Алматы
Abzhalelova Sholpan – PhD student
Almaty
Алматы
Svyatov Serik – Professor of the Department of Doctoral Studies, Doctor of Economics
Almaty
Алматы
Baibulekova Leila – candidate of economic science, associate professor
Almaty
Цель исследования - анализ современных методов оптимизации инвестиционного портфеля с акцентом на управление рисками, волатильностью и применение инструментов финансового мониторинга для обеспечения нормативного соответствия и операционной устойчивости.
Методология - исследование основано на моделировании и анализе условного диверсифицированного инвестиционного портфеля, включающего акции, облигации и ETF. Применяются классические теоретические подходы (модель Марковица, коэффициент Шарпа) наряду с продвинутыми инструментами: Value-at-Risk (VaR), Conditional Value-at-Risk (CVaR), стресс-тестирование и алгоритмы машинного обучения для прогнозирования волатильности и распределения активов.
Научная новизна/ценность - работа объединяет традиционные финансовые модели и современные цифровые методы. Важным вкладом является прикладное использование инструментов финансового мониторинга, включая практики банков второго уровня, в целях оценки стабильности портфеля и нормативных рисков в рамках AML/CFT и Basel III.
Результаты - внедрение инновационных стратегий управления рисками и оптимизации позволяет существенно повысить эффективность и устойчивость инвестиционного портфеля. Эмпирический анализ показывает, что сочетание финансового мониторинга с моделированием на основе CVaR и стресссценариями способствует лучшему принятию решений, снижению вероятности экстренных потерь и соблюдению нормативных требований.
Purpose of the research - To examine modern methods of investment portfolio optimization with an emphasis on risk and volatility management, and to explore the integration of financial monitoring tools in ensuring regulatory compliance and operational resilience.
Methodology - The study is based on the modeling and analysis of a diversified hypothetical investment portfolio containing stocks, bonds, and ETFs. It combines classical optimization theories—such as the Markowitz model and Sharpe ratio—with advanced tools including Value-at-Risk (VaR), Conditional Valueat-Risk (CVaR), stress testing, and machine learning algorithms for volatility forecasting and asset allocation.
Originality/value - This research provides a synthesis of traditional financial models and modern datadriven techniques. A notable contribution is the applied use of financial monitoring systems—used by secondtier banks—to assess portfolio stability and regulatory risk under the frameworks of AML/CFT and Basel III.
Findings - The results show that implementing innovative risk management and optimization strategies significantly enhances portfolio performance and resilience. Empirical analysis demonstrates that financial monitoring, when combined with CVaR-based modeling and stress scenarios, contributes to better decisionmaking, reduced exposure to extreme losses, and improved compliance.
The authors declare that there are no conflicts of interest present.