tasnifi atrofida qolmaganini ko‘rsatadi. Katta til modellari, generativ sun’iy intellekt, tabiiy tilni qayta ishlash va sentiment tahlili hanuz konseptual yadro bo‘lib turgan bir paytda, portfel boshqaruvi, miqdoriy/algoritmik savdo, retrieval-augmented generation (RAG), agentic AI, mas’uliyatli sun’iy intellekt, blokcheyn, markazlashmagan moliya (DeFi) va moliyaviy tartibga solish tobora ko‘rinarlashmoqda. Bunga qarama-qarshi ravishda robo-maslahatchilik portfel va investitsiya tadqiqotlaridagi o‘sishga nisbatan sezilarli darajada kichik tadqiqot izini qoldirmoqda.

Tadqiqotning eng muhim talqin chegarasi shuki: ushbu bibliometrik natijalar GenAI asosidagi savdo tizimi foydali ekanini, robo-maslahatchi ishonchli ekanini yoki LLM moliyaviy qarorlarni insonlardan yaxshiroq qabul qilishini isbotlamaydi. Tadqiqot ilmiy adabiyotning tuzilishi va yo‘nalishini xaritalaydi; haqiqiy iqtisodiy samaradorlik, savdo xarajatlari, kechikish, bozor ta’siri, investor farovonligi, tizimli xavf va tartibga solish xavfsizligi uchun alohida to‘g‘ridan-to‘g‘ri empirik tasdiqlash talab qilinadi.

Tadqiqot hal qilishga urinayotgan asosiy muammo

Generativ sun’iy intellekt bilan moliyaning kesishmasi bitta fan doirasida rivojlanmayapti. Ayni mavzu moliya jurnallarida, hisoblash lingvistikasi konferensiyalarida, sun’iy intellekt va mashinaviy o‘qitish nashrlarida, axborot tizimlari adabiyotida hamda FinTech tadqiqotlarida turli terminlar bilan ko‘rib chiqilishi mumkin. Bir tadqiqot “large language model”, boshqasi “ChatGPT”, “foundation model”, “financial NLP”, “sentiment trading”, “RAG”, “agentic AI” yoki “AI-enabled portfolio management” terminlaridan foydalanishi mumkin. Ushbu terminologik tarqoqlik faqat klassik narrativ sharh o‘tkazilganda sohaning ko‘lami va strukturaviy heterogenligi to‘liq ko‘rinmasligiga olib kelishi mumkin.

Shu sababli tadqiqot yondashuvi alohida maqolalarni “qaysi biri yaxshiroq?” deb tartiblash emas, balki adabiyotning tuzilishini xaritalashdir. Tadqiqot uchta asosiy savolga e’tibor qaratadi: 2023–2025 oralig‘ida ilmiy ishlab chiqarish, nashr kanallari, mualliflar, muassasalar, mamlakatlar va iqtibos profili qanday o‘zgargan; sohaning konseptual tuzilishi qaysi kalit so‘z va tema klasterlari atrofida tashkil topgan; hamda adabiyot miqdoriy savdo, portfel/investitsiya, RAG va agent tizimlari, boshqaruv, robo-maslahatchilik va blokcheyn/DeFi kabi moliyaga yanada chuqur singgan tadqiqot frontlariga tomon yaqinlashyaptimi?

Nega bu tadqiqot klassik tizimli sharh o‘rniga bibliometrik ilmiy xaritalashdan foydalanadi?

Bibliometrik ilmiy xaritalash bu yerda alohida tadqiqotlarning klinik yoki iqtisodiy ta’sir kattaliklarini birlashtirish uchun emas, 695 ta nashrning ishlab chiqarilish tezligi, tushunchalari, hamkorlik aloqalari, umumiy manbalari, iqtibos zanjirlari va tematik yo‘nalishini birgalikda ko‘rinadigan qilish uchun ishlatilgan. Manba tadqiqot ushbu korpusni qo‘lda birma-bir saralangan tor tizimli sharh sifatida emas, GenAI–moliya chegarasini yuqori sezgirlik bilan qamrab olishga urinadigan keng ilmiy xarita sifatida ta’riflaydi.

Scopus korpusi qanday yaratildi?

Ma’lumotlar 2026-yil avgustida Scopus’dan olingan. Nashr oynasi 2023–2025 bilan cheklangan. Buning sababi 2026-yil hali tugallanmagan nashr yili bo‘lishi va qisman yil ko‘rsatkichlari yillik taqqoslashni buzishi mumkinligidir. Qidiruv faqat sarlavhada emas, Scopus’ning TITLE-ABS-KEY maydonida, ya’ni sarlavha, annotatsiya va kalit so‘z maydonlarida olib borilgan.

ElementManbada bildirilgan amaliyotIlmiy ma’nosi
Ma’lumotlar bazasiScopusTadqiqotning bibliometrik olami faqat Scopus’da qamrab olingan yozuvlardan iborat.
Qidiruv sanasi2026-yil avgustIqtibos va indeks ma’lumotlari ma’lumotlar bazasining shu davrdagi holatini aks ettiradi.
Nashr davri2023–2025ChatGPT’dan keyingi tez kengayish o‘rganilayotganda to‘liq bo‘lmagan 2026-yil hisobga olinmagan.
Qidiruv maydoniTITLE-ABS-KEYSarlavha, annotatsiya va kalit so‘zlar birgalikda qidirilgan.
Yaqinlik qoidasiGenAI termin bloki W/15 moliya termin blokiSun’iy intellekt va moliya tushunchalarining bir yozuv ichida aloqasiz joylarda uchrashishi xavfini kamaytirishni maqsad qiladi.
TilIngliz tiliBoshqa tillardagi adabiyot korpusdan tashqarida qolishi mumkin.
Yakuniy eksport695 hujjatTadqiqotning barcha miqdoriy xaritalari shu hujjatlar asosida tuzilgan.
Metadata45 maydonMuallif, sarlavha, yil, manba, iqtibos, DOI, affiliatsiya, annotatsiya, kalit so‘z, bibliografiya va shunga o‘xshash maydonlardan foydalanilgan.

Scopus qidiruvidagi W/15 operatori nimani anglatadi?

W/15 GenAI bilan bog‘liq terminning moliyaga oid terminlardan biriga 15 so‘zlik yaqinlik ichida joylashishini talab qiladigan Scopus yaqinlik qoidasidir. Maqsad faqat “AI” va “finance” so‘zlarining ayni yozuvning bir-biridan uzoq ikki nuqtasida uchrashishini yetarli deb hisoblamaslik va ikki tushuncha blokining bir kontekstda ishlatilish ehtimolini oshirishdir; biroq tadqiqot bu qoida moliyadan tashqari yozuvlarni butunlay yo‘q qilmasligini aniq ta’kidlaydi.

GenAI tomonidagi qidiruv bloki generative artificial intelligence, generative AI, GenAI, large language model(s), LLM(s), ChatGPT va foundation model(s) kabi ifodalarni qamrab oladi. Moliya tomoni esa finance va financial services bilan birga financial market, banking, fintech, asset/wealth management, portfolio management, investment management, algorithmic/quantitative trading, robo-advisory, decentralized finance va blockchain kabi terminlarni o‘z ichiga oladi.

695 yozuvning ma’lumot nazorati

Eksport qilingan 695 yozuvning 616 tasida DOI borligi va ushbu DOIlar orasida takroriy DOI yo‘qligi xabar qilingan. Shu bilan birga normallashtirilgan sarlavhalarda beshta takror belgilangan. Tadqiqotchi bu beshta sarlavhani avtomatik o‘chirmagan; chunki bir xil yoki juda o‘xshash sarlavha konferensiya maqolasi, kitob bobi, proceedings versiyasi yoki konferensiya old materiallari kabi turli bibliografik obyektlarni ifodalashi mumkin. Shu sababli tadqiqotning hujjatlashtirilgan asosiy korpusi 695 yozuv sifatida saqlangan.

Bu nuqta muhim: korpus yuqori qamrovli soha xaritasidir; qo‘lda sarlavha/annotatsiya ko‘rib chiqish orqali faqat sof moliyaviy maqolalardan tuzilgan tor tizimli sharh emas. Eng ko‘p iqtibos olingan yozuvlar orasida ta’lim yoki kimyo kabi boshqa fanlardan ayrim yuqori iqtibosli tadqiqotlar mavjudligi yaqinlik so‘rovi sohadan tashqari kirib kelishni to‘liq to‘sib qo‘ya olmasligini ko‘rsatadi.

Nega kalit so‘zlar uyg‘unlashtirildi?

Ayni tushuncha ma’lumotlar bazasida turli shakllarda yozilishi mumkin. Masalan, “generative AI”, “GenAI” va “generative artificial intelligence” bir xil asosiy tushunchani ifodalaydi. Xuddi shuningdek, “LLM”, “LLMs”, “large language model” va “large language models” alohida sanalsa, aslida bitta tadqiqot temasining ko‘rinarliligi sun’iy ravishda kamayadi. Shu sababli tadqiqot GenAI, LLM, NLP, RAG, fintech, blockchain, DeFi, robo-advisory, explainable AI va machine learning kabi tushunchalarda ehtiyotkor sinonim uyg‘unlashtirishini qo‘llagan.

Shu bilan birga xom maydonlar o‘chirilmagan. DE, mualliflarning o‘zlari bergan kalit so‘zlarni; ID esa Scopus indekslash kalit so‘zlarini ifodalaydi. Tadqiqot bu ikki qatlamni alohida tahlil qilib, mualliflarning tadqiqotlarini qanday ta’riflashi bilan ma’lumotlar bazasining ularni kengroq fanlararo kontekstda qanday indekslashini aralashtirmagan.

Nega association-strength normallashtirishi ishlatildi?

Birgalikda uchrashish tarmog‘ida juda tez-tez uchraydigan termin faqat ko‘p ishlatilgani uchun deyarli har bir termin bilan yuqori xom bog‘lanish soniga ega bo‘lishi mumkin. Tadqiqotda ishlatilgan association-strength normallashtirishi bunday keng tarqalgan terminlarning faqat chastota sababli tarmoqda hukmron bo‘lishini kamaytirish uchun qo‘llangan. Shu bois tarmoq vizualida “large language models” kabi nihoyatda tez-tez uchraydigan tushunchaning geometrik jihatdan chetda ko‘rinishi uning ahamiyatsizligini anglatmaydi; chastota grafiklari va normallashtirilgan munosabat tarmog‘i turli savollarga javob beradi.

Louvain hamjamiyatlari nimani ko‘rsatadi?

Louvain hamjamiyatlarni aniqlash usuli hammualliflik va tushuncha tarmoqlarida bir-biri bilan zichroq bog‘langan tugunlarni vizual guruhlarga ajratishga yordam berish uchun ishlatilgan. Manba tadqiqot bundan qat’iy va o‘zgarmas fan taksonomiyasi sifatida emas, balki tarmoqdagi klasterlashuvni ko‘rinadigan qiladigan guruhlash vositasi sifatida foydalanadi. Zaif bog‘lanishlar faqat shakllarning o‘qilishini yaxshilash uchun bostirilgan, asosiy analitik matritsalar saqlangan.

Manba tadqiqotning metod bosqichlariga asoslanib Verianla uchun tayyorlangan mustaqil tushuntiruvchi sxema. Manbadagi biror rasmning vizual tuzilishi ko‘chirilmagan; sxema masshtabsiz.

Tadqiqotda qaysi tahlil qatlamlari ishlatilgan?

Tahlil qatlamiBeradigan asosiy savolManbada ishlatilgan chiqish
Samaradorlik tahliliSoha qanchalik va qayerda o‘smoqda?Yillik nashr, hujjat turi, manba, muallif, muassasa, mamlakat va iqtibos ko‘rsatkichlari
Hamkorlik tahliliMamlakatlar va tadqiqotchilar qanday bog‘lanadi?Mamlakatlar hamkorligi va hammualliflik tarmoqlari
Hamso‘z tahliliQaysi tushunchalar birgalikda paydo bo‘ladi?Kalit so‘z chastotasi, vaqt zichligi va birgalikda uchrashish tarmog‘i
Tematik xaritalashTema soha bilan qanchalik bog‘langan va o‘z ichida qanchalik rivojlangan?Motor, asosiy, nish va paydo bo‘layotgan/pasayayotgan tema hududlari
Konseptual tuzilmaTerminlar kengroq qaysi semantik qutblarda guruhlanadi?Multiple Correspondence Analysis (MCA) va Correspondence Analysis (CA)
Bibliografik couplingAyni manbalarga tayangan nashr kanallari qaysi tadqiqot frontlarini shakllantiradi?Manba darajasidagi umumiy referens hamjamiyatlari
Historiografik xaritalashKorpus ichidagi to‘g‘ridan-to‘g‘ri iqtibos zanjiri qanchalik rivojlangan?Tarixiy to‘g‘ridan-to‘g‘ri iqtibos tarmog‘i
Uch maydon tahliliMamlakat, tema va nashr kanali qanday o‘zaro bog‘lanadi?Alluvial/Sankey turidagi mamlakat–kalit so‘z–manba aloqalari
Tematik evolyutsiya2023–2024 dan 2025 ga tushunchalarning o‘rni qanday o‘zgarmoqda?Davriy tema xaritalari va tema oqimlari
Strategik front kuzatuvchisiMoliya nuqtayi nazaridan tanlangan tadqiqot yo‘nalishlari qaysi tomonga o‘smoqda?Miqdoriy savdo, portfel, robo-maslahatchilik, blockchain/DeFi, governance/XAI va RAG/agents terminlari soni

Markaziy matematik formula bormi?

Ushbu tadqiqot yangi narxlash modeli, portfelni optimallashtirish tenglamasi yoki mashinaviy o‘qitish yo‘qotish funksiyasini taklif qilmaydi. Manbada W/15 qidiruv mantig‘i, association-strength normallashtirishi, Louvain, MCA va CA kabi usullarning nomlari va ilmiy vazifalari berilgan; biroq ularning matematik chiqarilishi yoki ochiq tenglamalari maqolaning usuli sifatida yozilmagan. Shu sababli manbada mavjud bo‘lmagan formulalar Verianla bayoniga qo‘shilmagan. Xuddi shuningdek, tadqiqotda p qiymati, ishonch oralig‘i yoki ta’sir kattaligiga asoslangan gipoteza testi hisobot qilinmagani uchun bunday statistika yaratilmagan.

Nashrlar sonidagi o‘sish qanchalik kuchli?

Korpusda 2023 uchun 46, 2024 uchun 181 va 2025 uchun 468 hujjat mavjud. Manba 2024 soni 2023 ga nisbatan %293,5; 2025 soni esa 2024 ga nisbatan %158,6 yuqori ekanini bildiradi. Uch yillik jami nashrlarning %6,6 qismi 2023, %26,0 qismi 2024 va %67,3 qismi 2025 yilga to‘g‘ri keladi.

YilHujjatlar soniKorpusdagi ulushTalqin chegarasi
202346%6,6Post-ChatGPT davrining ilk yili
2024181%26,02023 ga nisbatan %293,5 ko‘proq nashr
2025468%67,32024 ga nisbatan %158,6 ko‘proq nashr
Manba tadqiqotda hisobot qilingan 46, 181 va 468 hujjat qiymatlaridan Verianla uchun mustaqil ravishda qayta chizilgan. Manba 1-rasmning vizual dizayni ko‘chirilmagan.

Iqtiboslar sonining pasayishi nega bevosita sifat pasayishi sifatida talqin qilinmasligi kerak?

2023-yil nashrlarining bir hujjatga o‘rtacha iqtibos soni 56,6; 2024-yilniki 15,6; 2025-yilniki esa 5,1 deb hisobot qilingan. Biroq 2025-yil nashrlarida iqtibos to‘plash uchun ancha kam vaqt bo‘lgan. Shu sababli tadqiqot yangi nashrlarning past o‘rtacha iqtibos qiymatini ilmiy sifat pasayishi deb talqin qilmaydi; asosiy izoh iqtibosga ta’sirlanish muddatidir. Bu, shuningdek, xom iqtibos reytinglari dastlabki post-ChatGPT nashrlarini va keng ko‘lamli multidissiplinar sharhlarni tizimli ravishda ustun holatga qo‘yishi mumkinligini anglatadi.

Nega soha “konferensiya og‘irlikli” deb ta’riflanadi?

Hujjat turiSoniManbada bildirilgan ulush
Konferensiya maqolasi380%54,7
Jurnal maqolasi170%24,5
Kitob bobi70%10,1
Konferensiya to‘plami/review33%4,7
Sharh24%3,5
Kitob15%2,2
Qayd2Manba foiz bermaydi
Qisqa survey1Manba foiz bermaydi

Konferensiya maqolalari korpusning yarmidan ko‘pini tashkil qilishi texnik komponentlari juda tez o‘zgaradigan tadqiqot sohasi uchun tabiiydir. RAG, agentic AI, fine-tuning va yangi moliyaviy benchmarklar kabi texnik mavzular konferensiya ekotizimiga tez kirishi mumkin. Biroq tadqiqot buning ikkinchi tomonini ham ta’kidlaydi: konferensiya og‘irlikli tez tarqalish moliya nazariyasi bilan integratsiya va uzoq muddatli empirik tasdiqlash ham ayni tezlikda bo‘lishini anglatmaydi.

Nashr ekotizimi haqiqatan moliya jurnallaridan iboratmi?

Yo‘q. Tadqiqotning muhim topilmalaridan biri GenAI–moliya adabiyotining ikki nashr madaniyati o‘rtasida taqsimlanganidir. Association for Computational Linguistics yillik yig‘ilishi proceedings’i 16 yozuv bilan eng ko‘p uchraydigan manba deb hisobot qilingan. Lecture Notes in Networks and Systems 13; Finance Research Letters, ICAIF 2025 va Communications in Computer and Information Science 12 tadan; ICAIF 2024 va Lecture Notes in Computer Science esa 10 tadan yozuv bilan ajralib turadi.

Bu taqsimot sohani faqat “moliya jurnallaridagi sun’iy intellekt” deb ta’riflab bo‘lmasligini ko‘rsatadi. Bir nashr madaniyati til modellashtirish, retrieval, baholash va hisoblash usullariga; ikkinchisi esa portfel, savdo, moliyaviy institutlar va qaror vazifalariga yaqinroq.

Muallif, muassasa va mamlakat tuzilishi

Mualliflik juda tarqoq. Scopus metadata-sida “Y. Li” 13 ta nashr bilan eng samarali muallif identifikatori; biroq tadqiqot qisqartirilgan ismlar turli shaxslarni birlashtirishi yoki ayni shaxs yozuvlarini bo‘lib yuborishi mumkinligi haqida aniq ogohlantiradi. Shu sababli bunday muallif reytinglari shaxs darajasida aniq identifikatsiya reytingi sifatida ko‘rilmasligi kerak.

Muassasa darajasida University of Oxford 10 yozuv bilan birinchi o‘rinda. University of Cambridge, Tianjin University, Hong Kong University of Science and Technology, Renmin University of China va Old Dominion University beshtadan yozuv bilan qayd etilgan. Tadqiqotchi bu taqsimotni sohani bitta institutsional markaz nazorat qilmayotgani va tadqiqot salohiyati ko‘proq tarqalganligi sifatida talqin qiladi.

MamlakatMuallif–mamlakat uchrashiMuhim talqin chegarasi
Amerika Qo‘shma Shtatlari359Bular noyob hujjatlar soni emas. Bir nechta muallif/mamlakat hissasi sababli jami korpus hajmidan oshishi mumkin.
Xitoy252
Hindiston245
Birlashgan Qirollik97
Kanada46
Koreya44
Avstraliya40

Mamlakatlar hamkorligi tarmog‘i AQSh, Xitoy, Birlashgan Qirollik, Kanada, Avstraliya, Koreya, Yaponiya, Singapur va Gonkongni o‘z ichiga olgan zich markaziy hamjamiyatni ko‘rsatadi. Hindiston esa ushbu yadro bilan Malayziya, Indoneziya, Iordaniya, Ummon, Bangladesh, Qatar, Iroq va Birlashgan Arab Amirliklari kabi mamlakatlar joylashgan boshqa hamjamiyat o‘rtasida ko‘prik vazifasida ko‘rinadi. Bu natija geografik hamkorlik tuzilishini tasvirlaydi; mamlakatlarning tadqiqot sifati bo‘yicha reytingi emas.

Xom iqtibos soni nega “moliya nuqtayi nazaridan eng muhim tadqiqot” degani emas?

Korpusdagi eng yuqori global iqtibosli yozuvlar reytingi fanlararo tadqiqotlarning ta’sirini yaqqol ko‘rsatadi. Tadqiqotdagi ma’lumot olingan vaqtdagi reytingda keng qamrovli GenAI tadqiqoti 579, FinBERT 548, Dowling va Luceyning moliyaviy tadqiqoti 491, yuqori iqtibosli ta’lim tadqiqoti 456 va moliya sohasidagi LLM survey’i 310 iqtibos bilan yuqori o‘rinlarda. Ta’lim kabi to‘g‘ridan-to‘g‘ri moliyaga aloqador bo‘lmagan yozuvning yuqori o‘rinlarga chiqishi global iqtibos sonini moliyaga xos intellektual ahamiyat bilan tenglashtirmaslik kerakligini ko‘rsatadi.

Sohani qaysi kalit so‘zlar olib bormoqda?

Kalit so‘zHujjat soni / uchrash
Large language models248
Generative artificial intelligence136
Artificial intelligence88
ChatGPT71
Finance50
Natural language processing46
Sentiment analysis39
Fintech38
Machine learning36
Retrieval-augmented generation26
Portfolio management12
Explainable AI12
Algorithmic trading9
Financial forecasting8
Blockchain8

Scopus indeks kalit so‘zlari boshqacha manzarani beradi. Investments 81; financial markets va finance 73 tadan; decentralized finance 67; electronic trading 41; banking 35 va regulatory compliance 34 uchrash bilan ajralib turadi. Muallif kalit so‘zlari model va metod tiliga, Scopus indeks terminlari esa amaliy kontekstlarga kengroq o‘rin berishi DE va ID maydonlarini alohida saqlash nega muhimligini ko‘rsatadi.

Vaqt davomida qaysi tushunchalar tezlashmoqda?

Tushuncha202320242025Manbaga tayangan talqin
Large language models1174163Texnologik yadroning tez o‘sayotganini ko‘rsatadi.
Generative artificial intelligence53695GenAI yorlig‘ining tez tarqalayotganini ko‘rsatadi.
RAG04222025-yilda retrieval asosidagi arxitekturalar aniqroq ko‘rina boshlaganini ko‘rsatadi.
Sentiment analysis4827Sentiment tahlili o‘sishni davom ettirayotganini ko‘rsatadi.
Machine learning11124Kengroq ML aloqasi ham kuchayayotganini ko‘rsatadi.
Banking374Umumiy nashr o‘sishiga parallel miqyoslanmagan.

Tadqiqot bu ajralishni sohaning dastlabki “banking/chatbot” doirasidan bozor, investitsiya, retrieval va model boshqaruvi ilovalariga tomon kengayishi bilan bog‘laydi.

Umumiy kalit so‘zlar tarmog‘i qaysi uchta katta bilim hamjamiyatini ko‘rsatadi?

Texnologiya va boshqaruv hamjamiyati; generative AI, responsible AI, trustworthy AI, explainable AI, prompt engineering, portfolio management va data privacy tushunchalarini bog‘laydi. Miqdoriy usullar hamjamiyati; natural language processing, sentiment analysis, algorithmic trading, machine learning, deep learning, financial forecasting va fraud detection terminlarini birlashtiradi. Moliyaviy xizmatlar hamjamiyati esa finance, fintech, banking, ChatGPT, artificial intelligence, security, risk assessment va financial services atrofida shakllanadi. Fine-tuning, cybersecurity va healthcare atrofida kichikroq texnik quyi hamjamiyat ham ko‘rinadi.

Bu tuzilma GenAI–moliya adabiyoti endi bitta foydalanish oilasidan iborat emasligini ko‘rsatadi. Manba talqiniga ko‘ra kamida uch qatlam birgalikda rivojlanmoqda: asosiy model texnologiyalari, moliyaviy prognoz/savdo usullari va institutsional/boshqaruv ilovalari.

Tematik xaritadagi “motor”, “asosiy”, “nish” va “paydo bo‘layotgan” tema nimani anglatadi?

Tematik xarita ikki o‘qdan foydalanadi: markaziylik temaning umumiy soha bilan aloqasini, zichlik esa temaning o‘z ichidagi rivojlanganlik va integratsiya darajasini ifodalaydi. Shunga ko‘ra yuqori markaziylik va yuqori zichlik hududidagi temalar “motor”; yuqori markaziylik, ammo pastroq zichlik hududidagilar “asosiy”; ichki jihatdan rivojlangan, ammo umumiy soha bilan zaifroq bog‘langanlar “nish”; past markaziylik va past zichlik hududidagilar esa “paydo bo‘layotgan yoki pasayayotgan” temalar deb baholanadi.

Manba xaritasida large language models, natural language processing va sentiment analysis atrofidagi katta klaster hamda artificial intelligence, ChatGPT va finance atrofidagi klaster sohaning asosiy umumiy tilini shakllantiradi. Generative artificial intelligence bilan responsible AI va financial literacy ni birlashtirgan klaster motor-tema hududida ko‘rinadi. Explainable AI, differential privacy va federated learning esa ko‘proq paydo bo‘layotgan/pasayayotgan hududga yaqin. Tadqiqotchi talqiniga ko‘ra bu yerda muhim amaliy bo‘shliq bor: mas’uliyatli AI haqidagi normativ diskurs amaliy maxfiylik va tushuntiriluvchanlik nazoratlaridan tezroq rivojlanayotgan bo‘lishi mumkin.

MCA tadqiqotda nimani ko‘rsatadi?

Multiple Correspondence Analysis (MCA), kalit so‘zlarning kengroq konseptual yaqinliklarini uchta katta qutbda ko‘rsatgan. Eng katta qutb foundation models, agentic AI, differential privacy, AI governance, responsible/trustworthy AI, RAG, prompt engineering, LLMs, question answering, fintech, blockchain, cybersecurity, financial literacy, financial services va portfolio management kabi umumiy GenAI–moliya infratuzilmasi va boshqaruv terminlarini o‘z ichiga oladi.

Ikkinchi qutb yanada aniq prognoz va bozor yo‘nalishiga ega: natural language processing, sentiment analysis, transformer methods, machine learning, deep learning, algorithmic trading, financial forecasting va data privacy bu yerda birga ko‘rinadi. Manba buni moliyaviy matn tahlilining savdo va prognoz arxitekturalariga tomon kengaygan zamonaviy davomi sifatida baholaydi.

Uchinchi qutb esa institut va xavf yo‘nalishiga ega: accounting, banking, security, portfolio optimisation, fraud detection, risk assessment va risk management kabi tushunchalarni o‘z ichiga oladi. Bu ajralish muvofiqlik, ishonchga asoslangan mas’uliyat, operatsion chidamlilik, modelni validatsiya qilish va moliyaviy xavfni boshqarish kabi savollar alohida tadqiqot sohasini shakllantirishi uchun zamin yaratadi.

Tadqiqot shuningdek Correspondence Analysis (CA) yordamida barqarorlik ko‘rinishini yaratgan. Biroq question answering va ayrim privacy tushunchalari kuchli geometrik chet qiymatlarga aylangani sababli CA ning global bo‘linishi MCA kabi talqin qilinadigan deb topilmagan; MCA asosiy konseptual xarita, CA esa barqarorlik vizuali sifatida baholangan.

Ikki alohida tadqiqot rejimi nimani anglatadi?

Manba darajasidagi bibliographic coupling umumiy manbalarga qaralganda ikkita katta nashr hamjamiyati borligini ko‘rsatadi. Bir hamjamiyat ACL, EMNLP, NAACL, COLING, ICLR, NeurIPS va shunga o‘xshash hisoblash lingvistikasi/mashinaviy o‘qitish muhitlari atrofida shakllanadi. Ikkinchi hamjamiyat ICAIF, Journal of Portfolio Management, IEEE Access va moliyaviy muhandislik/amaliy moliyaviy AI nashrlari atrofida jamlangan.

Tadqiqot bu ajralishni technology-push va finance-application rejimlari sifatida talqin qiladi. Birinchi rejim model arxitekturalari, retrieval, reasoning, agents va tilni qayta ishlash usullarini rivojlantiradi. Ikkinchi rejim ushbu imkoniyatlarni trading, portfolio, banking, risk yoki financial engineering vazifalariga olib o‘tadi. Ikki rejim o‘rtasida umumiy manba bog‘lanishlari mavjud; biroq aloqa hali soha to‘liq birlashganini ko‘rsatadigan darajada kuchli emas.

To‘g‘ridan-to‘g‘ri iqtibos tarixchasi ham yosh sohani ko‘rsatadi. Korpus ichidagi ko‘rinadigan iqtibos zanjirlari asosan 2023–2025 oralig‘ida qisqa. Bu holat uch yillik oynaning tabiiy natijasi bo‘lsa-da, umumiy benchmarklar, kanonik ma’lumotlar to‘plamlari va uzoq muddatli nazariy munozaralar hali to‘liq shakllanmaganini ham anglatadi.

2023–2024 dan 2025 ga qanday strukturaviy o‘zgarish ko‘rinadi?

2023–2024 davrida artificial intelligence va ChatGPT ko‘proq asosiy temalar sifatida ko‘rinsa, RAG/responsible AI nishroq, deep learning/explainable AI esa dastlabki bosqichda. 2025 xaritasida sentiment analysis va machine learning motor hududiga o‘tadi; LLM va RAG yanada markaziy va rivojlangan bo‘ladi; responsible GenAI markazga yaqinlashadi; portfolio management va agentic AI esa paydo bo‘layotgan yangi tema sifatida ko‘rinadi.

Manba bu o‘zgarishni bir martalik prompt o‘zaro ta’sirlaridan tashqi dalillarni chaqira oladigan, vazifa holatini saqlaydigan va ko‘p bosqichli moliyaviy ish oqimlarida harakatlana oladigan tizim arxitekturalariga tomon yo‘nalish sifatida talqin qiladi.

Tadqiqot Usuli va Natijalari

Metodologik zanjirning texnik xulosasi

  1. Scopus’da 2023–2025 davrini qamrab olgan ingliz tilidagi yozuvlar TITLE-ABS-KEY maydonida qidirildi.
  2. GenAI texnologiya terminlari bilan moliya sohasi terminlarining W/15 yaqinligida bo‘lishi talab qilindi.
  3. 695 yozuv va 45 metadata maydoni eksport qilindi.
  4. 616 DOI tasdiqlandi; takroriy DOI topilmadi. Beshta normallashtirilgan sarlavha takrori belgilandi, ammo avtomatik o‘chirilmadi.
  5. Muallif kalit so‘zlari va Scopus indeks kalit so‘zlari alohida saqlandi.
  6. Sinonim texnik terminlar ehtiyotkor tarzda uyg‘unlashtirildi.
  7. R muhitida bibliometrix yordamida samaradorlik, hamkorlik, co-word, tematik tuzilma, MCA/CA, bibliographic coupling, historiography, uch-maydon va davriy tema tahlillari o‘tkazildi.
  8. Association-strength normallashtirishi birgalikda uchrashish tarmog‘ida juda keng tarqalgan terminlarning xom chastota sababli hukmron bo‘lishini kamaytirish uchun ishlatildi.
  9. Louvain hamjamiyatlarni aniqlash tarmoqlarni vizual guruhlashda ishlatildi.
  10. Moliya nuqtayi nazaridan oldindan belgilangan strategik frontlarning birlashtirilgan muallif va indeks kalit so‘zlaridagi uchrashlari yillar bo‘yicha taqqoslandi.

Ushbu tadqiqotda statistik gipoteza testi bormi?

Manba tadqiqot klassik eksperimental yoki ekonometrik gipoteza testini o‘tkazmaydi. p qiymati, ishonch oralig‘i yoki ta’sir kattaligiga asoslangan asosiy inferensial test hisobot qilinmagan. Yillik nashrlar soni, chastotalar va iqtibos ko‘rsatkichlari tavsifiy; tarmoq, tematik xarita, MCA va bibliographic coupling natijalari esa strukturaviy va qiyosiy tarzda talqin qilingan. Shu sababli tarmoqdagi yaqinlik yoki kalit so‘z o‘sishi sababiyat dalili emas.

Moliyada generativ sun’iy intellektning eng tez o‘sayotgan tadqiqot frontlari qaysilar?

Manbaning strategik front kuzatuvchisiga ko‘ra 2023–2025 oralig‘ida eng katta miqdoriy kengayish portfel/investitsiya terminlarida 6→26→99, governance/XAI/regulation sohasida 7→15→84, blockchain/DeFi sohasida 5→38→63, quantitative/algorithmic trading sohasida 0→10→60 va RAG/agents sohasida 0→7→60 ko‘rinishida; robo-advisory esa faqat 0→1→4 darajasida qolgan. Bular nashr yoki tizim muvaffaqiyati emas, birlashtirilgan kalit so‘z maydonida kuzatilgan uchrashlar sonidir.

Tadqiqot fronti202320242025Manba ta’kidlagan ochiq tadqiqot muammosi
Miqdoriy / algoritmik savdo01060Xarajat, kechikish, bozor ta’siri va rejim almashuvidan keyin amalda qo‘llanadigan alpha yuzaga keladimi?
Portfel / investitsiya62699GenAI taqsimoti qachon yaxshilanadi, qachon xulq-atvor yoki model xavfini oshiradi?
Robo-maslahatchilik014Muvofiqlik, ishonch kalibratsiyasi va investor farovonligi qanday o‘lchanishi kerak?
Blockchain / DeFi53863Agent tizimlari qaytarib bo‘lmaydigan smart-contract operatsiyalari va markazlashmagan boshqaruv bilan qanday xavfsiz o‘zaro ta’sir qiladi?
Governance / XAI / regulation71584Tartibga solinadigan moliyada qaysi nazoratlar GenAI ni audit qilinadigan va operatsion jihatdan chidamli qiladi?
RAG / agents0760Retrieval va vositalardan foydalanish aniqlikni oshirar ekan, yangi xato kanallarini yaratadimi?
Manba tadqiqotning strategik front kuzatuvchisida hisobot qilingan yillik uchrashlar sonidan Verianla uchun mustaqil ravishda qayta chizilgan. Chiziqlar nashrlar soni yoki investitsiya samaradorligini emas, tadqiqot belgilagan kalit so‘z frontlaridagi uchrashlarni ko‘rsatadi.

Tadqiqot fronti I: GenAI qo‘llab-quvvatlagan miqdoriy savdo va bozor mikrostrukturasi

Miqdoriy/algoritmik savdo fronti manba kuzatuvchisida 2023-yildagi 0 dan 2024-yilda 10 ga, 2025-yilda esa 60 uchrashga ko‘tarilgan. Manba bu o‘sishni faqat sentiment chiqarishdan yanada integratsiyalashgan qaror tizimlariga o‘tish bilan mos deb biladi. Biroq LLM asosidagi signal tarixiy ma’lumotda daromadni prognoz qilishi haqiqiy bozorda amalda qo‘llanadigan alpha yaratishini anglatmaydi.

Tadqiqot taklif qilgan asosiy tasdiqlash yo‘nalishlari savdo xarajati, kechikish, portfel aylanishi, bozor ta’siri va ayni signal ko‘p ishtirokchi tomonidan qo‘llanganda yuzaga kelishi mumkin bo‘lgan crowding ta’siridir. Kelajakda LLM qo‘llab-quvvatlagan strategiyalarni klassik statistik arbitraj, nazoratli mashinaviy o‘qitish va reinforcement learning usullari bilan realistik out-of-sample protokollarda taqqoslash tavsiya etiladi.

Bozor mikrostrukturasi nuqtayi nazaridan faqat prognoz aniqligi emas, balki spread, bozor chuqurligi, adverse selection, price discovery, market impact va execution shortfall kabi iqtisodiy natijalarni ham o‘lchash zarurligi ta’kidlanadi. Bundan tashqari, ko‘plab agentlar o‘xshash LLM signallaridan foydalana boshlaganda modellar prognoz qilishga urinayotgan axborot muhitini o‘zlari o‘zgartirishi mumkinligi ehtimoli o‘rganilishi kerak.

Tadqiqot fronti II: AI-native portfel boshqaruvi va robo-maslahatchilik

Portfel/investitsiya temalari 6→26→99 bilan tadqiqotning eng tez o‘sayotgan strategik frontidir. Bunga qarshi robo-advisory 0→1→4 darajasida qolgan. Tadqiqot bu farqni siyosat nuqtayi nazaridan past ahamiyat emas, balki tadqiqot bo‘shlig‘i sifatida talqin qiladi.

Nega robo-maslahatchilik portfel tadqiqotiga nisbatan sezilarli ortda qolmoqda?

Korpus GenAI ning aktiv tanlash, prognoz, xavfni baholash va portfel tuzishdagi qo‘llanishini tez muhokama qilayotgan bir paytda, inson investorga institutsional tarzda maslahat beradigan robo-maslahatchi interfeyslarini ancha kam o‘rganadi. Manbaga ko‘ra portfelga texnik yordam bilan moliyaviy maslahat bir xil narsa emas; maslahatda muvofiqlik, xavf tolerantligining barqarorligi, ishonch kalibratsiyasi, ortiqcha ishonch, moliyaviy savodxonlik, freyming ta’sirlari, iste’molchilarni himoya qilish va investor farovonligi alohida o‘lchanishi kerak.

Manba kelajakda qoida asosidagi robo-maslahatchilar, an’anaviy mashinaviy o‘qitish maslahatchilari va suhbatdosh GenAI tizimlarini ayni investor profillari va bozor ssenariylari ostida taqqoslashni tavsiya qiladi. Asosiy dizayn muammosi faqat shaxsiylashtirish emas, balki shaxsiylashtirish audit qilinadigan bo‘lishi va ishonchga asoslangan mas’uliyat hamda iste’molchini himoya qilish majburiyatlari bilan mos kelishidir.

Tadqiqot fronti III: Blockchain, DeFi va dasturlashtiriladigan moliya

Blockchain/DeFi fronti 2023-yildagi 5 dan 2024-yilda 38 ga va 2025-yilda 63 uchrashga ko‘tarilgan. Biroq tematik tuzilma va bibliographic coupling ushbu tadqiqotlarning muhim qismi GenAI–moliya markaziy bilim tuzilmasiga to‘liq integratsiyalashish o‘rniga unga qo‘shni bo‘lib qolayotganini ko‘rsatadi.

Potensial integratsiya yo‘llari qatoriga GenAI agentlarining smart-contract hujjatlari, boshqaruv takliflari, token izohlari, protokol voqealari va zanjirlararo axborotni talqin qilishi; RAG tizimlarining qarorlarini joriy protokol holati va huquqiy/texnik hujjatlar bilan bog‘lashi; avtomatlashtirilgan muvofiqlik vositalarining dasturlashtiriladigan operatsiyalarni kuzatishi kiradi.

Biroq dasturlashtiriladigan moliya yanada qattiq xato yuzasini yaratadi. An’anaviy maslahatda noto‘g‘ri ifoda operatsiyadan oldin tuzatilishi mumkin bo‘lsa, agent qaytarib bo‘lmaydigan yoki qimmat smart-contract operatsiyasini ishga tushirishi mumkin. Shu sababli manba vakolatlar, execution safeguard lar, rollback mexanizmlari, oracle xavfi, composability, smart-contract o‘zaro ta’siri va adversarial manipulation kabi masalalarni bevosita modellashtirishni tavsiya qiladi. Natija o‘zgaruvchilari foydalanuvchi qoniqishidan kengroq bo‘lishi; likvidlik, price discovery, protokol to‘lov qobiliyati, tizimli tarqalish va boshqaruv sifati o‘rganilishi kerak.

Tadqiqot fronti IV: Boshqaruv, RAG, agentic AI va moliyaviy tartibga solish

Governance/XAI/regulation fronti 7→15→84; RAG/agents fronti esa 0→7→60 tarzida o‘sgan. Tadqiqot bu ikki o‘sishni birgalikda baholaydi: moliyaviy GenAI tizimlari ko‘proq imkoniyatga ega bo‘lgani sari boshqaruv muammosi bitta model chiqishini nazorat qilishdan ko‘p bosqichli ish oqimining xatti-harakatini nazorat qilishga aylanadi.

Ishlab chiqarish tizimi maxsus ma’lumotni olishi, tahlil vositalarini chaqirishi, tavsiya yaratishi, kodni ishga tushirishi, foydalanuvchi bilan muloqot qilishi va chiqishini boshqa tizimlarga uzatishi mumkin. Bunday arxitekturada faqat “model nega bu javobni berdi?” savoliga javob beradigan model darajasidagi tushuntiriluvchanlik yetarli emas.

Manbada ajralib turadigan xavflar qatoriga hallucination, prompt injection, retrieval contamination, beqaror chiqishlar, model yangilanishlari, ma’lumot sizib chiqishi va vositalardan foydalanish vakolatlari kiradi. Kelajakdagi tadqiqotlar uchun moliyaga yo‘naltirilgan model kartalari, retrieval provenance, audit loglari, human-in-the-loop escalation, adversarial testing, ssenariy asosidagi stress testing va agent harakatlarida aniq javobgarlik mexanizmlari tavsiya etiladi.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

  • 2023–2025 Scopus korpusida GenAI–moliya nashrlari nihoyatda tez o‘sgan.
  • Korpus kuchli tarzda konferensiya og‘irlikli.
  • LLM, GenAI, ChatGPT, NLP, sentiment tahlili va mashinaviy o‘qitish konseptual yadroda qolmoqda.
  • Portfel boshqaruvi, miqdoriy savdo, governance, RAG/agents va blockchain/DeFi yanada ko‘rinarlashmoqda.
  • Robo-maslahatchilik portfel/investitsiya tadqiqotlarining hajmiga nisbatan sezilarli darajada kam ifodalangan.
  • Hisoblash lingvistikasi/mashinaviy o‘qitish nashr ekotizimi bilan amaliy moliyaviy AI ekotizimi o‘rtasida aloqa mavjud, ammo to‘liq strukturaviy integratsiya yo‘q.
  • Korpus ichidagi to‘g‘ridan-to‘g‘ri iqtibos tarixi hanuz sayoz va sohaning kanonik tuzilishi shakllanish bosqichida.
  • Mas’uliyatli AI va boshqaruv muhokamasi markazlashar ekan, ayrim amaliy texnik nazorat sohalari dastlabki bosqichda qolmoqda.

Tadqiqot qo‘llab-quvvatlamaydigan natijalar

  • GenAI ishlatadigan investitsiya strategiyalari avtomatik ravishda ko‘proq foydali degan xulosaga kelib bo‘lmaydi.
  • LLM asosidagi savdo tizimlari savdo xarajatlaridan keyin musbat alpha hosil qilishi isbotlanmagan.
  • GenAI robo-maslahatchilari insonlar yoki mavjud robo-maslahatchilardan xavfsizroq ekani ko‘rsatilmagan.
  • RAG dan foydalanish moliyaviy aniqlikni barcha sharoitlarda oshirishi isbotlanmagan.
  • Agentic AI blokcheyn yoki DeFi ustida xavfsiz tarzda avtonom operatsiya qila olishi ko‘rsatilmagan.
  • Kalit so‘z chastotasidagi o‘sish texnologiyaning real dunyodagi muvaffaqiyat yoki qabul qilinish darajasiga teng emas.
  • Bibliometrik klasterlar sababiy munosabatlar emas.
  • Mamlakat uchrashlari soni tadqiqot sifati yoki noyob nashrlar soni reytingi emas.

Tadqiqotning asosiy cheklovlari

1. Bitta ma’lumotlar bazasi: Tadqiqot Scopus ga tayanadi. Scopus da mavjud bo‘lmagan working paperlar, texnik repository materiallari, SSRN tadqiqotlari, sanoat tadqiqotlari yoki boshqa ma’lumotlar bazalarida indekslangan nashrlar chetda qolishi mumkin.

2. W/15 mukammal soha filtri emas: Yaqinlik so‘rovi oddiy Boolean so‘roviga qaraganda tanlovchanroq bo‘lsa-da, moliya bilan faqat bilvosita bog‘liq ayrim multidissiplinar yozuvlar korpusga kirishi mumkin. Manba buni ayniqsa global iqtibos reytingida ko‘rinadigan qiladi.

3. Vaqt oynasi faqat uch yil: Tematik hududlar, tarmoq markaziyliklari va bibliographic coupling tuzilmalari adabiyot o‘sgan sari o‘zgarishi mumkin. Natijalar uzoq muddatli barqaror tuzilmaning dalili emas.

4. 2025-yil nashrlarining iqtibos muddati qisqa: Erta yillar iqtibos olish uchun uzoqroq muddatga ega bo‘lgani sababli xom iqtibos taqqoslashlari yangi nashrlarni noqulay holatga qo‘yadi.

5. Muallif identifikatsiyasini ajratish mukammal emas: Scopus dagi qisqartirilgan ismlar bir xil ismli shaxslarni birlashtirishi yoki ayni shaxsning yozuvlarini bo‘lib yuborishi mumkin.

6. Mamlakat ko‘rsatkichi hujjatlar soni emas: Ishlatilgan o‘lchov muallif–mamlakat uchrashidir; ko‘p millatli va ko‘p muallifli tadqiqotlar sababli jami 695 dan oshishi mumkin.

7. Kalit so‘zlarni uyg‘unlashtirish tadqiqotchi qarorini o‘z ichiga oladi: Tadqiqot agressiv semantik birlashtirishdan qochgan va xom maydonlarni saqlagan bo‘lsa-da, sinonimlarni moslashtirish mutlaqo talqinsiz jarayon emas.

8. Strategik front ko‘rsatkichi latent-topic modeli emas: Front kuzatuvchisi oldindan belgilangan moliyaga oid terminlarning muallif va indeks kalit so‘zlaridagi uchrashlarini sanaydi. Shu sababli qiymatlar “sohada nechta tadqiqot bor?” savolining mukammal javobi emas, balki yo‘nalish va nisbiy ko‘lam ko‘rsatkichidir.

Manba taklif qilgan keyingi usullar qatoriga dinamik topic modellar, embedding asosidagi clustering, citation-context analysis va supervised document classification orqali ayni o‘tishni qayta tasdiqlash kiradi.

Umumiy ilmiy talqin

Tadqiqot ko‘rsatgan manzara shuki, moliyada generativ sun’iy intellekt “LLM moliyaviy matn vazifasini bajara oladimi?” degan savoldan “LLM moliyaviy qaror tizimining tarkibiy qismi bo‘lganda butun tizim qanday loyihalanishi kerak?” degan savolga o‘ta boshlagan. Bu o‘tishda model qobiliyati o‘zi yetarli emas. Moliyaviy qiymat soha bilimi, tekshiriladigan tashqi axborot, optimallashtirish, xavf chegaralari, inson nazorati, ijro infratuzilmasi, bozor mikrostrukturasi va tartibga solish javobgarligi bilan birgalikda baholanishi kerak.

Bibliometrik dalil soha hali to‘liq shakllangan nazariy doiraga ega emasligini ham ko‘rsatadi. Kompyuter fanlari bilan moliya amaliyoti o‘rtasidagi aloqa kuchaymoqda; biroq benchmarklar, umumiy ma’lumotlar to‘plamlari, uzun iqtibos zanjirlari va moliya nazariyasi bilan tizimli bog‘lanishlar hali rivojlanish bosqichida. Shu sababli nashrlarning tez o‘sishi va ilmiy yetuklik bir xil tushuncha sifatida ishlatilmasligi kerak.

Manba va Usul Haqida Izoh

Asl tadqiqot: Generative AI in Finance: Mapping the Emerging Convergence of Quantitative Trading, Robo-Advisory, and Blockchain Markets

Muallif: Ngo Phu Thanh. Jurnalning onlayn metadata sahifasi ismni “Phu Thanh Ngo” tartibida ko‘rsatadi; ushbu Verianla matnida asl PDF dagi muallif yozuvi saqlangan.

Muassasa: University of Economics and Law, Vietnam National University, Ho Chi Minh City, Vietnam.

ORCID: 0000-0002-9174-4747 (rasmiy jurnal metadata yozuvida).

Corresponding author: Manba PDF bir muallifli tadqiqotda muallif aloqa ma’lumotlarini beradi; alohida “corresponding author” yorlig‘i ko‘rinadigan tarzda berilmagan. Shu sababli qo‘shimcha mas’ul muallif maqomi faraz qilinmagan.

Jurnal: Journal of Corporate Finance Research.

Bo‘lim: New Research.

Ta’sischi/nashr platformasi: National Research University Higher School of Economics (NRU HSE) tomonidan yuritiladigan Journal of Corporate Finance Research.

Jild / son / sahifalar: 20(3), 21–48.

Nashr yili: 2026.

Rasmiy onlayn nashr sanasi: 30 oktabr 2026.

Yuborilgan: 26 noyabr 2025.

Taqrizdan keyingi tasdiqlash sanasi: 7 aprel 2026.

Qabul sanasi: 29 iyun 2026.

Taqriz jarayoni: Taqrizli jurnal maqolasi. Journal of Corporate Finance Research rasmiy tahririyat siyosatida ikki tomonlama ko‘r taqrizdan foydalanishini bildiradi.

DOI: 10.17323/j.jcfr.2073-0438.20.3.2026.21-48

Rasmiy nashr sahifasi: https://cfjournal.hse.ru/en/article/view/29886

JEL tasnifi: G34. Ushbu kod manbada shu tarzda berilgan; Verianla tomonidan o‘zgartirilmagan.

Manba turi: Bibliometrik tahlil va ilmiy xaritalash olib boradigan taqrizli tadqiqot maqolasi. Tadqiqot investitsiya strategiyasi backtesti, nazoratli tajriba, bozor simulyatsiyasi yoki sababiy moliyaviy samaradorlik tahlili emas.

Ma’lumot manbai: Scopus’dan 2026-yil avgustida olingan, 2023–2025 davriga oid 695 ta ingliz tilidagi yozuv va 45 metadata maydoni.

Asosiy dasturiy ta’minot: R muhitidagi bibliometrix paketi.

Asosiy usullar: Samaradorlik tahlili, hamkorlik tarmog‘i, co-word tahlili, tematik xarita, MCA, CA barqarorlik ko‘rinishi, manba darajasidagi bibliographic coupling, historiografik to‘g‘ridan-to‘g‘ri iqtibos tahlili, uch maydon tahlili va strategik tadqiqot frontini kuzatish.

Moliyalashtirish: Tadqiqot University of Economics and Law, Vietnam National University Ho Chi Minh City, Vietnam tomonidan moliyalashtirilgan.

Manfaatlar to‘qnashuvi: Ko‘rib chiqilgan manba PDF da alohida manfaatlar to‘qnashuvi bayonoti aniqlanmagan; shu sababli “manfaatlar to‘qnashuvi yo‘q” degan faraz qilinmagan.

Ma’lumotlar mavjudligi: Manba Scopus eksporti 695 yozuv va 45 metadata maydonidan iborat ekanini bildiradi; ko‘rib chiqilgan PDF da alohida ochiq data repository havolasi yoki mustaqil data-availability statement aniqlanmagan.

Muallif hissalari / CRediT: Manba bitta muallifli; ko‘rib chiqilgan PDF da alohida CRediT rollari taqsimoti berilmagan.

Litsenziyaga oid muhim nomuvofiqlik: Manba PDF ning birinchi sahifasi maqolani Creative Commons Attribution 4.0 International (CC BY 4.0) sifatida ko‘rsatadi. Bunga qarshi jurnalning joriy rasmiy maqola sahifasi Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) ni ko‘rsatadi. Ushbu ziddiyat Verianla tomonidan yashirincha hal qilingan deb hisoblanmagan. Mualliflik huquqi xavfsizligi uchun cheklovlari kuchliroq joriy rasmiy yozuv asos qilib olingan; manba rasmlari yoki jadval maketlarining moslashtirilgan nusxalari ishlatilmagan.


Ulashish:

Izohlar ko‘rib chiqilgandan keyin e’lon qilinadi. Izohingiz tasdiqlash jarayoniga yuboriladi va ma’qullangach ko‘rinadi.

Izoh qoldiring

E-pochta manzilingiz chop etilmaydi. Majburiy maydonlar * bilan belgilangan