Анотація
Цифровізація на фондовому ринку та використання інноваційних технологій обробки й аналізу даних призвели до появи нових підходів у формуванні інвестиційних портфелів різних типів інвесторів. Мета статті полягала у визначенні сучасних підходів до формування інвестиційних портфелів різних типів інвесторів (роздрібних, професійних) в контексті розвитку нових технологічних секторів. Запропоновано розглядати інвестиційний портфель як сукупність фінансових активів, які перебувають у власності інвестора на визначений період часу та з певним рівнем прибутковості залежно від рівня прийнятих ризиків. Визначено, що використання цифрових рішень при формуванні інвестиційного портфеля сприяє більш раціональному підходу до вибору активів, знижує транзакційні витрати на придбання активів та підвищує рівень диверсифікації придбаних фінансових активів. Під впливом цифровізації економіки та появи нових технологічних компаній, стартапів інвестори застосовують динамічний підхід до формування високо диверсифікованого інвестиційного портфелю, поєднуючи у ньому активи біржових інвестиційних фондів, акції компаній із високотехнологічних секторів та альтернативні активи (криптовалюти). Виявлено високий рівень поширеності пасивних стратегій інвестування через біржові інвестиційні фонди, збільшення рівня інвестування в акції технологічних компаній у нових секторах економіки, тенденцію до інвестування у високоризикові та високодохідні цифрові активи. Встановлено, що цифровізація та аналітика даних на цифрових платформах дозволяють розробляти персоналізовані інвестиційні рішення із застосуванням рекомендацій робо-консультантів. Останнє дозволяє застосовувати більш збалансований підхід до інвестування на основі раціональних обґрунтованих рішень, прийнятих на основі аналітики даних. Встановлено, що поширеним явищем є використання алгоритмічної торгівлі, що забезпечує високу ліквідність на фондовому ринку та мінімізує ризики для професійних інвесторів.
Посилання
1. Briere, M. (2023). Retail investors’ behavior in the digital age: How digitalization is impacting investment decisions. Social Science Research Network. https://doi.org/10.2139/ssrn.4506007
2. Chowdhury, E. K. (2023). Impact of blockchain on stock market (MPRA Paper No. 118189). https://ideas.repec.org//p/pra/mprapa/118189.html
3. Das, S. R., Khadilkar, H., Mittal, S., Ostrov, D., Radhakrishnan, A., & Srivastav, R. (2026). A meta reinforcement learning approach to goals-based wealth management. The Journal of Finance and Data Science, (12), Article 100186. https://doi.org/10.1016/j.jfds.2026.100186
4. Das, S. R., Ostrov, D., Radhakrishnan, A., & Srivastav, R. (2022). Dynamic optimization for multi-goals wealth management. Journal of Banking & Finance, (140), Article 106192. https://doi.org/10.1016/j.jbankfin.2021.106192
5. Dasgupta, S., & Banerjee, A. (2020). Quantum annealing algorithm for expected shortfall based dynamic asset allocation. arXiv. https://doi.org/10.48550/arXiv.1909.12904
6. Economic sector performance dashboards. (n.d.). Yahoo Finance. https://finance.yahoo.com/sectors/
7. Husseın, H. (2023). The impact of diversification in traditional and digital financial tools on reducing risks and improving returns of the investment portfolio. Journal of Business in the Digital Age, 6(1), 42–52. https://doi.org/10.46238/jobda.1286651
8. Jayawardhana, A., & Colombage, S. R. N. (2024). Portfolio diversification possibilities of cryptocurrency: Global evidence. Applied Economics, 56(47), 5618–5633. https://doi.org/10.1080/00036846.2023.2257928
9. Lang, J., Zielinski, S., & Feld, S. (2022). Strategic portfolio optimization using simulated, digital, and quantum annealing. Applied Sciences, 12(23), Article 12288. https://doi.org/10.3390/app122312288
10. Ma, Y., Ahmad, F., Liu, M., & Wang, Z. (2020). Portfolio optimization in the era of digital financialization using cryptocurrencies. Technological Forecasting and Social Change, (161), Article 120265. https://doi.org/10.1016/j.techfore.2020.120265
11. Mattesi, M., Asproni, L., Mattia, C., & Rossi, C. (2024). Diversifying investments and maximizing Sharpe ratio: A novel quadratic unconstrained binary optimization formulation. Quantum Reports, 6(2), 244–262. https://doi.org/10.3390/quantum6020018
12. Metzler, D., Neuss, N., & Torno, A. (2022). The Digitization of Investment Management – An Analysis of Robo-Advisor Business Models. In Wirtschaftsinformatik 2022 Proceedings. https://aisel.aisnet.org/wi2022/finance_and_blockchain/finance_and_blockchain/2 (In Ukrainian)
13. Petukhina, A., Trimborn, S., Härdle, W. K., & Elendner, H. (2021). Investing with cryptocurrencies – evaluating their potential for portfolio allocation strategies. Quantitative Finance, 21(11), 1825–1853. https://doi.org/10.1080/14697688.2021.1880023
14. Pirogova, O., & Loubochkin, M. (2023). Digitalization in the global stock market in the post coronavirus era. In XV International Scientific Conference “INTERAGROMASH 2022” (pp. 1605–1613). Springer. https://doi.org/10.1007/978-3-031-21432-5
15. Rehman, M. U., & Vinh Vo, X. (2020). Cryptocurrencies and precious metals: A closer look from diversification perspective. Resources Policy, (66), Article 101652. https://doi.org/10.1016/j.resourpol.2020.101652
16. Sharma, P., Gupta, S., & Kapoor, D. (2024). Blockchain technology in the stock market: A deep dive into enhancing efficiency and security. In Revolutionizing the Global Stock Market: Harnessing Blockchain for Enhanced Adaptability (pp. 44–59). IGI Global. https://doi.org/10.4018/979-8-3693-1758-7.ch003
17. Tahvildari, M. T. (2025). Analysis of investor profiling and portfolio recommendations by robo-advisors in Germany. Global Business Finance Review, 30(8), 19–33. https://doi.org/10.17549/gbfr.2025.30.8.19
18. Trimborn, S., Li, M., & Härdle, W. K. (2020). Investing with cryptocurrencies—a liquidity constrained investment approach. Journal of Financial Econometrics, 18(2), 280–306. https://doi.org/10.1093/jjfinec/nbz016
19. Usmanovich Burkhanov, A., & Mansur Qizi Eshmamatova, M. (2021). The ways for improvement of investment strategy in the period of digital economy. In The 5th International Conference on Future Networks & Distributed Systems (pp. 655–662). ACM. https://doi.org/10.1145/3508072.3508202
20. Vandana, Garima, & Singh, S. (2026). AI-based predictive modelling of digitalization effects on investment decisions of Gen Z investors. In 2026 5th International Conference on Innovative Practices in Technology and Management (ICIPTM) (pp. 1–6). IEEE. https://doi.org/10.1109/ICIPTM69057.2026.11466023
21. Xu, H., Dasgupta, S., Pothen, A., & Banerjee, A. (2023). Dynamic asset allocation with expected shortfall via quantum annealing. Entropy, 25(3), Article 541. https://doi.org/10.3390/e25030541
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Авторське право (c) 2026 Юлія А. Перегуда, Микола В. Білошкурський