Тема 1. Методология финансовых исследований комплексный междисциплинарный подход

1. ТЕМА 1. Методология финансовых исследований: комплексный междисциплинарный подход

Автор курса – к.э.н., доцент
О.Г. Аркадьева

2. ОСОБЕННОСТИ Современного Исследования ФИНАНСОВЫХ отношений

ОСОБЕННОСТИ СОВРЕМЕННОГО ИССЛЕДОВАНИЯ
ФИНАНСОВЫХ ОТНОШЕНИЙ
• понимание научно-исследовательской методологии как
интегратора дисциплин (финансы, право, статистика,
Data Science).
• способность выстраивать исследовательский процесс на
основе данных транзакций с фокусом на юридическую
значимость данных
• практические навыки планирования анализа сложных
финансовых явлений, включая мошенничество.

3. мультидисциплинарность ФИНАНСОВЫХ исследований

МУЛЬТИДИСЦИПЛИНАРНОСТЬ
ФИНАНСОВЫХ ИССЛЕДОВАНИЙ
Методология финансовых исследований помогает:
• формулировать чёткие вопросы;
• выбирать обоснованные методы анализа;
• связывать результаты с реальными решениями (правовыми,
регуляторными, операционными).
Финансовые явления исследуются через призму:
• финансовой теории;
• правового регулирования;
• статистического анализа и вычислительных методов;
• анализа бизнес-процессов.

4. Исследования на данных

ИССЛЕДОВАНИЯ НА ДАННЫХ
Data-Driven Research - исследование, в основе которого:
• эмпирические данные;
• формальные модели;
• проверяемые гипотезы;
• количественные и качественные методы и выводы.
Постановка вопроса: что именно мы хотим понять?
• Сбор и подготовка данных: очистка, дополняемость,
соответствие контексту.
• Анализ: описательная статистика, модели, визуализации.
• Интерпретация: выводы в терминологии предметной области.
• Коммуникация выводов: отчёты, презентации, решения.

5. Особенности финансовых данных

ОСОБЕННОСТИ ФИНАНСОВЫХ ДАННЫХ
Data-Driven Research - исследование, в основе которого:
• эмпирические данные;
• формальные модели;
• проверяемые гипотезы;
• количественные и качественные методы и выводы.
Постановка вопроса: что именно мы хотим понять?
• Сбор и подготовка данных: очистка, дополняемость,
соответствие контексту.
• Анализ: описательная статистика, модели, визуализации.
• Интерпретация: выводы в терминологии предметной области.
• Коммуникация выводов: отчёты, презентации, решения.

6. Особенности финансовых данных

ОСОБЕННОСТИ ФИНАНСОВЫХ ДАННЫХ
Типичные элементы структуры датасета:
• временные метки;
• суммы;
• счёт/идентификаторы;
• направление (дебет/кредит);
• признаки (аннотации, флаги);
• метки мошенничества/нормальности.
Данные банковских транзакций содержат:
• технические ошибки;
• пропущенные значения;
• системно смещенные случаи (чрезмерное количество транзакций
определенного рода).
Методология требует:
• чётких правил обработки пропусков;
• выявления и устранения смещений;
• прозрачности процедур

7. Постановка исследовательской задачи

ПОСТАНОВКА ИССЛЕДОВАТЕЛЬСКОЙ ЗАДАЧИ
Финансовая vs юридическая формулировка. Например:
• Финансовый вопрос: что делает цепочку транзакций аномальной?
• Юридический вопрос: есть ли в этих транзакциях признаки преступления согласно
УК?
Юридическая квалификация становится частью критериев меток (labels).
Примеры гипотез:
• аномальные транзакции коррелируют с определёнными признаками (сумма, частота);
• комбинация признаков позволяет выделить случаи, подпадающие под ст. 159 УК РФ;
• модели машинного обучения при корректной предобработке и подборе
гиперпараметров могут предсказывать мошеннические случаи с высокой точностью.
Формулировка гипотез должна быть:
• проверяемой;
• обоснованной предметной областью;
• привязанной к данным.

8. Выбор методов анализа

ВЫБОР МЕТОДОВ АНАЛИЗА
Описательные методы. Цель: дать базовое представление о данных.
• статистика распределения сумм;
• частота транзакций по времени;
• кросс-таблица признаков.
Классификационные модели
• Логистическая регрессия;
• Деревья решений;
• Random Forest, бустинги и ансамбли;
• Нейросети.
Метрика эффективности:
• точность;
• полнота;
• специфичность и др.

9. Интерпретируемость моделей

ИНТЕРПРЕТИРУЕМОСТЬ МОДЕЛЕЙ
Крайне важно связывать:
• признаки моделей и юридические основания;
• результаты и практические рекомендации.
Например, «частота транзакций ночью» может
коррелировать с мошенничеством, но должна быть
интерпретирована через призму правовых норм и деловой
логики.

10. Этические и юридические ограничения

ЭТИЧЕСКИЕ И ЮРИДИЧЕСКИЕ ОГРАНИЧЕНИЯ
Конфиденциальность данных
При анализе реальных транзакций обязательны:
• анонимизация;
• соблюдение банковской тайны;
• соответствие требованиям регуляторов.
Ответственность за результаты
Алгоритмы, служащие основой для решений (блокировки,
сообщений регулятору), должны быть:
• прозрачными;
• проверяемыми;
• соответствовать требованиям законодательства.

11. интерпретация

ИНТЕРПРЕТАЦИЯ
Финансовая интерпретация. Результаты должны объяснять:
• какие бизнес-процессы стоят за обнаруженными
паттернами;
• риски для банка/клиента;
• воздействие мошенничества на денежные потоки.
Правовая интерпретация. Не только статистика, но и вопрос:
• соответствует ли выявленный сценарий признакам
преступления;
• какие предполагаются правовые последствия;
• какие существуют доказательные требования.

12. Интерпретация результатов через призму предметных дисциплин

ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ ЧЕРЕЗ ПРИЗМУ
ПРЕДМЕТНЫХ ДИСЦИПЛИН
Финансовая интерпретация. Результаты должны объяснять:
• какие бизнес-процессы стоят за обнаруженными
паттернами;
• риски для банка/клиента;
• воздействие мошенничества на денежные потоки.
Правовая интерпретация. Не только статистика, но и вопрос:
• соответствует ли выявленный сценарий признакам
преступления;
• какие предполагаются правовые последствия;
• какие существуют доказательные требования.

13. Интеграционная рамка

ИНТЕГРАЦИОННАЯ РАМКА
Финансовая интерпретация. Результаты должны объяснять:
• какие бизнес-процессы стоят за обнаруженными
паттернами;
• риски для банка/клиента;
• воздействие мошенничества на денежные потоки.
Правовая интерпретация. Не только статистика, но и вопрос:
• соответствует ли выявленный сценарий признакам
преступления;
• какие предполагаются правовые последствия;
• какие существуют доказательные требования.

14. Цикл исследования

ЦИКЛ ИССЛЕДОВАНИЯ
Постановка вопроса → Предварительный анализ → Моделирование
↓
Интерпретация → Валидация → Применение/Решение
Каждая фаза:
•должна иметь специализированные критерии качества;
•включать экспертную оценку в предметной области;
•быть документирована.
Data Scientist не заменяет эксперта по праву
или финансовой безопасности —
он интегрирует их знания в модели.